Δεν υπάρχει τίποτα φουτουριστικό στην εποχή της τεχνητής νοημοσύνης γιατί έχει ήδη αρχίσει. Το 2024, η τεχνητή νοημοσύνη κέρδισε δύο βραβεία Νόμπελ, το ένα δόθηκε στους John Hopfield και Geoffrey Hinton για τη θεμελίωσή της και το άλλο στους Demis Hassabis, John Jumper και David Baker για την εφαρμογή της στη βιολογία. Οι πέντε μεγαλύτερες εταιρείες στον κόσμο είναι όλες εταιρείες τεχνολογίας. Η εταιρεία που σχεδιάζει τσιπ τεχνητής νοημοσύνης, η Nvidia, έχει πολλαπλασιάσει την αξία της 27 φορές τα τελευταία πέντε χρόνια. Αλλά η ChatGPT είναι μόλις δύο ετών και οι εφαρμογές AI είναι ακόμη πρωτότυπα, ωστόσο εκατομμύρια άνθρωποι τις χρησιμοποιούν ήδη. Η τρέχουσα συζήτηση για την τεχνητή νοημοσύνη κυριαρχείται από προειδοποιήσεις για τους πολύ πραγματικούς κινδύνους της, όπως ο αντίκτυπός της στην απασχόληση. Αλλά αυτό αφήνει στην άκρη τα πιθανά καλά που μπορεί να προκύψουν από αυτήν. Ο καλύτερος από όλους τους δυνατούς κόσμους, όσο απίθανος και αν μου φαίνεται, είναι αυτός όπου η τεχνητή νοημοσύνη αυτοματοποιεί τις πιο βαρετές εργασίες, αποτελεσματικά, με ακρίβεια και φτηνά, και όπου εμείς οι άνθρωποι χρησιμοποιούμε τον ελεύθερο χρόνο μας για ανταποδοτικά καθήκοντα, όπως η φροντίδα των αγαπημένων μας προσώπων, η κοινή ενασχόληση, η ξεκούραση, το διάβασμα ή η δημιουργία. Η εξέταση των πιθανών θετικών είναι μια άσκηση της φαντασίας. Τι θα μπορούσε να κάνει η τεχνητή νοημοσύνη για εμάς;
Η ΤΝ θα πολλαπλασιάσει τη νοημοσύνη μας
Φανταστείτε μια τάξη όπου κάθε παιδί έχει έναν τεχνητό δάσκαλο. Σε αυτή την τάξη, κάθε παιδί θα μπορεί να μιλάει με τα βιβλία του. Αν δεν καταλαβαίνει ένα μαθηματικό πρόβλημα, η τεχνητή νοημοσύνη θα μπορεί να του το εξηγήσει. Και αν έχει περισσότερες απορίες, θα παίρνει τις απαντήσεις του. Τα πλεονεκτήματα είναι φανερά: οι δάσκαλοι της τεχνητής νοημοσύνης θα είναι φθηνοί, θα βρίσκονται παντού και θα είναι διαθέσιμοι 24 ώρες το 24ωρο. Τα πρώτα πειράματα που έχουν γίνει σε τάξη έχουν αποδειχθεί θετικά.
Στο παρελθόν, η τεχνολογία πολλαπλασίασε την ενέργεια και τις πληροφορίες, αλλά ποτέ τη νοημοσύνη, στην οποία ο άνθρωπος είχε το μονοπώλιο μέχρι τώρα.
Οι δυνατότητες της τεχνητής νοημοσύνης έγκεινται στον πολλαπλασιασμό της νοημοσύνης – τουλάχιστον κάποιας μορφής νοημοσύνης, περιορισμένης και διαφορετικής από τη δική μας, αλλά πραγματικής. Πριν από λίγες ημέρες, ο GPT o1 έδωσε τις εισαγωγικές εξετάσεις για τα πανεπιστήμια της Κορέας και μπήκε στο 4% των καλύτερων της χώρας. Αυτό είναι το εντυπωσιακό. Επιπλέον, δεν χρειάζεται να κάνουμε παράλογες προβλέψεις, διότι η μέτρια νοημοσύνη μπορεί να είναι επαναστατική αν είναι πανταχού παρούσα.
Φανταστείτε, για παράδειγμα, έναν ερευνητή που είχε να διαχειριστεί ένα εργαστήριο μέσω τεχνητής νοημοσύνης ή εφαρμογών τεχνητής νοημοσύνης. Αυτές θα μπορούσαν να εξετάζουν την επιστημονική βιβλιογραφία, να αναπαράγουν αμφίβολα αποτελέσματα και να βοηθούν στη συλλογή δεδομένων. Αυτή η τελευταία εργασία δοκιμάστηκε με επιτυχία από μια ερευνητική ομάδα της Google: περνούσαν μια εργασία στον Gemini, την LLM-like AI τους, και του ζητούσαν να αναζητήσει ένα συγκεκριμένο κομμάτι δεδομένων για να το αντιγράψει σε έναν πίνακα. Ήταν μια εύκολη εργασία που θα μπορούσε να γίνει από έναν φοιτητή, οπότε γιατί όλη αυτή η φασαρία; Επειδή του έδωσαν 200.000 έγγραφα, πήγαν για φαγητό και όταν επέστρεψαν η δουλειά είχε τελειώσει. Μπορούμε να κάνουμε μεγάλη πρόοδο με περιορισμένες νοημοσύνες, αν υπάρχουν εκατομμύρια από αυτές. Για παράδειγμα, οι περισσότεροι προγραμματιστές χρησιμοποιούν ήδη βοηθούς τεχνητής νοημοσύνης όπως το Cursor, οι οποίοι βλέπουν τον κώδικά σας και τον συμπληρώνουν αυτόματα και επιλύουν τα λάθη του, ή απλά γράφουν κώδικα. Θα έχουμε παρόμοια μέσα για άλλες εργασίες; Η τεχνητή νοημοσύνη θα μπορούσε να σας αγοράσει ένα εισιτήριο τρένου, να ελέγξει το ημερολόγιό σας ή να ρυθμίσει το μικρόφωνό σας
Η οικιακή τεχνητή νοημοσύνη θα μπορούσε να είναι μόνο η κορυφή του παγόβουνου. Αν οι προβλέψεις επαληθευτούν, θα έχουμε εικονικούς εμπειρογνώμονες στο ρόλο των δικηγόρων, των γιατρών, των λογιστών, των διατροφολόγων, ακόμη και των θεραπευτών. Είναι αναπόφευκτο μια τέτοια προοπτική να μας κάνει να νιώθουμε ζαλισμένοι: θα βάλουμε τον εαυτό μας στα χέρια τεχνουργημάτων; Ο Amodei περιγράφει περαιτέρω δυνατότητες. Για παράδειγμα, πιστεύει ότι η τεχνητή νοημοσύνη θα μπορούσε να γίνει «εικονικός βιολόγος», ικανός να εκτελεί όλα τα καθήκοντα ενός βιολόγου και να επιταχύνει τον σημερινό ρυθμό των ανακαλύψεων στη βιολογία ή τη βιοτεχνολογία κατά 10 φορές. Εξίσου αισιόδοξος είναι ο Jaime Sevilla, διευθυντής της Epoch AI, ενός μη κερδοσκοπικού οργανισμού που ερευνά την πορεία της τεχνητής νοημοσύνης: «Έχουμε εντοπίσει μια συνταγή για πιο ικανή και γενική τεχνητή νοημοσύνη», λέει. «Σύντομα περιμένουμε να είναι σε θέση να λύνει προηγμένα μαθηματικά προβλήματα και να εκτελεί έργα προγραμματισμού που διαρκούν ώρες. Γιατί αναμένουμε αυτές τις σταδιακές εξελίξεις; Μεταξύ του 2012 και του 2024, έχουμε προχωρήσει στην εκπαίδευση μοντέλων με 100 εκατομμύρια φορές περισσότερους υπολογισμούς. Μέχρι το 2030, περιμένω να εκπαιδευτούν μοντέλα 10.000 φορές μεγαλύτερα, ένα άλμα παρόμοιο με αυτό μεταξύ του GPT-2 και του GPT-4».
Νέοι ορίζοντες
Ένας λόγος για τον τεράστιο ενθουσιασμό για την ΤΝ είναι η πανταχού παρουσία της. Δεν έχει σημασία με ποιον μιλάτε, είτε πρόκειται για τραπεζίτες, είτε για δημοσιογράφους, είτε για σχεδιαστές, είτε για προγραμματιστές, είτε για ποδοσφαιρικούς αναλυτές. Όλοι χρησιμοποιούν την τεχνητή νοημοσύνη. Ένας λόγος είναι ότι η ΤΝ είναι χρήσιμη σε όλους μας, επειδή η γλώσσα είναι καθολική. Υπάρχει όμως και μια άλλη εξήγηση που είναι επίσης υπερβατική: έχουμε να κάνουμε με μια τεχνολογία -μια αλγοριθμική αρχιτεκτονική με τη μορφή ενός γιγαντιαίου δικτύου που μαθαίνει από μαζικά δεδομένα- η οποία έχει αποδειχθεί ικανή να αποκρυπτογραφήσει τα μοτίβα πολύ διαφορετικών φαινομένων. Ακριβώς όπως το ChatGPT χειρίζεται το κείμενο, άλλες ΤΝ μπορούν να πλοηγηθούν σε πρωτεΐνες, εικόνες, γονιδιώματα και μετεωρολογικά δεδομένα.
Ένα μοντέλο τεχνητής νοημοσύνης από το Ευρωπαϊκό Κέντρο Μετεωρολογίας (ECMWF) προέβλεψε την πορεία του τυφώνα Μίλτον με περιθώριο σφάλματος μόλις 12 χιλιομέτρων, ξεπερνώντας τα καθιερωμένα μοντέλα που έχουν αναπτυχθεί επί δεκαετίες. Το κέντρο εκπαιδεύει ήδη ένα μεγαλύτερο μοντέλο «για να αυξήσει την ανάλυση του». Το πιο διάσημο παράδειγμα είναι η τεχνητή νοημοσύνη AlphaFold, η οποία χάρισε στον Ντέμη Χασάμπη και τον Τζον Τζάμπερ το βραβείο Νόμπελ Χημείας για την πρόβλεψη της δομής 200 εκατομμυρίων πρωτεϊνών. Ένα έργο που προηγουμένως απαιτούσε χρόνια και 100.000 δολάρια για κάθε πρωτεΐνη. Η βάση δεδομένων χρησιμοποιείται από εκατομμύρια ανθρώπους και υπόσχεται να επιταχύνει την ικανότητά μας να αναπτύσσουμε φάρμακα.
«Πρόοδος είναι κυρίως αυτό που δεν συμβαίνει. Είναι ένας 92χρονος που δεν πέθανε σήμερα, ένα παιδί που δεν έπεσε θύμα ληστείας στο δρόμο για το σχολείο, ένα 12χρονο κορίτσι που δεν παντρεύτηκε έναν άνδρα 30 ετών».
Kevin Kelly, ιδρυτής του περιοδικού Wired
Όσον αφορά τη γενετική, το Evo, ένας άλλος μηχανισμός τεχνητής νοημοσύνης που εκπαιδεύτηκε σε εκατομμύρια βακτηριακά γονιδιώματα, προβλέπει τα αποτελέσματα των αλλαγών στο DNA και σχεδιάζει λειτουργικά συστήματα για την τεχνική επεξεργασίας γονιδίων. Η βιολογία των οργανισμών είναι εξωφρενικά πολύπλοκη και θα αντισταθεί στην αποκρυπτογράφηση, αλλά κάθε σημαντική ανακάλυψη όσον αφορά την πρόβλεψη μπορεί να ανοίξει δρόμους που προκαλούν το μυαλό. Μιλάμε για εργαλεία που ήδη λειτουργούν. Ένας ερευνητής του ΜΙΤ μελέτησε την υιοθέτηση ενός εργαλείου τεχνητής νοημοσύνης σε ένα μεγάλο εργαστήριο Q&Α. Αποτέλεσμα: οι τεχνικοί με πρόσβαση στην ΤΝ ανακαλύπτουν 44% περισσότερα υλικά και καταθέτουν 39% περισσότερες πατέντες. Αυτά τα μοντέλα ΤΝ δεν θα γίνουν αντιληπτά με τον ίδιο τρόπο που γίνονται τα chatbots, επειδή δεν αλληλεπιδρούμε μαζί τους, αλλά ο αντίκτυπός τους θα είναι βαθύς: μοντελοποιούν πολύπλοκα συστήματα. Δεν μιλάμε πλέον μόνο για επεξεργασία δεδομένων ή αυτοματοποίηση εργασιών, αλλά για αποκρυπτογράφηση βαθιών προτύπων σε τομείς τόσο διαφορετικούς όσο η βιολογία, η μετεωρολογία και η χημεία. Από πρωτεΐνες που παίρνουν τρισδιάστατα σχήματα μέχρι γενετικές μεταλλάξεις, τροχιές τυφώνων ή λέξεις που σχηματίζουν σκέψεις, αυτά τα δίκτυα απορροφούν τεράστια δεδομένα και βρίσκουν περίπλοκα μοτίβα. Κατά συνέπεια, η τεχνητή νοημοσύνη βρίσκεται σε καλό δρόμο για να προβλέψει φαινόμενα που μέχρι σήμερα διέφευγαν από την επιστήμη.
Αποτελεσματικός τρόπος χρήσης
Τέλος, η ΤΝ θα μπορούσε να μας βοηθήσει να κατανοήσουμε τον εαυτό μας. Είναι το πρώτο τεχνητό μέσο ικανό να αναπαράγει ορισμένες από τις δεξιότητες που χαρακτηρίζουν τον άνθρωπο, όπως η συλλογιστική και ο χειρισμός της γλώσσας. Είναι επίσης σημαντικό το γεγονός ότι η ΤΝ είναι προϊόν αυτόματης μάθησης και ότι οι ικανότητές της έχουν προκύψει από αυτή την αυτόνομη διαδικασία, χωρίς εμείς να έχουμε σχεδιάσει κάθε βήμα.
Όσον αφορά γλωσσικά μοντέλα όπως το ChatGPT, το εκπληκτικό είναι ότι κανείς δεν είναι σίγουρος γιατί αυτά τα συστήματα που προβλέπουν μόνο tokens [κομμάτια λέξεων] οδηγούν σε «AI με φαινομενικά εξαιρετικές ικανότητες», ικανά να κατανοούν εντολές και να λύνουν δημιουργικά προβλήματα. Αυτό μπορεί να υποδηλώνει ότι η γλώσσα και τα μοτίβα σκέψης πίσω από αυτήν είναι απλούστερα και πιο μηχανικά από ό,τι νομίζαμε και ότι τα LLM έχουν ανακαλύψει κάποιες βαθιές, κρυμμένες αλήθειες γι’ αυτά, αλλά οι απαντήσεις είναι ακόμη ασαφείς. Μπορούμε να μάθουμε από τη γεννητική ΤΝ, επειδή μας έχει εκπλήξει. Είναι εξαιρετική στην πληκτρολόγηση, την ανάλυση, τον προγραμματισμό και την κουβέντα, τα οποία είναι όλα «έντονα ανθρώπινα» έργα, και όμως δυσκολεύεται με έργα στα οποία οι μηχανές παραδοσιακά υπερείχαν, όπως η επανάληψη μιας διαδικασίας ή η πραγματοποίηση υπολογισμών. Δεν ενεργεί όπως το παραδοσιακό λογισμικό, ενεργεί όπως ένας άνθρωπος. Αυτός είναι ο λόγος για τον οποίο ίσως πρέπει να αλληλεπιδρούμε με την τεχνητή νοημοσύνη σαν να ήταν άνθρωπος. Δεν υπονοώ ότι αυτά τα συστήματα τεχνητής νοημοσύνης έχουν συνείδηση όπως οι άνθρωποι ή ότι πρόκειται ποτέ να έχουν συνείδηση όπως οι άνθρωποι. Αλλά είναι τουλάχιστον ενδιαφέρον το γεγονός ότι ο πιο αποτελεσματικός τρόπος χρήσης ενός αλγορίθμου είναι να αλληλεπιδράσουμε μαζί του προσποιούμενοι ότι είναι άνθρωπος.
Γιατί δεν είμαστε πιο αισιόδοξοι;
Καθώς έφτανα στο τέλος αυτού του άρθρου, σκεφτόμουν: γιατί είναι τόσο δύσκολο να φανταστούμε ένα καλύτερο μέλλον; Η πρόκληση δεν βρίσκεται μόνο στη λέξη «μέλλον», η οποία είναι πάντα αβέβαιη, αλλά και στη λέξη «καλύτερο». Και είναι δύσκολο να γίνει ορατή η πρόοδος που έχει ήδη συντελεστεί. Όπως δήλωσε ο Kevin Kelly, ιδρυτής του περιοδικού Wired: «Πρόοδος είναι κυρίως αυτό που δεν συμβαίνει. Είναι ένας 92χρονος που δεν πέθανε σήμερα, ένα παιδί που δεν έπεσε θύμα ληστείας στο δρόμο για το σχολείο, ένα 12χρονο κορίτσι που δεν παντρεύτηκε έναν άνδρα 30 ετών».
Για να πετύχουμε περισσότερες από αυτές τις αόρατες νίκες, η τεχνολογία είναι απαραίτητη: διαχωρίζει το μέλλον από το παρελθόν. Αυτός είναι ο λόγος για τον οποίο είναι αδύνατο να σκεφτούμε σοβαρά για τη βελτίωση του κόσμου χωρίς να προβληματιστούμε σχετικά με τη νέα τεχνολογία, όπως η τεχνητή νοημοσύνη. Δεν αρκεί να αποφεύγουμε τους κινδύνους της και να ελπίζουμε ότι οι καλές χρήσεις θα έρθουν από μόνες τους, σαν από αόρατο χέρι. Αν θέλουμε να διαμορφώσουμε το μέλλον, πρέπει να σκεφτούμε με περιέργεια και με αισιοδοξία για την τεχνολογία που θέλουμε στη ζωή μας.
