Οι εφαρμογές τεχνητής νοημοσύνης στον πραγματικό κόσμο αναπτύσσονται ραγδαία και ίσως πολύ πιο γρήγορα από ότι φανταζόμαστε.

Στις μέρες μας οι έξυπνες συσκευές εξελίσσονται με τέτοιο τρόπο ώστε να μπορούν να χρησιμοποιούνται από όλο και περισσότερους ανθρώπους κάνοντας ακόμα πιο θεαματικά πράγματα. Κάπως έτσι τέσσερις μηχανικοί με σχεδόν μηδενική γνώση της ιαπωνικής γλώσσας κατάφεραν να δημιουργήσουν ένα πρόγραμμα τεχνητής νοημοσύνης, μέσα σε μόλις λίγους μήνες, το οποίο μπορεί να αποκρυπτογραφήσει τα ιαπωνικά. Στην ουσία οι προγραμματιστές της Reactive Inc. δημιούργησαν μια εφαρμογή που διαβάζει τα Ιαπωνικά χειρόγραφα με ακρίβεια που αγγίζει το 98,66 %.

Η μόλις 18μηνών startup τους στο Τόκιο, είναι μέρος μιας αυξανόμενης παγκόσμιας οικονομίας η οποία αποτελείται από προγραμματιστές και επενδυτές που σκοπεύουν να εκμεταλλευτούν τη δύναμη των νευρωνικών δικτύων και της τεχνητής νοημοσύνης για πολύ πιο πρακτικούς σκοπούς από αυτούς που είχαμε συνηθίσει μέχρι σήμερα.

Η τεχνητή νοημοσύνη ήταν κάποτε η αποκλειστική παιδική χαρά της Google Inc., της Facebook Inc και άλλων τεχνολογικών ηγετών. Σήμερα όμως, οποιαδήποτε startup που ασχολείται με το Deep Learning μπορεί να έχει πρόσβαση στην τεχνητή νοημοσύνη που εταιρείες όπως η Microsoft Corp., η Nvidia Corp. και η Amazon.com διαθέτουν μέσω των cloud υπηρεσιών τους ως βοηθητικό εργαλείο.

Το παράδειγμα της Reactive μάλιστα, δείχνει πως ακόμη και οι μικρές ομάδες μπορούν πλέον να επινοήσουν πολύπλοκες εφαρμογές ακόμα κι αν δεν έχουν μεγάλη εμπειρία στον συγκεκριμένο τομέα. Το δύσκολο μέρος βέβαια παραμένει το πώς θα εξοικονομήσουν χρήματα από αυτές τις εφαρμογές. Για το σκοπό αυτό, η Reactive προτίθεται να βοηθήσει στις σχολικές ιαπωνικές εξετάσεις – μια δοκιμή που θα μπορούσε να αλλάξει το παιχνίδι σε μια χώρα όπου οι εξετάσεις εξακολουθούν να είναι αποκλειστικά χειρόγραφες.

Ο Malkin και οι συνεργάτες του, Joe Bullard, Philippe Remy και Philip Irri, κάτοχοι μεταπτυχιακών και διδακτορικών τίτλων, σημειώνουν ταχεία πρόοδο. Ο Bullard παρουσίασε το πρόγραμμα της ομάδας στους λάτρεις της τεχνητής νοημοσύνης κατά τη διάρκεια μιας κοινωνικής συγκέντρωσης στα κεντρικά γραφεία της Google στην Ιαπωνία στις αρχές του 2016. Μάλιστα λειτούργησε άψογα, μέχρι τουλάχιστον οι περιορισμοί της δικής του γλώσσας βγουν στην επιφάνεια.

Ενώ η αναγνώριση της γραφής θα μπορούσε να καταταγεί στην κατηγορία Deep Learning 101, τα Ιαπωνικά είναι μια εντελώς διαφορετική περίπτωση. Αυτό συμβαίνει γιατί η γλώσσα περιλαμβάνει χαρακτήρες σύμβολα ή ακόμα και στοιχεία που μπορούν να διαβαστούν ανεξάρτητα, γεγονός που δυσκολεύει το χρήστη να διαχωρίσει που τελειώνει το ένα και που αρχίζει το άλλο. Υπάρχουν, επίσης, περισσότερα από 2.000 κοινά ιεογράμματα που αποτελούνται από δεκάδες γράμματα. Παρά τις δυσκολίες η startup έχει δοκιμάσει το μοντέλο της σε περίπου 1,8 εκατομμύρια χαρακτήρες.

«Το γεγονός ότι αυτή η τεχνολογία μπορεί να παραμερίσει την εμπειρία αποτελεί μεγάλο πλεονέκτημα από άποψη ταχύτητας και επεκτασιμότητας στον επιχειρηματικό τομέα», δήλωσε ο Seishi Okamoto, διευθυντής της Fujitsu Laboratories Ltd., η οποία αναπτύσσει λογισμικό που διαβάζει τα κινέζικα. «Το Deep Learning για κινεζικά χειρόγραφα έχει αναπτυχθεί τόσο που πλησιάζει τις ανθρώπινες ικανότητες και ίσως στο μέλλον καταφέρει να τις επισκιάσει».

Το deap learning της  τεχνητής νοημοσύνης, σε αντίθεση με ένα τυπικό πρόγραμμα το οποίο χτίζεται πάνω σε άκαμπτους κανόνες, έχει ως πρότυπο τον τρόπο με τον οποίο οι άνθρωποι επεξεργάζονται τις πληροφορίες. Παρέχοντάς του αρκετά δεδομένα και επιθυμητά αποτελέσματα οφείλει εντέλει να καταλάβει τι συμβαίνει στην ενδιάμεση διαδικασία, γεγονός που του επιτρέπει εντέλει να βρει λύσεις που ταλαιπωρούν τις παραδοσιακές προσεγγίσεις.

«Υπάρχουν πολλοί παράγοντες που παίζουν ρόλο: οι υπολογιστές υψηλών επιδόσεων γίνονται στην ουσία ένα αγαθό το οποίο μας προσφέρει ένα σύνολο δεδομένων και βελτιώσεων των βασικών επιστημών» αναφέρει ο Yoshua Bengio, καθηγητής πληροφορικής στο Πανεπιστήμιο του Μόντρεαλ, που ασχολείται με την τεχνητή νοημοσύνη. «Ο εκδημοκρατισμός των εργαλείων μάλιστα, διευκολύνει τους χρήστες σε δεύτερο επίπεδο ώστε να αναπτύξουν εφαρμογές και προϊόντα».

Όλα αυτά είναι πιθανό να επιταχύνουν την εξέλιξη της συγκεκριμένης τεχνολογίας. Οι επενδύσεις των startups σε αυτό τον τομέα όπου ξεκινούν από την εκπαίδευση και καταλήγουν στο λιανικό εμπόριο μέχρι και τη γεωργία, έφθασε τα 310 εκατ. δολάρια το 2015, ποσό επταπλάσιο από ότι πέντε χρόνια πριν, σύμφωνα με την εταιρεία ερευνών CB Insights. Και το θετικό είναι πως άπαξ και χτιστεί ένα νευρωνικό δίκτυο σας αυτό που δημιούργησε η Reactive δεν χρειάζεται να περιοριστεί σε γλωσσικές εφαρμογές, μπορεί να χρησιμοποιηθεί ή να επεκταθεί σε πολλούς άλλους τομείς…