ΕΚΤΑΚΤΗ ΕΠΙΚΑΙΡΟΤΗΤΑ
Ο άνθρωπος ή τα ροµπότ;
Η ιδέα της ροµποτικής έχει συνδεθεί αναπόδραστα µε τη χρήση και λειτουργία της τεχνητής νοηµοσύνης, προκαλώντας φόβο για απείρως καταστροφικότερες συνέπειες από αυτές της δηµιουργικής φαντασίας του Στάνλεϊ Κιούµπρικ
Πέρασαν δύο δεκαετίες από την κυκλοφορία της ταινίας του Στίβεν Σπίλµπεργκ «Τεχνητή νοηµοσύνη»
. Με αρχικό εµπνευστή τον Στάνλεϊ Κιούµπρικ, ο οποίος είχε στο συρτάρι του το σενάριο ήδη από τη δεκαετία του 1970, η ταινία δεν πραγµατοποιούνταν επί σχεδόν δύο δεκαετίες, επειδή ο Κιούµπρικ θεωρούσε ότι η τεχνολογία δεν είχε προχωρήσει τόσο ώστε να καταφέρει να αναπαραστήσει ένα ροµπότ στη µεγάλη οθόνη. Τη δεκαετία του ’90, πάλι, δεν έβρισκε ικανά παιδιά ηθοποιούς. Εντέλει, τον πρόλαβε ο θάνατος το 1999 και την έµπνευσή του την έκανε πραγµατικότητα ο Σπίλµπεργκ δύο χρόνια αργότερα. Θέµα της ταινίας ήταν η δυνατότητα των ροµπότ να αποκτούν συναισθήµατα σαν να είναι άνθρωποι. Μολονότι το σενάριο παίζει µε το κατά πόσον οι άνθρωποι έχουν γίνει ροµπότ σε µια τελείως ελεγχόµενη από τις µεγάλες εταιρείες κοινωνία ή, αντίθετα, µε το πόσο συναισθηµατικά µπορούν να δράσουν τα ροµπότ, στην πραγµατική ζωή τίθενται και άλλα ζητήµατα. Σήµερα συζητούµε τι προοπτικές προσφέρει η ροµποτοποίηση της εργασίας και τι κοινωνία θα δοµήσει µελλοντικά η ευρεία χρήση των ροµπότ. Η ιδέα της ροµποτικής έχει συνδεθεί αναπόδραστα µε τη χρήση και λειτουργία της τεχνητής νοηµοσύνης, προκαλώντας φόβο για απείρως καταστροφικότερες συνέπειες από αυτές της δηµιουργικής φαντασίας του Στάνλεϊ Κιούµπρικ.
«Εχουµε τροµάξει», αναφέρει ο καθηγητής Στιούαρτ Ράσελ σε άρθρο στον «Guardian» για την τροµακτική επιτυχία που έχει σηµειώσει η τεχνητή νοηµοσύνη σε πολλά πεδία, σε σηµείο που ούτε το φαντάζονταν µερικές δεκαετίες πριν. Το πρόβληµα είναι ότι µόλις τώρα η τεχνητή νοηµοσύνη αποδίδει καρπούς και είναι πραγµατικότητα. Μέχρι πρότινος ήταν ένα ζήτηµα που περιοριζόταν στους χώρους των εργαστηρίων και αφορούσε ερευνητές και επιστήµονες. Πλέον, όµως, έχει εξαπλωθεί ραγδαία. Η ανάπτυξή της µπορεί να συγκριθεί µε αυτήν της ατοµικής βόµβας, αναφέρει ο καθηγητής. Σκεφτείτε τι θα γινόταν αν ζητούσαµε από την τεχνητή νοηµοσύνη να θεραπεύσει τον καρκίνο, πιθανότατα και µε τη χρήση ροµπότ. «Πολύ πιθανόν να προσπαθούσε να εµφυτεύσει όγκους (!) σε όλο τον ανθρώπινο πληθυσµό, έτσι ώστε παράλληλα να πραγµατοποιεί εκατοµµύρια πειράµατα, χρησιµοποιώντας µας ως ινδικά χοιρίδια», επισηµαίνει και υπογραµµίζει: «Αυτό συµβαίνει επειδή αυτή είναι η λύση στον στόχο που έχουµε δώσει, µόνο που ξεχάσαµε να ξεκαθαρίσουµε ότι δεν µπορείς να χρησιµοποιήσεις όλο τον πληθυσµό σαν πειραµατόζωό σου, ούτε όλο το ΑΕΠ της Γης για να υλοποιήσεις πειράµατα…».
Σας φαίνονται παράξενοι οι προβληµατισµοί του κ. καθηγητή; Σκεφτείτε πώς θα ακούγονταν για τη χρήση της ατοµικής ενέργειας λίγο πριν αυτή δοκιµαστεί στην πράξη. Ξέρανε οι επιστήµονες ότι υφίσταται και ότι µπορεί ο άνθρωπος να παραγάγει ατοµική ενέργεια. Κάνανε τα σχετικά πειράµατα, όµως κανείς δεν ήταν έτοιµος να τη δει κατάµατα, όταν αυτή ξεδίπλωσε την πραγµατική της δύναµη. Η κατάσταση είναι ήδη ανησυχητική, µας προειδοποιεί ο κ. Ράσελ. Ηδη οι αλγόριθµοι που χρησιµοποιούνται στα κοινωνικά δίκτυα καθορίζουν σε µεγάλο βαθµό την ανθρώπινη συµπεριφορά. Κάνουν πλύση εγκεφάλου και κατευθύνουν τις καταναλωτικές επιθυµίες των πλατιών µαζών. Αν αυτή η χρήση επεκταθεί σε µεγαλύτερο βαθµό και παράλληλα η τεχνητή νοηµοσύνη αρχίσει να αποκτά θηριώδη δύναµη;
Η τεχνητή νοηµοσύνη χωρίζεται σε «στενή» (narrow) και «πλατιά» ή «ευρεία» (general). Η µεν πρώτη εκτελεί περιορισµένες ή µερικές εργασίες, που ούτως ή άλλως θα τις εκτελούσε ο άνθρωπος, και έχει αναπτυχθεί επαρκώς, ενώ η δεύτερη αποσκοπεί στο να υποκαταστήσει ουσιαστικά τους ανθρώπους σε κάθε γνωστική τους λειτουργία και βρίσκεται ακόµη σε στάδιο σχεδιασµού. Οι εφαρµογές της τεχνητής νοηµοσύνης αποτελούν µέρος της σχεδιαζόµενης και εν πολλοίς πραγµατοποιούµενης «4ης Βιοµηχανικής Επανάστασης». Αν και ο όρος «τεχνητή νοηµοσύνη» ήταν επινόηση διαφόρων επιστηµόνων το 1956 και «πατέρας» της ο µαθηµατικός Αλαν Τούρινγκ, η ιδέα ενός τεχνητού εγκεφάλου σκόνταψε στην τεχνική αδυναµία της εποχής εκείνης.
Χρειάστηκαν δεκαετίες µέχρι να µικρύνει δραστικά το κόστος των επεξεργαστών και ο όγκος των υπερυπολογιστών και να µπορούµε σήµερα να µιλάµε για το «deep learning» (βαθιά µάθηση). Η βαθιά µάθηση είναι ένα σύστηµα εκµάθησης και ταξινόµησης που στηρίζεται σε τεχνητά, ψηφιακά δίκτυα νευρώνων πολλαπλών στρώσεων. Αυτά επιτρέπουν στον υπολογιστή να αποκτήσει ορισµένες δυνατότητες του ανθρώπινου εγκεφάλου, να εκτελεί διάφορες πολύπλοκες αποστολές-λειτουργίες, όπως, για παράδειγµα, να αναγνωρίζει το περιεχόµενο µιας εικόνας ή µιας γλώσσας. Το πρόγραµµα τροφοδοτείται µε εκατοµµύρια εικόνες ενός αντικειµένου και έτσι στο τέλος µπορεί να το αναγνωρίζει. Η αρχή έγινε το 2012 µε το πρόγραµµα «Google Brain», που κατάφερε το ίδιο να αναγνωρίσει τη γάτα µέσα από 10 εκατοµµύρια εικόνες µε κεφάλια γατών στο YouTube.
Οι βασικοί προβληµατισµοί που κυριαρχούν στην αρένα του δηµόσιου λόγου χωρίζονται κατά βάση στις εξής κατηγορίες ως προς τις επιπτώσεις των κινδύνων που δύναται να φέρει η τεχνητή νοηµοσύνη: α) κίνδυνοι αναφορικά µε τη µαζική απώλεια θέσεων εργασίας, β) κίνδυνοι αναφορικά µε τη δράση αυτόνοµων φονικών όπλων, συνεπώς έχουµε να κάνουµε µε τη χρήση της τεχνητής νοηµοσύνης ως απειλής για την ασφάλειά µας και γ) βαθµιαία απώλεια των ελευθεριών µας µέσα από την καταστρεπτική δράση αλγορίθµων, που θα αποφασίζουν στην πράξη για εµάς χωρίς εµάς, µε κίνδυνο για την ασφάλεια των προσωπικών µας δεδοµένων.
Το εργασιακό περιβάλλον που γνωρίζουµε µάλλον πρέπει να το ξεχάσουµε - έρχονται τραγικές µεταβολές. Σύµφωνα µε έρευνα του Πανεπιστηµίου της Οξφόρδης αναφορικά µε τις επιπτώσεις της αυτοµατοποίησης στην αµερικανική αγορά εργασίας, διαπιστώνεται ότι το 47% των εργαζοµένων διαφόρων κλάδων απειλούνται άµεσα από αντικατάσταση. Στη Γερµανία το αντίστοιχο ποσοστό φτάνει το 42%. Ακόµα και αν θεωρήσουµε το 47% ή το 42% υπερβολικά ποσοστά, µιας και η έρευνα αυτή εστίαζε σε επαγγελµατίες και όχι σε επαγγελµατικούς κλάδους, ωστόσο ένα 10%-15% του συνολικού παγκόσµιου εργατικού δυναµικού θα µείνει χωρίς απασχόληση. Και ενώ ο πληθυσµός δείχνει να το γνωρίζει αυτό, καθώς το «πυροβολούν» συνεχώς από τα ΜΜΕ για τις επιπτώσεις, δεν έχει κατανοήσει βαθιά αυτό που είπε ο πρώην υπουργός Οικονοµικών των ΗΠΑ Λόρενς Σάµερς, ότι το ένα τρίτο των εργαζοµένων ηλικίας 24-54 ετών θα χάσουν τη δουλειά τους, ούτε αυτό που δήλωσε ο ΟΟΣΑ, ότι το 31% της απασχόλησης παγκοσµίως θα αντικατασταθεί µε την αυτοµατοποίηση.
Είναι σαν να ζούµε σε έναν βαθύ ύπνο, που ό,τι κι αν µας λένε το δεχόµαστε άκριτα. ∆εν δείχνει κανείς να τροµάζει µε τους νεόπτωχους της τεχνολογικής ανεργίας, µε τους νεόπτωχους της κλιµατικής αλλαγής και µε τους νεόπτωχους των µεταναστευτικών κυµάτων λόγω των διαφόρων εισβολών που έχουν γίνει τα τελευταία χρόνια. Αν αθροίσουµε όλα αυτά τα νούµερα, καταλαβαίνουµε για τι ποσοστό νεόπτωχων µιλάµε; Και, παρόλο που είναι γνωστό στην ψυχολογία ότι, αν είµαστε µέσα σε ένα αεροπλάνο που πέφτει, ο κάθε επιβάτης πιστεύει ότι θα σκοτωθούν όλοι εκτός από αυτόν, ξέρουµε πως δεν θα µείνει κανείς ζωντανός. Τι θέλω να πω; Κανείς δεν έχει εξασφαλισµένο ότι δεν θα ανήκει στους νεόπτωχους. Αρα, πρέπει να αρχίσει να γίνεται σοβαρή σκέψη στο µυαλό µας, συζήτηση µε τον κύκλο µας και, αφού ενηµερωθούµε σωστά, να αρχίσουµε να κινητοποιούµαστε, για να περισώσουµε ό,τι µπορούµε.
*Δημοσιεύθηκε στην εφημερίδα «Παραπολιτικά» στις 5/8
«Εχουµε τροµάξει», αναφέρει ο καθηγητής Στιούαρτ Ράσελ σε άρθρο στον «Guardian» για την τροµακτική επιτυχία που έχει σηµειώσει η τεχνητή νοηµοσύνη σε πολλά πεδία, σε σηµείο που ούτε το φαντάζονταν µερικές δεκαετίες πριν. Το πρόβληµα είναι ότι µόλις τώρα η τεχνητή νοηµοσύνη αποδίδει καρπούς και είναι πραγµατικότητα. Μέχρι πρότινος ήταν ένα ζήτηµα που περιοριζόταν στους χώρους των εργαστηρίων και αφορούσε ερευνητές και επιστήµονες. Πλέον, όµως, έχει εξαπλωθεί ραγδαία. Η ανάπτυξή της µπορεί να συγκριθεί µε αυτήν της ατοµικής βόµβας, αναφέρει ο καθηγητής. Σκεφτείτε τι θα γινόταν αν ζητούσαµε από την τεχνητή νοηµοσύνη να θεραπεύσει τον καρκίνο, πιθανότατα και µε τη χρήση ροµπότ. «Πολύ πιθανόν να προσπαθούσε να εµφυτεύσει όγκους (!) σε όλο τον ανθρώπινο πληθυσµό, έτσι ώστε παράλληλα να πραγµατοποιεί εκατοµµύρια πειράµατα, χρησιµοποιώντας µας ως ινδικά χοιρίδια», επισηµαίνει και υπογραµµίζει: «Αυτό συµβαίνει επειδή αυτή είναι η λύση στον στόχο που έχουµε δώσει, µόνο που ξεχάσαµε να ξεκαθαρίσουµε ότι δεν µπορείς να χρησιµοποιήσεις όλο τον πληθυσµό σαν πειραµατόζωό σου, ούτε όλο το ΑΕΠ της Γης για να υλοποιήσεις πειράµατα…».
Σας φαίνονται παράξενοι οι προβληµατισµοί του κ. καθηγητή; Σκεφτείτε πώς θα ακούγονταν για τη χρήση της ατοµικής ενέργειας λίγο πριν αυτή δοκιµαστεί στην πράξη. Ξέρανε οι επιστήµονες ότι υφίσταται και ότι µπορεί ο άνθρωπος να παραγάγει ατοµική ενέργεια. Κάνανε τα σχετικά πειράµατα, όµως κανείς δεν ήταν έτοιµος να τη δει κατάµατα, όταν αυτή ξεδίπλωσε την πραγµατική της δύναµη. Η κατάσταση είναι ήδη ανησυχητική, µας προειδοποιεί ο κ. Ράσελ. Ηδη οι αλγόριθµοι που χρησιµοποιούνται στα κοινωνικά δίκτυα καθορίζουν σε µεγάλο βαθµό την ανθρώπινη συµπεριφορά. Κάνουν πλύση εγκεφάλου και κατευθύνουν τις καταναλωτικές επιθυµίες των πλατιών µαζών. Αν αυτή η χρήση επεκταθεί σε µεγαλύτερο βαθµό και παράλληλα η τεχνητή νοηµοσύνη αρχίσει να αποκτά θηριώδη δύναµη;
Η τεχνητή νοηµοσύνη χωρίζεται σε «στενή» (narrow) και «πλατιά» ή «ευρεία» (general). Η µεν πρώτη εκτελεί περιορισµένες ή µερικές εργασίες, που ούτως ή άλλως θα τις εκτελούσε ο άνθρωπος, και έχει αναπτυχθεί επαρκώς, ενώ η δεύτερη αποσκοπεί στο να υποκαταστήσει ουσιαστικά τους ανθρώπους σε κάθε γνωστική τους λειτουργία και βρίσκεται ακόµη σε στάδιο σχεδιασµού. Οι εφαρµογές της τεχνητής νοηµοσύνης αποτελούν µέρος της σχεδιαζόµενης και εν πολλοίς πραγµατοποιούµενης «4ης Βιοµηχανικής Επανάστασης». Αν και ο όρος «τεχνητή νοηµοσύνη» ήταν επινόηση διαφόρων επιστηµόνων το 1956 και «πατέρας» της ο µαθηµατικός Αλαν Τούρινγκ, η ιδέα ενός τεχνητού εγκεφάλου σκόνταψε στην τεχνική αδυναµία της εποχής εκείνης.
Χρειάστηκαν δεκαετίες µέχρι να µικρύνει δραστικά το κόστος των επεξεργαστών και ο όγκος των υπερυπολογιστών και να µπορούµε σήµερα να µιλάµε για το «deep learning» (βαθιά µάθηση). Η βαθιά µάθηση είναι ένα σύστηµα εκµάθησης και ταξινόµησης που στηρίζεται σε τεχνητά, ψηφιακά δίκτυα νευρώνων πολλαπλών στρώσεων. Αυτά επιτρέπουν στον υπολογιστή να αποκτήσει ορισµένες δυνατότητες του ανθρώπινου εγκεφάλου, να εκτελεί διάφορες πολύπλοκες αποστολές-λειτουργίες, όπως, για παράδειγµα, να αναγνωρίζει το περιεχόµενο µιας εικόνας ή µιας γλώσσας. Το πρόγραµµα τροφοδοτείται µε εκατοµµύρια εικόνες ενός αντικειµένου και έτσι στο τέλος µπορεί να το αναγνωρίζει. Η αρχή έγινε το 2012 µε το πρόγραµµα «Google Brain», που κατάφερε το ίδιο να αναγνωρίσει τη γάτα µέσα από 10 εκατοµµύρια εικόνες µε κεφάλια γατών στο YouTube.
Οι βασικοί προβληµατισµοί που κυριαρχούν στην αρένα του δηµόσιου λόγου χωρίζονται κατά βάση στις εξής κατηγορίες ως προς τις επιπτώσεις των κινδύνων που δύναται να φέρει η τεχνητή νοηµοσύνη: α) κίνδυνοι αναφορικά µε τη µαζική απώλεια θέσεων εργασίας, β) κίνδυνοι αναφορικά µε τη δράση αυτόνοµων φονικών όπλων, συνεπώς έχουµε να κάνουµε µε τη χρήση της τεχνητής νοηµοσύνης ως απειλής για την ασφάλειά µας και γ) βαθµιαία απώλεια των ελευθεριών µας µέσα από την καταστρεπτική δράση αλγορίθµων, που θα αποφασίζουν στην πράξη για εµάς χωρίς εµάς, µε κίνδυνο για την ασφάλεια των προσωπικών µας δεδοµένων.
Το εργασιακό περιβάλλον που γνωρίζουµε µάλλον πρέπει να το ξεχάσουµε - έρχονται τραγικές µεταβολές. Σύµφωνα µε έρευνα του Πανεπιστηµίου της Οξφόρδης αναφορικά µε τις επιπτώσεις της αυτοµατοποίησης στην αµερικανική αγορά εργασίας, διαπιστώνεται ότι το 47% των εργαζοµένων διαφόρων κλάδων απειλούνται άµεσα από αντικατάσταση. Στη Γερµανία το αντίστοιχο ποσοστό φτάνει το 42%. Ακόµα και αν θεωρήσουµε το 47% ή το 42% υπερβολικά ποσοστά, µιας και η έρευνα αυτή εστίαζε σε επαγγελµατίες και όχι σε επαγγελµατικούς κλάδους, ωστόσο ένα 10%-15% του συνολικού παγκόσµιου εργατικού δυναµικού θα µείνει χωρίς απασχόληση. Και ενώ ο πληθυσµός δείχνει να το γνωρίζει αυτό, καθώς το «πυροβολούν» συνεχώς από τα ΜΜΕ για τις επιπτώσεις, δεν έχει κατανοήσει βαθιά αυτό που είπε ο πρώην υπουργός Οικονοµικών των ΗΠΑ Λόρενς Σάµερς, ότι το ένα τρίτο των εργαζοµένων ηλικίας 24-54 ετών θα χάσουν τη δουλειά τους, ούτε αυτό που δήλωσε ο ΟΟΣΑ, ότι το 31% της απασχόλησης παγκοσµίως θα αντικατασταθεί µε την αυτοµατοποίηση.
Είναι σαν να ζούµε σε έναν βαθύ ύπνο, που ό,τι κι αν µας λένε το δεχόµαστε άκριτα. ∆εν δείχνει κανείς να τροµάζει µε τους νεόπτωχους της τεχνολογικής ανεργίας, µε τους νεόπτωχους της κλιµατικής αλλαγής και µε τους νεόπτωχους των µεταναστευτικών κυµάτων λόγω των διαφόρων εισβολών που έχουν γίνει τα τελευταία χρόνια. Αν αθροίσουµε όλα αυτά τα νούµερα, καταλαβαίνουµε για τι ποσοστό νεόπτωχων µιλάµε; Και, παρόλο που είναι γνωστό στην ψυχολογία ότι, αν είµαστε µέσα σε ένα αεροπλάνο που πέφτει, ο κάθε επιβάτης πιστεύει ότι θα σκοτωθούν όλοι εκτός από αυτόν, ξέρουµε πως δεν θα µείνει κανείς ζωντανός. Τι θέλω να πω; Κανείς δεν έχει εξασφαλισµένο ότι δεν θα ανήκει στους νεόπτωχους. Αρα, πρέπει να αρχίσει να γίνεται σοβαρή σκέψη στο µυαλό µας, συζήτηση µε τον κύκλο µας και, αφού ενηµερωθούµε σωστά, να αρχίσουµε να κινητοποιούµαστε, για να περισώσουµε ό,τι µπορούµε.
*Δημοσιεύθηκε στην εφημερίδα «Παραπολιτικά» στις 5/8
