Πoλύ κοντά στην ανθρώπινη νοημόσυνη υπόσχεται να φέρει ένα νέο πρόγραμμα τεχνητής νοημοσύνης θυγατρικής εταιρείας της Google το οποίο, όπως ισχυρίζονται οι επιστήμονες που το ανέπτυξαν, είναι ικανό να μαθαίνει όπως ο άνθρωπος. Το πρόγραμμα μπορεί να μάθει νέες γνώσεις, χωρίς να «ξεχνάει» τις κεκτημένες, φέρνοντας την τεχνολογία ένα βήμα πιο κοντά στις ανθρώπινες νοητικές ικανότητες.
Πιο συγκεκριμένα, η βρετανική εταιρεία τεχνητής νοημοσύνης DeepMind, θυγατρική της Google, ανέπτυξε το πρόγραμμα ώστε να μην ξεχνάει τα παλαιά προβλήματα που έχει λύσει και να χρησιμοποιεί αυτή τη γνώση για να αντιμετωπίζει τα νέα, όπως ακριβώς μαθαίνουν να κάνουν οι άνθρωποι από παιδιά. Οι επιστήμονες υποστηρίζουν ότι το πρόγραμμα τα έχει καταφέρει σχεδόν όσο καλά θα τα είχε καταφέρει ένας άνθρωπος, λύνοντας μια ευρεία γκάμα προβλημάτων.
Ο Τζέιμς Κίρκπάτρικ, από την DeepMind δήλωσε χαρακτηριστικά: «Αν πρόκειται να έχουμε προγράμματα υπολογιστών που θα είναι πιο έξυπνα και πιο χρήσιμα, τότε θα πρέπει να έχουν την ικανότητα να μαθαίνουν διαδοχικά». Βέβαια αυτή είναι μία δύσκολη πρόκληση.
Οι ερευνητές έχουν βρει τον τρόπο να κάνουν ένα πρόγραμμα να γίνει αυθεντία σε μια δοκιμασία, αλλά μόνο σε μία. Τα προγράμματα υποφέρουν από αυτό που χαρακτηρίζουν οι ερευνητές ως «καταστροφική λήθη». Χωρίς όμως τη δυνατότητα να χτίζει τη μια ικανότητα επάνω στην άλλη, η τεχνητή νοημοσύνη δεν θα φτάσει ποτέ την ανθρώπινη, ούτε θα είναι ικανή να λύσει νέα προβλήματα όπως οι άνθρωποι. Επάνω σε αυτό, ο Κιρκπάτρικ δήλωσε: «Οι άνθρωποι και τα ζώα μαθαίνουν πράγματα το ένα μετά το άλλο και αυτός είναι ένας βασικός παράγοντας που τους επιτρέπει να μαθαίνουν συνεχώς και να χτίζουν επάνω στις προηγούμενες γνώσεις τους».
Γράφοντας στο περιοδικό «Proceedings of the National Academy of Sciences», οι ερευνητές επεξηγούν πώς λειτουργεί το νέο πρόγραμμα, το οποίο είναι διαφορετικό από τα άλλα. Αντικατοπτρίζει τον τρόπο που λειτουργεί ο ανθρώπινος εγκέφαλος. Πριν προχωρήσει στην επόμενη δοκιμασία, δουλεύει πάνω σε ποιες συνδέσεις στο νευρικό σύστημα είναι πιο σημαντικές για τη δοκιμασία που έχει ήδη μάθει μέχρι στιγμής. Μετά τις κάνει πιο δύσκολες στο να μεταβληθούν καθώς μαθαίνει την επόμενη δεξιότητα.
Ωστόσο δεν είναι σαφές αν η ικανότητα του να χτίζει επάνω στις παλαιές γνώσεις, κάνει το πρόγραμμα να λειτουργεί καλύτερα. Ενώ δηλαδή το πρόγραμμα έμαθε να παίζει διαφορετικά παιχνίδια, δεν γίνεται αυθεντία σε κανένα, όπως θα ήταν πρέπον για ένα πρόγραμμα τεχνητής νοημοσύνης. «Δείξαμε πώς μπορεί να μαθαίνει διαδοχικά, αλλά δεν δείξαμε πώς τα μαθαίνει καλύτερα, επειδή τα μαθαίνει διαδοχικά. Υπάρχει ακόμη δυνατότητα βελτίωσης», είπε ο Κιρκπάτρικ.
Ο απώτερος σκοπός όλων αυτών των ερευνών και της συγκεκριμένης βέβαια, είναι η δημιουργία μηχανημάτων με γενική τεχνητή νοημοσύνη, που να αντικατοπτρίζουν την ανθρώπινη νοημοσύνη. Μέχρι σήμερα έχουν γίνει σημαντικά βήματα πως αυτή την κατεύθυνση όμως δεν το έχουν επιτύχει. Η έρευνα αυτή χαρακτηρίστηκε από τον Πίτερ Ντάιαν, διευθυντή του Gatsby Computational Neuroscience Unit του University College London ως «εξαιρετικά καλή». Όμως δεν έλειψε και η κριτική, καθώς ο Άλαν Γουίνφιλντ του Bristol Robotics Lab του Πανεπιστημίου της Δυτικής Αγγλίας είπε μεν ότι η έρευνα είναι «υπέροχη», προσθέτοντας ωστόσο: «Δεν πιστεύω ότι αυτό μας φέρνει ιδιαίτερα κοντά στο στόχο, καθώς αυτή η έρευνα δεν μας δείχνει πώς να γενικεύσουμε την εφαρμογή των δεξιοτήτων του προγράμματος σε νέες δοκιμασίες, όπως κάνουμε εγώ και εσείς χωρίς κόπο από παιδιά».
Θέλοντας να τεστάρω τις δυνατότητες και τα όρια του εργαλείου, άρχισα να ζητάω συμβουλές θεωρώντας μάλλον απίθανο (και ηθικά απωθητικό) το να το χρησιμοποιήσω. Μέσα σε μισή ώρα είχα αγοράσει μηνιαία συνδρομή.
13°
