master_admin

Το Συμβούλιο της Ευρώπης συζητά τις προκλήσεις που ανακύπτουν από ένα νέο Πρόσθετο Πρωτόκολλο στην Σύμβαση για το έγκλημα στον κυβερνοχώρο

Γράφει ο Κώστας Πρατικάκης

«Nεφοϋπολογιστική τι;» πιθανότατα θα σκέφτεσαι. Ο όρος αυτός δεν είναι τίποτα παραπάνω από την ελληνική εκδοχή του όρου «cloud computing».  Πιθανότατα θα έχεις ακούσει κάποιον να λέει οτι αποθηκεύει φωτογραφίες, έγγραφα και άλλα δεδομένα στο «cloud» και τα μεταφέρει από συσκευή σε συσκευή.

Αυτό το «νέφος», όπως θα το λέγαμε στα ελληνικά, δεν είναι τίποτα παραπάνω από βάσεις αποθήκευσης δεδομένων, πλατφόρμες υπηρεσιών και λογισμικό, τα οποία δεν βρίσκονται πράγματι στη συσκευή σου.

Αντίθετα, χάρη στο διαδίκτυο ο χρήστης μια υπηρεσίας «νέφους» (όποιος και να είναι αυτός: εσύ, εταιρίες ή και κρατικές υπηρεσίες) μπορεί να χρησιμοποιήσει τη συσκευή του για να έχει πρόσβαση σε αυτές τις βάσεις αποθήκευσης δεδομένων, πλατφόρμες υπηρεσιών και λογισμικό που πιθανότατα βρίσκονται εκατοντάδες ή και χιλιάδες χιλιόμετρα μακριά του. Γνωστά παραδείγματα νεφοϋπολογιστικής  αποτελούν τα: Microsoft Office 365, Salesforce, Facebook, Youtube, Instagram, Google Drive, Dropbox, Gmail, Yahoo Mail, Spotify, Vimeo, Twitter κ.λ.π.

Η νεφοϋπολογιστική σίγουρα αποτελεί μία τεχνολογία η οποία δημιουργεί απεριόριστες ευκαιρίες. Ωστόσο, εξαιτίας της ανακύπτουν και σημαντικά ζητήματα. Π.χ. Κάποιος που κατοικεί στην Ελλάδα μπορεί να αποθηκεύει τα δεδομένα του σε μία πλατφόρμα αμερικάνικης εταιρίας της οποίας οι βάσεις δεδομένων μπορεί να βρίσκονται διάσπαρτες σε ένα ή περισσότερα κράτη όπως η Αυστραλία ή η Ιαπωνία. Όλα αυτά τα διαφορετικά κράτη που εμπλέκονται προκαλούν πονοκέφαλο στην περίπτωση που λαμβάνει χώρα κάποια έρευνα στα πλαίσια της πάταξης κάποιου σοβαρού εγκλήματος.

Σε αυτό το πλαίσιο, το Συμβούλιο της Ευρώπης ανακοίνωσε τον Ιούνιο του 2017 την προετοιμασία ενός νέου πρόσθετου πρωτοκόλλου στη Σύμβαση για το έγκλημα στον κυβερνοχώρο (Σύμβαση της Βουδαπέστης) που θα αφορά συγκεκριμένα τη νεφοϋπολογιστική.

Το νέο πρόσθετο πρωτόκολλο, το οποίο αναμένεται να ολοκληρωθεί στο τέλος του 2019, αποσκοπεί στην αποτελεσματική ανταλλαγή πληροφοριών και στην αμοιβαία δικαστική συνδρομή προβλέποντας κανόνες για την συνεργασία με τους διάφορους παρόχους υπηρεσιών και την οριοθέτηση των ήδη υπαρχόντων πρακτικών διασυνοριακής πρόσβασης σε δεδομένα.

Κύριος στόχος του εν λόγω εγχειρήματος είναι η ενίσχυση της προστασίας των δικαιωμάτων του ανθρώπου στο πλαίσιο συγκεκριµένων ποινικών ερευνών ή διώξεων που απαιτούν πρόσβαση σε συγκεκριμένα δεδομένα.

Τον Ιούλιο του 2018 διεξήχθει το «Octopus Conference 2018» του Συμβουλίου της Ευρώπης. Το συγκεκριμένο συνέδριο αποσκοπεί στην ενίσχυση της συνεργασίας ενάντια στο κυβερνοέγκλημα. Φέτος, στο επίκεντρο των συζητήσεων υπήρξαν οι σημαντικές προκλήσεις που ανακύπτουν από την υιοθέτηση ενός πρόσθετου πρωτοκόλλου στη Σύμβαση της Βουδαπέστης που θα αφορά συγκεκριμένα τη νεφοϋπολογιστική.

Ειδικοί σε ζητήματα κυβερνοεγκλήματος, εκπρόσωποι κρατών, ακαδημαϊκοί, και εκπρόσωποι οργανώσεων με σκοπό την προστασία των δικαιωμάτων του ανθρώπου, όπως η European Digital Rights (EDRi) και η Electronic Frontier Foundation (EFF), αντάλλαξαν απόψεις και ανησυχίες αναφορικά με το νέο πρωτόκολλο.

Προτού περιγράψουμε όμως τις προκλήσεις που ανακύπτουν, ας πάρουμε τα πράγματα με τη σειρά, εξηγώντας με λίγα λόγια τη Σύμβαση της Βουδαπέστης και το ήδη υπάρχον Πρόσθετο Πρωτόκολλο αυτής.

Η Σύμβαση της Βουδαπέστης και το ήδη υπάρχον Πρόσθετο Πρωτόκολλο αυτής για την Ποινικοποίηση πράξεων ρατσιστικής και ξενοφοβικής φύσης που διαπράττονται μέσω συστημάτων υπολογιστών

Καθώς οι εγκληματικές δραστηριότητες χρησιμοποιούν όλο και περισσότερο και παράλληλα επηρεάζουν τα ηλεκτρονικά συστήματα επεξεργασίας δεδομένων, απαιτούνταν νέες ποινικές διατάξεις για την αντιμετώπιση αυτής της πρόκλησης. Συνεπώς, το Συμβούλιο της Ευρώπης υιοθέτησε τη Σύμβαση για το έγκλημα στον κυβερνοχώρο (Σύμβαση της Βουδαπέστης), η οποία αποτελεί μια δεσμευτική διεθνή νομική πράξη που αφορά τα εγκλήματα που διαπράττονται κατά ή μέσω ηλεκτρονικών δικτύων. Το ήδη υπάρχον Πρόσθετο Πρωτόκολλο της Σύμβασης της Βουδαπέστης αφορά την ποινικοποίηση πράξεων ρατσιστικής και ξενοφοβικής φύσης που διαπράττονται μέσω συστημάτων υπολογιστών.

Αν και η Ελλάδα υπέγραψε τη Σύμβαση της Βουδαπέστης και το πρόσθετο πρωτόκολλο αυτής το 2001 και το 2003 αντίστοιχα, επέδειξε, για μια ακόμα φορά, παροιμιώδη ολιγωρία και εν τέλει κύρωσε με το Νόμο 4411/2016 τα εν λόγω νομοθετήματα, εναρμονίζοντας το ελληνικό δίκαιο με τις διατάξεις τους και επιφέροντας σημαντικές αλλαγές στον Ποινικό Κώδικα.

Η Σύμβαση της Βουδαπέστης αφήνει περιθώριο για την προσχώρηση χωρών που δεν είναι μέλη του Συμβουλίου της Ευρώπης. Παραμένει η πιο ισχυρή διεθνής συνθήκη που ασχολείται με παραβιάσεις του νόμου μέσω του διαδικτύου ή άλλων δικτύων πληροφόρησης και το κείμενό της έχει κυρωθεί όχι μόνο από κράτη μέλη του Συμβουλίου της Ευρώπης, αλλά και τρίτα κράτη όπως οι Η.Π.Α., η Αργεντινή, η Αυστραλία, η Χιλή, ο Καναδάς, η Ιαπωνία, το Ισραήλ κ.α.

Η Σύμβαση απαιτεί από τα μέρη να ενημερώσουν και να εναρμονίσουν τους ποινικούς τους νόμους κατά της πειρατείας και άλλων παραβιάσεων της ασφάλειας συστημάτων, συμπεριλαμβανομένης της παραβίασης πνευματικών δικαιωμάτων, της απάτης που τελείται με υπολογιστή, της παιδικής πορνογραφίας και άλλων παράνομων δραστηριοτήτων στον κυβερνοχώρο.

Επίσης, προβλέπει διαδικαστικές εξουσίες που καλύπτουν την αναζήτηση δικτύων υπολογιστών και την παρακολούθηση των επικοινωνιών στο πλαίσιο της καταπολέμησης του εγκλήματος στον κυβερνοχώρο και επιτρέπει την αποτελεσματική διεθνή συνεργασία.

Αν και η Σύμβαση δεν αποτελεί μέσο για την προώθηση του δικαιώματος προστασίας των προσωπικών δεδομένων, εντούτοις ποινικοποιεί δραστηριότητες που ενδέχεται να το παραβιάζουν. Επιπλέον, απαιτεί από τα συμβαλλόμενα μέρη να θεσπίσουν νομοθετικά μέτρα που θα επιτρέπουν στις εθνικές αρχές τους να παρακολουθούν τα δεδομένα κίνησης και περιεχομένου. Τέλος, υποχρεώνει τα συμβαλλόμενα μέρη, κατά την εφαρμογή της Σύμβασης, να προβλέπουν επαρκή προστασία των ανθρωπίνων δικαιωμάτων και ελευθεριών, συμπεριλαμβανομένων των δικαιωμάτων που κατοχυρώνονται στην ΕΣΔΑ.

Το Πρόσθετο Πρωτόκολλο της Σύμβασης της Βουδαπέστης εντάσσει τη διακίνηση υλικού ξενοφοβικής και ρατσιστικής φύσης μέσω του διαδικτύου στο πεδίο εφαρμογής της Σύμβασης, και παράλληλα προβλέπει τη χρήση των δικονοµικών µέσων που περιγράφονται στις διατάξεις της Σύμβασης έναντι των σχετικών παραβάσεων.

Με το εν λόγω Πρόσθετο Πρωτόκολλο αναγνωρίζεται η ανάγκη εξασφάλισης της απαραίτητης ισορροπίας μεταξύ της ελευθερίας της έκφρασης και της αποτελεσματικής μάχης κατά πράξεων ρατσιστικής και ξενοφοβικής φύσης.  Τέλος, προωθείται η διεθνής κατανόηση και συνεργασία στην καταπολέμηση εγκλημάτων στον κυβερνοχώρο που σχετίζονται με τον ρατσισμό και την ξενοφοβία.

Οι πιθανές προκλήσεις που ανακύπτουν από το νέο πρόσθετο πρωτόκολλο στη Σύμβαση της Βουδαπέστης που θα αφορά την αποτελεσματική ανταλλαγή πληροφοριών και την αμοιβαία δικαστική συνδρομή στο πλαίσιο της νεφοϋπολογιστικής

Αφού αναφέραμε σύντομα το αντικείμενο της Σύμβασης της Βουδαπέστης και του ήδη υπάρχοντος Πρόσθετου Πρωτοκόλλου αυτής, θα προχωρήσουμε σε μία περιγραφή των προκλήσεων που ανακύπτουν από το νέο πρόσθετο πρωτόκολλο.

Το εν λόγω πρωτόκολλο, όπως προαναφέραμε, αναμένεται να ολοκληρωθεί στα τέλη του 2019 και θα αφορά την αποτελεσματική ανταλλαγή πληροφοριών και την αμοιβαία δικαστική συνδρομή στο πλαίσιο συγκεκριµένων ποινικών ερευνών ή διώξεων που απαιτούν πρόσβαση σε συγκεκριμένα δεδομένα τα οποία σχετίζονται με υπηρεσίες νεφοϋπολογιστικής.

Για να αποτελεί το διαδίκτυο και οι υπηρεσίες νεφοϋπολογιστικής ένα μέρος όπου ο καθένας μας θα μπορεί να απολαμβάνει τη προστασία των δικαιωμάτων του, είναι αναγκαία η θέσπιση των απαραίτητων εγγυήσεων όταν οι διάφορες κρατικές υπηρεσίες επιβολής του νόμου προβαίνουν στην ανταλλαγή πληροφοριών και την αμοιβαία δικαστική συνδρομή στο πλαίσιο συγκεκριµένων διασυνοριακών ποινικών ερευνών ή διώξεων.

Οι συζητήσεις που έλαβαν χώρα στο πλαίσιο του «Οctopus Conference 2018» υπογράμμισαν σημαντικές πιθανές προκλήσεις που ανακύπτουν από το νέο πρόσθετο πρωτόκολλο εάν δεν υιοθετηθούν τα αναγκαία μέτρα.

Συγκεκριμένα, ιδιαίτερη προσοχή δόθηκε στην ανάγκη της αναδιαμόρφωσης της αμοιβαίας δικαστικής συνδρομής μεταξύ δύο ή περισσοτέρων χωρών με σκοπό τη συλλογή και την ανταλλαγή πληροφοριών σε μια προσπάθεια να επιβληθούν οι διατάξεις του νέου πρόσθετου πρωτοκόλλου στο πλαίσιο συγκεκριµένων διασυνοριακών ποινικών ερευνών ή διώξεων.

Επίσης, είναι αναγκαίο να διασφαλιστεί οτι η εθνική νομοθεσία των τρίτων κρατών θα είναι εναρμονισμένη με το υψηλό επίπεδο προστασίας που έχει αναγνωρίσει το Δικαστήριο των Δικαιωμάτων του Ανθρώπου με τη νομολογία του. Συγκεκριμένα, τόσο οι νομοθέτες όσο και οι αρχές επιβολής του νόμου αυτών των τρίτων κρατών θα πρέπει να σέβονται και να τηρούν τις νομικές αρχές και αξίες που συνοδεύουν τη νομοθεσία και τη νομολογία του Συμβουλίου της Ευρώπης σχετικά με την προστασία των Δικαιωμάτων του Ανθρώπου.

Μόνο κατά αυτόν τον τρόπο η πρόσβαση από τις εν λόγω υπηρεσίες σε αποδεικτικά στοιχεία που προέρχονται από υπηρεσίες νεφοϋπολογιστικής θα λαμβάνει χώρα μετά από την τήρηση των απαραίτητων προϋποθέσεων, διασφαλίζοντας τον αναλογικό χαρακτήρα των παρεμβάσεων και την προάσπιση των ανθρωπίνων δικαιωμάτων και ελευθεριών των χρηστών του διαδικτύου.

Μπορείς να μάθεις περισσότερα παρακολουθώντας ένα σύντομο βίντεο που ετοίμασε το Συμβούλιο της Ευρώπης με δηλώσεις κάποιων εκ των παρευρισκομένων του «Οctopus Conference 2018» εδώ.

Η τεχνητή νοημοσύνη διαρκώς εξελίσσεται. Τι μπορούμε να κάνουμε για να τη διατηρήσουμε υπό τον έλεγχό μας;

Γράφει ο Κωνσταντίνος Κακαβούλης

Στη Σαουδική Αραβία θεωρείται ότι δε βρέχει σχεδόν ποτέ. Η αλήθεια είναι ότι βρέχει αρκετά συχνά. Όμως, εξαιτίας των υψηλών θερμοκρασιών που επικρατούν στην περιοχή, οι σταγόνες εξατμίζονται πριν φτάσουν το έδαφος και γίνουν αντιληπτές από τους ανθρώπους. Οι άνθρωποι αντιλαμβάνονται τη βροχή μόνο τις σπάνιες φορές που βρέχει πολύ. Τις φορές αυτές μάλιστα συχνά παρατηρούνται πλημμύρες.

Η εξέλιξη της τεχνητής νοημοσύνης δε διαφέρει πολύ από το παράδειγμα της βροχής στη Σαουδική Αραβία. Τείνουμε να θεωρούμε ότι η τεχνητή νοημοσύνη εξελίσσεται σπάνια. Η αλήθεια είναι ότι εξελίσσεται διαρκώς.

Απλώς οι μικρές βελτιώσεις που επιτυγχάνονται καθημερινά, δε φτάνουν σε εμάς. Μόνο στην περίπτωση ενός μεγάλου επιτεύγματος συνειδητοποιούμε ότι η τεχνητή νοημοσύνη εξελίσσεται. Αυτά τα μεγάλα τεχνολογικά «μπαμ» μας τρομάζουν, όπως οι έντονες βροχoπτώσεις τρομάζουν τους κατοίκους της Σαουδικής Αραβίας.

Δεν είμαστε συνηθισμένοι σε αυτά, γιατί συμβαίνουν σπάνια. Αν όμως δίναμε μεγαλύτερη σημασία στις μικρές εξελίξεις που λαμβάνουν χώρα καθημερινά γύρω μας, τότε δε θα ξαφνιαζόμασταν τόσο. Θα καταλαβαίναμε ότι αυτά τα τεχνολογικά επιτεύγματα είναι λογική συνέχεια των εξελίξεων αυτών.

Το ερώτημα είναι: εμείς τι μπορούμε να κάνουμε ώστε να αποφύγουμε τις αντίστοιχες πλημμύρες που μπορεί να προκληθούν από την εξέλιξη της τεχνητής νοημοσύνης;

Ο Stuart Russell, ένας από τους σημαντικότερους ερευνητές στον τομέα της τεχνητής νοημοσύνης, έχει επισημάνει: «Ας υποθέσουμε ότι υπάρχει μία πιθανότητα 10% να φτάσουμε στην Υπερνοημοσύνη (Super Intelligence) μέσα στα επόμενα 50 χρόνια. Δε θα πρέπει να ξεκινήσουμε να δουλεύουμε τώρα, ώστε να διασφαλίσουμε ότι θα είμαστε σε θέση να έχουμε την Υπερνοημοσύνη υπό τον έλεγχό μας;».

Πράγματι, δε χρειάζεται να περιμένουμε να έρθουν οι «πλημμύρες» για να αντιμετωπίσουμε τις συνέπειες τους. Μπορούμε να δημιουργήσουμε έργα υποδομής, τα οποία θα μας προφυλάξουν. Τα έργα αυτά δεν είναι τίποτα άλλο από ένα ρυθμιστικό πλαίσιο, το οποίο δε θα περιορίζει την εξέλιξη της τεχνολογίας, αλλά θα προστατεύει τους ανθρώπους.

Η αλήθεια είναι ότι η τεχνητή νοημοσύνη δεν εξελίσσεται τόσο γρήγορα όσο μπορεί να φοβόμαστε. Οι εφευρέτες της τεχνητής νοημοσύνης όπως τη γνωρίζουμε σήμερα, θεωρούσαν ότι μέσα σε 10 χρόνια θα μπορούσαν να κατασκευάσουν έναν υπολογιστή που θα μπορούσε να κερδίσει ένα σκακιστή παγκόσμιας κλάσης. Αυτό πήρε τελικά 40 χρόνια για να συμβεί.

Πίστευαν επίσης ότι σε 10 χρόνια θα μπορούσαν να δημιουργήσουν έναν υπολογιστή, στον οποίο θα μπορούσε να μιλήσει ένας άνθρωπος σε οποιαδήποτε γλώσσα του κόσμου και ο υπολογιστής να του απαντήσει. Αυτό το πίστευαν το 1956 και μέχρι σήμερα δεν έχει υλοποιηθεί πλήρως, παρότι οι εφαρμογές μετάφρασης εξελίσσονται διαρκώς.

Τέλος, στον τομέα της Όρασης Υπολογιστών (Computer Vision) οι ειδικοί εκτιμούσαν ότι η εκπαίδευση ενός προγράμματος να ταξινομεί φωτογραφίες ανάλογα με το περιεχόμενό τους (αν απεικονίζεται ένα αυτοκίνητο, ένας άνθρωπος ή ενας σκύλος), ήταν ένα κατάλληλο καλοκαιρινό πρότζεκτ για έναν μεταπτυχιακό φοιτητή.

Στην πραγματικότητα, 62 χρόνια μετά, η όραση υπολογιστών αποτελεί ένα από τα μεγαλύτερα success stories του τομέα, και παρόλα αυτά το ίδιο αυτό πρόβλημα δεν εχει επιλυθεί πλήρως.

Φυσικά, υπάρχουν και παραδείγματα επιτευγμάτων τεχνητής νοημοσύνης, τα οποία έχουν πραγματοποιηθεί πολύ νωρίτερα από ότι αναμενόταν.

Για παράδειγμα, μέχρι πρόπερσι οι ειδικοί υπολόγιζαν ότι για να μπορέσει ένας υπολογιστής να κερδίσει έναν πρωταθλητή του επιτραπέζιου παιχνιδιού Go, θα χρειάζονταν ακόμα 10 χρόνια. Όμως πέρυσι, ο υπολογιστής AlphaGo κατάφερε να κερδίσει τρεις φορές τον παγκόσμιο πρωταθλητή του παιχνιδιού στις τρεις μεταξύ τους αναμετρήσεις.

Το επίτευγμα του AlphaGo ανοίγει νέους ορίζοντες για την τεχνητή νοημοσύνη, αλλά αποτελεί μάλλον την εξαίρεση και όχι τον κανόνα.

Ίσως λοιπόν έχουμε παραπάνω χρόνο από ότι πιστεύουμε για να προετοιμαστούμε κατάλληλα για τις εξελίξεις στην τεχνητή νοημοσύνη. Μπορεί να μην ξέρουμε τι ακριβώς μας επιφυλάσσει το μέλλον, ούτε να είμαστε σε θέση να το προβλέψουμε. Σε καμία περίπτωση όμως δεν πρέπει να δαιμονοποιούμε τις εξελίξεις της τεχνητής νοημοσύνης.

Συχνά μεγάλη ευθύνη στο τελευταίο φέρουν και οι επιστήμονες, οι οποίοι αποθαρρύνουν το ευρύ κοινό από το να ασχοληθεί με θέματα τεχνητής νοημοσύνης, λέγοντας ότι από τη στιγμή που δε γνωρίζουν πώς λειτουργεί η τεχνητή νοημοσύνη, η γνώμη τους δε θα πρέπει να λαμβάνεται υπόψη.

Όμως οι εξελίξεις της τεχνητής νοημοσύνης επηρεάζουν τις ζωές όλων μας. Θα πρέπει όλοι να συμμετέχουμε στο διάλογο που γίνεται για τη χρήση τους. Και για αυτό πρέπει αρχικά να ενημερωνόμαστε.

Αν οι κάτοικοι της Σαουδικής Αραβίας μπορούσαν να δουν τις σταγόνες της βροχής, πριν αυτές εξατμιστούν, τότε ίσως έπαιρναν καλύτερα μέτρα για να προφυλαχθούν από τις πλημμύρες. Εφόσον εμείς γνωρίζουμε ότι «βρέχει» τεχνολογικές εξελίξεις, αξίζει να τις παρακολουθούμε, ώστε να λάβουμε εγκαίρως μέτρα για να αποφύγουμε την περίπτωση η κατάσταση να ξεφύγει από τα χέρια μας.

Σε καμία περίπτωση όμως δεν πρέπει να προσπαθούμε να κάνουμε προβλέψεις ή να καταφερόμαστε αρνητικά κατά των εξελίξεων της τεχνητής νοημοσύνης. Όταν προσπαθούμε να κάνουμε κάτι τέτοιο χωρίς να διαθέτουμε τις απαραίτητες γνώσεις, είναι λογικό και οι επιστήμονες να μη λαμβάνουν σοβαρά υπόψη τους τη γνώμη μας.

Θα πρέπει μέσω της πολιτείας και των αρμόδιων φορέων να είμαστε σε θέση να εξηγήσουμε στους επιστήμονες ποιες από τις μεθόδους που χρησιμοποιούν είναι κοινωνικά αποδεκτές και ποιες όχι.

Θα πρέπει να ενδιαφερθούμε για τα αποτελέσματα των ερευνών τους – όχι τα αποτελέσματα που θεωρούμε πιθανά, τα πραγματικά αποτελέσματα – και να κρίνουμε αν είναι επιθυμητά.

Η πολιτεία με τη σειρά της θα πρέπει να νομοθετήσει ανάλογα, λαμβάνοντας υπόψη της την κοινή γνώμη και την ηθική που αυτή πρεσβεύει.

Γράφει ο Νίκος Γιάνναρος*

Η ιστορία της τεχνητής νοημοσύνης σαν κάτι επιτεύξιμο, ταυτίζεται με την ιστορία της ανάπτυξης των υπολογιστών. Ήδη από το 1950 εμφανίστηκαν οι πρώτες θεωρίες οι οποίες υπαγόρευαν την ανάπτυξη συστημάτων με ικανότητες τεχνητής νοημοσύνης. Ικανότητες τις οποίες κατέχει μόνο ο άνθρωπος, ο οποίος θα μπορούσε να εκπαιδεύσει ένα υπολογιστικό σύστημα ώστε να λαμβάνει αυτόνομες αποφάσεις και να δρα ως ένα ον με νοημοσύνη.

Η αρχικώς θεωρητική προσέγγιση της τεχνητής νοημοσύνης, έστρεψε τις προσπάθειές της στην δημιουργία των κατάλληλων εργαλείων με τα οποία ένας υπολογιστής θα μπορούσε να δρα όπως ο ανθρώπινος νους.

Τα εργαλεία αυτά βασίστηκαν στην λογική και την σημασιολογία, τα οποία αποτελούν τα κυρίαρχα εργαλεία με τα οποία ο άνθρωπος σκέφτεται και δρα ανάλογα με τα ερεθίσματα που δέχεται. Στο πλαίσιο αυτό, έγιναν προσπάθειες τυποποίησης λογικών κανόνων και σχέσεων, οι οποίες οδήγησαν στην δημιουργία εργαλείων όπως ο Λογικός Προγραμματισμός.

Η βάση του λογικού προγραμματισμού αποτελεί την τροφοδότηση ενός υπολογιστικού συστήματος με βασικές οντότητες και τις μεταξύ τους σχέσεις, ώστε με την εφαρμογή μιας διαδικασίας παραγωγής λογικών συμπερασμάτων το σύστημα να μπορεί να λαμβάνει αποφάσεις μιμούμενος την αντίστοιχη διαδικασία που ακολουθεί και ο ανθρώπινος νους.

Η προσέγγιση αυτή ακολουθεί την λογική «από πάνω προς τα κάτω». Το σύστημα εφοδιάζεται με το σύνολο της απαιτούμενης γνώσης και η προσπάθεια εστιάζεται στον τρόπο με τον οποίο θα διαχειριστεί και θα συνδυάσει κατάλληλα τη γνώση αυτή.

Σύντομα έγινε φανερό ότι τέτοιου τύπου προσεγγίσεις μπορούν να προσφέρουν περιορισμένες πρακτικές λύσεις και εφαρμογές διότι δεν εναρμονίζονται με τις βασικές αρχές λειτουργίας ενός υπολογιστή. Ο υπολογιστής στον πυρήνα του αποτελεί μια μηχανή η οποία μπορεί να εκτελεί με μεγάλη ταχύτητα μαθηματικές πράξεις και συγκρίσεις. Έπρεπε να βρεθεί μια προσέγγιση η οποία λειτουργεί με τον ακριβώς αντίθετο τρόπο λοιπόν. Η προσέγγιση «από κάτω προς τα πάνω».

Η προσέγγιση αυτή εστιάζεται στην προσπάθεια μοντελοποίησης ενός προβλήματος – φαινομενικά – λογικής σε καθαρά μαθηματικό πρόβλημα. Ένα μαθηματικό πρόβλημα μπορεί να επιλυθεί χρησιμοποιώντας συγκεκριμένες διαδικασίες με σαφώς καθορισμένα βήματα, κάτι στο οποίο ο υπολογιστής είναι ιδιαίτερα αποδοτικός. Το παραγόμενο αποτέλεσμα επίσης είναι εύκολο να ταξινομηθεί, να κατηγοριοποιηθεί και να ερμηνευθεί από τον υπολογιστή.

Αυτή η διαπίστωση οδήγησε από την δεκαετία του 1980 και έπειτα στην ανάπτυξη της Υπολογιστικής Νοημοσύνης ή όπως έχει πλέον καθιερωθεί, της Μηχανικής Μάθησης (Machine Learning). Η συγκεκριμένη προσέγγιση έχει ως στόχο την μαθηματική μοντελοποίηση διαφόρων εργασιών που εκτελεί ο άνθρωπος ώστε να μπορεί ένας υπολογιστής να οδηγηθεί στο ίδιο αποτέλεσμα.

Αυτά τα προβλήματα τυπικά είναι η αναγνώριση φωνής και εικόνας, η επεξεργασία φυσικής γλώσσας σε γραπτή μορφή, η ρομποτική, οι προβλέψεις σε διάφορα φαινόμενα κ.λπ. Η Μηχανική Μάθηση χρησιμοποιεί την μεγάλη δύναμη των υπολογιστών, την απαράμιλλη υπολογιστική τους δυνατότητα, ώστε να μπορούν να αξιοποιούν μεγάλους όγκους πληροφορίας για την επιτυχή τους εκπαίδευση, ώστε να μαθαίνουν να παίρνουν αποφάσεις ανάλογες με αυτές ενός ανθρώπου.

Τα μαθηματικά μοντέλα που χρησιμοποιούνται βασίζονται στον τρόπο λειτουργίας τόσο του ανθρώπινου οργανισμού (νευρωνικά δίκτυα, γενετικοί αλγόριθμοι) όσο και άλλων έμβιων οργανισμών (particle swarm optimisation, ant colony optimisation, bees algorithm), από εφαρμογές της θεωρίας πιθανοτήτων και από πολλούς ακόμα κλάδους των μαθηματικών.

Ο πλούτος των προσεγγίσεων οι οποίες καταλήγουν σε απτούς αλγορίθμους οι οποίοι μπορούν να εκτελεστούν από έναν υπολογιστή ο οποίος δεν απαιτείται να έχει κάποια ιδιαίτερη δομή ή σχεδιασμό έφερε και την επανάσταση στον τομέα της Μηχανικής Μάθησης.

Η μηχανική μάθηση χωρίζεται σε 3 βασικούς κλάδους. Την επιβλεπόμενη μάθηση (Supervised Learning), τη μη-επιβλεπόμενη μάθηση (Unsupervised Learning) και την ενισχυτική μάθηση (Reinforcement Learning) η οποία αποτελεί κατά βάση συνδυασμό των άλλων δυο.

Η έννοια της επιβλεπόμενης μάθησης είναι η απλούστερη από τις τρεις για να μπορέσει κάποιος να κατανοήσει. Ο υπολογιστής εφοδιάζεται με ένα κατάλληλο σετ δεδομένων εκπαίδευσης (training set) ώστε να εκπαιδευτεί στην εργασία που θέλουμε να του αναθέσουμε.

Το πιο απλό παράδειγμα, αποτελεί η τροφοδοσία του υπολογιστή με φωτογραφίες αντρών και γυναικών, στις οποίες υπάρχει επισήμανση αν η φωτογραφία ανήκει σε άντρα η γυναίκα (tags). Μετά την επιτυχή εκπαίδευση, ο υπολογιστής μπορεί να αναγνωρίσει το φύλο του εικονιζόμενου ατόμου σε οποιαδήποτε φωτογραφία ανθρώπου επειδή έχει εκπαιδευτεί στην ικανότητα κατηγοριοποίησης της πληροφορίας που λαμβάνει.

Για να το επιτύχει αυτό ο υπολογιστής, τροφοδοτείται με ένα πλήθος χαρακτηριστικών για κάθε φύλο (features) οπότε ανάλογα με τις τιμές που λαμβάνουν τα χαρακτηριστικά σε κάθε φωτογραφία, μπορεί με αξιοθαύμαστη ακρίβεια να αποφανθεί για το φύλο του εικονιζόμενου ατόμου. Η διαδικασία αυτή προϋποθέτει ότι ο καθορισμός και η τυποποίηση των συγκεκριμένων χαρακτηριστικών έχει γίνει από έναν ειδικευμένο άνθρωπο, πριν ξεκινήσει η διαδικασία εκπαίδευσης.

Η διαδικασία εξαγωγής και επιλογής χαρακτηριστικών (feature extraction and selection) αποτελεί θεμέλιο λίθο της αποτελεσματικής εφαρμογής της επιβλεπόμενης μάθησης και έχει φτάσει να αποτελεί ουσιαστικά έναν ολόκληρο αυτόνομο κλάδο.

Η επιβλεπόμενη μάθηση έχει ξεφύγει εδώ και πολλά χρόνια από το πειραματικό και θεωρητικό στάδιο και αξιοποιείται κατά κόρον σε εμπορικές εφαρμογές αναγνώρισης φωνής, προσώπου και γραφής καθώς και σε πιο ειδικευμένες εφαρμογές αναλόγως τομέα, όπως κατηγοριοποίηση και κατάτμηση πελατειακής βάσης (customer segmentation), συστήματα προτάσεων πωλήσεων (recommender systems/collaborative filtering), πρόβλεψη τιμών μετοχών (stock market prediction), προληπτική συντήρηση (preventive maintenance) κ.λπ.

Επίσης, με την εμφάνιση της βαθιάς μάθησης, η οποία αποτελεί πεδίο της επιβλεπόμενης μάθησης, η διαδικασία εξαγωγής και επιλογής χαρακτηριστικών μπορεί να γίνει πλέον από τον ίδιο τον υπολογιστή, μειώνοντας ακόμα περισσότερο την ανθρώπινη παρέμβαση στη διαδικασία. Στο παράδειγμα κατηγοριοποίησης των φωτογραφιών, ο υπολογιστής θα μπορούσε έπειτα από επεξεργασία των φωτογραφιών που χρησιμοποιεί ως σετ εκπαίδευσης, να αποφανθεί ότι το σχήμα στα χείλη είναι πιο ζωτικό χαρακτηριστικό για τον διαχωρισμό από το σχήμα των ματιών και συνεπώς να δίνει μεγαλύτερη βαρύτητα σε αυτό το χαρακτηριστικό.

Η μη επιβλεπόμενη μάθηση αποτελεί την εφαρμογή μεθόδων κατά την οποία ο υπολογιστής δεν περνά πρώτα από το στάδιο εκπαίδευσης με χρήση δεδομένων με καθορισμένα χαρακτηριστικά στα οποία το επιδιωκόμενο αποτέλεσμα είναι γνωστό, αλλά εκπαιδεύεται μόνος του με βάση άγνωστα δεδομένα τα οποία μπορεί να επεξεργαστει.

Όπως είναι φανερό, η δυνατότητα του υπολογιστή να εργαστεί χωρίς προηγουμένως να έχει τροφοδοτηθεί με έτοιμη γνώση κάνει την μη επιβλεπόμενη μάθηση να φαντάζει ιδιαίτερα εξωτική και βγαλμένη από το μακρινό μέλλον.

Η αλήθεια είναι ότι και σε αυτή την περίπτωση, τα εφαρμοζόμενα μαθηματικά μοντέλα αξιοποιούν την βασική ικανότητα του υπολογιστή να συγκρίνει πράγματα και να αποφαίνεται το μέτρο της ομοιότητας που υπάρχει ανάμεσά τους, αξιοποιώντας πλήθος μαθηματικές μεθόδους εύρεσης του μέτρου της συνάφειας ανάμεσα σε διαφορετικές οντότητες.

Η ουσιαστική ειδοποιός διαφορά με την επιβλεπόμενη μάθηση είναι ότι ο υπολογιστής δεν «γνωρίζει» την ποιοτική μετάφραση του αποτελέσματος που παράγει. Σε αντιπαραβολή με το παράδειγμα της επιβλεπόμενης μάθησης, ένας αλγόριθμος μη επιβλεπόμενης μάθησης ο οποίος μπορεί να κατηγοριοποιεί φωτογραφίες ανθρώπων με βάση το φύλο τους, μπορεί να το κάνει εξίσου επιτυχώς αλλά δεν γνωρίζει ποια κατηγορία ανήκει στην οντότητα άντρας και ποια στην οντότητα γυναίκα.

Η μη επιβλεπόμενη μάθηση έχει επίσης πολλές εμπορικές εφαρμογές, συχνά σε τομείς αντίστοιχους με την επιβλεπόμενη μάθηση αλλά με την ραγδαία ανάπτυξη της ισχύος των υπολογιστικών συστημάτων, η δυνατότητα ενός συστήματος να εκπαιδεύεται μόνο του θα αντικαταστήσει την κοπιώδη ανθρώπινη προεργασία με μια ακόμα αυτόματη διαδικασία. Ένα χαρακτηριστικό παράδειγμα μη επιβλεπόμενης μάθησης είναι η δυνατότητα του υπολογιστή να διαχωρίζει λαχανικά και φρούτα σε διαφορετικές ομάδες ανάλογα με το σχήμα, το μέγεθος και το χρώμα τους, χωρίς προηγουμένως να έχει εκπαιδευτεί να τα διαχωρίζει.

Τέλος, η ενισχυτική μάθηση, ή μάθηση με επιβράβευση, αποτελεί συνδυασμό των άλλων δύο μεθόδων και αξιοποιείται κυρίως σε εφαρμογές ρομποτικής. Το ρομπότ προσπαθεί να εκτελέσει με βέλτιστο τρόπο τις οδηγίες με τις οποίες έχει εκπαιδευτεί αλλά παράλληλα του δίνεται και μια σχετική ελευθερία  να αποφασίσει να παρεκκλίνει από τις οδηγίες αυτές με σκοπό την παραγωγή ενός ακόμα καλύτερου αποτελέσματος από αυτό που έχει ήδη επιτύχει.

Εφαρμογές της ενισχυμένης μάθησης, όπως η αυτόνομη οδήγηση βρίσκονται στον προθάλαμο της εμπορικής εφαρμογής, ενώ τα διάφορα ρομπότ τα οποία χρησιμοποιούνται ως ανθρώπινοι βοηθοί, εφαρμόζουν με επιτυχία το μοντέλο της ενισχυτικής μάθησης καθώς η συμπεριφορά τους εξελίσσεται με βάση τα διαφορετικά ερεθίσματα που λαμβάνουν από διαφορετικούς ανθρώπους με τους οποίους συνδιαλέγονται.

Όπως είναι φανερό, η Μηχανική Μάθηση είναι εδώ. Αποτελεί μια πραγματικότητα και μέρος της καθημερινότητάς μας και όχι σενάριο επιστημονικής φαντασίας. Διάφορες εργασίες οι οποίες μας φαίνονται προφανείς πλέον, όπως η αναγνώριση της πινακίδας του αυτοκινήτου μας στο Parking του Αεροδρομίου, οι ψηφιακοί βοηθοί εξυπηρέτησης στην τηλεφωνική εξυπηρέτηση των τραπεζών οι οποίοι αναγνωρίζουν τις φωνητικές μας εντολές, οι εφαρμογές αναγνώρισης του μουσικού κομματιού που ακούμε (όπως το Shazam), οι διαφημίσεις καθώς και οι προτεινόμενες δημοσιεύσεις σε εφαρμογές κοινωνικής δικτύωσης (όπως για παράδειγμα το Facebook το οποίο συνδυάζει τις δημοσιεύσεις τις οποίες ανοίγουμε με το ιστορικό της μηχανής αναζήτησης που χρησιμοποιούμε για να εμφανίσει συναφείς διαφημίσεις), οι εφαρμογές ασφαλείας οι οποίες ενεργοποιούν την καταγραφή βίντεο όταν πλησιάσει στην εξώπορτα ενός καταστήματος άνθρωπος εκτός ωραρίου λειτουργίας, αποτελούν πραγματικότητα χάρη στην μηχανική μάθηση.

Το γεγονός ότι ένας άνθρωπος είναι αδύνατον να εκτελέσει τις αντίστοιχες εργασίες σε αντίστοιχο χρονικό διάστημα, δικαιώνει απόλυτα τον τίτλο της τεχνητής νοημοσύνης που αποδίδονται σε τέτοιες εφαρμογές.

Από την άλλη, το γεγονός ότι οι υπολογιστές εκτελούν αυτές τις εργασίες μηχανικά, χωρίς το παραγόμενο αποτέλεσμα να έχει κάποιο σημασιολογικό αποτέλεσμα για τους ίδιους και χωρίς να παρεκκλίνουν από τον τρόπο με τον οποίο εκτελούν μια εργασία αν συνεχίσουν να δέχονται το ίδιο ερέθισμα, σημαίνει ότι η μηχανική μάθηση απέχει προς το παρόν πολλά και εν πολλοίς άγνωστα βήματα από την μετατροπή της σε πραγματική τεχνητή νοημοσύνη.

Οι υπολογιστές εκτελούν την εργασία που τους έχει ανατεθεί χωρίς κρίση και χωρίς συναίσθημα, χωρίς την παραμικρή πιθανότητα να παρεκκλίνουν από αυτό για το οποίο έχουν σχεδιαστεί να κάνουν. Μπορεί να εκτελούν ολοένα και καλύτερα τις ανατιθέμενες εργασίες, αλλά δεν έχουν την δυνατότητα να «επαναστατήσουν» και να αλλάξουν τον τρόπο λειτουργία τους. Ένα μέλλον όπου άνθρωποι και μηχανές θα είναι ισότιμοι, απέχει σίγουρα πολύ. Η πραγματικότητα της μηχανικής μάθησης όμως, είναι ήδη εδώ.

*Ο Νίκος Γιάνναρος είναι Ηλεκτρολόγος Μηχανικός και Μηχανικός Υπολογιστών. Εξειδικεύεται στην Τεχνητή Νοημοσύνη και το Machine Learning. Ενδιαφέρεται ιδιαίτερα για τις κοινωνικοπολιτικές επιδράσεις της τεχνολογίας.

Χρησιμοποιείς το διαδίκτυο καθημερινά για να επικοινωνήσεις, να ενημερωθείς και να διασκεδάσεις. Όμως, το διαδίκτυο όπως το γνώριζες θα πάψει πλέον να υπάρχει εάν δεν κινητοποιηθείς άμεσα.

Τι έγινε;

Στις 20 Ιουνίου 2018 η Επιτροπή για τα Νομικά Θέματα του Ευρωπαϊκού Κοινοβουλίου ψήφισε υπέρ της υιοθέτησης της Πρότασης Οδηγίας για την Πνευματική Ιδιοκτησία στην Ενιαία Ψηφιακή Αγορά.

Η προτεινόμενη Οδηγία αποσκοπεί στην εναρμόνιση του δικαίου της Ένωσης σχετικά με τα δικαιώματα πνευματικής ιδιοκτησίας, λαμβάνοντας ιδιαίτερα υπόψη τις ψηφιακές και διασυνοριακές χρήσεις του προστατευόμενου περιεχομένου. Με απλά λόγια, αυτό που επιθυμεί ο ευρωπαίος νομοθέτης είναι όλα τα κράτη μέλη της ΕΕ να βρίσκονται στην ίδια σελίδα όσον αφορά τα δικαιώματα πνευματικής ιδιοκτησίας στη σύγχρονη ενιαία ψηφιακή αγορά. Όλα καλά μέχρι εδώ.

Ωστόσο, οι διατάξεις της προτεινόμενης Οδηγίας, και κυρίως το Άρθρο 13 αυτής, κρύβουν σοβαρούς κινδύνους για την ελευθερία της έκφρασης και της πληροφόρησης κατά τη χρήση του διαδικτύου.

Συγκεκριμένα το Άρθρο 13 απαιτεί οι διάφορες πλατφόρμες στο διαδίκτυο να φιλτράρουν οποιαδήποτε πληροφορία οι χρήστες ανεβάζουν στην πλατφόρμα προκειμένου να αποφευχθούν παραβιάσεις των δικαιωμάτων πνευματικής ιδιοκτησίας.

Τι σημαίνει αυτό;

Τεχνολογίες αναγνώρισης περιεχομένου θα φιλτράρουν τις αναρτήσεις των χρηστών του διαδικτύου προκειμένου να διαπιστώσουν τυχόν παραβίαση δικαιωμάτων πνευματικής ιδιοκτησίας στο περιεχόμενο αυτών των αναρτήσεων. Στη συνέχεια, και με βάση το εν λόγω φιλτράρισμα, οι διάφορες αναρτήσεις θα επιτρέπονται ή όχι. Οι κίνδυνοι που απορρέουν από μια τέτοια ενέργεια για την ελευθερία της έκφρασης και της πληροφόρησης στο διαδίκτυο είναι καταφανείς.

1. Παρέχεται υπέρμετρη εξουσία στις διάφορες πλατφόρμες στο διαδίκτυο.

Με το νέο καθεστώς οι πλατφόρμες θα πρέπει να φιλτράρουν το περιεχόμενο που φιλοξενούν χωρίς να έχει υποβληθεί κάποιο αίτημα για παραβίαση δικαιωμάτων πνευματικής ιδιοκτησίας κατά αυτού. Μέχρι τώρα η νομοθεσία επέτρεπε τυχόν περιεχόμενο που προσβάλει δικαιώματα πνευματικής ιδιοκτησίας να κατέβει από την πλατφόρμα μέσω συγκεκριμένης διαδικασίας. Η διαδικασία αυτή ξεκινούσε κατόπιν σχετικού αιτήματος του υποτιθέμενου δικαιούχου. Τώρα, η οποιαδήποτε ανάρτησή σου, θα υπόκειται στο φιλτράρισμα αυτό.

2. Οι διαθέσιμες τεχνολογίες δεν είναι σε θέση να αναγνωρίσουν αναρτήσεις που γίνονται στα πλαίσια σάτιρας, κριτικής ή παράθεσης στα πλαίσια έρευνας και σχολιασμού.

Αν και η τεχνολογία εξελίσσεται ραγδαία, οι διαθέσιμοι μηχανισμοί φιλτραρίσματος δεν είναι σε θέση να αναγνωρίσουν τη διαφορά ανάμεσα στη νόμιμη και στην παράνομη χρήση υλικού, το οποίο υπόκειται σε πνευματικά δικαιώματα, και το οποίο χρησιμοποιείται στην έρευνα, στο σχολιασμό ακόμη και για κριτική ή για σάτιρα π.χ. παράθεση αποσπασμάτων έργων με σκοπό τον σχολιασμό, αναπαραγωγή λόγων με σκοπό την ενημέρωση του κοινού για επίκαιρα γεγονότα, παραγωγή σατιρικών εκδοχών ενός έργου (memes, παρωδίες τραγουδιών κλπ). Επομένως, τόσο η δημιουργικότητα των χρηστών του διαδικτύου όσο και η ελευθερία της έκφρασης και της πληροφόρησης στο διαδίκτυο θα περιοριστούν αναπόφευκτα. Επιπλέον, οι εν λόγω μηχανισμοί φιλτραρίσματος θα πρέπει να υποστηρίζονται από ένα στρατό υπαλλήλων της εκάστοτε διαδικτυακής πλατφόρμας. Αυτοί οι υπάλληλοι θα προχωρούν σε ένα δεύτερο έλεγχο όλων των αναρτήσεων για τους οποίους οι μηχανισμοί φιλτραρίσματος κατέληξαν στο συμπέρασμα ότι υπάρχει παραβίαση δικαιωμάτων πνευματικής ιδιοκτησίας. Πρόκειται για μια πολυέξοδη και χρονοβόρα διαδικασία, και αυτό το κόστος των επιπλέον υπαλλήλων πιθανότατα θα κληθεί να το πληρώσει ο χρήστης του διαδικτύου μέσω της αύξησης των τιμών για τις παροχές υπηρεσιών διαδικτύου ή τη θέσπιση συνδρομών στις διάφορες διαδικτυακές πλατφόρμες.

Τι μπορώ να κάνω για να το σταματήσω;

Στις 5 Ιουλίου η ολομέλεια του Ευρωπαϊκού Κοινοβουλίου θα κληθεί να ψηφίσει τη συγκεκριμένη προτεινόμενη οδηγία. Στείλε σήμερα ένα e-mail στις Ελληνίδες και στους Έλληνες Ευρωβουλευτές που επιθυμείς και κάλεσε τους να καταψηφίσουν τη Πρόταση Οδηγίας για την Πνευματική Ιδιοκτησία στην Ενιαία Ψηφιακή Αγορά.

Μια πλήρης λίστα με τα στοιχεία επικοινωνίας όλων των Ελλήνων Ευρωβουλευτών βρίσκεται εδώ.

Θυμήσου ότι κάθε email μετράει. Πρέπει να ενώσουμε τις φωνές μας και να ζητήσουμε μαζί την αρνητική ψήφο των Ευρωβουλευτών μας. Η προάσπιση της ελευθερίας της έκφρασης και πληροφόρησης είναι υπόθεση όλων μας, και αναγκαία προϋπόθεση για την εύρυθμη λειτουργία του Δημοκρατικού πολιτεύματος.

Για οικονομία χρόνου θα μπορούσες να χρησιμοποιήσεις το κάτωθι πρότυπο. Ωστόσο, θα προτείναμε να δώσεις έναν προσωπικό τόνο στο μήνυμά σου και να εκφράσεις και τις δικές σου ανησυχίες σε αυτό.

«

Θέμα: Καταψήφιση της Πρότασης Οδηγίας για την Πνευματική Ιδιοκτησία στην Ενιαία Ψηφιακή Αγορά

Αγαπητή/έ  (Ονοματεπώνυμο)

Αποστέλλω το παρόν μήνυμα επειδή στις 5 Ιουλίου η ολομέλεια του Ευρωπαϊκού Κοινοβουλίου θα κληθεί στη συνεδρίασή της να ψηφίσει σχετικά με την Πρόταση Οδηγίας για την Πνευματική Ιδιοκτησία στην Ψηφιακή Ενιαία Αγορά.

Το εν λόγω νομοθέτημα θα αλλάξει δραματικά προς το χειρότερο τη μορφή του διαδικτύου όπως την ξέρουμε μέχρι σήμερα, περιορίζοντας σημαντικά το δικαίωμα στην ελευθερία της έκφρασης και της πληροφόρησης των Ελλήνων πολιτών και όλων των άλλων χρηστών του διαδικτύου στην Ευρωπαϊκή Ένωση.

Συγκεκριμένα:

Η δημιουργικότητα και η ελευθερία του λόγου θα πληγούν σημαντικά, καθώς οι αλγόριθμοι δεν είναι πάντα σε θέση να αναγνωρίσουν τη διαφορά ανάμεσα στη νόμιμη και στην παράνομη χρήση υλικού, το οποίο υπόκειται σε πνευματικά δικαιώματα, και το οποίο χρησιμοποιείται στην έρευνα, στο σχολιασμό ακόμη και για κριτική ή για σάτιρα. Αν η χρήση του υλικού αυτού ρυθμίζεται από αυτοματοποιημένα συστήματα, τα οποία λαμβάνουν αποφάσεις εφαρμόζοντας το γράμμα και όχι το πνεύμα του νόμου, η δημιουργικότητα και η ελευθερία του λόγου στο Διαδίκτυο θα περιοριστεί αναπόφευκτα.

Δεν υπάρχουν τα κατάλληλα τεχνικά μέσα για την εφαρμογή του Άρθρου 13. Δεν υπάρχει μία τεχνολογία αναγνώρισης, η οποία να μπορεί να ελέγξει αποτελεσματικά όλες τις μορφές του υλικού που περιγράφονται στην Πρόταση της Οδηγίας, οι οποίες είναι κείμενο, ακουστική μορφή, βίντεο, εικόνες και λογισμικό. Συνεπώς, είναι παράλογο να περιμένουμε από τα δικαστήρια των 27 Κρατών-Μελών να αποφασίζουν διαρκώς ποια είναι τα καταλληλότερα τεχνικά μέσα για την εφαρμογή της Οδηγίας σε κάθε περίπτωση.

Οι εταιρείες παροχής υπηρεσιών Διαδικτύου δε θα πρέπει να καταστούν υπεύθυνες για την εφαρμογή της νομοθεσίας για την πνευματική ιδιοκτησία, όπως προβλέπει το Άρθρο 13. Προκειμένου να διασφαλίσουν τη συμμόρφωσή τους και να αποφύγουν πρόστιμα και ποινές, οι εταιρείες θα προτιμήσουν να γίνουν υπερπροστατευτικές σε ό,τι αφορά στα δικαιώματα πνευματικής ιδιοκτησίας, περιορίζοντας την ελευθερία έκφρασης. Η παροχή του δικαιώματος να προβαίνουν σε διαγραφή περιεχομένου για παραβίαση πνευματικής ιδιοκτησίας στις εταιρείες αυτές, θα δημιουργήσει μία υπερεξουσία, καθώς δεν προβλέπεται δυνατότητα προστασίας των χρηστών του Διαδικτύου απέναντι στις επικείμενες διαγραφές – ακόμα και αν το περιεχόμενό τους ήταν νόμιμο.

Λαμβάνοντας υπόψη τα ανωτέρω, σας καλώ να ψηφίσετε κατά της προτεινόμενης Οδηγίας. Με αυτόν τον τρόπο θα καταστεί δυνατή η αναθεώρηση του κειμένου της προτάσεως, προκειμένου να επιτευχθεί η απαιτούμενη ισορροπία μεταξύ της προστασίας της πνευματικής ιδιοκτησίας και της προστασίας της ελευθερίας της έκφρασης και της πληροφόρησης.

Με εκτίμηση,

Ονοματεπώνυμο                      »