Αναρτήθηκε σε 18 Σεπτεμβρίου, 2020 κατηγορία: Ειδήσεις, Συνεντεύξεις | Tags: Mαθηματικά, εκπαίδευση, Ιδέες, Στατιστική, Συνέντευξη, Τεχνητή Νοημοσύνη

Συντάκτης: Γιώργος Καρουζάκης

Ο Βρετανός καθηγητής Στατιστικής σερ Adrian Smith, διευθυντής και διευθύνων σύμβουλος του Ινστιτούτου Alan Τuring και εκλεγμένος πρόεδρος της Βασιλικής Εταιρείας, ανήκει επίσης στα μέλη του Συμβουλίου Τεχνητής Νοημοσύνης της βρετανικής κυβέρνησης, το οποίο εγγυάται τη στήριξη και την ορθή ανάπτυξη της Τεχνητής Νοημοσύνης στο Ηνωμένο Βασίλειο.

Πριν από μερικές ημέρες, δημοσιεύτηκε, στο τελευταίο τεύχος της Διεθνούς Στατιστικής Επιθεώρησης (International Statistical Review), μια μεγάλη συνέντευξη που ο Adrian Smith παραχώρησε στον Έλληνα καθηγητή Στατιστικής του University College του Λονδίνου Πέτρο Δελλαπόρτα – ιδρυτικό μέλος επίσης της ομάδας ΘΑΛΗΣ + ΦΙΛΟΙ- και στον Καναδό συνάδελφό του David A. Stephens.

Στη συνέντευξη, ο κορυφαίος επιστήμονας κάνει αρχικά μια αναδρομή της ακαδημαϊκής του πορείας. Θυμάται, για παράδειγμα, ότι πενήντα χρόνια πριν στο Λονδίνο, στα πανεπιστήμια London School of Εconomics, University College London και Imperial, υπήρχαν τέσσερις μόνο μεταπτυχιακοί φοιτητές που ενδιαφέρονταν για τη Στατιστική οι οποίοι και γνωρίζονταν όλοι μεταξύ τους. Έκτοτε άλλαξαν πολλά. Και αυτό οφείλεται, όπως λέει, σε ορισμένους ανθρώπους αλλά και στη δύναμη των υπολογιστών.

Η προκατάληψη απέναντι στη στατιστική στον ακαδημαϊκό χώρο της εποχής εκείνης άρχισε να μεταστρέφεται από πολλούς παράγοντες. Ένα πρόσωπο που άλλαξε τη στερεοτυπική αντίληψη απέναντί της ήταν ο Βρετανός στατιστικός Dennis Lindley  (1923 -2013). Ο Lindley, σημειώνει ο Adrian Smith, είχε ενθουσιαστεί ως νεαρός μαθηματικός με το βιβλίο του Ρώσσου μαθηματικού Αντρέι Κολμογκόροφ για τις πιθανότητες (Foundations of the Theory of  Probability) που δημοσιεύτηκε το 1993 στη γερμανική γλώσσα. Η σύζυγος του Lindley, που γνώριζε γερμανικά, αποφάσισε να το μεταφράσει μαζί του στα αγγλικά.

«Ελάχιστοι το γνωρίζουν, αλλά το κίνητρο του Dennis Lindley να κινηθεί προς την Μπεϋζιανή (Bayes) προσέγγιση με τα αξιώματα είχε σχέση με τη θεμελίωση μιας σταθερής αξιωματικής βάσης στη στατιστική, όπως συμβαίνει στα μαθηματικά», τονίζει ο Smith. Και προσθέτει: «Τα μαθηματικά ήταν σεβαστά επειδή ακολουθούσαν κάποια αξιώματα. Αυτό δε συνέβαινε στη στατιστική – περιοριζόταν στην αντίληψη: ο Pearson είπε αυτό, o Neyman  είπε εκείνο, ο Fisher είπε το άλλο – στην οποία κυριαρχούσε μάλλον μίαν εντελώς ακατάλληλη διανοητική προσέγγιση».   

Μιλώντας για τη θέση του στο Ινστιτούτο Alan Turing· για τους στόχους του Εθνικού ινστιτούτου επιστήμης δεδομένων και τεχνητής νοημοσύνης της Μεγάλης Βρετανίας στην εποχή των μαζικών δεδομένων, ο Adrian Smith λέει: «Πάντοτε υπήρχαν δεδομένα και πάντοτε οι άνθρωποι τα επεξεργάζονταν για να συλλέγουν πληροφορίες και να λαμβάνουν αποφάσεις. Αυτό που έχει αλλάξει σήμερα είναι η τεράστια κλίμακα του όγκου και της ροής των δεδομένων, σε συνδυασμό με την απίστευτη αύξηση της υπολογιστικής ισχύος. Η πρόσφατη δυνατότητα μάς επιτρέπει να προσεγγίσουμε νέους μαθηματικούς και αλγοριθμικούς τρόπους εξέτασης των δεδομένων – με βασικό ζητούμενο πάντοτε τη βελτίωση του κόσμου που ζούμε».

Στο Ινστιτούτο Alan Turing αναγνωρίζουν, όπως τονίζει, πέρα από την έρευνα, τη θεμελιώδη σημασία που έχουν στην τεχνολογική ανάπτυξη η κοινωνική, συμπεριφορική και ηθική διάσταση αρκετών ζητημάτων. «Εκθέτουμε συστηματικά τους νέους ερευνητές στα ηθικά και κοινωνικά προβλήματα του πεδίου τους. Ένα από τα βασικά ακαδημαϊκά μας προγράμματα είναι η «ασφαλής και ηθική τεχνητή νοημοσύνη», το οποίο διερευνά σε βάθος ζητήματα μεροληψίας, δικαιοσύνης, σαφήνειας, διαφάνειας, αξιοπιστίας των μετρήσεων κ.ά».

Στους κορυφαίους στόχους του Ινστιτούτου Alan Τuring συγκαταλέγεται επίσης και η προσπάθεια για την επίλυση προβλημάτων που σχετίζονται με την κλιματική αλλαγή. «Νομίζω», καταλήγει ο Adrian Smith, «ότι έχουμε φτάσει σε ένα σημείο που, αντί να προσπαθούμε απλώς να κατανοήσουμε τις επιπτώσεις για τη στάθμη της θάλασσας ή για την παγκόσμια μέση θερμοκρασία, θα πρέπει να μετατρέψουμε τη γνώση μας σε πιθανολογικές προβλέψεις για τη γεωργία, την παροχή τροφίμων και νερού. Θεωρώ ότι ήρθε η στιγμή να επικεντρωθούμε σε αποτελέσματα μοντελοποίησης και μετριασμού των προβλημάτων, αντί να προσπαθούμε μόνο να τα κατανοήσουμε».

Διαβάστε ολόκληρη τη συνέντευξη στην αγγλική γλώσσα, εδώ.