Αναπτύσσεται μια νέα
γενιά αλγορίθμων που κωδικοποιούν τις σκέψεις σε αλληλουχίες αριθμών. Algorithms developed by
Google designed to encode thoughts, could lead to computers with ‘common sense’
within a decade, says leading AI scientist. Joaquin Phoenix and his virtual
girlfriend in the film Her. Professor Hinton think that there’s no reason why
computers couldn’t become our friends, or even flirt with us. Photograph: Allstar/Warner Bros/Sportsphoto Ltd.
Ο γκουρού της τεχνητής
νοημοσύνης που προσέλαβε η Google πριν από δύο χρόνια αναπτύσσει τώρα
αλγορίθμους που κωδικοποιούν τα νοήματα της γλώσσας σε «διανύσματα σκέψης».
Εντός μιας δεκαετίας, λέει, οι μηχανές θα έχουν αναπτύξει «κοινή λογική».
Λύση δύο κεντρικών
προβλημάτων της τεχνητής νοημοσύνης
Geoffrey Hinton, a pioneer in the field of
artificial intelligence, thinks the best approach to understanding how brains
learn is to try to build computers that learn in the same way. Photograph: Keith
Penner
Η νέα προσέγγιση, λέει ο
καθηγητής Τζεφ Χίντον, θα λύσει δύο κεντρικά προβλήματα στον χώρο της τεχνητής
νοημοσύνης: την κατανόηση και χρήση της φυσικής, καθημερινής ομιλίας, και την
ικανότητα για λογική σκέψη.
Ο βρετανός Χίντον, ο
οποίος προγραμματιζόταν να δώσει ομιλία την Παρασκευή στη Βασιλική Εταιρεία του
Λονδίνου, παρουσίασε το όραμά του στην εφημερίδα The Guardian.
Ανέφερε ότι η Google
βρίσκεται στα πρώτα στάδια της ανάπτυξης μιας νέας γενιάς αλγορίθμων που
κωδικοποιούν τις «σκέψεις» σε αλληλουχίες αριθμών που ονομάζονται
«διανυσματικές σκέψεις».
Στα μαθηματικά, τα
διανύσματα είναι χονδρικά αναπαραστάσεις φυσικών μεγεθών που μπορούν να αναλυθούν
σε συνιστώσες. Για παράδειγμα, η ταχύτητα ενός αντικειμένου που κινείται
διαγώνια μπορεί να θεωρηθεί η συνιστώσα δύο επιμέρους ταχυτήτων με κατεύθυνση
προς τα εμπρός και προς τα πλάγια.
Αφορμή για την ερευνητική
προσπάθεια ήταν τα προβλήματα στην υπηρεσία μετάφρασης Google Translate, η
οποία βασίζεται σήμερα σε λεξικά και μεταφρασμένα κείμενα αναφοράς. Δεδομένου
ότι οι αλγόριθμοι αυτοί δεν κατανοούν το νόημα του κειμένου, είναι επιρρεπείς
σε χοντροκομμένα λάθη.
Τα διανύσματα σκέψης
Τα διανύσματα σκέψης,
λέει ο Χίντον, θα φέρουν τις μηχανές πιο κοντά στο πραγματικό νόημα. Κάθε λέξη
σε μια πρόταση θα αντιστοιχίζεται σε ένα διάνυσμα που ορίζει τη θέση της σε
έναν διανυσματικό χώρο νοήματος. Με άλλα λόγια, το νόημα ή σκέψη είναι η διανυσματική
συνισταμένη των λέξεων.
Στην περίπτωση της
αυτόματης μετάφρασης, οι διανυσματικές σκέψεις γεφυρώνουν τις δύο γλώσσες. Όπως
λέει ο Χίντον, «αν πάρεις το διάνυσμα του Παρισιού, αφαιρέσεις το διάνυσμα της Γαλλίας και
προσθέσεις το διάνυσμα της Ιταλίας, αυτό που παίρνεις είναι η Ρώμη. Είναι
εντυπωσιακό».
Το δύσκολο βέβαια είναι
να αποδώσει κανείς διανύσματα σε κάθε λέξη. Στην αρχή αυτό γίνεται στην τύχη,
ωστόσο ο αλγόριθμος θα εκπαιδεύεται σταδιακά μέσω έτοιμων μεταφράσεων και θα
ενημερώνεται για τα λάθη του σε κείμενα που συναντά για πρώτη φορά.
Η εκπαίδευση των
αλγορίθμων με μεγάλα σύνολα δεδομένα είναι εξάλλου η βασική έννοια της
λεγόμενης «Βαθιάς Μάθησης» (Deep Learning), της οποίας ήταν πρωτεργάτης ο
Χίντον τη δεκαετία του 1980.
Εμπορικές εφαρμογές της
«Βαθιάς Μάθησης»
Watson, powered by IBM POWER7 (Image: IBM).
Η Βαθιά Μάθηση έχει ήδη
αρχίσει να βρίσκει εμπορικές εφαρμογές. Ένα από τα εντυπωσιακότερα παραδείγματα
είναι ο Watson, το σύστημα τεχνητής νοημοσύνης της IBM που ανακηρύχθηκε
πρωταθλητής στο τηλεπαιχνίδι Jeopardy! και εκπαιδεύεται τώρα σε νέες
ειδικότητες όπως η Ιατρική.
Ο καθηγητής παραδέχεται
πως η ιδέα της ψηφιοποίησης των σκέψεων δεν θα βρει σύμφωνους τους πάντες. Όμως
το όραμά του δεν φαίνεται υπεραισιόδοξο στον δρα Χέρμαν Χάουζερ, επιχειρηματία
και επιστήμονα υπολογιστών στο Πανεπιστήμιο του Κέιμπριτζ: «Ο Χίντον είναι ο
νούμερο 1 γκουρού παγκοσμίως σε αυτόν τον τομέα» είπε στην εφημερίδα.