«Είναι το Physical AI, ο συνδυασμός τεχνητής νοημοσύνης και ρομποτικής, ένας από τους πιο “καυτούς” τομείς σήμερα στην έρευνα και τι φτιάχνεις εσύ και η ομάδα σου;»
Η πρώτη ερώτηση προέκυψε αυθόρμητα, μόλις ο Στρατής Γαββές -από τον οποίο είχα ζητήσει να μιλήσουμε, στο περιθώριο της σημαντικής «σύναξης» των Greeks in AI στην οποία συνέβαλε τα μέγιστα κι εκείνος λίγο πριν από τις διακοπές- μου ανακοίνωσε με πλατύ χαμόγελο ότι μόλις είχε γίνει full professor στο πανεπιστήμιο του Άμστερνταμ σ’ αυτό το αντικείμενο. Εύκολη, επομένως, η απάντηση…
Τα επόμενα χρόνια θα είναι πραγματικά πολύ δύσκολο κάποιος να πετυχαίνει κάτι, χωρίς τη χρήση ΑΙ. Πρέπει να αρχίσουμε να το βλέπουμε λίγο διαφορετικά – το AI είναι companion, βοηθός. Δεν πρέπει να το βλέπουμε ανταγωνιστικά, ή εμείς ή το AI.
«Αναμφισβήτητα είναι από τους πιο ‘καυτούς’ τομείς, καθώς η ΤΝ έχει πάρει τα πάνω της, ενώ και το hardware έχει προοδεύσει πάρα πολύ, χωρίς να είναι τόσο ακριβό πια…», λέει ο καθηγητής. Όμως, επισημαίνει, «φιλοσοφικά, γνωστικά, ουσιαστικά και πρακτικά, οι αλγόριθμοι που σήμερα έχουμε δεν μπορούν ακόμα να κάνουν το άλμα από τον ψηφιακό στον πραγματικό κόσμο».
Η βασική ιδέα, λοιπόν, κατά τον Στρατή Γαββέ, είναι πώς να φτιάξουμε έναν αλγόριθμο που να καταλαβαίνει τον φυσικό κόσμο. «Η πρώτη εφαρμογή, κατά κάποιο τρόπο ο πρώτος τομέας ενδιαφέροντος, είναι η ρομποτική», συνεχίζει, τονίζοντας πως δεν αναφέρεται τόσο στην παραδοσιακή, που έχει να κάνει περισσότερο με συστήματα ελέγχου και hardware. «Ούτε καν το μέχρι πρότινος μοντέλο, που ήταν πώς να σχεδιάσουμε συγκεκριμένες λύσεις για πολύ συγκεκριμένες περιπτώσεις, αλλά το πώς μπορούμε να συνδυάσουμε γενικότερα την ΤΝ με ρομποτικά συστήματα, τα οποία διαδρούν με τον πραγματικό κόσμο. Αυτό ακριβώς είναι το σύνορο…», επισημαίνει.
Με ποιο τρόπο μπορούμε να το ξεπεράσουμε, λοιπόν; «Τουλάχιστον στον δικό μου χώρο, οι περισσότεροι συνάδελφοι, το 90-95%, πιστεύουν σε μια λογική η οποία είναι παρόμοια με αυτή των LLMs», εξηγεί ο καθηγητής. «Δηλαδή, περισσότερα data, περισσότεροι υπολογισμοί. Εγώ πιστεύω ότι ο πραγματικός κόσμος διέπεται από κανόνες, από μηχανισμούς – αφηρημένες έννοιες και σχέσεις, που δεν μπορείς να περιγράψεις με φυσικό τρόπο», διευκρινίζει.
Ένας σημαντικός περιορισμός, προσθέτει, είναι ότι «δεν μπορείς να έχεις ποτέ αρκετά δεδομένα κι είναι αδύνατο να τα αποκτήσεις». «Επομένως, χρειάζεται έναν διαφορετικό παράδειγμα μοντελοποίησης και σκέψης, φιλοσοφικά και επιστημονικά, που δεν το έχουμε πλησιάσει ακόμα», αναφέρει και εκτιμά πως. είναι προς την κατεύθυνση των λεγόμενων «physics informed και, όπως το λέω, mechanistic μοντέλων».
Δηλαδή, όπως εξηγεί, μοντέλων τα οποία δομούνται γύρω από κανόνες Φυσικής, βάζουν στην αρχιτεκτονική τους μηχανιστικές σχέσεις, αιτίου και αιτιατού. «Αυτά δουλεύω τώρα», λέει ο Γαββές, «στο πλαίσιο κάποιων εθνικών προγραμμάτων, μαζί με εταιρείες όπως η ΤΟΥΟΤΑ και άλλες με τις οποίες μιλάμε και χρηματοδοτούν, κατά κάποιο τρόπο, την έρευνά μας».
Πέρα από το φιλοσοφικό και το επιστημονικό σκέλος, τι σημαίνει αυτό στην πράξη; Τι ζητούν οι εταιρείες; «Το βασικό πρόβλημα στη βιομηχανία είναι πώς θα μπορέσουμε να φτιάξουμε ρομπότ τα οποία να είναι σχεδόν γενικής χρήσης, ώστε να μπορούν να χρησιμοποιηθούν εύκολα σε οποιοδήποτε βιομηχανικό περιβάλλον, γιατί εκεί είναι η πραγματική οικονομία», εξηγεί ο καθηγητής.
«Το να φτιάξω ένα ρομπότ που βάζει δύο-τρεις κύβους, τον ένα πάνω στον άλλον, αυτά τα κάνω εγώ τώρα. Ή να βάλεις ένα αυγό, μέσα σε ένα τηγάνι, το κάνεις! Αλλά αυτό είναι περισσότερο επίδειξη, παρά ουσία – σε σύγκριση με την πραγματική βιομηχανία, που φτιάχνει αυτοκίνητα ή οτιδήποτε άλλο…», διαχωρίζει το hype από την πραγματική εφαρμογή. «Τέτοιες λύσεις χρειαζόμαστε και στην Ελλάδα, ειδικά με τον πληθυσμό που μειώνεται και τα χέρια που δεν υπάρχουν. Όπως έγινε με το Cloud και το ChatGPT στον ψηφιακό κόσμο, έτσι κι αυτό θα οδηγήσει, αντίστοιχα, σε μια έκρηξη δημιουργικότητας…», λέει.
Πόσο μακριά μας, χρονικά, είναι αυτό; «Πιστεύω ότι ο κόσμος θα έχει γίνει πολύ διαφορετικός στα επόμενα 5 – 10 χρόνια. Αν πρέπει να κάνω μια πρόβλεψη και για τον δικό μου χώρο, του Physical AI, θα έλεγα 8 – 15 χρόνια», είναι η εκτίμησή του. «Ενδιάμεσες λύσεις πιστεύω ότι θα υπάρξουν, και πολύ καλές, όμως, το ερώτημα είναι κατά πόσο θα είναι γενικές. Για παράδειγμα, τα αυτόνομα αυτοκίνητα είναι από τα πιο εύκολα προβλήματα, από την πλευρά της ρομποτικής, καθώς όσα μπορούν να κάνουν είναι συγκεκριμένα: τιμόνι αριστερά/δεξιά, γκάζι-φρένο… Πέντε-έξι πράγματα πρέπει να τους μάθεις! Σ’ ένα ρομπότ πρέπει να μάθεις χιλιάδες πράγματα», αναφέρει ο καθηγητής.
Και συνεχίζει, λέγοντας ότι «στα ρομπότ δεν μπορούμε να έχουμε την ίδια λογική, του πόσο ακριβής είναι η πρόβλεψη που κάνει. Γιατί ακόμα και αν έχεις ένα μοντέλο το οποίο να είναι 99,999% ακριβές, σε μια μετάφραση δεν πειράζει, όμως στον φυσικό κόσμο αυτό το απειροελάχιστο ποσοστό ισοδυναμεί με δεκάδες χιλιάδες σφάλματα». Και αυτό, τονίζει, «μπορεί να είναι επικίνδυνο για τον άνθρωπο, αλλά και για το ίδιο το ρομπότ!»
Ο Γαββές θεωρεί ότι η λογική δεν πρέπει να είναι πόσο ακριβές είναι ένα σύστημα, «αλλά πόσο εύκολα καταλαβαίνεις τα σφάλματά του, ώστε να μπορείς να το βελτιώνεις…»
Κάτι άλλο, επίσης «καυτό», ώστε να προετοιμαζόμαστε; «Το AI for Science είναι, επίσης, πάρα πολύ ‘καυτό’ θέμα. Και ίσως, αντικειμενικά, είναι ο πιο σημαντικός στόχος μου. Το science μπορεί να είναι ό,τι θέλεις: Υλικά, Βιολογία, Ιατρική, Χημεία. Στη Φυσική νομίζω ότι είναι λίγο διαφορετικά τα πράγματα – άλλωστε, πολύ πρόσφατα το ΑI for Science πήρε δύο Νόμπελ. Τα επόμενα χρόνια θα είναι πραγματικά πολύ δύσκολο κάποιος να πετυχαίνει κάτι, χωρίς τη χρήση ΑΙ. Πρέπει να αρχίσουμε να το βλέπουμε λίγο διαφορετικά – το AI είναι companion, βοηθός. Δεν πρέπει να το βλέπουμε ανταγωνιστικά, ή εμείς ή το AI. Πρέπει να σκεφτόμαστε τι μπορούμε να καταφέρουμε με τη βοήθειά του, πραγματικά πολύ περισσότερα…»
Με την εγγραφή σας, συμφωνείτε με τους Όρους Χρήσης μας (συμπεριλαμβανομένης της παραίτησης από ομαδικές αγωγές και των διατάξεων διαιτησίας) και αναγνωρίζετε την Πολιτική Απορρήτου μας.
