Η επιστημονική κοινότητα της τεχνητής νοημοσύνης ορίζει σειρά προκλήσεων, οι οποίες πρέπει να ξεπεραστούν προτού πραγματωθεί το όνειρο του Τούρινγκ. Αν σας τεθεί η ερώτηση: «Ποιο στοιχείο έχει τον ατομικό αριθμό 27 και προηγείται του “μπλε” και του “πράσινου”;», ο ανθρώπινος εγκέφαλος είναι ικανός να συνδυάσει τις γλωσσικές έννοιες και να αντλήσει πληροφορίες από την τεράστια βάση δεδομένων στη μνήμη του, προτού απαντήσει: «κοβάλτιο».
Οι υπολογιστές έχουν γίνει όμως και αυτοί ιδιαίτερα ικανοί σε αυτό. Σκεφτείτε ότι οι μηχανές αναζήτησης του Διαδικτύου μπορούν να βρουν την ερώτησή σας, αφού έχετε πληκτρολογήσει λίγα μόνο γράμματα.
Η τροποποίηση του μαθηματικού αλγορίθμου που βρίσκεται πίσω από τις μηχανές αναζήτησης, ώστε αυτός να μπορέσει να δώσει απαντήσεις σε σκακιστικά προβλήματα, όμως, αποτέλεσε την αρχή της κυριαρχίας των μηχανών. Αυτό έγινε για πρώτη φορά το 1999, όταν ο υπολογιστής της ΙΒΜ, Deep Blue, επικράτησε πάνω στον παγκόσμιο πρωταθλητή σκακιού, Γκάρι Κασπάροφ, ακολουθώντας μετά από δώδεκα χρόνια ο υπέρ-υπολογιστής και πάλι της IBM, Watson, με ικανότητά να αναλύει τη σημασία και το περιεχόμενο της ανθρώπινης γλώσσας και να επεξεργάζεται ταχύτατα τεράστιους όγκους πληροφοριών.
Η ανάλυση των λογικών επιπτώσεων της κάθε κίνησης σε σκακιέρα αποτελεί, όμως, την ευκολότερη αποστολή για ηλεκτρονικό υπολογιστή.
Το πείραμα του Τούρινγκ
Το πρότυπο επιτυχίας του Πειράματος Τούρινγκ, από τη μελέτη του 1950, αφορά την επικοινωνία. Αν μιλούσατε μέσω δικτύου με έναν άνθρωπο και έναν υπολογιστή, ρώτησε ο Τούρινγκ, θα μπορούσατε να ξεχωρίσετε τον έναν από το άλλο;
Αφού ο μόνος τρόπος να κρίνουμε την ευφυΐα ενός συνανθρώπου μας είναι να συνδιαλλαγούμε μαζί του, αν ένας υπολογιστής είναι ικανός να παραστήσει τον άνθρωπο, δεν θα έπρεπε να του αποδώσουμε τον χαρακτηρισμό του ευφυούς;
Οι σύγχρονοι επιστήμονες της Τεχνητής Νοημοσύνης, όμως, εκτιμούν ότι ο ορισμός αυτός δεν είναι αξιόπιστος. Ακόμη και αν ένας υπολογιστής «περάσει» το τεστ του Τούρινγκ, αυτό δεν σημαίνει ότι έχει αντίληψη. Αυτό αποδεικνύεται εύκολα, αν σκεφτούμε ότι αν και υπολογιστές είναι ικανοί να μεταφράσουν γλώσσες προγραμματισμού, αδυνατούν να αφομοιώσουν περίπλοκες έννοιες.
Η μεγαλύτερη πρόκληση της Τεχνητής Νοημοσύνης είναι να μιμηθεί την ανθρώπινη ικανότητα για διαχείριση οπτικών εικόνων. Οι άνθρωποι είναι ικανοί να αποκωδικοποιούν κακοσχηματισμένα γράμματα, για να ανακαλύψουν κρυμμένα μηνύματα πίσω από αυτά. Οι υπολογιστές αδυνατούν να κάνουν κάτι τέτοιο.
Η σημασία της ικανότητας αυτής φανερώνεται ξεκάθαρα αν σκεφτούμε τη λειτουργία των καμερών ασφαλείας. Οι εταιρίες ασφαλείας πολύ θα ήθελαν να αποκτήσουν λογισμικό, ικανό να αναγνωρίζει πρόσωπα ή ύποπτες συμπεριφορές. Μέχρι στιγμής, μόνο το ανθρώπινο μάτι μπορεί να κάνει κάτι τέτοιο. Πηγή: skai.gr
