Μια ακόμα σπίθα ευφυΐας στις μηχανές

Οι περισσότεροι από εσάς θα έχετε δει μια ανάλογη εικόνα : ένας αστυνομικός στέκεται όρθιος και παρατηρεί στο πάνελ ενός τοίχου μια σειρά από καρφιτσωμένες φωτογραφίες. Λεπτά κόκκινα νήματα συνδέουν τις φωτογραφίες μεταξύ τους. Ο αστυνομικός παρατηρεί τις εικόνες και τις σχέσεις τους, ελπίζοντας να βρει τη λύση του γρίφου και να εντοπίσει το δράστη του εγκλήματος. Κάτι, όμως, του διαφεύγει. Ξαφνικά, σε μια στιγμή έκλαμψης, το μυστήριο λύνεται : o αστυνομικός ανακοινώνει ότι βρήκε το δράστη.
Με αυτόν τον μυθιστορηματικό τρόπο, η νευροεπιστήμων Shelly Fan ξεκινά να περιγράφει στην ιστοσελίδα Singularity Hub τις πρόσφατες ανακαλύψεις στον τομέα της τεχνητής νοημοσύνης. Για ποιο λόγο συνδέει, όμως, την αστυνομική έρευνα με αυτό το επιστημονικό πεδίο;
« Αν και δεν έχουμε όλοι την ικανότητα να λύνουμε αστυνομικούς γρίφους, το ανθρώπινο μυαλό έχει ένα ιδιαίτερο χαρακτηριστικό: την ικανότητα να εκλογικεύει τον τρόπο με τον οποίο ένα πράγμα συνδέεται με κάποιο άλλο», σημειώνει η αρθρογράφος.
Το είδος αυτών των λογικών ακροβασιών αποκαλείται « σχεσιακή συλλογιστική» η οποία λειτουργεί στο μυαλό μας, ακόμη και στις πιο συνηθισμένες καταστάσεις : όταν θέλουμε να διασχίσουμε με ασφάλεια έναν δρόμο με πολλά εισερχόμενα αυτοκίνητα ή ακόμη όταν διαλέγουμε το κρασί που ταιριάζει με το φαγητό μας. Για έναν άνθρωπο είναι πολύ εύκολο να κάνει παρόμοιους συσχετισμούς. Όχι, όμως, και για μια μηχανή τεχνητής νοημοσύνης.



Αυτή η αδυναμία των μηχανών τείνει να μετριαστεί. Την περασμένη εβδομάδα, οι ερευνητές της εταιρίας Deep Mind παρουσίασαν έναν νέο αλγόριθμο που χαρίζει στις μηχανές τεχνητής νοημοσύνης μια επιπλέον σπίθα ανθρώπινης ευφυΐας. Ο αλγόριθμος τις βοηθά να διακρίνουν και να συνδέουν με λογικό τρόπο φαινομενικά ετερόκλητα αντικείμενα.
Δεν είναι όλες οι μηχανές τεχνητής νοημοσύνης ίδιες. Διαφέρουν μεταξύ τους όπως είναι διαφορετικοί, για παράδειγμα, οι μαθητές που ειδικεύονται στην τέχνη από εκείνους που ασχολούνται αποκλειστικά με την επιστήμη. Σχηματικά, θα λέγαμε ότι υπάρχουν δύο τύποι « έξυπνων » μηχανών. Ο πρώτος έχει σχέση με τη λογική. Αξιοποιεί ένα σύνολο μαθηματικών πράξεων για να αιτιολογήσει τη σχέση μεταξύ των πραγμάτων. Η ευφυΐα του περιορίζεται, όμως, από προκαθορισμένους κανόνες. Συνεπώς, δυσκολεύεται να μάθει καινούργια πράγματα και η ελάχιστη παρέκκλιση από τους κανόνες τον οδηγεί σε σημαντικά σφάλματα.
Αντιθέτως, οι μηχανές που αξιοποιούν στατιστικά δεδομένα επεξεργάζονται εκατομμύρια παραδείγματα για να βρουν μοτίβα σε ένα σύνολο δεδομένων. Όσο έξυπνες, όμως, κι αν φαίνονται, τα νευρωνικά τους δίκτυα δυσκολεύονται αρκετά να εντοπίσουν περίπλοκες σχέσεις, ειδικά αν δεν έχουν εκπαιδευτεί ικανοποιητικά στο να αναγνωρίζουν ορισμένα παραδείγματα.



Ο νέος αλγόριθμος της Deep Mind συνδυάζει τις λειτουργίες που εκτελούν και οι δύο τύποι « έξυπνων » μηχανών. Ένα τεχνητό νευρωνικό δίκτυο έχει την ικανότητα να αναγνωρίζει διαφόρων ειδών μοτίβα και να τα συσχετίζει λογικά. Κάθε νευρωνικό δίκτυο έχει, επίσης τη δική του δομή για να υποστηρίξει μια λειτουργία: να αναγνωρίζει μια εικόνα, να μεταφράζει μια γλώσσα ή να παίζει ένα ηλεκτρονικό παιχνίδι. Η νέα εφαρμογή έχει μια μοναδική δομή που της επιτρέπει να συγκρίνει κάθε δυνατό ζευγάρι αντικειμένων μέσα σε ένα σύστημα.
«Αναγκάζουμε το δίκτυο να ανακαλύψει τη σχέση που υπάρχει ανάμεσα στα αντικείμενα » σημειώνει ο Timothy Lillicrap, ένας από τους δημιουργούς του προγράμματος. Και καταλήγει : « Η ικανότητα υπολογισμού των σχέσεων είναι μέρος της αρχιτεκτονικής του ».

Πηγή : Singularity Hub  Θαλής και Φίλοι