Φτάσαμε στην εποχή όπου η τεχνητή νοημοσύνη θυμίζει κάτι από παλιές ταινίες επιστημονικής φαντασία, με πολλούς να ανησυχούν για τους κινδύνους που κρύβει η τεχνολογία. Το σίγουρο είναι ότι η τεχνητή νοημοσύνη όχι απλώς ήρθε για να μείνει, αλλά ήδη αποτελεί αναπόσπαστο μέρος της καθημερινότητάς μας. Η εφαρμογή της σε πλειάδα δραστηριοτήτων και υπηρεσιών είναι η τρανή απόδειξη ότι σε κάθε στιγμή της ζωής μας, οι μηχανές θα είναι εκεί.

Οι φόβοι για το τι μπορεί να κάνει η τεχνητή νοημοσύνη στο μέλλον έχουν βάση, αν αναλογιστεί κανείς πόσο γρήγορα εξελίχθηκε τα τελευταία χρόνια. Εδώ και 30 χρόνια οι επιστήμονες πειραματίζονται, αλλά μόλις στα μέσα της προηγούμενης δεκαετίας μπήκαν οι βάσεις για την κυριαρχία της. Θα μπορούσε να πει κανείς ότι τα πάντα παίχτηκαν σε μία… παρτίδα πόκερ, καθώς η αρχή έγινε με τον υπολογιστή Libratus που κατάφερε να κερδίσει τέσσερις επαγγελματίες παίκτες σε μία σειρά 120 χιλιάδων παρτίδων!

Το πόκερ είναι ένα φαινομενικά απλό άθλημα για όποιον δεν ξέρει να παίζει, όμως είναι περισσότερο σύνθετο απ’ ό,τι μπορεί κανείς να φανταστεί. Εκτός από την τυπική ανάγκη του να ξέρει κανείς τους βασικούς κανόνες και την ιεραρχία των χεριών, πρέπει να έχει και βασικές ικανότητες ψυχολογίας. Ένας παίκτης οφείλει να διατηρεί αμετάβλητες τις εκφράσεις του είτε κερδίζει είτε χάνει, ενώ παράλληλα πρέπει να έχει τη δυνατότητα να «διαβάζει» τους αντιπάλους του. Το πόκερ γεννήθηκε στην Ευρώπη στις αρχές του 1800, όμως σύντομα πέρασε στην άλλη άκρη του Ατλαντικού για να γίνει ένα από τα δημοφιλέστερα παιχνίδια των ΗΠΑ.

Η δημοτικότητά του εκτινάχθηκε όταν μπήκε στα καζίνο του Λας Βέγκας, αλλά η απογείωσή του ήρθε με την μεταφορά του στην ψηφιακή εποχή. Οι online πλατφόρμες διασκέδασης ξεπέρασαν κάθε εμπόδιο για όποιον θέλει να παίξει πόκερ, αφού ο περιορισμός όσων μπορούν να καθίσουν σε ένα τραπέζι έχει εξαφανιστεί, μαζί με τον χρόνο και τον τόπο στον οποίο βρίσκεται ο παίκτης. Δεν είναι τυχαίο ότι η βιομηχανία του πόκερ έδωσε τόσο χώρο στην τεχνητή νοημοσύνη και ότι την ενέταξε στις πλατφόρμες της, ώστε να διαχειρίζεται τις συναλλαγές, να εξυπηρετεί τους πελάτες, να προτείνει παιχνίδια που μπορεί να αρέσουν στους παίκτες και, κυρίως, να ενισχύει την ασφάλεια.

Μετά από αυτές τις εξελίξεις, η τεχνητή νοημοσύνη έγινε mainstream. Έτσι, σύντομα έφτασε στα κινητά τηλέφωνα, όμως οι δύο κορυφαίες πλατφόρμες λογισμικού είχαν διαφορετική προσέγγιση. Η Google μπήκε επιθετικά στο παιχνίδι και χρησιμοποιεί την τεχνολογία για κάθε είδους δραστηριότητα, ενώ η Apple αποφάσισε να μην βγάλει την τεχνητή νοημοσύνη στο προσκήνιο, αλλά στο παρασκήνιο. Ποιοι είναι, λοιπόν, οι τρόπο με τους οποίους η Apple την χρησιμοποιεί;

Πρώτα απ’ όλα με την Siri, που μπορεί να μην θεωρείται ακριβώς «τεχνητή νοημοσύνη», όμως στηρίζεται στις λειτουργίες της συγκεκριμένης τεχνολογίας. Ο προσωπικός βοηθός της Apple μαθαίνει από τις απαιτήσεις του ιδιοκτήτη της συσκευής και προβλέπει για εκείνον, καθώς ταυτόχρονα τον εξυπηρετεί στις ερωτήσεις του. Μπορεί να απαντήσει σε απλές ερωτήσεις έως να ελέγξει εφαρμογές, αλλά δεν παίρνει πρωτοβουλίες.

Το TrueDepth της Apple είναι μία εφαρμογή που στηρίζεται στην τεχνητή νοημοσύνη, προκειμένου να ελέγξει το Face ID και να διασφαλίσει ότι ο χρήστης που εικονίζεται είναι πράγματι ο κάτοχος του τηλεφώνου. Το λειτουργικό αναγνωρίζει 30.000 σημεία του προσώπου και τα αποθηκεύει, ώστε κάθε φορά που πραγματοποιείται σκανάρισμα του προσώπου, να επαληθεύονται για να ανοίγει η συσκευή. Όλο αυτό, όμως, συνεχίζεται εντός του λειτουργικού iOS της εταιρίας, αφού χρησιμοποιείται στην εφαρμογή φωτογραφιών και βίντεο. Φυσικά, η μηχανική εκμάθηση περνάει και στην εφαρμογή της κάμερας του λογισμικού, με τη λειτουργία Deep Fusion.

Αυτή είναι ένα είδος επεξεργασίας εικόνας η οποία, όταν τραβάει ο χρήστης μία φωτογραφία, η κάμερα καταγράφει εννέα καρέ. Δύο τετράδες από αυτά τα καρέ λαμβάνονται πριν καν ο χρήστης πατήσει το κουμπί, ενώ το ένατο είναι μία φωτογραφία μεγαλύτερου exposure μετά το κλικ. Η τεχνητή νοημοσύνη στη συνέχεια επιλέγει τις καλύτερες λήψεις και βελτιώνει το αποτέλεσμα.

Η τεχνητή νοημοσύνη έχει εφαρμογή και στο ημερολόγιο της Apple, όσο απλό κι αν φαίνεται. Οι αλγόριθμοι της μηχανικής εκμάθησης μπορούν ακόμη να βοηθήσουν τους χρήστες με τις εργασίες που έχουν προγραμματίσει, αφού εμφανίζονται εξυπνότερες προτάσεις σχετικά με πιθανά γεγονότα που ίσως ενδιαφέρουν τον κάτοχο της συσκευής.