Τα σύγχρονα υπολογιστικά συστήματα και η τεράστια αύξηση του όγκου δεδομένων, έχουν οδηγήσει την τεχνητή νοημοσύνη σε πρωτόγνωρη ανάπτυξη, με τεχνολογικά επιτεύγματα που δεν θα μπορούσαμε καν να φανταστούμε στο παρελθόν. Είναι λογικό, λοιπόν, να μας απασχολούν ερωτήματα όπως «Ποια είναι τα όρια της τεχνητής νοημοσύνης; Τι περιμένουμε τα επόμενα χρόνια από την τεχνητή νοημοσύνη;». Οι απαντήσεις είναι δύσκολες.
Εύλογα, η τεχνητή νοημοσύνη αντιμετωπίζεται συχνά με σκεπτικισμό, ακόμα και από την ίδια την επιστημονική κοινότητα. Η αλήθεια είναι ότι ενώ αποδεχόμαστε πιθανά μεροληπτικές ή χωρίς εξηγήσεις αποφάσεις ειδικών (ιατρών, δικαστών κ.λπ.), δυσκολευόμαστε να εμπιστευτούμε κρίσιμες αποφάσεις σε μηχανές. Θα πρέπει, όμως, να εξοικειωθούμε με την παρουσία της τεχνητής νοημοσύνης στη ζωή μας, αφού αποδεικνύεται ιδιαίτερα – ίσως απρόσμενα – αποτελεσματική στην επίλυση πολλών προβλημάτων. Τα στοιχεία δείχνουν ότι η τεχνητή νοημοσύνη θα λειτουργήσει ως καταλύτης στην εξέλιξη της επιστήμης και της τεχνολογίας, καινοτόμο εργαλείο στην παραγωγή νέας γνώσης, ίσως ένα νέο επιστημονικό παράδειγμα. Στις εφαρμογές, τα οφέλη από τη χρήση τεχνητής νοημοσύνης στην προσωποποιημένη ιατρική αναμένεται να είναι σημαντικά, το ίδιο και στη βιώσιμη γεωργία, στις μεταφορές, στην εκπαίδευση, στη δημιουργική βιομηχανία κ.λπ. Σε πολλές περιπτώσεις, η επίδοση της τεχνητής νοημοσύνης ήδη ξεπερνά τις αντίστοιχες επιδόσεις των ειδικών. Υπάρχουν, βέβαια, εφαρμογές για τις οποίες θα έπρεπε να είμαστε πιο συγκρατημένοι.
Θα θέλαμε, άραγε, να χρησιμοποιήσουμε ένα σύστημα αυτόματης ιατρικής διάγνωσης, το οποίο μάλιστα αδυνατεί να καταγράψει τους λόγους που το οδήγησαν στη διάγνωση ή μπορεί να είναι μεροληπτικό; Αποκαλούμε τα συστήματα βαθιάς μάθησης, όπως το chatGPT, «μαύρα κουτιά», κι αυτό επειδή, λόγω της πολυπλοκότητάς τους, δυσκολευόμαστε να τα κατανοήσουμε διαισθητικά. Για τεχνικούς λόγους, στους οποίους μάλιστα στηρίζεται η επιτυχία τους, τα συστήματα βαθιάς μάθησης είναι δυνατόν να ενισχύσουν σημαντικά μία μεροληψία του συνόλου δεδομένων εκπαίδευσης. Χρειάζεται, λοιπόν, προσοχή ώστε να περιοριστεί η χρήση τους σε κρίσιμες εφαρμογές, τουλάχιστον μέχρι να θεραπευτούν τα παραπάνω.
Μία ακόμα διάσταση είναι η περιβαλλοντική επίδραση της τεχνητής νοημοσύνης. Σύμφωνα με έρευνες, οι εκπομπές διοξειδίου του άνθρακα από την εκπαίδευση ενός μεσαίας κλίμακας νευρωνικού δικτύου προηγούμενης γενιάς είναι αντίστοιχες με αυτές ενός μέσου αυτοκινήτου σε όλη τη ζωή του. Αναμένονται μελέτες ώστε να καθοριστούν κατευθύνσεις ανάπτυξής της τεχνητής νοημοσύνης που θα συντελούν στην προστασία του περιβάλλοντος.
Η τεχνητή νοημοσύνη αποτελεί μία ευκαιρία, η αξιοποίηση της οποίας μπορεί να βελτιώσει την ποιότητα ζωής μας και να αμβλύνει τις ανισότητες. Προσβλέπουμε σε ένα σαφές ρυθμιστικό πλαίσιο ενίσχυσής της προς κατευθύνσεις που εξυπηρετούν τον άνθρωπο.
Ο κ. Γιώργος Στάμος είναι καθηγητής της Σχολής Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Εθνικού Μετσοβίου Πολυτεχνείου.
