elgavrilis's blog

Η εμπειρία μας για τον κόσμο βασίζεται σε υποθέσεις που φαίνονται απλές και προφανείς στους ανθρώπους. Μαθαίνουμε ότι ένα γρήγορο περπάτημα μισού μιλίου μας κάνει να νιώθουμε καλά όταν ο καιρός είναι εύκρατος, όχι τόσο καλό όταν η θερμοκρασία είναι κάτω από το μηδέν και εντελώς επικίνδυνο στη μέση μιας χιονοθύελλας ή τυφώνα. Τέτοιες υποθέσεις, που μαθαίνουμε από την εμπειρία του πραγματικού κόσμου, εμπίπτουν συλλογικά στην κατηγορία της κοινής λογικής. Αυτές οι διαισθητικές κατανοήσεις του κόσμου και των ανθρώπων αποδεικνύονται οι πιο προβληματικές στην κωδικοποίηση των μηχανών, αλλά χωρίς αυτές καμία μηχανή δεν θα μπορούσε να θεωρηθεί πραγματικά «έξυπνη».

Ένα από τα πιο απογοητευτικά μαθήματα που μας έχουν διδάξει ξανά και ξανά οι υπολογιστές είναι ότι πολλές από τις ενέργειες που θεωρούμε δύσκολες είναι εύκολο να αυτοματοποιηθούν – και αντίστροφα. Το 1944, δεκάδες άνθρωποι αφιέρωσαν μήνες εκτελώντας τους υπολογισμούς που απαιτούνται για το Manhattan Progect. Σήμερα, η τεχνολογία για να κάνει το ίδιο πράγμα κοστίζει ελάχιστα. Αντίθετα, όταν οι ερευνητές συναντήθηκαν στο Dartmouth College το καλοκαίρι του 1956 για να θέσουν τις βάσεις για την τεχνητή νοημοσύνη, κανένας τους δεν φανταζόταν ότι 40 χρόνια αργότερα θα είχαν διανύσει τόσο μικρή απόσταση προς αυτόν τον στόχο.

Πράγματι, οι λίγες επιτυχίες που είχε σημειώσει ως τότε η Τεχνητή Νοημοσύνη επισήμαιναν την αδυναμία της υπολογιστικής συλλογιστικής όσο και τα στενά της πλεονεκτήματα. Το 1965, για παράδειγμα, το project Dendral του Πανεπιστημίου Stanford αυτοματοποίησε τo εξελιγμένο λογισμικό σχετικά με τις χημικές δομές. Δημιούργησε μια λίστα με όλες τις πιθανές τρισδιάστατες δομές για μια ένωση και στη συνέχεια εφάρμοσε ένα μικρό σύνολο απλών κανόνων για να επιλέξει τις πιο εύλογες. Ομοίως, το 1975, ένα πρόγραμμα που ονομαζόταν Mycin ξεπερνούσε τον μέσο γιατρό στην ακρίβεια με την οποία έκανε διάγνωση μηνιγγίτιδας σε ασθενείς.

Εφάρμοζε αυστηρά τα κριτήρια που είχαν αναπτύξει οι έμπειροι κλινικοί γιατροί όλα αυτά τα χρόνια για να διακρίνουν μεταξύ των τριών διαφορετικών αιτιών της νόσου. Τέτοιες εργασίες είναι πολύ πιο κατάλληλες για έναν υπολογιστή παρά για έναν ανθρώπινο εγκέφαλο, επειδή μπορούν να κωδικοποιηθούν ως ένα σχετικά μικρό σύνολο κανόνων που πρέπει να ακολουθηθούν. Οι υπολογιστές μπορούν να εκτελούν τις ίδιες λειτουργίες επ’ αόριστον χωρίς να κουράζουν.

Εν τω μεταξύ, πολλές από τις εργασίες που είναι εύκολες για τους ανθρώπους – να βρουν μια ασαφή λέξη σε μια συζήτηση ή να αναγνωρίσουν το πρόσωπο ενός φίλου – ήταν σχεδόν αδύνατο να αυτοματοποιηθούν, επειδή δεν υπήρχε πραγματικά ιδέα για το πώς γίνονταν τέτοια πράγματα. Ποιος μπορούσε τότε να γράψει κανόνες για την αναγνώριση ενός προσώπου;

Ως αποτέλεσμα, εν μέσω της εκρηκτικής προόδου στα δίκτυα υπολογιστών, τους παράγοντες διεπαφής χρήστη και το hardware, η τεχνητή νοημοσύνη φαινόταν να μην επιτυγχάνει τα επιθυμητά αποτελέσματα. Μετά τα αρχικά κέρδη που οδήγησαν σε υψηλές προσδοκίες στα τέλη της δεκαετίας του 1970 και στις αρχές της δεκαετίας του 1980, υπήρξε μια πικρή αντίδραση κατά της ΤΝ τόσο στη βιομηχανία όσο και στην κυβέρνηση. Κατά ειρωνικό τρόπο, το 1984, ακριβώς τη στιγμή που η μανία βρισκόταν στο αποκορύφωμά της, ένα άρθρο για το Scientific American ήταν αρκετά απαισιόδοξος για την επόμενη δεκαετία. Και ενώ ο κόσμος είχε σχεδόν εγκαταλείψει το όνειρο της ΤΝ, βρισκόμαστε στο σημείο σήμερα να λέμε ότι η τεχνητή νοημοσύνη έχει ανοίξει την πόρτα της επιτυχίας.

Οι δυσοίωνες προβλέψεις τότε προέκυψαν επειδή τα προγράμματα που τροφοδότησαν τη διαφημιστική εκστρατεία για την Τεχνητή Νοημοσύνη δεν ήταν σοφοί αλλά ηλίθιοι σοφοί. Αυτά τα λεγόμενα έμπειρα συστήματα είχαν συχνά δίκιο, στους συγκεκριμένους τομείς για τους οποίους είχαν κατασκευαστεί, αλλά ήταν εξαιρετικά εύθραυστα. Ακόμα και σε ένα απλό πρόβλημα που ξεπερνούσε ελάχιστα την εξειδίκευσή τους, συνήθως έδιναν λάθος απάντηση, χωρίς να αναγνωρίζουν ότι βρίσκονταν εκτός του πεδίου των αρμοδιοτήτων τους. Ρωτούσες ένα ιατρικό πρόγραμμα για ένα σκουριασμένο παλιό αυτοκίνητο και αυτό μπορούσε να διαγνώσει ιλαρά αδιαφορώντας.

Επιπλέον, αυτά τα προγράμματα δεν μπορούσαν να μοιραστούν τις γνώσεις τους. Το Mycin πχ δεν μπορούσε να μιλήσει με προγράμματα που διέγνωσαν πνευμονικές παθήσεις ή να συμβουλεύσει γιατρούς για χημειοθεραπεία καρκίνου, και κανένα από τα ιατρικά προγράμματα δεν μπορούσε να επικοινωνήσει με εξειδικευμένα συστήματα προγραμματισμού που μπορεί να προσπαθούσαν να κατανείμουν νοσοκομειακούς πόρους. Καθένα αντιπροσώπευε το κομμάτι του κόσμου με ιδιόμορφους και ασύμβατους τρόπους, επειδή οι προγραμματιστές είχαν κάνει περικοπές ενσωματώνοντας πολλές υποθέσεις που αφορούσαν συγκεκριμένες εργασίες. Αυτό ίσως να ισχύει ακόμα και σήμερα.

Κανένα Πρόγραμμα Δεν Είναι απομονωμένο Νησί

Οι άνθρωποι μοιράζονται γνώσεις τόσο εύκολα που σπάνια τις σκεφτόμαστε. Δυστυχώς, αυτό καθιστά ακόμη πιο δύσκολη την κατασκευή προγραμμάτων που κάνουν το ίδιο. Πολλές από τις προαπαιτούμενες δεξιότητες και υποθέσεις έχουν γίνει έμμεσες μέσα από χιλιετίες πολιτιστικής και βιολογικής εξέλιξης και μέσω καθολικών εμπειριών από την πρώιμη παιδική ηλικία. Πριν οι μηχανές μπορέσουν να μοιράζονται γνώσεις τόσο ευέλικτα όσο οι άνθρωποι, αυτές οι προϋποθέσεις πρέπει να ανακεφαλαιωθούν με κάποιο τρόπο σε σαφείς, υπολογίσιμες μορφές

Την τελευταία δεκαετία, οι ερευνητές στο έργο CYC στο Ώστιν του Τέξας εργάζονταν σκληρά κάνοντας ακριβώς αυτό. Αρχικά, η ομάδα εξέταζε αποσπάσματα άρθρων ειδήσεων, μυθιστορημάτων, διαφημίσεων και τα συναφή, και για κάθε πρόταση ρωτούσε: «Τι υπέθεσε ο συγγραφέας ότι ο αναγνώστης γνώριζε ήδη;» Αυτή η προαπαιτούμενη γνώση, όχι το περιεχόμενο του κειμένου, έπρεπε να κωδικοποιηθεί. Αυτή η διαδικασία οδήγησε την ομάδα να αναπαραστήσει 100.000 διακριτές έννοιες και περίπου ένα εκατομμύριο γνώσεις κοινής λογικής σχετικά με αυτές

Πολλές από αυτές τις οντότητες – για παράδειγμα, “BodyOfWater” – δεν αντιστοιχούν σε ούτε μία αγγλική λέξη. Αντίθετα, μια αβλαβής λέξη όπως το “in” αποδεικνύεται ότι έχει δύο δωδεκάδες σημασίες, καθεμία από τις οποίες αντιστοιχεί σε μια ξεχωριστή έννοια. Ο τρόπος με τον οποίο εσείς, ο αναγνώστης, βρίσκεστε σε ένα δωμάτιο είναι διαφορετικός από τον τρόπο με τον οποίο βρίσκεται ο αέρας στο δωμάτιο, τον τρόπο με τον οποίο βρίσκεται το χαλί στο δωμάτιο, τον τρόπο με τον οποίο βρίσκεται το χρώμα στους τοίχους στο δωμάτιο και τον τρόπο με τον οποίο βρίσκεται ένα γράμμα σε ένα συρτάρι γραφείου στο δωμάτιο. Κάθε τρόπος με τον οποίο κάτι μπορεί να βρίσκεται “μέσα” σε ένα μέρος έχει διαφορετικές επιπτώσεις – το γράμμα μπορεί να αφαιρεθεί από το δωμάτιο, για παράδειγμα, ενώ ο αέρας δεν μπορεί. Ούτε ο αέρας ούτε το γράμμα, ωστόσο, είναι ορατά με την πρώτη ματιά σε κάποιον που μπαίνει στο δωμάτιο.

Τι Γνωρίζουν Όλοι

Τα περισσότερα από αυτά τα κομμάτια γνώσης αποδείχθηκαν ότι δεν ήταν γεγονότα από κάποιο ημερολόγιο ή ορισμοί από κάποιο λεξικό, αλλά μάλλον κοινές παρατηρήσεις και ευρέως διαδεδομένες πεποιθήσεις. Το CYC έπρεπε να διδαχθεί πώς οι άνθρωποι τρώνε σούπα, ότι τα παιδιά μερικές φορές φοβούνται τα ζώα και ότι η αστυνομία στις περισσότερες χώρες είναι ένοπλη.

Για να γίνουν τα πράγματα ακόμη πιο περίπλοκα, πολλές από τις παρατηρήσεις που ενσωματώσαμε στη βάση γνώσεων του CYC αντιφάσκουν μεταξύ τους. Μέχρι τη στιγμή που ένα πρόγραμμα βασισμένο στη γνώση μεγαλώνει και περιέχει περισσότερους από 10.000 κανόνες – 1% του μεγέθους του CYC – γίνεται δύσκολο να προσθέσουμε νέα γνώση χωρίς να παρέμβουμε σε κάτι που ήδη υπάρχει. Ξεπεράσαμε αυτό το εμπόδιο χωρίζοντας τη βάση γνώσεων σε εκατοντάδες ξεχωριστές μικροθεωρίες ή πλαίσια. Όπως οι μεμονωμένες πλάκες σε μια πανοπλία, κάθε πλαίσιο είναι αρκετά άκαμπτο και συνεπές, αλλά οι αρθρώσεις μεταξύ τους επιτρέπουν εμφανείς αντιφάσεις μεταξύ των πλαισίων. Το CYC γνωρίζει ότι ο Δράκουλας ήταν βρικόλακας, αλλά ταυτόχρονα γνωρίζει ότι οι βρικόλακες δεν υπάρχουν

Τα φανταστικά συμφραζόμενα (όπως αυτό για το μυθιστόρημα του Bram Stoker) είναι σημαντικά επειδή επέτρεπαν στο CYC να κατανοεί μεταφορές και να χρησιμοποιεί αναλογίες για την επίλυση προβλημάτων. Πολλαπλά συμφραζόμενα ήταν επίσης χρήσιμα για συλλογισμό σε διαφορετικά επίπεδα λεπτομέρειας, για την αποτύπωση των πεποιθήσεων διαφορετικών ηλικιακών ομάδων, εθνικοτήτων ή ιστορικών εποχών, και για την περιγραφή διαφορετικών προγραμμάτων, καθένα από τα οποία έκανε τις δικές του υποθέσεις σχετικά με την κατάσταση στην οποία θα χρησιμοποιηθεί. Μπορούσαν ακόμη και να χρησιμοποιήσουμε όλους τους εύθραυστους ηλίθιους σοφούς από προηγούμενες γενιές Τεχνητής Νοημοσύνης, περικλείοντας το καθένα σε ένα συμφραζόμενο που περιγράφει πότε και πώς να το χρησιμοποιήσετε κατάλληλα.

Το εύρος της γνώσης του CYC έγινε εμφανές ακόμη και σε μια απλή εφαρμογή ανάκτησης δεδομένων που δημιουργήθηκε το 1994, η οποία ανακτούσε εικόνες των οποίων οι περιγραφές ταιριάζουν με τα κριτήρια που επιλέγει ένας χρήστης. Σε απάντηση σε ένα αίτημα για εικόνες που περιέχουν καθισμένους ανθρώπους, το CYC μπόρεσε τότε να εντοπίσει αυτήν τη λεζάντα: “Υπάρχουν μερικά αυτοκίνητα.”

Βρίσκονται σε έναν δρόμο. Υπάρχουν μερικά δέντρα στην άκρη του δρόμου. Ρίχνουν τα φύλλα τους. Μερικά από αυτά είναι κίτρινα ταξί. Ο ορίζοντας της Νέας Υόρκης είναι στο φόντο. Είναι ηλιόλουστος.» Το πρόγραμμα χρησιμοποίησε στη συνέχεια την τυποποιημένη κοινή λογική του για τα αυτοκίνητα – έχουν θέση οδηγού και τα αυτοκίνητα σε κίνηση γενικά οδηγούνται για να συμπεράνει ότι υπήρχε μεγάλη πιθανότητα η εικόνα να ήταν σχετική. Ομοίως, το CYC θα μπορούσε να αναλύσει το αίτημα «Δείξε μου χαρούμενους ανθρώπους» και να παραδώσει μια εικόνα της οποίας η λεζάντα γράφει: «Ένας άντρας παρακολουθεί την κόρη του να μαθαίνει να περπατάει». «Καμία από τις λέξεις δεν είναι συνώνυμη ή έστω στενά συνδεδεμένη, αλλά λίγη κοινή λογική διευκολύνει την εύρεση της σύνδεσης.

Έτοιμοι για απογείωση

Το CYC απείχε πολύ από το να είναι ολοκληρωμένο, αλλά πλησίαζε το επίπεδο στο οποίο μπορούσε να χρησιμεύσει ως ο σπόρος από τον οποίο μπορούσε να αναπτυχθεί μια βάση κοινής γνώσης. Προγράμματα που κατανοούσαν φυσικές γλώσσες χρησιμοποίησαν την υπάρχουσα βάση γνώσεων για να κατανοήσουν μια μεγάλη ποικιλία κειμένων φορτωμένων με ασάφεια και μεταφορές. Οι πληροφορίες που αντλήθηκαν από τις αναγνώσεις του CYC εμπλούτισαν τις έννοιές του και έτσι θα επέτρεψαν περαιτέρω επεκτάσεις. Το CYC θα μάθαινε επίσης μέσω της ανακάλυψης, σχηματίζοντας εύλογες υποθέσεις για τον κόσμο και δοκιμάζοντάς τες. Μία από τις προκλητικές αναλογίες που παρατήρησε και εξερεύνησε τότε λίγα χρόνια πριν την είσοδο της χιλιετίας, ήταν αυτή μεταξύ μιας χώρας και μιας οικογένειας. Όπως οι άνθρωποι, το CYC θα μαθαίνει στα όρια αυτών που ήδη γνωρίζει, και έτσι η ικανότητά του για εκπαίδευση θα εξαρτήθηκε σε μεγάλο βαθμό από τις υπάρχουσες γνώσεις του.

Κατά την επόμενη δεκαετία, οι ερευνητές εμπλούτισαν τη βάση κοινής γνώσης του CYC τόσο με χειροκίνητα όσο και με αυτοματοποιημένα μέσα. Άρχισαν επίσης να δημιουργούν εφαρμογές, ενσωματώνοντας την κοινή λογική σε γνωστά είδη συσκευών λογισμικού, όπως υπολογιστικά φύλλα, βάσεις δεδομένων, συστήματα προετοιμασίας εγγράφων και διαδικτυακές μηχανές αναζήτησης.

Οι επεξεργαστές κειμένου τώρα ελέγχουν το περιεχόμενο, όχι μόνο την ορθογραφία και τη γραμματική. Τα υπολογιστικά φύλλα επισημαίνουν καταχωρήσεις που είναι τεχνικά επιτρεπτές αλλά ενίοτε παραβιάζουν την κοινή λογική. Τα προγράμματα ανάκτησης εγγράφων κατανοούν αρκετά το περιεχόμενο αυτού που αναζητούν -και των ερωτήσεών σας- ώστε να βρουν τα κείμενα που αναζητάτε, ανεξάρτητα από το αν περιέχουν τις λέξεις που προσδιορίζετε.

Αυτού του είδους τα προγράμματα θα ενεργούν σε συνεννόηση με τις υπάρχουσες τάσεις στο υλικό και τα δίκτυα υπολογιστών για να κάνουν τις υπηρεσίες που βασίζονται σε υπολογιστές όλο και λιγότερο δαπανηρές και πιο πανταχού παρούσες, να δημιουργούν σταθερά καλύτερα μοντέλα χρήστη, σχετικό software και να βυθίζουν τον χρήστη βαθύτερα σε εικονικά περιβάλλοντα. Ο στόχος μιας γενικής τεχνητής νοημοσύνης είναι ορατό και ο κόσμος του 21^ου αιώνα θα αλλάξει ριζικά ως αποτέλεσμα. Ο αείμνηστος Allen Newell, ένας από τους ιδρυτές του πεδίου, παρομοίασε την επερχόμενη εποχή με τη χώρα του Φέρι: άψυχα αντικείμενα, όπως συσκευές που συνομιλούν μαζί σας, για να μην αναφέρουμε ότι συνομιλούν και συντονίζονται μεταξύ τους. Ωστόσο, σε αντίθεση με τα πλάσματα των περισσότερων παραμυθιών, γενικά συνωμοτούν για να κάνουν τους ανθρώπους καλό και όχι κακό.