Ο Corporate Vice President της Microsoft και επικεφαλής data scientist της φιλανθρωπικής πρωτοβουλίας AI for Good Lab μιλάει για τη θετική πλευρά της τεχνολογίας και για τη συνεργασία του με την ελληνική κυβέρνηση.
Αν υπάρχει αυτή τη στιγμή κάποιος που να γνωρίζει καλά ποιες εφαρμογές της Τεχνητής Νοημοσύνης θα μπορούσαν πραγματικά να αποδειχθούν ωφέλιμες για το κοινό καλό, αυτός είναι ο Χουάν Μ. Λαβίστα Φέρες. Ο Corporate Vice President της Microsoft και επικεφαλής data scientist της φιλανθρωπικής πρωτοβουλίας AI for Good Lab του διεθνούς τεχνολογικού κολοσσού (και μεγαλύτερης σε χρηματιστηριακή αξία εταιρείας αυτή τη στιγμή στον πλανήτη), ηγείται μιας ομάδας αφοσιωμένων επιστημόνων δεδομένων και ερευνητών στους τομείς της Τεχνητής Νοημοσύνης, της μηχανικής μάθησης και της στατιστικής μοντελοποίησης, ενώ παράλληλα συνεργάζεται µε domain experts, τεχνικούς και οργανισµούς σε όλον τον κόσμο για τη δημιουργία ενός οικοσυστήματος που θα βοηθήσει την ανθρωπότητα να αντιμετωπίσει ορισμένες από τις πιο πιεστικές προκλήσεις του μέλλοντος.
Ο Φέρες ενεπλάκη αρχικά με το AI for Good Lab λόγω ενός εγχειρήματος που είχε ως αντικείμενο το SIDS (Σύνδρομο αιφνίδιου βρεφικού θανάτου) και το αποτέλεσμα της αξιόλογης εργασίας του δημοσιεύθηκε σε κορυφαία ακαδημαϊκά περιοδικά, όπως το «Pediatrics». Αυτή η αρχική επιτυχία δημιούργησε το κατάλληλο πλαίσιο ώστε ο ίδιος και η ομάδα του να διευρύνουν την εστίασή τους σε μια πληθώρα παγκόσμιων προβλημάτων όπως ο ψηφιακός αναλφαβητισμός, η ισότητα, η κλιματική αλλαγή, η αντιμετώπιση φυσικών καταστροφών, η προστασία της χλωρίδας και της πανίδας, η ασφάλεια στον κυβερνοχώρο και πολλά άλλα.
Πριν από τον τρέχοντα ρόλο του, η καριέρα του περιλάμβανε σημαντικές θέσεις στην Experimentation Platform (ExP) της Microsoft και στην ομάδα Bing Data Mining. Ο Φέρες διαθέτει πτυχίο πληροφορικής από το Καθολικό Πανεπιστήμιο της Ουρουγουάης, μεταπτυχιακό στην Εξόρυξη Δεδομένων και στη Μηχανική Μάθηση από το Πανεπιστήμιο Johns Hopkins και διδακτορικό με θέμα «Τεχνητή Νοημοσύνη στον Τομέα της Υγείας» από το Vrije Universiteit του Αμστερνταμ.
Στις 9 Απριλίου κυκλοφορεί το βιβλίο με τίτλο «AI for Good: Applications in Sustainability, Humanitarian Action, and Health», το οποίο ο Φέρες έχει συνεπιμεληθεί σε συνεργασία με τον Ουίλιαμ Μπ. Γουίκς, γιατρό και οικονομολόγο και επικεφαλής της πρωτοβουλίας AI for Health της Microsoft. Στις σελίδες του, μια ομάδα βετεράνων ερευνητών Τεχνητής Νοημοσύνης παραθέτει διάφορα ενδιαφέροντα παραδείγματα (από τη μελέτη των κοινωνικών δικτύων που δημιουργούν οι καμηλοπαρδάλεις και την παρακολούθηση φαλαινών έως την αναχαίτιση της παραπληροφόρησης στα social media και τον εντοπισμό κρουσμάτων λέπρας σε ευάλωτες στην ασθένεια κοινότητες) για το πώς μία από τις πιο αναγνωρίσιμες εταιρείες λογισμικού στον κόσμο αντιμετωπίζει μερικές από τις μεγαλύτερες προκλήσεις της εποχής μας με τη δύναμη της ΑΙ. Ολα τα έσοδα από τις πωλήσεις του θα στηρίξουν το έργο του Αμερικανικού Ερυθρού Σταυρού.
Κύριε Φέρες, θα µας δώσετε µια εικόνα για την εµπλοκή σας στο AI for Good Lab;
«Πολλές φορές, η Τεχνητή Νοημοσύνη δεν είναι απλώς μια λύση: είναι η μόνη διαθέσιμη λύση».
Ηταν ένα όνειρο που έγινε πραγματικότητα το να επικεντρωθώ στην επίλυση κοινωνικών προβλημάτων μέσω της δουλειάς μου. Αυτό το πάθος οδήγησε στην ίδρυση του εργαστηρίου μας, το οποίο ήταν μικρό στην αρχή. Τώρα, έχουμε επεκταθεί σε όλον τον κόσμο. Εχουμε labs στο Ρέντμοντ του Σιάτλ, στη Νέα Υόρκη, στο Ναϊρόμπι της Κένυας και μια ομάδα μηχανικών δεδομένων στην Ουρουγουάη της Νότιας Αμερικής. Συνεργαζόμαστε με φημισμένα πανεπιστήμια όπως το UCLA, το Χάρβαρντ και το Πανεπιστήμιο της Βρετανικής Κολομβίας.
Οι προσπάθειές μας έχουν ενταθεί και είμαι πολύ ευχαριστημένος με την πρόοδό μας. Εχουμε κάνει πολλά, αλλά είναι σαφές ότι υπάρχει σημαντική ανάγκη να χρησιμοποιηθεί η σύγχρονη τεχνολογία για την αντιμετώπιση αυτών των ζητημάτων. Πολλές φορές, η Τεχνητή Νοημοσύνη δεν είναι απλώς μια λύση: είναι η μόνη διαθέσιμη λύση.
Δυστυχώς, πολλοί οργανισμοί με εξειδίκευση σε κάποιο χρήσιμο αντικείμενο δεν διαθέτουν δεξιότητες Τεχνητής Νοημοσύνης. Στόχος μας είναι να γεφυρώσουμε αυτό το χάσμα έως ότου αυτοί οι οργανισμοί να μπορούν να χρησιμοποιήσουν ανεξάρτητα την Τεχνητή Νοημοσύνη για τη δράση τους.
Μου έκανε εντύπωση κάτι που γράφετε στο εισαγωγικό σας σηµείωµα στο βιβλίο. Οι άνθρωποι γοητευόµαστε τόσο από τα πολύπλοκα προβλήµατα που πρώτα φτάσαµε στο φεγγάρι και µετά βάλαµε ροδάκια στις βαλίτσες µας. Αγαπάτε, λοιπόν, τις απλές λύσεις;
Μα αυτή είναι η μεγάλη πρόκληση, το να αναπτύξουμε απλές λύσεις. Η πολυπλοκότητα συχνά εμποδίζει την πρόοδο. Εχω αποκτήσει πάθος με την απλότητα στην επίλυση αυτών των ζητημάτων, συνειδητοποιώντας ότι η γοητεία της πολυπλοκότητας δεν οδηγεί σε βιώσιμες λύσεις. Η πραγματική αποτελεσματικότητα έρχεται από την απλότητα.
Γνωρίζω πως έχετε συνεργαστεί µε την ελληνική κυβέρνηση. Ποιο ακριβώς ήταν το περιεχόµενο αυτής της σύµπραξης;
Συνεργαστήκαμε με την ελληνική κυβέρνηση και την Planet Labs με αφορμή τις καταστροφικές πλημμύρες στη Θεσσαλία, αναλύοντας τα δορυφορικά δεδομένα που πάντα βοηθούν στην αντιμετώπιση φυσικών καταστροφών. Συγκρίνοντας εικόνες πριν και μετά τη θεομηνία, δημιουργήσαμε visualizers για να βοηθήσουμε στον εντοπισμό των πληγεισών περιοχών και την πλοήγηση σε αυτές, βοηθώντας τις ομάδες διαχείρισης κρίσεων να λειτουργήσουν πιο αποτελεσματικά.
Υπάρχει κάποιο εγχείρηµα από όλα όσα έχει κάνει το AI for Good Lab που να βρίσκεται πιο κοντά στην καρδιά σας;
Είναι σαν να μου ζητάτε να επιλέξω το πιο αγαπημένο από τα τρία παιδιά μου. Θα σας πω όμως τα εξής: Πάντα ήθελα η δουλειά μου να χρησιμοποιεί την τεχνολογία για το κοινωνικό καλό. Αρχικά, βέβαια, πίστευα ότι αυτό θα ήταν η βασική μου απασχόληση μετά τη συνταξιοδότηση.
Ωστόσο, μια προσωπική τραγωδία στον κύκλο μου ανέδειξε μια άμεση ευκαιρία να δω πώς η χρήση της τεχνητής νοημοσύνης μπορεί να ανταποκριθεί στις προκλήσεις της υγειονομικής περίθαλψης. Αυτή η εμπειρία, που επικεντρώθηκε γύρω από μια εκστρατεία για την ευαισθητοποίηση για το Σύνδρομο Αιφνίδιου Βρεφικού Θανάτου (SIDS), ανακατεύθυνε την εστίασή μου στη μόχλευση της τεχνητής νοημοσύνης για την έρευνα στον τομέα της υγείας.
Σε συνεργασία με το Seattle Children’s Hospital, χρησιμοποιήσαμε ένα ολοκληρωμένο σύνολο δεδομένων CDC για να βοηθήσουμε την έρευνα SIDS. Ηταν μια διαφωτιστική στιγμή, συνειδητοποιώντας τη δυνατότητα για άμεσο αντίκτυπο, που με οδήγησε να αφιερώσω προσωπικό χρόνο σε αυτόν τον σκοπό, δουλεύοντας μαζί με ερευνητές για να εξερευνήσω λύσεις που βασίζονται στην Τεχνητή Νοημοσύνη.
Υπάρχει καθόλου βάση στην καχυποψία µε την οποία αντιµετωπίζεται από πολλούς η τεχνητή νοηµοσύνη;
«Υπάρχει μια κοινή παρανόηση ότι τα μοντέλα τεχνητής νοημοσύνης σκέφτονται ή συμπεριφέρονται σαν άνθρωποι, κάτι που δεν συμβαίνει. Λειτουργούν μέσω πολύπλοκων μαθηματικών πράξεων».
Οι ευκαιρίες που παρουσιάζει η Τεχνητή Νοημοσύνη είναι τεράστιες, ειδικά δεδομένου ότι η πλειονότητα της παγκόσμιας γνώσης βρίσκεται σε μη δομημένο κείμενο στο Διαδίκτυο. Ο Ιστός κατέχει μεγάλο μέρος της ανθρώπινης γνώσης μας, αλλά η πρόσβαση και η κατανόηση αυτών των δεδομένων δεν ήταν πάντα απλή. Μέχρι τις πρόσφατες εξελίξεις στο πεδίο του natural language processing, η κατανόηση αυτών των μη δομημένων δεδομένων ήταν μια σημαντική πρόκληση.
Η δουλειά μου αρχικά επικεντρώθηκε σε οπτικό υλικό, επειδή οι εικόνες, σε αντίθεση με το κείμενο, περιέχουν όλες τις απαραίτητες πληροφορίες μέσα τους. Για παράδειγμα, στην ιατρική απεικόνιση, όλα όσα χρειάζονται για την ανίχνευση ασθενειών όπως ο καρκίνος από μια αξονική τομογραφία είναι παρόντα στην ίδια την εικόνα.
Η εμφάνιση μεγάλων γλωσσικών μοντέλων έχει αρχίσει να μας βοηθά να υπερπηδήσουμε εμπόδια που φαίνονταν προηγουμένως ανυπέρβλητα, ιδιαίτερα σε τομείς όπως η υγειονομική περίθαλψη. Αυτά τα μοντέλα έχουν φυσικά τα θέματά τους, αλλά αρχίζουν να διευκολύνουν την αξιοσημείωτη πρόοδο σε τομείς που δεν μπορούσαμε να επηρεάσουμε πριν.
Υπάρχει μια κοινή παρανόηση ότι τα μοντέλα τεχνητής νοημοσύνης σκέφτονται ή συμπεριφέρονται σαν άνθρωποι, κάτι που δεν συμβαίνει. Λειτουργούν μέσω πολύπλοκων μαθηματικών πράξεων, αλλά είναι κατά βάση εργαλεία που ακόμα μαθαίνουμε να χρησιμοποιούμε αποτελεσματικά. Απλοποιώντας αυτές τις έννοιες, η Τεχνητή νοημοσύνη αφορά ουσιαστικά την εφαρμογή εξελιγμένων εξισώσεων για την επίλυση προβλημάτων.
Εάν οι άνθρωποι καταλάβαιναν ότι η Τεχνητή Νοημοσύνη λειτουργεί μέσω matrix multiplications – μιας μορφής μαθηματικών – μπορεί να μην τη θεωρούσαν τρομακτική. Αν δει κανείς την AI ως μαθηματικό εργαλείο και όχι ως μυστηριώδη ή απειλητική δύναμη μπορεί να την απομυθοποιήσει και να αναδείξει τις δυνατότητές της για θετική επίδραση στην κοινωνία».
Ως επιστήµονας δεδοµένων, πώς φαντάζεστε την εξέλιξη του συγκεκριµένου πεδίου τα επόµενα χρόνια;
Πιστεύω ότι η επιστήμη των δεδομένων πρέπει να γίνει απαραίτητο στοιχείο σε όλους τους κλάδους – όχι μόνο να περιορίζεται στην επιστήμη των υπολογιστών ή στη στατιστική. Είτε κάποιος είναι λογιστής, αρχιτέκτονας, ιστορικός, γεωγράφος ή γιατρός, η data science πρέπει να αποτελεί μέρος του προγράμματος σπουδών του. Ο στόχος είναι η επιστήμη των δεδομένων όχι μόνο να αναπτυχθεί ως αυτόνομος κλάδος, αλλά να γίνει αναπόσπαστο κομμάτι σε κάθε τομέα σπουδών.
Αυτό σημαίνει ότι ενώ θα εξακολουθούμε να έχουμε ειδικούς data scientists, κάθε κλάδος θα ενσωματώνει την επιστήμη των δεδομένων στις βασικές διδασκαλίες του. Επί του παρόντος, πολύ λίγοι γιατροί έχουν γνώση της Τεχνητής Νοημοσύνης και η επιστήμη των δεδομένων δεν αποτελεί συνήθως μέρος του προγράμματος σπουδών τους. Ελπίζω η data science να γίνει τυπικό μέρος της εκπαίδευσης σε όλους τους τομείς, εμπλουτίζοντας έτσι κάθε κλάδο με τις δεξιότητες για αποτελεσματική εργασία με δεδομένα.
πηγή: https://www.tovima.gr/