Σε συζήτηση με θέμα «Η ανθρωπολογική πρόκληση της τεχνητής νοημοσύνης» συμμετείχαν ο Κωνσταντίνος Δασκαλάκης, καθηγητής στο ΜΙΤ και ο Ευάγγελος Βενιζέλος, στο πλαίσιο του συνεδρίου του Κύκλου Ιδεών, Η Ελλάδα Μετά V: Από την κρίση στην κανονικότητα ή η κρίση ως κανονικότητα;, στην ενότητα: «Η συζήτηση για το μέλλον: η Ελλάδα και τα νέα μεγάλα διακυβεύματα»
Ο Κ. Δασκαλάκης αρχικά έδωσε έναν ορισμό στο τι είναι η τεχνητή νοημοσύνη σημειώνοντας πως είναι ένα ευρύτερο πεδίο που έχει μεγάλη ιστορία, που αρχίζει ήδη από το 1950, και η μηχανική μάθηση είναι ένα υποσύνολο της τεχνητής νοημοσύνης. Η τεχνητή νοημοσύνη έχει μία πολύ ευρεία στόχευση, είναι το πώς να φτιάξουμε νοήμονες μηχανές –ό,τι μπορεί αυτό να σημαίνει. Για να το πετύχουμε αυτό, υπάρχουν πολλών ειδών τεχνικές τις οποίες θα μπορούσαμε να χρησιμοποιήσουμε. Οι τεχνικές αυτές έχουν να κάνουν και με software και με hardware, έχουν να κάνουν πάρα πολύ με αλγορίθμους.
Ένα κομμάτι αυτών των αλγορίθμων έχει να κάνει με την επεξεργασία δεδομένων που μία νοήμων μηχανή αντιλαμβάνεται, μαζεύει από το περιβάλλον στο οποίο βρίσκεται και θέλει να χρησιμοποιήσει αυτή την πληροφορία, αυτά τα δεδομένα, αυτές τις μετρήσεις, για να κάνει προβλέψεις για το τι μπορεί να συμβεί στο μέλλον ή οι πράξεις της μηχανής τι αποτέλεσμα θα έχουν για την εμπειρία της στο μέλλον.
Συνοψίζοντας ο Κ. Δασκαλάκης τόνισε πως η μηχανική μάθηση είναι ένα κομμάτι της τεχνητής νοημοσύνης και είναι αυτό το κομμάτι το οποίο έχει να κάνει με την επεξεργασία δεδομένων, με το σκοπό, πρώτα από όλα, να κάνουμε προβλέψεις για το τι μέλλει γενέσθαι, τι θα δούμε στο μέλλον, αλλά, επίσης –και ίσως πιο σημαντικό– για το πώς οι πράξεις οι δικές μας, οι πράξεις της μηχανής, θα επηρεάσουν τον κόσμο στον οποίο θα βρεθούμε μετά τη λήψη αυτών των αποφάσεων και πράξεων.
Ο Ευ. Βενιζέλος, ως νομικός και πολιτικός εστίασε στο ζήτημα της χρήσης μεθόδων τεχνητής νοημοσύνης και αλγορίθμων στην οργάνωση και την απονομή της Δικαιοσύνης. Όπως είπε χαρακτηριστικά, υπάρχουν πολιτείες στις Ηνωμένες Πολιτείες, που χρησιμοποιούν μέσα τεχνητής νοημοσύνης και αλγόριθμους, για παράδειγμα, ως προς την προσωρινή κράτηση στις ποινικές υποθέσεις, εάν ο κατηγορούμενος πρέπει να κρατηθεί προσωρινά ή να αφεθεί με μία εγγύηση έως τη διεξαγωγή της δίκης. Επίσης, είναι προφανές ότι πολύ εύκολα η τεχνητή νοημοσύνη μας επιτρέπει να δούμε τη νομολογία, να δούμε τη βιβλιογραφία, δηλαδή να γλιτώσουμε έναν κόπο τεράστιο και να έχουμε πάρα πολύ καλή ενημέρωση. Αλλά αυτό είναι η προετοιμασία, όταν φθάνεις στη δικαιοδοτική κρίση, που είναι μία κρίση ανθρώπινη, νομική και ηθική ταυτόχρονα, τότε μπορεί ο αλγόριθμος να πει ότι αυτός που είναι λευκός, ψηλός, όμορφος θα πάει σπίτι του και ο άλλος που είναι μαύρος ή ισπανόφωνος και, ως εκ τούτου, ανήκει σε μειονότητες εναντίον των οποίων υπάρχουν διακρίσεις, θα πάει να προφυλακιστεί; Αυτό είναι ένα τεράστιο ζήτημα και έχουν εκδοθεί και σχετικές αποφάσεις, συστάσεις αυτών των διεθνών Οργανισμών , κυρίως των ευρωπαϊκών, που έχουν μεγαλύτερη ευαισθησία στα θέματα αυτά.
Προσωπικά δεδομένα
Επίσης τέθηκε στη συζήτηση και το θέμα των προσωπικών δεδομένων. Μεταξύ άλλων ο κ. Βενιζέλος είπε:
Σίγουρα υπάρχουν και προσωπικά δεδομένα τα οποία, όταν είναι ευαίσθητα και είσαι εκτός ποινικής διαδικασίας, σε διοικητικούς ελέγχους, δεν έχεις και το δικαίωμα να τα χρησιμοποιήσεις.
Ξέρετε, έγινε εκτεταμένη χρήση αλγορίθμων τώρα στην Ελλάδα προκειμένου να επιλέγεται το δείγμα των επιβατών πτήσεων που θα περάσει από έλεγχο με rapid test ή με μοριακό test, για να εισέλθει στη χώρα λόγω της πανδημίας, λόγω του COVID-19. Αυτός ο αλγόριθμος επιλέγει κάποιους, αφήνει κάποιους άλλους να περνούν. Θέτει προβλήματα από την άποψη αυτή.
Εγώ θέλω να θέσω υπό την κρίση σας μία άποψη που είχα την ευκαιρία να διατυπώσω στο Συνέδριο της Νομικής Σχολής Θεσσαλονίκης για τις νέες τεχνολογίες, που έγινε στην αρχή του καλοκαιριού, με θέμα «Δίκαιο και νέες τεχνολογίες». Είχα κάνει εκεί μία εισήγηση, «Σύνταγμα και νέες τεχνολογίες», και είχα πει το εξής: Θα μπορούσαμε να δεχθούμε στο νομικό μας σύστημα και στο δικαστικό σύστημα και στο διοικητικό σύστημα τη χρήση αλγορίθμων υπό μία θεμελιώδη προϋπόθεση, να μπορείς να αποτυπώσεις τον αλγόριθμο ως νομικό κανόνα. Δηλαδή, να μπορείς να αποτυπώσεις τον αλγόριθμο όχι μαθηματικά ή σε γλώσσα προγραμματισμού, αλλά στη φυσική γλώσσα και με νομική ορολογία, γιατί έτσι ξέρεις ποιος είναι ο κανόνας που εφαρμόζεται. Εάν δεν μπορείς να τον αποτυπώσεις σε φυσική γλώσσα και νομική ορολογία, υπάρχει τεράστια αδιαφάνεια και αδυναμία ελέγχου και αδυναμία προστασίας των ανθρωπίνων δικαιωμάτων.
Ο κ. Δασκαλάκης από τη μεριά του, πρόσθεσε τα εξής:
«Συμφωνώ απόλυτα με τη διατύπωση αυτή και αυτή συνδέεται με ένα τεράστιο ερώτημα που απασχολεί και τους επιστήμονες της Επιστήμης Υπολογιστών, που έχει να κάνει με την ερμηνευτικότητα, την ερμηνεία αλγορίθμων τεχνητής νοημοσύνης. Αυτό κάπως ανάγεται στο εξής, ότι η κλασική Στατιστική Επιστήμη χρησιμοποιεί ως επί το πλείστον απλά στατιστικά μοντέλα επάνω στα οποία βασίζει την ερμηνεία των δεδομένων, επομένως και τις προβλέψεις που κάνει κανείς με αυτά τα απλά στατιστικά μοντέλα, και, έτσι, είναι ερμηνεύσιμες οι προβλέψεις που κάνουν αυτά τα στατιστικά μοντέλα.
Στην τεχνητή νοημοσύνη, για λόγους που ίσως πρέπει να μιλήσουμε λίγο, αυτό που έχει προκύψει είναι ότι οι αλγόριθμοι έχουν γίνει πάρα πολύ πολύπλοκοι, τόσο πολύπλοκοι που βασικά είναι μαύρα κουτιά. Όταν ένα μαύρο κουτί σου δίνει μία σύσταση για το εάν κάποιος θα προφυλακιστεί ή όχι, πρέπει να γνωρίζεις, όπως λέτε και εσείς, πολύ καλά επάνω σε ποια χαρακτηριστικά βάσισε αυτή τη σύσταση του. Εάν αυτοί οι λόγοι επάνω στους οποίους βασίζεται δεν έχουν νομική βάση, είναι πολύ επικίνδυνη η χρήση του αλγορίθμου».
Οι τοπ χώρες
Ο κ. Δασκαλάκης επισήμανε ότι στον τομέα της τεχνητής νοημοσυνης η Αμερική είναι top, παραπάνω από την Κίνα, ωστόσο, όπως είπε χαρακτηριστικά, όλα αυτά είναι κινούμενη άμμος. Δηλαδή, το βασικό χαρακτηριστικό της Αμερικής, που της δίνει αυτή τη στιγμή πλεονέκτημα, είναι ότι τα Πανεπιστήμια της Αμερικής είναι ανώτερα, έχει συγκεντρώσει πάρα πολλά σημαντικά Πανεπιστήμια στα οποία αναπτύσσεται αυτή η τεχνολογία. Αυτή η τεχνολογία, βέβαια, είναι εν πολλοίς open source, δηλαδή οποιοσδήποτε μπορεί να τη χρησιμοποιήσει. Πάντως, το γεγονός ότι τα Πανεπιστήμια της Αμερικής είναι τόσο καλά της δίνει πλεονέκτημα εκεί. Η Κίνα έχει άλλα πλεονεκτήματα όμως –πλεονεκτήματα καλώς ή κακώς. Το πρώτο είναι ότι η Κίνα μαζεύει πάρα πολλά δεδομένα για τους πολίτες της, τόσο πολύ…
Η Ινδία έχει πάρα πολύ καλούς επιστήμονες και μηχανικούς, δηλαδή ανέρχεται, αλλά δεν έχει φθάσει ακόμα στο επίπεδο της Κίνας. Σιγά-σιγά, βλέπουμε startups και από την Ινδία, αλλά δεν έχει φθάσει να παίζει τόσο παγκόσμιο παιχνίδι όσο παίζουν η Αμερική και η Κίνα.
Όσον αφορά τη θέση της Ελλάδας, ο κ. Δασκαλάκης είπε πως «Η Ελλάδα δεν είναι πολύ μικρή για να έχει, γιατί ένα καλό αυτών των τεχνολογιών είναι ότι δεν χρειάζονται τεράστιες υποδομές. Εντάξει, χρειάζεται πρόσβαση σε υπερυπολογιστές… νομίζω ότι είναι ένα τρένο που η Ελλάδα πρέπει να το πιάσει και νομίζω ότι υπάρχει ταλέντο στα Ελληνικά Πανεπιστήμια, που μπορεί να το πιάσει το τρένο αυτό, και νομίζω ότι θα είναι μία πολύ σημαντική επένδυση για την Ελλάδα.