Υπάρχει μια τεράστια ασάφεια στους στόχους της τεχνητής νοημοσύνης (artificial intelligence ή AI) και της μηχανικής μάθησης που χρησιμοποιούνται σήμερα από μεγάλες εταιρείες που επιθυμούν την δημιουργία μιας τεχνητής νοημοσύνης που θα μπορούσε ίσως να ταιριάξει ή και να υπερβεί τις δυνατότητες του ανθρώπινου νου.
Καθώς αναπτύσσονται, artificial intelligence ή AI και μηχανική μάθηση ή machine learning θα είναι σε θέση να αναλάβουν ακόμη πιο περίπλοκες εργασίες, αλλά θα μπορούσε να χρειαστεί μισός αιώνας ή και περισσότερο πριν το κάθε AI φτάσει το ανθρώπινο επίπεδο νοημοσύνης σε ικανοποιητικά επίπεδα. Την συνέχεια την έχουμε δει μόνο σε ταινίες καταστροφής, αλλά το σίγουρο είναι ότι η υπερ-νοημοσύνη φαίνεται να ενθουσιάζει κάποιους, και να τρομοκρατεί κάποιους άλλους. Στο μεταξύ η νέα τεχνολογία συνεχίζει να τροφοδοτεί την επιστημονική φαντασία εδώ και δεκαετίες (βλέπε Skynet).
Προς το παρόν το σημερινό AI (artificial intelligence) βοηθά τις εταιρείες να βελτιώσουν την εξυπηρέτηση των πελατών ή να τελειοποιήσουν τις λήψεις αποφάσεων τους, εντοπίζοντας τάσεις στα δεδομένα που διαφορετικά θα ήταν αόρατες. Το AI βοηθάει με την αυτοματοποίηση συνηθισμένων εργασιών, ή ακόμα και στην δημιουργία εντελώς νέων υπηρεσιών.
Από τα παραπάνω προκύπτουν ότι κάθε τεχνολογία AI θα πρέπει να εξετάσει αρκετά ζητήματα:
Το artificial intelligence είναι μια ταχέως αναπτυσσόμενη και ενδιαφέρουσα τεχνολογία αλλά δεν είναι η απάντηση σε κάθε πρόβλημα. Ειδικότερα, προσέξτε το πρόθεμα “AI” στις μελλοντικές επωνυμίες προϊόντων γιατί δεν σημαίνει απαραίτητα ότι είναι καλύτερα από κάποιο άλλο που δεν περιέχει το πρόθεμα.
Επιπλέον, η έλλειψη ειδικευμένου προσωπικού που μπορεί να αξιοποιήσει στο έπακρο τις τεχνολογίες, μαζί με τις μαζικά διογκωμένες προσδοκίες, θα μπορούσαν να δημιουργήσουν απώλεια εμπιστοσύνης.
Αλλά ίσως το πιο επικίνδυνο είναι να αντιμετωπίζουμε το κάθε AI σαν μαγικό. Ένας αλγόριθμος είναι τόσο καλός όσο και τα δεδομένα ή τους κανόνες που του χορηγούν άνθρωποι προγραμματιστές. Η φύση των αλγορίθμων που μπορούν να μαθαίνουν και να εξελίσσονται χωρίς τους προγραμματιστές θα αργήσουν να έρθουν και πάλι αυτό δεν σημαίνει ότι οι απαντήσεις τους θα γίνονται δεκτές χωρίς αμφιβολίες.
Αντίθετα, θα πρέπει να βρεθούν τρόποι για να βεβαιωθούμε ότι η λήψη αποφάσεων μέσω AI θα αμφισβητείται συνεχώς. Η αμφισβήτηση είναι η αρχή κάθε επιστήμης και κάθε επιστημονικής ανακάλυψης. Έτσι ορισμένοι ερευνητές εξετάζουν τη χρήση πάρα πολλών παραγόντων, όπως η ευθύνη, επεξήγηση, ακρίβεια, ελεγξιμότητα και δικαιοσύνη. Όπως καταλαβαίνετε επειδή οι έννοιες από μόνες τους είναι αφηρημένες και δεν διέπονται από συγκεκριμένους νόμους χρειάζεται πάρα πολύ δουλειά.
Είναι επίσης σημαντικό να εξετάσουμε τον αντίκτυπο της τεχνητής νοημοσύνης στην ευρύτερη έννοιά της:
Οι τεχνολογίες αυτές θα έχουν τη δυνατότητα να μεταβάλλουν σημαντικά ορισμένες θέσεις εργασίας, να δημιουργήσουν μερικές και να καταστρέψουν άλλες. Οι προγραμματιστές αυτής της τεχνολογίας και οι χρήστες της θα πρέπει να εξετάσουν και να αναγνωρίσουν τις πιθανές θετικές και αρνητικές συνέπειες. Τα AI-powered αυτόνομα οχήματα μπορεί για παράδειγμα να μειώσουν τη ρύπανση και να κάνουν τα ταξίδια πιο διασκεδαστικά – αλλά θα πετάξει επίσης και πολλούς οδηγούς από την αγορά εργασίας. Έτσι θα πρέπει να κατανοήσουμε ευρύτερα και και να ακολουθήσουν περισσότερες συζητήσεις για τις επερχόμενες αλλαγές.
Έτσι όπως διαφαίνεται η τεχνητή νοημοσύνη και η μηχανική μάθηση δεν κάτι που χρειάζεται να ανησυχούμε. Η ανησυχία μας θα πρέπει να επικεντρωθεί στην ανθρώπινη νοημοσύνη και τη δική μας ικανότητα στο να μάθουμε και να προβλέψουμε το μέλλον.
