Ρόναλντ Τ. Κνεύσελ, Συγγραφέας του “Πώς Λειτουργεί η Τεχνητή Νοημοσύνη: Από τη Μαγεία στην Επιστήμη” – Σειρά Συνεντεύξεων

Λάβαμε πρόσφατα ένα προδημοσιευμένο αντίτυπο του βιβλίου «Πώς Λειτουργεί η Τεχνητή Νοημοσύνη: Από τη Μαγεία στην Επιστήμη» από τον Ρόναλντ Τ. Κνεύσελ. Έχω διαβάσει μέχρι τώρα πάνω από 60 βιβλία για την Τεχνητή Νοημοσύνη και ενώ κάποια από αυτά μπορεί να είναι επαναλαμβανόμενα, αυτό το βιβλίο κατάφερε να προσφέρει μια νέα προοπτική, και το απόλαυσα αρκετά ώστε να το προσθέσω στην προσωπική μου λίστα με τα Καλύτερα Βιβλία Μηχανικής Μάθησης και Τεχνητής Νοημοσύνης Όλων των Εποχών.

«Πώς Λειτουργεί η Τεχνητή Νοημοσύνη: Από τη Μαγεία στην Επιστήμη» είναι ένα σύντομο και σαφές βιβλίο που σχεδιάστηκε για να περιγράψει τις βασικές αρχές της μηχανικής μάθησης. Παρακάτω υπάρχουν κάποιες ερωτήσεις που τέθηκαν στον συγγραφέα Ρόναλντ Τ. Κνεύσελ.

Αυτό είναι το τρίτο σας βιβλίο για την Τεχνητή Νοημοσύνη, μετά τα «Πρακτική Βαθιά Μάθηση: Μια Εισαγωγή με βάση την Python» και «Μαθηματικά για Βαθιά Μάθηση: Τι Χρειάζεται να Ξέρετε για να Κατανοήσετε τα Νευρωνικά Δίκτυα». Ποια ήταν η αρχική σας πρόθεση όταν ξεκινήσατε να γράφετε αυτό το βιβλίο;

Διαφορετικό αναγνωστικό κοινό. Τα προηγούμενα βιβλία μου είναι σχεδιασμένα ως εισαγωγές για άτομα που ενδιαφέρονται να γίνουν επαγγελματίες της Τεχνητής Νοημοσύνης. Αυτό το βιβλίο είναι για τον γενικό αναγνώστη, άτομα που ακούν πολλά για την Τεχνητή Νοημοσύνη στα νέα αλλά δεν έχουν υπόβαθρο σε αυτό. Θέλω να δείξω στους αναγνώστες από πού προέρχεται η Τεχνητή Νοημοσύνη, ότι δεν είναι μαγεία και ότι ο καθένας μπορεί να κατανοήσει τι κάνει.

Ενώ πολλά βιβλία για την Τεχνητή Νοημοσύνη έχουν την τάση να γενικεύουν, έχετε πάρει την αντίθετη προσέγγιση, να είστε πολύ συγκεκριμένοι στη διδασκαλία της σημασίας των διαφορετικών ορολογιών και ακόμη και στην εξήγηση της σχέσης μεταξύ Τεχνητής Νοημοσύνης, μηχανικής μάθησης και βαθιάς μάθησης. Γιατί πιστεύετε ότι υπάρχει τόσο κοινωνική σύγχυση μεταξύ αυτών των όρων;

Για να κατανοήσουμε την ιστορία της Τεχνητής Νοημοσύνης και γιατί είναι παντού γύρω μας τώρα, πρέπει να κατανοήσουμε τη διάκριση μεταξύ των όρων, αλλά στην κοινή χρήση, είναι δίκαιο να χρησιμοποιούμε «Τεχνητή Νοημοσύνη» γνωρίζοντας ότι αναφέρεται κυρίως στα συστήματα Τεχνητής Νοημοσύνης που μεταμορφώνουν τον κόσμο με τόσο γρήγορο ρυθμό. Τα σύγχρονα συστήματα Τεχνητής Νοημοσύνης προέκυψαν από τη βαθιά μάθηση, η οποία προέκυψε από τη μηχανική μάθηση και τη συνδετιστική προσέγγιση της Τεχνητής Νοημοσύνης.

Το δεύτερο κεφάλαιο εμβαθύνει στην ιστορία της Τεχνητής Νοημοσύνης, από τον μύθο του Τάλω, ενός γιγάντιου ρομπότ που προοριζόταν να φυλάει μια πριγκίπισσα της Φοινίκης, μέχρι το έγγραφο του Άλαν Τούρινγκ της δεκαετίας του 1950, «Υπολογιστική Μηχανή και Νοημοσύνη», μέχρι την έλευση της επανάστασης της Βαθιάς Μάθησης το 2012. Γιατί είναι σημαντικό να κατανοήσουμε την ιστορία της Τεχνητής Νοημοσύνης και της μηχανικής μάθησης για να κατανοήσουμε πλήρως πόσο έχει εξελιχθεί η Τεχνητή Νοημοσύνη;

Η πρόθεσή μου είναι να δείξω ότι η Τεχνητή Νοημοσύνη δεν έπεσε απλώς από τον ουρανό. Έχει μια ιστορία, μια προέλευση και μια εξέλιξη. Ενώ οι αναδυόμενες ικανότητες των μεγάλων μοντέλων γλώσσας είναι μια έκπληξη, ο δρόμος που οδήγησε σε αυτά δεν είναι. Είναι ένας δρόμος που διαρκεί δεκαετίες σκέψης, έρευνας και πειραματισμού.

Έχετε αφιερώσει ολόκληρο κεφάλαιο για την κατανόηση των κλασικών συστημάτων Τεχνητής Νοημοσύνης, όπως οι μηχανές διανυσμάτων υποστήριξης, τα δέντρα αποφάσεων και τα τυχαία δάση. Γιατί πιστεύετε ότι είναι τόσο σημαντικό να κατανοήσουμε πλήρως αυτά τα κλασικά μοντέλα Τεχνητής Νοημοσύνης;

Η Τεχνητή Νοημοσύνη ως νευρωνικά δίκτυα είναι απλώς μια εναλλακτική προσέγγιση του ίδιου είδους μοντελοποίησης που βασίζεται στην βελτιστοποίηση, όπως βρίσκεται σε πολλά προηγούμενα μοντέλα μηχανικής μάθησης. Είναι μια διαφορετική οπτική για το τι σημαίνει να αναπτύξουμε ένα μοντέλο μιας διαδικασίας, μιας λειτουργίας που χαρτογραφεί εισόδους σε εξόδους. Γνωρίζοντας για προηγούμενους τύπους μοντέλων βοηθά να κατανοήσουμε από πού προέρχονται τα τρέχοντα μοντέλα.

Δηλώνετε ότι το μοντέλο LLM της ChatGPT της OpenAI είναι η αυγή της αληθινής Τεχνητής Νοημοσύνης. Τι, κατά τη γνώμη σας, ήταν η μεγαλύτερη αλλαγή του παιχνιδιού μεταξύ αυτού και προηγούμενων μεθόδων αντιμετώπισης της Τεχνητής Νοημοσύνης;

Πρόσφατα έβλεπα ένα βίντεο από τα τέλη της δεκαετίας του 1980 του Ρίτσαρντ Φέιμαν που προσπαθούσε να απαντήσει σε μια ερώτηση για έξυπνα μηχανήματα. Δήλωσε ότι δεν ήξερε ποιο πρόγραμμα θα μπορούσε να συμπεριφερθεί με έξυπνο τρόπο. Σε κάποιο βαθμό, μιλούσε για τη συμβολική Τεχνητή Νοημοσύνη, όπου το μυστήριο της νοημοσύνης είναι η εύρεση της μαγικής ακολουθίας λογικών λειτουργιών, κ.λπ., που επιτρέπουν έξυπνη συμπεριφορά. Εγώ επίσης σκεφτόμουν, όπως και πολλοί άλλοι, για το ίδιο πράγμα – πώς να προγραμματίζουμε την νοημοσύνη;

Η πεποίθησή μου είναι ότι πραγματικά δεν μπορείτε. Αντίθετα, η νοημοσύνη αναδύεται από αρκετά σύνθετα συστήματα που είναι ικανά να υλοποιήσουν αυτό που ονομάζουμε νοημοσύνη (δηλ. εμάς). Οι εγκέφαλοί μας είναι απίστευτα σύνθετα δίκτυα βασικών μονάδων. Αυτό είναι επίσης και ένα νευρωνικό δίκτυο. Πιστεύω ότι η αρχιτεκτονική του μετασχηματιστή, όπως έχει εφαρμοστεί στα LLM, έχει κάπως τυχαία ανακαλύψει μια παρόμοια διάταξη βασικών μονάδων που μπορούν να συνεργαστούν για να επιτρέψουν την έξυπνη συμπεριφορά να αναδυθεί.

Από τη μια πλευρά, είναι το απόλυτο «ευτυχές ατύχημα», όπως θα έλεγε ο Μπομπ Ρος. Από την άλλη, δεν θα έπρεπε να μας εκπλήσσει τόσο, όταν έχουν διαμορφωθεί η κατάλληλη διάταξη και οι επιτρεπόμενες αλληλεπιδράσεις μεταξύ βασικών μονάδων που μπορούν να επιτρέψουν την ανάδυση ευφυούς συμπεριφοράς. Φαίνεται σαφές τώρα ότι τα μοντέλα μετασχηματιστή είναι μια τέτοια διάταξη. Βέβαια, αυτό δημιουργεί το ερώτημα: ποιες άλλες τέτοιες διατάξεις μπορεί να υπάρχουν;

Το μήνυμά σας είναι ότι τα σύγχρονα συστήματα Τεχνητής Νοημοσύνης (LLM) είναι στην καρδιά τους απλώς ένα νευρωνικό δίκτυο που εκπαιδεύεται με οπισθοδιάδοση και κάθοδο κλίσης. Είστε προσωπικά έκπληκτος από την αποτελεσματικότητα των LLM;

Ναι και όχι. Είμαι συνεχώς εκπλησσόμενος από τις απαντήσεις και τις ικανότητές τους καθώς τις χρησιμοποιώ, αλλά αναφερόμενος στην προηγούμενη ερώτηση, η αναδυόμενη νοημοσύνη είναι πραγματική, επομένως γιατί δεν θα αναδυόταν σε ένα αρκετά μεγάλο μοντέλο με μια κατάλληλη αρχιτεκτονική; Πιστεύω ότι ερευνητές όπως ο Φρανκ Ρόζενμπλατ, αν όχι νωρίτερα, πιθανότατα σκέφτηκαν το ίδιο.

Η αποστολή της OpenAI είναι «να διασφαλίσουμε ότι η γενική Τεχνητή Νοημοσύνη — συστήματα Τεχνητής Νοημοσύνης που είναι γενικά πιο έξυπνα από τους ανθρώπους — θα ωφελήσει όλη την ανθρωπότητα». Πιστεύετε προσωπικά ότι η AGI είναι επιτεύξιμη;

Δεν ξέρω τι σημαίνει AGI, όχι περισσότερο από ό,τι ξέρω τι σημαίνει συνειδητότητα, επομένως είναι δύσκολο να απαντήσω. Όπως αναφέρω στο βιβλίο, μπορεί να έρθει μια στιγμή, πολύ σύντομα τώρα, όπου θα είναι άχρηστο να φροντίζουμε για τέτοιες διακρίσεις – αν περπατάει σαν πάπια και κράζει σαν πάπια, απλώς την ονομάζουμε πάπια και συνεχίζουμε.

Πέρα από τις σκωπτικές απαντήσεις, είναι εντελώς εντός του πλαισίου της πιθανότητας ότι ένα σύστημα Τεχνητής Νοημοσύνης μπορεί, κάποια μέρα, να ικανοποιήσει πολλές θεωρίες της συνειδητότητας. Θέλουμε πραγματικά συνειδητά (ό,τι σημαίνει αυτό) συστήματα Τεχνητής Νοημοσύνης; Ίσως όχι. Αν είναι συνειδητό, τότε είναι σαν εμάς και, επομένως, ένα άτομο με δικαιώματα – και δεν πιστεύω ότι ο κόσμος είναι έτοιμος για τεχνητά άτομα. Έχουμε ήδη αρκετά προβλήματα με το να σεβόμαστε τα δικαιώματα των συνανθρώπων μας, όχι για να μιλήσουμε για τα δικαιώματα οποιουδήποτε άλλου είδους οντότητας.

Υπήρχε κάτι που μάθατε κατά τη διάρκεια της γραφής του βιβλίου που σας έπιασε ξαφνικά;

Πέρα από το ίδιο επίπεδο έκπληξης που νιώθουν όλοι οι άλλοι για τις αναδυόμενες ικανότητες των LLM, όχι πραγματικά. Έμαθα για την Τεχνητή Νοημοσύνη ως φοιτητής τη δεκαετία του 1980. Ξεκίνησα να εργάζομαι με τη μηχανική μάθηση στις αρχές της δεκαετίας του 2000 και συμμετείχα με τη βαθιά μάθηση καθώς αναδύθηκε στις αρχές της δεκαετίας του 2010. Είδα τις εξελίξεις της τελευταίας δεκαετίας από πρώτο χέρι, μαζί με χιλιάδες άλλους, καθώς το πεδίο μεγάλωσε δραματικά από συνέδριο σε συνέδριο.

Ευχαριστώ για την εξαιρετική συνέντευξη, οι αναγνώστες μπορεί επίσης να θέλουν να δουν τη κριτική μου για αυτό το βιβλίο. Το βιβλίο είναι διαθέσιμο σε όλους τους μεγάλους λιανοπωλητές, συμπεριλαμβανομένης της Amazon.