Geoffrey Hinton: Ο νονός του ΑΙ υποστηρίζει ότι ο θάνατος από καρκίνο σύντομα θα είναι… προαιρετικός

Την πιο αισιόδοξη αποτίμηση για το μέλλον της τεχνητής νοημοσύνης παρουσίασε ο Καθηγητής Geoffrey Hinton, ένας από τους θεμελιωτές της σύγχρονης ΑΙ και από τους βασικούς αρχιτέκτονες των νευρωνικών δικτύων. Ο Βρετανοκαναδός επιστήμονας υπολογιστών και γνωστικός ψυχολόγος, ομότιμος καθηγητής στο Πανεπιστήμιο του Τορόντο και πρώην ερευνητής της Google μέχρι το 2023, μίλησε εκτενώς για τις τεχνολογικές αλλαγές που (όπως εκτιμά) θα επαναπροσδιορίσουν την ανθρώπινη δραστηριότητα μέσα στα επόμενα δέκα χρόνια.

Υγειονομική περίθαλψη: Από την υποστήριξη στη ριζική αλλαγή

Η υγεία αποτελεί, σύμφωνα με τον Καθηγητή Hinton, τον πιο άμεσο και κρίσιμο τομέα εφαρμογής της τεχνητής νοημοσύνης. Ο ίδιος υπενθυμίζει ότι το 2016 είχε προβλέψει πως η ΑΙ θα αντικαθιστούσε τους ακτινολόγους μέσα σε πέντε χρόνια, μια πρόβλεψη που, όπως παραδέχεται, αποδείχθηκε πρόωρη.

Ωστόσο, σήμερα η πραγματικότητα τον δικαιώνει εν μέρει. Περισσότερες από 250 εφαρμογές τεχνητής νοημοσύνης έχουν ήδη εγκριθεί για την ερμηνεία ιατρικών απεικονίσεων και χρησιμοποιούνται σε μεγάλες κλινικές, κυρίως στον τομέα της ογκολογίας. Τα συστήματα αυτά μπορούν να εντοπίζουν λεπτομέρειες σε ακτινογραφίες, μαγνητικές και αξονικές τομογραφίες που συχνά διαφεύγουν ακόμη και των πιο έμπειρων ειδικών.

Παρά ταύτα, ο Καθηγητής Hinton ξεκαθαρίζει ότι δεν μιλά για πλήρη αντικατάσταση των γιατρών. «Για αρκετό καιρό, το πιο αποτελεσματικό μοντέλο θα είναι ο συνδυασμός ανθρώπου και τεχνητής νοημοσύνης», σημειώνει. Οι ακτινολόγοι, εκτός από την ανάλυση εικόνων, διατηρούν κρίσιμους ρόλους: την επικοινωνία με τους ασθενείς, τη λήψη αποφάσεων θεραπείας και τον συνολικό σχεδιασμό της φροντίδας.

Ιδιαίτερη έμφαση δίνει στη διάγνωση σύνθετων ασθενειών. Σήμερα, στη Βόρεια Αμερική, περίπου 200.000 άνθρωποι πεθαίνουν κάθε χρόνο εξαιτίας λανθασμένων διαγνώσεων. Τα στοιχεία δείχνουν ότι η τεχνητή νοημοσύνη, μόνη της ή σε συνδυασμό με γιατρούς, επιτυγχάνει σημαντικά υψηλότερα ποσοστά ακρίβειας, γεγονός που μπορεί να μεταφραστεί σε σωτηρία χιλιάδων ζωών.

Παράλληλα, η ΑΙ αλλάζει ριζικά τον σχεδιασμό φαρμάκων. Ήδη, φάρμακα που έχουν αναπτυχθεί με τη βοήθεια αλγορίθμων βρίσκονται σε κλινικές δοκιμές, επιταχύνοντας διαδικασίες που μέχρι πρόσφατα απαιτούσαν δεκαετίες.

Επιστήμη και μαθηματικά: Νέα εποχή ανακαλύψεων

Ιδιαίτερα αισιόδοξος εμφανίζεται ο Καθηγητής Hinton για τον ρόλο της τεχνητής νοημοσύνης στην επιστημονική πρόοδο. Στα μαθηματικά, έναν τομέα με σαφείς κανόνες και «κλειστά συστήματα», η ΑΙ αναμένεται να αποδεικνύει θεωρήματα και εικασίες που παραμένουν άλυτες από τον άνθρωπο.

Παρόμοια δυναμική προβλέπεται στη φυσική, τη χημεία και τη μοριακή βιολογία. Αν και η τεχνητή νοημοσύνη δεν θα αντικαταστήσει τους επιστήμονες, θα επιταχύνει επιμέρους στάδια της έρευνας, οδηγώντας σε ταχύτερη και πιθανώς εκθετική πρόοδο.

Τι είπε για την έγκαιρη διάγνωση του καρκίνου

Μιλώντας για το πώς η Τεχνητή Νοημοσύνη μπορεί να επιταχύνει τις επιστημονικές ανακαλύψεις, ανέφερε ως παράδειγμα την πρώιμη ανίχνευση καρκίνου μέσω ετήσιων απεικονιστικών εξετάσεων, με την Τεχνητή Νοημοσύνη να αναλαμβάνει την ανάλυση. Σε ένα τέτοιο σενάριο, πολλοί καρκίνοι θα μπορούσαν να εντοπίζονται σε τόσο πρώιμο στάδιο ώστε να είναι πλήρως ιάσιμοι.

Είπε χαρακτηριστικά: «Για παράδειγμα, ήδη αν κάνεις μια μαγνητική τομογραφία πλήρους σώματος κάθε χρόνο και έχεις την Τεχνητή Νοημοσύνη να την ερμηνεύει, βασικά δεν χρειάζεται πλέον να πεθάνεις από καρκίνο. Μπορείς να ανιχνεύεις σχεδόν όλους τους καρκίνους όταν είναι πολύ μικροί. Κι αν μπορείς να τους ανιχνεύσεις στο πρώτο στάδιο, μπορείς υπό φυσιολογικές συνθήκες να τους ξεφορτωθείς. Ο Craig Venter, που ήταν ένα από τα άτομα που αποκωδικοποίησαν το ανθρώπινο γονιδίωμα, έκανε μαγνητική τομογραφία πλήρους σώματος και εντόπισε δύο πολύ επιθετικούς καρκίνους του προστάτη (σαν κι αυτόν που μπορεί να έχει ο Biden τώρα) πολύ νωρίς και ήταν μια χαρά. Επομένως, με την Τεχνητή Νοημοσύνη να κάνει την ερμηνεία [των αποτελεσμάτων] και ερμηνεύοντας πολύ καλύτερα απ’ ό,τι μπορούν οι άνθρωποι, θα έχουμε τέτοιου είδους εξελίξεις, βασικά δεν θα έχουμε ανθρώπους να πεθαίνουν από καρκίνο, αν έχεις τα χρήματα για μαγνητική τομογραφία πλήρους σώματος».

Πόσο μακριά μπορούμε να προβλέψουμε;

Παρά τον ενθουσιασμό του, ο Καθηγητής Hinton εμφανίζεται επιφυλακτικός στις μακροπρόθεσμες προβλέψεις. Υπενθυμίζει ότι πριν από πέντε χρόνια, ελάχιστοι μπορούσαν να φανταστούν συστήματα όπως τα σημερινά μεγάλα γλωσσικά μοντέλα, τα οποία παράγουν συνεκτικό λόγο και επιδεικνύουν στοιχειώδη συλλογιστική.

Το μόνο βέβαιο, σύμφωνα με τον ίδιο, είναι ότι τα σημερινά «πρωτόγονα» συστήματα θα φαίνονται εξαιρετικά περιορισμένα μέσα σε λίγα χρόνια. Τα μελλοντικά μοντέλα θα διαθέτουν καλύτερη λογική σκέψη, λιγότερες παρανοήσεις και μεγαλύτερη κατανόηση του κόσμου.

Ένα στοίχημα για την κοινωνία

Το τελικό ερώτημα, όπως τονίζει ο Καθηγητής Hinton, δεν είναι αν η τεχνητή νοημοσύνη θα αλλάξει τον κόσμο, αλλά πώς θα μοιραστούν τα οφέλη αυτής της αλλαγής. Αν η αυξημένη παραγωγικότητα μεταφραστεί σε καλύτερη υγεία, εκπαίδευση και ποιότητα ζωής για όλους, τότε η ΑΙ μπορεί να αποτελέσει μία από τις πιο θετικές τεχνολογικές εξελίξεις στην ιστορία της ανθρωπότητας.

Σε διαφορετική περίπτωση, προειδοποιεί, οι κοινωνικές ανισότητες ενδέχεται να διευρυνθούν. Το μέλλον, επομένως, δεν θα κριθεί μόνο από την τεχνολογία, αλλά και από τις πολιτικές και κοινωνικές επιλογές που θα τη συνοδεύσουν.

Ποιος είναι ο Geoffrey Everest Hinton

Ο Geoffrey Everest Hinton, γεννημένος στις 6 Δεκεμβρίου 1947, είναι Βρετανο-Καναδός επιστήμονας υπολογιστών, γνωστικός επιστήμονας και γνωστικός ψυχολόγος, διεθνώς αναγνωρισμένος για τη συμβολή του στα τεχνητά νευρωνικά δίκτυα, έργο που του έχει αποδώσει τον χαρακτηρισμό «Νονός της Τεχνητής Νοημοσύνης».

Ο Hinton είναι Ομότιμος Καθηγητής στο Πανεπιστήμιο του Τορόντο. Την περίοδο 2013–2023 μοιραζόταν τον χρόνο του μεταξύ της Google Brain και του Πανεπιστημίου του Τορόντο, μέχρι που τον Μάιο του 2023 ανακοίνωσε δημόσια την αποχώρησή του από την Google, επικαλούμενος σοβαρές ανησυχίες για τους κινδύνους που συνεπάγεται η ανάπτυξη της τεχνητής νοημοσύνης. Το 2017 συνίδρυσε το Ινστιτούτο Vector στο Τορόντο, όπου ανέλαβε τον ρόλο του κύριου επιστημονικού συμβούλου.

Μαζί με τους David Rumelhart και Ronald J. Williams, υπήρξε συν-συγγραφέας της ιδιαίτερα επιδραστικής επιστημονικής εργασίας του 1986, η οποία συνέβαλε καθοριστικά στη διάδοση του αλγορίθμου backpropagation για την εκπαίδευση πολυστρωματικών νευρωνικών δικτύων, αν και δεν ήταν οι πρώτοι που εισήγαγαν τη συγκεκριμένη προσέγγιση. Ο Καθηγητής Hinton θεωρείται κεντρική μορφή στον τομέα της βαθιάς μάθησης. Σημαντικό ορόσημο στην πορεία του αποτέλεσε το AlexNet, ένα σύστημα αναγνώρισης εικόνων που σχεδιάστηκε σε συνεργασία με τους μαθητές του Alex Krizhevsky και Ilya Sutskever και διακρίθηκε στον διαγωνισμό ImageNet του 2012, σηματοδοτώντας καθοριστική πρόοδο στην υπολογιστική όραση.

Το 2018 τιμήθηκε με το βραβείο Turing, από κοινού με τους Yoshua Bengio και Yann LeCun, για τη συμβολή τους στη βαθιά μάθηση. Οι τρεις επιστήμονες αναφέρονται συχνά ως οι «Νονοί της Βαθιάς Μάθησης» και έχουν πραγματοποιήσει κοινές δημόσιες ομιλίες. Το 2024, ο Καθηγητής Hinton έλαβε επίσης, μαζί με τον John Hopfield, το βραβείο Νόμπελ Φυσικής για «θεμελιώδεις ανακαλύψεις και εφευρέσεις που επιτρέπουν τη μηχανική μάθηση με τεχνητά νευρωνικά δίκτυα».

Μετά την αποχώρησή του από την Google, ο Καθηγητής Hinton δήλωσε ότι στόχος του ήταν να μπορεί να «μιλήσει ελεύθερα για τους κινδύνους της Τεχνητής Νοημοσύνης». Έχει εκφράσει ανησυχίες σχετικά με τη σκόπιμη κακή χρήση της τεχνολογίας από κακόβουλους παράγοντες, την τεχνολογική ανεργία και τον υπαρξιακό κίνδυνο που ενδέχεται να προκύψει από την τεχνητή γενική νοημοσύνη. Παράλληλα, έχει τονίσει ότι η θέσπιση αποτελεσματικών κατευθυντήριων γραμμών ασφάλειας απαιτεί συνεργασία ακόμη και μεταξύ ανταγωνιστικών φορέων στον χώρο της τεχνητής νοημοσύνης, ώστε να αποφευχθούν τα δυσμενέστερα σενάρια. Μετά την απονομή του Νόμπελ, κάλεσε σε επείγουσα ενίσχυση της έρευνας για την ασφάλεια της Τεχνητής Νοημοσύνης, με στόχο την κατανόηση και τον έλεγχο συστημάτων που ενδέχεται να καταστούν πιο έξυπνα από τον άνθρωπο.