Τεχνητή Νοηµοσύνη: Όραµα, Εφιάλτης ή Εξελικτική Αναγκαιότητα; Πέτρος Α. Μ. Τζελεπίδης

Transcript

1 Τεχνητή Νοηµοσύνη: Όραµα, Εφιάλτης ή Εξελικτική Αναγκαιότητα; Πέτρος Α. Μ. Τζελεπίδης

2 2 Σχέδιο Οµιλίας 1. Εισαγωγή. 2. Επισκόπηση Τεχνητής Νοηµοσύνης (ΤΝ). 3. Ερωτήµατα. 4. Συµπεράσµατα.

3 3 Ε&Α Προγράµµατα Πλανητικής Σηµασίας Μελέτη Ανθρώπινου Νου/Εγκεφάλου Τεχνητή Νοηµοσύνη

4 Ο όρος νοηµοσύνη χρησιµοποιείται µε 4 δύο πολύ διαφορετικούς τρόπους 1. Σαν µέτρο απόδοσης. 2. Σαν συνώνυµος µε τον όρο Νους.

5 Εξέλιξη τεχνητής συνιστώσας 5 ανθρώπινης νόησης 1. Πρώτη κατασκευή τραπεζιού. 2. Γραπτή γλώσσα. 3. Μαθηµατικά. 4. Τεχνητή Νοηµοσύνη ΤεΝοΣ.

6 6 Σχέδιο Οµιλίας 1. Εισαγωγή 2. Επισκόπηση Τεχνητής Νοηµοσύνης (ΤΝ). 3. Ερωτήµατα. 4. Συµπεράσµατα.

7 7 Ορισµός Τεχνητής Νοηµοσύνης Κλάδος ανθρώπινης γνώσης ασχολούµενος µε την µελέτη, σχεδιασµό και ανάπτυξη τεχνητώς νοηµόνων συστηµάτων (ΤεΝοΣ).

8 : Αναγκαία Εννοιολογικά Βήµατα 8 Φιλοσοφία Μαθηµατικά Ψυχολογία 1935: Turing and Church Νευροεπιστήµη 1943: McCulloch and Pitts 1945: John Von Neumann 1950: Turing 1949: Hebb 1948: Wiener

9 9 Δεύτερο µισό 20 ου αιώνα Τυπική εµφάνιση και ανάπτυξη Τεχνητής Νοηµοσύνης.

10 10 Αυτονοµία Τεχνητής Νοηµοσύνης Η ΤΝ είναι ένας αυτόνοµος, διεπιστηµονικός κλάδος γνώσης αλληλοεπηρεαζόµενος µε τους ακόλουθους: A. Φιλοσοφία του Νου. B. Μαθηµατικά. C. Φυσική. D. Τεχνολογία. E. Γλωσσολογία. F. Επιστήµη Υπολογιστών. G. Ψυχολογία. H. Νευροεπιστήµη.

11 11 Όραµα και Απόρριψη: Turing και Sir Lighthill.

12 12 Γεγονός Τα ΤεΝοΣ μαθαίνουν, συνεπώς, η συμπεριφορά τους είναι μόνο μερικώς προβλέψιμη.

13 Είδη ΤεΝοΣ 13 Ανθρώπινης Βάσης (καλύπτει ευρύ & αυξανόµενο φάσµα συµπεριφοράς). Ροµποτικής Βάσης Δεν υπάρχουν επί του παρόντος (δυνητικώς υλοποιήσιµα).

14 14 Κύριες περιοχές εφαρµογών ΤΝ 1. Γνώσιο-µηχανική. 2. Λόγο-µηχανική. 3. Ροµποτική.

15 15 Ορισµός Η γνώσιοµηχανική είναι η µεγαλύτερη, εφαρµοσµένη περιοχή της ΤΝς και αποσκοπεί να παράγει υπολογιστικά συστήµατα τα οποία φθάνουν ή ξεπερνούν την ανθρώπινη απόδοση σε στενούς τοµείς γνωσιακής δραστηριότητας. Τα συστήµατα αυτά ονοµάζονται έµπειρα συστήµατα (ΕΣ).

16 Σύγκριση ανθρώπινης & τεχνητής νοημοσύνης (Gelepithis 1999) 16 Απόδοση Συµπεριφοράς Γνωσιακές ικανότητες Εξαιρ. ανθρ. γλώσσας Ανθρ. Γλώσσα Αντίληψη & Δράση Συναισθήµατα & Συνείδηση Αυτόνοµο Σύστηµα

17 17 Σε πολλές περιπτώσεις, βρισκόµαστε ήδη πέραν των ανθρωπίνων ορίων

18 18 Παραδείγµατα 1. Χηµεία DENDRAL ( ). 2. Ιατρική MYCIN ( ). 3. Μαθηµατικά AM ( ).

19 Ανθρώπινη συλλογιστική και ΤεΝοΣ Συµπτώµατα και κλινικά δεδοµένα. A. Συλλογή δεδοµένων. 2. Διάγνωση. A. Υπόθεση (υποθετικός προσδιορισµός προβλήµατος). 3. Συνιστώµενη θεραπεία. A. Λύση.

20 20 Παραδείγµατα (εµπορικά) : Πρώτο εµπορικό ΕΣ: XCON. 5. American Express Λήψη πιστωτικών αποφάσεων για αµφιλεγόµενες περιπτώσεις. 6. Westinghouse Εξοικονόµηση καυσίµων σε πυρηνικό σταθµό.

21 21 Παραδείγµατα (δεκαετία 90) 7. Παιχνίδια Deep Blue Νίκησε τον παγκόσµιο πρωταθλητή σκακιού (May, 1997).

22 Προσεγγίσεις ΤΝς 22 Προσοµοίωση: η προσπάθεια να µιµηθούµε ζωϊκούς µηχανισµούς νόησης και τύπους συµπεριφοράς για την ανάπτυξη ΤεΝοΣ. Ανάπτυξη ΤεΝοΣ βασισµένων σε µηχανισµούς νόησης και τύπους συµπεριφοράς οι οποίοι δεν χαρακτηρίζονται από οµοιότητα µε τους ζωϊκούς.

23 23 Παραδείγµατα (δεκαετία 90) 8. Αστρονοµία Palomar Observatory (SKICAT) Επέτυχε να ταξινόµησει ουράνια σώµατα σε κατηγορίες και βοηθά τους αστρονόµους στην επιστηµονική ανάλυση των ταξινοµήσεων. 50 εκ γαλαξίες - 2 δισ άστρα - 100,000 κβάζαρς. Αποκλειστική ύπαρξη καταλόγου στην µνήµη του ΤεΝοΣ. 1 εκ µικρά ηφαίστεια στην Αφροδίτη (SKICAT version)

24 24 Μηχανική Μάθηση 1. Εξονυχιστική εξέταση δεδοµένων για ανεύρεση χρήσιµων κανόνων. 2. Δηµιουργία επιστηµονικών υποθέσεων στη βάση (ροών) δεδοµένων.

25 25 Παραδείγµατα 9. Κέρδη & Ηθική «[Σ]τον πόλεµο του Περσικού Κόλπου, µια εφαρµογή ΤΝ που χρησιµοποιήθηκε για στόχευση και σχεδιασµό αεροπορικών πτήσεων κρίθηκε εκπληκτικά προσοδοφόρα. Το DOD [Υπουργείο Άµυνας των ΗΠΑ] καθόρισε ότι αυτή η µοναδική εφαρµογη παρείχε τέτοια εξοικονόµηση, χωρίς να λαµβάνεται υπ'οψιν η επιτάχυνση των επιχειρησέων, που ξεπέρασε την συνολική επένδυση του DOD, απ' αρχής µέχρι τέλους, στο πέδιο της ΤΝ.» (Hayes-Roth 1997, σελ 109).

26 26 Παραδείγµατα (στρατιωτική χρήση) 10. Ανεπάνδρωτα ιπτάµενα οχήµατα (DARPA): Χρήση φυσικού λόγου για επικοινωνία και παροχή γενικών εντολών δράσης.

27 27 Παραδείγµατα (εµπορικά) 11. Κοπή Διαµαντιών A. Διαφάνεια, καράτια, κόψιµο, χρώµα. B. Βιοτεχνικό Ινστιτούτο Cambridge. C. Δεδοµένα τοµογραφιών ακτίνων-χ. D. Χρήση γενετικού αλγορίθµου (κόψιµο). E. Τυποποίηση εµπειρίας 4 ειδικών. F. Αυτοµατοποίηση φυσικής διαδικασίας (µέσω συστήµατος λέϊζερ).

28 28 Παραδείγµατα (απαιτούµενη συνεργασία) 12. Σύστηµα επεξεργασίας λόγου, διάφοροι οµιλητές (DARPA) A. Λεξικό 60,000 λέξεων. B. Ποσοστό λεξικολογικού λάθους 6.6% C. Συµµετέχοντες: AT&T Bell Labs. Πανεπιστήμιο Carnegie Mellon. Εργαστήριο T.J. Watson IBM. Εργαστήριο Lincoln MIT SRI International. Πανεπιστήμιο Cambridge. CNRS; Philips; Πανεπιστήμιο Karlsruhe.

29 29 Παραδείγµατα 13. Speech Magic: Σύστηµα µετατροπής υπαγόρευσης σε κείµενο της Philips χρησιµοποιείται σε οργανισµούς. Κυρίως σε Ευρωπαϊκά νοσοκοµεία και νοµικές εταιρείες.

30 30 Παραδείγµατα Cohen & AARON

31 Παραδείγµατα συνέχεια: Εκµετάλευση βασικών ανθρώπινων αναγκών 31 Ο ανιχνευτής αγάπης

32 32 «Ο ανιχνευτής αγάπης» 8000 αλγόριθµοι παράµετροι φωνής, όπως: συναισθηµατικής φόρτισης, αµηχανίας, συγκέντρωσης, βεβαιότητας, ψεύδους, προσδοκίας, διέγερσης, κ.α.

33 Παραδείγµατα E-Power. Αναλύει νοµικές πηγές, π.χ., κανόνες ή νοµοθεσία, και τους µετατρέπει σε υπολογιστικά συστήµατα ικανό να τους ελέγχει για συµβατότητα. (Μερικώς χρηµατοδοτηθέν από το πρόγραµµα IST της EU). (Χρησιµοποιείται από δηµόσιους και ιδιωτικούς οργανισµούς).

34 Παραδείγµατα Ψηφιακός Αριστοτέλης (τελικός στόχος του προγράµµατος Halo). Στοχεύει να συµπεριλάβει µεγάλο µέρος της ανθρώπινης επιστηµονικής γνώσης και ικανό να απαντά (novel) ερωτήσεις. Έχει διττό ρόλο: Σαν εκπαιδευτικό σύστηµα για τους φοιτητές. Σαν διεπιστηµονικός βοηθός για επιστήµονες.

35 35 Παραδείγµατα-17 Πειραµατική Κοινωνιολογία Κοινωνικές επιδράσεις στην προτίµηση µουσικής (Salganik, M. J., Dodds, P. S. & Watts, D. W. (2006). Science 311, Διαδίκτυο, συµµετέχοντες).

36 Παραδείγµατα-18: Ροµπότ Βιοµηχανικά Σε εχθρικά περιβάλλοντα Θαλάσσιες άβυσσοι Ηφαίστεια Εξερεύνηση διαστήµατος Καθηµερινή ζωή Ανθρωπόµορφα Ερευνητικό στάδιο

37 Παραδείγµατα 37 NASA s Sojourner. Rusell and Norvig, 2nd ed., 2003.

38 38 ALVIN/RALPH ALVIN/RALPH

39 39

40 40

41 41

42 Cog, MIT; Ongoing 42

43 43 Ευχαριστίες-Παν. Οσάκα Τµήµα Προσαρµοζόµενων Συστηµάτων.

44 19: Αισθητηριακά δίκτυα (Ευφυής σκόνη) Γεωλογία (ροή παγετώνων). 2. Οικολογία εδάφους (ασύρµατα ΑιΔ). 3. Ωκεανογραφία (ροή δεδοµένων από ευφυή µικροσκοπικά υποβρύχια).

45 45 Αισθητηριακά δίκτυα (Ευφυής σκόνη) 4. Συστήµατα ελέγχου (Νοήµονα αύτο-ελεγχόµενα συστήµατα ηλεκτρισµού). 5. Στρατιωτική κατασκοπία. 6. Αστυνοµική κατασκοπία.

46 46 Αισθητηριακά δίκτυα (Ευφυής σκόνη) 7. Ιατρική (συνεχής καταγραφή σηµαντικών παραµέτρων). 8. Έλεγχος κλιµατικών&επιδηµιολογικών προβλέψεων ΤεΝοΣ. 9. Αδυναµία χρήσης ροής δεδοµένων χωρίς την βοήθεια ΤεΝοΣ.

47 Δυνατότητες & Όρια Τεχνητής Νοηµοσύνης 47 Έργο Ε 1 : Ένα ΤεΝοΣ ικανό να κατανοεί την ανθρώπινη γλώσσα. Ε 2 : Ένα ΤεΝοΣ ικανό να κατανοεί ένα ανθρώπινο κινηµατογραφικό έργο ή ένα πρόγραµµα τηλεόρασης. Ε 3 : Ένα ΤεΝοΣ ικανό να ζωγραφίσει µια απλή σκηνή όπως µπορεί να κάνει ένα µικρό παιδί. Ε 4 : Ένα ροµπότ ικανό εκπαιδεύσει έναν άνθρωπο ή ένα ζώο. Τελικά πραγµατοποιήσιµο; Ε 1 : Όχι. Ε 2 : Όχι. Ε 3 : Ναι. Ε 4 : Μερικώς.

48 Δυνατότητες & Όρια Τεχνητής Νοηµοσύνης 48 Έργο Ε 5 : Ένα ροµπότ ικανό να µαγειρέψει ενα απλό φαγητό σε µια τυχούσα κουζίνα, ή να παίξει τέννις σε ενα οιοδήποτε γήπεδο. Ε 6 : Ένα ροµπότ ικανό να φέρει σε πέρας την εργασία ενός κηπουρού ή ενός ατόµου ικανού να επιβλέψει ένα µικρό παιδί. Ε 7 : Ένα ροµπότ ικανό να πάει µια βόλτα στο πάρκο και να µας πει τι είδε. Ε 8 : Ένα ροµπότ ικανό να κυνηγήσει µια αλεπού όπως ένας σκύλος. Τελικά πραγµατοποιήσιµο; Ε 5 : Ναι. Ε 6 : Ναι στο πρώτο, όχι στο δεύτερο. Ε 7 : Ναι. Ε 8 : Να κυνηγά επιτυχώς ναι. Όχι όµως αναγκαστικά όπως ένας σκύλος.

49 49 Σύγκριση ανθρώπινης & τεχνητής νοημοσύνης (Gelepithis 1999) Απόδοση Συµπεριφοράς Γνωσιακές ικανότητες Εξαιρ. ανθρ. γλώσσας Ανθρ. Γλώσσα Αντίληψη & Δράση Συναισθήµατα & Συνείδηση Αυτόνοµο Σύστηµα

50 50 Θέση Η ΤΝ πρέπει να ειδωθεί σαν μία συνεχής αναπτυξιακή προσπάθεια -μέρος της ανθρώπινης επιστήμης & τεχνολογίας- ικανή να συνεισφέρει σημαντικά στην ευημερία του ανθρώπινου είδους.

51 51 Σχέδιο Οµιλίας 1. Εισαγωγή 2. Επισκόπηση Τεχνητής Νοηµοσύνης (ΤΝ). 3. Ερωτήµατα. 4. Συµπεράσµατα.

52 52 Ποιά θα πρέπει να είναι η επίδραση της ΤΝς στον χώρο της εργασίας και το Εκπαιδευτικό σύστηµα;

53 53 Πρόταση Όταν η απασχόληση ατόμων χάνεται λόγω αυτοματοποίησης της, η πληρωμή τους θα πρέπει να συνεχίζεται μέχρι το τέλος της ουσιαστικής επανεκπαίδευσής τους.

54 Χαρακτηριστικά τρέχοντος 54 Εκπαιδευτικού συστήµατος Ξεπερασμένα και λαθεμένα συστήματα πεποιθήσεων, Μη ορθολογικά κεκτημένα δικαιώματα, Πνευματική βάλτωση. Μετατροπή σε επάγγελμα αντί για λειτούργημα.

55 55 Πρόταση Παιδεία, Καλλιέργεια, Αγωγή. Ικανότητα κριτικής σκέψης. Ανάπτυξη ορθολογικών γνωµών. Ελεύθερος χρόνος για την βελτίωση της ανθρώπινης ζωής.

56 Ερώτημα-2 56 Σε τι έκταση πρέπει η κοινωνία μας να ενσωματώσει την λήψη αποφάσεων από μηχανές?

57 57 Κριτήριο λήψης αποφάσεων (προτεινόµενο) Το σύνορο ανθρώπου-μηχανής θα πρέπει να βασίζεται στη λήψη κοινωνικώς-χρήσιμων αποφάσεων.

58 Κοινωνικώς-χρήσιμες Αποφάσεις 58 α) Προωθούν την ευημερία της κοινότητας την οποία αφορούν σύμφωνα με τις αντιλήψεις της κοινότητας αυτής. ΚΑΙ β) δεν μειώνουν την ευημερία μιάς άλλης κοινότητας εκτός εάν εντός όρισμένου και κοινώς αποδεκτού- χρονικού διαστήματος, προωθείται η ευημερία και των δύο κοινοτήτων.

59 Ερώτημα-3 59 Τι κριτήρια πρέπει να χρησιμοποιήσουμε για να προσδιόρισουμε το κατάλληλο σύνορο μεταξύ ανθρωπίνων & μηχανικών υπευθυνοτήτων?

60 60 Ερώτημα-4 Ποιό θα πρέπει να είναι το: Εύρος ρομποτικών υπευθυνοτήτων; Εύρος ανθρωπίνων υπευθυνοτήτων;!

61 61 Μ άλλα λόγια Ποιός πρέπει να είναι υπεύθυνος Όποτε Ένα ΤεΝοΣ κάνει κάποιο λάθος;

62 62 Ερώτημα-5 Ένα λάθος απαιτεί τουλάχιστον μία εξήγηση. Αποδοχή μίας μηχανικής εξήγησης από ένα εμπειρογνώμονα (π.χ. ιατρό), καθιστά υπεύθυνο τον εμπειρογνώμονα;

63 63 Ερώτημα-6 Οι εξηγήσεις εξαρτώνται από τις πρωταρχικές προυποθέσεις του ΤεΝοΣ. Τι είδους γνώση πρέπει να κωδικοποιηθεί σε τέτοιες προυποθέσεις;

64 64 Για παράδειγµα μπορούμε/οφείλουμε να ενσωματώσουμε ηθικές αξίες σε ένα ΤεΝοΣ; Π.χ., τους 3 νόμους του Ασίμωφ;

65 65 Οι νόµοι του Ασίµωφ 1. Δεν µπορεί να βλάψει, ή µέσω αδράνειας αφήει να βλαφτεί ανθρωπος 2. Πρέπει να υπακούει στις εντολές ανθρώπου εκτός εάν οι εντολές αυτές έρχονται σε σύγκρουση µε τον 1 νόµο. 3. Πρεπει να προστατεύει τον εαυτό εκτός εάν κάτι τέτοιο έρχεται σε σύγκρουση µε τον 1 ή 2 νόµο.

66 66 Ερώτηµα-7 Σε μία τέτοια περίπτωση, Θα μπορούσαμε να διακρίνουμε μεταξύ ανθρώπινης και μηχανικής λήψης αποφάσεων; Εάν διαφέρουν ποιά θα πρέπει να ακολουθήσουμε;

67 67 Πρόταση Αφού επιτρέπεται η λήψη αποφάσεων από ΤεΝοΣ, τότε, σε μία δημοκρατική κοινωνία, θα πρέπει οι πολίτες να μπορούν να ελέγχουν όσο διεξοδικά θέλουν τις πρωταρχικές έννοιες και προυποθέσεις του συστήματος. Είναι επιθυμητοί οι νόμοι του Ασίμωφ;

68 68 Ερώτημα-8 Σε ποιούς τομείς θα επιτρέπεται η ύπαρξη μη προβλέψιμης συμπεριφοράς από ΤεΝοΣ; Π.χ., ρομπότ που μαθαίνει.

69 69 Ερώτημα-9 Τι συνέπειες μπορεί να έχει το γεγονός ότι η ανθρώπινη νοημοσύνη δεν είναι ούτε μοναδική ούτε η ανωτέρα δυνατή.

70 70 Ερώτημα-10 Γνώση?? Ροές δεδοµένων Μηχανικώς παραγόµενη γνώση ανθρώπινης βάσης.

71 71 Παρατηρήσεις a) Μηχανικώς παραγόμενη γνώση δύναται να επηρεάσει αρνητικώς την ανθρώπινη κρίση. b) Μηχανικώς παραγόμενη γνώση δύναται να παράγει ανεπιθύμητες λύσεις είτε σε ατομικό είτε σε κοινωνικό επίπεδο.

72 Ερώτημα Μωρέ, τι µηχανή είναι ο άνθρωπος! Της βάζεις ψωµί, κρασί, ψάρια, ραπανάκια, και βγαίνουν αναστεγµοί, γέλια και ονείρατα. Νίκος Καζαντζάκης, Βίος και Πολιτεία του Αλέξη Ζορµπά, σελ. 261.

73 73 Σχέδιο Οµιλίας 1. Εισαγωγή 2. Επισκόπηση Τεχνητής Νοηµοσύνης (ΤΝ). 3. Ερωτήµατα. 4. Συµπεράσµατα.

74 74 ΤεΝοΣ τα νέα θεµέλια της ανθρώπινης επιστήµης.

75 75 Επόµενο στάδιο ανθρώπινης εξέλιξης 1. Εξαφάνιση. 2. Νέο είδος χωρίς συνειδητή ανθρώπινη παρέµβαση. 3. Νέο είδος µέσω βιολογικής µηχανικής. 4. Νέο είδος µέσω Τεχνητής Νοηµοσύνης 5. Νέο είδος µέσω σύνθεσης των 2, 3, & 4.

76 Όραµα, Εφιάλτης, ή Εξελικτική Αναγκαιότητα; 76? {2, 3, & 4}

77 77 Η εµφάνιση ροµποτικού είδους θα έχει σαν πιθανότερο αποτέλεσµα την αθανασία του ανθρωπίνου πνεύµατος.