Από τους τεράστιους υπολογιστές με λυχνίες μέχρι το AI που χωράει στην τσέπη μας. Πώς μπορεί να αλλάξει η τεχνολογία μέσα στα επόμενα δέκα χρόνια;
Οι πρώτοι ηλεκτρονικοί υπολογιστές ήταν τεράστιοι. Έμοιαζαν περισσότερο με ολόκληρα εργοστάσια παρά με τις συσκευές που γνωρίζουμε σήμερα. Καταλάμβαναν μεγάλους χώρους, λειτουργούσαν με λυχνίες, κατανάλωναν σημαντικές ποσότητες ηλεκτρικής ενέργειας και απαιτούσαν εξειδικευμένο προσωπικό για τη λειτουργία τους.
Για την εποχή τους αποτελούσαν τεχνολογικά θαύματα. Σήμερα, όμως, ακόμη και ένα μικρό κινητό τηλέφωνο διαθέτει ασύγκριτα μεγαλύτερη υπολογιστική ισχύ.
Κάτι παρόμοιο πιστεύω ότι συμβαίνει σήμερα με τα data centers της τεχνητής νοημοσύνης.
Τεράστιες εγκαταστάσεις, χιλιάδες επεξεργαστές, αμέτρητοι servers, μεγάλη κατανάλωση ηλεκτρικής ενέργειας και επενδύσεις δισεκατομμυρίων.
Μήπως, τελικά, βρισκόμαστε μπροστά σε μια νέα εποχή, αντίστοιχη με εκείνη των πρώτων ηλεκτρονικών υπολογιστών;
Μήπως τα σημερινά data centers, όσο εντυπωσιακά κι αν φαίνονται, αποτελούν απλώς ένα πρώιμο στάδιο στην εξέλιξη της τεχνητής νοημοσύνης;
Τώρα θα μου πείτε:
«Μα καλά, μπορούν να φτιάξουν μικρότερα AI που να λειτουργούν χωρίς data centers;»
Κι όμως, όχι μόνο μπορούν, αλλά το έχουν ήδη κάνει!
Η τεχνητή νοημοσύνη λειτουργεί ήδη στο κινητό μας χωρίς internet!
Υπάρχουν ήδη εφαρμογές τεχνητής νοημοσύνης που λειτουργούν απευθείας στο κινητό τηλέφωνο, χωρίς να χρειάζεται να στέλνουν κάθε ερώτηση σε κάποιο απομακρυσμένο data center.
Δύο χαρακτηριστικά παραδείγματα είναι:
1. PocketPal AI
Μια εφαρμογή για Android και iPhone που επιτρέπει στον χρήστη να κατεβάζει μοντέλα τεχνητής νοημοσύνης και να τα χρησιμοποιεί απευθείας στη συσκευή του.
Αφού εγκατασταθεί το κατάλληλο μοντέλο, μπορεί να συνομιλεί με το AI ακόμη και χωρίς σύνδεση στο διαδίκτυο.
2. Google AI Edge Gallery
Μια εφαρμογή της Google, επίσης διαθέσιμη για Android και iPhone, η οποία επιτρέπει την εκτέλεση μοντέλων τεχνητής νοημοσύνης απευθείας στο κινητό.
Μπορεί να χρησιμοποιηθεί για συνομιλίες, επεξεργασία κειμένων, εικόνων και άλλες λειτουργίες, ανάλογα με τις δυνατότητες της συσκευής και του μοντέλου.
Βέβαια, αυτά τα μικρότερα μοντέλα δεν διαθέτουν απαραίτητα τις δυνατότητες των μεγαλύτερων συστημάτων τεχνητής νοημοσύνης.
Αλλά αυτό δεν είναι το σημαντικότερο.
Το σημαντικό είναι ότι η τεχνητή νοημοσύνη μπορεί ήδη να λειτουργεί αυτόνομα σε μια συσκευή που χωράει στην τσέπη μας!
Και αν αυτό είναι δυνατό σήμερα, φανταστείτε τι μπορεί να συμβεί μέσα στην επόμενη δεκαετία.
Στους υπολογιστές η εξέλιξη είναι ακόμη πιο εντυπωσιακή
Σήμερα υπάρχουν δωρεάν εφαρμογές που επιτρέπουν στον καθένα να εγκαταστήσει και να χρησιμοποιήσει μοντέλα τεχνητής νοημοσύνης στον προσωπικό του υπολογιστή, χωρίς να εξαρτάται συνεχώς από κάποια διαδικτυακή υπηρεσία.
Για παράδειγμα:
LM Studio: Επιτρέπει την εγκατάσταση και την εκτέλεση μοντέλων AI τοπικά στον υπολογιστή, ακόμη και χωρίς σύνδεση στο διαδίκτυο, εφόσον έχουν προηγουμένως κατέβει τα απαραίτητα αρχεία.
Ollama: Επιτρέπει την εκτέλεση μοντέλων τεχνητής νοημοσύνης στον υπολογιστή, χωρίς να απαιτείται εξωτερικός server για την παραγωγή απαντήσεων όταν χρησιμοποιούνται τοπικά μοντέλα.
GPT4All: Μια δωρεάν εφαρμογή που επιτρέπει στον χρήστη να συνομιλεί με μοντέλα AI και να αξιοποιεί έγγραφα που βρίσκονται στον υπολογιστή του, χωρίς υποχρεωτική χρήση υπηρεσιών cloud.
Αυτές οι εφαρμογές μπορούν να λειτουργούν σε προσωπικούς υπολογιστές με επαρκή μνήμη και επεξεργαστική ισχύ.
Δεν χρειάζεται, λοιπόν, κάποιος να διαθέτει ένα ολόκληρο data center για να χρησιμοποιήσει τεχνητή νοημοσύνη!
Αρκεί ένας κατάλληλος υπολογιστής και ένα μοντέλο που μπορεί να εκτελεστεί τοπικά.
Και κάπου εδώ αρχίζει το πραγματικά ενδιαφέρον κομμάτι της ιστορίας.
Η μικρή παγίδα πίσω από το «δωρεάν» και το «offline» AI
Υπάρχει, όμως, κάτι που θεωρώ ότι δεν εξηγείται πάντοτε με την απαραίτητη σαφήνεια στους καταναλωτές.
Όταν μια εφαρμογή διαφημίζεται ως «offline AI», ο χρήστης μπορεί εύκολα να πιστέψει ότι η εφαρμογή δεν επικοινωνεί ποτέ με κανέναν εξωτερικό server.
Αυτό δεν είναι απαραίτητα αλήθεια.
Μια εφαρμογή μπορεί να χρησιμοποιεί τοπικά ένα μοντέλο τεχνητής νοημοσύνης, αλλά μόλις συνδεθεί στο διαδίκτυο να πραγματοποιεί επικοινωνίες με απομακρυσμένους servers.
Αυτές οι επικοινωνίες μπορεί να αφορούν ενημερώσεις, λήψεις μοντέλων, διαγνωστικές πληροφορίες, στοιχεία χρήσης ή πρόσθετες διαδικτυακές υπηρεσίες.
Σε ορισμένες περιπτώσεις μπορεί να μεταφέρονται και προσωπικά δεδομένα, ανάλογα με τις λειτουργίες που χρησιμοποιούνται και τις πολιτικές της εκάστοτε εφαρμογής.
Προσοχή, όμως: αυτό δεν σημαίνει ότι κάθε offline εφαρμογή AI στέλνει κρυφά τις συνομιλίες μας. Υπάρχουν εφαρμογές που επεξεργάζονται τις συνομιλίες αποκλειστικά στη συσκευή και εξηγούν ποιες άλλες λειτουργίες επικοινωνούν με εξωτερικούς servers.
Το πραγματικό πρόβλημα αρχίζει όταν μια εταιρεία δημιουργεί την εντύπωση της απόλυτης ιδιωτικότητας, ενώ στην πράξη μεταφέρει προσωπικές πληροφορίες χωρίς να ενημερώνει ξεκάθαρα τον χρήστη.
Εκεί μπορεί να υπάρχει παραπλάνηση και, εφόσον αποκρύπτονται ουσιώδη στοιχεία με σκοπό την εξαπάτηση, ακόμη και ζήτημα απάτης.
Γιατί το γεγονός ότι ένα πρόγραμμα προσφέρεται δωρεάν δεν σημαίνει ότι πρέπει να πληρώνουμε με τα προσωπικά μας δεδομένα.
Ο πολίτης πρέπει να γνωρίζει τι ακριβώς εγκαθιστά στον υπολογιστή ή στο κινητό του, ποιες πληροφορίες παραμένουν στη συσκευή του και ποιες μεταφέρονται σε εξωτερικές υπηρεσίες.
Η ιδιωτικότητα δεν πρέπει να είναι διαφημιστικό σύνθημα. Πρέπει να είναι πραγματική δυνατότητα επιλογής.
Σε δέκα χρόνια θα χρειαζόμαστε ακόμη τεράστια data centers;
Η προσωπική μου εκτίμηση είναι ότι μέσα στην επόμενη δεκαετία θα δούμε τεράστιες αλλαγές στον τρόπο με τον οποίο λειτουργεί η τεχνητή νοημοσύνη.
Πιστεύω ότι ένα μεγάλο μέρος των εργασιών που σήμερα απαιτούν απομακρυσμένους servers θα μπορεί σταδιακά να πραγματοποιείται σε μικρότερες, προσωπικές συσκευές.
Δεν αποκλείω τα σημερινά data centers να αλλάξουν ριζικά ρόλο, με ορισμένα να χρησιμοποιούνται περισσότερο για αποθήκευση δεδομένων, κρατικές υπηρεσίες, μεγάλες επιχειρήσεις και εξειδικευμένες υπολογιστικές εργασίες.
Δεν ισχυρίζομαι ότι θα εξαφανιστούν όλα τα data centers. Η εκπαίδευση μεγάλων μοντέλων και άλλες απαιτητικές εφαρμογές πιθανότατα θα εξακολουθήσουν να χρειάζονται σημαντικές υποδομές.
Θεωρώ, όμως, πολύ πιθανό να μειωθεί η ανάγκη σύνδεσης των καθημερινών εφαρμογών AI με απομακρυσμένα υπολογιστικά κέντρα.
Και για να καταλάβουμε καλύτερα τι εννοώ, αρκεί να θυμηθούμε τις εγκυκλοπαίδειες.
Παλαιότερα είχαμε ολόκληρες βιβλιοθήκες γεμάτες εγκυκλοπαίδειες. Δεκάδες τόμοι καταλάμβαναν μεγάλα ράφια στα σπίτια μας.
Αργότερα, όλο αυτό το περιεχόμενο μεταφέρθηκε σε μερικά CD.
Στη συνέχεια, μπορούσαμε να αποθηκεύουμε τεράστιες ποσότητες πληροφοριών σε ένα μικρό φλασάκι.
Σήμερα έχουμε πρόσβαση σε περισσότερες πληροφορίες από ποτέ μέσω μιας συσκευής που χωράει στην παλάμη μας.
Κάτι ανάλογο συνέβη και με τους υπολογιστές.
Από ολόκληρες αίθουσες γεμάτες μηχανήματα περάσαμε στους επιτραπέζιους υπολογιστές, στους φορητούς και τελικά στα κινητά τηλέφωνα.
Γιατί, λοιπόν, να μη συμβεί μια αντίστοιχη εξέλιξη και με την τεχνητή νοημοσύνη;
Αυτό που σήμερα απαιτεί ένα τεράστιο data center για ορισμένες εργασίες, σε δέκα χρόνια μπορεί να εκτελείται από έναν προσωπικό υπολογιστή ή μια μικρή συσκευή.
Δεν είναι βεβαιότητα. Είναι, όμως, ένα πιθανό σενάριο που αξίζει να εξετάσουμε.
Τελικά, τόσα δισεκατομμύρια πεταμένα;
Όχι βέβαια!
Αν δεν είχαν γίνει αυτές οι τεράστιες επενδύσεις στην έρευνα και στις υποδομές της τεχνητής νοημοσύνης, πιθανότατα δεν θα είχαμε φτάσει στη σημερινή τεχνολογική εξέλιξη.
Οι πρώτοι υπολογιστές ήταν τεράστιοι, ακριβοί και πρωτόγονοι σε σύγκριση με τους σημερινούς.
Αυτό, όμως, δεν σημαίνει ότι τα χρήματα που δαπανήθηκαν για την ανάπτυξή τους πήγαν χαμένα.
Αντίθετα, εκείνες οι επενδύσεις δημιούργησαν τις προϋποθέσεις για την τεχνολογία που χρησιμοποιούμε σήμερα.
Το ίδιο μπορεί να συμβεί και με τα σημερινά data centers.
Ίσως αποτελούν ένα αναγκαίο στάδιο για να φτάσουμε σε μια εποχή κατά την οποία η τεχνητή νοημοσύνη θα είναι μικρότερη, οικονομικότερη, ταχύτερη και περισσότερο ανεξάρτητη από το διαδίκτυο.
Οι χάκερ υπήρχαν πολύ πριν από τη σημερινή τεχνητή νοημοσύνη
Υπάρχει και ένα ακόμη θέμα που αξίζει να εξετάσουμε.
Τον τελευταίο καιρό ακούμε συνεχώς για κυβερνοεπιθέσεις σε κάμερες ασφαλείας, έξυπνα ψυγεία, οικιακές συσκευές, υπολογιστές, επιχειρήσεις και τραπεζικά συστήματα.
Πολλές φορές οι απειλές αυτές παρουσιάζονται με τρόπο που δημιουργεί την εντύπωση ότι εμφανίστηκαν εξαιτίας της τεχνητής νοημοσύνης.
Αυτό, όμως, δεν ανταποκρίνεται στην ιστορία της κυβερνοασφάλειας.
Οι χάκερ χρησιμοποιούσαν τεχνικές παραβίασης συστημάτων εδώ και δεκαετίες.
Ήδη από τη δεκαετία του 1990 υπήρχαν δημοσιευμένες μελέτες για επιθέσεις κοινωνικής μηχανικής, δηλαδή για μεθόδους εξαπάτησης ανθρώπων με σκοπό την απόκτηση κωδικών πρόσβασης και εμπιστευτικών πληροφοριών.
Οι επιθέσεις σε βάσεις δεδομένων, όπως το SQL Injection, αποτελούν επίσης παλιές και καλά τεκμηριωμένες τεχνικές.
Αντίστοιχα, η παραβίαση συσκευών μέσω αδύναμων εργοστασιακών κωδικών, ανασφαλών υπηρεσιών δικτύου και παρωχημένου λογισμικού δεν είναι κάποιο καινούργιο φαινόμενο.
Ένα χαρακτηριστικό παράδειγμα είναι το Mirai botnet, το οποίο εμφανίστηκε το 2016.
Το Mirai μόλυνε μεγάλο αριθμό συσκευών συνδεδεμένων στο διαδίκτυο, μεταξύ των οποίων κάμερες ασφαλείας και δρομολογητές, αξιοποιώντας κυρίως γνωστούς ή προεπιλεγμένους κωδικούς πρόσβασης.
Και όλα αυτά συνέβησαν χρόνια πριν από τη μαζική διάδοση των σημερινών εφαρμογών γενετικής τεχνητής νοημοσύνης.
Επομένως, η τεχνητή νοημοσύνη δεν ανακάλυψε αυτές τις μεθόδους.
Μπορεί να χρησιμοποιηθεί για την αυτοματοποίηση ή την επιτάχυνση ορισμένων επιθέσεων, αλλά οι βασικές τεχνικές υπήρχαν ήδη.
Αρκεί κάποιος να ανατρέξει στην επιστημονική βιβλιογραφία για να το διαπιστώσει.
Ο πραγματικός κίνδυνος είναι η χρήση της τεχνολογίας από ανθρώπους
Η τεχνητή νοημοσύνη δεν έχει αποδεδειγμένα ανθρώπινη συνείδηση.
Προσωπικά, θεωρώ ότι ένας από τους μεγαλύτερους κινδύνους για τους πολίτες δεν είναι το σενάριο μιας μηχανής που ξαφνικά θα αποκτήσει δική της βούληση και θα στραφεί εναντίον της ανθρωπότητας.
Με απασχολεί περισσότερο κάτι πολύ πιο απλό και πολύ πιο κοντινό στην πραγματικότητα.
Οι άνθρωποι που μπορούν να χρησιμοποιήσουν την τεχνητή νοημοσύνη για να εξαπατούν άλλους ανθρώπους.
Απατεώνες, εγκληματικές ομάδες και επιτήδειοι μπορούν να αξιοποιήσουν την τεχνολογία για παραπληροφόρηση, εκβιασμούς, πλαστοπροσωπία, δημιουργία ψεύτικου περιεχομένου και καλλιέργεια φόβου.
Και δεν αποκλείω να δούμε στο μέλλον μια ιδιαίτερα ανησυχητική πρακτική.
Να εμφανίζονται κάποιοι που θα δημιουργούν ή θα διογκώνουν τον φόβο γύρω από την τεχνητή νοημοσύνη και τις κυβερνοεπιθέσεις, ώστε στη συνέχεια να προσφέρουν δήθεν προστασία μέσω των δικών τους συστημάτων AI.
Δηλαδή, πρώτα να δημιουργούν ή να εκμεταλλεύονται το πρόβλημα και μετά να πουλούν τη λύση.
Αυτή είναι μια πιθανή μορφή εκμετάλλευσης που αξίζει να μας προβληματίσει.
Γιατί ο φόβος αποτελεί διαχρονικά ένα ισχυρό εργαλείο χειραγώγησης.
Και όταν ο φόβος συνδυάζεται με μια τεχνολογία που ο περισσότερος κόσμος δεν κατανοεί πλήρως, δημιουργούνται ευκαιρίες για όσους θέλουν να τον εκμεταλλευτούν.
Συμπέρασμα
Η τεχνολογία εξελίσσεται διαρκώς.
Οι πρώτοι υπολογιστές καταλάμβαναν ολόκληρες αίθουσες. Σήμερα έχουμε τεράστια υπολογιστική ισχύ στην τσέπη μας.
Οι εγκυκλοπαίδειες από ολόκληρες βιβλιοθήκες πέρασαν στα CD, στα φλασάκια και τελικά στις ψηφιακές συσκευές μας.
Πιστεύω ότι μια αντίστοιχη πορεία μικρότερων και περισσότερο αυτόνομων συστημάτων περιμένει και την τεχνητή νοημοσύνη.
Μέσα στα επόμενα δέκα χρόνια μπορεί να δούμε αλλαγές που σήμερα δυσκολευόμαστε ακόμη και να φανταστούμε.
Τα data centers ενδέχεται να παραμείνουν απαραίτητα για πολλές δραστηριότητες, αλλά η καθημερινή χρήση της τεχνητής νοημοσύνης μπορεί να μεταφερθεί σε μεγάλο βαθμό στις προσωπικές μας συσκευές.
Το σημαντικότερο, όμως, δεν είναι μόνο πόσο μικρή, γρήγορη ή ισχυρή θα γίνει η τεχνητή νοημοσύνη.
Το πραγματικό ερώτημα είναι ποιος θα την ελέγχει, ποια δεδομένα θα συλλέγει και για ποιον σκοπό θα χρησιμοποιείται.
Γιατί, τελικά, η μεγαλύτερη απειλή μπορεί να μην είναι η ίδια η τεχνητή νοημοσύνη, αλλά εκείνοι που θα προσπαθήσουν να μετατρέψουν τον φόβο των πολιτών σε μια νέα, εξαιρετικά κερδοφόρα επιχείρηση.
Βιβλιογραφία και πηγές
Για τις παλιότερες τεχνικές hacking:
USENIX (1995): Information Security Technology? Don't Rely on It: A Case Study in Social Engineering. Μελέτη για επιθέσεις κοινωνικής μηχανικής και απόκτησης κωδικών πρόσβασης.
Επιστημονική δημοσίευσηAntonakakis et al. (2017): Understanding the Mirai Botnet. USENIX Security Symposium. Έρευνα για τις επιθέσεις σε συνδεδεμένες συσκευές και την εκμετάλλευση αδύναμων κωδικών πρόσβασης.
Επιστημονική εργασίαOWASP (2018): Internet of Things Top 10. Καταγραφή προβλημάτων ασφαλείας σε κάμερες, έξυπνες συσκευές και άλλες συσκευές IoT.
Τεχνική τεκμηρίωση OWASPNIST (2017): Digital Identity Guidelines — SP 800-63B. Τεχνική δημοσίευση για phishing, επιθέσεις σε κωδικούς πρόσβασης και κινδύνους ψηφιακής ταυτοποίησης.
Δημοσίευση NISTOWASP (2021): Top 10 — Injection. Τεκμηρίωση ευπαθειών όπως το SQL Injection, που μπορούν να επηρεάσουν εφαρμογές και βάσεις δεδομένων.
Τεχνική ανάλυση
Επίσημες πηγές για τις εφαρμογές AI:
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου