Ο εντοπισμός γεγονότων που θα μπορούσαν να οδηγήσουν σε μια μεγάλη περίοδο αναταραχής είναι εξαιρετικά δύσκολος, καθώς πολλές φορές σχετίζονται με τυχαία ή ήσσονος σημασίας γεγονότα, που πυροδοτούν εκτός ελέγχου καταστάσεις. Θα μπορούσε η τεχνητή νοημοσύνη (ΑΙ) να γίνει η κρυστάλλινη σφαίρα για την πρόβλεψη τέτοιων απρόσμενων εξελίξεων;
Ένας Ανατολικογερμανός αξιωματούχος εκφράστηκε λάθος κατά τη διάρκεια μιας συνέντευξης Τύπου και έκανε χιλιάδες ανθρώπους να πάνε άμεσα στο Τείχος του Βερολίνου, επιταχύνοντας το τέλος του Ψυχρού Πολέμου. Ο οδηγός του Αρχιδούκα Φραγκίσκου Φερδινάνδου πήρε μια λάθος στροφή στο Σεράγεβο, φέρνοντας τον στο δρόμο του δολοφόνου του. Ο θάνατος του διαδόχου της Αυστροουγγρικής Αυτοκρατορίας στάθηκε αφορμή να ξεσπάσει ο Πρώτος Παγκόσμιος Πόλεμος, ενώ ένας Τυνήσιος πωλητής φρούτων που αυτοπυρπολήθηκε όταν οι ζυγαριές του κατασχέθηκαν από την αστυνομία, πυροδότησε τις εξεγέρσεις της Αραβικής Άνοιξης που κατέκλυσαν έξι χώρες και ανέτρεψαν τέσσερις ηγέτες κρατών.
Κοιτάζοντας πίσω, τα προειδοποιητικά σημάδια ήταν εκεί και θα μπορούσαν να είναι ορατά. Η πρόκληση όμως είναι να γνωρίζουμε εκ των προτέρων ποια σπίθα θα μπορούσε να πυροδοτήσει ανεξέλεγκτες εξελίξεις.
Ωστόσο, η πρόβλεψη του πώς και πότε ενδέχεται να εξελιχθούν σημαντικά παγκόσμια γεγονότα είναι κάτι που οι ερευνητές ελπίζουν ότι τα εξελιγμένα μοντέλα τεχνητής νοημοσύνης θα μπορέσουν κάποια μέρα να επιτύχουν. Πιστεύουν ότι με αρκετά δεδομένα, μπορεί να είναι δυνατό να χαρτογραφηθεί πώς οι κυματισμοί που προκαλούνται από φαινομενικά μικρά περιστατικά διογκώνονται σε παλιρροιακά κύματα που αναστατώνουν χρηματοπιστωτικές αγορές, πυροδοτούν επαναστάσεις ή οδηγούν σε πόλεμο. Η τεχνολογία της τεχνητής νοημοσύνης παρέχει ήδη ενδείξεις ότι αυτό θα μπορούσε να είναι δυνατό.
Στοιχεία από το παρελθόν για τις προβλέψεις
Η ιδέα της πρόβλεψης του μέλλοντος με βάση μοτίβα που διαδραματίστηκαν στο παρελθόν δεν είναι καινούργια. Στο πρώτο μισό του 20ού αιώνα, ο Ρωσοαμερικανός κοινωνιολόγος Πιτιρίμ Σορόκιν πρωτοστάτησε σε μια προσέγγιση βασισμένη σε δεδομένα για να εξηγήσει γιατί οι αυτοκρατορίες του παρελθόντος κατέρρευσαν. Για να το κάνει αυτό, επιχείρησε να ποσοτικοποιήσει την κοινωνική αστάθεια ανά τους αιώνες, συλλέγοντας δεδομένα για «μικρο-γεγονότα», όπως πολιτικές δολοφονίες ή ταραχές, και «μακρο-γεγονότα», όπως εμφύλιοι πόλεμοι και επαναστάσεις.
Στην περίπτωση της Αρχαίας Ρώμης, χρησιμοποίησε τα δεδομένα του για να υποστηρίξει αυτό που πίστευε ότι προκάλεσε την πτώση της αυτοκρατορίας: τον υπερβολικό υλισμό και τον ηδονισμό που οδήγησαν στην παρακμή και την πτώση του «ώριμου φρούτου».
Σήμερα, ο Πήτερ Τούρτσιν μαζί με τους συνεργάτες του στο Εργαστήριο Παγκόσμιας Ιστορίας του Πανεπιστημίου της Οξφόρδης στο Ηνωμένο Βασίλειο έχουν συγκεντρώσει 80.000 στοιχεία ποιοτικών και ποσοτικών δεδομένων από κοινωνίες που εκτείνονται από την παλαιολιθική εποχή, σε μια προσπάθεια να εξηγήσουν το παρελθόν και να προβλέψουν το μέλλον.
«Αναζητούμε στιγμές κρίσης», λέει η ερευνήτρια Σαμάνθα Χόλντερ, που συμμετέχει στο έργο. Από την κατάρρευση της ύστερης εποχής του χαλκού έως τη διάλυση της Ισπανικής Αυτοκρατορίας των Αψβούργων, οι κρίσεις βαθμολογούνται ώστε να αντικατοπτρίζουν τη γεωγραφική τους εμβέλεια και ένταση. Αυτά τα δεδομένα αναλύονται για μοτίβα με τη βοήθεια προγνωστικών υπολογιστικών μοντέλων – μια διαδικασία που δεν χρησιμοποιεί προς το παρόν τεχνητή νοημοσύνη, αλλά σύντομα θα μπορούσε να το κάνει.
Η ομάδα του Τούρτσιν χρησιμοποίησε τη βάση δεδομένων της για να προτείνει υποθέσεις σχετικά με το γιατί προκύπτουν στιγμές κρίσης. Οι επαναστάσεις, όπως διαπίστωσαν, τείνουν να προέρχονται από μια σειρά παραγόντων, όπως διόγκωση των τμημάτων του πληθυσμού που φτωχοποιούνται και αύξηση των κύκλων των προνομιακών ελίτ που ανταγωνίζονται για έναν περιορισμένο αριθμό κυβερνητικών θέσεων. «Αν αυτά τα πράγματα συμβούν ταυτόχρονα και το κράτος περνά μια οικονομική κρίση, η επανάσταση και οι εμφύλιοι πόλεμοι γίνονται πιο πιθανοί», λέει η Χόλντερ, αναφέροντας ως ενδεικτικό παράδειγμα τη Γαλλική Επανάσταση.
Ο Τούρτσιν χρησιμοποίησε αυτές τις μεθόδους το 2010 για να προβλέψει ότι το 2020 θα ήταν ένα έτος ιδιαίτερα χαοτικό. Προειδοποίησε ότι θα προκληθεί μια περίοδος έντονης πολιτικής αστάθειας εξαιτίας μιας «σκοτεινής τριάδας» κοινωνικών ασθενειών: πολλές ελίτ θα ανταγωνίζονται για την εξουσία, πτώση του βιοτικού επιπέδου και αδύναμο δημοσιονομικό κράτος. Όταν ξέσπασε η παγκόσμια πανδημία του Covid που προκάλεσε σοκ στην παγκόσμια οικονομία και μια έντονη περίοδο πολιτικής αναταραχής, ο Τούρτσιν φάνηκε προφητικός.
Προς το παρόν, η ομάδα χρησιμοποιεί την ΑΙ για να βοηθήσει στη συλλογή και ταξινόμηση τεράστιων συνόλων ιστορικών δεδομένων. Αλλά ελπίζουν να τη χρησιμοποιήσουν και για προβλέψεις. «Οι αλγόριθμοι μηχανικής μάθησης… θα μπορούσαν να βελτιώσουν τη μαθηματική μοντελοποίηση που κάνουμε», λέει ο Γιάκομπ Ζάμποκ, βοηθός έρευνας που συνεργάζεται με τον Τούρτσιν.
Οι επικριτές, μεταξύ αυτών ο αείμνηστος ανθρωπολόγος Ντέιβιντ Γκρέμπερ, έχουν αμφισβητήσει την ιδέα ότι θα μπορούσαμε να χρησιμοποιήσουμε την ιστορία για να προβλέψουμε το μέλλον. Ισχυρίζονται ότι τα τυχαία, μεμονωμένα γεγονότα που μπορούν να πυροδοτήσουν περιόδους αναταραχής είναι, εκ φύσεως, αδύνατο να προβλεφθούν. Όμως σε πολλές περιπτώσεις, υπάρχουν προειδοποιητικά σημάδια που προηγούνται των πυροδοτήσεων.
Μοντελοποίηση του χάους
Όπως είναι αναμενόμενο, κυβερνήσεις και στρατοί είναι από τους παράγοντες που περισσότερο έχουν στρέψει την προσοχή τους προς αυτόν τον τομέα.
Το 2020, ένα μυστικό πρόγραμμα πληροφοριών των ΗΠΑ χρησιμοποίησε μια εφαρμογή ΑΙ ονόματι Raven Sentry για να προβλέψει επιθέσεις των Ταλιμπάν στο Αφγανιστάν. Το εργαλείο τροφοδοτήθηκε με δεδομένα για την ιστορική βία στην περιοχή σε συνδυασμό με πληροφορίες σε πραγματικό χρόνο, συμπεριλαμβανομένων δεδομένων καιρού, αναρτήσεων στα μέσα κοινωνικής δικτύωσης, ρεπορτάζ ειδήσεων και δορυφορικών εικόνων, σύμφωνα με άρθρο που δημοσιεύτηκε σε περιοδικό της Πολεμικής Ακαδημίας του Στρατού των ΗΠΑ. Το μοντέλο φέρεται να πέτυχε ακρίβεια 70% , περίπου συγκρίσιμη με αυτή των ανθρώπινων αναλυτών, όμως «με πολύ υψηλότερο ρυθμό».
Η εταιρεία Rhombus Power από την πλευρά της ανακοίνωσε ότι χρησιμοποίησε παραγωγική ΑΙ για να προβλέψει την εισβολή της Ρωσίας στην Ουκρανία, αναλύοντας δεδομένα ανοιχτού κώδικα, συμπεριλαμβανομένων δορυφορικών εικόνων, κινήσεων σε πυραυλικές εγκαταστάσεις και τοπικών επιχειρηματικών συναλλαγών. Ωστόσο, αυτές οι προβλέψεις δεν είχαν δημοσιοποιηθεί πριν την έναρξη του πολέμου, επομένως δεν είναι δυνατόν να επαληθευτούν οι ισχυρισμοί της.
Οι επιφυλάξεις
Άλλοι ερευνητές αναπτύσσουν νευρωνικά δίκτυα που στοχεύουν στην πρόβλεψη επισιτιστικών κρίσεων χρησιμοποιώντας κλιματικά δεδομένα. Ωστόσο, πολλοί ερευνητές παραμένουν επιφυλακτικοί σχετικά με την αξιοπιστία της ΑΙ για την πραγματοποίηση τέτοιων προβλέψεων.
«Μία από τις προκλήσεις στην κατασκευή ενός τέτοιου έργου είναι ότι δεν είναι εύκολο να αποκτήσουμε τα σωστά δεδομένα εκπαίδευσης της ΑΙ για την πρόβλεψη μελλοντικών συγκρούσεων», λέει η Άννα Νακ, ανώτερη ερευνήτρια στο βρετανικό Ινστιτούτο Άλαν Τούρινγκ για την Τεχνητή Νοημοσύνη.
«Είναι πραγματικά δύσκολο να προβλέψουμε ακόμη και τον τρέχοντα τρόπο σκέψης ορισμένων από τους ηγέτες των κρατών μας», συνεχίζει η Νακ. Το Ινστιτούτο θεωρεί ότι οι δύο πιο ελπιδοφόροι τρόποι με τους οποίους η ΑΙ θα μπορεί να βοηθήσει είναι η ακριβέστερη παρακολούθηση των δεικτών κινδύνου σύγκρουσης και ο εντοπισμός πιθανών αποτελεσμάτων αμέσως μετά την εμφάνιση ενός σοκ.
Σχεδόν εξίσου χρήσιμο με το να γνωρίζουμε πότε θα συμβεί μια καταστροφή, είναι η κατανόηση των πιθανών επιπτώσεων, λέει ο Γιουτζίν Τσαουσόφσκι, ανώτερος διευθυντής στο Ινστιτούτο New Lines στις ΗΠΑ, ένα ερευνητική δεξαμενή σκέψης που διεξάγει προβλέψεις.
Τον τελευταίο χρόνο, ο Τσαουσόφσκι και η ομάδα του προσομοιώνουν εκδοχές της κρίσης στα Στενά του Ορμούζ που βιώνουμε αυτή τη στιγμή. Σε συνεργασία με την νεοσύστατη εταιρεία τεχνητής νοημοσύνης Mantis Analytics, χρησιμοποίησαν την ΑΙ για να ενισχύσουν τις αναλύσεις τους – αξιολογώντας τις επιπτώσεις στις αγορές ενέργειας, τους ημιαγωγούς και τη γεωργία.
Τα εργαλεία ΑΙ «μας έχουν επιτρέψει να επεκτείνουμε μαζικά τις ροές δεδομένων με τις οποίες εργαζόμαστε», λέει ο Τσαουσόφσκι: από την παρακολούθηση ανοιχτού κώδικα έως τις παγκόσμιες ειδήσεις και τις στατιστικές βάσεις δεδομένων για τα πάντα, από το εμπόριο έως την ενέργεια και τα κρίσιμα ορυκτά, βοηθώντας στη βελτίωση της ακρίβειας των προσομοιώσεων που παράγονται.
Το Πρόγραμμα Ανάπτυξης των Ηνωμένων Εθνών ήδη αναπτύσσει ΑΙ για να αξιολογήσει τις επιπτώσεις μεγάλων καταστροφών. Μετά τον σεισμό του Χεράτ στο Αφγανιστάν το 2023, χρησιμοποίησε το εργαλείο Ταχείας Ψηφιακής Αξιολόγησης που υποστηρίζεται από ΑΙ για να εκτιμήσει πόσες ζημιές και συντρίμμια μπορεί να προκληθούν σε οποιαδήποτε δεδομένη τοποθεσία, επιτρέποντάς του να αναπτύξει τις προσπάθειες διάσωσης με μεγαλύτερη ακρίβεια.
Ο ΟΗΕ έχει επίσης επενδύσει στην έγκαιρη προειδοποίηση μέσω ΑΙ, στο πλαίσιο αυτού που αποκαλεί «προληπτική διαχείριση κρίσεων». Συνδυάζει ιστορικά δεδομένα και δεδομένα σχεδόν πραγματικού χρόνου σε έναν Πίνακα Ελέγχου Κινδύνου Κρίσεων για τον εντοπισμό πιθανών εστιών βίας πριν κλιμακωθούν τα πράγματα. Στη Σρι Λάνκα, για παράδειγμα, παρακολουθεί τη ρητορική μίσους και τα μακροοικονομικά δεδομένα, ενώ αλλού μπορεί να εξετάσει την εκτόπιση πληθυσμών ή τη μετανάστευση.
Η επόμενη οικονομική κρίση
Οι χρηματοπιστωτικές ρυθμιστικές αρχές ελπίζουν επίσης ότι η Τεχνητή Νοημοσύνη μπορεί να τους δώσει ένα προβάδισμα σε πιθανά προβλήματα. Έχουν πρόσβαση σε «απίστευτα λεπτομερή, ουσιαστικά δεδομένα πραγματικού χρόνου σχετικά με το ποιος κατέχει τι σε όλο το χρηματοπιστωτικό σύστημα», λέει ο Αντόνιο Κόπολα, επίκουρος καθηγητής χρηματοοικονομικών στο Πανεπιστήμιο Στάνφορντ. Αυτό, σε συνδυασμό με τεχνικές Τεχνητής Νοημοσύνης όπως η βαθιά μάθηση, θα μπορούσε να χρησιμοποιηθεί για την καλύτερη ενημέρωση σχετικά με τον τρόπο ρύθμισης των χρηματοπιστωτικών αγορών.
Σε μια πρόσφατη εργασία δοκιμών, ο Κόπολα δημιούργησε ένα μοντέλο που εκπαιδεύτηκε σε ένα σύνολο δεδομένων μεγάλης κλίμακας που αποτελείται από χρηματοοικονομικά χαρτοφυλάκια που καλύπτουν περίπου 40 τρισεκατομμύρια δολάρια πλούτου στο σκιώδες τραπεζικό σύστημα. Οι σκιώδεις τράπεζες παρέχουν υπηρεσίες παρόμοιες με τις εμπορικές τράπεζες, αλλά υπάρχουν εκτός των συνήθων χρηματοοικονομικών κανονισμών και ενέχουν σημαντικό οικονομικό κίνδυνο.
Ο Κόπολα διαπίστωσε ότι, εκπαιδεύοντας το μοντέλο τεχνητής νοημοσύνης σε δεδομένα 20 ετών έως το 2019, ήταν σε θέση να προβλέψει με ακρίβεια ποιες αγορές παρουσίασαν τις μεγαλύτερες πωλήσεις χρηματοοικονομικών περιουσιακών στοιχείων το 2020 και ποιοι επενδυτές συνέβαλαν περισσότερο στην ύφεση της αγοράς.
Τα αποτελέσματα αποδείχθηκαν 10 φορές καλύτερα από τις παραδοσιακές μεθόδους που βασίζονται στην οικονομική θεωρία, σύμφωνα με τον Κόπολα. Σπεύδει όμως να προσθέσει ότι η Τεχνητή Νοημοσύνη δεν πρέπει να αντικαταστήσει την παραδοσιακή οικονομική μοντελοποίηση. Αντίθετα, θα μπορούσε να τη συμπληρώσει.
Η ΑΙ ως παράγοντας της κρίσης
Υπάρχει όμως και η πιθανότητα η ίδια η Τεχνητή Νοημοσύνη να επισπεύσει την επόμενη παγκόσμια κρίση. Πολλοί οικονομολόγοι προβλέπουν ήδη μια φούσκα της ΑΙ, η οποία αν σκάσει θα μπορούσε να είναι καταστροφική για τις χρηματοπιστωτικές αγορές, ενώ οι επικεφαλής του τεχνολογικού κλάδου έχουν προειδοποιήσει για την ευρύτερη κοινωνική αναστάτωση που μπορεί να προκαλέσει η τεχνολογία.
Πηγή: BBC
www.ertnews.gr
Ακολουθήστε το myvolos.net στο Google News και μάθετε πρώτοι όλες τις ειδήσεις.
