Κατά τον δρα Perricos, ένας από τους τομείς που αναδύονται ως μεγάλο «πεδίο παιχνιδιού» είναι αυτός της παραγωγής περιεχομένου
«Με τον ίδιο τρόπο που μάλλον δεν θα αφήνατε το δεκαεξάχρονο παιδί σας ελεύθερο να κάνει ό,τι θέλει στην οικονομία, θεωρώ ότι δεν θα αφήναμε τους αλγόριθμους Τεχνητής Νοημοσύνης (ΤΝ) ελεύθερους, χωρίς έναν άνθρωπο στον "βρόχο".
Πιστεύω ότι αυτή είναι η "εποχή του μαζί", δηλαδή των ανθρώπων που εργάζονται μαζί με τις μηχανές.
Χρειαζόμαστε πάντα έναν άνθρωπο να επιβλέπει τους αλγόριθμους, να κατανοεί τι κάνουν και να διασφαλίζει πως ό,τι λένε είναι σωστό»: με τη φράση αυτή, ο δρ Κωστής Περρίκος (Costi Perricos), Global AI and data leader της Deloitte, περιέγραψε κατά το 8ο Οικονομικό Φόρουμ των Δελφών τους λόγους για τους οποίους πιστεύει στο «μαζί» ανθρώπου-μηχανής στη νέα αυτή εποχή, κατά την οποία τα δεδομένα δεν παράγονται πλέον μόνο από την ανθρωπότητα, αλλά και από τους ίδιους τους αλγόριθμους.
Ως προς τις δεξιότητες που θα πρέπει να έχουν όσοι απασχολούνται στον κλάδο της Τεχνητής Νοημοσύνης, των δεδομένων και των analytics, ο κ.Περρίκος τόνισε:
«Για να απασχοληθείς σε αυτόν τον κλάδο, χρειάζεσαι εννοείται τεχνικές δεξιότητες. Παράλληλα όμως, είναι πολύ σημαντικές δεξιότητες όπως η διαχείριση της αλλαγής, η ικανότητα να "μεταφράζεις" τεχνικά στοιχεία και γεγονότα με τρόπο που οι άνθρωποι τα κατανοούν και η ηγεσία, που δείχνει τον δρόμο προς τον νέο ορίζοντα.
Πρέπει επίσης να σκεφτούμε ξανά πώς εκπαιδεύονται οι άνθρωποι και πώς μαθαίνουν (...)
Πάνω από όλα όμως, οι άνθρωποι χρειάζεται να αλλάξουμε τους εαυτούς μας.
Δεν υπάρχει χρησιμότητα στη δημιουργία ενός αλγόριθμου, αν δεν μπορείς να σκεφτείς το επιχειρηματικό μοντέλο γύρω από αυτόν ή τις ανθρώπινες δεξιότητες που θα απαιτηθούν».
Μιλάω με άνθρωπο ή με μηχανή; Η πίεση στις υπηρεσίες τηλεφωνικών κέντρων
Επισήμανε ακόμα την ανάγκη οι κυβερνήσεις ανά τον κόσμο να προσπαθήσουν να κατανοήσουν πληρέστερα κάποιες από τις στρατηγικές επιπτώσεις της Τεχνητής Νοημοσύνης, όπως ο πιθανός αντίκτυπός της στην αγορά εργασίας. Για παράδειγμα, είπε, μια από τις βιομηχανίες που θα επηρεαστεί από τη συνεχή ανάπτυξη της ΤΝ είναι αυτή των τηλεφωνικών κέντρων:
«Νομίζω πως μέσα στα επόμενα 4-5 χρόνια, όταν καλείς σε ένα τηλεφωνικό κέντρο, δεν θα μπορείς να πεις με βεβαιότητα αν το άτομο στην άλλη άκρη της γραμμής είναι άνθρωπος ή όχι.
Υπάρχουν περιοχές στον κόσμο, κάποιες από αυτές στον βορρά της Αγγλίας, όπου η πλειονότητα του πληθυσμού εργάζεται σε τηλεφωνικά κέντρα.
Τι κάνεις λοιπόν ως κυβέρνηση, αν σε λίγα χρόνια από σήμερα 170.000 άνθρωποι χάσουν τις δουλειές τους, όπως λένε κάποιες εκτιμήσεις για ορισμένες περιοχές της Αγγλίας;
Οι κυβερνήσεις χρειάζεται να επικεντρωθούν σε τέτοιου είδους πράγματα.
Επίσης, νομίζω πως χρειάζεται να συνεργαστούν στενά με τη βιομηχανία, ώστε να κατανοήσουν τις εξελίξεις, αλλά και το πώς τρέχοντες κανονισμοί, όπως το GDPR μπορεί να είναι χρήσιμα εργαλεία για κάποια από τα ζητήματα που ανακύπτουν» είπε.
Οι τρεις τομείς που αναμένεται να λειτουργήσουν ως «μεγάλο πεδίο του παιχνιδιού»
Κατά τον δρα Perricos, ένας από τους τομείς που αναδύονται ως μεγάλο «πεδίο παιχνιδιού» είναι αυτός της παραγωγής περιεχομένου, είτε μιλάμε για δημοσιογράφους που χρησιμοποιούν την ΤΝ για να μπορούν να συνοψίζουν και να αξιοποιούν μεγάλους όγκους δεδομένων είτε πρόκειται για τις τέχνες είτε για τη σύνδεση με πελάτες επιχειρήσεων με πολύ πιο προσωπικό τρόπο είτε για τη δημιουργία νέων κόσμων (π.χ., στο metaverse).
«Ο δεύτερος τομέας που πιστεύω ότι θα είναι τεράστιος για τις επιχειρήσεις είναι αυτός της δημιουργίας κώδικα.
Αυτοί οι αλγόριθμοι είναι πραγματικά πολύ καλοί στην κατανόηση του κώδικα, σε σημείο που πιστεύω ότι σε 4-5 χρόνια θα κοιτάζουμε σύγχρονες γλώσσες προγραμματισμού όπως η "Python", με τον τρόπο που κάποτε κοιτούσα την "Assembly" και τον κώδικα μηχανής πριν δεκαετίες (...)
Και ο τρίτος τομέας, που νομίζω ότι μπορεί να είναι ο πιο συναρπαστικός, είναι ότι αυτές οι τεχνολογίες μπορούν να χρησιμοποιηθούν για να επιτευχθεί πρόοδος σε πεδία όπως η πυρηνική σύντηξη, η αντιμετώπιση της κλιματικής αλλαγής και η ανακάλυψη νέων φαρμάκων» σημείωσε.
Υπάρχουν «σπίθες» γενικής τεχνητής νοημοσύνης στο GPT-4;
Ως προς το αν υπάρχουν στο νέο μεγάλο γλωσσικό μοντέλο GPT-4 «σπίθες» Γενικής Τεχνητής Νοημοσύνης (σημαντικά πιο εξελιγμένη μορφή ΤΝ, η οποία αν και όταν επιτευχθεί θα μπορεί μεταξύ άλλων να διεκπεραιώσει πολύπλοκες εργασίες και διαδικασίες χωρίς προηγούμενο προγραμματισμό από άνθρωπο, αλλά και να ξαναγράψει μόνη της τον κώδικά της ώστε να αυτοβελτιώνεται διαρκώς), ο δρ Perricos απάντησε:
«Οταν ο αλγόριθμος Deep Blue νίκησε τον Κασπάροφ στο σκάκι, οι άνθρωποι είπαμε "αυτό ήταν, οι μηχανές θα πάρουν τον έλεγχο".
Όταν 15-20 χρόνια αργότερα ο Watson της IBM νίκησε στο Jeopardy, ξαναείπαμε: "αυτό ήταν, τώρα (οι αλγόριθμοι) είναι σαν άνθρωποι.
Νομίζω πως αυτό (που συμβαίνει με τα μεγάλα γλωσσικά μοντέλα τύπου GPT) είναι μια ακόμα εξέλιξη και δεν είναι ενδεικτικό ότι είμαστε πολύ κοντά στη Γενική Τεχνητή Νοημοσύνη.
Αυτό που κάνουν οι συγκεκριμένοι αλγόριθμοι είναι ότι προβλέπουν την επόμενη λέξη και το κάνουν με τρόπο που μοιάζουν ανθρώπινοι, αλλά δεν είναι.
Θα σύγκρινα (τα μεγάλα γλωσσικά μοντέλα) με τα έφηβα παιδιά μου, που νιώθουν 100% σίγουρα για αυτό που λένε, αλλά είναι σωστά μόνο στο 70% των περιπτώσεων».
Πόσο πιθανό πιθανό είναι να συνεργαστούν οι κυβερνήσεις ανά τον κόσμο πάνω σε κοινές βασικές αρχές για τη ΓΤΝ;
Ερωτηθείς αν θεωρεί ότι οι κυβερνήσεις ανά τον κόσμο, πχ, εκείνες των ΗΠΑ, της Κίνας και της Ρωσίας, είναι ποτέ πιθανό να συνεργαστούν, ώστε να καταλήξουν ήδη από τώρα σε κάποιες βασικές αρχές για τη Γενική Τεχνητή Νοημοσύνη (ΓΝΤ), ο δρ Perricos χρησιμοποίησε την αναλογία της ανθρώπινης κλωνοποίησης.
«Οι κυβερνήσεις μιλούν για ρυθμίσεις σχετικά με την ανθρώπινη κλωνοποίηση πολύ προτού κάποιος επιχειρήσει να κλωνοποιήσει ανθρώπους.
Όλες οι κυβερνήσεις είναι πολύ αυστηρές ως προς την ανθρώπινη κλωνοποίηση (...)
Νομίζω πως οι κυβερνήσεις έχουν το καθήκον να κοιτάζουν μπροστά και ότι χρειάζεται να σκέφτονται το ενδεχόμενο της ΓΤΝ και να θεσπίσουν από τώρα νομοθεσία σε σχέση με το τι πρέπει να γίνεται αποδεκτό και τι όχι» είπε.
Ως προς το ποιες είναι πιθανώς οι τρεις κυρίαρχες τάσεις στο πεδίο των δεδομένων στον δημόσιο τομέα, ο δρ Perricos εκτίμησε ότι η πρώτη αφορά την αλλαγή των προσδοκιών των ίδιων των πολιτών. Όπως είπε, με αφορμή την πανδημική κρίση, οι πολίτες είδαν πώς οι κυβερνήσεις άρχισαν υπό την πίεση της επείγουσας ανάγκης να χρησιμοποιούν πολύ γρήγορα τα δεδομένα ή πώς δημιουργήθηκαν άμεσα apps για τον εμβολιασμό και πλέον έχουν άλλες απαιτήσεις από τον δημόσιο τομέα, πολύ μεγαλύτερες σε σχέση με το παρελθόν.
Η δεύτερη τάση έχει να κάνει με τον «καθαρισμό» των δεδομένων του δημόσιου τομέα:
«Από πολύ νωρίς κατά την ανάπτυξη της ΤΝ είδαμε ότι κάποιες επιχειρήσεις μπορεί να είχαν μια μικρή, λαμπρή "proof of concept" για κάτι, αλλά όταν πήγαιναν να την εφαρμόσουν στο σύνολο του οργανισμού τους, δεν λειτουργούσε.
Αυτό συνέβαινε γιατί είχαν χρησιμοποιηθεί τέλεια δεδομένα, που είχαν χρησιμοποιηθεί αποκλειστικά για έναν σκοπό.
Όταν λοιπόν έχεις καλά δεδομένα, έχεις τεχνητή νοημοσύνη.
Όταν έχεις κακά δεδομένα, έχεις τεχνητή ανικανότητα.
Aυτό δεν ήταν ποτέ πιο αληθινό από ό, τι είναι σήμερα, με τα μεγάλα γλωσσικά μοντέλα.
Αυτή τη στιγμή γίνονται λοιπόν τεράστιες προσπάθειες για τον καθαρισμό των κυβερνητικών δεδομένων και για τον ίδιο σκοπό υπάρχει μεγαλύτερη συνεργασία ανάμεσα στα διάφορα τμήματα του δημόσιου τομέα.
Η τρίτη τάση που επηρεάζει τον δημόσιο τομέα είναι η επιτακτική ανάγκη για αλλαγή.
Η Ευρώπη και ο κόσμος βρέθηκαν σε υφεσιακούς ανέμους, οι άνθρωποι θέλουν τώρα μικρότερες κυβερνήσεις, υπάρχουν λιγότεροι φόροι και χρηματοδοτήσεις και βλέπουμε μια πραγματική όρεξη για (ψηφιακό) μετασχηματισμό των υπηρεσιών, αλληλεπίδραση με το κοινό, εντοπισμό της απάτης και για βοήθεια για να επιστρέψουν οι άνθρωποι στην εργασία τους».
www.bankingnews.gr
Πιστεύω ότι αυτή είναι η "εποχή του μαζί", δηλαδή των ανθρώπων που εργάζονται μαζί με τις μηχανές.
Χρειαζόμαστε πάντα έναν άνθρωπο να επιβλέπει τους αλγόριθμους, να κατανοεί τι κάνουν και να διασφαλίζει πως ό,τι λένε είναι σωστό»: με τη φράση αυτή, ο δρ Κωστής Περρίκος (Costi Perricos), Global AI and data leader της Deloitte, περιέγραψε κατά το 8ο Οικονομικό Φόρουμ των Δελφών τους λόγους για τους οποίους πιστεύει στο «μαζί» ανθρώπου-μηχανής στη νέα αυτή εποχή, κατά την οποία τα δεδομένα δεν παράγονται πλέον μόνο από την ανθρωπότητα, αλλά και από τους ίδιους τους αλγόριθμους.
Ως προς τις δεξιότητες που θα πρέπει να έχουν όσοι απασχολούνται στον κλάδο της Τεχνητής Νοημοσύνης, των δεδομένων και των analytics, ο κ.Περρίκος τόνισε:
«Για να απασχοληθείς σε αυτόν τον κλάδο, χρειάζεσαι εννοείται τεχνικές δεξιότητες. Παράλληλα όμως, είναι πολύ σημαντικές δεξιότητες όπως η διαχείριση της αλλαγής, η ικανότητα να "μεταφράζεις" τεχνικά στοιχεία και γεγονότα με τρόπο που οι άνθρωποι τα κατανοούν και η ηγεσία, που δείχνει τον δρόμο προς τον νέο ορίζοντα.
Πρέπει επίσης να σκεφτούμε ξανά πώς εκπαιδεύονται οι άνθρωποι και πώς μαθαίνουν (...)
Πάνω από όλα όμως, οι άνθρωποι χρειάζεται να αλλάξουμε τους εαυτούς μας.
Δεν υπάρχει χρησιμότητα στη δημιουργία ενός αλγόριθμου, αν δεν μπορείς να σκεφτείς το επιχειρηματικό μοντέλο γύρω από αυτόν ή τις ανθρώπινες δεξιότητες που θα απαιτηθούν».
Μιλάω με άνθρωπο ή με μηχανή; Η πίεση στις υπηρεσίες τηλεφωνικών κέντρων
Επισήμανε ακόμα την ανάγκη οι κυβερνήσεις ανά τον κόσμο να προσπαθήσουν να κατανοήσουν πληρέστερα κάποιες από τις στρατηγικές επιπτώσεις της Τεχνητής Νοημοσύνης, όπως ο πιθανός αντίκτυπός της στην αγορά εργασίας. Για παράδειγμα, είπε, μια από τις βιομηχανίες που θα επηρεαστεί από τη συνεχή ανάπτυξη της ΤΝ είναι αυτή των τηλεφωνικών κέντρων:
«Νομίζω πως μέσα στα επόμενα 4-5 χρόνια, όταν καλείς σε ένα τηλεφωνικό κέντρο, δεν θα μπορείς να πεις με βεβαιότητα αν το άτομο στην άλλη άκρη της γραμμής είναι άνθρωπος ή όχι.
Υπάρχουν περιοχές στον κόσμο, κάποιες από αυτές στον βορρά της Αγγλίας, όπου η πλειονότητα του πληθυσμού εργάζεται σε τηλεφωνικά κέντρα.
Τι κάνεις λοιπόν ως κυβέρνηση, αν σε λίγα χρόνια από σήμερα 170.000 άνθρωποι χάσουν τις δουλειές τους, όπως λένε κάποιες εκτιμήσεις για ορισμένες περιοχές της Αγγλίας;
Οι κυβερνήσεις χρειάζεται να επικεντρωθούν σε τέτοιου είδους πράγματα.
Επίσης, νομίζω πως χρειάζεται να συνεργαστούν στενά με τη βιομηχανία, ώστε να κατανοήσουν τις εξελίξεις, αλλά και το πώς τρέχοντες κανονισμοί, όπως το GDPR μπορεί να είναι χρήσιμα εργαλεία για κάποια από τα ζητήματα που ανακύπτουν» είπε.
Οι τρεις τομείς που αναμένεται να λειτουργήσουν ως «μεγάλο πεδίο του παιχνιδιού»
Κατά τον δρα Perricos, ένας από τους τομείς που αναδύονται ως μεγάλο «πεδίο παιχνιδιού» είναι αυτός της παραγωγής περιεχομένου, είτε μιλάμε για δημοσιογράφους που χρησιμοποιούν την ΤΝ για να μπορούν να συνοψίζουν και να αξιοποιούν μεγάλους όγκους δεδομένων είτε πρόκειται για τις τέχνες είτε για τη σύνδεση με πελάτες επιχειρήσεων με πολύ πιο προσωπικό τρόπο είτε για τη δημιουργία νέων κόσμων (π.χ., στο metaverse).
«Ο δεύτερος τομέας που πιστεύω ότι θα είναι τεράστιος για τις επιχειρήσεις είναι αυτός της δημιουργίας κώδικα.
Αυτοί οι αλγόριθμοι είναι πραγματικά πολύ καλοί στην κατανόηση του κώδικα, σε σημείο που πιστεύω ότι σε 4-5 χρόνια θα κοιτάζουμε σύγχρονες γλώσσες προγραμματισμού όπως η "Python", με τον τρόπο που κάποτε κοιτούσα την "Assembly" και τον κώδικα μηχανής πριν δεκαετίες (...)
Και ο τρίτος τομέας, που νομίζω ότι μπορεί να είναι ο πιο συναρπαστικός, είναι ότι αυτές οι τεχνολογίες μπορούν να χρησιμοποιηθούν για να επιτευχθεί πρόοδος σε πεδία όπως η πυρηνική σύντηξη, η αντιμετώπιση της κλιματικής αλλαγής και η ανακάλυψη νέων φαρμάκων» σημείωσε.
Υπάρχουν «σπίθες» γενικής τεχνητής νοημοσύνης στο GPT-4;
Ως προς το αν υπάρχουν στο νέο μεγάλο γλωσσικό μοντέλο GPT-4 «σπίθες» Γενικής Τεχνητής Νοημοσύνης (σημαντικά πιο εξελιγμένη μορφή ΤΝ, η οποία αν και όταν επιτευχθεί θα μπορεί μεταξύ άλλων να διεκπεραιώσει πολύπλοκες εργασίες και διαδικασίες χωρίς προηγούμενο προγραμματισμό από άνθρωπο, αλλά και να ξαναγράψει μόνη της τον κώδικά της ώστε να αυτοβελτιώνεται διαρκώς), ο δρ Perricos απάντησε:
«Οταν ο αλγόριθμος Deep Blue νίκησε τον Κασπάροφ στο σκάκι, οι άνθρωποι είπαμε "αυτό ήταν, οι μηχανές θα πάρουν τον έλεγχο".
Όταν 15-20 χρόνια αργότερα ο Watson της IBM νίκησε στο Jeopardy, ξαναείπαμε: "αυτό ήταν, τώρα (οι αλγόριθμοι) είναι σαν άνθρωποι.
Νομίζω πως αυτό (που συμβαίνει με τα μεγάλα γλωσσικά μοντέλα τύπου GPT) είναι μια ακόμα εξέλιξη και δεν είναι ενδεικτικό ότι είμαστε πολύ κοντά στη Γενική Τεχνητή Νοημοσύνη.
Αυτό που κάνουν οι συγκεκριμένοι αλγόριθμοι είναι ότι προβλέπουν την επόμενη λέξη και το κάνουν με τρόπο που μοιάζουν ανθρώπινοι, αλλά δεν είναι.
Θα σύγκρινα (τα μεγάλα γλωσσικά μοντέλα) με τα έφηβα παιδιά μου, που νιώθουν 100% σίγουρα για αυτό που λένε, αλλά είναι σωστά μόνο στο 70% των περιπτώσεων».
Πόσο πιθανό πιθανό είναι να συνεργαστούν οι κυβερνήσεις ανά τον κόσμο πάνω σε κοινές βασικές αρχές για τη ΓΤΝ;
Ερωτηθείς αν θεωρεί ότι οι κυβερνήσεις ανά τον κόσμο, πχ, εκείνες των ΗΠΑ, της Κίνας και της Ρωσίας, είναι ποτέ πιθανό να συνεργαστούν, ώστε να καταλήξουν ήδη από τώρα σε κάποιες βασικές αρχές για τη Γενική Τεχνητή Νοημοσύνη (ΓΝΤ), ο δρ Perricos χρησιμοποίησε την αναλογία της ανθρώπινης κλωνοποίησης.
«Οι κυβερνήσεις μιλούν για ρυθμίσεις σχετικά με την ανθρώπινη κλωνοποίηση πολύ προτού κάποιος επιχειρήσει να κλωνοποιήσει ανθρώπους.
Όλες οι κυβερνήσεις είναι πολύ αυστηρές ως προς την ανθρώπινη κλωνοποίηση (...)
Νομίζω πως οι κυβερνήσεις έχουν το καθήκον να κοιτάζουν μπροστά και ότι χρειάζεται να σκέφτονται το ενδεχόμενο της ΓΤΝ και να θεσπίσουν από τώρα νομοθεσία σε σχέση με το τι πρέπει να γίνεται αποδεκτό και τι όχι» είπε.
Ως προς το ποιες είναι πιθανώς οι τρεις κυρίαρχες τάσεις στο πεδίο των δεδομένων στον δημόσιο τομέα, ο δρ Perricos εκτίμησε ότι η πρώτη αφορά την αλλαγή των προσδοκιών των ίδιων των πολιτών. Όπως είπε, με αφορμή την πανδημική κρίση, οι πολίτες είδαν πώς οι κυβερνήσεις άρχισαν υπό την πίεση της επείγουσας ανάγκης να χρησιμοποιούν πολύ γρήγορα τα δεδομένα ή πώς δημιουργήθηκαν άμεσα apps για τον εμβολιασμό και πλέον έχουν άλλες απαιτήσεις από τον δημόσιο τομέα, πολύ μεγαλύτερες σε σχέση με το παρελθόν.
Η δεύτερη τάση έχει να κάνει με τον «καθαρισμό» των δεδομένων του δημόσιου τομέα:
«Από πολύ νωρίς κατά την ανάπτυξη της ΤΝ είδαμε ότι κάποιες επιχειρήσεις μπορεί να είχαν μια μικρή, λαμπρή "proof of concept" για κάτι, αλλά όταν πήγαιναν να την εφαρμόσουν στο σύνολο του οργανισμού τους, δεν λειτουργούσε.
Αυτό συνέβαινε γιατί είχαν χρησιμοποιηθεί τέλεια δεδομένα, που είχαν χρησιμοποιηθεί αποκλειστικά για έναν σκοπό.
Όταν λοιπόν έχεις καλά δεδομένα, έχεις τεχνητή νοημοσύνη.
Όταν έχεις κακά δεδομένα, έχεις τεχνητή ανικανότητα.
Aυτό δεν ήταν ποτέ πιο αληθινό από ό, τι είναι σήμερα, με τα μεγάλα γλωσσικά μοντέλα.
Αυτή τη στιγμή γίνονται λοιπόν τεράστιες προσπάθειες για τον καθαρισμό των κυβερνητικών δεδομένων και για τον ίδιο σκοπό υπάρχει μεγαλύτερη συνεργασία ανάμεσα στα διάφορα τμήματα του δημόσιου τομέα.
Η τρίτη τάση που επηρεάζει τον δημόσιο τομέα είναι η επιτακτική ανάγκη για αλλαγή.
Η Ευρώπη και ο κόσμος βρέθηκαν σε υφεσιακούς ανέμους, οι άνθρωποι θέλουν τώρα μικρότερες κυβερνήσεις, υπάρχουν λιγότεροι φόροι και χρηματοδοτήσεις και βλέπουμε μια πραγματική όρεξη για (ψηφιακό) μετασχηματισμό των υπηρεσιών, αλληλεπίδραση με το κοινό, εντοπισμό της απάτης και για βοήθεια για να επιστρέψουν οι άνθρωποι στην εργασία τους».
www.bankingnews.gr
Σχόλια αναγνωστών