Του Κωνσταντίνου Γκαμπή,
H τεχνητή νοημοσύνη είναι ίσως από τις σημαντικότερες πλευρές της λεγόμενης 4ης Βιομηχανικής Επανάστασης, η οποία έχει ήδη ξεκινήσει και η εξέλιξή της προχωρεί με ολοένα και αυξανόμενους ρυθμούς. Η Τ.Ν. χρησιμοποιείται τόσο από απλούς χρήστες όσο και από μεγάλες εταιρείες. Οι δυνατότητες και οι εφαρμογές της, όμως, περιορίζονται από την υπολογιστική ισχύ, η οποία δεν μπορεί να υποστηρίξει πολλές φορές έναν τέτοιον αλγόριθμο. Αυτό, όμως, προορίζεται να αλλάξει στο κοντινό μέλλον.
Πλέον, η ισχύς των υπολογιστών έχει αρχίσει και επιτρέπει την ανάπτυξη των λεγόμενων “Foundational Models” ή “Large machine learning Models”, δηλαδή μηχανές οι οποίες μπορούν να αυτοδιδαχτούν, αν «ταϊστούν» τεράστιες ποσότητες δεδομένων. Αυτό δεν είναι κάτι καινούργιο. Το εκπληκτικό σε αυτό είναι ότι η διαδικασία μάθησης γίνεται χωρίς καμία ανθρώπινη παρέμβαση. Το μόνο που χρειάζεται είναι να της δώσει κανείς τα δεδομένα και να την αφήσει να τα επεξεργαστεί.
Για παράδειγμα, ένας αρθρογράφος θα μπορούσε να «ταΐσει» τη μηχανή τα άρθρα του (όσα περισσότερα τόσο το καλύτερο) και να περιμένει να κάνει διάφορες δοκιμές με αυτά μερικές τρισεκατομμύρια φορές. Αφού αυτό ολοκληρωθεί, το πρόγραμμα θα είναι σε θέση να συμπληρώσει ακόμη και μια ολόκληρη παράγραφο σε ένα κείμενο. Φυσικά, όπως μας πληροφορεί κι ένας δημοσιογράφος του The Economist, η παράγραφος αυτή λειτουργεί περισσότερο ως κατευθυντήρια γραμμή ή κάτι που θα μπορούσε να δώσει έμπνευση, παρά ως μια πραγματική παράγραφος στο κείμενο. Πρόκειται, θα μπορούσαμε να πούμε, για μια πιο εξελιγμένη μορφή του auto-correct που χρησιμοποιούμε όλοι στα κινητά ή τους υπολογιστές μας.
Τα “Foundational Models”, όμως, δεν περιορίζονται σε μία μόνο λειτουργία. Είναι μοντέλα τα οποία προγραμματίζονται «γενικευμένα» και μπορούν να προσαρμοστούν σε τελείως διαφορετικούς τομείς, από τις θετικές επιστήμες μέχρι τη γραφή, εκπλήσσοντας πολλές φορές και τους ίδιους τους ερευνητές, οι οποίοι ανακαλύπτουν συνεχώς νέους τρόπους εφαρμογής τους.
Όπως προδίδει και το όνομά τους, τα μοντέλα αυτά λειτουργούν ως «θεμέλια» πάνω στα οποία μπορεί κανείς να χτίσει. Πολλοί θεωρούν ότι τα μοντέλα αυτά έχουν τη προοπτική να λειτουργήσουν ως τη βάση για τη μελλοντική ανάπτυξη της Τ.Ν., ενώ παράλληλα υπάρχει και αρκετός σκεπτικισμός ως προς αυτό, όπως θα δούμε και παρακάτω.
Για να γίνει πλήρως αντιληπτός ο αντίκτυπος της τεχνολογίας αυτής, σκεφτείτε τον τρόπο με τον οποίο αλληλεπιδράτε με τον υπολογιστή σας αυτήν τη στιγμή. Συνήθως μέσω του πληκτρολογίου ή της οθόνης, ενώ μπορείτε και να κάνετε μια ερώτηση στη Siri ή τη Google και, αν έχετε καλή προφορά στα αγγλικά και είστε και λίγο τυχερός, θα σας παρουσιαστεί ένα αποτέλεσμα. Μέσω των “Foundational Models” θα μπορείτε όχι απλώς να αναζητείτε ένα τραγούδι, αλλά να ζητάτε από τον υπολογιστή σας να προγραμματίζει ένα φύλλο του Excel ή ακόμη και μια ιστοσελίδα, χωρίς να κάνετε τίποτα εκτός από το να προσφέρετε τα δεδομένα. Πρόκειται για κάτι τόσο ρηξικέλευθο, που δεν μπορούμε καν να φανταστούμε τις επιπτώσεις που θα έχει στην εργασία και στην καθημερινότητά μας.
Κάτι τέτοιο θα μπορούσε σε μια δουλειά να κάνει τον ανθρώπινο παράγοντα περιττό; Φυσικά και όχι. Η τεχνητή νοημοσύνη θα παραμένει εργαλείο χωρίς συνείδηση. Στην περίπτωση της γλώσσας, αυτό που θα είναι σε θέση να κάνει είναι να επεξεργάζεται τα δεδομένα και να κατανοεί τη στατιστική δομή του τρόπου με τον οποίο γράφει κάποιος. Δεν θα είναι σε θέση να συνδέσει μία λέξη με το νόημά της, με την πραγματικότητα. Αυτό που θα κάνει η Τ.Ν. είναι τη ζωή μας πιο εύκολη.
Στην περίπτωση του προγραμματισμού, όπως λέει και ο Kevin Scott, CTO της Microsoft, τα Foundational Models κάνουν –γιατί ήδη χρησιμοποιούνται από προγραμματιστές παγκοσμίως– την επαναλαμβανόμενη βαρετή δουλειά, η οποία απλώς τρώει τον χρόνο ενός προγραμματιστή. Έτσι, μέσω του προγράμματος “Copilot”, που αναφέρει ο ίδιος και που χρησιμοποιείται από πάνω από 100.000 προγραμματιστές, το 35% του κώδικα των χρηστών κατά μέσο όρο γράφεται από Τ.Ν. κι όχι από ανθρώπινο χέρι.
Τα Foundational Models, αν και συνιστά μια σχετικά καινούργια τεχνολογία, αποτελεί σημείο έντονων αντιπαραθέσεων και για πολύ καλούς λόγους, θα έλεγα. Αρχικά, από καθαρά προγραμματιστική σκοπιά, τα μοντέλα αυτά βασίζονται σε τεράστιες ποσότητες δεδομένων, προερχόμενα από το ίντερνετ, από τα οποία βγάζουν τα συμπεράσματά τους και βάσει αυτών λειτουργούν. Τα δεδομένα αυτά, όμως, μπορεί και να μην είναι έγκυρα. Αυτό που συναντούμε σε αυτήν την περίπτωση και το οποίο ο καθηγητής μου θα χαιρόταν που το θυμάμαι, είναι η έννοια του “garbage in garbage out”. Αν εισάγει κανείς σκουπίδια σε ένα πρόγραμμα ως δεδομένα, θα πάρει και σκουπίδια ως αποτελέσματα. Κι αυτό είναι κάτι που δεν μπορεί να λυθεί εύκολα, αν και ήδη υπάρχουν ιδέες, όπως η δημιουργία μιας εθνικής βάσης δεδομένων, όπου τα δεδομένα θα ελέγχονται από κάποιο κρατικό φορέα. Η Κυβέρνηση Biden, μάλιστα, έχει κάνει κάποια βήματα προς αυτήν την κατεύθυνση. Αλλά τίποτα σημαντικό δεν έχει προκύψει μέχρι στιγμής.
Ένα δεύτερο ζήτημα είναι η δυσκολία να φτιάξει κάποιος ένα τόσο μεγάλο μοντέλο. Αυτήν τη στιγμή, μόνο μερικές ελάχιστες εταιρείες τεχνολογίας μπορούν πραγματικά να συμμετάσχουν στον αγώνα, με μερικά πανεπιστήμια, επίσης, να προσπαθούν, αλλά φυσικά με πολύ λιγότερους πόρους. Μια τέτοια προσπάθεια προϋποθέτει μια μεγάλη βάση δεδομένων, πολύ ικανούς προγραμματιστές, χρόνο και πολλά λεφτά. Φυσικά, μπορεί να μην έχει ο καθένας τη δυνατότητα να τα φτιάξει, όλοι, όμως, θα μπορούμε να τα χρησιμοποιούμε, χωρίς, όμως, να έχουμε τη δυνατότητα να τα κατανοήσουμε, «να δούμε τι έχουν μέσα τους», θα βλέπουμε μόνο τα αποτελέσματα. Κι αν αληθεύει ότι αυτό είναι το μέλλον της Τ.Ν., τότε αυτό είναι και το μέλλον του ίντερνετ και αυτό είναι και το μέλλον της οικονομίας, το οποίο θα μπορούσε να μοιάζει, θα έλεγα, με την «τεχνοφεουδαρχία», έναν όρο που χρησιμοποιεί ο Γιάνης Βαρουφάκης.
Πέραν του ολιγοπωλίου, υπάρχει κι ένας δεύτερος τρόπος με τον οποίο θα βλέπαμε λιγότερο πλουραλισμό στο ίντερνετ και στον κόσμο. Αυτήν τη στιγμή τα περισσότερα άρθρα στο ελεύθερο ίντερνετ (εξαιρούμε, για παράδειγμα, την Κίνα) είναι γραμμένα στα αγγλικά από αγγλοσαξονικά ή έστω δυτικά δίκτυα, ιστοσελίδες και απλούς χρήστες. Το ίδιο ισχύει για τα επιστημονικά άρθρα, τα tweets και γενικά οτιδήποτε γράφεται στο ίντερνετ και μπορεί να ληφθεί ως δεδομένο. Η απεικόνιση του κόσμου, επομένως, που θα είχε η Τ.Ν. θα ήταν μεροληπτική και ανακριβής και ό,τι παρήγαγε θα ήταν επίσης μεροληπτικό και ανακριβές. Θα μπορούσε όμως, ακόμη χειρότερα, να είναι προσβλητική για τους ανθρώπους ή και επικίνδυνη. Σκεφτείτε μονάχα πόσοι ρατσιστές βρίσκουν βήμα στο ίντερνετ και πώς θα επηρεαζόταν από αυτούς μια μηχανή που δεν κατέχει την έννοια της ηθικής.
Η τελευταία ανησυχία μου έχει να κάνει με την ενέργεια που καταναλώνουν οι υπολογιστές για να αναπτύξουν, να τρέξουν και να συντηρήσουν ένα μοντέλο τέτοιας κλίμακας. Για αυτό οι περισσότερες εταιρείες δεν δείχνουν ιδιαίτερο προβληματισμό, καθώς τους ανησυχεί περισσότερο να μην μείνουν πίσω στον αγώνα για την κυριαρχία του ίντερνετ –γιατί περί αυτού πρόκειται– με λίγους μέχρι στιγμής να έχουν εκφράσει κάποια λίγη ανησυχία για το περιβαλλοντικό αποτύπωμά του.
Η ιστορία του καπιταλισμού έχει δείξει ότι οι αγορές πολλές φορές μέσα στη φρενίτιδα του ανταγωνισμού και του κέρδους δεν συμπεριφέρονται ούτε ορθολογικά ούτε και με σύνεση. Για αυτό και θα πρέπει να υπάρχει κρατική παρέμβαση, σε αυτήν την περίπτωση θα υποστήριζα και άμεση ακόμη, μέσω της νομοθεσίας δηλαδή, χωρίς αυτό να σημαίνει όμως ότι η ιδιωτική πρωτοβουλία θα υπονομευθεί ή η βιομηχανία θα χάσει κάθε κίνητρο για περαιτέρω ανάπτυξη. Υπάρχει εδώ για ακόμη μία φορά η ελπίδα ότι τα στελέχη των εταιρειών θα πράξουν σύμφωνα με κάποιον κώδικά ηθικής και όχι μόνο με γνώμονα το κέρδος, αλλά νομίζω ότι υπάρχει κάθε λόγος να δυσπιστούμε, ιδίως απέναντι στις συγκεκριμένες εταιρείες, και ότι η ελπίδα σε αυτήν την περίπτωση απλώς παραπλανεί.
Ο αναγνώστης αυτού του άρθρου δεν θα ήθελα να θυμάται μόνο τι είναι τα Foundational Models, αλλά και να προβληματιστεί σχετικά με το πώς οι νέες τεχνολογίες, όπως τα προαναφερθέντα και ο τρόπος με τον οποίον τις διαχειριζόμαστε μπορούν να διαμορφώσουν τον κόσμο μας και ποιος θα πρέπει να αποφασίσει για την πορεία που θα χαράξουμε στην εποχή της 4ης Βιομηχανικής Επανάστασης.
ΕΝΔΕΙΚΤΙΚΕΣ ΠΗΓΕΣ
- Foundation models may be the future of AI. They’re also deeply flawed, techmonitor.ai, διαθέσιμο εδώ
- Artificial Intelligence enters its industrial age, economist.com, διαθέσιμο εδώ
