Για να κατανοήσετε το μέλλον της τεχνητής νοημοσύνης, δείτε τι συνέβη στο σκάκι

By | March 10, 2024

Οι προβλέψεις για την καταστροφή της τεχνητής νοημοσύνης έχουν ήδη αποδειχθεί λανθασμένες.

Όταν ο βασιλεύων παγκόσμιος πρωταθλητής σκακιού Garry Kasparov δέχτηκε μια πρόκληση τη δεκαετία του 1990 να παίξει ενάντια στον υπερυπολογιστή Deep Blue της IBM, πολλοί από την κοινότητα του σκακιού ήταν απογοητευμένοι. Φοβήθηκαν ότι μια νίκη της μηχανής θα έφερνε θανατηφόρο πλήγμα στο 1.500χρονο παιχνίδι τους.

Εκείνη την εποχή, η τεχνολογία των υπολογιστών εξαπλώθηκε παγκοσμίως και πολλοί βετεράνοι σκακιού πίστευαν ότι εάν ο καλύτερος άνθρωπος παίκτης αποδεικνυόταν κατώτερος από μια μηχανή, το ενδιαφέρον για το παιχνίδι θα μειωνόταν και η χορηγία θα εξαφανιζόταν. Προέτρεψαν τον Κασπάροφ να μην συμμετάσχει στην παράσταση.

Ενάντια σε αυτή τη συμβουλή, ο Κασπάροφ ηττήθηκε τελικά από τον υπολογιστή το 1997. Έγινε ο πρώτος άνθρωπος που έχασε τη δουλειά του εξαιτίας της τεχνητής νοημοσύνης, όπως αστειεύεται σήμερα.

Ωστόσο, σήμερα, το σκάκι είναι πολύ πιο δημοφιλές από ποτέ. Ευδοκιμεί στην εποχή των μηχανών με κορυφαίους παίκτες από χώρες που δεν είχαν καν ιδιαίτερο ενδιαφέρον για το σκάκι εκείνη την εποχή. Και οι χορηγοί δεν ήταν ποτέ πιο πρόθυμοι να επενδύσουν σε ανθρώπινους παίκτες. Ο σημερινός παγκόσμιος πρωταθλητής στο σκάκι έχει συγκεντρώσει μια περιουσία που υπολογίζεται σε αρκετές δεκάδες εκατομμύρια δολάρια.

Η κατανόηση του πώς ευδοκίμησε το σκάκι, όχι μόνο παρά τις μηχανές αλλά και χάρη σε αυτές, μπορεί να μας βοηθήσει να κατανοήσουμε καλύτερα πώς η τεχνητή νοημοσύνη μεταμορφώνει τον κόσμο μας σήμερα, καθώς μαθαίνει γρήγορα να ξεπερνά τις ανθρώπινες ικανότητες σε άλλους τομείς, πολύ πιο σημαντικούς από μια παρτίδα σκάκι.

Όπως κάθε τεχνολογία, η τεχνητή νοημοσύνη δεν είναι ούτε καλή ούτε κακή από μόνη της. Δεν είναι ούτε ουδέτερο. Αυτό θα έχει βαθύ αντίκτυπο με πολλούς τρόπους. Πολλές τρέχουσες ανησυχίες σχετικά με τους κινδύνους της τεχνητής νοημοσύνης είναι απολύτως έγκυρες, αλλά γι’ αυτό είναι ακόμη πιο ζωτικής σημασίας να κατανοήσουμε και να αγκαλιάσουμε τις θετικές δυνατότητες της τεχνητής νοημοσύνης προκειμένου να κατευθύνουμε περαιτέρω την ευρύτερη ανάπτυξή της προς αυτή την κατεύθυνση.

Αποδεικνύεται ότι οι ανησυχίες των κουρασμένων βετεράνων του σκακιού στη δεκαετία του ’90 για τον ευρύτερο αντίκτυπο της εποχής των μηχανών δεν ήταν εντελώς άστοχες, τουλάχιστον όσον αφορά τα δικά τους στενά συμφέροντα.

Στα χρόνια που ακολούθησαν τη νίκη των Deep Blue, σημειώθηκε μια ραγδαία ανατροπή στην κατάταξη του σκακιού, με ξαφνικά σφετερισμό των μακροχρόνιων αρχηγών.

Πριν από την εξάπλωση των υπολογιστών, χρειάζονταν πολλά περισσότερα από ταλέντο για να πετύχεις στο σκάκι. Θα πρέπει να είστε ένας από τους λίγους τυχερούς των οποίων το ταλέντο θα αναγνωριστεί και θα καλλιεργηθεί από υπάρχοντες ειδικούς στο παιχνίδι με τους οποίους μπορείτε να βελτιώσετε τις δεξιότητές σας.

Ωστόσο, ξαφνικά οι υπολογιστές θα μπορούσαν να επιτρέψουν σε οποιονδήποτε να παίζει ατελείωτα ενάντια σε ειδικούς, τεχνητούς και διαδικτυακούς, οπουδήποτε στον κόσμο. Επιπλέον, οι επίδοξοι νέοι παίκτες θα μπορούσαν να χρησιμοποιήσουν το Διαδίκτυο για να παρακολουθήσουν αγώνες που δεν θα μπορούσαν ποτέ να παρακολουθήσουν. Στη συνέχεια θα μπορούσαν επίσης να λάβουν μια άμεση και λεπτομερή ανάλυση.

Και πολλές νέες τακτικές έπρεπε να αναλυθούν. Γιατί οι υπολογιστές δεν έχουν μάθει απλώς να παίζουν καλά. Έπαιξαν διαφορετικά και έτσι διαμόρφωσαν το ανθρώπινο παιχνίδι. Παρά τους αιώνες ανθρώπινου παιχνιδιού, οι υπολογιστές μπορούσαν ακόμα να καινοτομούν τακτικές και προσεγγίσεις επεξεργάζοντας τις τεράστιες ποσότητες δεδομένων παιχνιδιού που κατανάλωναν. Αυτό έκανε τους ανθρώπινους παίκτες να ξανασκεφτούν και να προσαρμόσουν τον τρόπο που έπαιζαν μεταξύ τους.

Οι μηχανές δεν έχουν αντικαταστήσει τους ανθρώπους στο σκάκι. Στα επαγγελματικά παιχνίδια, οι άνθρωποι που υιοθέτησαν μηχανές αντικατέστησαν αυτούς που δεν το έκαναν. Αλλά ο συνολικός αντίκτυπος ήταν συντριπτικά θετικός.

Το ίδιο μοτίβο επαναλήφθηκε πιο πρόσφατα στο ακόμη παλαιότερο και πιο περίπλοκο παιχνίδι Go, όταν το AlphaGo του Google Deep Mind παρέσυρε μερικούς από τους καλύτερους παίκτες του παιχνιδιού.

Από το 2016, ο πρώτος παίκτης του Go που υπέστη ήττα από μηχανή ήταν ο πρωταθλητής Ευρώπης του Go Fan Hui. Ωστόσο, η κατάταξή του βελτιώθηκε σημαντικά στη συνέχεια, κάτι που αποδίδει στο AlphaGo βοηθώντας τον να δει το παιχνίδι διαφορετικά. Ο δημοφιλής Κορεάτης παίκτης Lee Sedol έμεινε έκπληκτος. Στη συνέχεια είπε ότι το στυλ του υπολογιστή ήταν τόσο διαφορετικό που τον έκανε να συνειδητοποιήσει ότι έπρεπε να μελετήσει περισσότερο το Go. Τέλος, ο Ke Jie, ο καλύτερος παίκτης του Go στον κόσμο, υπέστη μια ήττα το 2017. Αυτό ήταν πάρα πολύ για απογοήτευση Κινέζοι λογοκριτές, οι οποίοι απαγόρευσαν περαιτέρω κάλυψη του AlphaGo.

Καθώς η DeepMind συνέχισε να αναπτύσσει το AlphaGo, αρχικά έμαθε τον εαυτό της να ανοίγει κινήσεις παρόμοιες με τους κορυφαίους παίκτες του Go, αλλά τελικά τις εγκατέλειψε για να ακολουθήσει τις δικές της εντελώς νέες στρατηγικές ανοίγματος.

Ταυτόχρονα, οι παίκτες του Human Go απέκτησαν πρόσβαση στα δεδομένα AI που επεξεργάζονταν και τα χρησιμοποίησαν για να αναπτύξουν νέες στρατηγικές για να παίξουν εναντίον άλλων ανθρώπων. Η αλλαγή ήταν μετρήσιμη. Όπως αναφέρει το Scientific American, μια ανάλυση αγώνων μεταξύ ανθρώπινων παικτών έδειξε το gameplay που ήταν σχετικά στάσιμο τις προηγούμενες δεκαετίες, αλλά το οποίο άλλαξε ξαφνικά τα χρόνια που ακολούθησαν την εμφάνιση του AlphaGo, τόσο από νέες κινήσεις που παίζονταν νωρίτερα στα παιχνίδια όσο και από καλύτερη ποιότητα απόφασης.

Θα ήταν κατανοητό αν ο ίδιος ο Garry Kasparov αγανακτούσε με την AI.

Με τις δεκαετίες, ο Κασπάροφ έγινε πιο ενθουσιώδης για το πώς οι μηχανές βελτίωσαν και εκδημοκρατοποίησαν το ανθρώπινο gaming, όπως γράφει στο βιβλίο του Deep Thinking.

Ο Κασπάροφ βλέπει επίσης τώρα παραλληλισμούς με τις θετικές δυνατότητες που μπορεί να έχει η τεχνητή νοημοσύνη στον ευρύτερο κόσμο μας, εάν αναπτυχθεί με τον σωστό τρόπο και καθοδηγηθεί από ελεύθερες χώρες που μπορούν να διαμορφώσουν τους κανόνες προς το συμφέρον όλων.

Πέρα από το θέαμα των μέσων ενημέρωσης, τα κλασικά παιχνίδια έχουν χρησιμεύσει ως συναρπαστικά τεστ για την ανάπτυξη της τεχνητής νοημοσύνης από τότε που οι πρωτόγονες μηχανές προγραμματίστηκαν για πρώτη φορά να νικούν τους ανθρώπους μέχρι το τικ. Ο πραγματικός κόσμος είναι όμως πιο περίπλοκος και η τεχνητή νοημοσύνη δεν έχει εγγενή επιθυμία να παίξει εναντίον μας.

Πάρτε για παράδειγμα τη διαπραγμάτευση, η οποία είναι μια από τις πιο θεμελιώδεις ανθρώπινες δεξιότητες που απαιτούνται για να πυροδοτήσει τη συνεργασία και να δημιουργήσει την αξία από την οποία εξαρτάται η παγκόσμια οικονομία. Δυστυχώς, οι άνθρωποι τείνουν να είναι πολύ κακοί σε αυτό. Όχι μόνο έχουμε κάθε είδους γνωστικές προκαταλήψεις που θολώνουν την καλύτερη κρίση μας, αλλά υπάρχουν πάρα πολλά δεδομένα για ανάλυση για κάθε πιθανή συναλλαγή γύρω μας.

Ακριβώς όπως οι κινήσεις σκάκι και Go προστίθενται γρήγορα σε πολυπλοκότητα εκθετικά, οι όροι μιας αρκετά τυπικής διαπραγμάτευσης συμβολαίου με περιορισμένο αριθμό όρων μπορεί να έχουν εκατομμύριο πιθανά αποτελέσματα. Επομένως, δεν προκαλεί έκπληξη το γεγονός ότι η τεχνητή νοημοσύνη έχει πλέον ξεπεράσει τις ανθρώπινες δυνατότητες και σε αυτόν τον τομέα, με το αναδυόμενο πεδίο των αυτόνομων διαπραγματεύσεων.

Αλλά και πάλι, ο τρόπος με τον οποίο η τεχνητή νοημοσύνη παίζει αυτό το «παιχνίδι» είναι πολύ διαφορετικός από τους ανθρώπους. Οι άνθρωποι τείνουν να βλέπουν τη διαπραγμάτευση ως ένα παιχνίδι μηδενικού αθροίσματος με έναν νικητή και έναν χαμένο. Αλλά η τεχνητή νοημοσύνη μπορεί να επιφορτιστεί με τη νίκη αντλώντας τη μεγαλύτερη αξία από μια συμφωνία, επομένως το κάνει διασφαλίζοντας ότι και τα δύο μέρη μπορούν να δημιουργήσουν περισσότερη αξία μαζί. Στα μαθηματικά, αυτό ονομάζεται αποτελεσματικότητα Pareto.

Ψήνει δηλαδή μεγαλύτερη πίτα για να πάρει μεγαλύτερη φέτα.

Αυτό ξεφεύγει ακόμη και από την αντίληψή μας για ένα αποτέλεσμα που κερδίζει. Πάρτε μια κλασική ιστορία που λέγεται συχνά στην εκπαίδευση διαπραγματεύσεων. Δύο παιδιά μαλώνουν για το ποιος θα πάρει το τελευταίο πορτοκάλι. Ο γονιός τους λέει να το χωρίσουν στα δύο. Αυτό θα μπορούσε να θεωρηθεί win-win κατάσταση. Τι θα γινόταν όμως αν το ένα παιδί ήθελε να φάει τις φέτες πορτοκαλιού και το άλλο χρειαζόταν το ξύσμα πορτοκαλιού για μια συνταγή για κέικ; Αν αυτές οι πληροφορίες ήταν γνωστές κατά τη διάρκεια της πορτοκαλί διαπραγμάτευσης, και οι δύο πλευρές θα μπορούσαν να είχαν πάρει όλα όσα ήθελαν.

Στον πραγματικό κόσμο, αυτού του είδους οι χαμένες ευκαιρίες για καλύτερες προσφορές μας περιβάλλουν με πιο περίπλοκους τρόπους. Εάν η τεχνητή νοημοσύνη μπορεί να αξιοποιήσει περισσότερες πληροφορίες για τη διεξαγωγή αυτόνομων διαπραγματεύσεων σε κλίμακα, αυτός είναι ένας ακόμη τρόπος με τον οποίο η τεχνητή νοημοσύνη μπορεί να αυξήσει σημαντικά το παγκόσμιο ΑΕΠ και να φέρει ένα καθαρό θετικό αποτέλεσμα για την ανθρωπότητα, ενώ μας διδάσκει νέες δεξιότητες στη διαδικασία.

Σύμφωνα με πρόσφατη μελέτη του ΔΝΤ, το 40% των θέσεων εργασίας παγκοσμίως θα επηρεαστεί από την τεχνητή νοημοσύνη. Το ποσοστό αυτό αγγίζει το 60% στις προηγμένες οικονομίες. Ωστόσο, πίσω από τα πρωτοσέλιδα, αυτά τα στοιχεία αναλύονται σε περίπου τις μισές θέσεις εργασίας που επηρεάζονται που κινδυνεύουν να αντικατασταθούν από την τεχνητή νοημοσύνη, ενώ οι άλλες μισές πιθανότατα θα μετατραπούν από την τεχνητή νοημοσύνη που ενεργεί με συμπληρωματικούς τρόπους. Και αυτό είναι πριν σκεφτούμε τις νέες θέσεις εργασίας που θα δημιουργηθούν από την τεχνητή νοημοσύνη, όπως συνέβη με προηγούμενες τεχνολογίες, όταν οι άνθρωποι ξεκλείδωσαν την αξία που δεν ήταν ποτέ πριν.

Όταν μπαίνουμε σε ένα ασανσέρ, δεν περιμένουμε πλέον έναν άνθρωπο χειριστή. Όταν επιβιβαζόμαστε σε ένα αεροπλάνο, περιμένουμε έναν πιλότο, αλλά ελπίζουμε ότι και ο αυτόματος πιλότος του λειτουργεί επίσης. Και κάθε πολυσύχναστο ασανσέρ ή αεροπλάνο αυτές τις μέρες θα είναι γεμάτο με ανθρώπους που κάνουν εργασίες που δεν υπήρχαν όταν εφευρέθηκαν αυτά τα πράγματα.

Αυτό που συμβαίνει με την τεχνητή νοημοσύνη είναι στην πραγματικότητα μια συνέχεια των μακροπρόθεσμων τάσεων με πολύ πιο γρήγορο ρυθμό, γι’ αυτό είναι χρήσιμο να κοιτάξουμε πίσω στο παρελθόν για να καταλάβουμε πού οδεύει.

Όπως και στο σκάκι προηγουμένως, δεν είναι απαραίτητα η τεχνητή νοημοσύνη που θα πάρει τη θέση σας. Οι άνθρωποι που χρησιμοποιούν την τεχνητή νοημοσύνη είναι αυτοί που θα αναλάβουν τη δουλειά των ανθρώπων που δεν χρησιμοποιούν την τεχνητή νοημοσύνη. Ωστόσο, υπάρχει δυνατότητα για τεράστια καθαρά οφέλη για όλους, εάν αναγνωρίσουμε τις ευκαιρίες που αναδύονται και αρχίσουμε να προσαρμόζόμαστε σε αυτές.

Leave a Reply

Your email address will not be published. Required fields are marked *