Κάποτε η θεωρία ότι θα μπορούσε κάποιος να διαβάσει τη σκέψη μας έμοιαζε με ουτοπικό επίτευγμα, ωστόσο τώρα μπορεί να γίνει πραγματικότητα
Τεχνητή νοημοσύνη: Η λειτουργία του ανθρώπινου εγκεφάλου, απασχολεί την επιστημονική κοινότητα διαχρονικά. Κάποτε η θεωρία ότι θα μπορούσε κάποιος να διαβάσει τη σκέψη μας έμοιαζε με ουτοπικό επίτευγμα, που τώρα μπορεί να γίνει πραγματικότητα με τη βοήθεια της τεχνητής νοημοσύνης.
Σε μια νέα μελέτη που δημοσιεύτηκε πρόσφατα στο περιοδικό PNAS Nexus, ο διανοούμενος και κορυφαίος μαθηματικός Αθανάσιος Φωκάς, κάτοχος της έδρας «Μη γραμμικών μαθηματικών στο πανεπιστήμιο του Κέιμπριτζ» ιατρός, αεροναυπηγός, και μέλος της Ακαδημίας Αθηνών, διερευνά ένα επίκαιρο ερώτημα: «Τις δυνατότητες της τεχνητής νοημοσύνης να επιτυγχάνει και ενδεχομένως να υπερβαίνει τις ανθρώπινες γνωστικές ικανότητες».
Σύμφωνα με τον Αθανάσιο Φωκά, αυτή η προσέγγιση έχει έναν βασικό μεθοδολογικό περιορισμό. Οποιαδήποτε τεχνητή νοημοσύνη θα έπρεπε να δοκιμαστεί σε κάθε μεμονωμένο ανθρώπινο στόχο πριν μπορέσει κάποιος να ισχυριστεί ότι το πρόγραμμα σκεφτόταν εξίσου καλά με έναν άνθρωπο.
Τα συναισθήματα και η τεχνητή νοημοσύνη
Η συγκεκριμένη μέθοδος δεν καταγράφει χαρακτηριστικά της ανθρώπινης σκέψης, όπως συναίσθημα, υποκειμενική εμπειρία ή κατανόηση. Επιπλέον, η τεχνητή νοημοσύνη δεν είναι πραγματικά δημιουργική καθώς δεν μπορεί να κάνει συνδέσεις μεταξύ πολύ διαφορετικών θεμάτων, χρησιμοποιώντας μεθόδους όπως η μεταφορά και η φαντασία, για να καταλήξει σε νέα αποτελέσματα που δεν ήταν ποτέ σαφείς στόχοι.
Τα μοντέλα τεχνητής νοημοσύνης θεωρούνται συχνά ως τεχνητά νευρωνικά δίκτυα, αλλά η ανθρώπινη σκέψη δεν περιορίζεται στους νευρώνες. Η σκέψη περιλαμβάνει ολόκληρο το σώμα και πολλούς τύπους εγκεφαλικών κυττάρων, όπως τα κύτταρα γλοίας, που δεν είναι νευρώνες.
Ο Αθανάσιος Φωκάς υποστηρίζει ότι οι υπολογισμοί αντικατοπτρίζουν ένα μικρό μέρος της συνειδητής σκέψης και ότι η ίδια η συνειδητή σκέψη είναι μόνο ένα μέρος της ανθρώπινης γνώσης. Μια τεράστια ποσότητα ασυνείδητης δουλειάς συνεχίζεται στα παρασκήνια. Ο Αθανάσιος Φωκάς καταλήγει στο συμπέρασμα ότι η τεχνητή νοημοσύνη απέχει πολύ από το να ξεπεράσει τους ανθρώπους στη σκέψη.
Πώς η τεχνητή νοημοσύνη μπορεί να διαβάσει τη σκέψη
Πλέον με τη λειτουργική απεικόνιση μαγνητικού συντονισμού (fMRI) που καταγράφει αδρά, πολύχρωμα στιγμιότυπα του εγκεφάλου σε δράση. Παρόλο που αυτός ο εξειδικευμένος τύπος απεικόνισης μαγνητικού συντονισμού έχει μεταμορφώσει τη γνωστική νευροεπιστήμη, δεν είναι μια μηχανή που διαβάζει το μυαλό: οι νευροεπιστήμονες δεν μπορούν να κοιτάξουν μια σάρωση του εγκεφάλου και να πουν τι έβλεπε, άκουγε ή σκεφτόταν κάποιος στον σαρωτή.
Συνεχίζοντας τις μελέτες οι επιστήμονες ξεπερνούν αυτό το θεμελιώδες εμπόδιο για να μεταφράσουν τις εσωτερικές εμπειρίες σε λέξεις χρησιμοποιώντας την απεικόνιση του εγκεφάλου. Αυτή η τεχνολογία θα μπορούσε να βοηθήσει ανθρώπους που δεν μπορούν να μιλήσουν ή να επικοινωνήσουν με άλλο τρόπο προς τα έξω, όπως εκείνους που έχουν υποστεί εγκεφαλικά επεισόδια ή ζουν με αμυοτροφική πλευρική σκλήρυνση.
Οι σημερινές διεπαφές εγκεφάλου-υπολογιστή απαιτούν την εμφύτευση συσκευών στον εγκέφαλο, αλλά οι νευροεπιστήμονες ελπίζουν να χρησιμοποιήσουν μη επεμβατικές τεχνικές όπως η μαγνητική τομογραφία για να αποκρυπτογραφήσουν την εσωτερική ομιλία χωρίς την ανάγκη χειρουργικής επέμβασης.
Η μελέτη και το πείραμα του Πανεπιστημίου του Τέξας
Ερευνητές του Πανεπιστημίου του Τέξας στο Όστιν ανέπτυξαν έναν πρωτοποριακό «σημασιολογικό αποκωδικοποιητή» που χρησιμοποιεί τεχνητή νοημοσύνη για να μετατρέπει τις σαρώσεις της δραστηριότητας ομιλίας του ανθρώπινου εγκεφάλου σε παραφρασμένο κείμενο. Οι ερευνητές έκαναν ένα βήμα μπροστά συνδυάζοντας την ικανότητα της fMRI να παρακολουθεί τη νευρική δραστηριότητα με τη δύναμη της πρόβλεψης των γλωσσικών μοντέλων τεχνητής νοημοσύνης. Η υβριδική τεχνολογία οδήγησε σε έναν αποκωδικοποιητή που μπορεί να αναπαράγει τις ιστορίες που άκουγε ή φανταζόταν να λέει ένα άτομο στον σαρωτή. Ο αποκωδικοποιητής μπορούσε ακόμη και να μαντέψει την ιστορία πίσω από μια ταινία μικρού μήκους που παρακολούθησε κάποιος στον σαρωτή, αν και με μικρότερη ακρίβεια. Οι δημιουργοί της προειδοποιούν, ήδη, ότι θα μπορούσε να γίνει κατάχρηση, αν δεν ρυθμιστεί κατάλληλα.
Τα ευρήματα της ομάδας, που δημοσιεύθηκαν για πρώτη φορά την χρονιά που μας πέρασε στο Nature Neuroscience, περιγράφουν ένα νέο σύστημα που ενσωματώνει ένα πρόγραμμα δημιουργίας παρόμοιο με το GPT-4 του OpenAI και το Google Bard μαζί με την υπάρχουσα τεχνολογία που είναι ικανή να ερμηνεύει σαρώσεις λειτουργικής μαγνητικής τομογραφίας (fMRI) – μια συσκευή που παρακολουθεί πώς και πού ρέει το αίμα σε συγκεκριμένες περιοχές του εγκεφάλου. Ενώ προηγούμενες διεπαφές εγκεφάλου-υπολογιστή (BCI) ήταν υποσχόμενες για την επίτευξη παρόμοιων μεταφραστικών ικανοτήτων, η έκδοση του UT Austin φέρεται να είναι η πρώτη μη επεμβατική έκδοση που δεν απαιτεί πραγματικά φυσικά εμφυτεύματα ή καλωδιώσεις.
Κατά τη διάρκεια της μελέτης, οι ερευνητές ζήτησαν από τρεις ανθρώπους να περάσουν, ξεχωριστά ο καθένας, συνολικά 16 ώρες μέσα σε ένα μηχάνημα fMRI ακούγοντας podcasts ήχου. Η επιστημονική ομάδα, εν τω μεταξύ, εκπαίδευσε ένα μοντέλο τεχνητής νοημοσύνης για τη δημιουργία και ανάλυση σημασιολογικών χαρακτηριστικών αναλύοντας σχόλια στο Reddit και αυτοβιογραφικά κείμενα. Με το πλέξιμο των δεδομένων, η τεχνητή νοημοσύνη έμαθε να ταιριάζει λέξεις και φράσεις που σχετίζονταν με σαρώσεις του εγκεφάλου των υποκειμένων για να δημιουργήσει σημασιολογικές συνδέσεις.
Στη συνέχεια ζητήθηκε και πάλι από τους συμμετέχοντες να ξαπλώσουν σε έναν σαρωτή fMRI και να ακούσουν νέο ήχο που δεν αποτελούσε μέρος των αρχικών δεδομένων. Ο σημασιολογικός αποκωδικοποιητής μετέφρασε στη συνέχεια τον ήχο σε κείμενο μέσω των σαρώσεων της εγκεφαλικής δραστηριότητας και μπορούσε να παράγει παρόμοια αποτελέσματα ακόμη και όταν τα υποκείμενα παρακολουθούσαν σιωπηλά βίντεο κλιπ ή φαντάζονταν τις δικές τους ιστορίες μέσα στο κεφάλι τους.
Παρόλο που οι μεταγραφές της τεχνητής νοημοσύνης προσέφεραν γενικά απαντήσεις που δεν βρίσκονταν στη θέση τους ή ήταν ασαφώς διατυπωμένες, το συνολικό αποτέλεσμα εξακολουθούσε να παραφράζει με επιτυχία τους εσωτερικούς μονολόγους των ατόμων της δοκιμής. Μερικές φορές, μάλιστα, αντικατόπτριζε με ακρίβεια τις επιλογές λέξεων του ήχου. Όπως εξηγούν οι New York Times, τα αποτελέσματα υποδεικνύουν ότι ο αποκωδικοποιητής τεχνητής νοημοσύνης της ομάδας του UT Austin δεν καταγράφει απλώς τη σειρά των λέξεων, αλλά και το πραγματικό σιωπηρό νόημα.
Στο πείραμα ο εθελοντής που ξαπλώνει στον σαρωτή πρέπει να καταβάλει μια συντονισμένη, συνειδητή προσπάθεια να συνεργαστεί με τους στόχους του προγράμματος τεχνητής νοημοσύνης. Με απλά λόγια, ένας πιο πολυάσχολος εγκέφαλος σημαίνει μια πιο ακατάληπτη απομαγνητοφώνηση.
Παρά τους σημερινούς περιορισμούς, η ερευνητική ομάδα προβλέπει ήδη τη δυνατότητα ταχείας προόδου παράλληλα με την κατάχρηση.
«Οι μελλοντικές εξελίξεις θα μπορούσαν να επιτρέψουν στους αποκωδικοποιητές να παρακάμψουν αυτές τις απαιτήσεις», έγραψε η ομάδα στη μελέτη της.
«Επιπλέον, ακόμη και αν οι προβλέψεις του αποκωδικοποιητή είναι ανακριβείς χωρίς τη συνεργασία του υποκειμένου, θα μπορούσαν να παρερμηνευθούν σκόπιμα για κακόβουλους σκοπούς. Για αυτούς και άλλους απρόβλεπτους λόγους, είναι κρίσιμο να αυξηθεί η ευαισθητοποίηση σχετικά με τους κινδύνους της τεχνολογικής αποκωδικοποίησης του εγκεφάλου και να θεσπιστούν πολιτικές που προστατεύουν την ψυχική ιδιωτικότητα κάθε ατόμου», συμπλήρωσε.
Πηγή: Newsbomb