Προσφάτως εκδηλώνεται αυξημένο ενδιαφέρον για τη λεγόμενη τεχνητή νοημοσύνη (ΤΝ) (artificial intelligence – AI). Στη πληροφορική προτιμάται ο όρος υπολογιστική νοημοσύνη (ΥΝ) (computational intelligence – CI) που είναι πιο ακριβής αναφορικά με τις μαθηματικές διεργασίες που χρησιμοποιούνται στη προσομοίωση. Ειδικότερα, μεταξύ των ερευνητών της νευροεπιστήμης, πληροφορικής, μαθηματικών, φυσικής, μηχανικής, ψυχολογίας και φιλοσοφίας γίνονται συζητήσεις που στοχεύουν στη βαθύτερη αντίληψη της νοημοσύνης, για το τι μπορεί να είναι και πως αναγνωρίζεται, και για το εάν είναι δυνατό να δημιουργηθεί μη-ανθρώπινη, άβια νοημοσύνη. Γενικά, υπάρχει σύγχυση, γιαυτό ενδείκνυται να διευκρινίζεται για το εάν ο όρος νοημοσύνη αναφέρεται στην ανθρώπινη, τη ζωώδη, τη τεχνητή, ή εξωγήινη, καθώς και το πεδίο εφαρμογής της.

Μετά το 2018 το ενδιαφέρον για την ΤΝ αυξήθηκε πάρα πολύ. Αυτό οφείλεται κυρίως στην ανάπτυξη και παρουσίαση των μεγάλων γλωσσικών μοντέλων (large language models) όπως τα ChatGPT, Gemini, Copilot, Bert, Aria, κ.α., που είναι ευρέως διαδεδομένα σε προσωπικούς υπολογιστές και σε έξυπνα τηλέφωνα. Ένδειξη του πρόσφατου ενδιαφέροντος είναι και το γεγονός ότι το φετινό (2024) Νόμπελ φυσικής δόθηκε στους Geoffrey Hinton και John Hopfield που είναι δύο από τους πρωτεργάτες της ΤΝ με χρήση τεχνητών νευρωνικών δικτύων (ΤΝΔ) ως υπολογιστικών μοντέλων. Επίσης, το Νόμπελ χημείας δόθηκε σε τρεις επιστήμονες, δύο από τους οποίους χρησιμοποίησαν ΤΝΔ για τη πρόβλεψη της δομής των πρωτεϊνών. Πιο συγκεκριμένα, δόθηκε στον Κυπριακής καταγωγής Demis Hassabis και στον John Jumper που ανέπτυξαν και εφάρμοσαν το σύστημα alphafold στην εταιρεία τους DeepMind.

Στη συνέχεια θα προσπαθήσω να εξηγήσω, με όσο το δυνατό απλούς όρους και με παραδείγματα για το τι είναι η νοημοσύνη, η τεχνητή νοημοσύνη, τα βιολογικά νευρωνικά δίκτυα (ΒΝΔ) και τα ΤΝΔ που αποτελούν την κύρια δομή και μηχανισμό ανάπτυξης της ΤΝ. Στο τέλος θα θέσω διάφορα ερωτήματα για προβληματισμό.

Ορισμός της νοημοσύνης

Τι εννοείται με τον όρο νοημοσύνη; Μπορεί να δοθεί ικανοποιητικός ορισμός που να είναι σαφής, περιεκτικός και ακριβής; Προτείνω ότι δεν χρειάζεται τέτοιος ορισμός διότι υπάρχουν πολλών ειδών νοημοσύνες που δεν είναι ίδιες για όλους τους ανθρώπους. Η νοημοσύνη προσδιορίζεται από σύνολο χαρακτηριστικών. Όπως δεν χρειάζεται να ορίσουμε πολλές άλλες έννοιες όπως για παράδειγμα του τι είναι «καρέκλα», «αγάπη» κλπ. για να τις αντιληφθούμε και να τις χρησιμοποιήσουμε, έτσι και με τη νοημοσύνη. Επίσης η νοημοσύνη είναι διαβαθμισμένη υπό την έννοια ότι η ένταση της είναι διαφορετική σε διάφορους ανθρώπους και σε ζώα.

Στη βιβλιογραφία δεν υπάρχει καθολική συμφωνία για το τι είναι νοημοσύνη, ούτε και πως αναγνωρίζεται η εκδήλωση της. Υπάρχουν περισσότεροι από 100 ορισμοί της, που χρησιμοποιούν σχεδόν συνώνυμες λέξεις, και που δημιουργούν σύγχυση. Μερικές άλλες εναλλακτικές λέξεις, παρόμοιες με τη νοημοσύνη είναι η ευφυία, εξυπνάδα, σπιρτάδα, νόηση, μυαλό, οξυδέρκεια, οξύνοια, αγχίνοια, κ.α. Τα άτομα που εκδηλώνουν αυξημένη νοημοσύνη, μερικές φορές αποκαλούνται/χαρακτηρίζονται ως σαΐνια, εγκέφαλοι, διάνοιες, νουνεχείς, τετραπέρατοι, και στα Κυπριακά ως κοψονούρηδες. Βέβαια υπάρχουν διαφορές στο νόημα και τη χρήση των πιο πάνω εναλλακτικών λέξεων/όρων.

Οι πλείστοι ορισμοί που προτάθηκαν είναι γενικοί και αόριστοι. Παρακάτω παρατίθενται μερικοί ορισμοί.

Νοημοσύνη είναι η ικανότητα έμβιων οργανισμών για:

  • Συλλογισμούς, αφαιρετική σκέψη, κατανόηση περίπλοκων ιδεών, γρήγορη εμπειρική μάθηση, προγραμματισμό και επίλυση προβλημάτων (Αυτός είναι κοινός ορισμός που συμφωνήθηκε από 52 ειδικούς – Gottfredson, 1997).
  • Συλλογή πληροφοριών, εμπειρική μάθηση, εκδήλωση λογικής σκέψης, κατανόηση σύνθετων ιδεών, αποδοτική προσαρμογή στο περιβάλλον και σωστή χρήση της λογικής (American Psychological Association, 2006).
  • Αφαιρετική σκέψη, συλλογισμούς, μάθηση, κατανόηση, αυτογνωσία, συναισθηματική γνώση, προγραμματισμό, επινόηση, κριτική σκέψη και επίλυση προβλημάτων (Wikipedia).
  • Αφαιρετική σκέψη (Terman, 1921).
  • Γρήγορη αντίδραση σε ερεθίσματα από αισθητήρες, αισθήσεις, αντίληψη, ευελιξία, συσχέτιση, φαντασία, και ευρεία προσοχή (Freeman, 1940).
  • Αλλαγή στη γνωστική λειτουργία ώστε να επέρχεται βελτιωμένη προσαρμογή (Feuerstein, 1950).
  • Βέλτιστη αξιοποίηση διαθέσιμων πόρων ώστε να επιτευχθούν στόχοι (Kurzweil, 1999).

Πολλοί ψυχολόγοι και άλλοι μελετητές συμ­φωνούν ότι, σε γενικές γραμμές, ο βαθμός νοημοσύνης ενός οργανισμού καθορίζεται από την νοητική ικανότητα για μάθηση και για αποτελεσματική προσαρμογή στο περιβάλλον, που μπορεί να επιτευχθεί με αλλαγές στον ίδιο τον οργανισμό ή/και στο περιβάλλον. Με τον όρο αποτελεσματική προσαρμογή εννοούνται αλλαγές που δημιουργούν συγκριτικό πλεονέκτημα σε σχέση με άλλους συλλειτουργούντες οργανισμούς.

Ο πιο πάνω ορισμός είναι μεν περιεκτικός αλλά εξακολουθεί να είναι γενικός και ακαδημαϊκός. Εισηγούμαι πως ένας πιο πρακτικός ορισμός, θα μπορούσε να είναι ότι νοημοσύνη είναι η διαβαθμισμένη εκδήλωση διαφόρων ανώτερων ικανοτήτων όπως αναφέρονται στο πιο κάτω πίνακα. Για να γίνει πιο κατανοητός και για να φανεί η διαβάθμιση του, θα αξιολογήσω ενδεικτικά το κάθε χαρακτηριστικό για άνθρωπο, σκύλο, μυρμήγκι και με άψυχο/άβιο αντικείμενο. Για άρση πιθανής παρεξήγησης, σημειώνω ότι η ομαδική συμπεριφορά των μυρμηγκιών οφείλεται κυρίως στο ίχνος φερομόνων που εναποθέτουν στο δρόμο τους και όχι σε σκέψη. Μάλιστα, σε μερικά μοντέλα τεχνητής νοημοσύνης μοντελοποιούμε μαθηματικά τη συμπεριφορά τους ώστε να επιλύσουμε περίπλοκα προβλήματα βελτιστοποίησης (ant colony optimization).

Συμπερασματικά, η νοημοσύνη δεν καθορίζεται από ένα μόνο χαρακτηριστικό ή ικανότητα, αλλά από σύνολο ιδιοτήτων όπως αναφέρονται πιο πάνω. Όσες περισσότερες από αυτές τις ιδιότητες υπάρχουν και σε όσο μεγαλύτερη ένταση και ταχύτητα εκδηλώνονται, τόσο μεγαλύτερος είναι ο βαθμός και το εύρος της νοημοσύνης. Βέβαια με αυτό τον ορισμό δημιουργούνται άλλα ερωτήματα σχετικά με το τι εννοείται με τις λέξεις που εκφράζουν τις πιο πάνω ιδιότητες, όπως για παράδειγμα μάθηση, αφηρημένη σκέψη, υπολογισμός, διακρίβωση, λογική, επινόηση, κλπ.

Σύμφωνα με τον πιο πάνω ορισμό και πίνακα, θα μπορούσαμε να πούμε ότι οι άνθρωποι είναι τα μόνα νοήμονα όντα στο πλανήτη γη. Οι άλλοι ζωντανοί οργανισμοί έχουν μειωμένη νοημοσύνη στο βαθμό που ικανοποιούν τα πιο πάνω χαρακτηριστικά. Η ανθρώπινη ευφυία ονομάζεται επίσης ως φυσική, έμβια, ή βιολογική νοημοσύνη.

Σημειώνεται ότι η ανθρώπινη νοημοσύνη μπορεί να εξειδικευθεί σε υποκατηγορίες. Διάφοροι ερευνητές εισηγήθηκαν τη πολλαπλή νοημοσύνη. Πολύ γνωστή είναι η πρόταση του Gardner για 9 τύπους νοημοσύνης που είναι: λεκτική/γλωσσική, λογική/μαθηματική, παραστατική/χώρου, μουσική/ρυθμική, σωματική/κιναισθητική, ενδοπροσωπική (κατανόηση των αισθημάτων, επιθυμιών και ιδεών του εαυτού), διαπροσωπική (κατανόηση των συνανθρώπων), νατουραλιστική/φυσιοκρατική και υπαρξιστική (ύπαρξη, καλοσύνη ηθική, …) (Gardner, “Frames of mind: The theory of multiple intelligences”, 1983).

Προαπαιτούμενα για να εκδηλωθεί νοημοσύνη

Για την ανάπτυξη και εκδήλωση μεγάλης νοημοσύνης χρειάζεται να συνυπάρχουν μερικά βασικά χαρακτηριστικά, μηχανισμοί, ιδιότητες και καταστάσεις. Στον πιο κάτω πίνακα καταγράφονται τα πιο σημαντικά. Ενδεικτικά, διαβαθμίζονται για άνθρωπο, μυρμήγκι, δέντρο και άβιο (π.χ. πέτρα).

Έμβια (φυσική) νοημοσύνη

Για να μπορέσουμε να μελετήσουμε τα ουσιαστικότερα χαρακτηριστικά της νοημοσύνης, για να δούμε πως εκδηλώνεται μέσα από βιολογικές διεργασίες (όπως πιστεύεται ότι γίνεται), και για να γίνουν πιο κατανοητές οι σχετικές απόψεις, θα παρουσιάσω σε γενικές γραμμές τα βασικότερα στοιχεία των βιολογικών μηχανισμών που πιστεύεται ότι συμβάλλουν στην ανάπτυξη και εκδήλωση της έμβιας νοημοσύνης.

Θεωρείται ότι η εκδήλωση έμβιας νοημοσύνης μπορεί να προέλθει μέσα από σύνθετο σύστημα κατανεμημένης επεξεργασίας όπως διεκπεραιώνεται σε παράλληλα συστήματα που αποτελούνται από πολύ μεγάλο αριθμό συνδεδεμένων και συλλειτουργούντων νευρώνων (νευρικών κυττάρων, νευροκυττάρων). Κάθε νευρώνας δέχεται χιλιάδες εισερχόμενα ηλεκτρο-χημικά σήματα από άλλους νευρώνες του συστήματος, κατ’ αναλογία με τους παραποτάμους που εισέρχονται στα κύρια ποτάμια και αυξάνουν τη στάθμη και ροή του νερού (σχήματα 1 και 2). Η περιοχή υποδοχής του σήματος λέγεται σύναψη. Στις συνάψεις προκαλείται απελευθέρωση χημικών νευροδιαβιβαστών που λειτουργούν ως μεταφορείς πληροφορίας. Οι νευροδιαβιβαστές προκαλούν αυξομειώσεις της τάσης στον επόμενο (λήπτη) νευρώνα. Όταν η συσσωρευμένη τάση φτάσει σε ένα οριακό μέγεθος τότε δημιουργείται νευρική ώση (παλμός, spike), που είναι μία ριπή ηλεκτρισμού, και που στέλνεται άμεσα και αυτόματα, μέσω του νευροάξονα (νευρίτη), σε χιλιάδες άλλα γειτονικά κύτταρα στις περιοχές επικοινωνίας, με ταχύτητα περίπου 100 μέτρα στο δευτερόλεπτο.

Ένας τεράστιος αριθμός νευρώνων επικοινωνούν και αλληλο-επηρεάζονται άμεσα ή έμμεσα στο πολύπλοκο βιολογικό νευρωνικό δίκτυο. Οι πληροφορίες που συλλέγονται μέσω του δικτύου των νευρώνων επεξεργάζονται σε διάφορες περιοχές του εγκεφάλου. Γενικά, ένας τυπικός εγκεφαλικός νευρώνας μπορεί να θεωρηθεί ως σύνθετος συλλέκτης και επεξεργαστής σημάτων, ο οποίος δέχεται μυριάδες σήματα από άλλα γειτονικά κύτταρα, και στέλνει χιλιάδες σήματα σε άλλους γειτονικούς νευρώνες. Συνοψίζοντας, το περίπλοκο δίκτυο νευρώνων, μέσω των ηλεκτρικών και χημικών σημάτων, δημιουργεί όλες τις σπουδαίες εκδηλώσεις του νευρικού μας συστήματος όπως οι σκέψεις, ο έλεγχος και οι δράσεις.

Ο αριθμός των νευρώνων στον ανθρώπινο εγκέφαλο είναι περίπου 86 δισεκατομμύρια και των συνάψεων ανά κύτταρο από 1.000 μέχρι 10.000. Στον πίνακα πιο κάτω δείχνονται ενδεικτικά για μερικά άλλα ζώα. Σημειώνεται ότι παρόλο που ο αφρικανικός ελέφαντας έχει τριπλάσιο εγκέφαλο και τριπλάσιο συνολικό αριθμό νευρώνων σε σύγκριση με τον άνθρωπο, έχει μικρότερο αριθμό νευρώνων στον εγκεφαλικό φλοιό, που είναι η περιοχή που διεκπεραιώνει τις ανώτερες λειτουργίες. Συγκεκριμένα, στον ανθρώπινο εγκεφαλικό φλοιό υπάρχουν περίπου 17 δισεκατομμύρια, ενώ στον φλοιό του ελέφαντα περίπου 5,6.

Βέβαια, ο βαθμός νοημοσύνης δεν εξαρτάται μόνο από τον αριθμό των νευρώνων, αλλά και από πολλά άλλα χαρακτηριστικά, όπως ο αριθμός των συνάψεων, το πως συνδέονται, πως είναι οργανωμένοι, πόσο ενεργητικοί και πόσο αποδοτικοί είναι, κ.ο.κ.

Παρόλο που οι βιολογικοί νευρώνες, συγκρινόμενοι με τις πυριτικές πύλες (silicon gates) που χρησιμοποιούνται στους ηλεκτρονικούς υπολογιστές είναι πολύ πιο αργοί στην επεξεργασία και μεταβίβαση σήματος, ο εγκέφαλος συνολικά επεξεργάζεται πολύ πιο γρήγορα και πιο αποδοτικά διάφορες πολύπλοκες διαδικασίες όπως η λογική, η συνδυαστική, η αντίληψη κ.α. Αυτό οφείλεται κυρίως στον τεράστιο αριθμό νευρώνων που είναι παράλληλα συνδεδεμένοι μέσω πολυάριθμων συνάψεων, και που επεξεργάζονται συγχρονισμένα, παράλληλα και ταυτόχρονα τα σήματα που δέχονται.

Οι δυνατότητες του ανθρώπινου εγκεφάλου είναι εντυπωσιακές. Υπολογίζεται ότι η ικανότητα αποθήκευσης στη μνήμη είναι περίπου 1 000 000 000 000 000 ψηφιολέξεις (bytes). Το 1981 στο Πανεπιστήμιο  Imperial College του Λονδίνου, η Σιακουντάλα Ντέβι από την Ινδία, μέσα σε 28 δευτερόλεπτα πολλαπλασίασε και βρήκε ορθά δύο μεγάλους τυχαίους αριθμούς (7,686,369,774,870 x 2,465,099,745,779). Επίσης, η Barbara Moore εκτέλεσε από μνήμης 1,852 τραγούδια στο πιάνο από τις 25 Οκτωβρίου μέχρι τις 13 Νοεμβρίου 1988. Παρομοίως και πολλοί άλλοι.

Ομάδες νευρώνων μπορεί να οργανωθούν σε τοπογραφικά υποσυστήματα, που όλα μαζί δημιουργούν το νευρικό σύστημα με πυρήνα τον εγκέφαλο. Το σύστημα είναι εξαιρετικά περίπλοκο, με πολλές παράλληλες τοπικές και μακρινές αναδράσεις (local and remote feedbacks) που το κάνουν έντονα μη-γραμμικό και επομένως αδύνατο να προσομοιωθεί ικανοποιητικά με μαθηματικά μοντέλα. Εκτός από τις βασικές λειτουργίες του, που είναι η μνήμη και ο έλεγχος του οργανισμού, κάνει επίσης τους αναγκαίους “υπολογισμούς” για την έκφραση διαφόρων ανώτερων λειτουργιών όπως η λογική, η γλώσσα, η αφηρημένη σκέψη, η γενίκευση, η αναγνώριση προτύπων, η αντίληψη, οι γνωστικές διαδικασίες κλπ.  Επίσης παρουσιάζει αναδυόμενη γενική συμπεριφορά που εκδηλώνεται ως αίσθηση, νόηση, θέληση κλπ. Μερικοί ερευνητές προτείνουν ότι ακόμη και η συνείδηση εκφράζεται μέσα από βιολογι­κές εγκεφαλικές διεργασίες (Hameroff, Penrose, Alexander, κ.α.). Ο τρόπος και οι βασικοί μηχανισμοί εκδήλωσης αυτών των “φαινομέ­νων” είναι αντικείμενο πολλών ερευνητικών δραστηριοτήτων στην Ευρώπη, ΗΠΑ, Κίνα και Ιαπωνία. Η φιλοσοφική σχολή που προβάλλει τη θέση ότι οι πιο πάνω ανώτερες εκφάνσεις είναι αποτέλεσμα κάποιων πληροφοριακών διαδικασιών και ότι η μελέτη τους μπορεί να γίνει σε υπολογιστικά συστήματα, είναι γνωστή ως «υπολογιστική λειτουργικότητα» (computational functionalism) (Fodor και συνεργάτες).

Αναφορικά με το πώς δημιουργείται μάθηση στον εγκέφαλο, υπάρχουν πολλές θεωρίες. Μια από τις πιο σημαντικές είναι η θεώρηση ότι η μάθηση σχετίζεται με αλλαγές στις συνάψεις και μ τη γενικότερη πλαστικότητα του νευρικού συστήματος. Η πιο έντονη πλαστικότητα παρουσιάζεται κυρίως στη βρε­φική και παιδική ηλικία, όπου υπάρχει μεγάλη δημιουργία νευρώνων και συνάψεων. Στους ενήλικες, παρουσιάζεται ως τροποποίηση προϋπαρχουσών νευρώνων/συνάψεων καθώς επίσης και ως πολύ περιορισμένη δημιουρ­γία νέων συνάψεων και νευρώνων. Η συχνή χρήση (λειτουργία) μιας σύναψης έχει ως αποτέλεσμα την αλλοίωση της ώστε να γίνεται πιο αποδοτική (κανόνας του Hebb). Αυτό πιστεύεται ότι οδηγεί στη μά­θηση και στη μνήμη. Οι λεπτομέρειες για το πως εκδηλώνονται αυτές οι ιδιότητες είναι σε μεγάλο βαθμό άγνω­στες. Επειδή υπάρχει παράλληλη, κατανεμημένη αναπαράσταση και επεξεργασία πληροφοριών, θεωρείται ότι οι έννοιες δεν «υπάρχουν» σε κάποιο συγκεκριμένο μέρος του εγκεφάλου, αλλά είναι κατανεμημένες.

Κατά αναλογία, αναμένεται ότι οι ανώτερες νοητικές λειτουργίες θα μπορούσαν να μοντελοποιηθούν και μελετηθούν με προηγμένα υπολογιστικά συναρτησιακά συστήματα που αξιοποιούν κατανεμημένες διαδικασίες. Αυτό το μοντέλο είναι πιο συμβατό με τη διαπίστωση ότι είναι αδύνατο να δώσουμε ακριβείς ορισμούς για οτιδήποτε, όχι μόνο γιατί είναι αδύνατο να προσδιορίσουμε τα όρια, αλλά και διότι είναι μια ατέρμονη διαδικασία όπου το κάθε τι θα πρέπει να οριστεί με βάση άλλους όρους που ορίσθηκαν προηγουμένως κ.ο.κ. Φαίνεται ότι οι ασαφείς αντιλήψεις είναι σημαντικές στην ανάπτυξη της νόησης. Οι διάφορες έννοιες δεν κωδικοποιούνται σε συγκεκριμένους επεξεργαστές, αλλά είναι παράλληλα κατανεμημένες σε ομάδες επεξεργαστών, σε στοιβάδες ή στρώματα. Έτσι δημιουργείται μια οικονομία στη μνήμη και στην επεξεργασία διότι κάποιο στοιχείο μπορεί να είναι συνθετικό και να συμβάλλει στη δημιουργία πολλών διαφορετικών εννοιών. Επίσης, λόγω της παραλληλότητας, η επεξεργασία γίνεται πολύ γρήγορα, και η ευρωστία (σταθερότητα, robustness) είναι μεγάλη. Μπορεί δηλαδή να πάψει να λειτουργεί μέρος του εγκεφάλου, αλλά ο οργανισμός δεν καταρρέει πλήρως, αλλά μπορεί να συνεχίσει να λειτουργεί, έστω και με μειωμένες δυνατότητες.

Στη προσπάθεια κατανόησης της νοημοσύνης, και πώς μπορεί αυτή να εκδηλωθεί μέσα από ένα υλικό – βιο­λογικό σύστημα, δημιουργούνται πολλά ερωτήματα. Για παράδειγμα, γνωρίζουμε ότι υπάρχουν ζωντανοί οργανισμοί που δεν έχουν νευρικό σύστημα (βακτήρια, πρωτόζωα, ασπόνδυλα …) οι οποίοι όμως παρουσιάζουν κάποιας μορφής συμπεριφορά, μνήμη, ή ακόμη και απλή μάθηση. Για παράδειγμα, υπάρχουν κάποιες μελέτες που δείχνουν ότι το paramecium caudatum  που είναι μονοκύτταρος οργανισμός, μπορεί να εκδηλώνει πρωτόγονη μάθηση, έστω και εάν δεν έχει νευρικό σύστημα. Επίσης, υπάρχουν βακτήρια που παρουσιάζουν συλλογική συμπεριφορά και μνήμη που εξαρτάται από τη προηγούμενη δραστηριότητα τους. Μήπως λοιπόν υπάρχει και άλλο «νευ­ρικό» σύστημα πέραν από αυτό που γνωρίζουμε; Ή μήπως κάποιο άλλο εντελώς διαφορετικό σύστημα; Μάλιστα, μια ομάδα ερευνητών στις ΗΠΑ και την Ευρώπη (Hameroff, Penrose και συνεργάτες) καθώς και αλλού, υποστηρίζει ότι κβαντικά φαινόμενα που εμφανίζονται στους μικροσωλήνες που υπάρχουν στους νευρίτες οδηγούν στην εκδήλωση της συνείδησης στους ανθρώπους.

Τεχνητά νευρωνικά δίκτυα

Τα τεχνητά (ή υπολογιστικά) νευρωνικά δίκτυα – artificial neural networks (ΤΝΔ) αποτελούνται από σύνολο τεχνητών νευρώνων. Πολλά είδη τεχνητών νευρώνων προτάθηκαν κατά καιρούς από πολλούς ερευνητές. Στο σχήμα 3 δείχνεται ένας απλός τεχνητός νευρώνας και ένα τυπικό ΤΝΔ. Βασικά, είναι υπεραπλουστευμένη μορφή, δομή και λειτουργικότητα του βιολογικού νευρώνα. Πολλοί τεχνητοί νευρώνες συνδέονται και δημιουργούν μίαν αρχιτεκτονική ΤΝΔ.

Τα ΤΝΔ αρχικά αναπτύχθηκαν ως απλή προσομοίωση των ιδιοτήτων των ΒΝΔ. Πολλοί ερευνητές πρότειναν αρχιτεκτονικές δομές κατά αναλογία με τη μορφολογία και λειτουργία των ΒΝΔ, με στόχο να κατανοηθούν στοιχειώδεις λειτουργίες και δυνα­τότητες του εγκεφάλου όπως είναι η κωδικοποίηση των αριθμών, λέξεων, οντοτήτων, εννοιών κλπ. Επίσης, για το πως επεξεργάζεται τις λογικές διαδικασίες και πώς αντιλαμβά­νεται με μεγάλη ευκολία τόσο τις ακριβείς όσο και τις ασαφείς έννοιες. Μετά το 2015 τα ΤΝΔ αναπτύχθηκαν με γοργούς ρυθμούς.

Τα συστήματα αποτελούνται από πολλούς τεχνητούς νευρώνες, συνδεδεμένους μεταξύ τους σε ένα οργανωμένο σύνολο στο οποίο υπάρχει αλληλοεπικοινωνία και αλληλοεπίδραση. Τα πλείστα ΤΝΔ οργανώνονται με  στρωματοποιημένη δομή. Υπάρχει στρώση εισόδου (input layer) που εισέρχονται τα σήματα εισόδου όπως για παράδειγμα αριθμοί, ηχοσήματα, εικόνες, βίντεο κλπ., και στρώση εξόδου (output layer) που δίνει πρόβλεψη, αναγνώριση, ταξινόμηση, σήματα ελέγχου κλπ. Ενδιάμεσα υπάρχουν συνήθως πολλές άλλες κρυμμένες στρώσεις (hidden layers) που επεξεργάζονται εσωτερικά σήματα κατ’ αναλογία με τα ΒΝΔ. Όταν τα ΤΝΔ έχουν πολλές κρυμμένες στρώσεις, τότε ονομάζονται βαθιά νευρωνικά δίκτυα (deep neural networks). Αυτά τα δίκτυα είναι ιδιαίτερα ισχυρά και χρησιμοποιούνται σε εφαρμογές όπως η αναγνώριση φωνής, η αναγνώριση εικόνων και στα αυτόνομα οχήματα. Τα σύγχρονα συστήματα ΤΝ όπως ChatGPT, Copilot κ.α. χρησιμοποιούν βαθιά νευρωνικά δίκτυα. Τέλος, μετά από κατάλληλη επεξεργασία και μάθηση, προβάλλονται αποτελέσματα ως πληροφορίες εξόδου οι οποίες θα πρέπει να είναι όσο γίνεται οι επιθυμητές. Μετά τη μάθηση το δίκτυο δύναται να προβλέπει ορθά αποτελέσματα όταν του παρουσιαστούν άγνωστα μοτίβα εισόδου, π.χ. να προβλέψει την ύπαρξη καρκίνου «βλέποντας» μίαν ιατρική απεικόνιση.

Το βασικό κίνητρο για τη σε βάθος μελέτη των γενικότερων ιδιοτήτων των ΤΝΔ σχετικά με την ανάπτυξη ΤΝ προέρχεται από την διαπίστωση ότι μέσα από την ανοργάνωτη συλλειτουργία και αλληλεπίδραση άνοων επεξεργαστικών στοιχείων όπως είναι οι τεχνητοί νευρώνες, μπορεί να αναδυθεί οργανωμένη σκέψη/δράση. Με τον όρο ανάδυση εννοείται ότι παρουσιάζεται περίπλοκη συλλογική συμπεριφορά μέσα από απλές λειτουργίες (απλούς κανόνες συμπεριφοράς) ενός συστήματος πολλών οντοτήτων. Κλασσικό παράδειγμα στη φύση, είναι η συμπεριφορά των σμηνών και μυρμηγκιών, όπου απλοί κανόνες εφαρμοζόμενοι σε ομάδα, δείχνουν συλλογική ομαδική συμπεριφορά.

Τα ΤΝΔ παρουσιάζονται στη βιβλιογραφία με πολλά άλλα ονόματα όπως νευροϋπολογιστές, συνδετικά δίκτυα, παράλληλοι κατανεμημένοι επεξεργαστές κ.α. Στα αγγλικά ως artificial neural systems, parallel distribu­tion processing systems, connectionist systems, neurocomputing systems, adap­tive networks, associative networks, collective computation systems, neuromorphic systems κλπ. Αυτά τα υπολογιστικά συστήματα μπορούν να υλοποιηθούν σε λογισμικό (software) που ανα­πτύσσεται σε υπολογιστές (συνήθως σειριακούς), ή σε υλισμικό (hardware) που μπορεί να είναι ηλε­κτρονικό, οπτικό, χημικό, ή ακόμη και μηχανολογικό.

Όσον αφορά τη μάθηση στα ΤΝΔ, υπάρχουν πάρα πολλές μέθοδοι και αλγόριθμοι. Οι πλείστοι βασίζονται στον κανόνα του Hebb. Επειδή η εφαρμογή της μάθησης είναι πολύ εξειδικευμένο θέμα, και χρειάζονται πολλά μαθηματικά για να εξηγηθεί, δεν θα επεκταθώ. Εάν κάποιος ενδιαφέρεται να μάθει περισσότερα, θα μπορεί να επικοινωνήσει μαζί μου στο refrusman@gmail.com.

Μέσα από τη παράλ­ληλη και δυναμική αλληλεπίδραση, αναμένεται να αναδυθεί έξυπνη συμπεριφορά, και επομένως κάποιας μορφής τεχνητή νοημοσύνη. Επιπρόσ­θετα, τα ΤΝΔ παρουσιάζουν ανοχή στην αβεβαιότητα των δεδομένων εισόδου, έχουν ικανότητα προς γενίκευση (generalization) και ευελιξία (flexibility), καθώς και ευρωστία (robustness) υπό την έννοια ότι το δί­κτυο εξακολουθεί να συμπεριφέρεται ικανοποιητικά ακόμη και αν καταστραφούν μερικοί σύνδεσμοι ή μερι­κοί νευρώνες.

Τα πιο εξελιγμένα ΤΝΔ χρησιμοποιούνται ευρέως στα σύγχρονα (2024) πετυχημένα συστήματα βαθιάς μάθησης και στις σύγχρονες εφαρμογές ΑΙ όπως για παράδειγμα τα ChatGPT, Gemini, Copilot, Aria,  Perplexity, κ.α. Σημειώνεται ότι το φετινό (2024) Νόμπελ φυσικής δόθηκε στους Geoffrey Hinton και John Hopfield που είναι δύο από τους πρωτοπόρους στην ανάπτυξη των ΤΝΔ.  Επίσης, τα 2/3 του Νόμπελ χημείας δόθηκε στους Demis Hassabis και John Jumper που επίσης χρησιμοποίησαν ΤΝΔ στη πρόβλεψη της πρωτεϊνικής δομής.

Τεχνητή νοημοσύνη

Ο όρος τεχνητή (ή υπολογιστική) νοημοσύνη (ΤΝ) προτάθηκε το 1956 από τον John McCarthy που την όρισε ως την επιστήμη και μεθοδολογία της δημιουργίας νοημόνων μηχανών. Η Wikipedia την ορίζει ως την «ικανότητα άβιων συστημάτων (μηχανικών, ηλεκτρονικών, οπτικών, κβαντικών, πληροφοριακών,…) να επεξεργάζονται δεδομένα και πληροφορίες όπως οι νοήμονες άνθρωποι, να μαθαίνουν, να συμπεραίνουν, να προσαρμόζονται και να παίρνουν επιτυχημένες αποφάσεις για την επίλυση προβλημάτων». Η εγκυκλοπαίδεια Brittanica την ορίζει ως την «ικανότητα ενός ρομποτικού συστήματος που ελέγχεται με υπολογιστές, να εκτελεί τις ανώτερες πνευματικές εργασίες που συνήθως χαρακτηρίζουν τους ανθρώπους, όπως η ικανότητα για λογική, η ανακάλυψη εννοιών, η γενίκευση και η μάθηση μέσα από προηγούμενες εμπειρίες».

Θα μπορούσαμε λοιπόν να πούμε ότι, γενικά, η ΤΝ είναι η προσομοίωση της ανθρώπινης σκέψης και της γνωστικής αντίληψης, ώστε να γίνεται αυτόματη, γρήγορη και επιτυχής επίλυση περίπλοκων προβλημάτων όπως είναι η μάθηση από δεδομένα, η αναγνώριση μοτίβων, η λήψη αποφάσεων, η κατανόηση της φυσικής γλώσσας και πολλών άλλων ανθρωπίνων γνωστικών λειτουργιών.

Παρομοίως, ορίζεται και η γενικευμένη τεχνητή νοημοσύνη (ΓΤΝ) (artificial general intelligence – AGI) ως η ΤΝ που μπορεί να κάνει ότι και η ανθρώπινη νοημοσύνη.

Επίσης η υπερνοήμονη τεχνητή νοημοσύνη (ΥΤΝ) (artificial super intelligence – ASI) που θα υπερβαίνει την ανθρώπινη νοημοσύνη.

Η ΤΝ προς το παρόν γίνεται υπολογιστικά σε συμβατικούς υπολογιστές που, κατά το πλείστο, δουλεύουν ταχύτατα με διαδικασίες σειριακής επεξεργασίας των στοιχείων. Αντίθετα, οι βιολογικοί εγκέφαλοι δουλεύουν παράλληλα. Στους συμβατικούς υπολογιστές, οι υπολογισμοί και όλες οι δράσεις βασίζονται σε διπολικό (δυαδικό) σύστημα και σε πολύ απλές διαδικασίες πρόσθεσης, αντίστρεψης,  αποθήκευσης, και ανάκλησης δύο σημαντικά διαφορετικών πραγμάτων (ιδιοτήτων, φάσεων). Στους ηλεκτρονικούς υπολογιστές είναι συνήθως το ηλεκτρικό δυναμικό, που για ευκολία στον προγραμματισμό και στην κατανόηση, κωδικοποιείται με τα αριθμητικά σύμβολα 0 και 1 για τις δύο διαφορετικές καταστάσεις. Οι επεξεργασίες γίνονται με εξαιρετικά μεγάλες ταχύτητες (σε εκατομμυριοστά του δευτερολέπτου). Κατάλληλος συνδυασμός των πιο πάνω, που γίνεται ταχύτατα,  μπορεί να έχει σαν αποτέλεσμα όλα αυτά τα εντυπωσιακά πράγματα που βλέπουμε στις οθόνες των υπολογιστών και των έξυπνων τηλεφώνων μας.

Οι βιολογικοί νευρώνες είναι πολύ αργοί συγκρινόμενοι με τα ηλεκτρονικά κυκλώματα. Δουλεύουν αυτόματα μόλις ενεργοποιηθούν, με πολύ μικρές καθυστερήσεις, συλλογικά και ενορχηστρωμένα. Η πληροφόρηση που δέχονται, φαίνεται να είναι τοπική και η αντίδραση τους είναι αυτόματη. Αντίθετα, οι σύγχρονοι ηλεκτρονικοί επεξεργαστές είναι πολύ πιο γρήγοροι. Ένα βασικό ερώτημα που τίθεται λοιπόν, είναι το πώς ένα σύστημα αποτελούμενο από αργούς επεξεργαστές μπορεί να κάνει αυτά τα υπέροχα πράγματα που εκδηλώνει ένας εγκέφαλος, και με τόση εντυπωσιακή ταχύτητα, όπως η αναγνώριση προσώπων σε διαφορετικές οπτικές γωνίες και φωτισμό, η εφευρετική δημιουργία, η μελέτη του σύμπαντος και ίσως η συνείδηση; Μια πιθανή εξήγηση ίσως να είναι το γεγονός ότι ο εγκέφαλος είναι δομικά και λειτουργικά πολύ πιο περίπλοκος και επεξεργάζεται τις πληροφορίες με παράλληλες διεργασίες. Όπως όταν δεκάδες άτομα που δουλεύουν παράλληλα μπορούν να μετακινήσουν ένα τρακτέρ, αλλά όταν δουλεύουν σειριακά αδυνατούν να το κάνουν.

Τα τελευταία χρόνια γίνονται εντατικές έρευνες για την ανάπτυξη τεχνητών νευρο-ηλεκτρονικών συστημάτων και συνδέσμων, καθώς και βιο-υπολογιστών. Είναι χαρακτηριστικό το πείραμα όπου ανθρώπινοι νευρώνες καλλιεργήθηκαν σε πειραματικό σωλήνα και ακολούθως συνδέθηκαν ηλεκτρικά (ασύρματα) με το κινητικό μέρος του εγκεφάλου ενός γάτου. Μετά από μια περίοδο μάθησης, ο γάτος έμαθε να χρησιμοποιεί τα εξω-εγκεφαλικά ανθρώπινα κύτταρα για να ελέγχει τις κινήσεις του.

Επομένως, εύλογα δημιουργείται το ερώτημα εάν η νοημοσύνη μπορεί να υλοποιηθεί τεχνητά, και εάν ναι, με ποιους τρόπους και με ποια μέσα; Θα μπορούσε για παράδειγμα να είχε αναπτυχθεί με εντελώς διαφορετικό τρόπο, ίσως και μη-βιολογικό; Πολλοί από τους θεωρητικούς της ΤΝ εισηγούνται ακόμη και τη δυνατότητα να μπορεί να δημιουργηθεί τεχνητός νους μέσα από συνδεσμολογίες μη-βιολογικών υλικών. Όπως η δημιουργία σχηματισμών από σμήνη τεχνητών οντοτήτων, εικονικών πουλιών, επανδρωμένων αεροχημάτων και δρόνων (drones).

Για τη μελέτη και ανάπτυξη εφαρμογών της ΤΝ χρησιμοποιούνται διάφορες προσεγγίσεις και τεχνικές. Στις μέρες μας, οι πιο διαδεδομένες είναι τα ΤΝΔ. Άλλες σύγχρονες τεχνολογίες είναι η τεχνητή ζωή (artificial life), οι γενετικοί αλγόριθμοι (genetic algorithms), η ασαφής λογική (fuzzy logic) καθώς και συνδυασμοί τους. Μεταξύ της επιστημονικής κοινότητας υπάρχει μια συνεχής αναζήτηση νέων μεθόδων και εφαρμογών.

Μερικές γνωστές παλαιότερες μέθοδοι ΤΝ ήταν τα εμπειρογνώμονα συστήματα (expert systems) και η περιπτωσιακή λογική (case-based reasoning). Αυτές είναι συμβολιστικές τεχνικές υπό την έννοια ότι οι γνωστικές εκδηλώσεις δημιουργούνται μέσα από συνδυασμούς συγκεκριμένων γλωσσικών οντοτήτων (εννοιών) με τη χρήση δομημένων κανόνων. Αυτό βέβαια προϋποθέτει την ύπαρξη δομημένης μνήμης στην οποία να υπάρχουν οι βασικές έννοιες που θα συνθέσουν τις πολύπλοκες ιδέες καθώς και οι κανόνες σύνθεσης και ανάπτυξης. Το πως γίνονται αυτοί οι κανόνες και εάν είναι έμφυτοι ή όχι, είναι ένα σημείο τριβής και έντονων αντιπαραθέσεων. Για πρακτικές εφαρμογές, ειδικότερα στα πολύ καλά οργανωμένα και δομημένα προβλήματα όπως στον εντοπισμό βλαβών, στη διάγνωση ασθενειών, στα χρηματοοικονομικά κλπ., αυτά τα συστήματα πέτυχαν σημαντικές προόδους. Βέβαια, είναι αδύνατο να παρουσιαστεί αυτόνομη ανάπτυξη νοημοσύνης, διότι κάποιοι πρέπει να σκεφτούν, να προσδιορίσουν και να προγραμματίσουν τους κανόνες εξαγωγής συμπερασμάτων. Αυτές οι μέθοδοι έχουν σχεδόν εκλείψει πλήρως λόγω κυρίως της εντυπωσιακής προόδου στη χρήση μη-συμβολιστικών μεθόδων όπως είναι τα ΤΝΔ που έχουν ευρεία εφαρμογή στις σύγχρονες εφαρμογές ΤΝ.

Η ΤΝ ταξινομείται σε σκληρή (hard AI) και σε ασθενή (soft AI). Στη σκληρή προσέγγιση, οι τεχνικές επιδιώκουν να δημιουργήσουν τεχνητό εγκέφαλο και νόηση, τουλάχιστον έτσι όπως αυτή εκδηλώνεται στον ανθρώπινο νου. Στην ασθενή, γίνεται προσπάθεια προσομοίωσης κάποιων απλούστερων και επί μέρους ιδιοτήτων της λειτουργίας του εγκεφάλου, όπως είναι για παράδειγμα η αναγνώριση προτύπων σε συγκεκριμένο πεδίο εφαρμογής (π.χ. προσώπου, αριθμούς αυτοκινήτου, ιατρικές απεικονίσεις κλπ.).

Στις μέρες μας (2024) η ΤΝ επιχειρείται κατά το πλείστο με τεχνικές μηχανικής μάθησης που χρησιμοποιούν κυρίως μαθηματικά και στατιστική στοχεύοντας στη μετατροπή ενός μη-βιολογικού (μηχανικού) συστήματος σε νέο οργανοσύστημα που να μπορεί να εκτελεί ικανοποιητικά τις πιο συνηθισμένες ανώτερες λειτουργίες που χαρακτηρίζουν τους ανθρώπους. Η πιο πρόσφατη (2023) τεχνολογία είναι τα λεγόμενα μοντέλα μεγάλων γλωσσών (ΜΜΓ) (large language models – LLM) που αναπτύσσονται με τεχνικές βαθιάς μάθησης. Σε μεγάλο βαθμό, αυτό επετεύχθη λόγω της διάθεσης τεράστιας υπολογιστικής ικανότητας και της τεράστιας παροχής δεδομένων για τη μάθηση. Πιο συγκεκριμένα, η τεχνολογία ΜΜΓ χρησιμοποιείται με μεγάλη επιτυχία στα σύγχρονα συστήματα ΤΝ όπως το ChaGPT, Gemini, BERT, Perplexity και Copilot που χρησιμοποιούνται ήδη σε πολλές εφαρμογές όπως στην ανάλυση συναισθημάτων, στην απάντηση σε ερωτήματα, στη δημιουργία νέου κειμένου, στην αυτόματη μετάφραση, στη σύνοψη άρθρων και αποσπασμάτων, στην εξαγωγή και ταξινόμηση δεδομένων και σε πολλά άλλα πεδία.

Ήδη, η ΤΝ χρησιμοποιείται στις μηχανές αναζήτησης, στην αυτόνομη οδήγηση, στην επίλυση μαθηματικών προβλημάτων, στην ιατρική (διάγνωση ασθενειών, σχεδιασμό και ανάπτυξη νέων φαρμάκων), στην αναζήτηση εξωπλανητών, στην οικονομία (ανάλυση δεδομένων αγοράς, αυτόματη διαχείριση επενδύσεων, ανίχνευση απάτης), στην αναγνώριση φωνής και ομιλίας, στην αναγνώριση προσώπου, στην αναγνώριση κειμένου, στη παραγωγή γλώσσας, στην αυτόματη μετάφραση και συνομιλία, στην επίλυση μαθηματικών προβλημάτων, στη δημιουργία και επεξεργασία βίντεο, στη δημιουργία ιστοριών, στη δημιουργία μουσικής και τραγουδιών, στα κοινωνικά δίκτυα, στη δημιουργία έξυπνων ρομπότ, στη βελτιστοποίηση βιομηχανικών διαδικασιών, και δυστυχώς στη πολεμική βιομηχανία, καθώς και σε πολλά άλλα.

Σημειώνεται ότι τα ΤΝΔ χρησιμοποιήθηκαν για πρώτη φορά στη Κύπρο πριν 40 χρόνια. Συγκεκριμένα, από τους Χρίστο Σχίζα, Κώστα Παττίχη και Λεύκο Μίτλετον στη διάγνωση μυοπαθειών. Ακολούθως μέχρι τις μέρες μας πολλοί άλλοι Κύπριοι ερευνητές στα πανεπιστήμια μας και στο εξωτερικό διεξάγουν έρευνα και αναπτύσσουν εφαρμογές στη ΤΝ με χρήση ΤΝΔ.

Κίνδυνοι και ευκαιρίες

Η ΤΝ δημιούργησε νέες ευκαιρίες για επιστημονική, τεχνολογική και οικονομική ανάπτυξη. Συνάμα όμως δημιουργούνται και πολλοί κίνδυνοι. Ευελπιστείτε ότι μελλοντικά θα μας βοηθήσει να καταλάβουμε καλύτερα τον κόσμο, την ύπαρξη, και τη λειτουργία του εγκεφάλου και του νου μας. Όμως είναι επίσης δυνατό τα πράγματα να ξεφύγουν, και από ωφέλιμα να οδηγηθούν σε πολύ επικίνδυνους ατραπούς και να δημιουργηθεί δυστοπική κοινωνία. Ο Hinton που κέρδισε το φετινό Νόμπελ στη φυσική εκτιμά ότι η ΤΝ θα είναι συγκρίσιμη με τη βιομηχανική επανάσταση. Αντί όμως να μας υπερβαίνει σε σωματική δύναμη, θα μας ξεπεράσει σε διανοητική ικανότητα. Ουδείς μπορεί να προβλέψει πως θα εξελιχθεί η χρήση της ΤΝ, αλλά μπορούμε συλλογικά, ως ανθρωπότητα, να σκεφτούμε και να προβλέψουμε πιθανές επικίνδυνες καταστάσεις ώστε να προσπαθήσουμε να τις ελέγξουμε. Ας δούμε τα υπέρ και τα κατά.

Μερικές πιθανές μελλοντικές ωφέλιμες εφαρμογές της ΤΝ θα μπορούσαν να είναι:

  • Να βοηθήσει στη  καλύτερη κατανόηση του κόσμου, της ύπαρξης, και στη λειτουργία του εγκεφάλου και νου μας. Αυτό, διότι η ΤΝ θα είναι έξω από το σύστημα που θα προσπαθεί να κατανοήσει.
  • Να προβλέπει πιθανές μελλοντικές καταστροφικές καταστάσεις ώστε να λαμβάνονται έγκαιρα μέτρα αντιμετώπισης, π.χ. σεισμοί, καταιγίδες. Έχουν γίνει πολλές σχετικές μελέτες, αλλά δεν είναι ακόμη ικανοποιητικά τα αποτελέσματα.
  • Να μπορεί να διαβάζει και να μετατρέπει σε απλοποιημένη μορφή τα περίπλοκα μαθηματικά που χρειάζονται για εξήγηση περίπλοκων φαινομένων π.χ. των κβαντικών. Υπάρχει διάχυτη υποψία ότι παρόλο που η φύση είναι αρμονική και ωραία, χρησιμοποιούμε πολύπλοκα μαθηματικά για να τη περιγράψουμε. Ίσως η ΤΝ να εισηγηθεί νέα γλώσσα η άλλη μεθοδολογία, διαφορετική από την παρούσα μαθηματική προσομοίωση των περίπλοκων φαινομένων.
  • Να μάθει να αναγνωρίζει πράγματα που είναι αόρατα στο ανθρώπινο μάτι. Να επαυξάνει τις ανθρώπινες αισθήσεις και να δημιουργεί νέες αισθήσεις. Να αποκτήσουμε υπερ-αισθητήρες για υπερήχους, υπέρυθρα, υπεριώδη, υπερ-ταχύτητες, μικροκοσμική όραση, κλπ. Ήδη υπάρχουν τέτοιες εφαρμογές  που αξιοποιούν την υπέρυθρη ακτινοβολία και άλλα σήματα.
  • Να βοηθήσει σημαντικά τα άτομα με διάφορες αναπηρίες. Για παράδειγμα να βοηθήσει τους τυφλούς να έχουν πιο σφαιρική, και γενικά καλύτερη αντίληψη του περιβάλλοντος.
  • Να βοηθά στο τηλε-διάβασμα σκέψης.
  • Να βοηθήσει να γίνει ο άνθρωπος υπερνοήμων με χρήση καλύτερων συστημάτων επικοινωνίας, όπως τα βιο-ηλεκτρικά προσθετικά.
  • Να μετατρέπει τα όνειρα σε βίντεο.
  • Να βοηθήσει σημαντικά στην ανάπτυξη μεθόδων και ρομποτικών συστημάτων που θα αυξήσουν τη παραγωγικότητα και επομένως στη μείωση των τιμών των αγαθών. Αυτό δυνατό να βοηθήσει στη βελτίωση της ποιότητας ζωής.
  • Να βοηθήσει στην ανάπτυξη πιο προηγμένων συστημάτων αυτόνομης οδήγησης με πολλαπλά οφέλη σε θέματα οικονομίας, ασφάλειας και μειωμένης ρύπανσης.

Οι πιθανοί μελλοντικοί κίνδυνοι θα μπορούσαν να θεωρηθούν ως ήπιοι ή σοβαροί (καταστροφικοί).

Ήπιοι κίνδυνοι:

  • Να οδηγήσει στη μείωση της ικανότητας των ανθρώπων να σκέφτονται, να εφευρίσκουν και να δημιουργούν.
  • Να συμβάλει στην αύξηση της κοινωνικής ανισότητας, και σε νέες μορφές εκμετάλλευσης.
  • Να δημιουργήσει και να διαδώσει παραπληροφόρηση με τη μορφή ψευδών ειδήσεων. Συνεπώς, μπορεί να βοηθήσει στη χειραγώγηση της κοινής γνώμης και στην υπόταξη των ανθρώπων. Γενικότερα, να συμβάλει σημαντικά στη μείωση των δημοκρατικών δομών.
  • Να επηρεάσει αποτελέσματα εκλογών.
  • Να οδηγήσει στην αύξηση των ολοκληρωτικών καθεστώτων.
  • Να οδηγήσει σε χαλάρωση της ηθικής. Να αυξηθούν τα ψυχολογικά προβλήματα, η εγκληματικότητα και οι κοινωνικές ανομίες, κυρίως λόγω της αίσθησης ότι θα είμαστε λιγότερο χρήσιμοι.
  • Να συμβάλει και να αυξήσει τη κοινωνική προκατάληψη.
  • Να οδηγήσει σε αποξένωση από τη φύση.
  • Να συμβάλει στη σημαντική μείωση της ιδιωτικότητας των ανθρώπων, διότι θα είναι ευκολότερη η παρακολούθηση με έξυπνα συστήματα.
  • Να βοηθήσει στη λανθασμένη  σύλληψη ανθρώπου λόγω λανθασμένης αυτοματοποίησης. Ήδη αυτό έγινε!
  • Μπορεί να χρησιμοποιηθεί κακόβουλα, όπως για παράδειγμα σε κυβερνοεπιθέσεις.
  • Να βοηθήσει στην απώλεια ελέγχου σε κρίσιμες αποφάσεις.
  • Να συμβάλλει στην επιβάρυνση του περιβάλλοντος, λόγω της μεγάλης ενέργειας που χρειάζονται τα υπολογιστικά συστήματα για να λειτουργούν.
  • Να συμβάλλει στην αντιγραφή δημιουργημάτων και στη μείωση των πνευματικών δικαιωμάτων.
  • Να οδηγήσει σε αύξηση των μονοπωλίων.
  • Να συμβάλει σε σημαντική αύξηση της ανεργίας. Παράλληλα, θα δημιουργηθούν νέες θέσεις εργασίας. Ειδικότερα, θα επηρεαστούν τα επαγγέλματα που μπορούν να αυτοματοποιηθούν. Σημειώνεται ότι και σε προηγούμενες χρονικές περιόδους χάθηκαν πολλές θέσεις εργασίας λόγω των τεχνολογικών προόδων. Απλά οι κοινωνία αντιδρά σχετικά αργά και έτσι δημιουργούνται κοινωνικές ανισότητες.

Σοβαροί κίνδυνοι:

  • Να αυτό-προγραμματίζεται. Να αναπτύσσει αυτόβουλα δικούς της αλγόριθμους, να αυτοδιορθώνεται, να αυτοβελτιώνεται και να εξελίσσεται πέραν από τον έλεγχο των ανθρώπων. Αυτό θα μπορούσε να οδηγήσει σε ανεξέλεγκτη εξέλιξη της ΤΝ, που ίσως να οδηγούσε σε πολύ επικίνδυνες καταστάσεις.
  • Να αναπτυχθεί αυτόνομη και ανεξέλεγκτη υπερνοήμονη ΤΝ που δυνατό να στραφεί ενάντια στους ανθρώπους.
  • Να αναπτυχθεί τεχνητή συνείδηση.
  • Να χρησιμοποιηθεί στην ανάπτυξη και κατασκευή εξελιγμένων όπλων που δυνατό να έχουν αυτονομία ή να καταλήξουν σε επικίνδυνες τρομοκρατικές ομάδες.
  • Να βοηθήσει στη δημιουργία ρομπότ πολεμιστών και στη χρήση τους για τη δημιουργία πολεμικών διενέξεων.
  • Να ελέγξει κρίσιμες δομές και συστήματα, όπως υγεία οικονομία, στρατός, πυρηνική ενέργεια κλπ.
  • Να οδηγήσει σε μεγαλύτερο έλεγχο και υπόταξη των ασθενέστερων κρατών από άλλα τεχνολογικά ισχυρότερα κράτη.

Σχόλια, ερωτήματα και φιλοσοφικές προεκτάσεις

  1. Μπορεί να εκδηλωθεί αυτόνομη ανάδυση νοημοσύνης μέσα από τυχαίες αλληλοεπιδράσεις μεταξύ απλών επεξεργαστών;

Εάν δεχτούμε το μοντέλο ανάπτυξης της βιολογικής νοημοσύνης τότε θα μπορούσαμε να δεχτούμε ευκολότερα μια τέτοια πρόταση. Έτσι δημιουργούνται πιθανότητες για πιο εξελιγμένη νοημοσύνη. Ίσως ακόμη και για ανάπτυξη νοημοσύνης με συνδεσμολογία επεξεργαστών που δεν είναι κατ’ ανάγκη βασισμένοι σε ηλεκτρική/ηλεκτρονική κωδικοποίηση. Θα μπορούσε να είναι βασισμένοι σε χημική, οπτική, κβαντική, μηχανική κωδικοποίηση, ή ακόμη σε συνδυασμούς αυτών.

  • Είναι η νοημοσύνη δημιούργημα βιολογικών διεργασιών ή δόθηκε από εξωτερικό σύστημα;

Από τη θεώρηση ότι η ΤΝ μπορεί να αναδυθεί μέσα από αυτόματη, μηχανιστική, και πολλαπλή αλληλεπίδραση μεγάλου αριθμού επεξεργαστών, αναδεικνύονται πολλά ερωτήματα, όπως για παράδειγμα, πως δημιουργείται η αντίληψη των ανώτερων πνευματικών εννοιών της αγάπης, φιλίας, πατριωτισμού κ.α. Μήπως γίνεται αυτόματα νοουμένου ότι ικανοποιούνται κάποιες συνθήκες; Εάν ναι, ποιες είναι αυτές; Μήπως η εκδήλωση αυτών των αντιλήψεων δεν είναι αποτέλεσμα κάποιων μηχανικών ή βιολογικών διαδικασιών, αλλά υπάρχουν απριόρι, ή μας δόθηκαν από κάποιο άλλο «ον» ή κάποιο άλλο σύστημα; Βέβαια μια τέτοια προσέγγιση αναπόφευκτα οδηγεί στο ερώτημα του πως δημιουργήθηκε το άλλο «ον» ή το άλλο σύστημα κ.ο.κ. Έτσι, η αποδοχή αυτής της ιδέας, συνήθως καταλήγει στην αποδοχή της ΑΡΧΗΣ, της απόλυτης ΥΠΑΡΞΗΣ που δεν μπορούμε να τη κατανοήσουμε με «λογικές» διαδικασίες, γιατί η λογική μας θα είναι μέρος αυτού που προσπαθούμε να κατανοήσουμε. Θα μπορούσαμε λοιπόν να πούμε ότι υπάρχουν δύο αντίθετες προτάσεις για το πως δημιουργείται η νοημοσύνη και οι ανώτερες πνευματικές λειτουργίες. Η συνδετική θεώρηση (connectionism) και η δοτή νοημοσύνη που δημιουργήθηκε και δόθηκε από ένα ανώτερο ον.

Υπάρχουν πολλές ενδείξεις σε βιολογικό και σε υπολογιστικό επίπεδο που υποστηρίζουν τη συνδετική θεώρηση. Σε βιολογικό επίπεδο γνωρίζουμε ότι η αντίληψη, η διάθεση και η γενικότερη ικανότητα προς σκέψη επηρεάζονται από τα οινοπνευματώδη, τα ναρκωτικά, από βλάβες στον εγκέφαλο, από ηλεκτρομαγνητικά πεδία κ.ο.κ. Η συνδεσμολογία των νευρώνων καθώς και η επεξεργασία των νευρωνικών σημάτων, έχουν σημασία στην ανάπτυξη της νοημοσύνης, αλλιώτικα δεν θα υπήρχε η εντυπωσιακή αύξηση του όγκου του βιολογικού εγκεφάλου ανά βάρος οργανισμού κατά τη διάρκεια της βιολογικής εξέλιξης των ανθρώπων και ζώων. Άρα, η βιολογία έχει σχέση με την ανάπτυξη και εκδήλωση της νοημοσύνης, των αισθημάτων, καθώς και των ανώτερων γνωστικών και νοητικών εκφάνσεων. Στη περίπτωση που γίνεται αποδεκτή η συνδετική πρόταση, θα μπορούσαμε να διερωτηθούμε για το εάν υπάρχουν συγκεκριμένες συνδεσμολογίες που διαφοροποιούν τις αντιλήψεις και τα βασικά συναισθήματα των ανθρώπων, καθώς επίσης και τις θρησκευτικές πεποιθήσεις τους.

Παρόλα αυτά, η συνδετική θεώρηση μπορεί να υποβληθεί σε κριτική που συνήθως συγκεντρώνεται στα παρακάτω επιχειρήματα. α) Πώς γίνεται μια χαώδης κατάσταση να αυτο-οργανωθεί, να γίνει λιγότερο χαώδης, και σταδιακά να οδηγήσει σε νοημοσύνη; β) Γιατί υπάρχει διαχρονική σταθερότητα των γνωστικών ιδιοτήτων των ανθρώπων, και εντυπωσιακή ομοιότητα από άνθρωπο σε άνθρωπο;

Όσον αφορά τη πρόταση για τη δοτή νοημοσύνη, θεωρείται από τους πλείστους θρησκευόμενους ανθρώπους ότι δόθηκε ως Θεία Χάρη από μια αιώνια, παντοδύναμη και υπερφυή οντότητα, όπως δόθηκε επίσης η ύπαρξη, η συνείδηση, η θέληση, η νόηση και η εφευρετικότητα. Η θέση αυτή, υποβάλλει ότι η νοημοσύνη και άλλες χάρες είναι απλά δοσμένες και δεν χρειάζονται απόδειξη. Ο άνθρωπος και οι πνευματικές του εκφάνσεις δεν μπορεί να είχαν δημιουργηθεί μέσα από αλυσίδες μικρών τυχαίων αλλαγών, όπου το χάος αυτο-οργανώθηκε στο θαυμαστό κόσμο που αντιλαμβανόμαστε. Είναι λοιπόν δυνατό να μπορούμε να αποκτήσουμε απόλυτη γνώση του γίγνεσθαι με βάση τα αισθητήρια και τη νόηση μας, η θα πρέπει να δεχτούμε την πίστη ως μέσο για βίωση της αληθείας και οδηγό των πράξεων μας; Είναι δηλαδή δυνατό ο εγκέφαλος μας, και η νοημοσύνη μας που πηγάζει από τον εγκέφαλο, να κατανοήσει τον ίδιο τον εγκέφαλο μας, ή μήπως θα είναι υπο­κειμενική μια τέτοια κατανόηση; Το ερώτημα ουσιαστικά είναι για το εάν ο άνθρωπος είναι δημιούργημα του Θεού ή οι θεότητες δημιούργημα της νοημοσύνης των ανθρώπων. Μπορεί δηλαδή να υπάρχει «ύπαρξη» χωρίς να υπάρχουν αλληλο-επικοινωνούντα νοήμονα όντα να την σκεφτούν και να την αντιληφθούν; Για τους πλείστους θεολόγους, η ύπαρξη του Θεού ως δημιουργού της ύπαρξης και νοημοσύνης είναι αυταπόδεικτη ως η αρχή των πάντων και δεν μπορεί να υποβληθεί σε πειραματικές αποδείξεις.

Στο σημείο αυτό αξίζει να αναφερθώ σε ένα σημαντικό, αλλά σχετικό, θεώρημα του Goedel (incompleteness theorem), που έχει βαθύτερες επιδράσεις στο αντικείμενο που πραγματευόμαστε. Το θεώρημα, μέσα από μια μαθηματική παραδοξότητα, δημιούργησε βαθύτατη κρίση στη θεμελίωση των μαθηματικών, ειδικότερα στη θεωρία των αριθμών, και έχει φιλοσοφικές προεκτάσεις. Αγνοώντας τα δύσκολα μαθηματικά της απόδειξης, ας δούμε σε απλοϊκή, αλλά ουσιώδη μορφή, τη βασική έννοια του θεωρήματος που είναι και το παράδοξο: Το θεώρημα λέει ότι «η αλήθεια δεν μπορεί να αποδειχτεί» διότι εάν μπορούσε να αποδειχτεί τότε αποδείχτηκε ότι δεν μπορεί! Εάν δεν μπορεί να αποδειχτεί, τότε ισχύει η πρόταση, δηλαδή ότι δεν μπορεί να αποδειχτεί! Έτσι σε ένα αυστηρό, μαθηματικό, αλγοριθμικό σύστημα θα υπάρχουν προτάσεις που δεν θα μπορούν να αποδειχτούν, παρόλο που ο κοινός νους μας τις αντιλαμβάνεται! Η παρατήρηση αυτή έχει δημιουργήσει ενδιαφέρουσες φιλοσοφικές ενδιατρίψεις. Βασιζόμενοι στη πιο πάνω παρατήρηση θα μπορούσαμε να ισχυριστούμε ότι η συμβολική, συλλογιστική-μηχανική προσέγγιση στη ΤΝ δεν μπορεί να οδηγήσει σε ανάπτυξη του νου.  Αυτή είναι και μια από τις βασικές θέσεις του Penrose που τον οδήγησε στη μελέτη και τη πρόταση για τη κβαντική βάση της ανάπτυξης του νου.

  • Μπορεί να εκδηλωθεί παγκόσμια, πανανθρώπινη νοημοσύνη μέσα από τη συλλογική αλληλεπίδραση των ανθρώπων;

Εάν ναι, πώς θα το γνωρίζαμε; Σε τέτοια περίπτωση, μήπως δεν υπάρχει κάτι απόλυτα σταθερό; Ένα μέτρο ή μια βάση από την οποία να πηγάζει το κάθε τι; Ο Παρμενίδης πρότεινε ότι «το Ον είναι μια αγέννητη, άπειρη, αμετάβλητη, αναλλοίωτη, και χωρίς αντιθέσεις σφαιρική οντότητα που ενθυλακώνει μέσα της όλο τον κόσμο. Το σύμπαν, η γη και η φύση είναι μέρη του ίδιου και αμετάβλητου σφαιρικού όντος. Το Ον είναι το Εν που ποτέ δεν μεταβάλλεται». Σε αντίθεση, ο Ηράκλειτος πρότεινε ότι «Τα πάντα ρει».

Επίσης, μερικοί διανοητές εισηγούνται ότι η συνδετική θεώρηση επεκτεινόμενη σε συμπαντικό υπερσύστημα, θα μπορούσε να οδηγήσει σε αυτό που αποκαλούν «παγκόσμιο νου».

  • Θα μπορούσε να υπάρχει, ή να είχε δημιουργηθεί εντελώς διαφορετική λογική από αυτή που βιώνουμε;

Εάν θεωρήσουμε τη λογική ως απόρροια μιας συνδετικής υπολογιστικής, τότε θα μπορούσε να ήταν διαφορετική; Μήπως σε πιο περίπλοκα συστήματα θα ήταν εντελώς διαφορετική; Σημειώνεται ότι η αυστηρή ανθρώπινη λογική αδυνατεί να εξηγήσει τα παράδοξα. Πολλά παράδοξα προτάθηκαν κατά καιρούς από διάφορους διανοητές. Πιο κάτω αναφέρω ενδεικτικά μερικά από τα πιο ενδιαφέροντα ώστε να ενισχυθεί η αντίληψη ότι η λογική δεν είναι πάντοτε η «σωστή» λύση για το κάθε τι!

«Είμαι ψεύτης»! ή «Λέω ψέματα»! Σας λέω την αλήθεια; (Επιμενίδης)

«Ποιος ξυρίζει τον κουρέα που ξυρίζει όλους όσους δεν ξυρίζουν τον εαυτό τους»; (Μπέρναρντ Ράσσελ)

«Μπορεί ένας παντοδύναμος να δημιουργήσει κάτι πιο παντοδύναμο από τον εαυτό του;»!

Αυτά και πολλά άλλα παράδοξα (π.χ. του Ζήνωνα του Ελεάτη), δεν μπορούν να επιλυθούν με την εφαρμογή της αυστηρής δυαδικής λογικής του σωστού-λάθους. Εύλογα λοιπόν τίθεται το ερώτημα για το εάν ένα άλλο είδος λογικής θα οδηγούσε σε αποφυγή τέτοιας μορφής παραδοξοτήτων. Μήπως θα πρέπει να βγούμε έξω από τη λογική μας ώστε να αποκτήσουμε βαθύτερη και ίσως ορθότερη γνώση;

  • Τι είναι η θέληση και η συνείδηση. Πότε εκδηλώνονται και πώς μεταβάλλονται;

Ένα βασικότατο ερώτημα είναι το πως εμφανίζεται η θέληση. Είναι μήπως ιδιότητα που δίνεται μόνο στους ανθρώπους από το απόλυτο Ον, ή μια ακόμη αναδυόμενη ιδιότητα της πολυσυνδετικής δομής των νευρώνων; Εάν ναι, τότε εκδηλώνεται σταδιακά ή μήπως ξαφνικά μετά από μια κρίσιμη συνδεσμολογία. Πότε αρχίζει να εκδηλώνεται κατά την ανάπτυξη από έμβρυα σε κατώτερους βιολογικούς οργανισμούς και σταδιακά σε ανώτερους και στον άνθρωπο; Εάν δίνεται από τον Θεό, τότε μήπως δίνεται επιλεκτικά σε διάφορα είδη ζώων, και ακόμη πιο επιλεκτικά μεταξύ των ανθρώπων; Ο Roger Penrose του Πανεπιστημίου της Οξφόρδης καθώς και άλλοι διανοητές, βασιζόμενοι μεταξύ άλλων και στο θεώρημα του Goetel πιστεύουν ότι είναι αδύνατο η μηχανική νοημοσύνη να ξεπεράσει την ανθρώπινη. Εισηγούνται όμως ότι μπορεί να υπάρχει σχέση μεταξύ κβαντικών φαινομένων και της συνειδητότητας. Μερικοί δε, επεκτείνουν τις θεωρίες τους μέχρι την εισήγηση και τη μελέτη για πιθανή εκδήλωση παγκόσμιας συνειδητότητας. Λαμβάνοντας υπόψη διάφορες έρευνες σχετικά με την ύπνωση καθώς και με τις μεθόδους «πλύσης εγκεφάλου», θα πρέπει να σκεφτούμε εάν όντως μπορεί να επηρεαστεί σημαντικά η ατομική θέληση, και ακόμη πιο σημαντικό, η συλλογική ή κοινοτική θέληση. Τέλος, ίσως ένα από τα πιο ουσιώδη ερωτήματα είναι το πώς η θέληση αποφασίζει να αυτοκαταστραφεί μέσα από μια αυτοκτονία;

  • Τα ΤΝΔ θα μπορούν να μεταφέρουν γρήγορα την αποκτηθείσα γνώση και ικανότητες σε άλλα ΤΝΔ ώστε να υπάρξει μια εκθετική βελτίωση και παράλληλη συνέργεια.

Οι άνθρωποι δεν μπορούν να κάνουν τέτοια μεταφορά. Δεν μπορούν άμεσα και αποτελεσματικά να αποκτήσουν τη γνώση όλων των ανθρώπων. Επιπλέον, τα ΤΝΔ δεν κουράζονται και δεν ξεχνούν γιατί είναι μηχανικά και δεν υπόκεινται σε γήρανση.

  • Άλλα ερωτήματα

Θα μπορούμε να ελέγξουμε τεχνολογία που θα είναι ευφυέστερη από εμάς;

Τι συμβαίνει με την αποκτηθείσα γνώση και τη νόηση, μετά τον θάνατο;

Πώς δημιουργούνται παραισθήσεις, αγάπη, έρωτας, μίσος;

Πώς μπορεί να εξηγηθεί η ατομικότητα της σκέψης;

Πώς επεξεργάζεται ο εγκέφαλος με την ίδια ευκολία ασαφείς και ακριβείς έννοιες;

Πώς παρουσιάζεται και πώς μπορεί να εξηγηθεί η εφευρετικότητα;

Γιατί γίνεται συνεχής ανάδυση νέων νόμων, νέας γνώσης, νέων σωματιδίων;

Πώς κωδικοποιούνται οι αριθμοί, οι λέξεις, οι έννοιες;

Ο Δρ Κώστας Νεοκλέους σπούδασε μηχανολογία, ναυπηγική και τεχνητή νοημοσύνη με ειδικότητα στα τεχνητά νευρωνικά δίκτυα. Δίδαξε για πολλά χρόνια στο Ανώτερο Τεχνολογικό Ινστιτούτο και στο Τεχνολογικό Πανεπιστήμιο Κύπρου. Τώρα είναι συνταξιούχος.