Τεχνητή Νοημοσύνη και Deep Learning: Ένας data engineer εξηγεί, μιλώντας τη γλώσσα μας

Η ιδέα είναι απλή: ο ανθρώπινος εγκέφαλος αποτελείται από νευρώνες. Εάν εξομοιώσουμε τις βασικές λειτουργίες ενός νευρώνα με τη χρήση υπολογιστή και συνδέσουμε πολλούς από αυτούς, τότε θα μπορέσουμε να παραγάγουμε νοημοσύνη αντίστοιχη με την ανθρώπινη, αλλά τεχνητή -δηλαδή, Τεχνητή Νοημοσύνη (Artificial Intelligence -ΑΙ). Ήδη από το 1970 είχαν δημιουργηθεί τα πρώτα τεχνητά νευρωνικά δίκτυα, σε μια προσπάθεια ο υπολογιστής να μιμηθεί την ανθρώπινη νοημοσύνη.

Τα τεχνητά νευρωνικά δίκτυα (Artificial Neural Networks – ANN) δεν είναι ο μόνος τρόπος να παραχθεί τεχνητή νοημοσύνη. Για την ακρίβεια, εάν θεωρήσουμε ότι νοημοσύνη είναι η αποτελεσματική επεξεργασία πληροφορίας, τότε κάθε εξελιγμένο σύστημα πληροφορικής μπορεί να θεωρηθεί, με μια έννοια, τεχνητή νοημοσύνη.

Συνεπώς, η χρήση του όρου Τεχνητή Νοημοσύνη, αντί της Μηχανικής Μάθησης (Machine Learning), ή ακόμη και απλώς της Πληροφορικής, είναι μάλλον υφολογικό ή περιστασιακό θέμα.

Για παράδειγμα, τη δεκαετία του 1990, εάν κάποιος έκανε λόγο για ένα σύστημα το οποίο θα αναγνώριζε πού βρίσκεσαι και θα σου μιλούσε, προκειμένου να σου δώσει κατευθύνσεις ως προς τη διαδρομή που μπορείς να ακολουθήσεις, για να φτάσεις στον προορισμό σου, σίγουρα θα μιλούσε για ένα σύστημα τεχνητής νοημοσύνης. Σήμερα, αυτό το σύστημα το έχουμε όλοι στα κινητά μας τηλέφωνα και το λέμε Google Maps -μάλλον, χωρίς να το θεωρούμε τεχνητή νοημοσύνη.

Μπορεί να πει κανείς ότι ως Τεχνητή Νοημοσύνη ονομάζουμε, σε κάθε εποχή, τα εξελιγμένα συστήματα Πληροφορικής. Πολλοί ονομάζουν Artificial Inteligence (ΑΙ) τα εξελιγμένα συστήματα πληροφορικής τα οποία, εκτός του ότι επεξεργάζονται παθητικά πληροφορία, επιδρούν ενεργητικά στο περιβάλλον -δηλαδή, αναφέρονται στην εξελιγμένη ρομποτική.

«If it works, it’s not AI»

Μέχρι τα μέσα της δεκαετίας του 2000, ήταν τέτοια η αποτυχία των συστημάτων τεχνητής νοημοσύνης που, στους κύκλους των ερευνητών, κυκλοφορούσε το ρητό «If it works, it’s not AI; and if it’s AI, it does not work”» («εάν δουλεύει, δεν είναι τεχνητή νοημοσύνη -εάν είναι τεχνητή νοημοσύνη, δεν δουλεύει»).

Από όλα τα συστήματα πληροφορικής, μηχανικής μάθησης ή τεχνητής νοημοσύνης, αυτό που μοιάζει δομικά περισσότερο με την ανθρώπινη νοημοσύνη είναι, βέβαια, τα τεχνητά νευρωνικά δίκτυα, αφού αποτελούνται και αυτά από νευρώνες. Ωστόσο, μέχρι το 2012, κανείς δεν είχε καταφέρει να χρησιμοποιήσει τεχνητά νευρωνικά δίκτυα με ικανοποιητική απόδοση, για σκοπούς οι οποίοι στους ανθρώπους μοιάζουν εύκολοι και καθημερινοί -για παράδειγμα, για να αναγνωρίσουν εάν υπάρχει μια γάτα σε μια εικόνα ή όχι.

Σε αντίθεση με τις υπόλοιπες μεθόδους Μηχανικής Μάθησης, οι οποίες είναι βέλτιστες με μαθηματικό τρόπο, τα Artificial NeuralNets (ANN) έχουν κατά κύριο λόγο εμπειρικούς τρόπους σχεδιασμού και εκπαίδευσής τους. Το γεγονός αυτό δημιουργούσε ανασφάλεια στην επιστημονική κοινότητα για την αξιοπιστία τους: ακόμη και σήμερα, εν έτει 2018, όταν κάνουν λάθος δεν ξέρουμε πώς και γιατί έσφαλαν. Απλώς, με τις σημερινές μεθόδους και αρχιτεκτονικές, κάνουν λάθος συγκλονιστικά λιγότερες φορές από ό,τι άλλο έχει δοκιμαστεί.

Στην πράξη, από το 1990 μέχρι το 2012, μόνο η χρήση του όρου neural networks αρκούσε για την απόρριψη μιας δημοσίευσης πληροφορικής, εάν δεν προοριζόταν για κάποιο από τα εξειδικευμένα συνέδρια, στο οποίοι λίγοι έδιναν σημασία. Επιπλέον, όσοι καταπιάνονταν με νευρωνικά δίκτυα είχαν να αντιμετωπίσουν ένα πολύ βασικό πρόβλημα: όταν συνέδεαν πολλά επίπεδα νευρώνων (περισσότερα από δύο ή τρία), απλά δεν υπήρχε κανένας αποδοτικός τρόπος εκπαίδευσής τους. Η εκπαίδευση ήταν πάρα πολύ αργή και, κυρίως, η απόδοση έμοιαζε να μην μπορεί να ξεφύγει από πρακτικά άχρηστα αποτελέσματα Όσο πιο σύνθετο ήταν το νευρωνικό δίκτυο τόσο πιο εύκολα η εκπαίδευση «κολλούσε» σε μικρή απόδοση.

Με τον καιρό, νέοι μέθοδοι εκπαίδευσης ανακαλύφθηκαν, οι υπολογιστές εξελίχθηκαν και, σε μια απροσδόκητη τροπή, οι gamers, που απαιτούσαν πολλές και πολύ αποδοτικές κάρτες γραφικών, πίεσαν για τη δημιουργία καλών και φθηνών καρτών, οι οποίες τελικά εμφανίστηκαν στην αγορά. Στην εξελισσόμενη μορφή τους, τα νευρωνικά χρησιμοποιούσαν μαθηματικούς πίνακες (δυσδιάστους -δηλαδή, matrices- ή πολυδιάστατους -δηλαδή, tensors). Ταυτόχρονα, η GPU (Graphical Processing Unit), που περιέχουν οι κάρτες γραφικών, μπορούσε να χρησιμοποιηθεί και για την εκπαίδευση τεχνητών νευρωνικών δικτύων, κάνοντας την εκπαίδευση από 10 έως και 1000 φορές πιο γρήγορη από όσο με χρήση κλασικών επεξεργαστών (CPU). Φυσικά, αυτό το «πάντρεμα» διευκόλυνε τη δοκιμή πολύ περισσότερων αρχιτεκτονικών και μεθόδων. Ήταν βέβαια και τα big data.

Το 2010 έγινε, για πρώτη φόρα, ο διαγωνισμός ILSVRC (ImageNet Large Scale Visual Recognition Challenge) -ο πρώτος με τόσο μεγάλο όγκο δεδομένων: Συγκεντρώθηκαν 14 εκατομμύρια εικόνες από το Ίντερνετ και άνθρωποι σημείωσαν τι θεωρούν ότι φαίνεται σε κάθε εικόνα (γάτα, σκύλος, παραλία, βουνό κτλ). Κατόπιν, το «σημείωσαν» και οι αλγόριθμοι. Στον διαγωνισμό αυτόν, το σφάλμα, ακόμη και των έως τότε πιο εξελιγμένων αλγορίθμων της επιστημονικής κοινότητας, ήταν 25%. Για μία στις τέσσερις εικόνες, αυτό που θεωρούσαν οι άνθρωποι ότι απεικονίζεται στις εικόνες δεν ήταν καν στις πρώτες πέντε επιλογές των συστημάτων. Όλα αυτά, μέχρι το 2012.

To ορόσημο του 2012

Το 2012 ο Alex Krizhevsky, μαζί με την ομάδα του, παρουσίασε το AlexNet και κέρδισε το ILSVRC, μειώνοντας το σφάλμα κατά 10 ολόκληρες μονάδες, από το 25%, στο 15,3%. Τότε, όλοι οι σχετιζόμενοι, εταιρείες και επιστημονική κοινότητα, άρχισαν να δίνουν ξανά σημασία στα τεχνητά νευρωνικά δίκτυα.

Μόνο που δεν τα αποκαλούσαν πια τεχνητά νευρωνικά δίκτυα: πλέον, είχαν πολλά επίπεδα, και συγκεκριμένα οχτώ -ήταν, δηλαδή βαθιά (deep) σε σχέση με τα προηγούμενα. Επιπλέον, ενώ αυτά τα τεχνητά νευρωνικά δίκτυα βασίστηκαν στην ίδια αρχή λειτουργίας με τους τεχνητούς νευρώνες του 1970, τώρα η εκπαίδευση και τα μαθηματικά τους είχαν πολλά στοιχεία γραμμικής άλγεβρας. Έτσι, αν μη τι άλλο για να σηματοδοτηθεί η διαφορά, άρχισε να κυριαρχεί ο όρος Deep Learning.

Από το 2012 και μετά, δεν υπάρχει κανένας νικητής στον ILSVRC, και γενικά σχεδόν καμία δημοσίευση για επεξεργασία εικόνας, που να μη χρησιμοποιεί νευρωνικά δίκτυα και, συγκεκριμένα, μια παραλλαγή τους, τα Convolutional Neural Networks (CNN). Τα δίκτυα έφτασαν, από τα οχτώ επίπεδα του AlexNet, στα 152 του VGG (το 2015, στον ίδιο διαγωνισμό), που μείωσε το σφάλμα στο μόλις 3,57% των εικόνων -ποσοστό ανάλογο της διαφωνίας μεταξύ δύο ανθρώπων αναφορικά με το απεικονιζόμενο περιεχόμενο μιας εικόνας.

Η εξέλιξη του Deep Learning επεκτάθηκε και σε τομείς εκτός της επεξεργασίας εικόνας και, φυσικά, ακόμη συνεχίζεται. Φυσικά, επειδή η επιστημονική κοινότητα είχε πάντα δίκιο ότι τα νευρωνικά δίκτυα δεν σχεδιάζονται με μαθηματικά βέλτιστο τρόπο, ποτέ δεν ξέρουμε (κυρίως όταν εφαρμόζονται σε έναν νέο τομέα), εάν τα φτάσαμε στο όριο τους ή εάν, με ακόμη μία δοκιμή, έστω και τυχαία, θα τα βελτιώσουμε κι άλλο!

Συνεχίζεται…