#09 | Τα όρια της συμβολικής τεχνητής νοημοσύνης
Τεχνητή νοημοσύνη: Καταλύτης για τις επόμενες γενιέςΣχετικά με αυτό το επεισόδιο
Στη Βοστώνη συναντάμε τον Χρύσανθο Δελλαρόκα, τέως Αναπληρωτή Πρύτανη Ψηφιακής Μάθησης & Καινοτομίας και νυν καθηγητή Πληροφορικής στο Questrom School of Business. Είναι διεθνώς αναγνωρισμένος για το έργο του όσον αφορά στη διάδοση και τις συνέπειες της φήμης στο διαδίκτυο, τα κοινωνικά δίκτυα και την οικονομία της πληροφορίας, με πολυάριθμες επιστημονικές δημοσιεύσεις και σημαντική επιρροή στον χώρο της ψηφιακής εκπαίδευσης και της καινοτομίας.
Σε ένα σχολείο στην Ελλάδα στα μέσα της δεκαετίας του 80, με την παρότρυνση του πρωτοπόρου καθηγητή μαθηματικών Σπύρου Καλομιτσήνη, δύο νέοι μαθητές καταπιάνονται με έναν από του πρώτους υπολογιστές που μπήκε σε Ελληνικό σχολείο.
Ο Χρύσανθος ήταν ένας από τους πρωτοπόρους και ξεκίνησε την πορεία του δημιουργώντας ένα πρωτόγονο πρόγραμμα τεχνητής νοημοσύνης, το οποίο — ξεκινώντας από βασικά γεωμετρικά αξιώματα — μπορούσε να αποδεικνύει απλά γεωμετρικά θεωρήματα. Επειδή σε αυτή τη μορφή τεχνητής νοημοσύνης οι κανόνες είναι προκαθορισμένοι από έναν άνθρωπο ή μια ομάδα ανθρώπων, τέτοια συστήματα ονομάζονται expert systems. Παρά τις πρώτες επιτυχίες, ο Χρύσανθος δεν άργησε να ανακαλύψει τα όρια αυτής της προσέγγισης στην τεχνητή νοημοσύνη.
Αντίθετα, τα σημερινά συστήματα, όπως τα μοντέλα machine learning και τα μεγάλα γλωσσικά μοντέλα ή LLMs (όπως το ChatGPT), εξάγουν κανόνες στατιστικά, χωρίς ρητή ανθρώπινη καθοδήγηση. Αυτή η διαφοροποίηση σε μεγάλο βαθμό εξηγεί την έκρηξη της ΤΝ τα τελευταία χρόνια.
Παρουσίαση - Έρευνα: Θάνος Παπαδημητρίου
Παραγωγή - Επιμέλεια: Τζένη Πουπουλίδου
Αυτόματη μεταγραφή — ενδέχεται να περιέχει λάθη.
Αγαπητοί ακροατές, είμαστε πάλι στη Βοστόνη, όπου δίπλα μου έχω το Χρήσανθο Δελαρόκα, καθηγητής στο Πανεπιστήμιο της Βοστόνης και αντιπρίτανη, τέος αντιπρίτανη, όσον αφορά τις ψηφιακές τεχνολογίες, νομίζω, στο πυπδόλ του Πανεπιστημίου. Ψηφιακή μάθηση και καινοτομία. Καλησπέρα σας. Καλησπέρα και σε εσένα Χρύσανθε Το Χρύσανθο μας συνδέει πολιετής φιλία και μάλιστα μπορώ να πω ότι κατά κάποιο τρόπο ο Χρύσανθος έχει υπάρξει πρωτοπόρος στο χώρο του AI ήδη από τα σχολικά του χρόνια όταν ίσως η έννοια του AI να μην ήταν καλά σχηματισμένη στο μυαλό των περισσοτέρων Θα ήθελες Λιάκη να μας πεις Χρύσανθε πώς ξεκίνησες να ασχολείσαι με τους υπολογιστές και τι ακριβώς έκανες σαν μαθητής τα παλιά χρόνια αυτά, τη δεκαετία του 80, στα τέλη της δεκαετίας του 80 που ήταν καινοτόμου.
Βεβαίως, Θάνο, και η ιστορία μου είναι πολύ παρόμοια με και η δικιά σου, γιατί δεν ξέρω αν γνωρίζουν οι Αγροατές ότι ήμασταν μαθητές στο ίδιο σχολείο. Ήμασταν μαθητές στο πειραματικό σχολείο, ήμασταν το πρώτο σχολείο, αν γνωρίζω καλά, στην Ελλάδα, που είχε αποκτήσει έναν υπολοηστή, έναν TRS-80 το 1981 με πρωτοβουλία του πρωτοπόρου καθηγητή μαθηματικών που είχαμε, Σπύρου Καλομητσίνη.
Οπότε, στον ελεύθερό μας χρόνο, και εσύ και εγώ, το σκάγαμε από τις τάξεις και πηγαίναμε στο δωματιάκι που ήταν το κομπιούτερ και πειραματιζόμαστε. Ένα από τα πειράματα που κάναμε τότε, με πρωτοβουλία του καθηγητή, είναι να φτιάξουμε ένα πρόγραμμα το οποίο θα μπορούσε, κατά κάποιο τρόπο να έχει τεχνική νοημοσύνη και το λέω σχεσιαγωγικά για να αποδείξει θεωρήματα της γεωμετρίας.
Λοιπόν, πώς το κάναμε τότε. Η μέθοδος που χρησιμοποίησα όταν είχα γράψει αυτό το πρόγραμμα. Τι θεωρήματα, δηλαδή για να καταλάβουν λιγάκι και ροατές σε τι αναφερόμαστε. Τι ακριβώς ήθελες να αποδείξεις με αυτό το πρόγραμμα που έχεις φτιάξει. Αχ, δεν θυμάμαι τις λεπτομέρειες Σκέψου τώρα πώς ήταν το βιβλίο της γεωμετρίας που έλεγες ένα τρίγωνο με κάποιες γωνίες και σου έλεγε να αποδείξεις ότι το τρίγωνο είναι ορθή γωνία ή να αποδείξεις ότι η μία πλευρά είναι μεγαλύτερη από την άλλη ή να αποδείξεις ότι οι δύο τρίγωνα είναι όμοια Θυμάστε αυτές τα θεωρήματα που είχε το βιβλίο της γεωμετρίας του γυμνασίου του λυκείου Ένα σκωνάκι λοιπόν για τους μαθητές της Δευτέρας Λυκείου κάπως όπως το τσάτσι ποιτή σήμερα κάπως έτσι, κάπως έτσι μόνο που η μέθοδος ήταν πολύ διαφορετική και μάλιστα αυτό που είχα κάνει τότε σαν μαθητής αντικατόπτρησε την ιδέα της τεχνητής νοημοσύνης σε δεκαετία του 80 λοιπόν εκείνη την εποχή όταν λέγαμε τεχνητή νοημοσύνη νομούσαμε κάτι το λέγαμε
έξυπνα συστήματα, export systems τι κάναμε λοιπόν, βάζαμε στο πρόγραμμα μέσα όλα τα αξιώματα, ξέρω ότι εγώ, δηλαδή όλους τους κανόνες που διείπανε το θέμα με το οποίο ασχολούμαστε, με τη γεωμετρία θα έβαζες τα αξιώματα, ξέρω ότι εγώ θα έβαζες τους βασικούς κανόνες για το πώς θα κάνεις μια μαθηματική απόδειξη και μετά το πρόγραμμα αυτό που θα έκανε είναι ότι θα έκανε κατά κάποιο τρόπο σαν λέμε brute search, δηλαδή θα έψαχνε να βρει όλους τους συνδυασμούς με τους οποίους θα μπορούσε να εφαρμόσει αυτούς τους κανόνες και να μπορέσει από το αρχικό ερώτημα που σου έδινε ότι έχουμε ένα τρίγωνο που έχει μια γωνία έτσι και μια γωνία αλλιώς κτλ να φτάσει βήμα βήμα βήμα βήμα και να σου δείξει τη τελική απόδειξη.
Δηλαδή αυτό είναι ένα παράδειγμα. Και υπήρχαν αντίστοιχα συστήματα τότε για παράδειγμα που κάνανε ιατρική διάγνωση. Τους έδινες δηλαδή τα συμπτώματα που έχεις και σου λέγανε με κάποια πιθανότητα κωδικοποίηση τους κανόνες. Ξέρω ότι εγώ αν το σύμπτωμά σου είναι αυτό και η θερμοκρασία σου είναι αυτή και τα λοιπά είναι πιθανό να έχεις αυτό.
Εντάξει, αν το σύμπτωμα είναι α αλλά η θερμοκρασία είναι β, πιθανό να έχεις κάτι γ. Έβαζα λοιπόν αυτούς τους κανόνες και έβαζα ένα σύστημα το οποίο μπορούσε να σου δώσει απαντήσεις σε προβλήματα κάποιου πολύ περιορισμένου χώρου. Είτε αυτό λέγεται γεωμετρία, είτε αυτό λέγεται ότι έχω βιοδιατρική διάγνωση ή οτιδήποτε άλλο.
Αλλά τότε, εκείνη την εποχή, αυτά τα expert systems είχαν κάνει μεγάλη φασαρία, μεγάλο κρότο. Δηλαδή, θυμάμαι ότι πολλοί ειδικοί πιστεύανε ότι αυτή ήταν η λύση όσον αφορά την τέχνη, την νοημοσύνη. Γιατί άλλωστε, αν αποκρισταλώσεις τη γνώση και τη μεταφέρεις στη μηχανή, θα μπορούσε κάποιος να πει ότι ο άνθρωπος δίνει, μεταλαμπαδεύει όλη τη γνώση στο μηχανή και η μηχανή γίνεται ισοδύναμη.
Αυτό όμως συμβαίνει και αν όχι γιατί. Λοιπόν, έχεις δίκιο ότι τα έξυπνα συστήματα της δεκαετίας του 80 είχαν πράγματι αντίκτυπο και πολλά από αυτά είχαν πάρα πολύ καλές επιδόσεις στο στενό χώρο για τον οποίο είχαν δημιουργηθεί. Για παράδειγμα, ήταν συστήματα τα οποία κάνανε διάγνωση ασθενειών καλύτερα από γιατρούς. Όμως υπήρχαν διάφορα προβλήματα.
Ένα πρόβλημα ήταν ότι τα συστήματα αυτά δεν χρειαζόντουσαν να έχουν κάποιον ειδήμονα άνθρωπο, ο οποίος καταρχήν θα κωδικοποιούσε τη γνώση. Δεν μπορούσαν να δουλέψουν αλλιώς. Το δεύτερο είναι ότι τα συστήματα αυτά με την μπάρδο του χρόνου δεν γινόντουσαν καλύτερα, δεν μαθαίνανε, δεν εξελισσόντουσαν. Και καθώς βέβαια η γνώση εξελισσότανε, θα έπρεπε κάποιος να προσθέσει ή να αλλάξει την κωδικοποίηση, προκειμένου τα συστήματα αυτά να παραμείνουν επίκαιρα.
Και το τρίτο βέβαια φυσικά ήταν και αυτά τα συστήματα ήταν περιορισμένα στο πολύ περιορισμένο χώρο για τον οποίο είχαν δημιουργηθεί. Είχαμε συζητήσεις σε προηγούμενο επεισόδιο με τον Μανώλη Κέλλη εδώ στη Βουστόνη επίσης λέγοντας ότι υπάρχουν ήδη γνώσεις όπως παραδείγματος χάρη το να ξέρεις να κάνεις ποδήλατο που δεν περιγράφονται.
Δηλαδή δεν υπάρχουν κανόνες που κάποιος μπορεί να καταγράψει και να εξηγήσει σε κάποιον άλλο είτε αυτός είναι άνθρωπος είτε μηχανή πώς να κάνει ποδήλατο. Ήτανε ίσως αυτή η πηγή του κακού όσον αφορά τους περιορισμούς αυτών των συστημάτων. Δεν θα συμφωνήσω. Νομίζω όλα μπορούν να περιγραφτούν. Απλώς ίσως δεν μπορούν να περιγραφτούν με τρόπους που είναι κατανοητοί στον άνθρωπο.
Και εκεί φυσικά έγκυται και το νέο παράδειγμα που έχουμε σήμερα. Δηλαδή από τα έξω συστήματα τα οποία είχαν μια κωδικοποιημένη γνώση από άνθρωπο και ήταν φτιαγμένα για να λύνουν προβλήματα σε ένα πολύ στενό περιβάλλον έχουμε πάει στα σημερινά συστήματα τα οποία βασικά είναι βασισμένα στην βαθιά ανάλυση ενός τεράστιου αριθμού δεδομένων από τη μηχανή η οποία μηχανή μόνη της χωρίς την παρουσία ή την παρέμβαση του ανθρώπου ανακαλύπτει αν θέλει στους κανόνες μέσα από τους στατιστικούς συσχετισμούς που υπάρχουν στα δεδομένα.
Και αυτή λοιπόν η κατεύθυνση που είναι η σημερινή κατεύθυνση αποδείχθηκε να είναι πολύ πιο ισχυρή. Είναι πολύ πιο ισχυρή γιατί καταρχήν δεν απαιτεί ανθρώπινη παρέμβαση. Δεύτερον είναι ότι μπορεί να ανακαλύψει ακόμα και θα το πούμε κανόνες, με εισαγωγικά κανόνες που ενδεχομένως να το θεωρούμε ότι είναι κανόνες που δεν υπάρχουν.
είναι κανόνες που μάλλον δεν μπορούν να εκφραστούν εύκολα με τη γλώσσα που έχουμε εμείς οι άνθρωποι και είναι συστήματα τα οποία λοιπόν μπορούν να λύσουν προβλήματα σε πάρα πολλά διαφορετικούς χώρους και περιβάλλοντα και είναι συστήματα τα οποία εξελίσσονται συνέχεια καθώς τους δίνεις περισσότερα δεδομένα και καθώς αποκτάνε μεγαλύτερη εμπειρία με την αλληλεπίδραση και τη συζήτηση που κάνουν με τον άνθρωπο.
Πολύ ενδιαφέροντα αυτά μας είπε η Σαθέ. Βάζουμε λοιπόν μια άνω τελεία εδώ και στο επόμενο επεισόδιο θα ήθελα να ακούσω την γνώμη μου για κάτι άλλο. Δηλαδή την επίδραση της τεχνητής νοημοσύνης στην εκπαίδευση. Είμαι ο Θάνος Παπαδημητρίου και ακούσατε το podcast του Sky, τεχνητή νοημοσύνη, καταλήτης για τις επόμενες γενιές.
Ακούσατε το podcast τεχνητή νοημοσύνη, καταλήτης για τις επόμενες γενιές. Για να μην χάνετε κανένα επεισόδιο της σειράς και για να ανακαλύψετε και τα υπόλοιπα podcast του Sky, ακολουθήστε μας στο Spotify και στα Apple Podcast ή ακούστε μας μέσα από το sky.gr. Παρουσίαση επιμέλεια, Θάνος Παπαδημητρίου. Υπεύθυνη περιεχομένου, παραγωγή, Τζένι Πουπουλίδου.
Υχογράφηση και τεχνική επεξεργασία από τους ηχολήπτες του Sky 100,3.
Σχόλια
Χωρίς σχόλιαΣυνδεθείτε για να συμμετάσχετε στη συζήτηση
Σύνδεση για ΣχολιασμόΔεν υπάρχουν σχόλια ακόμα
