Turing Trap – Η υπόσχεση και ο κίνδυνος της τεχνητής νοημοσύνης
Με την τεχνητή νοημοσύνη να εξελίσσεται με ταχύτατους ρυθμούς, οι ηγέτες των επιχειρήσεων καλούνται σήμερα -περισσότερο από ποτέ- να την αγκαλιάσουν. Και όχι άδικα, καθώς, αν χρησιμοποιηθεί σωστά, η τεχνητή νοημοσύνη μπορεί να βελτιώσει την αποτελεσματικότητα και την πρόβλεψη, μειώνοντας παράλληλα το κόστος. Όμως πολλοί κάνουν το λάθος να πιστεύουν ότι η τεχνητή νοημοσύνη θα μπορούσε -και θα έπρεπε- να είναι πιο ανθρώπινη.
Το test του Turing
Το 1950, ο Άγγλος μαθηματικός, καθηγητής της λογικής, κρυπτογράφος και θεωρητικός βιολόγος, Alan Turing, πρότεινε ένα “παιχνίδι μίμησης” ως το απόλυτο τεστ για το αν μια μηχανή είναι ευφυής: θα μπορούσε μια μηχανή να μιμηθεί έναν άνθρωπο τόσο καλά ώστε οι απαντήσεις της σε ερωτήσεις να είναι δυσδιάκριτες από εκείνες ενός ανθρώπου;
Με άλλα λόγια, tο τεστ Τούρινγκ στηρίζεται σε μια απλή υπόθεση: αν ένας άνθρωπος μπορεί να συμμετέχει σε μια συζήτηση για πέντε λεπτά χωρίς να καταλάβει ότι μιλάει σε μια μηχανή, τότε ο υπολογιστής περνάει το τεστ.
Διαβάστε ακόμα: Πίσω από την τεχνητή νοημοσύνη “κρύβεται” η ανθρώπινη
Έκτοτε, η δημιουργία τεχνητής ευφυΐας που να ταιριάζει με εκείνη του ανθρώπου είναι, με τον ένα ή τον άλλο τρόπο, ο στόχος χιλιάδων ερευνητών, μηχανικών και επιχειρηματιών. Τα οφέλη της τεχνητής νοημοσύνης που προσομοιάζει στην ανθρώπινη (human-like artificial intelligence – HLAI) περιλαμβάνουν την εκτόξευση της παραγωγικότητας, την αύξηση του ελεύθερου χρόνου και -ίσως το πιο σημαντικό απ’όλα- την καλύτερη κατανόηση του ίδιου μας του μυαλού.
Όμως δεν παραπέμπουν όλοι οι τύποι τεχνητής νοημοσύνης στην ανθρώπινη -στην πραγματικότητα, πολλά από τα πιο ισχυρά συστήματα διαφέρουν πολύ από τους ανθρώπους- και η υπερβολική εστίαση στην ανάπτυξη και την αξιοποίηση του HLAI μπορεί να μας οδηγήσει σε μια παγίδα.
Η παγίδα Turing στις επιχειρήσεις
Η παγίδα αυτή που πήρε το όνομά της πάλι από τον Turing, αφορά μία από τις μεγαλύτερες παρανοήσεις σχετικά με την τεχνητή νοημοσύνη – ειδικά μεταξύ των ερευνητών της AI: ότι για να είναι αποτελεσματική πρέπει να κάνει ό,τι κάνει ένας άνθρωπος, ώστε να μπορέσει να τον αντικαταστήσει.
Ένα χαρακτηριστικό παράδειγμα, ήταν τα πειράματα της Waymo -παλαιότερα γνωστή ως Google Self-Driving Car Project- με τα πρώτα αυτοκινούμενά της. Η τεχνητή νοημοσύνη καθοδηγούσε τα συγκεκριμένα οχήματα στο 99,9% της κάθε τους διαδρομής. Υπήρχε ωστόσο ένας άνθρωπος οδηγός ασφαλείας που επέβλεπε το σύστημα και ένας δεύτερος ακόμη σε περίπτωση που ο πρώτος δεν μπορούσε να παραμένει συγκεντρωμένος. Δύο άνθρωποι όμως που παρακολουθούν ο ένας τον άλλον, δεν βοηθούν στον χαρακτηρισμό “αυτοκίνητα χωρίς οδηγό”.
Παρομοίως, δεν θα είχε νόημα σε ένα περιβάλλον υγειονομικής περίθαλψης να χρησιμοποιηθεί τεχνητή νοημοσύνη και να υπάρχουν δύο ακτινολόγοι που να παρακολουθούν την τεχνολογία.
Η τεχνητή νοημοσύνη στις επιχειρήσεις του σήμερα
Η αμερικανική εταιρεία cloud computing, Rackspace Technology, διεξάγει κάθε χρόνο μια παγκόσμια έρευνα σχετικά με την αντίληψη που έχει ο επιχειρηματικός κόσμος για την τεχνητή νοημοσύνη. Για τη φετινή εκδοχή της, η εταιρεία συγκέντρωσε απαντήσεις από περισσότερους από 1.400 υπεύθυνους λήψης αποφάσεων στον τομέα της πληροφορικής σε όλο τον κόσμο.
Η έκθεση “ 2023 AI and Machine Learning Research Report” της Rackspace Technology επισημαίνει ότι το 69% χαρακτήρισε την τεχνητή νοημοσύνη και τη μηχανική μάθηση (ML) ως υψηλή προτεραιότητα – καταγράφοντας μια αύξηση 15 ποσοστιαίων μονάδων σε σχέση με το ποσοστό του 2022. Επιπλέον, η εμπιστοσύνη στην τεχνητή νοημοσύνη είναι υψηλή σύμφωνα με το 73%.
Αξιοσημείωτο είναι ότι οι περισσότεροι από τους συμμετέχοντες δεν θεωρούν πλέον απαραίτητη την αυστηρή ανθρώπινη εποπτεία της AI/ML. Επιπλέον, μόνο το 19% πιστεύει ότι η AI και η ML χρειάζονται πάντα ανθρώπινη ερμηνεία – ποσοστό μικρότερο κατά 75% σε σχέση με το περσινό αποτέλεσμα.
Πώς μπορούν να αποφύγουν την παγίδα Turing οι ηγέτες των επιχειρήσεων;
Η μεγάλη πρόκληση της επόμενης μέρας θα είναι να αποκομίσουμε τα όντως μοναδικά οφέλη της τεχνητής νοημοσύνης, χωρίς να πέσουμε σε καμία παγίδα. Για να επιτευχθεί κάτι τέτοιο, χρειάζεται κατανόηση του τρόπου με τον οποίο η τεχνολογική πρόοδος επηρεάζει την παραγωγικότητα και την ανισότητα.
Διαβάστε ακόμα: Πόσο σημαντική είναι η τεχνητή νοημοσύνη για το retail;
Η λύση δεν είναι η επιβράδυνση της τεχνολογίας, αλλά μάλλον η εξάλειψη της υπερβολικής διάθεσης να αυτοματοποιήσουμε τα πάντα ανεξέλεγκτα. Η τεχνητή νοημοσύνη είναι εδώ για να μας συμβουλεύει και να μας επιτρέπει να παίρνουμε καλύτερες αποφάσεις, όχι για να μας αντικαθιστά.
Αυτό σημαίνει ότι όντως απαιτείται μια αλλαγή στη νοοτροπία που έχουμε για το πώς μπορούμε να αξιοποιήσουμε το μοναδική εργαλείο που ακούει στο όνομα “AI”. Επιστρέφοντας στο παράδειγμα της Waymo, η τεχνητή νοημοσύνη θα έπρεπε να είναι ο συγκυβερνήτης και όχι ο πραγματικός οδηγός. Αυτό δείχνει πώς μπορεί να δομηθεί ένα αποτελεσματικό μοντέλο, όπου άνθρωποι και μηχανές τελικά συνεργάζονται.
Με πληροφορίες από Work Life
Photo: Unsplash
ή αποκτήστε ετήσια συνδρομή εδώ.
