DEMBA BA: Η ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΩΣ ΚΑΤΑΛΥΤΗΣ ΤΗΣ ΣΥΝΕΡΓΑΣΙΑΣ ΤΟΥ ΑΝΘΡΩΠΟΥ ΜΕ ΤΙΣ ΜΗΧΑΝΕΣ

Η συζήτηση γύρω από την Τεχνητή Νοημοσύνη και τον αντίκτυπό της στην κοινωνία και την οικονομία είναι πιο επίκαιρη από ποτέ. Ο Καθηγητής του Harvard, Demba Ba, με την εξειδίκευσή του στην ηλεκτρολογία, την επιστήμη των υπολογιστών και τη νευροεπιστήμη, προσφέρει μια μοναδική οπτική γωνία για τις προκλήσεις και τις ευκαιρίες που φέρνει αυτή η τεχνολογική επανάσταση. Από την απώλεια θέσεων εργασίας και την ανάγκη για προσαρμογή, έως τη σημασία της κατανόησης των μηχανισμών πίσω από την ΤΝ και την ανάπτυξη ενός πλαισίου εμπιστοσύνης. O Καθηγητής Ba μιλά στο NEWS 24/7 λίγο πριν την παρουσία του στο συνέδριο  “Adapt now – Influence tomorrow”.

Με κεντρικό μήνυμα “Adapt now – Influence tomorrow”, το ΑΙ Conference θα πραγματοποιηθεί στις 8 Οκτωβρίου από την KPMG στην Ελλάδα. Το συνέδριο έχει ως στόχο να αναδείξει ότι το ΑΙ, τα data και τα αυτοματοποιημένα εργαλεία δεν είναι απλώς εργαλεία παραγωγικότητας. Αποτελούν καταλυτικό παράγοντα μετασχηματισμού των επιχειρήσεων. Είναι πυξίδες για την ηγεσία του αύριο! Η πορεία προς τον έξυπνο οργανισμό είναι ένα διαρκές ταξίδι και οι ηγέτες διαδραματίζουν καίριο ρόλο σε αυτό. Για περισσότερες πληροφορίες σχετικά με το ΑΙ Conference, μπορείτε να επισκεφθείτε εδώ. 

 

Ας ξεκινήσουμε με μια ερώτηση σχετικά με ένα μείζον θέμα της εποχής μας: Η ανάπτυξη της Τεχνητής Νοημοσύνης θα οδηγήσει σε απώλεια θέσεων εργασίας;
Φυσικά. Αυτό συμβαίνει με κάθε νέα τεχνολογική εξέλιξη: τον ηλεκτρισμό, το αυτοκίνητο, την τυπογραφία. Νομίζω ότι μια εποικοδομητική προσέγγιση για να το αντιμετωπίσουμε/κατανοήσουμε είναι να καταγράψουμε (και πιστεύω ότι γίνονται ήδη τέτοιες προσπάθειες) όλες τις εργασίες που εκτελούν σήμερα οι άνθρωποι και να τις βαθμολογήσουμε ως προς τον βαθμό στον οποίο απαιτούν τις δεξιότητες που έχουν κυρίως οι άνθρωποι και όχι η ΤΝ (π.χ. «μαλακές» δεξιότητες) και αυτές που έχει η ΤΝ και όχι οι άνθρωποι (π.χ. υπολογιστική ταχύτητα). Για παράδειγμα, όσον αφορά τις δουλειές καθαρισμού, δεν θα θέλαμε να αποφύγουμε να τις κάνουν οι άνθρωποι, αν είναι εφικτό;

Θα συνεχίσουν οι άνθρωποι να είναι απαραίτητοι;
Μία από τις πτυχές που θα είναι πιο δύσκολο να αντικατασταθεί είναι το «γούστο»/«διαίσθηση»/«εξειδίκευση» που έχουν οι άνθρωποι σχετικά με τον μακροπρόθεσμο σχεδιασμό και την αναζήτηση λύσεων σε μακρούς ορίζοντες. Σκεφτείτε έναν επενδυτή επιχειρηματικών κεφαλαίων (VC) που λαμβάνει μακροπρόθεσμες επενδυτικές αποφάσεις, ή τον σχεδιασμό της οικονομίας μιας χώρας, ή τον διευθυντή ενός εργοστασίου παραγωγής γιαουρτιού: χρειάζονται χρόνια εμπειρίας για να αναπτύξει κανείς διαίσθηση για τη διαδικασία. Όχι μόνο αυτό, αλλά οι ανατροφοδοτήσεις που απαιτούνται για την επανάληψη (iterate) κάθε φορά που δοκιμάζεις κάτι νέο, μπορεί να χρειαστούν από μήνες έως και χρόνια.

Πόσο μεγάλο ρόλο παίζει η προσαρμοστικότητα; Πιστεύετε ότι οι άνθρωποι που βρίσκονται τώρα στα παραγωγικά τους χρόνια έχουν την ικανότητα να κατανοήσουν τις δυνατότητες της ΤΝ στη δουλειά τους;
Λατρεύω αυτή την ερώτηση και την επιλογή της λέξης, «προσαρμοστικότητα». Αυτό είναι που με κάνει πιο αισιόδοξο για το μέλλον: οι άνθρωποι, είμαστε προσαρμοστικοί. Κοιτάξτε, τα εργαλεία είναι διαθέσιμα τώρα για τον οποιονδήποτε έχει ένα έξυπνο τηλέφωνο να τα χρησιμοποιήσει και να τα δοκιμάσει: Πιστεύω απολύτως ότι έχουν την ικανότητα να το κάνουν. Το ερώτημα είναι αν θα κάνουν το άλμα και θα δοκιμάσουν: δεν υπάρχει «εγχειρίδιο», κατά τη γνώμη μου, κανένα μυστικό για να ανακαλύψει κανείς τη χρησιμότητα των εργαλείων για τον εαυτό του. Δεν νομίζω ότι κανένα εκπαιδευτικό πρόγραμμα μπορεί να αντικαταστήσει την «εμπειρία». Το να δοκιμάσεις την τεχνολογία και να δεις τι μπορεί να κάνει για σένα.

Σε ποιους τομείς της καθημερινής ζωής πιστεύετε ότι θα δούμε τη σημαντικότερη συνύπαρξη ανθρώπου-ΤΝ την επόμενη δεκαετία;
Αυτό επιστρέφει στην ερώτηση σχετικά με το αν οι άνθρωποι θα συνεχίσουν να είναι απαραίτητοι: σε οτιδήποτε όπου οι ανατροφοδοτήσεις είναι σύντομες και/ή απλώς απαιτεί υπολογισμό (computation)/πληροφορική και όχι «γούστο».

Με τη δημοτικότητα που έχει κερδίσει τα τελευταία χρόνια, η τεχνητή νοημοσύνη έχει αρχίσει να αποκτά κάποια «υπερφυσικά» χαρακτηριστικά. Πώς πρέπει να δράσουν οι θεσμοί και η κοινωνία για να δημιουργήσουν τους απαραίτητους κανονισμούς προστασίας ενάντια στην ταχεία ανάπτυξη της ΤΝ;
Νομίζω ότι τα «υπερφυσικά» χαρακτηριστικά πηγάζουν από την αποτυχία των ακαδημαϊκών/ειδικών που αναπτύσσουν την τεχνολογία να επικοινωνήσουν με το κοινό με ρεαλιστικούς όρους. Σε κάθε περίπτωση, η αντίληψη υπάρχει. Πιστεύω ότι μπορούμε να εργαστούμε για να κάνουμε την αντίληψη πιο ακριβή. Παράλληλα, πιστεύω απολύτως ότι πρέπει να σκεφτούμε την προστασία των παιδιών και των νέων, καθώς και των ευάλωτων. Τούτου λεχθέντος, είμαι σκεπτικιστής σχετικά με την προληπτική ρύθμιση που προσπαθεί αδικαιολόγητα να προβλέψει μελλοντικές προκλήσεις. Μπορεί να καταπνίξει την καινοτομία. Πιστεύω ότι ίσως θα πρέπει να σκεφτούμε να γίνουμε ευέλικτοι όσον αφορά τη ρύθμιση και να αναπτύσσουμε κανονισμούς καθώς προκύπτουν οι προκλήσεις.

Με ποιον τρόπο ενσωματώνει η δουλειά σας στην ομάδα CRISP τη συνεργασία μεταξύ μηχανικών, νευροεπιστημόνων και επιστημόνων δεδομένων; Τι αποτελέσματα επιδιώκετε;
Υπάρχει ένας ενδιαφέρων παραλληλισμός σήμερα μεταξύ της νευροεπιστήμης και της ΤΝ. Και στις δύο περιπτώσεις, μπορούμε να εκπαιδεύσουμε παράγοντες (agents) (ανθρώπους, ζώα, ΤΝ) να εκτελούν περίπλοκες εργασίες. Το αν μπορούμε να το ονομάσουμε νοημοσύνη σε όλες τις περιπτώσεις είναι υπό συζήτηση. Αυτό που είναι σαφές είναι ότι, εκτός από πολύ απλά περιβάλλοντα, δεν κατανοούμε τους μηχανισμούς πίσω από το πώς οι παράγοντες επιλύουν την εργασία. Το ονομάζω αντίστροφη μηχανική της νοημοσύνης (reverse engineering intelligence), και αυτό προσπαθούμε να κάνουμε: να κατανοήσουμε πώς οι νευρωνικοί υπολογισμοί επιτρέπουν στους βιολογικούς παράγοντες να κάνουν πράγματα, πώς οι τεχνητοί υπολογισμοί επιτρέπουν στην ΤΝ να κάνει πράγματα. Αυτό που δεν καταλαβαίνεις, δεν μπορείς να το βελτιώσεις/τελειοποιήσεις, ούτε να το διορθώσεις όταν χαλάσει! Αυτό είναι από την επιστημονική πλευρά. Από την πρακτική πλευρά, θέλουμε να κατανοήσουμε τα LLMs (μεγάλα γλωσσικά μοντέλα) και τα μεγάλα μοντέλα ΤΝ: να συσχετίσουμε όλες τις συμπεριφορές τους με ένα ανθρώπινα κατανοητό πλαίσιο («αυτά τα πράγματα μέσα στην ΤΝ είναι ο λόγος που βλέπουμε x», «αυτά τα άλλα πράγματα είναι ο λόγος που βλέπουμε y», κ.λπ…). Γιατί; Ένας στόχος είναι η ασφάλεια, ώστε να μπορούμε να παρέμβουμε και να καταστείλουμε ανεπιθύμητες συμπεριφορές. Ένας άλλος στόχος είναι η διευκόλυνση της συνεργασίας ανθρώπου-ΤΝ: οι άνθρωποι σκέφτονται με νοητικά μοντέλα. Εάν μπορείτε να αναγκάσετε/ωθήσετε τις ΤΝ να σκέφτονται όπως οι άνθρωποι, σε οποιονδήποτε συγκεκριμένο τομέα, ας πούμε να σκέφτονται σαν δικηγόρος, σαν διευθυντής ή σαν ασφαλιστής, τότε μπορείτε να αυξήσετε την εμπιστοσύνη, την υιοθέτηση στις επιχειρήσεις και, κατ’ επέκταση, την παραγωγικότητα.

Σε ποιους τομείς βλέπετε τον κόσμο να βελτιώνεται με τη χρήση της τεχνητής νοημοσύνης, και από την άλλη πλευρά, ποιοι είναι οι κίνδυνοι που σας ανησυχούν;
Η ευκαιρία είναι η ίδια με τον κίνδυνο για μένα: η ΤΝ μπορεί είτε να διευρύνει είτε να μειώσει το χάσμα μεταξύ των «εχόντων» και των «μη εχόντων». Εξαρτάται από εμάς ως κοινωνία.