Εμπνέεται από τη λειτουργία του ανθρωπίνου εγκεφάλου
H βρετανική εταιρεία Deep Mind, που είχε εξαγοραστεί από τη Google πέρυσι αντί 400 εκατ. λιρών, ανέπτυξε για πρώτη φορά ένα πρόγραμμα λογισμικού με τεχνητή νοημοσύνη, το οποίο μαθαίνει μόνο του εκ του μηδενός να παίζει γνωστά βιντεοπαιχνίδια - και μάλιστα συχνά τα καταφέρνει καλύτερα από τους ανθρώπους.
Το πρόγραμμα με την ονομασία Deep-Q-Network, που εμπνέεται από τη λειτουργία του ανθρωπίνου εγκεφάλου, έως τώρα έχει μάθει να παίζει 49 κλασικά παιγνίδια Atari. Σε περισσότερα από τα μισά, είναι εξίσου καλό, αν όχι καλύτερο, με έναν έμπειρο άνθρωπο παίκτη.
Οι ερευνητές, με επικεφαλής τον βρετανοκυπριακής καταγωγής ιδρυτή και αντιπρόεδρο της Deep Mind, πρώην νευροεπιστήμονα Ντέμη Χασάμπη (και με τη συμμετοχή του ελληνικής καταγωγής Γιάννη Αντώνογλου), που έκαναν τη σχετική δημοσίευση στο περιοδικό «Nature», σύμφωνα με το BBC, το «Science» και το «New Scientist», δήλωσαν ότι για πρώτη φορά ένα αυτοεκπαιδευόμενο σύστημα (πρόγραμμα λογισμικού) κατάφερε να μάθει κάτι τόσο δύσκολο, όσο ένα βιντεοπαιχνίδι.
Οι υπερυπολογιστές Deep Blue και Watson της ΙΒΜ έχουν καταφέρει εντυπωσιακά πράγματα, όμως αυτά τα μεγάλα συστήματα τεχνητής νοημοσύνης είχαν προγραμματιστεί σε μεγάλο βαθμό εκ των προτέρων με τις οδηγίες του παιγνιδιού και με τις κατάλληλες στρατηγικές. Αντίθετα, το «ελαφρύ» σύστημα της Google Deep Mind ξεκίνησε με στοιχειώδεις πληροφορίες, κάνοντας τα υπόλοιπα μόνο του στην πορεία, χάρη στους εξελιγμένους αλγόριθμούς του.
Χρειάστηκαν περίπου δύο εβδομάδες εκπαίδευσης στο νέο σύστημα, για να μάθει, μέσω συνεχών δοκιμών και λαθών, τα «μυστικά» καθενός από τα 49 παιγνίδια. Μάλιστα, σε μερικές περιπτώσεις, ανακάλυψε νέα «κόλπα» που ποτέ πριν δεν είχαν σεκφθεί οι άνθρωποι παίκτες.
Έτσι, έμαθε μόνο του να παίζει παιγνίδια όπως τα Space Invaders, Pong, Enduro, Video Pinball, Boxing, Breakout, Pac-Man, Private-Eye κ.α. Αν και τα βιντεοπαιγνίδια αυτά είναι παλιά, από τη δεκαετία του '80, θεωρείται επίτευγμα - ορόσημο ότι το σύστημα κατάφερε να μάθει μόνο του να παίζει με επιτυχία τόσα παιγνίδια, χωρίς ειδικό προγραμματισμό εκ των προτέρων.
Το επίτευγμα αυτό στο πεδίο της λεγόμενης «βαθιάς» μηχανικής μάθησης ανοίγει τον δρόμο για τη δημιουργία πραγματικά πιο «έξυπνων» υπολογιστών και γενικά μηχανών. Για παράδειγμα, αυτόνομων οχημάτων χωρίς οδηγό, ρομπότ που θα κατανοούν το περιβάλλον τους ή συσκευών που θα καταλαβαίνουν πλήρως τον ανθρώπινο λόγο, ώστε να μεταφράζουν σωστά σε πραγματικό χρόνο.
Δεν λείπουν πάντως όσοι φοβούνται ότι η τεχνητή νοημοσύνη τελικά θα καταστεί επικίνδυνη για την ανθρωπότητα. Μεταξύ άλλων, ο κοσμολόγος Στίβεν Χόκινγκ έχει προειδοποιήσει ότι η ανάπτυξη μιας πλήρως ανεπτυγμένης τεχνητής νοημοσύνης «μπορεί να σημάνει το τέλος της ανθρώπινης φυλής». Ο Ντέμης Χασάμπης, πάντως, εμφανίστηκε καθησυχαστικός, λέγοντας ότι «απέχουμε ακόμη δεκαετίες από κάποια τεχνολογία που θα έπρεπε να μας ανησυχεί». Μετά όμως;
Το πρόγραμμα με την ονομασία Deep-Q-Network, που εμπνέεται από τη λειτουργία του ανθρωπίνου εγκεφάλου, έως τώρα έχει μάθει να παίζει 49 κλασικά παιγνίδια Atari. Σε περισσότερα από τα μισά, είναι εξίσου καλό, αν όχι καλύτερο, με έναν έμπειρο άνθρωπο παίκτη.
Οι ερευνητές, με επικεφαλής τον βρετανοκυπριακής καταγωγής ιδρυτή και αντιπρόεδρο της Deep Mind, πρώην νευροεπιστήμονα Ντέμη Χασάμπη (και με τη συμμετοχή του ελληνικής καταγωγής Γιάννη Αντώνογλου), που έκαναν τη σχετική δημοσίευση στο περιοδικό «Nature», σύμφωνα με το BBC, το «Science» και το «New Scientist», δήλωσαν ότι για πρώτη φορά ένα αυτοεκπαιδευόμενο σύστημα (πρόγραμμα λογισμικού) κατάφερε να μάθει κάτι τόσο δύσκολο, όσο ένα βιντεοπαιχνίδι.
Οι υπερυπολογιστές Deep Blue και Watson της ΙΒΜ έχουν καταφέρει εντυπωσιακά πράγματα, όμως αυτά τα μεγάλα συστήματα τεχνητής νοημοσύνης είχαν προγραμματιστεί σε μεγάλο βαθμό εκ των προτέρων με τις οδηγίες του παιγνιδιού και με τις κατάλληλες στρατηγικές. Αντίθετα, το «ελαφρύ» σύστημα της Google Deep Mind ξεκίνησε με στοιχειώδεις πληροφορίες, κάνοντας τα υπόλοιπα μόνο του στην πορεία, χάρη στους εξελιγμένους αλγόριθμούς του.
Χρειάστηκαν περίπου δύο εβδομάδες εκπαίδευσης στο νέο σύστημα, για να μάθει, μέσω συνεχών δοκιμών και λαθών, τα «μυστικά» καθενός από τα 49 παιγνίδια. Μάλιστα, σε μερικές περιπτώσεις, ανακάλυψε νέα «κόλπα» που ποτέ πριν δεν είχαν σεκφθεί οι άνθρωποι παίκτες.
Έτσι, έμαθε μόνο του να παίζει παιγνίδια όπως τα Space Invaders, Pong, Enduro, Video Pinball, Boxing, Breakout, Pac-Man, Private-Eye κ.α. Αν και τα βιντεοπαιγνίδια αυτά είναι παλιά, από τη δεκαετία του '80, θεωρείται επίτευγμα - ορόσημο ότι το σύστημα κατάφερε να μάθει μόνο του να παίζει με επιτυχία τόσα παιγνίδια, χωρίς ειδικό προγραμματισμό εκ των προτέρων.
Το επίτευγμα αυτό στο πεδίο της λεγόμενης «βαθιάς» μηχανικής μάθησης ανοίγει τον δρόμο για τη δημιουργία πραγματικά πιο «έξυπνων» υπολογιστών και γενικά μηχανών. Για παράδειγμα, αυτόνομων οχημάτων χωρίς οδηγό, ρομπότ που θα κατανοούν το περιβάλλον τους ή συσκευών που θα καταλαβαίνουν πλήρως τον ανθρώπινο λόγο, ώστε να μεταφράζουν σωστά σε πραγματικό χρόνο.
Δεν λείπουν πάντως όσοι φοβούνται ότι η τεχνητή νοημοσύνη τελικά θα καταστεί επικίνδυνη για την ανθρωπότητα. Μεταξύ άλλων, ο κοσμολόγος Στίβεν Χόκινγκ έχει προειδοποιήσει ότι η ανάπτυξη μιας πλήρως ανεπτυγμένης τεχνητής νοημοσύνης «μπορεί να σημάνει το τέλος της ανθρώπινης φυλής». Ο Ντέμης Χασάμπης, πάντως, εμφανίστηκε καθησυχαστικός, λέγοντας ότι «απέχουμε ακόμη δεκαετίες από κάποια τεχνολογία που θα έπρεπε να μας ανησυχεί». Μετά όμως;
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου