פני המחקר הפורטוגלי: ז'ואאו גאמה

אבל הרבה לפני שהבינה המלאכותית הפכה לאובססיה תרבותית, לפני שדגמי השפה נכנסו לטלפונים, למשרדים ולשיחות שולחן האוכל שלנו, אי שם בפורטו, ג'ואו גאמה כבר עזר לעצב מחדש את הדרך שבה מכונות לומדות מהעולם.

מה שהופך את מסלולו של ג'ואו גמא לבולט במיוחד הוא לא רק היקף השפעתו המדעית, אלא גם העיתוי שלו. רבות מהבעיות המרכזיות כיום בבינה מלאכותית, הסתגלות, למידה מתמשכת וקבלת החלטות בזמן אמת, היו שאלות שכבר עבד עליהן עשרות שנים קודם לכן. בשקט, מהמעבדה שלו באוניברסיטת פורטו, הוא עזר לעצב תחומים שרק לאחרונה נכנסו למודעות ציבורית רחבה יותר.

עבור ג'ואו, למידת מכונה מעולם לא הייתה משהו חדש לגמרי. "המונח למידת מכונה שימש לראשונה בשנות החמישים", הוא מסביר בהתייחסות לארתור סמואל, החוקר שיצר תוכנית דמקה המסוגלת להשתפר תוך כדי משחק. - היכולת הזו ללמוד מניסיון היא מה שאנו מכנים למידה. "מה שהשתנה עם הזמן לא היה קיומם של רעיונות אלה, אלא קנה המידה בו החברה הפכה מודעת אליהם.

מערכת אקולוגית מדעית שנבנתה בפורטו

הקריירה של ג'ואו גאמה נקשרה עמוק לאוניברסיטת פורטו, שם החל ללמד בפקולטה לכלכלה בתחילת שנות התשעים. במבט ראשון, זה אולי נראה כמו מקום יוצא דופן עבור אחד מחוקרי הבינה המלאכותית המובילים בפורטוגל להופיע. עם זאת, ג'ואו מסביר: "הקבוצה נוסדה בכלכלה כי שם לימד פרופסור פאבל ברזדיל", הוא אומר. ברזדיל הקים את אחת מקבוצות למידת מכונה הרלוונטיות הבינלאומיות הראשונות במדינה בתוך הפקולטה לכלכלה עצמה

במובנים רבים, המיקום עיצב את נקודת המבט, מכיוון שכלכלה ומדעי החברה כבר היו תלויים במידה רבה בכמויות גדולות של נתונים וניתוח כמותי. אקונומטריה מסורתית ניגשה לבעיות באמצעות מודלים מוגדרים מראש; למידת מכונה ניגשה אליהם אחרת, ומאפשרת למערכות ללמוד דפוסים ישירות מהנתונים עצמם. ג'ואו מצא את עצמו בדיוק בצומת שבין קפדנות חישובית למורכבות בעולם האמיתי.

במהלך השנים, Joã£o סייע לגבש את המערכת האקולוגית הזו באמצעות הוראה, פיקוח מחקר ויצירת רשתות מדעיות שהשתרעו הרבה מעבר לפורטוגל. הוא ניהל את תכנית המאסטר בניתוח נתונים בפקולטה לכלכלה במשך יותר מעשור ופיקח על עשרות סטודנטים לדוקטורט ותואר שני, שרבים מהם בנו מאוחר יותר קריירת מחקר משלהם

למידה מעולמות נעים

התבוננות של ג'ואו גאמה שהעולם האמיתי הוא דינמי הובילה לשינוי משמעותי בלמידת מכונה. בעוד שמודלים מסורתיים הסתמכו על מערכי נתונים סטטיים, Joã£o עבד עם בעיות שבהן הנתונים התפתחו ברציפות והתיישנו במהירות. זה הוביל אותו לפתח גישות ללמידה מזרמי נתונים, שבהן אלגוריתמים מסתגלים ברציפות בזמן אמת. במרכז עבודה זו עמד הרעיון של "סחף מושגים", ההכרה בכך שדפוסים משתנים עם הזמן. מהתנהגות צרכנים ותנועה עירונית ועד תשתיות תעשייתיות ומערכות סביבתיות, הדפוסים המעצבים את העולם האמיתי מתפתחים כל הזמן.

עבודתו של ג'ואו יצאה בדיוק מאותה חוסר יציבות, והתייחסה לשאלה בסיסית שלימים תהפוך למרכזית בבינה המלאכותית המודרנית: כיצד יכולות מכונות להמשיך להסתגל וללמוד בסביבות משתנות מבלי להתחיל שוב ושוב מאפס?

עבודתו הפכה ליסודית בתחום. כיום, מחקריו בנושא כריית זרמי נתונים וסחף קונספטים הם בין המצוטטים ביותר בעולם, עם עשרות אלפי ציטוטים והשפעה עולמית המשתרעת על פני האקדמיה והתעשייה כאחד

ההשלכות המעשיות של מחקר זה נראו במיוחד באמצעות פרויקטים שפותחו עם תשתיות בעולם האמיתי. אחת הדוגמאות הממחישות ביותר עלתה באמצעות שיתוף פעולה עם מטרו דו פורטו, שמטרתו לאתר תקלות מכניות לפני שהם קורים

אחריות לפני אינטליגנציה על

שיחות ציבוריות סביב בינה מלאכותית סובבות יותר ויותר סביב פחדים ממכונות העולות על האנושות. ג'ואו ניגש לדיונים אלה בספקנות: "ברגע זה", הוא אומר, כמעט בהומור, "מכונות עדיין מטופשות מאוד." עבור ג'ואו, מערכות הבינה המלאכותית העכשוויות נותרות מוגבלות מהותית מכיוון שהן חסרות תודעה, מודעות עצמית והבנה אמיתית של מה שהן עושות. הם מבצעים משימות בתחכום הולך וגובר, אך ללא מודעות רפלקטיבית.

הוא אינו מבטל את הסיכונים של AI. במקום זאת, הוא מתמקד במציאות החברתית הנוכחית כמו אי שוויון, שימוש לרעה בנתונים, מניפולציה של מידע וגישה לא שוויונית לטכנולוגיה. הוא מדגיש שהטכנולוגיה אינה ניטרלית: AI מעצב הזדמנויות, מבני עבודה וגישה למידע, נותן יתרונות למי שיכול לעבוד איתה ומשאיר אחרים מאחור.

דאגה זו מסבירה בחלקה מדוע הוא מעריך מאוד את המאמצים האירופיים סביב רגולציה של פרטיות וממשל בינה מלאכותית אחראי. Joã£o רואה במסגרות כמו GDPR לא מכשולים בירוקרטיים, אלא כניסיונות להגן על האוטונומיה האנושית בעולם שבו מידע מסתובב במהירות ובקנה מידה חסרי תקדים

אוניברסיטאות כמקומות מחשבה

למרות ההכרה הבינלאומית שלו, חלק ניכר מזהותו של ג'ואו גאמה נותרה קשורה עמוקות להוראה ולחיים אקדמיים. הוא מדבר על פיקוח על סטודנטים בחיבה אמיתית, ומתאר את חונכות התזה כאחד ההיבטים המתגמלים ביותר בקריירה שלו: "זה תמיד טוב לעבוד עם אנשים", הוא אומר.

נקודת מבט זו מעצבת גם את ההגנה החזקה שלו על האוניברסיטאות כמרחבים שחייבים לשמר את המחקר לצד ההוראה. הוא מאמין שאוניברסיטאות אינן רק מוסדות להעברת ידע קיים, אלא גם אחראיות ליצירת שאלות חדשות, טיפוח חשיבה ביקורתית ושמירה על החופש האינטלקטואלי הדרוש לחדשנות. מחקר דורש לא רק מיומנות טכנית אלא גם זמינות נפשית ויכולת להרהר באילו בעיות כדאי לעקוב. גם לאחר שהפך לפרופסור אמריטוס באוניברסיטת פורטו, Joã£o ממשיך לפקח על סטודנטים, מוביל פרויקטים מחקריים ונשאר מעורב באופן פעיל ב- INESC TEC. בפועל, מעט מאוד השתנה מלבד התרחקות מההוראה הפורמלית. מחקר, חונכות ושיתוף פעולה מדעי ממשיכים לתפוס את מרכז חיי היומיום שלו. מה שמדהים במיוחד הוא האופן בו הוא מדבר על מסלול זה עם מעט מאוד תחושה של גיבור אינדיבידואלי. במהלך הרצאתו האחרונה לפני פרישתו מההוראה, בחר ג'ואו לא להתמקד בהבחנות, בציטוטים או באבני דרך בקריירה, אלא באנשים שליוו אותו לאורך עשרות שנים של עבודה. "לא עשיתי דבר לבד", אמר. "אני חייב להודות לצוותים שלי, אבל מעל לכל, לתלמידים שלי.

ממשיכים להסתגל

מה שמתבהר יותר ויותר תוך כדי דיבור עם ג'ואו גאמה הוא שההסתגלות עצמה יושבת במרכז המדע ותפיסת עולמו כאחד. מחקריו התמקדו במערכות המסוגלות ללמוד ברציפות מכיוון שהבין מוקדם שמודלים סטטיים נאבקים בתוך מציאות דינמית. אבל נראה שאותו רעיון משתרע מעבר לאלגוריתמים. לאורך הקריירה שלו, ג'ואו מיצב את עצמו שוב ושוב במעברים: בין כלכלה למדעי המחשב, תיאוריה ויישום, מחקר ומדיניות, אקדמיה ודיון

יש משהו עקבי בשקט בעובדה שאחד המומחים המובילים בעולם במערכות אדפטיביות מדבר לעתים קרובות כל כך על אחריות, שיתוף פעולה ולמידה קולקטיבית. עבור ג'ואו, אינטליגנציה, בין אם מלאכותית או אנושית, אינה אינדיווידואלית גרידא, אלא בנויה באופן קולקטיבי

בסופו של דבר, חלק ניכר מהתשתית העומדת בבסיס הבינה המלאכותית, מערכות המסוגלות להסתגל ללא הרף למציאות המשתנה, קיימת בין היתר מכיוון שג'ואו גאמה בילה עשרות שנים במחשבה כיצד להסתגל לעולם שלעולם לא מפסיק לזוז.