Αλγόριθμος της Google έφτιαξε το «παιδί» του, που βάζει κάτω όλα τα ανθρώπινα προγράμματα
«Πρέπει να ανησυχούμε;», αναρωτιούνται οι ειδικοί του χώρου
Ήταν Μάιος του 2017 όταν οι ερευνητές της Google Brain ανακοίνωσαν τη δημιουργία ενός προγράμματος τεχνητής νοημοσύνης (AutoML) που μπορούσε να δημιουργεί δικά του λογισμικά.
Πολύ πρόσφατα λοιπόν, αποφάσισαν να βάλουν στο AutoML τη μεγαλύτερη δυνατή πρόκληση. Και το πρόγραμμα απάντησε δημιουργώντας το «παιδί» του, έναν κλώνο που παρουσίασε καλύτερα αποτελέσματα σε συγκριτικό τεστ από κάθε πρόγραμμα που είχε φτιαχτεί από ανθρώπους.
Οι ερευνητές της Google αυτοματοποίησαν τον σχεδιασμό των μοντέλων εκπαίδευσης των μηχανών, μια τεχνική που αποκαλείται «μάθηση μέσω ενίσχυσης». Το AutoML λειτουργεί έτσι ως μήτρα παραγωγής θυγατρικών προγραμμάτων, αναπτύσσοντας δηλαδή αλγόριθμους για την επίτευξη συγκεκριμένων κάθε φορά έργων.
Αυτό το «παιδί», που ονομάστηκε NASNet, ήταν επιφορτισμένο με την αναγνώριση αντικειμένων (ανθρώπων και πραγμάτων) σε βίντεο που έπαιζαν σε πραγματικό χρόνο. Το AutoML κρατούσε σκορ με τις επιδόσεις του NASNet και χρησιμοποιούσε τα δεδομένα του ανατροφοδοτώντας το, ώστε να βελτιωθούν οι επιδόσεις του «παιδιού» του.
Όταν το συνέκριναν τελικά με «δύο από τα πιο αξιοσέβαστα ακαδημαϊκά προγράμματα αναγνώρισης», όπως αποκάλεσαν οι ερευνητές της Google δύο καθιερωμένα εργαλεία αναγνώρισης (ImageNet και COCO), το NASNet έβαλε και στα δυο τα γυαλιά!
Σύμφωνα με την Google, το NASNet ήταν κατά 82,7% ακριβές στην αναγνώριση αντικειμένων, νικώντας τα άλλα προγράμματα κατά τουλάχιστον 1,2% (ποσοστό αναγνώρισης).
Επιπρόσθετα, μια λιγότερο αυτοματοποιημένη εκδοχή του NASNet επικράτησε κατά κράτος σε αντίστοιχα προγράμματα αναγνώρισης για φορητές συσκευές (κατά 3,1%).
Παρά το γεγονός ότι η ιδέα πίσω από τη «μάθηση μέσω ενίσχυσης» είναι αρκετά απλή, οι αλγόριθμοι ανατροφοδοτούνται δηλαδή με τα δεδομένα τους και μαθαίνουν μέσω δοκιμής και λάθους, η όλη διαδικασία απαιτεί και πολύ χρόνο και μεγάλη προσπάθεια. Γι’ αυτό και αναγκάστηκε ο άνθρωπος να αυτοματοποιήσει τη διαδικασία μάθησης, επιτρέποντας ουσιαστικά στις μηχανές να παράγουν μικρότερα προγράμματα για κάθε έργο ξεχωριστά.
Την ώρα λοιπόν που η Google πανηγυρίζει για το κατόρθωμα της τεχνητής νοημοσύνης, κάποιοι αναρωτιούνται ήδη ποιο θα είναι το μέλλον τόσο των έξυπνων μηχανών όσο και της ανθρωπότητας εν γένει.
Ένα από τα ερωτήματα που έπεσαν στο τραπέζι αφορά στο ποιος θα μπορέσει να σταματήσει τον «γονέα» αλγόριθμο αν θελήσει να περάσει στα «παιδιά» του πράγματα δικά του; Πράγματα κακόβουλα, ας πούμε. Ή τι θα γίνει αν το AutoML αρχίσει να δημιουργεί συστήματα τόσο γρήγορα που η ανθρωπότητα δεν μπορεί να τα διαχειριστεί;
Προτάσεις άλλωστε για να επιστρατευτεί το NASNet σε κυκλώματα παρακολούθησης έχει ήδη η Google ένα σωρό, πριν καν περάσει μάλιστα από επιτροπές δεοντολογίας και γνωμοδοτικά συμβούλια και επιτραπεί η χρήση του. Ποιος θα μπορεί να ελέγξει όλα αυτά τα άλματα της τεχνολογίας και κυρίως πώς θα χρησιμοποιηθούν;
Γι’ αυτό ίσως οι μεγαλύτεροι τεχνολογικοί κολοσσοί, ονόματα δηλαδή σαν τις Amazon, Facebook, Apple και πολλές ακόμα εταιρίες, σπεύδουν να γίνουν μέλη της πρωτοβουλίας «Partnership on AI to Benefit People and Society», του οργανισμού που επικεντρώνεται στην υπεύθυνη ανάπτυξη της τεχνητής νοημοσύνης προς όφελος του ανθρώπου.
Το μέλλον θα μας εκπλήξει, καμία αμφιβολία…
