Πέντε χρόνια παρουσίας συμπλήρωσε ήδη το Ελληνικό Ινστιτούτο Προηγμένων Μελετών (Hellenic Institute of Advanced Studies, HIAS) το οποίο δημιουργήθηκε από κορυφαίους Ελληνες επιστήμονες, κυρίως της Διασποράς, με στόχο να δημιουργήσουν γέφυρες εμπειρίας και γνώσης με την πατρίδα, να εμπνεύσουν και να στηρίξουν νέους που ξεκινούν την επιστημονική πορεία τους και να συνεισφέρουν στο brain gain. Επειτα από μια σειρά σημαντικών δράσεων και πρωτοβουλιών, το HIAS διοργανώνει στις 16 και 17 Ιουλίου, στο Μουσείο Ακρόπολης, το πρώτο Ευρωπαϊκό Θερινό Σχολείο για την Τεχνητή Νοημοσύνη στην Επιστήμη, φέρνοντας στην Αθήνα κορυφαίους ερευνητές της Google DeepMind και καθηγητές, Ελληνες και ξένους, που διδάσκουν στα σημαντικότερα πανεπιστήμια και ερευνητικά ιδρύματα της Ευρώπης και των ΗΠΑ – από το Χάρβαρντ και το ΜΙΤ μέχρι το Ινστιτούτο Max Planck και το Ομοσπονδιακό Ινστιτούτο Τεχνολογίας της Ζυρίχης. Η ανταπόκριση ξεπέρασε κάθε προσδοκία. Υποβλήθηκαν περισσότερες από 700 αιτήσεις συμμετοχής από όλο τον κόσμο και επιλέχθηκαν 200 συμμετέχοντες: μεταπτυχιακοί φοιτητές, υποψήφιοι διδάκτορες, μεταδιδακτορικοί ερευνητές και επαγγελματίες από τη βιομηχανία. Από αυτούς, 100 και πλέον έλαβαν υποτροφία ώστε να καλυφθούν τα έξοδα του ταξιδιού τους στην Ελλάδα.
Ο Πέτρος Κουμουτσάκος, καθηγητής Υπολογιστικής Επιστήμης στο Πανεπιστήμιο Χάρβαρντ και μέλος της Εθνικής Ακαδημίας Μηχανικών των ΗΠΑ, είναι πρωτεργάτης και του HIAS, και του Σχολείου. Πιστεύει ότι η χώρα μας έχει μια ρεαλιστική ευκαιρία να εξελιχθεί σε κόμβο επιστημονικής έρευνας με γνώμονα την τεχνητή νοημοσύνη ή εξακολουθούν να λείπουν οι κρίσιμες υποδομές και οι αναγκαίες επενδύσεις; Από την άλλη, υπάρχει πραγματική πολιτική βούληση για τη στήριξη της έρευνας στο συγκεκριμένο πεδίο ή εξακολουθούμε να βασιζόμαστε σε αποσπασματικές πρωτοβουλίες και ευκαιριακές συνεργασίες; «Η Ελλάδα διαθέτει εξαιρετικό δυναμικό από άρτια εκπαιδευμένους ανθρώπους, αλλά υστερεί σε ισχυρές υπολογιστικές υποδομές, οι οποίες είναι απαραίτητες για την ανάπτυξη εφαρμογών τεχνητής νοημοσύνης. Πέρα από αυτό, απαιτείται και μια νέα εθνική στρατηγική για το πώς η Τ.Ν. θα αξιοποιηθεί για την επίλυση προβλημάτων κοινωνικού και εθνικού ενδιαφέροντος· η σημερινή στρατηγική μας είναι μάλλον αφηρημένη και ξεπερασμένη. Επιπλέον, κρατικά κονδύλια έχουν διατεθεί χωρίς ανταγωνιστικές διαδικασίες και δυσανάλογα υπέρ της θεωρητικής έρευνας. Αν δεν διασφαλιστούν η αξιοκρατία και η διαφάνεια στην κατανομή των χρημάτων, κάθε προσπάθεια θα εξυπηρετεί πρωτίστως πολιτικές σκοπιμότητες και όχι την επιστήμη και την κοινωνία», τονίζει ο κ. Κουμουτσάκος.
«Ακριβώς την ίδια συζήτηση κάνουμε και στην Ισπανία! Οι χώρες μας μπορεί να μη διαθέτουν, όπως οι ΗΠΑ, τις κολοσσιαίες ιδιωτικές εταιρείες που προκαλούν τις μεγάλες αλλαγές, όμως το δικό μας μοντέλο πρέπει να είναι διαφορετικό: στήριξη των κορυφαίων επιστημόνων μας –η Ελλάδα έχει αναδείξει πολλούς που βρίσκονται στο υψηλότερο επίπεδο διεθνώς–, καθώς και των νέων επιχειρηματιών και των εγχώριων εταιρειών υψηλής τεχνολογίας. Επίσης, στήριξη δημόσιων πρωτοβουλιών ανοιχτού κώδικα. Με λίγα λόγια, ένα διαφορετικό ήθος από το αμερικανικό», λέει στην «Κ» ο Ελίας Κουέτο, καθηγητής στο Πανεπιστήμιο της Σαραγόσα και πρόεδρος της Εθνικής Στρατηγικής για την Τεχνητή Νοημοσύνη στην Ισπανία. «Η Ελλάδα, όπως κάθε χώρα που θέλει να συμμετάσχει στις τεχνολογικές επαναστάσεις που συντελούνται στις μέρες μας, θα πρέπει να εξετάσει σοβαρά “γενναιόδωρες” νέες επενδύσεις που θα συνδέουν την ακαδημαϊκή κοινότητα, τις νεοφυείς επιχειρήσεις και τη βιομηχανία», προσθέτει ο Αλεξάντρ Τκατσένκο, καθηγητής και πρόεδρος του Τμήματος Φυσικής και Επιστήμης Υλικών στο Πανεπιστήμιο του Λουξεμβούργου.
Θέσαμε στους δύο επιστήμονες, και στους επίσης διακεκριμένους συναδέλφους τους, τον Ιβο Σμπαλτσαρίνι, καθηγητή στο Τμήμα Μαθηματικής Μοντελοποίησης και Μηχανικής Μάθησης του Πανεπιστημίου της Ζυρίχης, τη Γιούλια Ζαβάντλαβ, καθηγήτρια Πολυκλιμακικής Μοντελοποίησης Ρευστών Υλικών στο Τεχνικό Πανεπιστήμιο του Μονάχου, καθώς και στον Αλέξη Μπουκουβάλα, ερευνητή στην Google DeepMind, καίρια ερωτήματα για το παρόν και το μέλλον της τεχνητής νοημοσύνης. Ολοι θα διδάξουν στο θερινό σχολείο. Οι απαντήσεις τους αναδεικνύουν τις πραγματικές διαστάσεις των ραγδαίων τεχνολογικών εξελίξεων, πέρα από τον «θόρυβο» της επικαιρότητας.
– Ποια είναι μια ευρέως διαδεδομένη αντίληψη για την τεχνητή νοημοσύνη με την οποία διαφωνείτε και γιατί;
Ελίας Κουέτο: Οι πιο διαδεδομένες αντιλήψεις –και είναι πολλές– τείνουν να την ταυτίζουν με τα μεγάλα γλωσσικά μοντέλα, τα λεγόμενα LLMs. Η τεχνητή νοημοσύνη έχει πολύ μακρύτερη ιστορία και εκτείνεται πέρα από αυτά. ∆εν θα πρέπει να εξάγουμε συμπεράσματα βασιζόμενοι αποκλειστικά σε όσα γνωρίζουμε για τα LLMs, γιατί πρόκειται να δούμε τεράστιες αλλαγές στο άμεσο μέλλον.
– Σε έναν κόσμο όπου η τεχνητή νοημοσύνη μπορεί να γράφει κώδικα, να αναλύει δεδομένα και να διατυπώνει υποθέσεις, ποια δεξιότητα θα είναι η πιο πολύτιμη για την επόμενη γενιά ερευνητών;
Αλεξάντρ Τκατσένκο: Η ικανότητα να διακρίνει κανείς την αλήθεια και τα πραγματικά ενδιαφέροντα στοιχεία από το λεγόμενο «AI slop», δηλαδή το χαμηλής ποιότητας περιεχόμενο που παράγεται από την Τ.Ν. Αυτό είναι ήδη δύσκολο ακόμη και στην επικοινωνία μεταξύ ανθρώπων, όμως η κλίμακα της αλληλεπίδρασης ανθρώπου – τεχνητής νοημοσύνης είναι σημαντικά μεγαλύτερη. Επομένως, η διδασκαλία και η καλλιέργεια της κριτικής σκέψης καθίστανται ολοένα και πιο σημαντικές. Ως ακαδημαϊκή κοινότητα, λοιπόν, θα πρέπει να εντείνουμε τις προσπάθειές μας.
Ελίας Κουέτο: Οι νέοι άνθρωποι και, ιδιαίτερα, εμείς, ως πανεπιστημιακοί καθηγητές, οφείλουμε να εκπαιδευτούμε, ώστε να αναπτύξουμε μια κριτική κατανόηση του τι συνεπάγεται η τεχνητή νοημοσύνη – και μάλιστα στο πλαίσιο του ύστερου καπιταλισμού. ∆εν μπορούμε απλώς να λέμε ότι ορισμένα πράγματα είναι αναπόφευκτο να συμβούν. Πρέπει να προετοιμαστούμε για να διαμορφώσουμε την κοινωνία του μέλλοντος – όπως θέλουμε να τη δούμε.
– Η επόμενη μεγάλη ανακάλυψη στην τεχνητή νοημοσύνη θα προέλθει από μεγαλύτερα μοντέλα ή από θεμελιωδώς νέες αρχιτεκτονικές και ιδέες;
Γιούλια Ζαβάντλαβ: Από κανένα από αυτά, αλλά από καλύτερα δεδομένα. Από πολύ μεγαλύτερα σύνολα δεδομένων, πιο ακριβή και πιο αξιόπιστα. Σήμερα, σε πολλές περιπτώσεις, εξακολουθούμε να βασιζόμαστε σε πειραματικές μετρήσεις που έγιναν ακόμη και πριν από δεκαετίες, ενώ συχνά υπάρχουν αντικρουόμενα αποτελέσματα από διαφορετικά πειράματα. Αυτό σημαίνει ότι χρειάζεται να επαναλαμβάνουμε μετρήσεις ακόμη και για βασικές ιδιότητες υλικών που θεωρούμε ήδη γνωστές. Παράλληλα, χρειαζόμαστε δεδομένα με μικρότερες προκαταλήψεις και μεγαλύτερη ποικιλία. Ο σχεδιασμός νέων υλικών είναι σήμερα ιδιαίτερα δύσκολος, επειδή ο αριθμός των πιθανών επιλογών είναι τεράστιος –ο χώρος των πιθανών μορίων με φαρμακευτικές ιδιότητες, για παράδειγμα, εκτιμάται ότι περιλαμβάνει περίπου 1.060 διαφορετικά μόρια–, ενώ τα διαθέσιμα δεδομένα αφορούν συνήθως ένα πολύ περιορισμένο σύνολο περιπτώσεων. Πιστεύω ότι τα επόμενα χρόνια θα δημιουργηθούν τεράστιοι όγκοι νέων δεδομένων, τόσο μέσω πειραμάτων όσο και μέσω υπολογιστικών προσομοιώσεων. Αυτό θα γίνει χάρη σε αυτοματοποιημένες διαδικασίες έρευνας, όπως τα αυτοκαθοδηγούμενα εργαστήρια και τα νέα συστήματα τεχνητής νοημοσύνης που μπορούν να σχεδιάζουν και να εκτελούν αυτόνομα μέρος της ερευνητικής διαδικασίας.
Ιβο Σμπαλτσαρίνι: Οι νόμοι κλιμάκωσης μέχρι σήμερα έχουν επιβεβαιωθεί, επομένως τα μεγαλύτερα μοντέλα και τα περισσότερα (και καλύτερα!) δεδομένα θα συνεχίσουν να προσφέρουν βελτιώσεις. Πιστεύω, ωστόσο, ότι το επόμενο μεγάλο άλμα δεν θα έρθει μόνο από την αύξηση του μεγέθους τους. Θα προέλθει από πιο έξυπνους αλγόριθμους και από την ικανότητα των συστημάτων Τ.Ν. να συνδυάζουν όσα μαθαίνουν από τα δεδομένα με τη γνώση που ήδη διαθέτει η ανθρωπότητα: από οργανωμένες βάσεις γνώσης και επιστημονικές θεωρίες έως τους νόμους της φυσικής.
– Αν μπορούσατε να κάνετε μόνο μία πρόβλεψη για το πού θα βρίσκεται η τεχνητή νοημοσύνη το 2035, ποια θα ήταν;
Ιβο Σμπαλτσαρίνι: Θα βρίσκεται εκεί όπου βρίσκονταν οι ηλεκτρονικές αριθμομηχανές τσέπης τη δεκαετία του 1980 και η ψηφιακή επεξεργασία κειμένου τη δεκαετία του 2000. Από τη μία πλευρά, θα αποτελεί καθημερινό αγαθό και, από την άλλη, θα εξακολουθεί να είναι ένα ενεργό πεδίο έρευνας. Αλλά δεν πιστεύω ότι θα χρειαστούν είκοσι χρόνια· θα είναι το πολύ δέκα. Πέρα από αυτό, είναι αδύνατο να προβλέψει κανείς τι θα συμβεί: αν η ανάπτυξή της θα συνεχιστεί, θα επιταχυνθεί ή αν ένας νέος «χειμώνας της τεχνητής νοημοσύνης» και μια κοινωνική αντίδραση εναντίον της θα αναστρέψουν την τάση. Ολα είναι πιθανά, και αυτό είναι ακριβώς που κάνει την τεχνητή νοημοσύνη τόσο συναρπαστική.
– Θα μπορέσει ποτέ η τεχνητή νοημοσύνη να αντικαταστήσει τον επιστήμονα;
Αλέξης Μπουκουβάλας: ∆εν το πιστεύω. Την βλέπω ως ένα εργαλείο ενδυνάμωσης που επιτρέπει στους επιστήμονες να λύνουν προβλήματα ταχύτερα, να αναλύουν δεδομένα σε πρωτοφανή κλίμακα και να εστιάζουν στη δημιουργική επιστημονική έρευνα. Καθώς αναπτύσσονται περισσότερα αυτόνομα συστήματα για επιστημονικές ανακαλύψεις, αυτά τα συστήματα θα αναλάβουν σε μεγαλύτερο βαθμό το υπολογιστικό «πώς» της έρευνας, δηλαδή την επίπονη δουλειά της σύνθεσης τεράστιου όγκου βιβλιογραφίας, της εξερεύνησης αχανών πεδίων αναζήτησης και της παραγωγής και αξιολόγησης νέων υποθέσεων. Αυτό σημαίνει ότι οι άνθρωποι θα έχουν τον χρόνο να επικεντρωθούν εξ ολοκλήρου στο «τι»: να καθορίζουν τις πιο σημαντικές προκλήσεις για την κοινωνία, να διατυπώνουν τα προβλήματα με τρόπο που τα συστήματα Τ.Ν. να μπορούν να τα αντιμετωπίσουν, και να σχεδιάζουν τα πειράματα που χρειάζονται. Η τεχνητή νοημοσύνη είναι σαν ένα σύγχρονο μικροσκόπιο ή τηλεσκόπιο: επεκτείνει δραστικά τις δυνατότητές μας, αλλά εξακολουθεί να χρειάζεται τον επιστήμονα για να κοιτάξει μέσα από τον φακό, να κάνει τις σωστές ερωτήσεις και να ερμηνεύσει τη σημασία όσων δει.
