Υπάρχει τρόπος να προβλέψουμε την ποιότητα του κρασιού από τη φετινή συγκομιδή; Μπορούμε να γνωρίζουμε τι θα αποφασίσει ένα δικαστήριο μήνες πριν από την τελική του απόφαση; Μπορούμε να βοηθήσουμε στην πρόληψη καρδιαγγειακών παθήσεων στο μέλλον; Ή, ακόμη, μπορούμε να προβλέψουμε τον καιρό χρησιμοποιώντας ιστορικά μετεωρολογικά δεδομένα; Η τεχνητή νοημοσύνη είναι εδώ για να δώσει μια θετική απάντηση σε όλες αυτές τις διαφορετικές ερωτήσεις.
Πώς μπορεί να εφαρμοστεί η τεχνητή νοημοσύνη και ποιες αλλαγές μπορεί να φέρει στην καθημερινότητά μας και σε κάθε τομέα των επιστημών πρόκειται να συζητήσει ο Δημήτρης Μπερτσιμάς, καθηγητής στο Τεχνολογικό Ινστιτούτο της Μασαχουσέτης (MIT) σε εκδήλωση που διοργάνωσε το Ελληνικό Ινστιτούτο. Ανωτέρων Σπουδών (HIAS). Πραγματοποιώντας στην Αθήνα στις 3-7 Ιουλίου, στόχος είναι να χτιστούν γέφυρες μεταξύ επιστημόνων και καινοτόμων στη διασπορά και στην Ελλάδα. Ο Μπερτσιμάς, όμως, μας έδωσε μια μικρή γεύση του τι να περιμένουμε.
Η ποιότητα ενός κρασιού, για παράδειγμα, είναι κάτι αρκετά ξεχωριστό και εξαρτάται από μια συρροή παραγόντων: γεύση, άρωμα, χρώμα κ.λπ. Ταυτόχρονα, εξαρτάται επίσης από τις ιδιαίτερες φυσικές και κλιματικές συνθήκες της τοποθεσίας όπου βρίσκονται τα σταφύλια. μεγάλωσε. «Αναπτύξαμε ένα σύστημα μηχανικής μάθησης που διευκολύνει την επιλογή κρασιού. Συνδυάσαμε τις τιμές του κρασιού από πολλές διαφορετικές χρονιές με το σκεπτικό ότι η ποιότητα καθορίζει το κόστος σε σημαντικό βαθμό. Υπολογίσαμε επίσης μια σειρά από άλλους φυσικούς παράγοντες, όπως η θερμοκρασία, οι βροχοπτώσεις και άλλοι δείκτες που έχουν επίδραση», λέει στην Καθημερινή ο Μπερτσιμάς. Αυτό επέτρεψε στην ομάδα να καταγράψει ποιοι κλιματικοί συνδυασμοί σε μια συγκεκριμένη περιοχή οδήγησαν σε ένα κρασί υψηλότερης ποιότητας. «Στην πραγματικότητα, το Wine Spectator, το οποίο είναι ένα εξειδικευμένο αμερικανικό περιοδικό για το κρασί και την οινική κουλτούρα, χρησιμοποιεί την εφαρμογή μας», προσθέτει ο καθηγητής του MIT.
Η πρόβλεψη με ποιον τρόπο θα αποφασίσει ένα δικαστήριο φαίνεται ακόμη πιο περίπλοκη. «Πήραμε τις αποφάσεις του Ανωτάτου Δικαστηρίου των Ηνωμένων Πολιτειών αρκετά χρόνια πίσω και μετά την επεξεργασία τους τις βάλαμε σε μηχανική μάθηση για να προβλέψουμε τις αποφάσεις που θα έρθουν. Κάναμε την ίδια ερώτηση σε μια ομάδα ειδικών και τα αποτελέσματα ήταν εντυπωσιακά: η τεχνητή νοημοσύνη είχε καλύτερο ποσοστό πρόβλεψης περίπου 15%. Δεν ήταν τέλειο – το ποσοστό επιτυχίας του ήταν περίπου 75% – αλλά τα πήγε καλύτερα από μια ομάδα επιστημόνων», λέει ο Μπερτσιμάς.
Η υγεία είναι ένας άλλος κρίσιμος τομέας που αναμένεται να επηρεαστεί βαθιά από την τεχνητή νοημοσύνη. «Όλοι γνωρίζουμε ότι η πιθανότητα να παρουσιάσει κάποιος καρδιακή νόσο εξαρτάται από μια σειρά παραγόντων, όπως τα επίπεδα χοληστερόλης, το σάκχαρο στο αίμα κ.λπ. Με βάση αυτές τις μετρήσεις, μπορούμε να υπολογίσουμε τον κίνδυνο καρδιακής προσβολής ή άλλης καρδιακής νόσου σε οποιοδήποτε άτομο και δείτε τι πρέπει να κάνουν», εξηγεί ο Μπερτσιμάς, τονίζοντας τη σημασία της σωστής παρέμβασης. «Με αυτόν τον τρόπο, μπορούμε να προχωρήσουμε στην εξατομικευμένη ιατρική, σε εξειδικευμένες ατομικές θεραπείες και, επομένως, σε πιο αποτελεσματικές θεραπείες», λέει.
Το πώς προβλέπουμε τον καιρό αυτή τη στιγμή, εν τω μεταξύ, βασίζεται σε κάθε είδους πολύ δύσκολους και διαφορετικούς παράγοντες και υπολογισμούς, αλλά ο Μπερτσιμάς λέει ότι ακόμη καλύτερες απαντήσεις μπορεί να βρεθούν στη χρήση δεδομένων από το παρελθόν. «Πράγματι, αν συνδυάσουμε τις δύο μεθόδους, τότε το επίπεδο των προβλέψεων θα γίνει πολύ πιο αξιόπιστο», λέει, σχολιάζοντας έναν άλλο τομέα όπου η τεχνητή νοημοσύνη θα διαδραματίσει κρίσιμο ρόλο. «Αυτό θα μας επέτρεπε να λάβουμε αποφάσεις για το πότε θα εκκενώσουμε μια περιοχή λόγω ενός τυφώνα στις ΗΠΑ ή μιας δασικής πυρκαγιάς στην Ελλάδα», λέει.
Χρησιμοποιώντας στοιχεία και μεγάλες βάσεις δεδομένων από το παρελθόν, οι επιστήμονες που εργάζονται στην τεχνητή νοημοσύνη και τη μηχανική μάθηση προσπαθούν να προβλέψουν μελλοντικές εξελίξεις και να υιοθετήσουν τα απαραίτητα μέτρα είτε για να αποτρέψουν την καταστροφή είτε να βοηθήσουν σε ένα καλό αποτέλεσμα.
«Παρουσιάζουμε εφαρμογές τεχνητής νοημοσύνης σε ασυνήθιστες περιοχές, με παραδείγματα από τον πραγματικό κόσμο, προκειμένου να δείξουμε ότι είναι κατάλληλη παντού. «Είναι σημαντικό για τον κόσμο να δει ότι πράγματα που είναι πολύ ποιοτικά, όπως το μπουκέτο ενός κρασιού, μπορούν να ποσοτικοποιηθούν», υπογραμμίζει ο Μπερτσιμάς.
Τα μαθήματα που πραγματοποιούνται στο πλαίσιο των καλοκαιρινών εκδηλώσεων του HIAS απευθύνονται σε μαθητές όλων των ειδών του κλάδου και μέχρι στιγμής έχουν δηλώσει συμμετοχή 1.700 άτομα, εκ των οποίων τα 400 αυτοπροσώπως. «Θέλουμε να κινητοποιήσουμε τη νεολαία, να τους κάνουμε να ενδιαφερθούν για το πώς μπορούμε να χρησιμοποιήσουμε αλγόριθμους», λέει ο ακαδημαϊκός.
Ποιος αποφασίζει; «Ο άνθρωπος αποφασίζει, όχι ο αλγόριθμος. Ο γιατρός αποφασίζει για τη θεραπεία, όχι το μηχάνημα. Η σωστή συνεργασία είναι αυτό που αναζητούμε. Οι μηχανές είναι καλύτερες σε ορισμένα πράγματα, όπως στους υπολογισμούς, αλλά οι άνθρωποι μπορούν να θέτουν τις σωστές ερωτήσεις», απαντά. «Υπάρχουν κίνδυνοι, φυσικά, γι’ αυτό είναι σημαντικό να εκπαιδεύουμε τους νέους».
Ο διακεκριμένος Έλληνας ακαδημαϊκός βλέπει την τεχνητή νοημοσύνη να φέρνει ριζικές αλλαγές στις επιστήμες, αλλά και στην εκπαίδευση. «Το πανεπιστήμιο του μέλλοντος θα μπορούσε να έχει οριζόντια εκπαίδευση στην τεχνητή νοημοσύνη σε όλους τους κλάδους, ακόμη και στο ίδιο αμφιθέατρο», λέει.