Στο αμερικανικό φιλμ -animation «Big Hero 6», ακολουθούμε ένα 14χρονο αγόρι, τον Χίρο Χαμάντα, στο μελλοντικό… Σαν Φρανσόκιο, όπου ο έφηβος ξοδεύει τη ζωή του σε παράνομες μάχες αυτοσχέδιων ρομπότ. Η τεχνολογία έχει εξελιχθεί σε τέτοιο βαθμό, που η τεχνητή νοημοσύνη είναι αυτονόητη καθημερινότητα και η επιστήμη κυνηγά το άπιαστο όνειρο της τηλεμεταφοράς. Η ζωή του αλλάζει όταν ο αδελφός του, ο Ταντάσι, τον φέρνει σε επαφή με το Ινστιτούτο Τεχνολογίας όπου φοιτά, και ο Χίρο γίνεται δεκτός ως παιδί-θαύμα χάρη στα μικρορομπότ που έχει αναπτύξει. Μία ανεξέλεγκτη πυρκαγιά στοιχίζει τη ζωή στον αδελφό του και τον αγαπημένο του καθηγητή, και καταστρέφει τα μικρορομπότ του. Ενώ θρηνεί, ο Χίρο αρχίζει να συνδέεται συναισθηματικά με την εφεύρεση του Ταντάσι, ένα φουσκωτό, ιατρικό ρομπότ που ακούει στο όνομα «Baymax» και είναι προγραμματισμένο να θεραπεύει. Όταν συνειδητοποιεί πως η φωτιά ήταν αποτέλεσμα δολιοφθοράς, για να κλέψουν τα μικρορομπότ του, ο Χίρο καταστρώνει ένα σχέδιο εκδίκησης και προσπαθεί να επαναπρογραμματίσει τον Baymax, για να τον μετατρέψει σε μία φονική μηχανή που θα εξολοθρεύσει τους υπαίτιους. Ο Baymax αντιλαμβάνεται την ψυχολογική κατάσταση του Χίρο, και δεν του επιτρέπει πρόσβαση στα κυκλώματά του. Του θυμίζει πως όνειρο του αδελφού του ήταν να βοηθά και όχι να εκδικείται, και μαζί ξετυλίγουν αναίμακτα το μυστήριο, αποδίδοντας δικαιοσύνη. Μια συναισθηματική μηχανή σώζει τον άνθρωπο από τον εαυτό του και σπάει τα όρια ανάμεσα στην ψυχή και τα μικροτσίπ.

Από την αυγή του πολιτισμού, πράγματα που έμοιαζαν απίθανα να υλοποιηθούν επισκέπτονταν την ανθρώπινη φαντασία ως… μύθοι: η πτήση του Ίκαρου και του Δαίδαλου, για παράδειγμα, τεχνολογικά αδύνατη στην εποχή που εξιστορήθηκε για πρώτη φορά, παρέμεινε για αιώνες στη σφαίρα του ονείρου, μέχρι που στις 17 Δεκεμβρίου του 1903, ο Όρβιλ και ο Ουίλμπερ Ράιτ κατάφεραν την πρώτη ελεγχόμενη, μηχανικά πρωθούμενη ανθρώπινη πτήση πάνω στα φτερά του Flyer, ενός διπλάνου με κινητήρα 12 ίππων και δύο έλικες. Σε τέσσερις διαδοχικές πτήσεις οι Ράιτ κατάφεραν να μείνουν στον αέρα για 12, 13, 15 και 59 δευτερόλεπτα αντίστοιχα. Στην τελευταία πτήση, ταξίδεψαν στον αέρα για μία απόσταση 260 μέτρων.

Τα περισσότερα ανθρώπινα επιτεύγματα ακολουθούν το ίδιο πάνω κάτω μοτίβο: πρώτα γεννιέται η επιθυμία για ένα «αδύνατο» αποτέλεσμα και στη συνέχεια αναπτύσσεται, αργά ή γρήγορα, μονομιάς ή σταδιακά, η απαραίτητη τεχνολογία.

Η γέννηση του μύθου

Την ίδια διαδρομή από το αδύνατο στο δυνατό διανύει και η τεχνητή νοημοσύνη. Η ιδέα μηχανών με ανθρώπινη ευφυΐα καταγράφεται για πρώτη φορά στη λογοτεχνία, σε μία νουβέλα του 1872, το Έρεβον του Σάμουελ Μπάτλερ, δεκαετίες πριν από τον πρώτο υπολογιστή, τον ENIAC, που λειτούργησε μόλις το 1945 και σχεδιάστηκε από τους Τζον Μόχλι και Τζον Έκερτ, με σκοπό τον υπολογισμό πινάκων βολής πυροβολικού για το Εργαστήριο Βαλλιστικής Έρευνας του Στρατού των ΗΠΑ.

Μεταξύ των δύο μεγάλων πολέμων, μια μικρή ελίτ επιστημόνων, μαθηματικών και φιλοσόφων, επιχείρησαν να προσδιορίσουν λογικά και οντολογικά την έννοια και τις προϋποθέσεις ενός τεχνητού εγκεφάλου. Ο όρος «τεχνητή νοημοσύνη» διατυπώθηκε για πρώτη φορά από τον καθηγητή της τεχνολογίας υπολογιστών, Τζον Μακάρθι, σε ένα εργαστήριο του 1956.

Τούρινγκ

Ο Βρετανός μαθηματικός, καθηγητής της λογικής και κρυπτογράφος Άλαν Τούρινγκ, που έπαιξε καθοριστικό ρόλο στη νίκη των Συμμάχων έναντι του Άξονα στον Δεύτερο Παγκόσμιο Πόλεμο με την αποκρυπτογράφηση του κώδικα Enigma των ναζί, εξερευνούσε, στην εργασία του «Υπολογιστικές μηχανές και νοημοσύνη», πιθανούς τρόπους κατασκευής ευφυών μηχανών. «Προτείνω να αναρωτηθούμε αν μπορούν οι μηχανές να σκεφτούν», έγραφε το 1950. Ο Τούρινγκ επινόησε το περίφημο τεστ Τούρινγκ, το οποίο μετρά την ικανότητα μιας μηχανής να προσομοιώνει τον ανθρώπινο λόγο. «Εφόσον μπορούμε να παρατηρήσουμε μόνο τη συμπεριφορά της μηχανής, δεν έχει σημασία αν αυτή πραγματικά σκέφτεται ή αν διαθέτει κυριολεκτικά μυαλό». Ο Τούρινγκ σχολιάζει «δεν μπορούμε να προσδιορίσουμε αυτά τα πράγματα για τους άλλους ανθρώπους, αλλά είναι σύνηθες να δεχόμαστε μια ευγενική σύμβαση ότι όλοι σκέφτονται».

Έως το 1949 οι υπολογιστές ήταν πραγματικά «αδύναμοι», καθώς τους έλειπε μία βασική προϋπόθεση για την ευφυΐα: παρότι μπορούσαν να εκτελούν εντολές, τους ήταν αδύνατο να τις αποθηκεύουν και να «θυμούνται». Στις αρχές της δεκαετίας του 1950, το κόστος για την αγορά ενός υπολογιστή άγγιζε τα 200.000 δολάρια τον μήνα και μόνο ελάχιστα πανεπιστήμια και εταιρείες μπορούσαν να δοκιμάσουν τις δυνατότητές τους, χωρίς να είναι ακόμα πεπεισμένες για την αξία της επένδυσης στη νεογέννητη τεχνολογία.

Η DARPA

Τις επόμενες δύο δεκαετίες, η τεχνολογία εξελίχθηκε με ραγδαίο ρυθμό. Οι υπολογιστές μπορούσαν να αποθηκεύουν περισσότερες πληροφορίες, έγιναν ταχύτεροι, μικρότεροι και πιο προσιτοί. Οι αλγόριθμοι μηχανικής μάθησης βελτιώθηκαν. Οι πρώτες πολλά υποσχόμενες ενδείξεις ήρθαν από εγχειρήματα όπως ο Γενικός Επιλύτης Προβλημάτων των Νιούελ και Σάιμον, και το ELIZA του Γιόζεφ Βάιζενμπαουμ. Κυβερνητικές υπηρεσίες των ΗΠΑ, όπως η περίφημη DARPA, η Υπηρεσία Προηγμένων Αμυντικών Ερευνητικών Προγραμμάτων, πείστηκαν τότε να χρηματοδοτήσουν την έρευνα τεχνητής νοημοσύνης σε διάφορα ιδρύματα. Η αμερικανική κυβέρνηση ενδιαφερόταν ιδιαίτερα για μια μηχανή που θα μπορούσε να μεταγράφει και να μεταφράζει την προφορική γλώσσα. Η αισιοδοξία ήταν μεγάλη και οι προσδοκίες ακόμα μεγαλύτερες. 

Το 1970 ο γνωστικός επιστήμονας και ειδικός στους υπολογιστές Μάρβιν Μίνσκι προφήτευε στο περιοδικό Life ότι «σε τρία έως οκτώ χρόνια θα έχουμε μια μηχανή με τη γενική νοημοσύνη ενός μέσου ανθρώπου». Ο δρόμος για τη φυσική γλώσσα, την αφηρημένη σκέψη και την αυτοαναγνώριση αποδείχθηκε πολύ μακρύτερος των προσδοκιών. 

Φιλομαθή προγράμματα και deep learning

Τη δεκαετία του 1980 οι Τζον Χόπφιλντ και ο Ντέιβιν Ράμελχαρτ ανέπτυξαν τις περίφημες μεθόδους deep learning, «βαθιάς μάθησης», που επέτρεπαν στους υπολογιστές να μαθαίνουν, τρόπον τινά, από προηγούμενες δοκιμές τους. Συνέχεια έδωσε ο Έντουαρντ Φέιγκενμπαουμ, που εισήγαγε τεχνητά συστήματα εμπειρογνωμόνων, τα οποία μιμούνταν τη διαδικασία λήψης αποφάσεων ειδικών. Το πρόγραμμά του ρωτούσε έναν εμπειρογνώμονα ενός κλάδου πώς να αντιδράσει σε μια δεδομένη κατάσταση, και μόλις αποθήκευε το σκεπτικό του ειδικού, συμβούλευε με τη σειρά του μη ειδικούς.

Αυτά τα συστήματα εμπειρογνωμόνων χρησιμοποιήθηκαν ευρέως στη βιομηχανία και η ιαπωνική κυβέρνηση τα χρηματοδότησε αδρά, στο πλαίσιο ενός προγράμματος ανάπτυξης υπολογιστών πέμπτης γενιάς.

Μετά από 400 εκατομμύρια δολάρια και υπομονή οκτώ ετών, τα αποτελέσματα δεν πλησίαζαν τις προσδοκίες και η κυβερνητική προσοχή στράφηκε αλλού.

Ρουά ματ, Γκάρι

Ελλείψει κρατικής χρηματοδότησης και δημόσιου ενδιαφέροντος, η έρευνα και η ανάπτυξη δεν σταμάτησε ολωσδιόλου και, παραδόξως, ήταν στις «ήρεμες» δεκαετίες του 1990 και του 2000 που επιλύθηκαν πολλά από τα νευραλγικά προβλήματα.

Το 1996, ο παγκόσμιος πρωταθλητής στο σκάκι Γκάρι Κασπάροφ ηττήθηκε από το Deep Blue της IBM, ένα πρόγραμμα υπολογιστή που έπαιζε σκάκι. Σε αυτόν τον πολύ προβεβλημένο αγώνα ήταν η πρώτη φορά που ένας παγκόσμιος πρωταθλητής και γκραν μαιτρ στο σκάκι έχανε από έναν υπολογιστή. Την επόμενη χρονιά, ένα λογισμικό αναγνώρισης ομιλίας, που είχε αναπτυχθεί από την Dragon Systems, ενσωματώθηκε στα Windows. Επρόκειτο για ένα τεράστιο βήμα στην προσπάθεια διερμηνείας προφορικού λόγου. Λίγο αργότερα, ένα ρομπότ που αναπτύχθηκε από τη Σίνθια Μπρίζελ, μπορούσε, φαινομενικά, να αναγνωρίζει τα συναισθήματα στους ανθρώπους και να μιμείται τη συμπεριφορά τους.

Τι άλλαξε;

Η μνήμη των υπολογιστών δεν ήταν πλέον πρόβλημα. Ο περίφημος νόμος του Μουρ, που υπολογίζει ότι η μνήμη και η ταχύτητα των υπολογιστών διπλασιάζονται κάθε χρόνο, επαληθευόταν, και η υπολογιστική ισχύς επιταχυνόταν με ακάθεκτο ρυθμό. Όπως ο Deep Blue είχε καταφέρει να νικήσει τον Γκάρι Κασπάροφ το 1997, είκοσι χρόνια αργότερα ο Alpha Go της Google θα «διέλυε» στο κινεζικό παιχνίδι Go τον πρωταθλητή και παιδί- θαύμα Κε Τζιε. Η ομοσπονδία του αθλήματος αναγκάστηκε να τιμήσει τον Alpha Go με 9 νταν! Αυτή ήταν η πρώτη φορά που γινόταν τέτοια τιμή σε μη ανθρώπινη οντότητα.

Το μέλλον είναι εδώ

Στα τέλη του 2022 έκαναν την εμφάνισή τους τα μεγάλα γλωσσικά μοντέλα (LLM), δίνοντας τη δυνατότητα στους χρήστες να συνομιλήσουν επί παντός επιστητού με τα συστήματα τεχνητής νοημοσύνης. Η ΑΙ άρχισε να εκπαιδεύεται σε έναν τεράστιο όγκο δεδομένων, που ήταν διαθέσιμος στο Διαδίκτυο. Οι δυνατότητες ξεπέρασαν κάθε προσδοκία και οι επόμενες εκδόσεις των LLM’s άρχισαν να γράφουν άριστα σε πανεπιστημιακές εξετάσεις ιατρικών και νομικών επιστημών. Δισεκατομμύρια δολάρια έχουν επενδυθεί από τις Big Tech και εκατομμύρια ακόμα θα επενδυθούν στα μικροτσιπ τεχνητής νοημοσύνης, εκτοξεύοντας την αξία των εταιρειών σε απρόσμενα ύψη.

Σύμφωνα με τις περισσότερες εκτιμήσεις, η παραγωγική τεχνητή νοημοσύνη είναι απλώς ένα στάδιο, και αυτό που αναμένεται να ακολουθήσει θα είναι ακόμα μεγαλύτερο: η διαδραστική ΑΙ θα μπορεί να εκτελεί τις εντολές που της θέτουμε αναζητώντας τη λύση σε άλλα λογισμικά ή ανθρώπους, με τους οποίους θα επικοινωνεί για λογαριασμό μας.

Η άνοδος της τεχνητής νοημοσύνης στο ανθρώπινο και το υπεράνθρωπο επίπεδο υπόσχεται −και ταυτόχρονα απειλεί− πως θα τα αλλάξει όλα για πάντα.