Τεχνητή Νοημοσύνη για την Επιστήμη, Ανατολή για ένα λαμπρό μέλλον | Κώστας Μπέκας | TEDxAthens

Οι άνθρωποι φτιάχνουν εργαλεία. Από τη Γνωστική Επανάσταση πριν από 70 χιλιάδες χρόνια, η εφευρετικότητα του ανθρώπου βρήκε λαμπρά εργαλεία για τη βελτίωση των σωματικών καθώς και των διανοητικών ικανοτήτων μας: φωτιά, γερανοί, εκτύπωση, αυτοκίνητα, υπολογιστές και τώρα ΤΝ, η τελευταία μας φιλοδοξία. Σε μια αρκετά αστεία και διασκεδαστική ομιλία, ο ειδικός τεχνητής νοημοσύνης Κώστας Μπέκας δείχνει πώς η Επιστήμη και η Τεχνολογία που τροφοδοτείται με ΤΝ ανοίγουν την ανατολή για μια λαμπρή νέα εποχή για την ανθρωπότητα.

Ο Δρ. Κώστας Μπέκας (Διακεκριμένος Ερευνητής & Διευθυντής στο ερευνητικό κέντρο IBM Research στη Ζυρίχη), είναι υπεύθυνος για τη βασική έρευνα στον τομέα της AI (τεχνητής νοημοσύνης) που περιλαμβάνει τομείς ML / DL, εξαγωγή και εκπροσώπηση γνώσης, νέα υποδείγματα υπολογιστών για AI, εφαρμογές στην επιστήμη Υγείας & και τη ρομποτική.

Ο Κώστας Μπέκας αποφοίτησε από το Τμήμα Μηχανικών Η/Υ και Πληροφορικής του Πανεπιστημίου Πατρών το 1998, από όπου πήρε και το διδακτορικό του το 2003. Συγκεκριμένα, έλαβε τα διπλώματα B. Eng., Msc και PhD το 1998, 2001 και 2003 αντιστοίχως, έχοντας καθηγητή τον κ. Ε. Γαλλοπούλο. Το διάστημα 2003-2005 εργάστηκε ως μεταδιδακτορικός συνεργάτης του καθηγητή Yousef Saad στο Τμήμα Επιστήμης και Τεχνολογίας Υπολογιστών του Πανεπιστημίου της Μινεσότα, στις ΗΠΑ.
Το ερευνητικό του ενδιαφέρον εστιάζεται στα Γνωστικά Συστήματα (Cognitive Systems) και στον αντίκτυπό τους στη βιομηχανία, την επιστήμη και τις επιχειρήσεις.

Η έρευνά του περιλαμβάνει Machine & Deep Learning, large scale analytics, HPC and very large scale distributed systems. Ο Δρ Μπέκας έχει τιμηθεί με το Βραβείο ACM Gordon Bell (2013, 2015) και το Βραβείο PRACE (2012).

Αυτή η ομιλία έγινε σε μια εκδήλωση TEDx, η οποία χρησιμοποιεί τη μορφή των συνεδρίων TED αλλά διοργανώνεται ανεξάρτητα, από μια τοπική κοινότητα/ομάδα. Διαβάστε περισσότερα στο http://ted.com/tedx

Να ξεκινήσω λίγο provocative
όπως λέμε στο χωριό μου.

Πόσο παλιά είναι η τεχνητή νοημοσύνη;

Οι περισσότεροι άνθρωποι θα πουν,
«Α, είναι κάτι των τελευταίων 10 χρόνων».

Δεν είναι αυτό το deep learning ρε παιδιά;

Αυτό που λένε όλοι ότι κάνουμε στα GPUs,
αυτές τις κάρτες γραφικών;

Πόσο έχει αυτό;

Κάθε μέρα ακούμε στις ειδήσεις
ότι κάποιο καινούργιο σύστημα

βλέπει γάτες καλύτερα στις φωτογραφίες.

Ή ότι μπορούμε να χρησιμοποιήσουμε τώρα
την τεχνητή νοημοσύνη

για να φτιάξουμε καλύτερα φάρμακα.

Ή για να φτιάξουμε καλύτερα υλικά.

Θα δείτε χιλιάδες εφαρμογές.

Υπάρχει ένα τεράστιο hype.

Όλοι μιλάνε γι' αυτό.

Μερικοί παλιότεροι όμως θυμούνται.

Για μισό λεπτό.

Δεν υπήρχε αυτό το HAL,
εκείνο το κομπιούτερ

στο Space Odyssey τη δεκαετία του '60;

Δεν υπήρχαν κάτι συστήματα τα οποία
μπορούσαν να παίξουν σκάκι ή τάβλι

με αυτόματο τρόπο;

Κι εκείνος ο Τούρινγκ
που έβγαλε το Τούρινγκ Τεστ

κι έλεγε ότι αν δεν μπορείς να καταλάβεις

αν μια μηχανή είναι απέναντί σου
σε μια οθόνη ή ένας άνθρωπος,

ότι τότε, μάλλον,
η μηχανή είναι σαν άνθρωπος;

Τι είναι αυτό;

Άρα λοιπόν η τεχνητή νοημοσύνη
είναι τουλάχιστον 50 ετών.

Αν έχουμε κάποιους μαθηματικούς
στο ακροατήριο,

σίγουρα υπάρχουν μαθηματικοί
στο ακροατήριο, είμαι σίγουρος,

θα σας πούνε, «Μισό λεπτό,
υπήρχε κάποιος κύριος,

ονόματι Τσαρλς Μπάμπατζ
και η κόρη του η Άντα Λάβλεϊς,

οι οποίοι φτιάξαν μηχανές
ήδη από το 1850-1860,

τη λεγόμενη αναλυτική μηχανή,
η οποία ουσιαστικά ήθελε να φτιάξει

έναν ανθρώπινο εγκέφαλο
μέσα σε μια μηχανή.

Και αν πάτε ακόμη λίγο παλιότερα στον
περίφημο Γερμανό μαθηματικό Λάιμπνιτς,

θα δείτε την αναλυτική μηχανή
του Λάιμπνιτς ήδη από το 1700.

Ήδη από την εποχή του Νεύτωνα δηλαδή.

Ήδη λοιπόν, η ιδέα, το όνειρο
της τεχνητής νοημοσύνης,

κάτι το οποίο είναι
πάρα πολύ παλιό, 300 ετών,

κι επειδή είμαστε στην Ελλάδα
να σας πω ότι δεν είναι μόνο 300 ετών,

είναι ακόμη παλιότερο.

Πριν από 100 χρόνια ανακαλύψαμε
ένα θαυμαστό ναυάγιο

έξω από τα Αντικύθηρα,

το οποίο εξερευνούν ακόμη και σήμερα.

Από εκείνο το ναυάγιο, από βάθος
100 μέτρων βγήκε μια περίεργη συσκευή,

πράσινη, τελείως σκουριασμένη.

Άλλα έμοιαζε καταπληκτική.

Μας πήρε 100 χρόνια
να καταλάβουμε ακριβώς τι κάνει.

Διαπιστώσαμε ότι μέσα της υπάρχουν
τουλάχιστον 38 γρανάζια,

εκπληκτικής ακρίβειας,

τα οποία μπορούν να προβλέψουν
τις θέσεις του Ήλιου, τις εκλείψεις,

να προβλέψουν τις θέσεις των πλανητών,

δηλαδή έχει το μυαλό
ενός αστρονόμου μέσα στη μηχανή.

Το όνειρο λοιπόν, της τεχνητής νοημοσύνης
είναι πραγματικά πάρα πολύ παλιό.

Στην πραγματικότητα,

εμείς οι άνθρωποι έχουμε εξελιχθεί
σαν κατασκευαστές μηχανών.

Προτείνω σε όλους να διαβάσετε
το βιβλίο του Χαράρι,

στο οποίο μιλάει για την επανάσταση

στη γνωσιακή μας ικανότητα
σαν homo sapiens.

Το κλειδί είναι ότι έχουμε εξελιχθεί
να φτιάχνουμε μηχανές, εργαλεία.

Αυτό είναι που μας διαχωρίζει κυρίως

από τα περισσότερα
άλλα έμβια όντα στον πλανήτη.

Κι ενώ μεν, οι μηχανές αυτές ήταν κυρίως
φτιαγμένες στην αρχή για να μας κάνουν

δυνατότερους, γρηγορότερους,
δηλαδή να αυξήσουν τη μυική μας δύναμη.

Ανακαλύψαμε τη φωτιά, σαν είδος μηχανής,
για να μην κρυώνουμε, να μαγειρεύουμε.

Ανακαλύψαμε τη γεωργία, τα μηχανήματα
για τη γεωργία, τους ανεμόμυλους,

όλα αυτά τα φτιαγμένα, φυσικά όπως
καταλαβαίνετε μέχρι και σήμερα

για να μεγιστοποιήσουμε
τη μυική μας δύναμη,

πόσο γρήγορα πάμε,
πόσο γρήγορα ταξιδεύουμε, έτσι;

Έχει αλλάξει τη ζωή μας.

Θα προσέξετε όμως ότι ήδη
από εκείνα τα χρόνια,

φτιάχνουμε μηχανές οι οποίες
είναι φτιαγμένες κι έχουν προορισμό

για να ενισχύσουν
τις διανοητικές μας ικανότητες.

Από τόσο παλιά.

Ανακαλύψαμε τη γραφή, τα βιβλία,

την τυπογραφία,
τους ηλεκτρονικούς υπολογιστές.

Ανακαλύψαμε συστήματα
τα οποία μας επιτρέπουν

να καταλάβουμε καλύτερα τη φύση,
το σύμπαν, τον μικρόκοσμο, τον μακρόκοσμο.

Όλα αυτά φτιαγμένα για ποιον σκοπό;

Για να αυξήσουμε
τη διανοητική μας ικανότητα.

Η τεχνητή νοημοσύνη λοιπόν είναι
σύστημα το οποίο είναι μια τεχνολογία

η οποία είναι η επόμενη
φυσική εξέλιξη του ανθρώπου.

Στην πορεία μας στο να φτιάξουμε μηχανές

οι οποίες μας βοηθάνε να πάμε
σε ένα ανώτερο επίπεδο,

η τεχνητή νοημοσύνη είναι το νέο εργαλείο
το οποίο έχουμε στα χέρια μας.

Το νέο εργαλείο σαν
την τελευταία του έκφραση.

Αλλά το όνειρό τους είναι πανάρχαιο.

Τι είναι όμως στα αλήθεια
αυτή η τεχνητή νοημοσύνη;

Νομίζω ότι έγινε λίγο φανερό ως τώρα.

Οτιδήποτε χρησιμοποιούμε για
να αυξήσουμε τις νοητικές μας ικανότητες.

Υπάρχει λοιπόν μια χρήση
της τεχνητής νοημοσύνης

η οποία είναι κάπως στενή.

Δηλαδή, ας δούμε αυτές τις φωτογραφίες.

Πόσα χαπάκια υπάρχουν;
Πού χρειάζεται αυτό;

Ε, αν έχεις ένα εργοστάσιο
το οποίο κάνει φάρμακα

και δεν θέλεις να βάζεις
λιγότερα ή περισσότερα,

μπορείς να κάνεις ένα σύστημα
το οποίο κάπως να βλέπει αυτά τα φάρμακα

και να υπολογίζω, «ΟΚ, εκεί θέλω 50
σε κάθε κουτί, θα βάλω 50».

Ή αν θες να κάνεις
ένα σύστημα να καταλάβει

αν ένα μπουκάλι είναι σπασμένο
σε μια γραμμή παραγωγής κλπ, κλπ.

Δηλαδή είναι μια ικανότητα στο σύστημα

να καταλαβαίνει όπως
θα καταλάβαινε ένας άνθρωπος,

άλλα κάτι πάρα πάρα πολύ στενό,
κάτι πάρα πολύ στενό.

Πού θέλουμε να πάμε;

Φυσικά θέλουμε να πάμε
στο να δημιουργήσουμε μηχανές

οι οποίες έχουν την ικανότητα
να είναι γενικές.

Δηλαδή, πώς έγινα εγώ
επιστήμων υπολογιστών;

Πήγα στο Πανεπιστήμιο της Πάτρας,
έκανα το πτυχίο μου,

στο τμήμα Η/Υ και Πληροφορικής
έκανα το Master's μου, το διδακτορικό μου,

δέκα χρόνια εκπαίδευση, άλλα δύο χρόνια
μεταδιδακτορική εκπαίδευση,

δηλαδή με θέληση και με τον ανθρώπινο
εγκέφαλο σε ένα καλό επίπεδο,

είναι δυνατόν να αποκτήσεις
γενική εξειδίκευση.

Αυτό θέλουμε να πετύχουμε
στο απώτερο μέλλον.

Πόσο κοντά είναι;

Έβαλα μια ημερομηνία εκεί,
μην το πάρετε και σαν άμεσο quote εκεί.

Αλλά είναι κάτι το οποίο φαίνεται
ότι θα μας πάρει αρκετό χρόνο ακόμη.

Αλλά πηγαίνουμε προς τα εκεί.

Πού βρισκόμαστε σήμερα;

Σήμερα βρισκόμαστε σε αυτό που λέμε
ευρεία χρήση της τεχνητής νοημοσύνης.

Δηλαδή...

Έχουμε συστήματα τα οποία βοηθάνε
πάρα πολύ στον ιατρικό τομέα.

Συστήματα τα οποία βοηθάνε
στο να μειώσουμε την κίνηση στους δρόμους.

Έχουμε συστήματα τεχνητής νοημοσύνης

τα οποία μας βοηθάνε να σχεδιάσουμε
καλύτερα βιοδιασπώμενα υλικά.

Με λίγα λόγια χρησιμοποιούμε
την τεχνητή νοημοσύνη σημέρα

σε όλες τις εκβάσεις της ζωής μας.

Τι χρειάζεται;

Ναι, χρειάζεται υπολογιστές δυνατούς,
αυτό το deep learning που είπα στην αρχή,

γραφικές κάρτες, χρειάζεται
πάρα πολλά δεδομένα σήμερα.

Εγώ σαν επιστήμων της τεχνητής νοημοσύνης,
όπως καταλαβαίνετε, έχω μικρά παιδάκια,

κάνω κάποια πειραματάκια εκεί.

Έχω δείξει στην κόρη μου τη Βίκυ
δύο φωτογραφίες μιας τίγρης

και της έχω πει, «Βίκυ, τι είναι αυτό
το μικρό κουκλάκι κάτω από το τραπέζι;»

Ήταν ένα κουκλάκι μιας τίγρης.

Και μου λέει, «Μπαμπά, είναι μια τίγρη».

Είδατε, με δύο παραδειγματάκια
ο ανθρώπινος εγκέφαλος έχει την ικανότητα

να καταλάβει αμέσως τι συμβαίνει,
τι είναι αυτό που βλέπει.

Η τεχνητή νοημοσύνη σήμερα δεν είναι εκεί.

Είναι φτιαγμένη να χρειάζεται
πολλά παραδείγματα.

Αλλά με την άνοδο των υπολογιστών
και των δικτύων σήμερα,

σκεφτείτε το 5G το οποίο έρχεται τώρα -

έχουμε την ικανότητα να μαζέψουμε
πάρα πολλά παραδείγματα.

Μα πάρα πολλά.

Είτε εικόνες, είτε επιστημονικές εργασίες,
είτε ιατρικές μελέτες, έτσι;

Για παράδειγμα,

θα σας δείξω μια εφαρμογή
στον ιατρικό τομέα.

Εδώ έχουμε ένα υπερηχογράφημα
από το στήθος μιας κυρίας

που ψηλάφισε κάποιον όγκο.

Η μηχανή είναι ικανή, όπως βλέπετε,
να δει το περίγραμμα του όγκου

με αυτόματο τρόπο,

να ακολουθήσει τις διαδικασίες
που λέει το πρωτόκολλο.

Τι σχήμα έχει, αν έχει κανονικό σχήμα,
αν έχει οβάλ σχήμα.

Πώς είναι, αν είναι ακανόνιστο.

Γιατί αυτό παίζει πολύ μεγάλο ρόλο
σύμφωνα με τα ιατρικά δεδομένα, έτσι;

Να αναλύσει πού είναι το δέρμα.

Μετά θα μπορέσει να πάρει τα στοιχεία
σχετικά από τον φάκελο του ασθενούς,

να τα συνδυάσει όλα αυτά

και να αρχίσει να μας κάνει
κάποιες προτάσεις.

Θα μου πείτε, «Θα αντικαταστήσει
τους ανθρώπους; Ποτέ».

Αλλά για να σκεφτούμε κάτι.

Μία στις οκτώ κυρίες θα αποκτήσουν -

απ' ό,τι φαίνεται
με τα καινούργια στατιστικά -

καρκίνο στον μαστό.

Έχουμε αρκετούς ιατρούς σε όλον τον κόσμο;

Και ιδίως στις αναπτυσσόμενες
περιοχές του πλανήτη,

υπάρχουν αρκετοί γιατροί
εξειδικευμένοι να κάνουν αυτό το πράγμα;

Δεν υπάρχουν.
Και δεν πρόκειται ποτέ να υπάρξουν.

Εάν δημιουργήσουμε ένα μηχάνημα όμως,

σαν αυτό το οποίο έχει μάθει
από τις καλύτερες ιατρικές γνώσεις,

έχοντας εισαγάγει όλην την πληροφορία
της ιατρικής που υπάρχει στον κόσμο,

τότε δίνουμε στους ανθρώπους
ένα καταπληκτικό εργαλείο.

Ένα εργαλείο το οποίο θα τους βοηθήσει
να γίνουν καλύτεροι.

Και θα βοηθήσει να ζήσει
καλύτερα ο κόσμος.

Πού μπορούμε να χρησιμοποιήσουμε αλλού
την τεχνητή νοημοσύνη;

Για να πάμε ακόμη πιο μπροστά;

Σε αυτήν καθεαυτήν την έρευνα.

Αν σας ρωτήσω πόσες δημοσιεύσεις
έγιναν πέρσι στον τομέα της ιατρικής;

Ίσως μερικοί μου πείτε 50.000.

Ίσως μερικοί μου πείτε 100.000.

Ελάχιστοι θα μου πείτε
ενάμιση εκατομμύριο.

Κι όμως, είχαμε ενάμιση
εκατομμύριο δημοσιεύσεις.

Δεν υπάρχει άνθρωπος στον πλανήτη

που να μπορεί να διαβάσει
ενάμιση εκατομμύριο δημοσιεύσεις.

Δεν γίνεται.

Κανένας οργανισμός, κανένα πανεπιστήμιο.

Έχουν λοιπόν δημιουργήσει
συστήματα τεχνητής νοημοσύνης

τα οποία μπορούν με αυτόματο τρόπο -
όπως βλέπετε στην εικόνα στα δεξιά σας -

να διαβάζουν μια επιστημονική εργασία
όπως θα τη διάβαζε ένας άνθρωπος.

Τι λέει το διάγραμμα,
τι λέει ο πίνακας, τι ακριβώς λέει.

Να εξαγάγουμε όλη αυτήν την πληροφορία.

Φανταστείτε, όλη την πληροφορία,
όλης της ανθρώπινης γνώσης στα χέρια μας.

Φανταστείτε το.

Να τη διασυνδέσουμε
όλη αυτήν την πληροφορία

και να φτιάξουμε το Ίντερνετ
όλης της γνώσης του κόσμου.

Εκεί, μας βοηθάει τρομαχτικά
η τεχνητή νοημοσύνη σήμερα.

Συστήματα υπολογιστικής όρασης
για να καταλαβαίνουμε τα διαγράμματα,

συστήματα ανάλυσης ανθρώπινης γραφής για
να καταλαβαίνουμε τι ακριβώς λέει αυτό.

Και μετά, αλγόριθμοι πάνω σε γραφήματα,

τα οποία τα χρησιμοποιείτε όλοι
παρεμπιπτόντως.

Όλοι κάνετε αναζητήσεις στο Ίντερνετ, όλοι
χρησιμοποιείτε αυτούς τους αλγορίθμους.

Φανταστείτε τώρα ακόμη
πιο ισχυρούς αλγορίθμους,

μέσω τεχνητής νοημοσύνης οι οποίοι
μπορούν να καταλάβουν όλη τη γνώση αυτή.

Πού μπορούμε να πάμε;
Τι μπορούμε να πετύχουμε;

Είναι απίστευτη η ικανότητα
την οποία μας δίνει σήμερα.

Θα σας δώσω ένα παράδειγμα,
το οποίο είναι λιγάκι τεχνικό,

όχι πολύ, λίγο λίγο τεχνικό,

αλλά είμαι σίγουρος ότι όσοι
θυμάστε το σχολείο εδώ,

ένα από τα αντικείμενα τα οποία ίσως
να μισούσατε λίγο ήταν η χημεία, έτσι;

Ε ναι, παραδεχτείτε το.

Έτσι, είναι αλήθεια.

Λοιπόν, πήραμε την εξής πρόκληση.

Μπορούμε να βάλουμε τεχνητή νοημοσύνη
να διαβάσει εκατομμύρια εργασίες,

να βγάλει παραδείγματα χημικών αντιδράσεων

και με αυτόν τον τρόπο να μπορέσει
να μάθει οργανική χημεία;

Θα σας πω χρειάζεται 25 χρόνια εμπειρία
για να μπορέσεις να λύσεις ένα πρόβλημα

του στιλ σου δίνω δύο μόρια τα οποία
αντιδρούν όπως είδατε προηγούμενα,

πες μου ποιο θα είναι το αποτέλεσμα.

Θέλει 25 χρόνια εμπειρία για να είσαι
περίπου 7 στις 10 φορές σωστός.

Τώρα το σύστημα
σκέφτεται για 7-8-9 δευτερόλεπτα

και ταυτόχρονα προσπαθεί
να βγάλει και μια εξήγηση

τι ακριβώς συμβαίνει,

γιατί η τεχνητή νοημοσύνη μας λέει
ότι αυτό είναι το αποτέλεσμα.

Και να, να το αποτέλεσμα.

Λοιπόν, σήμερα το έχουμε φτάσει στο 90%.

Το δοκιμάσαμε με 200 καθηγητές και ομάδες,
το μεγαλύτερο συνέδριο χημείας στον κόσμο.

Το σύστημα νίκησε τους ανθρώπους 20-80.

Πιστεύετε ότι το σύστημα αυτό
φόβισε τους ανθρώπους;

Ποτέ, ούτε ένας.

Όλες οι ομάδες είπανε,

«Επιτέλους έχουμε
στα χέρια μας ένα εργαλείο

το οποίο μας επιτρέπει να δοκιμάσουμε
τις απώτερες φαντασίες μας,

τα πιο τρελά μας όνειρα
χωρίς να πληρώσουμε τρελό κόστος,

γιατί κάθε αντίδραση που δοκιμάζεις
σε ένα εργαστήριο είναι πανάκριβη.

Κι αυτό είναι που μας πάει πίσω
σε πολλές περιπτώσεις

στην ιατρική, στα φάρμακα.

Είναι το κόστος.

Βρήκαμε λοιπόν έναν τρόπο
με την τεχνητή νοημοσύνη

να μειώσουμε το κόστος
έως και χίλιες φορές.

Φανταστείτε τι έρχεται,
τι μπορούμε να πετύχουμε.

Όμως, όπως κάθε εργαλείο,
έτσι και η τεχνητή νοημοσύνη

έχει περιορισμούς.

Είναι εργαλείο, έτσι;

Και πρέπει να χρησιμοποιούμε
το κάθε εργαλείο με ηθικό τρόπο.

Ποιος βλέπει διαφορά
μεταξύ των δύο εικόνων;

Αν βλέπει κάποιος διαφορά
μεταξύ των δύο εικόνων,

θα σας παραδεχτώ.

Εγώ δεν μπορώ να τις δω.

Ότι υπάρχει διαφορά μεταξύ
της δεξιάς και της αριστερής εικόνας.

Κι όμως, η διαφορά είναι αυτή
η εικόνα που βλέπετε στη μέση.

Λίγο τυχαίος θόρυβος

έχει προστεθεί στην πρώτη εικόνα
για να μας δώσει τη δεύτερη.

Κάτω βλέπετε τι λέει το σύστημα.

Στην πρώτη το σύστημα λέει,
«Α, είναι ένα γιγαντιαίο πάντα».

Στη δεύτερη το σύστημα λέει,
«Είναι μια μαϊμού, μια μαϊμουδίτσα».

Μια μαϊμουδίτσα καπουτσίνος.

Μα δεν έχει καμία σχέση
το ένα με το άλλο, έτσι;

Αλλά είναι ένας από τους περιορισμούς
των συστημάτων της τεχνητής νοημοσύνης

που έχουμε σήμερα.

Γι' αυτό όπως κάθε εργαλείο,

έχουμε την υποχρέωση
να καταλαβαίνουμε τα όριά του,

και έχουμε την υποχρέωση
να το χρησιμοποιούμε με ηθικό τρόπο.

Είναι εξαιρετικά σημαντικό αυτό.

Και πρέπει να πω ότι εγώ που
προέρχομαι από τον βιομηχανικό κόσμο,

αλλά θα σας πω και ο βιομηχανικός κόσμος,
και ο ακαδημαϊκός κόσμος,

όλοι μαζί συνεργαζόμαστε
για να μπορέσουμε να δημιουργήσουμε

τα ηθικά πρωτόκολλα χρήσης
της τεχνητής νοημοσύνης.

Είτε αφορά στα δεδομένα,

- δείτε τον κανονισμό GDPR
στην Ευρώπη για παράδειγμα -

αλλά όσον αφορά επίσης και το πόσο
εμπιστευόμαστε τα αποτελέσματα.

Θέλω να σας αφήσω
με τα επόμενα λίγα μηνύματα.

Η τεχνητή νοημοσύνη είναι το πιο θαυμαστό
εργαλείο έχουμε δημιουργήσει ως τώρα.

Και έχει χρήσεις σε όλους
τους τομείς της ζωής,

σας έδειξα μερικούς.

Είναι μηχανήματα από εμάς για εμάς.

Εάν έχουμε έναν τρόπο
να μπορέσουμε να αντιμετωπίσουμε σήμερα

την κρίση βιοποικιλότητας,
την κρίση μόλυνσης στον πλανήτη μας,

τη βιώσιμη ανάπτυξη,

είναι μόνο μέσω της υγιούς αύξησης
της παραγωγικότητας.

Το πιστεύω ειλικρινά αυτό,
πάρα πολύ βαθιά.

Για να μπορέσουμε να κάνουμε
τη ζωή των ανθρώπων πάρα πολύ καλύτερη.

Δεν υπάρχει άλλος τρόπος.

Η τεχνητή νοημοσύνη
μας δίνει αυτήν την ικανότητα.

Είναι συστήματα από εμάς για μας.

Εμείς οι άνθρωποι
δεν τα καταφέρνουμε τόσο καλά

σε σχέση με τα ζώα για παράδειγμα.

Δεν υπάρχει ζώο που να μην μας περνάει
στο τρέξιμο στη ζούγκλα, έτσι;

Ή που να μην πετάει πιο γρήγορα.
Εμείς δεν πετάμε όμως.

Αλλά δεν υπάρχει κανένα ζώο στον πλανήτη

το οποίο να είναι καλύτερο
από τον άνθρωπο με τα εργαλεία του μαζί.

Είναι πάρα πολύ σημαντικό
λοιπόν να σκεφτούμε

ότι η χρήση της τεχνητής νοημοσύνης

θα μας ανοίξει - ήδη μας έχει ανοίξει -

αλλά θα μας ανοίξει ακόμη
δυνατότερους δρόμους για να πάμε μπροστά.

Για να γίνουμε καλύτεροι,

για να μπορέσουμε να λύσουμε
τα προβλήματα του πλανήτη μας,

για να ζήσουμε καλύτερα.

Με προσοχή και με ηθική χρήση.

Ευχαριστώ πάρα πολύ.

(Χειροκρότημα)