Lama Nachman, Intel Fellow & Διευθυντής του Εργαστηρίου Προσδοκίας Υπολογιστών – Σειρά Συνεντεύξεων

Lama Nachman, είναι एक Intel (INTC ) Fellow & Διευθυντής του Εργαστηρίου Προσδοκίας Υπολογιστών. Η Lama Nachman είναι πιο γνωστή για τη δουλειά της με τον καθηγητή Stephen Hawking, ήταν καθοριστική για την κατασκευή ενός συστήματος υπολογιστή που βοηθούσε τον καθηγητή Stephen Hawking να επικοινωνεί. Σήμερα βοηθά τον Βρετανό ρομποτική Dr. Peter Scott-Morgan να επικοινωνεί. Το 2017, ο Dr. Peter Scott-Morgan έλαβε διάγνωση της νόσου του κινητικού νευρώνα (MND), επίσης γνωστή ως ALS ή νόσος του Lou Gehrig. Η MND επιτίθεται στον εγκέφαλο και τα νεύρα και τελικά παρalyze όλα τα μύες, ακόμη και αυτά που επιτρέπουν την αναπνοή και την κατάποση.

Ο Dr. Peter Scott-Morgan δήλωσε κάποτε: «Θα συνεχίσω να εξελίσσομαι, να πεθαίνω ως άνθρωπος, να ζώ ως κυβόργ».

Τι σας έκανε να ενδιαφερθείτε για την τεχνητή νοημοσύνη;

Έχω πάντα引き 吸われて την ιδέα ότι η τεχνολογία μπορεί να είναι ο μεγάλος ισοπεδωτής. Όταν αναπτύσσεται με ευθύνη, έχει το δυναμικό να ισοπεδώσει το πεδίο, να αντιμετωπίσει τις κοινωνικές ανισότητες και να ενισχύσει το ανθρώπινο δυναμικό. Κανένα μέρος δεν είναι πιο αληθινό από αυτό της τεχνητής νοημοσύνης. Ενώ πολλή συζήτηση στη βιομηχανία γύρω από την τεχνητή νοημοσύνη και τους ανθρώπους θέτει τη σχέση μεταξύ των δύο ως εχθρική, πιστεύω ότι υπάρχουν μοναδικά πράγματα που τα μηχανήματα και οι άνθρωποι είναι καλοί, οπότε προτιμώ να βλέπω το μέλλον μέσω του φακού της Συνεργασίας Ανθρώπου-Τεχνητής Νοημοσύνης παρά της ανταγωνιστικότητας Ανθρώπου-Τεχνητής Νοημοσύνης. Ηγέτης του Εργαστηρίου Προσδοκίας Υπολογιστών στο Intel Labs όπου – σε όλες τις ερευνητικές μας προσπάθειες – έχουμε einen μοναδικό στόχο να παραδώσουμε καινοτομίες υπολογιστών που κλιμακώνουν για ευρύ κοινωνικό αντίκτυπο. Δεδομένου του πόσο διαδεδομένη είναι ήδη η τεχνητή νοημοσύνη και της αυξανόμενης της παρουσίας σε κάθε πτυχή της ζωής μας, βλέπω τεράστια υπόσχεση στην έρευνα που πραγματοποιεί η ομάδα μου για να κάνει την τεχνητή νοημοσύνη πιο προσιτή, πιο ευαίσθητη στο контέκστ, πιο υπεύθυνη και τελικά να φέρει τεχνολογικές λύσεις σε κλίμακα για να βοηθήσει τους ανθρώπους στον πραγματικό κόσμο.

Έχετε συνεργαστεί στενά με τον θρυλικό φυσικό καθηγητή Stephen Hawking για να δημιουργήσετε ένα σύστημα τεχνητής νοημοσύνης που βοηθούσε τον καθηγητή Stephen Hawking να επικοινωνεί και να εκτελεί καθήκοντα που οι περισσότεροι από εμάς θα θεωρούσαν καθημερινά;

Η συνεργασία με τον καθηγητή Stephen Hawking ήταν η πιο σημαντική και απαιτητική προσπάθεια της ζωής μου. Τρέφει την ψυχή μου και πραγματικά με έκανε να καταλάβω πόσο η τεχνολογία μπορεί να βελτιώσει τις ζωές των ανθρώπων. Ζούσε με ALS, μια degenerative νευρολογική νόσο, που αφαιρεί με τον καιρό την ικανότητα του ασθενούς να εκτελεί τις πιο απλές δραστηριότητες. Το 2011, αρχίσαμε να εργαζόμαστε μαζί του για να εξερευνήσουμε τον τρόπο βελτίωσης του συστήματος υπολογιστή που του επέτρεπε να αλληλεπιδρά με τον κόσμο. Εκτός από τη χρήση του υπολογιστή για να μιλάει με τους ανθρώπους, ο Stephen χρησιμοποιούσε τον υπολογιστή του όπως και εμείς, επεξεργαζόταν έγγραφα, περιήγηση στο διαδίκτυο, δίδασκε διαλέξεις, διάβαζε/έγραφε emails, κ.λπ. Η τεχνολογία επέτρεψε στον Stephen να συνεχίσει να συμμετέχει ενεργά στον κόσμο και να εμπνέει τον κόσμο για χρόνια μετά την ταχεία μείωση των σωματικών του ικανοτήτων. Αυτό -για μένα- είναι τι σημαίνει ουσιαστική επίδραση της τεχνολογίας στη ζωή κάποιου!

Τι ήταν κάποια από τα κλειδιά που έμαθε από τη συνεργασία με τον καθηγητή Stephen Hawking;

Η οθόνη του υπολογιστή μας είναι πραγματικά η πύλη μας στον κόσμο. Αν οι άνθρωποι μπορούν να ελέγχουν τον υπολογιστή τους, μπορούν να ελέγχουν όλες τις πτυχές της ζωής τους (καταναλώνοντας περιεχόμενο, πρόσβαση στον ψηφιακό κόσμο, έλεγχο του φυσικού περιβάλλοντος, πλοήγηση με το αμαξίδιο, κ.λπ.). Για τους ανθρώπους με αναπηρίες που μπορούν ακόμη να μιλήσουν, οι προόδους στην αναγνώριση ομιλίας τους επιτρέπουν να έχουν πλήρη έλεγχο των συσκευών τους (και σε μεγάλο βαθμό, του φυσικού περιβάλλοντος). Ωστόσο, εκείνοι που δεν μπορούν να μιλήσουν και δεν μπορούν να κινηθούν είναι πραγματικά ελαττωματικοί στο να μην μπορούν να ασκήσουν πολλή ανεξαρτησία. Τι η εμπειρία με τον καθηγητή Hawking μου δίδαξε είναι ότι τα πλαίσια της βοηθητικής τεχνολογίας πρέπει να προσαρμοστούν στις συγκεκριμένες ανάγκες του χρήστη. Για παράδειγμα, δεν μπορούμε να υποθέσουμε ότι μια seule λύση θα δουλέψει για τους ανθρώπους με ALS, επειδή η νόσος επηρεάζει διαφορετικές ικανότητες σε διαφορετικούς ασθενείς. Οπότε, χρειαζόμαστε τεχνολογίες που μπορούν να ρυθμιστούν και να προσαρμοστούν στις ανάγκες του ατόμου. Αυτός είναι ο λόγος για τον οποίο κατασκευάσαμε το ACAT (Βοηθητικό Πλαίσιο Προσδοκίας), ένα modulaire, ανοιχτό λογισμικό που μπορεί να επιτρέψει στους développers να καινοτομήσουν και να κατασκευάσουν διαφορετικές ικανότητες επάνω του.

Επίσης, έμαθα ότι είναι σημαντικό να κατανοήσουμε το κάθε χρήστη να δώσει τη συγκατάθεσή του για να παραδώσει τον έλεγχο σε αντάλλαγμα για περισσότερη αποτελεσματικότητα (αυτό δεν περιορίζεται μόνο στους ανθρώπους με αναπηρίες). Για παράδειγμα, η τεχνητή νοημοσύνη μπορεί να είναι ικανή να αφαιρέσει περισσότερο έλεγχο από τον χρήστη για να εκτελέσει μια εργασία γρηγορότερα ή πιο αποτελεσματικά, αλλά κάθε χρήστης έχει διαφορετικό επίπεδο αποφυγής κινδύνου. Ορισμένοι είναι πρόθυμοι να παραδώσουν περισσότερο έλεγχο, ενώ άλλοι χρήστες θέλουν να διατηρήσουν περισσότερο. Κατανοώντας αυτά τα όρια και πόσο μακριά οι άνθρωποι είναι πρόθυμοι να πάνε έχει μεγάλη επίδραση στο πώς αυτά τα συστήματα μπορούν να σχεδιαστούν. Χρειαζόμαστε να ξανασχεδιάσουμε το σχεδιασμό του συστήματος σε όρους επιπέδου άνεσης του χρήστη και όχι μόνο αντικειμενικών μετρικών αποδοτικότητας και ακρίβειας.

Πιο πρόσφατα, έχετε συνεργαστεί με ένα διάσημο Βρετανό επιστήμονα Peter Scott Morgan που πάσχει από νόσο του κινητικού νευρώνα και έχει ως στόχο να γίνει ο πρώτος πλήρης κυβόργιος στον κόσμο. Ποια είναι κάποια από τα φιλόδοξα του στόχους;

Ένα από τα προβλήματα με το AAC (Βοηθητική και Επικουρική επικοινωνία) είναι το “κενό σιωπής”. Πολλοί άνθρωποι με ALS (συμπεριλαμβανομένου του Peter) χρησιμοποιούν έλεγχο με βλέμμα για να επιλέξουν γράμματα / λέξεις στην οθόνη για να μιλήσουν με τους άλλους. Αυτό οδηγεί σε μια μακρά σιωπή μετά από κάποιον που τελειώνει την πρόταση του ενώ ο άνθρωπος κοιτάζει τον υπολογιστή του και αρχίζει να διαμορφώνει τα γράμματα και τις λέξεις για να απαντήσει. Ο Peter ήθελε να μειώσει αυτό το κενό σιωπής όσο το δυνατόν για να φέρει πίσω την εύκολη ομιλία στην επικοινωνία. Θέλει επίσης να διατηρήσει τη φωνή του και την προσωπικότητά του και να χρησιμοποιήσει ένα σύστημα κειμένου-ομιλίας που εκφράζει τον μοναδικό του τρόπο επικοινωνίας (για παράδειγμα, τις πλάκες του, τη γρήγορη σαρκαστική του, τα συναισθήματά του).

Ο Βρετανός ρομποτικός Dr. Peter Scott-Morgan, που πάσχει από νόσο του κινητικού νευρώνα, άρχισε το 2019 να υποβληθεί σε μια σειρά εγχειρήσεων για να επεκτείνει τη ζωή του με τη βοήθεια της τεχνολογίας. (Πίστωση: Cardiff Productions)

Μπορείτε να συζητήσετε κάποια από τις τεχνολογίες που χρησιμοποιούνται τώρα για να βοηθήσουν τον Dr. Peter Scott-Morgan;

Ο Peter χρησιμοποιεί το ACAT (Βοηθητικό Πλαίσιο Προσδοκίας), το πλαίσιο που κατασκευάσαμε κατά τη δουλειά μας με τον Dr. Hawking και αργότερα κυκλοφορήσαμε ως ανοιχτό λογισμικό. Αντιθέτως, ο Dr. Hawking χρησιμοποιούσε τους μύες στο μάγουλο του ως “εμπρόθετο ερέθισμα” για να ελέγξει τα γράμματα στην οθόνη του, ο Peter χρησιμοποιεί έλεγχο με βλέμμα (μια ικανότητα που προσθέσαμε στο υπάρχον ACAT) για να μιλήσει και να ελέγξει τον υπολογιστή του, ο οποίος διασυνδέεται με μια λύση Κειμένου-ομιλίας από μια εταιρεία που ονομάζεται CereProc που ήταν εξατομικευμένη για αυτόν και του επιτρέπει να εκφράσει διαφορετικά συναισθήματα/ένταση. Το σύστημα ελέγχει επίσης ένα avatar που ήταν εξατομικευμένο για αυτόν.

Τώρα εργαζόμαστε σε ένα σύστημα γεννήτριας απαντήσεων για το ACAT που θα επιτρέψει στον Peter να αλληλεπιδράσει με το σύστημα σε υψηλότερο επίπεδο χρησιμοποιώντας ικανότητες τεχνητής νοημοσύνης. Αυτό το σύστημα θα ακούσει τις συνομιλίες του Peter με τον καιρό και θα προτείνει απαντήσεις για τον Peter να επιλέξει στην οθόνη. Ο στόχος είναι ότι με τον καιρό το σύστημα τεχνητής νοημοσύνης θα μάθει από τα δεδομένα του Peter και θα του επιτρέψει να “παρέμβει” στο σύστημα για να του παρέχει τις καλύτερες απαντήσεις χρησιμοποιώντας μόνο κάποια κλειδιά (παρόμοια με τον τρόπο που λειτουργούν οι αναζητήσεις στο διαδίκτυο σήμερα). Ο στόχος μας με το σύστημα γεννήτριας απαντήσεων είναι να μειώσουμε το κενό σιωπής στην επικοινωνία που αναφέρθηκε παραπάνω και να ενδυναμώσουμε τον Peter και τους μελλοντικούς χρήστες του ACAT να επικοινωνούν με ρυθμό που να feels πιο “φυσικός”.

Έχετε μιλήσει επίσης για τη σημασία της διαφάνειας στην τεχνητή νοημοσύνη, πόσο μεγάλο είναι αυτό το ζήτημα;

Είναι ένα μεγάλο ζήτημα, ιδιαίτερα όταν αναπτύσσεται σε συστήματα λήψης αποφάσεων ή συστήματα συνεργασίας Ανθρώπου-Τεχνητής Νοημοσύνης. Για παράδειγμα, στην περίπτωση του συστήματος βοήθειας του Peter, χρειαζόμαστε να κατανοήσουμε τι προκαλεί το σύστημα να κάνει αυτές τις συστάσεις και πώς να επηρεάσουμε τη μάθηση του συστήματος για να εκφράσει πιο ακριβώς τις ιδέες του.

Σε μεγαλύτερο контέκστ, τα συστήματα λήψης αποφάσεων, είτε βοηθούν στη διάγνωση με βάση ιατρικές εικόνες είτε κάνουν συστάσεις για χορήγηση δανείων, τα συστήματα τεχνητής νοημοσύνης πρέπει να παρέχουν ανθρώπινες ερμηνεύσιμες πληροφορίες για το πώς έφτασαν σε αυτές τις αποφάσεις, ποια χαρακτηριστικά ή ιδιότητες είχαν την μεγαλύτερη επίδραση σε αυτήν την απόφαση, ποια εμπιστοσύνη έχει το σύστημα στην εικασία που έγινε, κ.λπ. Αυτό αυξάνει την εμπιστοσύνη στα συστήματα τεχνητής νοημοσύνης και επιτρέπει καλύτερη συνεργασία μεταξύ ανθρώπων και τεχνητής νοημοσύνης σε μεικτές καταστάσεις λήψης αποφάσεων.

Η προκατάληψη της τεχνητής νοημοσύνης, ιδιαίτερα όταν πρόκειται για ρατσισμό και σεξισμό, είναι ένα τεράστιο ζήτημα, αλλά πώς να αναγνωρίσετε άλλους τύπους προκατάληψης όταν δεν έχετε ιδέα ποια προκατάληψη ψάχνετε;

Είναι ένα πολύ δύσκολο πρόβλημα και δεν μπορεί να λυθεί μόνο με τεχνολογία. Χρειαζόμαστε να φέρουμε περισσότερη ποικιλία στην ανάπτυξη συστημάτων τεχνητής νοημοσύνης (φυλετική, φυλετική, πολιτιστική, σωματική ικανότητα, κ.λπ.). Αυτό είναι σαφώς ένα τεράστιο κενό στο πληθυσμό που κατασκευάζει αυτά τα συστήματα τεχνητής νοημοσύνης σήμερα. Επιπλέον, είναι κρίσιμο να έχουμε ομαδικές ομάδες που συμμετέχουν στην ορισμό και ανάπτυξη αυτών των συστημάτων, φέρνοντας κοινωνικές επιστήμες, φιλοσοφία, ψυχολογία, ηθική και πολιτική στο τραπέζι (και όχι μόνο πληροφορική), και συμμετέχοντας στη διαδικασία ερωτήσεων στο контέκστ της συγκεκριμένης εργασίας και προβλημάτων.

Έχετε μιλήσει trước για τη χρήση της τεχνητής νοημοσύνης για να ενισχύσετε το ανθρώπινο δυναμικό. Ποια είναι κάποια από τις περιοχές που δείχνουν την περισσότερη υπόσχεση για αυτήν την ενίσχυση του ανθρώπινου δυναμικού;

Μια φανερή περιοχή είναι η ενεργοποίηση των ανθρώπων με αναπηρίες να ζουν πιο ανεξάρτητα, να επικοινωνούν με τους αγαπημένους τους και να συνεχίζουν να δημιουργούν και να συνεισφέρουν στην κοινωνία. Βλέπω ένα μεγάλο δυναμικό στην εκπαίδευση, στην κατανόηση της συμμετοχής των μαθητών και στην προσωποποίηση της εμπειρίας μάθησης στις ατομικές ανάγκες και ικανότητες του μαθητή για να βελτιώσει την εμπλοκή, να ενδυναμώσει τους δασκάλους με αυτήν την γνώση και να βελτιώσει τα αποτελέσματα μάθησης. Η ανισότητα στην εκπαίδευση σήμερα είναι τόσο βαθιά και υπάρχει ένα μέρος για την τεχνητή νοημοσύνη να βοηθήσει να μειώσει κάποια από αυτήν την ανισότητα αν το κάνουμε σωστά. Υπάρχουν ατελείωτες ευκαιρίες για την τεχνητή νοημοσύνη να φέρει πολλή αξία με τη δημιουργία συστημάτων συνεργασίας Ανθρώπου-Τεχνητής Νοημοσύνης σε πολλούς τομείς (υγεία, κατασκευή, κ.λπ.) γιατί αυτό που φέρνουν οι άνθρωποι και η τεχνητή νοημοσύνη στο τραπέζι είναι πολύ συμπληρωματικά. Για να συμβεί αυτό, χρειαζόμαστε καινοτομία στο交叉 της κοινωνικής επιστήμης, της ανθρώπινης-υπολογιστικής συναρμολόγησης και της τεχνητής νοημοσύνης. Ρομποτική αντίληψη, контέκστ-αντίληψη, μάθηση από περιορισμένα δεδομένα, φυσικά τοποθετημένη ανθρώπινη-υπολογιστική συναρμολόγηση και ερμηνευσιμότητα είναι κάποια από τις κλειδιά προκλήσεις που πρέπει να επικεντρωθούμε για να φέρουμε αυτήν την όραση στην πραγματικότητα.

Έχετε μιλήσει επίσης για το πόσο σημαντική είναι η αναγνώριση συναισθήματος για το μέλλον της τεχνητής νοημοσύνης; Γιατί πρέπει η βιομηχανία της τεχνητής νοημοσύνης να εστιάσει περισσότερο σε αυτήν την περιοχή της έρευνας;

Η αναγνώριση συναισθήματος είναι μια κλειδί ικανότητα των συστημάτων Ανθρώπου-Τεχνητής Νοημοσύνης για πολλά λόγους. Ένας από τους λόγους είναι ότι το ανθρώπινο συναισθήμα προσφέρει κλειδί ανθρώπινου контέκστ για οποιοδήποτε προδραστικό σύστημα για να κατανοήσει πριν να ενεργήσει.

Περισσότερο σημαντικά, αυτά τα συστήματα χρειάζονται να συνεχίσουν να μαθαίνουν στο野 και να προσαρμόζονται με βάση τις αλληλεπιδράσεις με τους χρήστες, και ενώ η άμεση ανατροφοδότηση είναι ένα κλειδί σήμα για μάθηση, τα έμμεσα σήματα είναι πολύ σημαντικά και είναι δωρεάν (λιγότερο έργο για τον χρήστη). Για παράδειγμα, ένας ψηφιακός βοηθός μπορεί να μάθει πολλά από την εκνευρισμό στη φωνή του χρήστη και να το χρησιμοποιήσει ως σήμα ανατροφοδότησης για μάθηση τι να κάνει στο μέλλον, αντί να ζητήσει από τον χρήστη ανατροφοδότηση κάθε φορά. Αυτές οι πληροφορίες μπορούν να χρησιμοποιηθούν για συστήματα ενεργού μάθησης τεχνητής νοημοσύνης για να συνεχίσουν να βελτιώνονται με τον καιρό.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστεί σχετικά με το τι εργάζεται στο Εργαστήριο Προσδοκίας Υπολογιστών ή άλλα ζητήματα που συζητήθηκαν;

Όταν κατασκευάζουμε συστήματα βοήθειας, πρέπει πραγματικά να σκεφτόμαστε πώς να τα κατασκευάσουμε με ευθύνη και πώς να επιτρέψουμε στους ανθρώπους να κατανοήσουν ποια πληροφορίες συλλέγονται και πώς να ελέγχουν αυτά τα συστήματα με πρακτικό τρόπο. Jako ερευνητές τεχνητής νοημοσύνης, συχνά είμαστε μαγευμένοι από τα δεδομένα και θέλουμε να έχουμε όσο το δυνατόν περισσότερα δεδομένα για να βελτιώσουμε αυτά τα συστήματα, ωστόσο, υπάρχει μια ανταλλαγή μεταξύ του τύπου και του ποσού των δεδομένων που θέλουμε και της ιδιωτικής ζωής του χρήστη. Πραγματικά πρέπει να περιορίσουμε τα δεδομένα που συλλέγουμε στο τι είναι απολύτως απαραίτητο για να εκτελέσουμε την εργασία της εικασίας, να κάνουμε τους χρήστες ενήμερους για ακριβώς ποια δεδομένα συλλέγουμε και να τους επιτρέψουμε να ρυθμίσουν αυτήν την ανταλλαγή με σημαντικό και χρηστικό τρόπο.

Ευχαριστώ για τη φανταστική συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα για αυτό το έργο πρέπει να διαβάσουν το άρθρο Intel’s Lama Nachman and Peter Scott-Morgan: Two Scientists, One a ‘Human Cyborg’.

Η ομάδα του Εργαστηρίου Προσδοκίας Υπολογιστών της Intel που ανέπτυξε το Βοηθητικό Πλαίσιο Προσδοκίας περιλαμβάνει (από αριστερά) Alex Nguyen, Sangita Sharma, Max Pinaroc, Sai Prasad, Lama Nachman και Pete Denman. Δεν απεικονίζονται οι Bruna Girvent, Saurav Sahay και Shachi Kumar. (Πίστωση: Lama Nachman)