Θυμάσαι εκείνη τη στιγμή το 1996 όταν ο κόσμος του σκακιού ανατράπηκε; Ναι, μιλάω για το Deep Blue, τον υπερυπολογιστή της IBM που τόλμησε να προκαλέσει τον μεγάλο Γκάρι Κασπάροβ. Αν και δεν κέρδισε ολόκληρη τη σειρά, κατάφερε να πάρει μια παρτίδα.
Έναν χρόνο αργότερα, το 1997, το Deep Blue έδωσε το τελικό χτύπημα και νίκησε τον Κασπάροβ σε μια πλήρη αναμέτρηση. Ποιος θα πίστευε ότι μια μηχανή θα μπορούσε να υπολογίζει 200 εκατομμύρια θέσεις ανά δευτερόλεπτο; Ένα επίτευγμα που άφησε όλους με το στόμα ανοιχτό και λίγο ανήσυχους.
Το Deep Blue δεν άλλαξε μόνο τους κανόνες του παιχνιδιού, αλλά επανακαθόρισε επίσης την αντίληψή μας για την τεχνητή νοημοσύνη. Δεν επρόκειτο πλέον μόνο για μηχανές που επαναλάμβαναν μονοτονές εργασίες, αλλά για συστήματα που μπορούσαν να ξεπεράσουν τους ανθρώπους στα δικά τους παιχνίδια ευφυΐας.
Ο Γουάτσον και η τέχνη της απάντησης σε αδύνατες ερωτήσεις
Το 2011, η τεχνητή νοημοσύνη έκανε ένα ακόμα εντυπωσιακό άλμα όταν ο Watson, επίσης της IBM, αντιμετώπισε τους τιτάνες του τηλεοπτικού διαγωνισμού Jeopardy!: Brad Rutter και Ken Jennings. Η ικανότητα του Watson να κατανοεί ερωτήσεις σε φυσική γλώσσα και να απαντά με ταχύτητα και ακρίβεια ήταν, χωρίς αμφιβολία, ένα θέαμα που άξιζε να δεις. Αν και έκανε μερικά λάθη (όπως να συγχέει το Τορόντο με το Σικάγο, ωχ!), ο Watson συσσώρευσε μια αποφασιστική νίκη.
Αυτό το γεγονός δεν ήταν μόνο μια επίδειξη τεχνολογικής δύναμης, αλλά και μια πρόοδος στην επεξεργασία φυσικής γλώσσας. Και, φυσικά, άφησε τους θεατές να αναρωτιούνται: "Τι είναι το επόμενο;" (με τον τόνο του Jeopardy, φυσικά).
Η Τεχνητή Νοημοσύνη γίνεται όλο και πιο έξυπνη και οι άνθρωποι πιο ανόητοι
Η AlphaGo και η χιλιόχρονη πρόκληση του Go
¡Το Go! Ένα παιχνίδι με περισσότερα από 2,500 χρόνια ιστορίας και ένα επίπεδο πολυπλοκότητας που κάνει το σκάκι να φαίνεται παιδικό παιχνίδι. Το 2016, το AlphaGo, που αναπτύχθηκε από την DeepMind, εντυπωσίασε τον κόσμο νικώντας τον πρωταθλητή Lee Sedol. Χρησιμοποιώντας βαθιά νευρωνικά δίκτυα και ενισχυτική μάθηση, το AlphaGo όχι μόνο υπολόγισε κινήσεις, αλλά επίσης έμαθε και βελτιώθηκε κατά τη διαδικασία.
Αυτή η αναμέτρηση έδειξε ότι δεν ήταν μόνο θέμα brute force, αλλά στρατηγικής και προσαρμοστικότητας. Ποιος θα έλεγε ότι μια μηχανή θα μπορούσε να μας διδάξει για τη δημιουργικότητα;
Πέρα από το παιχνίδι: ο αντίκτυπος της Τεχνητής Νοημοσύνης στον πραγματικό κόσμο
Αυτές οι νίκες της Τεχνητής Νοημοσύνης δεν περιορίζονται στα παιχνίδια. Ο Watson, για παράδειγμα, έχει μεταπηδήσει από το τηλεοπτικό στούντιο σε νοσοκομεία, χρηματοοικονομικά γραφεία και ακόμη και μετεωρολογικούς σταθμούς. Η ικανότητά του να αναλύει τεράστιους όγκους δεδομένων έχει επαναστατήσει τον τρόπο που παίρνουμε αποφάσεις. Και τι γίνεται με το AlphaGo; Η κληρονομιά του συνεχίζει να εμπνέει προόδους στη λογιστική, το σχεδιασμό υλικών και την επιστημονική έρευνα.
Αυτές οι νίκες θέτουν ερωτήματα σχετικά με τις ευθύνες που συνεπάγεται η τεχνητή νοημοσύνη. Πώς ισορροπούμε τις τεχνολογικές προόδους με τις ηθικές ανησυχίες; Ένα δίλημμα που, αν και περίπλοκο, είναι τόσο μαγευτικό όσο και το ίδιο το σκάκι.
Έτσι λοιπόν, εδώ είμαστε, σε έναν κόσμο όπου οι μηχανές δεν παίζουν μόνο, αλλά συνεργάζονται και ανταγωνίζονται μαζί μας. Είσαι έτοιμος για την επόμενη κίνηση;