Ως τεχνητή νοημοσύνη μπορεί να περιγραφεί η δυνατότητα των μηχανών να εκτελούν πράξεις σαν να είναι ευφυείς, όπως ένας άνθρωπος. Μέρος της τεχνητής νοημοσύνης αποτελεί η μηχανική μάθηση, δηλαδή αλγόριθμοι οι οποίοι εκπαιδεύονται από μεγάλο όγκο δεδομένων να κατασκευάζουν μοντέλα με βάση τα οποία τα ταξινομούν και τα επεξεργάζονται. Οι εφαρμογές και τα επιτεύγματα των μεθόδων αυτών βρίσκονται στο επίκεντρο της επικαιρότητας και συχνά τροφοδοτούν φουτουριστικά σενάρια βγαλμένα από ταινίες επιστημονικής φαντασίας. Τείνουν όμως ταυτόχρονα να γίνουν μια καθημερινότητα για όλα σχεδόν τα επιστημονικά πεδία, καθώς οι μέθοδοι αυτές έχουν ενσωματωθεί στη φαρέτρα των εργαλείων που χρησιμοποιούν οι επιστήμονες για να προσεγγίσουν μικρότερα ή μεγαλύτερα ερωτήματα των πεδίων τους.
Στην περίπτωση της αστροφυσικής, οι μέθοδοι αυτές δεν είναι απλώς άλλο ένα εργαλείο αλλά τείνουν να γίνει αναγκαιότητα. Η αστροφυσική είναι η κατεξοχήν επιστήμη των μεγάλων δεδομένων καθώς πλέον δεκάδες επίγεια τηλεσκόπια και διαστημικές αποστολές συγκεντρώνουν αδιάκοπα τεράστιο όγκο παρατηρήσεων. Αυτές προστίθενται σε δεδομένα και παρατηρήσεις του παρελθόντος από επίγεια παρατηρητήρια, τα οποία ψηφιοποιούνται και αρχειοθετούνται επεκτείνοντας τον ορίζοντα της γνώσης μας και στο παρελθόν, δίνοντάς μας τη δυνατότητα να επανεξετάσουμε παρατηρήσεις στις οποίες στηρίχτηκαν μεγάλες ανακαλύψεις των προηγούμενων δεκαετιών και αιώνων.
Είναι ενδεικτικό ότι ο αριθμός των δημοσιεύσεων που χρησιμοποιούν τεχνικές μηχανικής μάθησης αυξάνεται περισσότερο από δέκα φορές κάθε δεκαετία, όπως μαρτυρά μια αναζήτηση στη βιβλιογραφική βάση δεδομένων ADS. Τη δεκαετία του 1980, η αναζήτηση επιστρέφει λιγότερες από δέκα καταχωρήσεις ενω τη δεκαετία που διανύουμε ο αριθμός αυτός ανέρχεται σε πάνω από δέκα χιλιάδες. Χωρίς απαραιτήτως να αντιστοιχούν όλες οι καταχωρήσεις σε δημοσιευμένες εργασίες, η κατά μια τάξη μεγέθους αύξησή τους ανά δεκαετία είναι ενδεικτική της τάσης που ακολουθεί η αστροφυσική ως προς τις μεθόδους και τα εργαλεία της και είναι πολύ πιθανό αυτός ο ρυθμός αύξησης να επιταχυνθεί. Οι εργασίες αυτές αφορούν ένα εύρος πεδίων της αστροφυσικής, από τη μελέτη κοντινών αντικειμένων όπως ο Ήλιος και την έρευνα για εξωπλανήτες σε αστέρες του Γαλαξία μας ως την έρευνα σε κοσμικές κλίμακες που αφορούν ολόκληρο το Σύμπαν.
Από τον Ήλιο στους εξωπλανήτες και τις εσχατιές του Σύμπαντος
Οι μέθοδοι μηχανικής μάθησης εδραιώνονται σταδιακά στη μελέτη του Ήλιου και της ηλιόσφαιρας, δηλαδή της επικράτειας του Ήλιου που περιλαμβάνει το διαστημικό χώρο και το ηλιακό σύστημα. Μια εφαρμογή είναι η πρόβλεψη των ηλιακών φαινομένων και των επιπτώσεών τους στις συνθήκες του διαστήματος (διαστημικός καιρός). Η μηχανική μάθηση χρησιμοποιείται προκειμένου να κατασκευαστούν μοντέλα πρόγνωσης βασισμένα σε ηλιακές παρατηρήσεις ή/και επιτόπιες μετρήσεις στο διάστημα, με έναν τρόπο ανάλογο με την κατάστρωση μοντέλων πρόγνωσης του καιρού στη Γη. Δεδομένου, μάλιστα, ότι η έρευνα του κλίματος είναι περισσότερο ανεπτυγμένη, η διαστημική έρευνα έχει πολλά αν κερδίσει από τις μεθόδους που χρησιμοποιεί η πρώτη. Μια άλλη εφαρμογή αφορά την μελέτη της ηλιακής ατμόσφαιρας, με την οποία προσπαθούμε να εξάγουμε συμπεράσματα για τις συνθήκες και τα φαινόμενα που συμβαίνουν σε αυτή. Τα επίγεια και διαστημικά τηλεσκόπια συγκεντρώνουν τεράστιο όγκο πληροφοριών και η ερμηνεία τους απαιτεί συχνά την προσαρμογή μαθηματικών μοντέλων. Αυτά ερμηνεύουν την μορφή των παρατηρήσεων ως αποτέλεσμα συγκεκριμένων φυσικών παραμέτρων και διαδικασιών αλλά απαιτούν μεγάλη υπολογιστική ισχύ και χρόνο. Μια εναλλακτική είναι να χρησιμοποιήσει κανείς μεθόδους μηχανικής μάθησης οι οποίες να εξάγουν τα μοντέλα από τις παρατηρήσεις σε σύντομο χρόνο εντοπίζοντας τα μοτίβα που υπάρχουν σε αυτές. Οι δυνατότητες αυτής της προσέγγισης διερευνώνται εντατικά από την κοινότητα, για αυτό το λόγο χρηματοδοτούνται αρκετά σχετικά προγράμματα σε Ευρώπη και Αμερική.
Το διαστημικό τηλεσκόπιο Kepler ήταν μια αποστολή της NASA με σκοπό την ανακάλυψη εξωπλανητών στο Γαλαξία μας. Η αποστολή εκτοξεύτηκε το 2009 και διήρκεσε εννέα χρόνια. Η ανίχνευση των εξωπλανητών βασίστηκε στη μέθοδο των διαβάσεων κατά την οποία το φως από έναν αστέρα παρουσιάζει περιοδική μείωση καθώς ένας ή περισσότεροι πλανήτες περνούν μπροστά από αυτόν. Με αυτή τη μέθοδο ανακαλύφθηκαν περισσότερου από δυόμιση χιλιάδες εξωπλανήτες, αφού συγκέντρωσε παρατηρήσεις για περισσότερα από μισό εκατομμύριο αστέρες.
Ο μεγάλος όγκος των παρατηρήσεων που συγκεντρώνει ένα τηλεσκόπιο σαν το Kepler απαιτεί μια αυτοματοποιημένη διαδικασία ανίχνευσης, καθώς θα ήταν αδύνατο ένας παρατηρητής να εξετάσει μια προς μια τις καμπύλες φωτός για πιθανές διαβάσεις πλανητών. Η διαδικασία αυτή μπορεί να περιγραφεί απλουστευμένα ως εξής: ένας κατάλληλος αλγόριθμος εξετάζει τις παρατηρήσεις του Kepler και αν αυτές ικανοποιούν μια σειρά από κριτήρια, αυτές «σημειώνονται» ως πιθανά αντικείμενα ενδιαφέροντος. Στη συνέχεια, τα αντικείμενα ενδιαφέροντος εξετάζονται περαιτέρω από έναν ακόμη αλγόριθμο, ο οποίος προσπαθεί να εξάγει κάποιες φυσικές παραμέτρους, οι οποίες να εξηγούν το είδος των παρατηρήσεων.
Μια από τις προκλήσεις που αντιμετωπίζουν οι επιστήμονες σε τέτοιου είδους παρατηρήσεις είναι το κατά πόσο οι μεταβολές που παρατηρούνται στις καμπύλες φωτός οφείλονται πράγματι σε πλανήτες ή σε κάποιο άλλο φαινόμενο. Το πρόβλημα μπορεί να γίνει πιο πολύπλοκο όταν παρατηρούνται διαφορετικές περιοχές του Γαλαξία, στις οποίες μπορεί να εμφανίζονται ή να υπερισχύουν διαφορετικά φαινόμενα. Επομένως είναι απαραίτητο να αναπτυχθούν μέθοδοι που θα επιτρέπουν την κατηγοριοποίηση του μεγάλου όγκου των παρατηρήσεων με ακρίβεια και μικρό περιθώριο σφάλματος. Αυτές οι μέθοδοι συνίστανται από αλγόριθμους οι οποίοι είτε ταξινομούν τα στοιχεία ενός συνόλου αναζητώντας τα μοτίβα που παρουσιάζονται ή εκπαιδεύονται από ένα υποσύνολο αυτών των παρατηρήσεων και στη συνέχεια χρησιμοποιούν τα εξαγόμενα μοντέλα σε «άγνωστα» σύνολα.
Αντίστοιχα μοτίβα μπορούν να εντοπιστούν και σε παρατηρήσεις μακρινών αντικειμένων, όπως γαλαξίες και σμήνη γαλαξιών. Ένα από τα πιο ενδιαφέροντα κοσμολογικής κλίμακας φαινόμενα είναι η καμπύλωση του φωτός που προκαλείται όταν στο περιβάλλον ενός πεδίου υπάρχει μεγάλη συγκέντρωση μάζας. Τότε τα είδωλα κάποιων αντικειμένων εμφανίζονται πολλαπλές φορές, σχηματίζοντας εντυπωσιακά συμμετρικά σχήματα. Ο εντοπισμός βαρυτικών φακών σε εικόνες μακρινών πεδίων έχει μεγάλη σημασία για την καλύτερη γνώση της κατανομής της μάζας στο Σύμπαν και μέθοδοι μηχανικής μάθησης μπορούν να βοηθήσουν στην ανίχνευσή τους.
Η διαμόρφωση μιας νέας ερευνητικής κουλτούρας
Οι μέθοδοι παρατήρησης και επεξεργασίας βελτιώνονται και ο εξοπλισμός που έχουν στη διάθεσή τους οι αστροφυσικοί γίνεται πιο ισχυρός και αποτελεσματικός. Ως αποτέλεσμα, η γνώση μας για το Σύμπαν διευρύνεται και νέα ερωτήματα δημιουργούνται. Ταυτόχρονα όμως νέες δεξιότητες απαιτούνται από όσους ασχολούνται επαγγελματικά με την έρευνα. Τα εργαλεία αυτά έχουν αναπτυχθεί από ειδικούς σε αντικείμενα εκτός των «παραδοσιακών» συναφών με την αστροφυσική πεδίων. Καθώς η χρήση τους διευρύνεται και καθίσταται επιτακτικότερη, νέες ειδικότητες εμφανίζονται στα σημεία όπου η αστροφυσική και τα πεδία αυτά διαχέονται. Η ανάπτυξη, λοιπόν, νέων μεθόδων και εργαλείων διαμορφώνει συνεχώς μια μεταβαλλόμενη ερευνητική κουλτούρα στην οποία η διεπιστημονικότητα και η ευελιξία παίζουν κυρίαρχο ρόλο. Είναι πιθανό ότι σε αυτή την περιγραφή η εικόνα ενός επιστήμονα απολύτως επικεντρωμένου στα αυστηρά πλαίσια του πεδίο του να καθίσταται, σταδιακά, μη λειτουργική.
Γιάννης Κοντογιάννης
Δύο νέα επιμορφωτικά σεμινάρια, με πρωτότυπη θεματική και ξεχωριστό ενδιαφέρον, ξεκινούν σε λίγες μέρες στο Ίδρυμα Αικατερίνης Λασκαρίδη.
Το επιμορφωτικό σεμινάριο «Τεχνητή νοημοσύνη: ένας συναρπαστικός νέος δρόμος» παρέχει μία καθοδηγούμενη γνωριμία με τον κόσμο της τεχνητής νοημοσύνης και το δρόμο που συγχαράσσουμε κάθε φορά που τη χρησιμοποιούμε.
Το σεμινάριο απευθύνεται στο ευρύ κοινό και δεν απαιτεί εξειδικευμένες γνώσεις. Μία βασική εξοικείωση με την τεχνολογία και την πληροφορική αποτελεί τη μόνη προϋπόθεση για να μπορέσουν οι συμμετέχοντες και οι συμμετέχουσες να παρακολουθήσουν με άνεση τις συζητήσεις που θα πραγματοποιηθούν κατά τη διάρκεια των σεμιναρίων.
Εισηγητές και συμμετέχοντες θα εξερευνήσουν τις δυνατότητες και τα όρια της τεχνητής νοημοσύνης, θα συζητήσουν τα ζητήματα που ανακύπτουν κατά τη χρήση της, αλλά και το τι σημαίνει η συνύπαρξη ανθρώπων-ευφυών συστημάτων. Επίσης, θα έχουν την ευκαιρία να γνωρίσουν πληθώρα συναρπαστικών όψεων της τεχνητής νοημοσύνης: τα παιχνίδια, η εκπαίδευση και η ρομποτική, ο Αισχύλος, η δικηγορία, ο κόσμος των δεδομένων και των επιχειρήσεων, αλλά και η ίδια η επιστημονική πρακτική είναι τα μέλη ενός ενδιαφέροντος θεματικού θιάσου, που θα παρελάσουν στη σκηνή για να μας βοηθήσουν να προσανατολιστούμε στην επικράτεια που ανοίγεται μπροστά μας.
Η οργάνωση του προγράμματος γίνεται υπό την αιγίδα της Ελληνικής Εταιρείας Τεχνητής Νοημοσύνης (EETN). Συντονιστής είναι ο Δρ Γιώργος Γιαννακόπουλος, συνεργαζόμενος ερευνητής του ΕΚΕΦΕ “Δημόκριτος” και μέλος ΔΣ της ΕΕΤΝ.
Το σεμινάριο «Ψηφιακά Παιχνίδια: Θεωρία, Σχεδίαση, Εφαρμογές» καλύπτει σφαιρικά τις εφαρμογές των ψηφιακών παιχνιδιών σε ποικίλους τομείς και χώρους. Επικεντρώνεται τόσο σε θεωρητικές προσεγγίσεις όσο και σε πρακτικά ζητήματα αναφορικά με τον σχεδιασμό τους, τη χρήση τους στην τυπική και άτυπη εκπαίδευση, τη σχέση τους με την τεχνητή νοημοσύνη, την ανάδειξή τους σε σύγχρονα εκφραστικά και καλλιτεχνικά μέσα. Ορισμένες από τις θεματικές που θα καλύψει το σεμινάριο είναι οι τρόποι με τους οποίους αναπαρίστανται, αλλά και παράγονται, η ιστορία και ο πολιτισμός στα ψηφιακά παιχνίδια, ο ρόλος της παιχνιδοποίησης (gamification) και των παιχνιδιών σοβαρού σκοπού (serious games) στο πλαίσιο της εκπαίδευσης, οι συνεισφορές τους στο πεδίο της τέχνης μέσω των ταινιών machinima και της ανάδυσης νέων μουσικών ειδών, η σχέση της ιατρική και του ευ ζειν με παιγνιοποιημένες εφαρμογές σωματικής εκγύμνασης και η χρήση των παιχνιδιών από το μάρκετινγκ. Επίσης, θα υπάρξει ξεχωριστό σεμινάριο για τον σχεδιασμό ψηφιακών παιχνιδιών.
Το σεμινάριο απευθύνεται σε ανθρώπους που επιθυμούν να ενημερωθούν για τον πολυποίκιλο ρόλο και τη χρησιμότητα των ψηφιακών παιχνιδιών στη σύγχρονη κοινωνία, σε εκπαιδευτικούς που ενδιαφέρονται να χρησιμοποιήσουν ψηφιακά παιχνίδια εντός και εκτός σχολικής αίθουσας, σε ερευνητές/τριες και επιστήμονες από τον χώρο των Ψηφιακών Σπουδών, καθώς και σε όσους/ες επιθυμούν να ενημερωθούν για τις νέες μορφές έρευνας και πρακτικών σε ψηφιακά περιβάλλοντα. Δεν απαιτείται προηγούμενη εμπειρία με τα ψηφιακά παιχνίδια, πέρα από την ευρύτερη εξοικείωση με βασικές υπηρεσίες του διαδικτύου.
Την ευθύνη του προγράμματος έχει η ερευνητική ομάδα του προγράμματος «Διαχρονίες» που πραγματοποιείται στο Πανεπιστήμιο Αθηνών.
* Περισσότερες πληροφορίες και για τα δύο σεμινάρια στον ιστοχώρο του Ιδρύματος Αικατερίνης Λασκαρίδη.
