Του Συνταγματάρχη (ε.α.) Κωνσταντίνου Τσιάκαλου,

Γενικού Διευθυντή της MSETT Hellas

 Η καθημερινότητα μας και ο τρόπος που ζούμε και κινούμαστε μας αφήνει ελάχιστο χρόνο πολλές φορές να σκεφτούμε. Το δυνατό σημείο όμως του ανθρωπίνου είδους βρίσκεται ακριβώς στο γεγονός πως ο ανθρώπινος εγκέφαλος λειτουργεί με δυο διαφορετικούς τρόπους: Με το λογική και με το συναίσθημα. Πολλά χρόνια πριν η συναισθηματική νοημοσύνη και οι δείκτες ποιότητας της αποτελούσαν μια ακόμα “επιστημονική απάτη” για τους υπερσυντηρητικούς κύκλους του επιστημονικού και θρησκευτικού κατεστημένου.

Σήμερα, ο δείκτης συναισθηματικής νοημοσύνης (Emotional Quality – EQ) καθώς και τα χαρακτηριστικά της συναισθηματικής νοημοσύνης αποτελούν σημαντικά στοιχεία – δεδομένα για την ανάπτυξη της τεχνητής νοημοσύνης (Artificial Intelligence, AI), μιας επαναστατικής αλλά και συνάμα ολοκληρωτικής μεθόδου προσομοίωσης της ανθρώπινης νόησης.

Η τεχνητή νοημοσύνη χρησιμοποιείται πλέον κατά κόρον για να κατασκευαστούν μοντέλα που να μπορούν να προσομοιώσουν ρεαλιστικά κυρίως τον άνθρωπο και τις αντιδράσεις του. Τα μοντέλα αυτά χρήζουν συστηματικής και μεθοδολογικής εκπαίδευσης προκειμένου ν’ αποκτήσουν ιδιότητες οι οποίες να κάνουν κατά κάποιο τρόπο “ανεξάρτητες” τις προσομοιούμενες αυτές οντότητες και κυρίως να τις μάθουν να σκέφτονται και να αποφασίζουν σαν άνθρωποι με εξαιρετικά ταχύ χρόνο αντίδρασης.

Μετά τη ραγδαία πρόοδο στην αύξηση της υπολογιστικής ισχύος των ηλεκτρονικών υπολογιστών με τη θεαματική είσοδο του quantum computing (https://www.dwavesys.com/quantum-computing) που έρχεται ν’ αντικαταστήσει την κλασσική δυαδική μέθοδο στην επεξεργασία και αποθήκευση δεδομένων, έχουμε ανοίξει πανιά για κάτι εντελώς νέο. Η επιστήμη συνολικά δείχνει ν’ ανοίγει δρόμους που μέχρι τώρα φαινόταν αδιέξοδα. Το πλέον παράδοξο είναι πως η επιστήμη αποδεικνύει στην πράξη πως ο ανθρώπινος εγκέφαλος δεν έχει σύνορα, δεν είναι προβλέψιμος και βέβαια πως δεν είναι “ανιχνεύσιμος”.

Εξίσου σημαντική όμως με τη προσομοίωση των οντοτήτων είναι και η προσομοίωση των συνθηκών που αυτές θα κληθούν να “σκεφτούν”, να αποφασίσουν και να ενεργήσουν. Η προσομοίωση τρισδιάστατων εικονικών περιβαλλόντων (3D Virtual Environments) έχει πλέον ξεπεραστεί και μιλάμε πλέον για μικτή πραγματικότητα (mixed reality) όπου μπορούμε με τη βοήθεια της τεχνητής νοημοσύνης και της εξαιρετικά υψηλής επεξεργαστικής ισχύος και αποθηκευτικής ικανότητας να προσομοιώνουμε το σύνολο σχεδόν των συνθηκών που συνθέτουν ένα περιβάλλον. Τα εικονικά περιβάλλοντα απευθύνονται τόσο στη λογική όσο και στο συναίσθημα εκείνων που θα βρεθούν μέσα σ’ αυτά είτε για λόγους εκπαίδευσης είτε για λόγους διασκέδασης.

Το εκπληκτικό στοιχείο εδώ είναι πως η διαδραστική σχέση περιβάλλοντος – οντότητας αποδίδει στην πράξη ένα σύνολο δεδομένων που απεικονίζει ρεαλιστικά (το όριο ρεαλιστικά αποδεκτού – μη αποδεκτού δεν είναι εδώ σαφώς ορισμένο) το αποτέλεσμα της διαδικασίας Συλλογή Δεδομένων – Ανάλυση Δεδομένων – Σχεδιασμός – Εκτέλεση Σχεδιασμού.

Και κάπου εδώ αρχίζουν να μπαίνουν τα μαθηματικά στην εικόνα. Αφενός μεν γιατί την παραπάνω διαδικασία έρχονται να τη συμπληρώσουν δύο στοιχεία ελέγχου (Αξιολόγηση Εκτέλεσης Σχεδιασμού και Στρατηγική Εκτέλεσης Σχεδιασμού), αφετέρου δε γιατί εισάγεται, de facto, η έννοια της βελτιστοποίησης. Για το πως θα εκτελέσουμε ένα σχέδιο δράσης, είναι δεδομένο πως μια λογική – μαθηματική σειρά ενεργειών (sequense) είναι απαραίτητη. Αν αυτή τη σειρά την εμπλουτίσουμε με διαφοροποιήσεις και εισάγουμε σ΄αυτήν τις πιθανότητες, λαμβάνουμε ένα σύνολο σειριακών ενεργειών τις οποίες και  ορίζουμε (κατά τα πρότυπα της Θεωρίας Παιγνίων) ως “Στρατηγικές“.

Η Στρατηγική σαν έννοια δεν ταυτίζεται με την “Πολιτική” η οποία έρχεται να αποδώσει ένα γενικευμένο πλαίσιο επιλογών, αποφάσεων (εδώ εισάγεται κι ένας ακόμα μαθηματικός κλάδος, η Θεωρία Αποφάσεων) και λειτουργιών, ανεξαρτήτων οντοτήτων ή εξαρτημένων μεταξύ τους, για την επίτευξη ενός κοινού σκοπού. Ο παραπάνω ορισμός, εξαιρετικά απλουστευμένος, όπως άλλωστε κι αυτός της Στρατηγικής, δίνονται με σκοπό να περάσουμε στην επόμενη περιοχή ενδιαφέροντος και να εξαρτήσουμε τα μέχρι τώρα στοιχεία που αναφέραμε.

Ας υποθέσουμε λοιπόν πως θέλουμε να κατασκευάσουμε και να προσομοιώσουμε ένα μοντέλο το οποίο θα περιγράφει δύο γειτονικά κράτη, κάτι σαν Ελλάδα – Τουρκία. Το μοντέλο μας, με όρους Θεωρίας Παιγνίων θα αποτελείται από δύο παίκτες – αντιπάλους με συγκεκριμένα χαρακτηριστικά, οι οποίοι θα παίζουν ένα διαρκές παιχνίδι, σε στάδια, και σε κάθε στάδιο θα υπολογίζουμε τις “πληρωμές” τους. Και οι δυο αντίπαλοι διαθέτουν στρατηγικές που ανά πάσα στιγμή μπορούν ν’ αλλάξουν (μικτές στρατηγικές) ενώ τα σύνολα πληροφόρησης των δύο αντιπάλων σε κάθε στάδιο είναι ελλιπή.

Παράλληλα, κατασκευάζουμε σε ένα μοντέλο προσομοίωσης (και υπάρχουν τέτοια, π.χ. το Joint Theatre Level Simulation, JTLS) ένα χάρτη και μια βάση δεδομένων που απεικονίζει:

α. Το έδαφος, τις στρατιωτικές δυνάμεις, τους πληθυσμούς και τα χαρακτηριστικά των δύο χωρών.

β. Τις επιμέρους ενεργειακές πηγές, τις κύριες οικονομικές δραστηριότητες και τις εσωτερικές δομές ασφαλείας, μεταφορών και επικοινωνιών των χωρών.

γ. Τα όμορα κράτη και τις δομές τους με τρόπο που να φαίνεται πως επηρεάζουν τις χώρες μας.

Δίνουμε σε κάθε χώρα ένα σύνολο πολιτικών και στρατηγικών χωρισμένες σε δύο μεγάλες κατηγορίες: Στις λογικές (Rational) και στις παράλογες (Irrational). Για κάθε στρατηγική υπολογίζουμε Δείκτες Ισχύος (ενδεχομένως η Θεωρία Παιγνίων μας δίνει τη λύση με τους δείκτες Shapley – Shubik).

Εν συνεχεία, με βάση τα παραπάνω δεδομενα δημιουργούμε σενάρια (Scenario Development) αφού πρώτα καταγράψουμε τόσο τις χώρες μας, όσο και τα χαρακτηριστικά, τις πολιτικές αλλά και τις δυνατότητές τους με μεγάλη λεπτομέρεια (Country Books Development). Τα σενάρια αυτά, αφορούν μια δομική σχέση της μιας χώρας με την άλλη όπου υπολογίζονται κέρδη και ζημιές σε κάθε “παίκτη” ανάλογα με τις συνθήκες, το χρόνο, την επιλεγομεη πολιτική και τις στρατηγικές του καθενός.

Σε κάθε σενάριο μπορούμε παράλληλα να τρέχουμε μια σειρά “κρίσεων“, πολυπαραμετρικών και πολυεπίπεδων, οι οποίες να οδηγούν τους παίκτες μας σε συγκεκριμένες πρακτικές, δηλαδή χειρισμούς και διαχείριση πόρων, υλικών και μέσων για την απόκτηση “στρατηγικού πλεονεκτήματος” σε σχέση με τον αντίπαλο.

Η πολλαπλότητα των σεναρίων και ο υπολογισμός μέσα από το μοντέλο προσομοίωσης συγκεκριμένων στοιχείων αξιολόγησης (κατά τεκμήριο μετρήσιμα, χωρίς όμως ν’ αποκλείονται και τα ποιοτικά εφόσον μπορούν να είναι εκμεταλεύσιμα), μα δίνει την ευκαιρία ν’ αποκτήσουμε μια “γενικευμένη εικόνα” του μοντέλου μας. Αν ορίσουμε το μοντέλο μας εξ’ αρχής ως μοντέλο σύγκρουσης θα λάβουμε μια γενικευμένη εικόνα οφέλους – ζημιάς για κάθε παίκτη. Αυτή η εικόνα θα μας επιτρέψει σε επόμενο χρόνο να κατασκευάσουμε ένα άλλο μοντέλο τεχνητής νοημοσύνης το οποίο θα “συμπεριφέρεται” με τρόπο που να μεγιστοποιεί το όφελος και να ελαχιστοποιεί τη ζημιά για κάθε παίκτη ξεχωριστά.

Αν πάλι ορσίσουμε το μοντέλο μας ως μοντέλο συνεργασίας, η γενικευμένη εικόνα θα είναι ένα σύνολο κοινών “ωφελημάτων” και κοινών “ζημιών” των δύο παικτών. Στην περίπτωση αυτή, αν πάλι κατασκευάσουμε ένα μοντέλο τεχνητής νοημοσύνης, οι παίκτες θα προσπαθούν να μεγιστοποιήσουν το κοινό όφελος, γεγονός που θα μειώνει ενδεχομένως το ρίσκο των επιμέρους ζημιών, και να ελαχιστοποιούν την κοινή ζημιά. Η ελαχιστοποίηση της κοινής ζημιάς προϋποθέτει συνεννόηση και διαπραγμάτευση, κάτι που δεν απαιτείται στο προηγουμένο μοντέλο που βασίζεται στο συγκρουσιακό σκηνικό.

Σε κάθε περίπτωση, αν “εκπαιδεύσουμε” ανεξάρτητα τα δύο μοντέλα τεχνητής νοημοσύνης, αυτά, ανάλογα με τα σενάρια κάθε φορά, θα μας εκφράζουν βέλτιστους τρόπους (πολιτικές κατά μια έννοια) λειτουργίας, ήτοι μικρές ζημιές – μεγάλα οφέλη. Το συνολικό αποτέλεσμα, τόσο ποσοτικά όσο και ποιοτικά θα μας προβάλλει “προφητικά” όλες τις δυνατές εξελίξεις (ακόμα και τις “απίθανες” δεδομένων των παραλόγων στρατηγικών) στη σχέση των δύο παικτών.

Με τον τρόπο αυτό, μέσα από μια πλήρη επιστημονική και μεθοδολογική ανάλυση, θα μπορούμε να δείξουμε αλλά και να αποδείξουμε και στους δύο παίκτες ποιό θα είναι το βέλτιστο μίγμα πολιτικής – στρατηγικών το οποίο θα μπορεί να δώσει τη βέλτιστη δυνατή εξέλιξη. Επιπροσθέτως, μια τέτοια διαδικασία θα αποτελέσει κρίσιμο παράγοντα εκπαίδευσης των κοινωνιών προκειμένου να αναγνωρίσουν το ρόλο τους αλλά και να επιλέξουν την πορεία τους.

Η παραπάνω περιγραφή δεν αποτελεί μια θεωρητική – οραματιστική προσέγγιση, αλλά μια συνεπή και σαφή περιγραφή μιας μεθοδολογίας η οποία ΜΠΟΡΕΙ να αποτελέσει φορέα συστηματικής αναφοράς τόσο σε εκπαιδευτικά δεδομένα όσο και σε στοιχεία άσκησης πολιτικής. Τα εργαλεία και η τεχνογνωσία υπάρχουν, οι οικονομικοί πόροι που απαιτούνται είναι λίγοι, ο χρόνος κατασκευής των δομικών στοιχείων βραχύς και τα αποτελέσματα ενδεχομένως εντυπωσιακά. Βούληση και απόφαση χρειάζονται, και μάλλον κι απ’ αυτό δεν είμαστε μακριά.

 

Χρήσιμη Βιβλιογραφία:

  1. A Primer to Game Theory, Robert Gibbons 1992, ISBN 9780745011592

2. Θεωρία Παιγνίων, Μοντέλα Σύγκρουσης και Συνεργασίας, Κωστής Μηλολιδάκης 2009, Σοφία, ISBN 978-960-6706-30-1

3. The Elements of Statistical Learning Data Mining, Inference, and Prediction, Second Edition Authors: Hastie, Trevor, Tibshirani, Robert, Friedman, Jerome, 2009 Springer

4. How to Create a Mind, Ray Kurzweil, Viking Adult November 2012, ISBN: 978-0670025299

5. Computer Assisted Exercises and Training: A Reference Guide

Erdal Cayirci, Dusan Marincic  ISBN: 978-0-470-49861-3 Jul 2009, Wiley-Blackwell

6. Predictive Analysis, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3661737/

 

Μοιραστείτε το
Νέα, Τελευταία νέα, Ένοπλες Δυνάμεις, Σώματα Ασφαλείας, Άμυνα, Διπλωματία, Γεωπολιτική, Τουρκία, Κύπρος, Στρατός, Ναυτικό, Αεροπορία, ΝΑΤΟ, Αστυνομία, Πυροσβεστική, Λιμενικό, Ειδικά Μισθολόγια, Στρατιωτικοί, Ενώσεις Στρατιωτικών, Στρατιωτικός Συνδικαλισμός, ΠΟΕΣ, ΠΟΣ, ΠΟΑΣΥ, ΠΟΑΞΙΑ, Καμμένος, τουρκικά νέα, ειδήσεις, νέα σήμερα, πολεμικά, Ίμια, επίδομα παραμεθορίου, θητεία στρατού, τι σημαίνει το, εθνικά νέα,