Η ομάδα Viral Communications στο Media Lab του ΜΙΤ ερευνά τρόπους αξιοποίησης των δυνατοτήτων που προσφέρει η τεχνητή νοημοσύνη σε κομβικές πτυχές της καθημερινότητας των ανθρώπων, όπως η κατανόηση των ειδήσεων

Οικονομική Επιθεώρηση, Ιανουάριος 2023, τ.1026

ΤΕΧΝΟΛΟΓΙΑ

του Μιχάλη Μπλέτσα*

Η ερευνητική ομάδα Viral Communications στο Media Lab ασχολείται με την κλιμάκωση των συστημάτων επικοινωνίας. Ξεκίνησε με τα ψηφιακά βίντεο τη δεκαετία του ’90, συνέχισε με αυτορυθμιζόμενες ασύρματες επικοινωνίες στη δεκαετία του 2000, και σήμερα εξετάζει το πώς θα κλιμακωθεί η τεχνητή νοημοσύνη καθώς αυτή γίνεται μέρος της καθημερινής ζωής. Η ομάδα θεωρεί ότι βρισκόμαστε σε ένα σημείο καμπής, γιατί εφευρίσκουμε μηχανές που είναι κάτι περισσότερο από ενισχυτές της ανθρώπινης προσπάθειας, δημιουργώντας έναν κλειστό βρόχο αλληλεπίδρασης με τον άνθρωπο. Η πρόκληση της ομάδας είναι το χτίσιμο ενός συμβιωτικού βρόχου, στον οποίο οι άνθρωποι και οι μηχανές σχηματίζουν ένα αμοιβαία υποστηρικτικό ζευγάρι. Η ομάδα εξετάζει τις σχέσεις μεταξύ ανθρώπων και μηχανών ως δημιουργικών συνεργατών.

Το Liquid News στοχεύει να βοηθήσει τους ανθρώπους να κατανοήσουν καλύτερα και να αλληλεπιδράσουν με τις ειδήσεις, παρέχοντας ανάλυση που βασίζεται στη μηχανική μάθηση και σε σημασιολογικά βοηθήματα πλοήγησης. Αυτό θα επιτρέψει στους χρήστες να αναλύουν τις ειδήσεις μέσω ενός σημασιολογικού-σχεσιακού μοντέλου, που αξιοποιεί τη λανθάνουσα σύνδεση μεταξύ των τμημάτων ειδήσεων. Η ελπίδα είναι ότι αυτό θα αποκαλύψει τις σχέσεις μεταξύ θεμάτων που καλύπτονται από πολλές πηγές ειδήσεων και θα προωθήσει μια μεγαλύτερη κατανόηση των ειδήσεων και των μέσων ενημέρωσης γύρω μας.

Για παράδειγμα, ο θάνατος της βασίλισσας Ελισάβετ Β’ καλύφθηκε έντονα από τα μέσα ενημέρωσης. Οι πληροφορίες επικεντρώθηκαν όχι μόνο στον θάνατό της, αλλά σε μια ολόκληρη κατηγορία σχετικών θεμάτων, όπως η βασιλική επιτυχία, η βρετανική ιστορία, ο πλούτος της μοναρχίας κ.τ.λ. Αυτά τα θέματα σχετίζονται με τον θάνατο της βασίλισσας σε λανθάνον σημασιολογικό-σχεσιακό επίπεδο και είναι απαραίτητα για την κατανόηση της σημασίας του θανάτου της. Ωστόσο, αυτά τα θέματα καλύφθηκαν σε πολλά μέσα ειδήσεων και σε διαφορετική έκταση, γεγονός που καθιστά δύσκολο τον εντοπισμό και την κατανόηση αυτών των λανθανουσών συνδέσεων. Το Liquid News στοχεύει στη δημιουργία μιας διεπαφής (interface) που χρησιμοποιεί μηχανική μάθηση για να προσδιορίζει τα βασικά θέματα και να αναλύει, να ομαδοποιεί και να συσχετίζει τμήματα ειδήσεων από πολλές πηγές ειδήσεων. Με τον τρόπο αυτό, η ομάδα ελπίζει να αποκαλύψει αυτές τις λανθάνουσες σχέσεις και να προωθήσει μια καλύτερη κατανόηση των ειδήσεων και των μέσων που μας περιβάλλουν.

Το @artbhot είναι ένα πρόγραμμα (bot) στο Twitter που αξιοποιεί τις τρέχουσες τεχνολογίες διάχυσης (diffusion) για να μεταφράζει τα tweets των χρηστών σε εικόνες και κινούμενα σχέδια. Μέχρι πρόσφατα, η πρόσβαση στα συστήματα βαθιάς μηχανικής μάθησης μετατροπής κειμένου σε εικόνα περιοριζόταν σε σημειωματάρια Google Colab και στις αλληλεπιδράσεις με τη γραμμή εντολών. Υλοποιήσεις όμως τέτοιων συστημάτων όπως το Midjourney και το DALLE.2 έκαναν την πρόσβαση στον χρήστη πολύ πιο φιλική και έκαναν τις δυνατότητές τους προσβάσιμες σε πολύ πιο ευρύ κοινό.

Ωστόσο, η ενσωμάτωση αυτής της παραγωγικής ικανότητας βαθιάς μάθησης στα μέσα κοινωνικής δικτύωσης παρέχει μια μοναδική ευκαιρία να δούμε μια εικόνα του τρόπου με τον οποίο οι άνθρωποι αλληλεπιδρούν με αλγόριθμους σύνθεσης εικόνας και βίντεο σε ένα κοινωνικό περιβάλλον. Σε μια εποχή άνευ προηγουμένου ανάπτυξης και χρήσης αυτών των μοντέλων παραγωγής, και δεδομένης της διάχυσης των μέσων που παράγονται ήδη στο διαδίκτυο, είναι σημαντικό να αξιολογηθεί ο προοδευτικός ρόλος που θα μπορούσε να διαδραματίσει αυτή η τεχνολογία.

* Ο Μιχάλης Μπλέτσας είναι ερευνητής και διευθυντής Πληροφορικής στο Media Lab του ΜΙΤ