Οι προεκτάσεις της Τεχνητής Νοημοσύνης στην οικονομία, την παραγωγή, την απασχόληση και την κοινωνία | του Γιάννη Μαστρογεωργίου*
4η Βιομηχανική Επανάσταση και Τεχνητή Νοημοσύνη
Η 4η Βιομηχανική Επανάσταση έχει τρία βασικά χαρακτηριστικά που τη διαφοροποιούν από την προηγούμενη.
Τεράστια ποσότητα δεδομένων – data, που παράγουμε εμείς οι άνθρωποι και που αποτελούν την πρώτη «ύλη» της εξέλιξης της τεχνολογίας αιχμής.
Τεράστια υπολογιστική δύναμη των σύγχρονων υπολογιστών. Για πρώτη φορά έχουμε στη διάθεση μας υπολογιστική δύναμη που μπορεί να πραγματοποιήσει σχεδόν κάθε εντολή του ανθρώπου.
Τεχνητή Νοημοσύνη, ή με άλλα λόγια ο συνδυασμός των δύο πρώτων χαρακτηριστικών με έξυπνο τρόπο από τις μηχανές. Η Τεχνητή Νοημοσύνη είναι αναμφισβήτητα η λυδία λίθος της 4ης Βιομηχανικής Επανάστασης
Τι είναι η Τεχνητή Νοημοσύνη;
Δεν υπάρχει μοναδικός και ακριβής ορισμός της τεχνητής νοημοσύνης. Πρόκειται για μια έννοια που περιλαμβάνει μεγάλο αριθμό (υπο-)τομέων όπως η γνωσιακή υπολογιστική (cognitive computing, δηλ. αλγόριθμοι που σκέπτονται και μαθαίνουν σε ανώτερο επίπεδο, ήτοι πιο ανθρώπινο), η μηχανική μάθηση (machine learning, δηλ. αλγόριθμοι που μαθαίνουν αυτόνομα να εκτελούν εργασίες), η επαυξημένη νοημοσύνη (augmented intelligence, δηλ. η συνεργασία ανθρώπου και μηχανής) και η έξυπνη ρομποτική (τεχνητή νοημοσύνη ενσωματωμένη σε ρομπότ).
Κύριος στόχος της έρευνας και της ανάπτυξης σε θέματα τεχνητής νοημοσύνης είναι, ωστόσο, η αυτοματοποίηση των ευφυών συμπεριφορών, μεταξύ άλλων της ικανότητας κριτικής σκέψης, της συλλογής πληροφοριών, του σχεδιασμού, της μάθησης, της επικοινωνίας, του χειρισμού, της αναφοράς, ακόμη και της δημιουργίας, του ονείρου και της αντίληψης.
Η Τεχνητή Νοημοσύνη σήμερα διακρίνεται σε δύο βασικούς τύπους:
της στενής τεχνητής νοημοσύνης (narrow AI) και της γενικής τεχνητής νοημοσύνης (general AI). Η στενή τεχνητή νοημοσύνη μπορεί να εκτελέσει συγκεκριμένες εργασίες. Η γενική τεχνητή νοημοσύνη είναι σε θέση να εκτελέσει όλες τις διανοητικές εργασίες που μπορεί να εκτελέσει ένας άνθρωπος.
Τον τελευταίο καιρό, έχει σημειωθεί σημαντική πρόοδος στον τομέα της στενής τεχνητής νοημοσύνης, κυρίως χάρη στην αύξηση της υπολογιστικής ισχύος των ηλεκτρονικών υπολογιστών, στη διάθεση μεγάλου όγκου δεδομένων και στην ανάπτυξη της μηχανικής μάθησης.
Όσον αφορά τη μηχανική μάθηση, οι αλγόριθμοι μπορούν να μάθουν να εκτελούν συγκεκριμένα καθήκοντα με αυτόνομο τρόπο, χωρίς ειδικό προγραμματισμό. Η μέθοδος αυτή στηρίζεται στην επεξεργασία δεδομένων μάθησης βάσει των οποίων ο αλγόριθμος μαθαίνει να αναγνωρίζει μοντέλα και να καθορίζει κανόνες.
* Η Ανάλυση του Διευθυντή του ΔΙΚΤΥΟΥ Γιάννη Μαστρογεωργίου για τις κοινωνικές και οικονομικές προεκτάσεις της Τεχνητής Νοημοσύνης.