23 Απριλίου 2026

Ο εμπειρογνώμονας μηχανικής μάθησης Jordan εκφράζει τη λύπη του για τη χρήση του AI ως γενικού όρου

Περίληψη άρθρου:
Ο πρωτοπόρος της μηχανικής μάθησης Michael I. Jordan επέκρινε τη σύγχυση μεταξύ της τεχνητής νοημοσύνης (AI) και της μηχανικής μάθησης (ML), υποστηρίζοντας ότι οι συζητήσεις επιστημονικής φαντασίας αποτελούν "αντιπερισπασμό". Ο Jordan, καθηγητής στο Πανεπιστήμιο της Καλιφόρνιας στο Μπέρκλεϊ και βραβευμένη προσωπικότητα στον τομέα της μηχανικής μάθησης και της επιστήμης των δεδομένων, δήλωσε στο Ινστιτούτο Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικών (ΙΕΕΕ) ότι το "πραγματικό πρόβλημα" είναι η δημιουργία συστημάτων μηχανικής μάθησης σε μέγεθος πλανήτη που να προσφέρουν αξία στους ανθρώπους χωρίς να ενισχύουν τις υπάρχουσες ανισότητες. Ο Jordan υποστήριξε επίσης ότι η μηχανική έχει κάνει περισσότερα για την αύξηση της ανθρώπινης ευτυχίας από ό,τι η επιστήμη ή η τεχνητή νοημοσύνη. Το άρθρο του "Artificial Intelligence: The Revolution Hasn't Happened Yet", το οποίο επικρίνει τις μη ρεαλιστικά αισιόδοξες προβλέψεις για τον πιθανό αντίκτυπο της τεχνητής νοημοσύνης στην κοινωνία, δημοσιεύθηκε για πρώτη φορά τον Ιούλιο του 2019.


Κύρια σημεία του άρθρου:

  • Ο Michael I. Jordan, καθηγητής στο Τμήμα Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών και στο Τμήμα Στατιστικής του Πανεπιστημίου της Καλιφόρνιας στο Μπέρκλεϊ, υποστήριξε ότι η μηχανική μάθηση είναι η καταλληλότερη για να ενισχύσει την ανθρώπινη νοημοσύνη.
  • Ο Jordan έχει εκφράσει τη λύπη του για τη σύγχυση σχετικά με την έννοια της τεχνητής νοημοσύνης (AI) και σημείωσε ότι οι συζητήσεις επιστημονικής φαντασίας γύρω από την AI αποσπούν την προσοχή από το πραγματικό πρόβλημα της δημιουργίας συστημάτων βασισμένων στη μηχανική μάθηση πλανητικής κλίμακας που να λειτουργούν πραγματικά.
  • Ο Jordan έχει κάνει διάκριση μεταξύ της τεχνητής νοημοσύνης και της μηχανικής μάθησης, σημειώνοντας ότι το μεγαλύτερο μέρος όσων ονομάζονται σήμερα τεχνητή νοημοσύνη είναι στην πραγματικότητα μηχανική μάθηση.
  • Ο Jordan έχει υποστηρίξει ότι η ανάγκη για ανθρώπινη ευτυχία δεν θα πρέπει να αποτελεί δευτερεύουσα σκέψη κατά την ανάπτυξη της τεχνολογίας, και έχει σημειώσει μια σημασιολογική μετατόπιση μεταξύ εννοιών όπως η κοινωνική επιστήμη και η κοινωνική μηχανική για να το εξηγήσει αυτό.
  • Τελικά, ο Jordan έχει υποστηρίξει ότι οι τομείς της μηχανικής έχουν αυξήσει πιο άμεσα και βαθιά την ανθρώπινη ευτυχία.

Αναλυτικά το άρθρο:
Ο Michael I. Jordan, πρωτοπόρος της μηχανικής μάθησης και καθηγητής στο Πανεπιστήμιο της Καλιφόρνιας στο Μπέρκλεϊ, δήλωσε ότι οι συζητήσεις επιστημονικής φαντασίας γύρω από την τεχνητή νοημοσύνη (AI) αποτελούν "αντιπερισπασμό" από το πραγματικό πρόβλημα της ανάπτυξης συστημάτων μηχανικής μάθησης που λειτουργούν σε πλανητική κλίμακα. Μιλώντας στο IEEE, ο Jordan είπε ότι υπήρξε "σύγχυση" σχετικά με το τι είναι η τεχνητή νοημοσύνη και πρόσθεσε ότι έχει δοθεί πολύ λίγη προσοχή στη δημιουργία συστημάτων που προσφέρουν αξία χωρίς να ενισχύουν τις ανισότητες. Το άρθρο του Jordan "Artificial Intelligence: The Revolution Hasn't Happened Yet", που δημοσιεύθηκε πέρυσι και επικαιροποιήθηκε το 2020, προειδοποιούσε για τα πρώτα λάθη στην κατασκευή συστημάτων λήψης αποφάσεων σε κοινωνική κλίμακα, στα οποία συμμετέχουν άνθρωποι και μηχανές.

Σύμφωνα με τον Michael Jordan, καθηγητή στο Πανεπιστήμιο της Καλιφόρνιας στο Μπέρκλεϊ, η μηχανική μάθηση συχνά χαρακτηρίζεται λανθασμένα ως τεχνητή νοημοσύνη (AI) στο δημόσιο διάλογο. Ενώ οι άνθρωποι αποδίδουν νοημοσύνη στις μηχανές όταν μαθαίνουν και παίρνουν αποφάσεις, η αληθινή τεχνητή νοημοσύνη περιλαμβάνει διαδικασίες συλλογισμού που μοιάζουν με τις ανθρώπινες και διερευνούν στόχους και προτεραιότητες και όχι απλώς μαθαίνουν από δεδομένα. Αυτή η παρανόηση έχει οδηγήσει σε σύγχυση σχετικά με το αν οι μηχανές θα ανταγωνιστούν τους ανθρώπους όσον αφορά τις γνωστικές τους ικανότητες. Ο Jordan δήλωσε ότι οι άνθρωποι θα πρέπει να θυμούνται ότι η επιστήμη έχει προωθήσει την ανθρωπότητα, αλλά είναι οι κλάδοι της μηχανικής, όπως η ηλεκτρική και η χημική μηχανική, που έχουν αυξήσει βαθύτερα την ανθρώπινη ευτυχία.

Πηγή: Machine learning expert Jordan bemoans use of AI as catch-all term