Η νέα τεχνολογία ως ρήξη με το παρελθόν της πληροφορικής.

Το προηγούμενο χρονικό διάστημα είδαμε δύο μοντέλα της Τεχνητής Νοημοσύνης του Google DeepMind να λύνουν προβλήματα μαθηματικών στη Διεθνή Μαθηματική Ολυμπιάδα 2024, ενώ μέχρι εκείνη τη στιγμή μοντέλα ΤΝ είχαν αποτύχει σε λογικούς συλλογισμούς.

Την ίδια ώρα όμως, Chatbot όπως το ChatGPT της Open AI, μπορούν να γράψουν ποίηση, να συνοψίσουν βιβλία και να απαντήσουν σε ερωτήσεις, συχνά με ευχέρεια ανθρώπινου επιπέδου. Πώς γίνεται, λοιπόν, η Τεχνητή Νοημοσύνη, να γράφει ποίηση αλλά να μην μπορεί να λύσει μαθηματικές ασκήσεις;

Αυτό συμβαίνει λόγω του γεγονότος πως είναι ρυθμισμένα για τον υπολογισμό βάσει πιθανοτήτων κι όχι βάσει κανόνων, μας λένε ειδικοί.

Αυτά τα συστήματα μπορούν να κάνουν μαθηματικά, με βάση αυτά που έχουν μάθει, αλλά τα αποτελέσματα μπορεί να ποικίλλουν και να είναι λάθος.

«Τα chatbot τεχνητής νοημοσύνης δυσκολεύονται με τα μαθηματικά επειδή δεν σχεδιάστηκαν ποτέ για να τα κάνουν», δήλωσε ο Κρίστιαν Χάμοντ, καθηγητής πληροφορικής και ερευνητής τεχνητής νοημοσύνης στο Πανεπιστήμιο Northwestern.

Από την παρθενική εμφάνισή τους τη δεκαετία του 1940, οι υπολογιστές ήταν ακούραστες, γρήγορες, ακριβείς υπολογιστικές μηχανές που ξεπερνούν τις ανθρώπινες επιδόσεις. Πρόκειται, λοιπόν, για μια απότομη ρήξη με το παρελθόν της πληροφορικής.

«Τα chatbot τεχνητής νοημοσύνης δυσκολεύονται με τα μαθηματικά επειδή δεν σχεδιάστηκαν ποτέ για να τα κάνουν»

Ωστόσο, πριν από περισσότερο από μια δεκαετία, μια διαφορετική προσέγγιση ξεπέρασε τα όρια και άρχισε να αποφέρει εντυπωσιακά κέρδη.

Η υποκείμενη τεχνολογία, που ονομάζεται νευρωνικό δίκτυο, έχει ως πρότυπο τον ανθρώπινο εγκέφαλο. Αυτό το είδος τεχνητής νοημοσύνης δεν προγραμματίζεται με αυστηρούς κανόνες, αλλά μαθαίνει αναλύοντας τεράστιες ποσότητες δεδομένων.

Παράγει γλώσσα, με βάση όλες τις πληροφορίες που έχει απορροφήσει, προβλέποντας ποια λέξη ή φράση είναι πιο πιθανό να ακολουθήσει – όπως κάνουν οι άνθρωποι.

Κατά καιρούς, τα chatbot της τεχνητής νοημοσύνης τα έχουν βρει σκούρα με απλά μαθηματικά προβλήματα που απαιτούν πολλαπλά βήματα για να φτάσουν στη λύση, κάτι που πρόσφατα καταγράφηκε από ορισμένους κριτικούς τεχνολογίας.

Για παράδειγμα, μιλώντας σε ένα πρόσφατο συνέδριο, η Κρίστεν ΝτιΚέρμπο, επικεφαλής μάθησης της Khan Academy, ενός μη κερδοσκοπικού εκπαιδευτικού οργανισμού που πειραματίζεται με ένα A.I. chatbot βοηθό διδασκαλίας, εισήγαγε το θέμα της ακρίβειας των μαθηματικών.

«Είναι ένα πρόβλημα, όπως πολλοί από εσάς γνωρίζετε», είπε η Δρ. ΝτιΚέρμπο στους εκπαιδευτικούς.

Πριν από λίγους μήνες, η Khan Academy έκανε μια σημαντική αλλαγή στον A.I. – βοηθό διδασκαλίας, που ονομάζεται Khanmigo.

Ο «βοηθός» στέλνει πολλά αριθμητικά προβλήματα σε ένα πρόγραμμα αριθμομηχανής, αντί να ζητά από την τεχνητή νοημοσύνη να λύσει τα μαθηματικά. «Στην πραγματικότητα χρησιμοποιούμε εργαλεία που προορίζονται να κάνουν μαθηματικά», δήλωσε η Δρ ΝτιΚέρμπο, η οποίος παραμένει αισιόδοξή ότι τα chatbot θα διαδραματίσουν σημαντικό ρόλο στην εκπαίδευση.

Τα μαθηματικά είναι ένας «σημαντικός εξελισσόμενος ερευνητικός τομέας», αναφέρει το OpenAI σε ανακοίνωσή του, και ένας τομέας στον οποίο οι επιστήμονές του έχουν σημειώσει σταθερή πρόοδο.

Η νέα έκδοση του GPT πέτυχε σχεδόν 64% ακρίβεια σε μια δημόσια βάση δεδομένων με χιλιάδες προβλήματα που απαιτούν οπτική αντίληψη και μαθηματική σκέψη, συμπλήρωσε η εταιρεία.

Οι μη προβλεπόμενες επιδόσεις της τεχνολογίας στα μαθηματικά δημιούργησαν δύο στρατόπεδα σχετικά με τον καλύτερο τρόπο προώθησης του τομέα:

Ι. Από τη μία πλευρά είναι εκείνοι που πιστεύουν ότι τα προηγμένα νευρωνικά δίκτυα, γνωστά ως μεγάλα γλωσσικά μοντέλα, που τροφοδοτούν τα chatbots της τεχνητής νοημοσύνης είναι σχεδόν ένας μοναδικός δρόμος προς τη σταθερή πρόοδο και τελικά προς την τεχνητή γενική νοημοσύνη ή A.G.I., έναν υπολογιστή που μπορεί να κάνει οτιδήποτε μπορεί να κάνει ο ανθρώπινος εγκέφαλος. Αυτή είναι η κυρίαρχη άποψη σε μεγάλο μέρος της Silicon Valley.

ΙΙ. Υπάρχουν όμως και σκεπτικιστές που αμφισβητούν το κατά πόσον η προσθήκη περισσότερων δεδομένων και υπολογιστικής δύναμης πυρός στα μεγάλα γλωσσικά μοντέλα είναι αρκετή.

Τα μεγάλα γλωσσικά μοντέλα, έχει πει ο Δρ Γιαν ΛεΚαν, ο επικεφαλής επιστήμονας της τεχνητής νοημοσύνης στη Meta, έχουν μικρή κατανόηση της λογικής και στερούνται λογικής συλλογιστικής με κοινή λογική.

Αυτό που χρειάζεται, επιμένει, είναι μια ευρύτερη προσέγγιση, την οποία αποκαλεί «μοντελοποίηση του κόσμου», ή συστήματα που μπορούν να μάθουν πώς λειτουργεί ο κόσμος, όπως κάνουν οι άνθρωποι, ενώ σύμφωνα με τον ίδιο αυτό μπορεί να χρειαστεί περίπου μια δεκαετία για να επιτευχθεί.

Εν τω μεταξύ, όμως, η Meta ενσωματώνει λογισμικό έξυπνων ψηφιακών βοηθών στις υπηρεσίες κοινωνικής δικτύωσης, όπως το Facebook, το Instagram και το WhatsApp, με βάση το μεγάλο γλωσσικό της μοντέλο, LLaMA. Τα σημερινά μοντέλα μπορεί να είναι ελαττωματικά, αλλά εξακολουθούν να κάνουν πολλά.

Ο Ντέιβιντ Φερούτσι ηγήθηκε της ομάδας που κατασκεύασε τον περίφημο υπολογιστή «Watson» της IBM, ο οποίος νίκησε το 2011 τους καλύτερους ανθρώπινους παίκτες του «Jeopardy!».

Όπως οι περισσότεροι επιστήμονες πληροφορικής, ο Δρ Φερούτσι βρίσκει την τελευταία τεχνολογία τεχνητής νοημοσύνης αναμφισβήτητα εντυπωσιακή – αλλά κυρίως, και αυτός, για τις γλωσσικές της ικανότητες κι όχι για την ακρίβειά της.

Η νεοσύστατη επιχείρησή του, Elemental Cognition, αναπτύσσει λογισμικό για τη βελτίωση της λήψης επιχειρηματικών αποφάσεων σε τομείς όπως η χρηματοδότηση, τα ταξίδια και η ανακάλυψη φαρμάκων. Αυτό το δομημένο λογισμικό, είπε ο Δρ Φερούτσι, είναι αυτό που χρησιμοποιούν σήμερα πολλά από τα βασικά συστήματα του κόσμου, όπως οι τράπεζες, οι αλυσίδες εφοδιασμού και ο έλεγχος εναέριας κυκλοφορίας.

«Τους μαθαίνει να βλέπουν τα πράγματα με κριτική ματιά και οξύνει την κριτική σκέψη».

Ο Κερκ Σνάιντερ, καθηγητής μαθηματικών σε λύκειο της Νέας Υόρκης, λέει ότι θεωρεί αναπόφευκτη την εισβολή των chatbot στην εκπαίδευση. Ο ίδιος μάλιστα θεωρεί πως παρότι οι διευθυντές των σχολείων θα προσπαθήσουν να τα απαγορεύσουν, οι μαθητές θα τα χρησιμοποιούν.

Αλλά ο κ. Σνάιντερ έχει κάποιους ενδοιασμούς καθότι έχει και ο ίδιος παρατηρήσει περιστασιακά ολισθήματα στα αποτελέσματα της τεχνολογίας. «Αυτά τα περιστασιακά ολισθήματα έχουν αποδειχθεί, ωστόσο, ότι αποτελούν ευκαιρία για διδασκαλία», υποστηρίζει ο ίδιος.

Ο κ. Σνάιντερ συχνά χωρίζει τις τάξεις του σε μικρές ομάδες μαθητών και οι απαντήσεις του chatbot αποτελούν κεντρικό σημείο συζήτησης, καθώς βάζει τους μαθητές του να «βαθμολογήσουν» την απάντηση, καθώς, κατά τη άποψή του: «Τους μαθαίνει να βλέπουν τα πράγματα με κριτική ματιά και οξύνει την κριτική σκέψη».

Μένει τώρα να εξετάσουμε τα όρια εισαγωγής των νέων τενολογιών στη ζωή μας. Τι σήμαινει πρακτικά για το Πυθαγόρειο Θεώρημα η αυτοματοποίησή του; Τι για την ανθρωπότητα εν γένει;

 

 

* Πηγή The New York Times

Πηγή:in