Το αφεντικό της Microsoft AI διαφημίζει “γνώση μηδενικού κόστους”

6 Ιουλίου, 2024 10:41 πμ

Γνώσεις δωρεάν για όλους;

 
Το τελευταίο βήμα για την επαναστατική δύναμη της τεχνητής νοημοσύνης προβλέπει ότι η τεχνολογία θα κάνει την παραγωγή γνώσης χωρίς κόστος.

Οδηγώντας τις ειδήσεις: Ο Mustafa Suleyman – συνιδρυτής της DeepMind και τώρα διευθύνων σύμβουλος της Microsoft AI – έκανε αυτή την υπόθεση στο Aspen Ideas Festival την περασμένη εβδομάδα.

• «Τα οικονομικά της πληροφορίας πρόκειται να αλλάξουν ριζικά επειδή πρόκειται να μειώσουμε το κόστος παραγωγής γνώσης σε μηδενικό οριακό κόστος», δήλωσε ο Σουλεϊμάν στο φεστιβάλ.
• «Σε 15 ή 20 χρόνια, θα παράγουμε νέα επιστημονική, πολιτιστική γνώση με σχεδόν μηδενικό οριακό κόστος. Θα είναι ευρέως ανοιχτού κώδικα και διαθέσιμο σε όλους».
• «Νομίζω ότι αυτό θα είναι ένα πραγματικό σημείο καμπής στην ιστορία του είδους μας».
• Το απόσπασμα του Σουλεϊμάν απομονώθηκε  και αναλύθηκε στο “Morning Joe”, το NBC και το CNBC.

Γιατί έχει σημασία: Αν ο Σουλεϊμάν έχει δίκιο, αντιμετωπίζουμε έναν κόσμο αφθονίας πληροφοριών και οικονομικής εξάρθρωσης για τον οποίο λίγοι θεσμοί είναι προετοιμασμένοι.

Ναι, αλλά: Ο Σουλεϊμάν δεν είναι αργοπορημένος στο πάρτι της τεχνητής νοημοσύνης – είναι βετεράνος της βιομηχανίας με σοβαρό ιστορικό. Αλλά ο ισχυρισμός του για γνώση μηδενικού κόστους είναι ένα αποκαλυπτικό σημάδι της σκέψης της τεχνολογικής φούσκας.

• Καθώς οι αποτιμήσεις της αγοράς για εταιρείες και έργα τεχνητής νοημοσύνης αυξάνονται, η ρητορική που τις περιβάλλει διογκώνεται για να δικαιολογήσει τη συνεχιζόμενη εισροή τεράστιων ποσών.

Το όραμα του Σουλεϊμάν για παραγωγή γνώσης μηδενικού «οριακού κόστους» λειτουργεί από αυτές τις υποθέσεις:

• Η γνώση είναι ένα μετρήσιμο αγαθό, ένα είδος πνευματικού widget και η AI θα παράγει τέτοια widgets με ασήμαντο κόστος.
• Τα μοντέλα τεχνητής νοημοσύνης έχουν καταναλώσει τόσο πολλή υπάρχουσα ανθρώπινη γνώση που μπορούν να την αναμασήσουν και να την ανασυνδυάσουν για να ταιριάζουν σε κάθε ανθρώπινη ανάγκη.
• Πριν από πάρα πολλά χρόνια, το «οριακό κόστος» θα πέσει στο μηδέν.

Ας δούμε  με πόσους τρόπους αυτό το όραμα αποτυγχάνει να ταιριάξει με την πραγματικότητα:

Το αρχικό κόστος είναι αστρονομικό.

• Η βιομηχανία τεχνολογίας ρίχνει συλλογικά εκατοντάδες δισεκατομμύρια δολάρια σε μια μαζική ανάπτυξη AI.
• Η εξίσωση του Suleyman αγνοεί το υψηλό αρχικό κόστος κατασκευής αυτών των συστημάτων (ακόμη και όταν οι κατασκευαστές AI δεν πληρώνουν τους παραγωγούς δεδομένων για τις πληροφορίες τους) και το ακόμα σημαντικό κόστος λειτουργίας τους – τόσο σε υλικό όσο και σε ενεργειακούς πόρους.

Η γνώση είναι κάτι περισσότερο από πληροφορίες.

• Οι υπολογιστές αποθηκεύουν δεδομένα και η τεχνητή νοημοσύνη μπορεί να βρει μοτίβα στα δεδομένα. Αλλά η «γνώση» είναι κάτι που οι άνθρωποι αποκτούν μέσω της μάθησης και της εμπειρίας.
• Πολλοί ειδικοί της τεχνητής νοημοσύνης υποστηρίζουν ότι τα μεγάλα γλωσσικά μοντέλα δεν «γνωρίζουν» τίποτα απολύτως – και δεν μπορούν καν να πουν πότε δεν έχουν τις πληροφορίες για να δώσουν μια χρήσιμη απάντηση.

Η πρωτοτυπία προέρχεται από τους ανθρώπους.

• Η τεχνητή νοημοσύνη μπορεί να διανείμει την υπάρχουσα γνώση, αλλά δεν είναι καθόλου σαφές ότι η σημερινή (ή η αυριανή) τεχνητή νοημοσύνη είναι ικανή να την «παράγει» με οποιονδήποτε πρωτότυπο τρόπο.
• Η ανακάλυψη παραμένει μια μοναδικά ανθρώπινη προσπάθεια και η «παραγωγή» νέας γνώσης απαιτεί κάθε είδους εμπειρογνωμοσύνη και πλαίσιο που η AI δεν μπορεί ακόμη να προσεγγίσει.
• Οι AI δεν μπορούν να κάνουν έρευνα πεδίου, να σχεδιάσουν νέα πειράματα ή να δημιουργήσουν σπουδαία έργα τέχνης που ανταποκρίνονται στην αίσθηση του να είσαι ζωντανός σε μια συγκεκριμένη στιγμή.

Η άλλη πλευρά: Η τεχνητή νοημοσύνη έχει πληθώρα δυνητικών εφαρμογών σε τομείς όπως η παροχή βοήθειας στους επιστήμονες να εφεύρουν νέες πρωτεΐνες ή να μοντελοποιήσουν πολύπλοκα κλιματικά συστήματα.

• Πολλοί αισιόδοξοι της τεχνητής νοημοσύνης προβλέπουν ότι ερευνητές και καλλιτέχνες θα εργάζονται με την τεχνητή νοημοσύνη στον αγκώνα τους, ενισχύοντας τις δυνάμεις εξερεύνησης και δημιουργικότητάς τους.

• «Τι είμαστε συλλογικά», είπε ο Σουλεϊμάν στο Άσπεν, εκτός από «μια πνευματική μηχανή παραγωγής;»
• «Παράγουμε γνώση. Η επιστήμη μας μας κάνει καλύτερους. Έτσι, αυτό που πραγματικά θέλουμε στον κόσμο, κατά τη γνώμη μου, είναι νέοι κινητήρες που μπορούν να υπερτροφοδοτήσουν την ανακάλυψη και την εφεύρεση».

Αναδρομή: Η άνοδος του διαδικτύου στη δεκαετία του 1990 είδε παρόμοιες προβλέψεις ότι όλη η γνώση θα γίνει τελικά καθολικά διαθέσιμη δωρεάν.

• Ο ιστός εκδημοκρατίζει τις πληροφορίες με πολλούς τρόπους και μερικά από τα κοσμήματα του στέμματός του, όπως η Wikipedia, έχουν αποδειχθεί βασικοί θεμέλιοι λίθοι για τα chatbots.
• Αλλά κάθε νέα τεχνολογική έκρηξη ξεχνά ξανά ότι η διάσημη ρήση του Stewart Brand – «η πληροφορία θέλει να είναι ελεύθερη» – ήρθε πάντα με το επακόλουθο ότι «η πληροφορία θέλει να είναι ακριβή».

Συμπερασματικά: Ακόμη και η Βικιπαίδεια, αν και ελεύθερα προσβάσιμη, δεν είναι παραγωγή γνώσης μηδενικού περιθωρίου κέρδους και ο μη κερδοσκοπικός οργανισμός που τη διαχειρίζεται πρέπει να ικετεύει για δωρεές για να πληρώσει το εικονικό ενοίκιο. Θα πρέπει να υποθέσετε ότι θα πρέπει να πληρώσουμε και για τη γενναιοδωρία γνώσης της AI.

 
-Η ανίχνευση ασθενειών με γνώμονα την τεχνητή νοημοσύνη είναι εδώ

Οι διαγνωστικές εξετάσεις αρχίζουν να εντοπίζουν ασθένειες πολύ νωρίτερα με τη βοήθεια της τεχνητής νοημοσύνης.

Γιατί έχει σημασία: Πολλά από τα σημερινά διαγνωστικά περιορίζονται από το αν υπάρχει ένας γνωστός βιολογικός δείκτης για μια ασθένεια ή ένας κλινικός ιατρός ξέρει ακριβώς τι να ψάξει.

• Αλλά η ικανότητα της τεχνητής νοημοσύνης να χρησιμοποιεί ένα ευρύ φάσμα δεδομένων βοηθά τους ερευνητές να ανακαλύψουν εντελώς νέους τρόπους ανίχνευσης ασθενειών.

Οδηγώντας τις ειδήσεις: Χθες, ερευνητές από το Πανεπιστήμιο του Πεκίνου στο Πεκίνο ανέφεραν ότι τα μοτίβα θερμοκρασίας του προσώπου – που ανιχνεύονται χρησιμοποιώντας θερμικές κάμερες και AI – σχετίζονται με διάφορες χρόνιες ασθένειες, όπως ο διαβήτης και η υψηλή αρτηριακή πίεση.

• Την περασμένη εβδομάδα, ερευνητές του Πανεπιστημίου της Βρετανικής Κολομβίας ανακοίνωσαν ότι εντόπισαν έναν ξεχωριστό υπότυπο καρκίνου του ενδομητρίου που θέτει τους ασθενείς σε πολύ μεγαλύτερο κίνδυνο θανάτου, αλλά «διαφορετικά δεν θα αναγνωρίζονταν από την παραδοσιακή παθολογία και τις μοριακές διαγνωστικές εξετάσεις».
• Σε μια μελέτη τον περασμένο μήνα, οι ερευνητές ανέφεραν ότι θα μπορούσαν να εντοπίσουν ασθενείς με νόσο του Πάρκινσον πολύ νωρίτερα – έως και επτά χρόνια πριν εμφανιστούν τα συμπτώματα – χρησιμοποιώντας μια εξέταση αίματος σε συνδυασμό με AI.

Η μεγάλη εικόνα: Οι αλγόριθμοι AI είναι σε θέση να οργανώνουν και να κοσκινίζουν γρήγορα τεράστιες ποσότητες δεδομένων και να εντοπίζουν μοτίβα που διαφορετικά θα περνούσαν απαρατήρητα.

• Η πρόοδος στους αλγορίθμους σε συνδυασμό με τη μεγαλύτερη διαθεσιμότητα μεγάλων συνόλων δεδομένων και τη βελτιωμένη πρόσβαση στο υπολογιστικό νέφος ενισχύουν τη διάγνωση.
• «Είναι μαθηματικά, όχι μαγικά», λέει ο πρόεδρος της Mayo Clinic Platform John Halamka στο Axios.
• Πολλές από αυτές τις δοκιμές τροφοδοτούνται από κλασικούς αλγόριθμους AI, όχι από γενετική AI που τροφοδοτεί chatbots και γεννήτριες εικόνων.

Μεταξύ των γραμμών: Ένα βασικό πλεονέκτημα της χρήσης της τεχνητής νοημοσύνης στη διάγνωση είναι τα τυχαία ευρήματά της.

• Σε μια αξονική τομογραφία κοιλίας, ένας τόνος δεδομένων συγκεντρώνεται με ένα μόνο τεστ, αλλά συνήθως ο ακτινολόγος μηδενίζει σε αυτό για το οποίο ο γιατρός παρήγγειλε το τεστ, λέει ο Elliott Green, Διευθύνων Σύμβουλος της εκκίνησης βάσεων δεδομένων AI Dandelion Health.
• Αλλά η τεχνητή νοημοσύνη μπορεί επίσης να επισημάνει πρώιμους δείκτες για μεταβολική δυσλειτουργία που σχετίζεται με στεατιστική ηπατική νόσο, που συχνά αναφέρεται ως λιπώδης ηπατική νόσος, λέει ο Green
• «Η τεχνητή νοημοσύνη πηγαίνει εκεί που είναι τα αποδεικτικά στοιχεία, όχι εκεί που πιστεύουμε ότι πρέπει να είναι τα αποδεικτικά στοιχεία», λέει ο Green.

Μεγέθυνση: Οι εξελίξεις στην ανίχνευση ασθενειών καθιστούν επίσης τις διαγνωστικές εξετάσεις πιο εξατομικευμένες, προγνωστικές και κανονιστικές, λέει η Liz Kwo, επικεφαλής ιατρικός σύμβουλος της εταιρείας δοκιμών στο σπίτι Everly Health.

• Οι δοκιμές για πρόσφατα αναγνωρισμένους βιοδείκτες μπορούν να συγκριθούν με τα αρχεία ενός ατόμου και τα δεδομένα σε πραγματικό χρόνο από φορητές συσκευές για την εξατομίκευση μιας διάγνωσης.

Ναι, αλλά: Τα δεδομένα εξόδου είναι τόσο καλά όσο τα δεδομένα. Αυτό σημαίνει ότι η αντιμετώπιση ζητημάτων σχετικά με τη διαφάνεια των δεδομένων και την εκπροσώπηση διαφορετικών ασθενών σε σύνολα δεδομένων είναι ζωτικής σημασίας για την ανάπτυξη ακριβών, λιγότερο μεροληπτικών αλγορίθμων.

• Είναι δύσκολο να αξιολογηθεί η ποιότητα και η ακρίβεια των συστάσεων της γενετικής τεχνητής νοημοσύνης ειδικότερα, επομένως πρέπει να περιοριστεί σε εφαρμογές χαμηλότερου κινδύνου προς το παρόν, λέει ο Halamka.
• Ενώ η τεχνητή νοημοσύνη μπορεί να μειώσει τα ψευδώς θετικά αποτελέσματα, διατρέχει επίσης τον κίνδυνο υπερδιάγνωσης μιας ασθένειας που μπορεί να μην έχει μετατραπεί σε πρόβλημα.

Πηγή: axios.com