Έρχεται η «Γνωσιακή Μηχανή»

Η ανθρώπινη γνώση και σκέψη υπήρξε ανέκαθεν δέσμια ενός μεγάλου προβλήματος, το οποίο είχε αντιληφθεί εγκαίρως στις έρευνές του περί λογικής, ο μεγάλος Έλληνας φιλόσοφος Αριστοτέλης.

Το πρόβλημα έχει ως εξής  η ανθρώπινη λογική ικανότητα είναι δέσμια ενός βασικού περιορισμού: μπορεί να αποφανθεί μόνο για πράγματα που έχουν συμβεί.

Με απλά λόγια, ο άνθρωπος είναι σε θέση να πει αν κάτι είναι αληθές η ψευδές, αν αυτό πράγματι συνέβη ή δεν συνέβη, μόνο για πράγματα τα οποία γνωρίζει εμπειρικά, δηλαδή για πράγματα τα οποία έχουν προηγηθεί χρονικά της παρατήρησής του.

Για παράδειγμα, μπορούμε να πούμε αν μια πόρτα είναι κλειστή μόνο όταν αυτή έχει κλείσει, δηλαδή εκ των υστέρων, όπως επίσης μπορούμε να πούμε με σιγουριά ότι η πόρτα είναι ανοικτή, μόνο αφού αυτή έχει ανοίξει.

Υπάρχει μία στιγμή κατά την οποία είναι αμφίβολο αν κάτι έχει όντως συμβεί ή όχι. Αυτή η στιγμή είναι το χρονικό σημείο στο οποίο η πράξη δεν έχει ακόμη πραγματοποιηθεί, δεν έχει ακόμη συμβεί και το οποίο ο Έλληνας φιλόσοφος ονομάζει «ενδεχόμενον». Κάπου, δηλαδή, μεταξύ του τώρα και του μετά, υπάρχει ένα χωροχρονικό σημείο στο οποίο η πόρτα είναι ταυτόχρονα ανοικτή και κλειστή. Ο σκύλος θα γαβγίσει και δεν θα γαβγίσει. Το αυτοκίνητο που βλέπουμε να έρχεται θα σταματήσει ή δεν θα σταματήσει.

Αυτό το χρονικό σημείο είναι το ενδεχόμενον στο οποίο αναφέρεται ο Αριστοτέλης και το οποίο διαφεύγει της περιορισμένης λογικής ικανότητάς μας, η οποία λειτουργεί δυαδικά: κλειστό/ανοικτό, γαβγίσει/δεν θα γαβγίσει, θα σταματήσει/δεν θα σταματήσει, αληθές/ψευδές, είναι/δεν είναι κ.ο.κ.

Κοινώς, γνωρίζουμε μόνο ό,τι έχει συμβεί. Τα υπόλοιπα εμπίπτουν στο πεδίο των θεών και της θέλησής τους ή στην τύχη η οποία είναι τυφλή, όπως κι εμείς άλλωστε...

Αυτή τη δική μας έμφυτη ανικανότητα πρόβλεψης αναλαμβάνει να αναπληρώσει, μερικώς, η τεχνολογία, είτε πρόκειται για την υπολογιστική μηχανή των Κυθήρων, είτε για τα σύγχρονα προηγμένα υπολογιστικά συστήματα προσομοίωσης, στόχος των οποίων είναι να μας πληροφορήσουν για την ενδεχόμενη συμπεριφορά ενός οργανισμού, ενός φυσικού ή τεχνητού συστήματος, να μας ενημερώσουν για το πώς μπορεί να διαμορφωθεί το μέλλον, όχι πάντα με επιτυχία ή τουλάχιστον όχι επαρκώς.

Σύμφωνα όμως με την έγκυρη ιστοσελίδα τεχνολογίας Phsy.org., αυτό είναι κάτι που σύντομα μπορεί να αλλάξει, καθώς ερευνητική ομάδα επιστημόνων στο πανεπιστημιακό ινστιτούτο Κάρνεγκι Μέλον των ΗΠΑ, υποστηριζόμενη από το Αμερικανικό Εργαστήριο Στρατιωτικών Ερευνών, παρουσίασαν ένα σύστημα τεχνητής νοημοσύνης που έχει τη δυνατότητα όχι μόνο να παρακολουθεί και να καταγράφει, αλλά και να προβλέπει πώς ενδέχεται να συμπεριφερθεί ένα άτομο, τι ενδέχεται να πράξει, μέσω της χρήσης ειδικά προγραμματισμένου λογισμικού, σχεδιασμένου να αναλύει σε πραγματικό χρόνο (real-time) ένα ευρύ φάσμα οπτικοακουστικών δεδομένων, από βιντεοκάμερες παρακολούθησης.

Πιο συγκεκριμένα, το σύστημα μπορεί να ταυτοποιεί αυτομάτως και να ειδοποιεί τους ειδικούς αν η πράξη στην οποία πρόκειται να προβεί το άτομο είναι επιτρεπτή ή εμπίπτει στην κατηγορία των αποκλινουσών συμπεριφορών.

Η έρευνα παρουσιάζει μία πολύπλοκη υποδομή ενός υψηλού επιπέδου συστήματος τεχνητής οπτικής νοημοσύνης, το οποίο φέρει την ονομασία «Γνωσιακή Μηχανή» και λειτουργεί βάσει ενός υβριδικού συστήματος αλγόριθμων αυξητικής μάθησης, που επιτρέπουν την κατηγοριοποίηση και το συνδυασμό μίας ευρείας τυπολογίας πιθανών μορφών δράσης.

Στόχος της έρευνας είναι η δημιουργία ενός συστήματος τεχνητής νοημοσύνης, ανάλογου με εκείνο της ανθρώπινης οπτικής ευφυίας, το οποίο θα μπορεί να εξαγάγει αποτελεσματικά και συνεπή συμπεράσματα – κοινώς, θα είναι σε θέση να μαθαίνει!

Το ανθρώπινο είδος εξελίχθηκε μέσω της γνωσιακής λειτουργίας της μάθησης, η οποία του επέτρεψε να προσαρμόζεται και να αντιδρά καταλλήλως στα ερεθίσματα του περιβάλλοντος, γινόμενο όλο και πιο ικανό να επεξεργάζεται, να φιλτράρει και να γενικεύει τα αισθητηριακά δεδομένα, λαμβάνοντας αποφάσεις στρατηγικής φύσεως και πράττοντας, βάσει των λαμβανόμενων πληροφοριών, σε συνδυασμό με τον όγκο της ήδη υπάρχουσας συσσωρευμένης γνώσης.

Αυτοί οι αλγόριθμοι υπολογιστικής οπτικής αντίληψης έπρεπε να συμπληρωθούν με υψηλότερου επιπέδου εργαλεία ανάλυσης, γνωσιακής αναπαράστασης και λογιστικής επεξεργασίας, ικανά να ανταπεξέλθουν υπό συνθήκες αβεβαιότητας.

Να εικάσουμε, λοιπόν, ότι θα «βλέπουμε» τα πράγματα τη στιγμή που αυτά συμβαίνουν ή θα μπορούσαμε να πάμε ακόμη παραπέρα και να σκεφτούμε ότι όχι μόνο θα μπορούμε να γνωρίζουμε real-time τα συμβάντα, αλλά και να τα προκαλούμε;