Η τεχνητή νοημοσύνη μπαίνει τα τελευταία χρόνια με τρόπο καταιγιστικό στη ζωή μας. Μπαίνει στη ζωή όλων των ανθρώπων. Ανεξάρτητα από φύλο ή φυλή, ανεξάρτητα από ηλικία, ανεξάρτητα από πεποιθήσεις και κυρίως ανεξάρτητα από το αν γίνεται συνειδητά χρήση της ή όχι. Η επιρροή της στην καθημερινότητα δισεκατομμυρίων πολιτών σε όλο τον κόσμο είναι πλέον δεδομένη. Και σε εκείνων που έχουν γνώση για το τι ακριβώς είναι, αλλά και εκείνων που την αγνοούν ή πιστεύουν ότι δεν τους αφορά.
Τι είναι όμως η τεχνητή νοημοσύνη; Είμαι άλλο ένα ανθρώπινο τεχνούργημα που θα παρέλθει ως “μόδα”; Είναι μια επαναστατική ανακάλυψη που θα αλλάξει τη ζωή πάνω στον πλανήτη; Και τελικά ποια είναι τα όρια των δυνατοτήτων της;
Με την ακριβή έννοια του όρου, η τεχνητή νοημοσύνη είναι η υπολογιστική μηχανή που μπορεί να μαθαίνει και να σκέφτεται αυτόνομα όπως ο άνθρωπος και όχι να εκτελεί απλώς προγραμματισμένες εκ των προτέρων εντολές.
Ας ξεκινήσουμε όμως από την αρχή. Η ιδέα της γέννησής της είναι αρκετά παλιά. Από το 1950 ο Άλαν Τιούρινγκ, Βρετανός μαθηματικός και πρωτοπόρος θεωρητικός των υπολογιστικών συστημάτων, έθεσε το ερώτημα: «Μπορούν οι μηχανές να σκέφτονται;» και προτείνει το περίφημο Τεστ Τιούρινγκ, μια μέθοδο για να κριθεί αν μια μηχανή έχει ευφυΐα.
Το 1956 και ενώ ο Τιούρινγκ δε βρίσκεται πια στη ζωή, γίνεται στο κολέγιο του Ντάρτμουθ στο Νιου Χαμσάιρ των ΗΠΑ το συνέδριο που παρέμεινε γνωστό με το όνομα του κολεγίου ως “Συνέδριο Ντάρτμουθ”. Σκοπός του συνεδρίου ήταν να διερευνηθεί η ιδέα ότι κάθε πτυχή της ανθρώπινης μάθησης ή ευφυΐας μπορεί να περιγραφεί με τόση ακρίβεια, ώστε να προσομοιωθεί από μια μηχανή.
Στο συνέδριο, που θεωρείται η “γέννηση” της AI, καθιερώνεται επίσημα ο όρος «Τεχνητή Νοημοσύνη» - Artificial Intelligence από τον Αμερικανό καθηγητή Μαθηματικών και Υπολογιστών Τζον Μακάρθι. Εκεί διατυπώνεται η αισιόδοξη πεποίθηση ότι μέσα σε λίγα χρόνια οι μηχανές θα μπορούσαν να μιμούνται την ανθρώπινη σκέψη.
Η τεχνητή νοημοσύνη δεν είναι το μέλλον... Είναι ο καθρέφτης του τώρα και η προβολή τού ποιοι μπορούμε να γίνουμε
Τις δεκαετίες του 1960 και του 1970 εμφανίζονται τα πρώιμα συστήματα AI. Αναπτύσσονται τα πρώτα συστήματα ειδικού σκοπού, όπως το ELIZA, που προσομοίωσε έναν ψυχοθεραπευτή. Το PARRY, που ήταν εξέλιξη του ELIZA πάνω στο ίδιο αντικείμενο. Το DENDRAL, που ανέλυε μοριακές δομές. Το MYCIN, το πρώτο που μπορούσε να διαγνώσει ασθένειες και να προτείνει θεραπείες, αλλά δε βρήκε ποτέ κλινική εφαρμογή. Και τέλος το SHRDLU, που ήταν η πρώτη προσπάθεια γλωσσικής κατανόησης από τη μηχανή και της διάδρασης με τον άνθρωπο. Όλα τα παραπάνω ήταν απλά, αλλά πρωτοποριακά για την εποχή. Αναπτύχθηκαν στις ΗΠΑ και τη Μεγάλη Βρετανία από πανεπιστήμια ή ανεξάρτητους ερευνητές.
Τη δεκαετία του 1980, η ανάπτυξη της τεχνολογίας κανόνων στον προγραμματισμό επανέφερε το ενδιαφέρον στην AI. Η τεχνητή νοημοσύνη πλέον προγραμματίζεται να λαμβάνει αποφάσεις με βάση κάποιους κανόνες της γενικής μορφής «Αν συμβαίνει αυτό... τότε κάνε εκείνο...».
Έτσι εμφανίζονται και πρώτα εμπορικά συστήματα σε Ιατρική, χρηματοοικονομικά, κ.ά.
Το 1997 καταγράφεται η πρώτη νίκη της μηχανής εναντίον ανθρώπου. Ο υπολογιστής Deep Blue της IBM νικά τον παγκόσμιο πρωταθλητή στο σκάκι, Γκάρι Κασπάροφ, σηματοδοτώντας την πρώτη μεγάλη νίκη της AI απέναντι σε έναν άνθρωπο.
Τη δεκαετία του 2010 συμβαίνει η καταιγιστική εξέλιξη με “μηχανική μάθηση” (machine learning) και τη “βαθιά μάθηση” (deep learning).
Τι σημαίνουν οι παραπάνω όροι: Μηχανική μάθηση είναι ο κλάδος της τεχνητής νοημοσύνης όπου τα συστήματα “μαθαίνουν” από δεδομένα χωρίς να προγραμματίζονται ρητά για κάθε ενέργεια.
Δηλαδή, προσφέρουμε στο σύστημα πολλά παραδείγματα και εκείνο αναγνωρίζει μοτίβα και προβλέπει αποτελέσματα.
Για παράδειγμα, δίνουμε σε ένα πρόγραμμα χιλιάδες φωτογραφίες σκύλων και γατών με λεζάντα (“σκύλος”, “γάτα”). Το σύστημα “μαθαίνει” τα χαρακτηριστικά τους και μετά μπορεί να προβλέψει αν μια νέα εικόνα είναι σκύλος ή γάτα.
Γίνεται κατανοητό ότι οι λειτουργίες της μηχανικής μάθησης αντιστοιχούν στις απλές νοητικές λειτουργίες ενός ανθρώπινου εγκεφάλου νηπιακής ηλικίας.
Για τις πιο σύνθετες λειτουργίες χρησιμοποιείται η βαθιά μάθηση είναι υποκατηγορία του machine learning, που χρησιμοποιεί τεχνητά νευρωνικά δίκτυα με πολλές “στρώσεις” εμπνευσμένα από τον ανθρώπινο εγκέφαλο.
Χρησιμοποιείται για πιο πολύπλοκα προβλήματα, όπως αναγνώριση φωνής, εικόνας και γλώσσας.
Η βαθιά μάθηση μπορεί να “καταλάβει” μόνη της ποια χαρακτηριστικά είναι σημαντικά, χωρίς να της τα δώσει ο άνθρωπος.
Η λειτουργία της βαθιάς μάθησης φτάνει τα όρια των νοητικών ικανοτήτων του πλήρως ανεπτυγμένου ανθρώπινου εγκεφάλου.
Στην προηγούμενη δεκαετία λοιπόν, χάρη στις παραπάνω ανακαλύψεις, αναπτύσσονται τα νευρωνικά δίκτυα και εφαρμογές βαθιάς μάθησης. Η Google, η Meta και άλλοι κάνουν μεγάλα άλματα.
Στις αρχές της δεκαετίας που διανύουμε εμφανίζεται γενική τεχνητή νοημοσύνη (Generative AI). Η εμφάνιση μοντέλων όπως το GPT (Generative Pre-trained Transformer ή Δημιουργικός Προεκπαιδευμένος Μετατροπέας) φέρνει AI που έχει προεκπαιδευτεί να δημιουργεί περιεχόμενο και να μετατρέπει δεδομένα, δηλαδή να μπορεί να γράφει κείμενα, κώδικα, ποίηση, να συνομιλεί, να δημιουργεί εικόνες, κ.ά.
Αυτό είναι το αποτέλεσμα της έκρηξης στην εξέλιξη των συστημάτων τεχνητής νοημοσύνης που ζούμε σήμερα.
Γιατί συνέβη τώρα η “έκρηξη”
Ένα από τα ερωτήματα που διατυπώνονται είναι: «Πώς προέκυψε ξαφνικά αυτή η τεράστια εξέλιξη;» αλλά και άλλα που δηλώνουν μια συνωμοσιολογική υποψία για μια μεγάλη ανακάλυψη.
Η απάντηση είναι απλή και κατανοητή με βάση τα επιστημονικά δεδομένα που επέτρεψαν την εμφάνιση αυτής της τεχνολογίας.
Η τεχνολογία της τεχνητής νοημοσύνης βασίζεται σε τρία βασικά στοιχεία: την υπολογιστική ισχύ, την ταχύτητα προσπέλασης του διαδικτύου και τον όγκο των ψηφιακών δεδομένων.
Όλοι λίγο-πολύ γνωρίζουμε την εξέλιξη των παραγόντων στους οποίους στηρίζεται το νέο δημιούργημα.
Η υπολογιστική ισχύς που σήμερα όλοι κρατάμε στην παλάμη μας πριν από κάμποσα χρόνια μπορούσε να παραχθεί από συσκευές που χωρούσαν μετά βίας σε ένα... δωμάτιο.
Για να γίνει καλύτερα κατανοητή η εξέλιξη της υπολογιστικής ισχύος, ένα μεσαίας δυνατότητας κινητό τηλέφωνο (smartphone) σήμερα έχει 100 εκατομμύρια φορές περισσότερη υπολογιστική ισχύ από τον υπολογιστή AGC που πέταξε το “Apollo 11” στη Σελήνη.
Αυτό συνέβη μέσω της εξέλιξης των επεξεργαστών (CPUs) και κυρίως των GPU (γραφικές κάρτες), που αρχικά σχεδιάστηκαν για παιχνίδια, αποδείχτηκαν ιδανικοί για εκπαίδευση νευρωνικών δικτύων.
Εκτός των παραπάνω, σήμερα χρησιμοποιήθηκαν και TPU (Tensor Processing Units), φτιαγμένοι ειδικά για AI, οι οποίοι με μικρή κατανάλωση ισχύος εκτελούν εξαιρετικά πολλές ταυτόχρονες μαθηματικές πράξεις.
Όσον αφορά στην ταχύτητα προσπέλασης του διαδικτύου, σήμερα είναι μεγαλύτερη τρεις, πέντε ή ακόμα και δέκα φορές από την ταχύτητα προσπέλασης των εσωτερικών σκληρών δίσκων αποθήκευσης που είχαμε στους οικιακούς ή επαγγελματικούς ηλεκτρονικούς υπολογιστές πριν από 15 χρόνια.
Δεν πρέπει να ξεχνάμε ότι η διάδοση του 5G και της οπτικής ίνας έφερε τα μοντέλα στην τσέπη μας (ChatGPT app, φωνητικοί βοηθοί κ.λπ.).
Τέλος, τα προσβάσιμα για την τεχνητή νοημοσύνη ψηφιακά δεδομένα, δηλαδή δημόσια διαθέσιμες ιστοσελίδες, κείμενα, άρθρα, βιβλία και δεδομένα που μπορούν να συλλεχθούν, αναλυθούν και χρησιμοποιηθούν για εκπαίδευση μοντέλων AI έχουν αυξηθεί κατά 3.000 φορές το 2025 σε σχέση με το 2005.
Σήμερα, ο ετήσιος ρυθμός αύξησης των δεδομένων στο διαδίκτυο είναι 45%. Αυτό σημαίνει ότι η διαθέσιμη πληροφορία για την τεχνητή νοημοσύνη διπλασιάζεται κάθε δύο χρόνια με τον τρέχοντα ρυθμό. Αυτή η αύξηση δικαιολογεί σε μεγάλο βαθμό και την έκρηξη στην απόδοση των συστημάτων ΑΙ.
Δευτερευόντως βοήθεια στην εξέλιξη της τεχνητής νοημοσύνης προσέφεραν πανεπιστήμια και γενικότερα η επιστημονική κοινότητα, η άνοδος του ανοιχτού κώδικα τεχνητής νοημοσύνης και η εμφάνιση του cloud computing με υψηλές προδιαγραφές στην πρόσβαση και τη διατήρηση της πληροφορίας.
Όλοι οι παραπάνω είναι και οι παράγοντες που θα καθορίσουν πόσο “μακριά” θα φτάσει η τεχνητή νοημοσύνη. Δηλαδή η πληροφορία που είναι και το “καύσιμό” της, αλλά και οι υποδομές και το λογισμικό που θα αποτελέσουν τα δομικά της στοιχεία.
Το αύριο της τεχνητής νοημοσύνης
Καθώς η τεχνητή νοημοσύνη εξελίσσεται με εκρηκτικούς ρυθμούς, το ερώτημα που τίθεται πλέον δεν είναι αν θα αλλάξει τον κόσμο μας, αλλά πώς θα το κάνει. Τα επόμενα χρόνια αναμένονται καθοριστικά - όχι μόνο για την τεχνολογία, αλλά και για την κοινωνία, την ηθική και την καθημερινή μας ζωή.
Από την εξειδίκευση... στη γενική νοημοσύνη
Η σημερινή AI είναι ισχυρή αλλά περιορισμένη: Μπορεί να γράψει, να συνομιλήσει, να βοηθήσει. Όμως δε σκέφτεται με τον τρόπο που σκέφτεται ένας άνθρωπος. Ο στόχος της Γενικής Τεχνητής Νοημοσύνης (Artificial General Intelligence) είναι η δημιουργία συστημάτων που μπορούν να εκτελούν οποιαδήποτε νοητική εργασία - να μαθαίνουν, να προσαρμόζονται και να λύνουν προβλήματα σε νέα περιβάλλοντα.
Κάποτε αυτό ακουγόταν επιστημονική φαντασία. Σήμερα, αποτελεί ρεαλιστικό ορίζοντα - ίσως μέσα στις επόμενες δεκαετίες.
Συναισθηματική νοημοσύνη;
Το επόμενο βήμα δεν είναι μόνο πιο “έξυπνη” AI, αλλά και πιο συναισθηματικά ευαίσθητη. Τα μελλοντικά συστήματα θα μπορούν να ανιχνεύουν συναισθήματα, να αντιλαμβάνονται τόνους φωνής ή να προσαρμόζουν τις απαντήσεις τους με ενσυναίσθηση.
Αυτό μπορεί να φέρει ριζικές αλλαγές στην ψυχολογική υποστήριξη, την εκπαίδευση ή ακόμα και τη φροντίδα ευάλωτων ομάδων. Όμως, παράλληλα, ανοίγει και η συζήτηση για τα όρια της τεχνητής σχέσης: Μπορεί ένα σύστημα να “νοιάζεται”; Και αν όχι, πρέπει να προσποιείται ότι το κάνει;
Από τη συνύπαρξη στη συνεργασία
Πολλοί φοβούνται ότι η AI θα αντικαταστήσει τον άνθρωπο. Άλλοι βλέπουν το μέλλον ως συνεργασία: O άνθρωπος προσφέρει όραμα, κρίση και δημιουργικότητα· η μηχανή, ταχύτητα, εύρος και ακρίβεια.
Στην επιστήμη, στη συγγραφή, στην Τέχνη ή στην Ιατρική, η AI μπορεί να εξελιχθεί σε συνεργάτη σκέψης. Ίσως ο πραγματικός στόχος δεν είναι “έξυπνες μηχανές”, αλλά ενισχυμένοι άνθρωποι.
Για παράδειγμα: Φανταστείτε έναν γιατρό σε ένα απομακρυσμένο νησί. Δεν έχει κοντά του συναδέλφους, ούτε βιβλιοθήκη, ούτε διαγνωστικά μηχανήματα τελευταίας τεχνολογίας. Αλλά έχει δίπλα του έναν AI βοηθό: Έναν συνεργάτη που μπορεί να τον καθοδηγήσει, να του θυμίσει σπάνια περιστατικά, να τον βοηθήσει να σώσει μια ζωή.
Αυτή δεν είναι εικόνα του 2100. Είναι πιθανό σενάριο της επόμενης πενταετίας.
Ηθική, ρύθμιση και ευθύνη
Όσο η τεχνητή νοημοσύνη γίνεται ισχυρότερη, τόσο πιο κρίσιμη γίνεται η ερώτηση: «Ποιος τη ρυθμίζει;». Πώς διασφαλίζουμε ότι η AI δεν αναπαράγει μεροληψίες, δεν παραβιάζει την ιδιωτικότητα, δε χειραγωγεί την πληροφορία;
Η ανάγκη για διαφανή, δίκαια και υπεύθυνα συστήματα είναι πιο επιτακτική από ποτέ. Ηθικά και νομικά πλαίσια δεν είναι εμπόδιο στην πρόοδο - είναι οι ράγες που τη διατηρούν ασφαλή.
Η εκπαίδευση ενός μεγάλου μοντέλου (GPT) χρειάζεται χιλιάδες GPU επί μήνες, κόστος: δεκάδες εκατομμύρια δολάρια. Θα πρέπει λοιπόν να διασφαλίσουμε ότι ως εμπορικό προϊόν δε θα γίνεται εργαλείο εκμετάλλευσης, με όποιους κινδύνους συνεπάγεται αυτό.
AI και δημιουργικότητα: μια νέα σχέση φαντασίας
Ήδη σήμερα, η AI συνθέτει μουσική, γράφει ποίηση, δημιουργεί εικόνες, βοηθά σε σενάρια και σχεδιάζει. Στο μέλλον, ο ρόλος της στη δημιουργική διαδικασία θα είναι ακόμη πιο κεντρικός.
Θα γράφουμε βιβλία... μαζί με AI. Θα συνθέτουμε τραγούδια με “έξυπνους” συνθέτες. Θα γεννιούνται έργα τέχνης από την αλληλεπίδραση ανθρώπινου συναισθήματος και μηχανικής φαντασίας.
Ένα μέλλον υπό διαμόρφωση
Το μέλλον της τεχνητής νοημοσύνης δεν είναι μονόδρομος. Είναι ανοιχτό, ρευστό, γεμάτο πιθανότητες. Η κατεύθυνση που θα πάρει εξαρτάται από τις ηθικές μας επιλογές, τη συλλογική μας σοφία και τη δύναμη της πρόθεσης.
Η τεχνητή νοημοσύνη ίσως γίνει ό,τι της επιτρέψουμε να γίνει: εργαλείο, σύμμαχος ή αντανάκλαση του καλύτερου εαυτού μας.
Ο φόβος ότι η τεχνητή νοημοσύνη θα ξεπεράσει τον άνθρωπο και θα στραφεί εναντίον του θυμίζει τον τρόμο μπροστά στη δική μας δημιουργία.
Όπως η ανακάλυψη της φωτιάς χάρισε φως αλλά και καταστροφή, έτσι και η AI μπορεί να θερμάνει ή να κάψει τον κόσμο μας.
Στον μύθο του Προμηθέα, ο άνθρωπος παίρνει τη φωτιά από τους θεούς - μια πράξη που του δίνει δύναμη, αλλά και μια αιώνια ποινή.
Ίσως κι εμείς με τη δημιουργία νοημοσύνης κλέβουμε κάτι “θεϊκό”, το ερώτημα είναι αν θα το χρησιμοποιήσουμε με σοφία ή με ύβρη.
