Επιμέλεια: Νικολέττα Μαδαρού
Η τεχνητή νοημοσύνη (Artificial Intelligence AI) είναι ένας συναρπαστικός τομέας της τεχνολογίας, που υπόσχεται να αλλάξει τον κόσμο και για δεκαετίες ανήκε στη σφαίρα της επιστημονικής φαντασίας. Πλέον, όμως, υπάρχουν παντού γύρω μας συστήματα AI για συγκεκριμένες χρήσεις, και ίσως να μην απέχουμε πολύ από ένα AI που να σκέφτεται και να παίρνει αποφάσεις σαν άνθρωπος. Η κινητήρια δύναμη για αυτή την εξέλιξη, είναι το Machine Learning.
Όσο κι αν θεωρούμε τους Η/Υ, τα κινητά, τα tablet κλπ, σαν “έξυπνες” συσκευές, στην πραγματικότητα βασίζονται σε μία ή περισσότερες εφαρμογές που έχουν δημιουργήσει προγραμματιστές. Κάθε εφαρμογή έχει ακριβώς τις δυνατότητες που προβλέπει ο κώδικάς της. Οτιδήποτε δεν προβλέπεται από τον κώδικα, οδηγεί σε σφάλμα.
Σε απλές εφαρμογές, είναι εφικτό για τον προγραμματιστή να προβλέψει όλες τις πιθανές κινήσεις του χρήστη, και να ενσωματώσει την κατάλληλη ανταπόκριση στο πρόγραμμα.
Όσο όμως αυξάνει η πολυπλοκότητα μιας εφαρμογής, γίνεται όλο και πιο δύσκολο να καλυφθούν όλα τα πιθανά σενάρια. Αυτός είναι ο λόγος που κάθε λειτουργικό σύστημα – εξ” ορισμού η πιο περίπλοκη εφαρμογή σε κάθε σύστημα – έχει αμέτρητα κενά ασφαλείας.
Αν θελήσουμε να φτιάξουμε ένα πρόγραμμα τόσο περίπλοκο που να μπορεί να ανταποκριθεί σε οποιαδήποτε πρόκληση όπως ένας άνθρωπος, με τις συμβατικές μεθόδους προγραμματισμού θα ήταν απλά αδύνατον.
- Τι είναι το Machine Learning;
Ας σκεφτούμε λίγο πώς λειτουργεί η ανθρώπινη σκέψη αλλά και η γνώση. Καλώς ή κακώς, δεν υπάρχει κάποιος που να προγραμματίζει τις πληροφορίες στο κεφάλι μας. Τουλάχιστον, όχι ακόμα.
Ουσιαστικά, ο τρόπος που μαθαίνουμε είναι παρατηρώντας πληροφορίες από το περιβάλλον μας, μέσα από τις οποίες βγάζουμε συγκεκριμένα συμπεράσματα.
Το Machine Learning βασίζεται σε μια αντίστοιχη λογική. Αντί να προσπαθήσουμε να προγραμματίσουμε κάθε πιθανή παράμετρο, έχουμε δημιουργήσει αλγόριθμους που επεξεργάζονται ένα σύνολο από πληροφορίες.
Βάσει των δεδομένων (data) που δέχεται, ο αλγόριθμος στη συνέχεια κατασκευάζει τη δική του λογική, προσαρμόζοντας ανάλογα τη λειτουργία του.
Μέσω του Machine Learning, προσπαθούμε να κάνουμε έναν υπολογιστή που να λειτουργεί όπως ο άνθρωπος. Θέλουμε οι αλγόριθμοι μας να είναι σε θέση να μαθαίνουν εμπειρικά, βασιζόμενοι σε παρατηρήσεις και στα δεδομένα που τους δίνουμε και να βελτιώνουν την απόδοσή τους στην πάροδο του χρόνου. Όσο ο αριθμός των διαθέσιμων δειγμάτων αυξάνεται, τόσο ο αλγόριθμος γίνεται πιο αποδοτικός.
- Πού χρησιμοποιείται το Machine Learning
Τα παραπάνω που αναφέραμε, δεν είναι θεωρητικά. Ήδη η τεχνητή νοημοσύνη, υπό τη μορφή αλγορίθμων, βρίσκεται παντού γύρω μας.
Εδώ να τονίσουμε πως δεν αναφερόμαστε σε μια γενική τεχνητή νοημοσύνη, που να σκέφτεται συνολικά σαν άνθρωπος. Μιλάμε για εξειδικευμένες εφαρμογές τεχνητής νοημοσύνης για συγκεκριμένες εργασίες.
Ένα απλό παράδειγμα αποτελούν οι μηχανές αναζήτησης (Google, Bing κλπ)
Τα αποτελέσματα της αναζήτησης που εμφανίζονται στην οθόνη μας, δεν τα διάλεξε χειροκίνητα κάποιος υπάλληλος, αλλά ειδικοί αλγόριθμοι επιχειρούν να κατανοήσουν για τι ψάχνουμε και να εμφανίσουν τα πιο σχετικά αποτελέσματα.
Όλες αυτές οι λειτουργίες βελτιώνονται θεαματικά με τη βοήθεια του Machine Learning.
Αξίζει να σημειωθεί πως η διαδικασία του Machine Learning είναι διαρκής, εκ των πραγμάτων δεν έχει κάποια στιγμή που να ολοκληρώνεται.
- Ακούσια συμμετοχή μας στο Machine Learning
Όταν συναντάμε το κλασικό quiz “Είστε ρομπότ?” σε μια ιστοσελίδα, δεν αποδεικνύουμε μόνο ότι είμαστε άνθρωποι.
Παράλληλα συνεισφέρουμε στην κατασκευή τεστ για τους αλγορίθμους που μαθαίνουν να διαβάζουν, να μετρούν, ή να ξεχωρίζουν άλογα από ανθρώπους.
Μάλιστα, θα έχουμε προσέξει τελευταία πόσο συχνά τα quiz αυτά περιλαμβάνουν δρόμους, οχήματα, ή σήματα οδικής κυκλοφορίας.
Αυτό μάλλον σημαίνει ότι αφορούν στην εκπαίδευση αλγορίθμων που σύντομα θα μας αντικαταστήσουν στη θέση του οδηγού στα οχήματα.
- Ποια είναι η γνώμη μας για το Machine Learning
Με τις μηχανές που μαθαίνουν μόνες τους, όλο και περισσότερο χρησιμοποιούμε (ή μας χρησιμοποιούν) εργαλεία που δεν ξέρουμε πώς λειτουργούν.
Το βέβαιο είναι ότι αναπόφευκτα θα πρέπει να συνηθίσουμε στην ιδέα αυτή. Αργά ή γρήγορα, το Machine Learning θα μπει σε κάθε τομέα της ζωής μας. Το αν αυτό είναι θετικό ή αρνητικό, θα το δείξει το μέλλον.
