Πώς δουλεύει πραγματικά η Τεχνητή Νοημοσύνη (AI)

Η Τεχνητή Νοημοσύνη δεν «σκέφτεται» όπως ο άνθρωπος. Δεν έχει συνείδηση, ούτε καταλαβαίνει την αλήθεια με ανθρώπινο τρόπο. Αυτό που κάνει είναι να αναγνωρίζει μοτίβα μέσα σε τεράστιες ποσότητες δεδομένων και να προβλέπει τι είναι πιο πιθανό να ακολουθήσει.

Τι είναι στην ουσία η ΤΝ

Η βάση της σύγχρονης ΤΝ είναι το Machine Learning και πιο συγκεκριμένα το Deep Learning.

Με απλά λόγια:

• Τροφοδοτείς έναν υπολογιστή με δεδομένα (κείμενα, εικόνες, ήχους)
• Εκείνος «μαθαίνει» τα μοτίβα μέσα σε αυτά
• Μετά μπορεί να κάνει προβλέψεις

Πώς «μαθαίνει» η ΤΝ

Η εκπαίδευση γίνεται σε 3 βασικά στάδια:

1. Εκπαίδευση με δεδομένα
Η ΤΝ διαβάζει τεράστιο όγκο πληροφοριών. Δεν θυμάται τα πάντα λέξη προς λέξη, αλλά καταγράφει σχέσεις μεταξύ λέξεων και εννοιών.

2. Προσαρμογή του μοντέλου (training)
Με τη βοήθεια μαθηματικών μοντέλων, το σύστημα συγκρίνει τα αποτελέσματά του με το επιθυμητό αποτέλεσμα και προσαρμόζει σταδιακά τα εσωτερικά του «βάρη». Στα νευρωνικά δίκτυα αυτό γίνεται με ειδικές μεθόδους εκπαίδευσης, ώστε το μοντέλο να μειώνει τα λάθη του και να δίνει πιο σωστές απαντήσεις.

3. Πρόβλεψη (inference)
Δεν σκέφτεται όπως ο άνθρωπος. Υπολογίζει την πιθανότερη απάντηση με βάση τα μοτίβα που έχει μάθει.

Πώς αποφασίζει τι είναι «σωστό»

Η ΤΝ δεν έχει έννοια αλήθειας όπως εμείς.

Αντί για αυτό:

• Υπολογίζει πιθανότητες
• Επιλέγει την πιο «πιθανή» απάντηση
• Βασίζεται σε μοτίβα που έχει δει στο παρελθόν

Παράδειγμα:

Αν έχει δει χιλιάδες φορές ότι «Ο ουρανός είναι μπλε», θα το θεωρήσει σωστό. Αν όμως τα δεδομένα είναι λάθος, μπορεί να μάθει και λάθος πράγματα.

Τι απορρίπτει η ΤΝ

Η ΤΝ δεν απορρίπτει συνειδητά πληροφορίες. Υπάρχουν όμως φίλτρα:

• Κατά την εκπαίδευση: αφαιρούνται επικίνδυνα ή άχρηστα δεδομένα
• Κατά τη λειτουργία: αποφεύγει απαντήσεις που είναι επικίνδυνες, παραβιάζουν κανόνες και δεν έχουν επαρκή βάση.

Αυτό γίνεται μέσω κανόνων και επιπλέον εκπαίδευσης από ανθρώπους.

Γιατί κάνει λάθη (hallucinations)

Ένα βασικό χαρακτηριστικό της ΤΝ είναι ότι μερικές φορές «εφευρίσκει» απαντήσεις. Αυτό συμβαίνει γιατί:

• Προσπαθεί πάντα να απαντήσει
• Δεν έχει πραγματική γνώση, μόνο πιθανότητες
• Αν λείπουν δεδομένα, συμπληρώνει «λογικά»

Αυτό το φαινόμενο λέγεται AI hallucination.

Πώς ξεχωρίζει το σημαντικό από το ασήμαντο

Η ΤΝ χρησιμοποιεί βάρη (weights) μέσα στα μοντέλα της. Δίνει μεγαλύτερη σημασία σε μοτίβα που εμφανίζονται συχνά, και αγνοεί ό,τι εμφανίζεται σπάνια ή δεν «ταιριάζει». Είναι σαν να λέμε: «Αυτό το έχω δει πολλές φορές, άρα μάλλον είναι σημαντικό».

Τι ΔΕΝ κάνει η ΤΝ

Για να έχεις σωστή εικόνα:

• Δεν έχει γνώμη
• Δεν έχει εμπειρίες
• Δεν καταλαβαίνει συναισθήματα πραγματικά
• Δεν ξέρει αν κάτι είναι 100% αλήθεια

Απλά προβλέπει.

Συμπέρασμα

Η ΤΝ είναι ένα εξαιρετικά ισχυρό εργαλείο πρόβλεψης. Μαθαίνει από δεδομένα, βρίσκει μοτίβα και παράγει απαντήσεις που «μοιάζουν» σωστές.

Δεν είναι όμως αλάνθαστη

Η ποιότητα της εξαρτάται άμεσα από τα δεδομένα που έχει δει και από το πώς έχει εκπαιδευτεί.

Συντάκτης του άρθρου: Κυριάκος Οικονομίδης

Αν θέλεις να υποστηρίξεις την προσπάθεια μας και να βλέπεις καθημερινά νέα άρθρα με δωρεάν υλικό, μπορείς να το κάνεις με μια δωρεά στο Paypal