Υπάρχουν πολλές οπτικές γωνίες από τις οποίες μπορεί να εξετάσει κανείς οποιοδήποτε επιστημονικό ζήτημα, αλλά μια από τις πιο ενδιαφέρουσες από αυτές είναι σαφώς η προσπάθεια προβολής των συμπερασμάτων που προκύπτουν από την κατανόησή μας επί ενός συγκεκριμένου πεδίου στα ευρύτερα πλαίσια μιας μεγαλύτερης «οντότητας». Μέσα από αυτό το πρίσμα θα εξετάσουμε τώρα τον, ιδιαίτερα ενδιαφέροντα, τομέα της τεχνητής νοημοσύνης, χωρίς να εμπλακούμε σε περίπλοκες επιστημονικές θεωρήσεις αλλά κυρίως προσπαθώντας να κατανοήσουμε τι θα μπορούσε να θέλουν να μας πουν οι ιδέες που κρύβονται μέσα του.
Η τεχνητή νοημοσύνη δεν είναι τίποτα περισσότερο από την προσπάθεια κατασκευής «ευφυών πρακτόρων» -δηλαδή μηχανισμών που θα έχουν τη δυνατότητα να δρουν με ευφυΐα. Άρα η τεχνητή νοημοσύνη είναι εκ των προτέρων μια καθαρά πρακτική έννοια, αφού δεν μπορεί να υφίσταται χωρίς να υπάρχει δράση. Αυτό ταυτόχρονα δίνει και μια νέα διάσταση της ευφυΐας, αφού μας δηλώνει ότι και η ίδια η ευφυΐα είναι αδιανόητη όταν δεν είναι εφαρμοσμένη, δηλαδή όταν δεν αναλώνεται για την επίτευξη ενός σκοπού.
‘Ομως αυτή η ίδια η έννοια της δράσης δεν μπορεί να είναι αποστασιοποιημένη, αλλά νοείται μόνο μέσα στα πλαίσια ενός περιβάλλοντος μέσα στο οποίο θα πραγματοποιείται η δράση. Η παρατήρηση, κατανόηση, και αλληλεπίδραση με το περιβάλλον αυτό είναι θεμελιώδης στόχος της τεχνητής νοημοσύνης, ακριβώς όπως και για τον άνθρωπο το πρώτο μέλημά του ήταν η προσπάθεια «αποκωδικοποίησης» της φύσης που τον περιβάλλει.
Τι σημαίνει, όμως, το ότι οι «πράκτορες» αυτοί θα δρουν με ευφυΐα; Πώς μπορούμε να μετρήσουμε αν μια πράξη είναι ευφυής ή όχι; Στο ερώτημα αυτό θα μπορούσαν να δοθούν μυριάδες διαφορετικές απαντήσεις, οι περισσότερες από τις οποίες θα κινούνταν μάλλον στα πλαίσια της «ηθικής» παρά της λογικής, όμως οι επιστήμονες της τεχνητής νοημοσύνης απέφυγαν επιμελώς αυτή την παγίδα. Αντί να ορίσουν την ευφυΐα την ίδια, την «αντικατέστησαν» (προσωρινά) με την «ορθολογικότητα» -και έτσι είπαν ότι
Ο ευφυής πράκτορας θα πρέπει πάντοτε να δρα ορθολογικά. Ο ορθολογισμός αυτός συνίσταται στο ότι η κάθε δραστηριότητά του θα πρέπει να μεγιστοποιεί τησυνάρτηση χρησιμότητάς του.
Η συνάρτηση χρησιμότητας δεν είναι κατανάγκην κάποιος πολύπλοκος μαθηματικός τύπος -στην πραγματικότητα, είναι μάλλον αυτό που στην καθομιλουμένη αποκαλούμε «το συμφέρον του». Με άλλα λόγια, ο πράκτορας αυτός οφείλει πάντοτε να δρα με βάση το συμφέρον του, όπως έχει καθοριστεί αυτό μέσα του. Η μαγική λέξη είναι το «πάντοτε», δηλαδή ο ευφυής πράκτορας απαγορεύεται να είναι αφηρημένος, να δρα μηχανικά ή από συνήθεια, ή οτιδήποτε παρόμοιο. Πρέπει μονίμως να είναι απολύτως «συνειδητός» (με ή χωρίς τα εισαγωγικά) στην επιδίωξη του συμφέροντός του.
Αυτό είναι το βασικό πλαίσιο εργασίας μέσα στο οποίο κινείται η τεχνητή νοημοσύνη.’Ομως πολλές από τις έννοιες που παρουσιάσαμε προηγουμένως απαιτούν σημαντική διασαφήνιση, καθώς είναι μάλλον «αφηρημένες» για τα δεδομένα ενός τόσο πρακτικού και εφαρμοσμένου τομέα.
Τι είναι αυτό το περιβάλλον;
Η πρώτη έννοια που κλήθηκαν να αντιμετωπίσουν οι επιστήμονες της τεχνητής νοημοσύνης είναι αυτό το περίφημο «περιβάλλον». Πιο συγκεκριμένα, αντιλαμβανόμενοι την περιπλοκότητα του εγχειρήματός τους, προσπάθησαν να κατανοήσουν γιατί τους δυσκολεύει τόσο πολύ η δράση μέσα σε αυτό το αποδεδειγμένα πολύπλοκο χώρο που μας περιβάλλει. ‘Ετσι κατηγοριοποίησαν τα «περιβάλλοντα» με βάση κάποια χαρακτηριστικά τα οποία έχουν σημαντική επίδραση στον τρόπο με τον οποίο ο πράκτορας αντιλαμβάνεται το περιβάλλον του.
Α. Πλήρως και εν μέρει παρατηρήσιμα περιβάλλοντα. Στο περιβάλλον αυτό στο οποίο προσπαθούμε να «εμφυτεύσουμε» τον ευφυή πράκτορα, θα έχει άραγε αυτός τη δυνατότητα να παρατηρεί τα πάντα, ή μάλλον θα μπορεί να έχει τη δυνατότητα μερικής παρατήρησης; Με άλλα λόγια, οι «αισθητήρες» ανιχνεύουν όλες τις πτυχές που έχουν συνάφεια με την επιλογή της ενέργειας;
Β. Αιτιοκρατικά ή στοχαστικά περιβάλλοντα. Στο περιβάλλον αυτό στο οποίο προσπαθούμε να «εμφυτεύσουμε» τον ευφυή πράκτορα, θα έχει άραγε αυτός τη δυνατότητα να γνωρίζει με βεβαιότητα την αιτιοκρατία των συμβάντων (τόσο ως προς το αίτιο όσο και ως προς το αποτέλεσμα), ή μάλλον θα είναι συνεχώς αναγκασμένος να κάνει «εύλογες υποθέσεις» ως προς την αιτία και τις συνέπειες των ενεργειών;
Γ. Στατικό ή δυναμικό περιβάλλον. Στο δυναμικό περιβάλλον μπορεί να προκύψουν αλλαγές ενώ ο πράκτορας μελετά την επόμενη ενέργειά του -σε αντίθετη περίπτωση το περιβάλλον θεωρείται στατικό. Τα στατικά περιβάλλοντα είναι σαφώς απλούστερα, καθώς δεν απαιτούν από τον πράκτορα να ασχολείται με το θέμα του χρόνου.
Δ. Διακριτό ή συνεχές περιβάλλον. Εδώ η διαφορά έγκειται στο αν ο πράκτορας θα έχει αντίληψη συνεχών (πραγματικών) τιμών για τις διάφορες μεταβλητές (όπως η ταχύτητα, ο χρόνος, κ.λπ.) ή θα τις αντιμετωπίζει ως τιμές από ένα πεπερασμένο σύνολο διακριτών καταστάσεων.
Ε. Μονοπρακτορικό ή πολυπρακτορικό περιβάλλον. Εδώ τα πράγματα φαίνονται καταρχήν απλά -εξετάζουμε το αν υπάρχει ένας πράκτορας στο περιβάλλον ή περισσότεροι. ‘Ομως στα πολυπρακτορικά περιβάλλοντα εισέρχονται πολλά ενδιαφέροντα ζητήματα, όπως τα ζητήματα της συνεργασίας, τουανταγωνισμού, και της επικοινωνίας, που απαιτούν ειδικές δεξιότητες.
Ζ. Επεισοδιακό ή ακολουθιακό περιβάλλον. Στα επεισοδιακά περιβάλλοντα ο πράκτορας καλείται μόνο να αντιμετωπίσει ένα συγκεκριμένο πρόβλημα -δεν έχει να ασχοληθεί καθόλου με το τι θα γίνει μετά από αυτό (δεν ασχολείται με το μέλλον). Αντίθετα, στα ακολουθιακά περιβάλλοντα οι τρέχουσες ενέργειες επηρεάζουν τις μελλοντικές καταστάσεις και ενέργειες.
Είναι προφανές ότι το πραγματικό περιβάλλον -ο κόσμος- είναι εξαιρετικά δυσχερής ως προς την αντιμετώπιση, επειδή σε όλες αυτές τις κατηγοριοποιήσεις κατέχει την πιο «σύνθετη» από τις ιδιότητες. ‘Ετσι για να προχωρήσουν οι επιστήμονες «απλούστευσαν» καταρχήν σημαντικά το πρόβλημά τους, και έτσι άρχισαν να εξετάζουν πλήρως παρατηρήσιμα, πλήρως αιτιοκρατικά, στατικά, και μονοπρακτορικά περιβάλλοντα (για παράδειγμα, το σκάκι). Στο «μικρόκοσμο» αυτό η σημαντικότερη έννοια είναι αυτή της αλήθειας για μια λογική πρόταση -με άλλα λόγια, εξετάζεις (αφού γνωρίζεις όλα τα δεδομένα) τη λογική αλήθεια ή το λογικό ψεύδος μιας πρότασης και δρας ανάλογα.
Ο δυϊκός κόσμος
Ο κόσμος του «αληθούς-ψευδούς» είναι άμεση συνέπεια αυτών των απλουστεύσεων ως προς το περιβάλλον, και περιλαμβάνει ένα σύνολο λογικών κανόνων με βάση τους οποίους ο πράκτορας μπορεί όχι μόνο να αποτιμήσει την αλήθεια η το ψεύδος μιας πρότασης, αλλά ακόμα και να συναγάγει νέες προτάσεις (θεωρήματα) με βάση τις προηγούμενες θέσεις (αξιώματα και θεωρήματα) που έχει. Η «επίσημη» έκφραση του κόσμου αυτού στα μαθηματικά είναι η άλγεβρα Boole, μέσω της οποίας πραγματοποιούνται αυτοί οι λογικοί μετασχηματισμοί και πράξεις.
Ο δυϊκός κόσμος είναι εξαιρετικά πολύτιμος για τους πράκτορες, επειδή ουσιαστικά μόνο σε αυτόν μπορούν να δράσουν με σιγουριά (όπως συμβαίνει και με τους ανθρώπους). Το σημαντικό όμως είναι να θυμάται κανείς συνεχώς τις απλοποιητικές παραδοχές που κρύβονται πίσω από αυτόν τον κόσμο.
Ο πραγματικός κόσμος
Είναι όμως προφανές ότι το πραγματικό περιβάλλον στο οποίο θα κληθούν τελικά να λειτουργήσουν οι πράκτορες είναι το ίδιο το περιβάλλον όπου κινούνται και οι άνθρωποι, το οποίο έχει δυστυχώς ακριβώς τα αντίθετα χαρακτηριστικά: είναι μερικώς παρατηρήσιμο, στοχαστικό, και δυναμικό. Στο περιβάλλον αυτό η έννοια της αλήθειας, δυστυχώς, γίνεται κατ’ ανάγκη σχετική (αν δεν ήταν σχετική, υποχρεωτικά θα είχαμε περιβάλλον βέβαιης γνώσης), και έτσι δεν μπορεί κανείς να βασιστεί σε μια γνώση που εκ των πραγμάτων αποκλείεται να έχει. ‘Ετσι ο «βαθμός αληθείας» αντικαθίσταται από το «βαθμό πεποίθησης της αλήθειας». Με άλλα λόγια
Ο ευφυής πράκτορας δρα στο περιβάλλον με βάση αυτό που πιστεύει ότι είναι αληθές. Για να αποφεύγει την παγίδευση σε μόνιμα σφάλματα, εξετάζει εκ των υστέρων το νεοδιαμορφωμένο «κόσμο» (το αποτέλεσμα της δράσης του) και αναπροσπαρμόζει πάντα εκ των υστέρων το βαθμό πεποίθησής του ως προς την αλήθεια των πραγμάτων.
Ο ευφυής πράκτορας δεν επιτρέπεται λοιπόν να σταματά ποτέ. Πρέπει συνεχώς να κινείται, τόσο εξωτερικά (δράση) όσο και εσωτερικά (αναπροσαρμογή των πεποιθήσεών του με βάση τα αναπάντεχα αποτελέσματα της δράσης του).
Ορθολογισμός, συνάρτηση χρησιμότητας, και μάθηση
Ο ορθολογισμός σημαίνει ότι, μεταξύ δύο ενδεχόμενων ενεργειών, ο πράκτορας θα επιλέγει πάντα τη λειτουργία εκείνη που μεγιστοποιεί μια συνάρτηση χρησιμότητας (το «συμφέρον» του). Εδώ συναντάμε την πρώτη εξαιρετικά μεγάλη διαφορά της τεχνητής νοημοσύνης από την ανθρώπινη -ο άνθρωπος δεν είναι τυπικά ορθολογικός, αλλά αυτό είναι δευτερεύον. Το σημαντικό είναι ότι στον πράκτορα η συνάρτηση χρησιμότητας επιβάλλεται εξωτερικά, ενώ ο άνθρωπος διαθέτει «ελεύθερη βούληση» που του επιτρέπει ανά πάσα στιγμή να αποφασίζει στην αναπροσαρμογή της εσωτερικής «συνάρτησης χρησιμότητάς του».
Εφόσον ο ορθολογισμός συνίσταται σε μια μεγιστοποίηση συνάρτησης, περιλαμβάνει υποχρεωτικά τη συνεχή εκτίμηση -τόσο πριν από μια ενέργεια, ώστε να εντοπιστεί η ενέργεια που μεγιστοποιεί το αποτέλεσμα, όσο και μετά από την ενέργεια, ώστε να ενσωματώσει ο πράκτορας τη γνώση από το αποτέλεσμα της δράσης του, καθώς και την πληροφορία για το μεταβαλλόμενο κόσμο.
Αυτό δημιουργεί την απαίτηση για ένα μηχανισμό μάθησης, έτσι ώστε να μετατρέπονται τα αποτελέσματα των αισθητηρίων του πράκτορα σε «λογικές» παραστάσεις που συνδυάζουν ένα ή περισσότερα αίτια με ένα ή περισσότερα αποτελέσματα. Αυτή η μάθηση είναι τυπικά στατιστική, αφού ο πράκτορας διαπιστώνει μόνο τη «στατιστική συχνότητα αλήθειας και σφάλματος» -λόγω του δεδομένου περιορισμού ως προς το περιβάλλον του.
Η έννοια της μάθησης είναι τόσο θεμελιώδης για την τεχνητή νοημοσύνη που αποτελεί τη βάση πάνω στην οποία πραγματοποιούνται όλες σχεδόν οι εξελίξεις αυτού του χώρου. Καθώς αναπτύσσονται όλο και καλύτεροι μηχανισμοί μάθησης, διευρύνεται συνεχώς το πεδίο δράσης των ευφυών πρακτόρων αλλά και ανακαλύπτονται νέες «αλήθειες» του κόσμου οι οποίες μέχρι τώρα είχαν περάσει απαρατήρητες (κυρίως επειδή οι άνθρωποι δεν είναι συνήθως τόσο σχολαστικοί στο συνεχή έλεγχο αιτίων-αποτελεσμάτων).
Σε κάποιες περιπτώσεις είναι δυνατή η εξαγωγή νόμων σχετικά με το περιβάλλον αυτό: για παράδειγμα, «η ύπαρξη των συνθηκών Α και Β δημιουργεί πρακτικά τη βεβαιότητα για την εξέλιξη Γ με έναν αιτιοκρατικό νόμο Ν». Δυστυχώς, αυτό είναι εφικτό μόνο σε περιορισμένους τομείς, ή μάλλον σε τομείς που έχουν εκ των προτέρων περιγραφεί σχεδόν πλήρως ως προς τα αίτια και τα πιθανά αποτελέσματα. Συνήθως η ζωή είναι αρκετά πιο πολύπλοκη, και έτσι ο πράκτορας μπορεί μόνο να εξαγάγει μια πιθανή συμπερασματική σχέση μεταξύ των αιτίων και του αποτελέσματος, συχνά χωρίς να μπορεί να εκτιμήσει καν τη σχετική βαρύτητα των διαφόρων παραμέτρων. Το πιο γνωστό παράδειγμα είναι ο τομέας της ιατρικής, όπου συνεχώς ακούμε ότι η αιτία Χ «αυξάνει την πιθανότητα» του αποτελέσματος Ψ, χωρίς συχνά να αναφέρεται ο λόγος για τον οποίο υπάρχει ή δεν υπάρχει αυτή η διαφοροποίηση. Είναι δηλαδή σαν να υπάρχει μεταξύ των αιτίων και των αποτελεσμάτων ένα μαύρο κουτί, το οποίο επεξεργάζεται με «μαγικό» τρόπο τα αίτια και παράγει συχνά κάποια αποτελέσματα. Καλωσήλθατε στον κόσμο των νευρωνικών δικτύων.
Συλλογική μάθηση και δράση
Αν και αυτά τα προβλήματα είναι ήδη πολύπλοκα, τα πράγματα γίνονται ακόμα πιο δύσκολα όταν έχουμε να αντιμετωπίσουμε πολυπρακτορικά περιβάλλοντα, δηλαδή περιβάλλοντα εντός των οποίων δρουν περισσότεροι από έναν ευφυείς πράκτορες. Τα δύο κύρια ζητήματα που ζητούν απάντηση είναι τα εξής:
1. Μπορούν οι πράκτορες να συνδυάσουν τα αποτελέσματα που προκύπτουν από την ατομική τους μάθηση, έτσι ώστε να συνεισφέρουν σε μια ανώτερου επιπέδου συλλογική μάθηση;
2. Μπορούν οι πράκτορες να δράσουν ανεξάρτητα με στόχο τη μεγιστοποίηση της συνάρτησης χρησιμότητάς τους, και παράλληλα να μεγιστοποιήσουν μια διαφορετική, συλλογικού επιπέδου συνάρτηση χρησιμότητας;
Στο πρώτο ερώτημα η απάντηση είναι σαφής, καθαρή, και πλήρως αποδεδειγμένη μαθηματικά:
Το αποτέλεσμα της συλλογικής μάθησης είναι πάντα ανώτερο από εκείνο της ατομικής μάθησης εφόσον οι πράκτορες δεν ξεκινούν από ένα επίπεδο γνώσης που είναι φορτισμένο προς κάποια συγκεκριμένη κατεύθυνση -με άλλα λόγια, εάν οι πράκτορες δεν έχουν εγγενείς προκαταλήψεις.
Το δεύτερο ερώτημα είναι αντικείμενο συνεχούς έρευνας, αλλά έχουν προκύψει κάποια σημαντικά συμπεράσματα ως προς τις μεθόδους με τις οποίες μπορεί ένα σύνολο ανταγωνιστικών πρακτόρων να συνεργάζονται άθελά τους στην επίτευξη κάποιου στόχου. ‘Ομως ακόμα μεγαλύτερη σημασία έχει το θέμα της επικοινωνίας, δηλαδή ο τρόπος με τον οποίο οι πράκτορες θα δρουν πραγματικά συλλογικά.
In testing, they were able to pick up radiowaves in stereo using complimentary left and right side ears. Later on they hope to be able to detect acoustic energy directly using other built-in sensors. There are many ways this might be accomplished, the trick is to find a pressure-sensitive material that can be easily printed. Other researchers have used 3D printing of a material called carbomorph to create piezoresistive sensors that change resistance when bent or stressed. These researchers have also been able to print capacitive button sensors to measure changes in capacitance, and even connectors for hooking things together.
Tεχνητή Νοημοσύνη στην Υγεία 