Του Άγη Βερούτη

Εδώ και 7 χρόνια, η πρόοδος στον τομέα της Τεχνητής Νοημοσύνης είναι μετεωρική. Μετά το γνωστό paper στο Arxiv των επιστημόνων της Google "Attention is All You Need” το 2017, είδαμε μια έκρηξη καινοτομίας, εφευρέσεων και εφαρμογών που η συχνότητα και ο όγκος τους είναι πρωτόγνωρος στον ανθρώπινο πολιτισμό.

"Και λοιπόν;” θα πουν κάποιοι, ενώ άλλοι θα προμηνύουν της απώλεια του ελέγχου από τους ανθρώπους στις έξυπνες μηχανές, το τέλος της εργασίας όπως την ξέρουμε, τη σταδιακή αντικατάσταση των ανθρώπων από τεχνητές νοημοσύνες, και την κοινωνική μηχανική μείωσης του πληθυσμού των ανθρώπων ως την εξαφάνισή τους.

Όλα τα παραπάνω μοιάζουν πολύ ενδιαφέροντα σενάρια για έργα επιστημονικής φαντασίας, αλλά βλέποντας την αρχιτεκτονική, το τί παράγουν ως output και πόσο υψηλές είναι οι ενεργειακές ανάγκες των μηχανών Τεχνητής Νοημοσύνης, βασικές γνώσεις φυσικής αποκλείουν τόσο τα υπεραισιόδοξα σενάρια όπου η ανθρωπότητα θα πάει διακοπές από τώρα και στο εξής και όλη τη δουλειά θα κάνουν τεχνητές νοημοσύνες και ρομπότ, όσο και υπεραπαισιόδοξα σενάρια τύπου Τερμινέιτορ. 

Όσον αφορά στην εκθετική άνοδο των χρηματιστηριακών αξιών του κλειστού κλαμπ των τεράστιων εταιρειών που επιδίδονται στην εξέλιξη της ΤΝ, η άνοδος αυτή φαίνεται να οφείλεται σε μια αλληλοτροφοδότηση των πωλήσεων ανάμεσα στις εταιρείες αυτές, και μοιάζει ότι θα συνεχίζεται όσο τα κέρδη τους τα επενδύουν η μία στην άλλη. Ώσπου μια να κάνει πίσω. 

Πέραν αυτού, τα σημερινά νευρωνικά δίκτυα, πλησιάζουν στα όρια της σχετικά απλής αρχιτεκτονικής τους, που βασίζεται στην ενσωμάτωση μοτίβων μετά από την "εκπαίδευση" τους σε τεράστιους πραγματικά όγκους πληροφοριών που αποτελούν σχεδόν το σύνολο των data που διαθέτει η ανθρωπότητα.  

Παρόλα αυτά, και παρά το γεγονός ότι τα βασικά συστατικά των ΤΝ είναι περίπου κατασταλαγμένα σήμερα, οι εφαρμογές στην καθημερινότητα που αυτά προσφέρουν πολλαπλασιάζονται συνέχεια, καθώς υπάρχουν απεριόριστοι τρόποι να τα συνδυάζει κάποιος ώστε να προσφέρουν καινούργια χρησιμότητα σε κάθε νέο τομέα που εφαρμόζονται. 

Επίσης είναι σίγουρο ότι διαδικασίες απλές και σταθερές, δηλαδή ρουτίνας, είναι πολύ πιο πιθανόν να διευκολυνθούν από την εφαρμογή της τεχνητής νοημοσύνης. 

Όμως η προτροπή προς τους νέους, από τους CEOs αυτών των εταιρειών που είναι στο χώρο, να πάψουν να σπουδάζουν και να πάνε να μάθουν υδραυλικά και ηλεκτρολογικά είπε ο μάλλον η ευγενής προσδοκία τους να δημιουργήσουν ένα μονοπώλιο γνώσης για τον εαυτό τους, το οποίο μετά θα χρησιμοποιήσουν για να εκμεταλλευθούν το σύνολο της ανθρωπότητας, εάν και εφόσον οι άνθρωποι θα πάψουν να έχουν επιστημονική γνώση. Μάλλον υπερβολικά βολικό για επίδοξους γεω-ολιγάρχες και πολύ υποβιβαστικό για όλο τον υπόλοιπο κόσμο. Βασικά λένε βλακείες, και το ξέρουν. 

Πιθανόν όσοι τους πιστέψουν είναι νέοι άνθρωποι που έτσι κι αλλιώς δεν θα επέλεγαν να σπουδάσουν μια επιστήμη, και ακόμα πιο πιθανόν οι υποσχέσεις που δίνουν για το τί έρχεται στο μέλλον εμπεριέχει μεγάλη δόση μάρκετινγκ για πράγματα που δεν έχουν ιδέα πως θα μπορέσουν να φτιαχτούν μελλοντικά, και πιθανότατα δεν θα φτιαχτούν για πάρα-πάρα πολύ καιρό, αν φτιαχτούν ποτέ. 

Η χρησιμότητα όμως της τεχνητής νοημοσύνης ως εργαλείο πολλαπλασιασμού της παραγωγικότητας της εργασίας όσων τη χρησιμοποιούν σωστά, είναι δεδομένη. 

Πέραν από κάποιες συγκεκριμένες δουλειές, με πολύ στενά ελεγχόμενες διαδικασίες, είναι απίθανο η τεχνητή νοημοσύνη στην τωρινή της μορφή να υποκαταστήσει τους ανθρώπους, αν οι άνθρωποι θέλουν να συνεχίσουν να δουλεύουν.

Είναι βέβαιο επίσης ότι θα ανακαλυφθούν νέες μέθοδοι και νέα μοντέλα που θα προσφέρουν τεχνητή νοημοσύνη καλύτερη από αυτό που έχουμε σήμερα. Και όταν αυτό συμβεί θα έχουμε ακόμη πιο αποτελεσματικούς τρόπους να αυξήσουμε την παραγωγικότητα των ανθρώπων, και να βελτιώσουμε τις συνθήκες της δουλειάς τους. Όμως όσες δουλειές κινδυνεύουν, δεν κινδυνεύουν από την τεχνητή νοημοσύνη καθεαυτή αλλά από εκείνους που με τη χρήση τους εκτοξεύουν την παραγωγικότητά τους, συγκριτικά με εκείνους που δεν αξιοποιούν τα εργαλεία αυτά, και η παραγωγικότητά τους παραμένει στατική.

Εν ολίγοις, τα θεμελιώδη επιστημονικά δεδομένα της τεχνητής νοημοσύνης είναι σε φάση βελτιστοποίησης, και θα συνεχίσουν να βελτιώνονται γραμμικά. Ώσπου να ανακαλυφθεί κάποια νέα αρχιτεκτονική νευρωνικών δικτύων, και τρόπος να εκπαιδεύονται αυτά αποτελεσματικά χωρίς να είναι ανάγκη να περάσει από μέσα τους ολόκληρη η ανθρώπινη γνώση.

Αυτό δεν σημαίνει ότι δεν μπορούμε να θερίζουμε όλο και περισσότερα οφέλη από αυτήν, βελτιώνοντας όλο και περισσότερους τομείς της ανθρώπινης δραστηριότητας.

Όσο για το να μην σπουδάζουν τα νέα παιδιά, αυτό είναι μια ευγενής και απατηλή προσδοκία όσων νομίζουν ότι μπορεί να δημιουργήσουν μονοπώλιο στη γνώση για δικό τους όφελος.

Ελπίζω μόνο μην πάρουν στο λαιμό τους νέα παιδιά που σκέφτονται σήμερα τί θέλουν να σπουδάσουν.

agissilaos@gmail.com