Η Τεχνητή Νοημοσύνη (ΤΝ) έχει εξελιχθεί σε ένα από τα πιο πολυσυζητημένα τεχνολογικά και κοινωνικά ζητήματα της εποχής μας. Από τα διεθνή μέσα ενημέρωσης μέχρι τις πολιτικές δηλώσεις και τις καθημερινές συζητήσεις στα κοινωνικά δίκτυα.
Αποτελεί αντικείμενο αυξανόμενης επιστημονικής, πολιτικής και κοινωνικής προσοχής. Παρά τη διεπιστημονική της φύση, ο δημόσιος λόγος χαρακτηρίζεται συχνά από εννοιολογική αστάθεια και έλλειψη τεχνικής ακρίβειας. Έτσι δημιουργείται ένα πεδίο στο οποίο συνυπάρχουν επιστημονικές αναλύσεις με φιλοσοφικές ερμηνείες, χωρίς να γίνεται σαφής διαχωρισμός.
Η υπερπληθώρα μη εξειδικευμένων παρεμβάσεων στον δημόσιο διάλογο συχνά οδηγεί σε εννοιολογική ασάφεια, κυρίως λόγω παραπληροφόρησης και δημιουργίας παραμορφωμένων αντιλήψεων για τις δυνατότητες και τα όρια των συστημάτων ΤΝ.
Έτσι δημιουργείται μια ασαφής εικόνα για το τί πραγματικά είναι η ΤΝ. Η τεχνολογία, αντί να γίνεται πιο κατανοητή, συχνά μετατρέπεται σε αντικείμενο εντυπώσεων, φόβων και υπερβολικών προσδοκιών.
Από τη φιλοσοφία της λογικής στην υπολογιστική μηχανή
Οι θεωρητικές ρίζες της ΤΝ δεν είναι πρόσφατες. Η προσπάθεια τυποποίησης της σκέψης ξεκινά ήδη από την αρχαιότητα. Ο Αριστοτέλης (384-322 π.Χ.) διαμόρφωσε ένα από τα πρώτα συστηματικά λογικά σχήματα συλλογισμού, επιχειρώντας να περιγράψει τον τρόπο με τον οποίο η σκέψη μπορεί να αποκτήσει μορφή κανόνων.
Στη νεότερη φιλοσοφία, ο Leibniz (1646-1716) προχώρησε ακόμη περισσότερο, προτείνοντας ένα όραμα καθολικής γλώσσας λογικής, όπου οι διαφωνίες θα μπορούσαν να επιλύονται μέσω υπολογισμού.
Η ιδέα ότι η σκέψη μπορεί να μετατραπεί σε διαδικασία υπολογισμού αποτελεί κρίσιμο ιστορικό πρόδρομο της σύγχρονης ΤΝ.
Στον 20ό αιώνα, ο Alan Turing (1912-1954) έδωσε αυστηρή μαθηματική μορφή στην έννοια του υπολογισμού με τη θεωρία της μηχανής Turing, θέτοντας τα θεμέλια για την επιστήμη των υπολογιστών και τη μετέπειτα ανάπτυξη της ΤΝ.
Παράλληλα, η φιλοσοφική παράδοση συνέχισε να θέτει ερωτήματα που ξεπερνούν την καθαρά τεχνική διάσταση. Ο Martin Heidegger (1889-1976), χωρίς να ασχοληθεί άμεσα με την ΤΝ, άσκησε καθοριστική επιρροή στη σύγχρονη κριτική της τεχνολογίας. Για τον Heidegger, η τεχνολογία δεν είναι απλώς ένα εργαλείο, αλλά ένας τρόπος με τον οποίο ο άνθρωπος αποκαλύπτει και ερμηνεύει τον κόσμο.
Αυτή η οπτική παραμένει επίκαιρη στη συζήτηση, για το πώς οι ψηφιακές τεχνολογίες διαμορφώνουν την αντίληψή μας για την πραγματικότητα.
Η τεχνική πραγματικότητα των σύγχρονων συστημάτων ΤΝ
Παρά τη δημόσια εικόνα τους, τα σύγχρονα συστήματα ΤΝ, και ιδιαίτερα τα Μεγάλα Γλωσσικά Μοντέλα (Large Language Models – LLMs) που έχουν κυριαρχήσει τα τελευταία χρόνια, δεν διαθέτουν συνείδηση, πρόθεση ή κατανόηση με την ανθρώπινη έννοια του όρου.
Η λειτουργία τους βασίζεται πρωτίστως σε διαδικασίες στατιστικής μάθησης από τεράστιους όγκους δεδομένων, μέσω των οποίων εντοπίζουν κανονικότητες, συσχετίσεις και πρότυπα στη γλώσσα και σε άλλες μορφές πληροφορίας.
Η διαπίστωση αυτή δεν σημαίνει ότι η ΤΝ περιορίζεται ιστορικά ή θεωρητικά μόνο σε στατιστικές μεθόδους. Αντιθέτως, κατά τις πρώτες δεκαετίες της ανάπτυξής της, κυριάρχησαν οι λεγόμενες συμβολικές προσεγγίσεις (Symbolic AI), οι οποίες στηρίζονταν σε κανόνες λογικής, αναπαραστάσεις γνώσης και συστήματα εξαγωγής συμπερασμάτων.
Η παράδοση αυτή αντλούσε έμπνευση από τη μαθηματική λογική και από το όραμα ότι η ανθρώπινη σκέψη θα μπορούσε να περιγραφεί ως σύστημα τυπικών κανόνων.
Η σύγχρονη ΤΝ, ωστόσο, και ιδιαίτερα τα συστήματα βαθιάς μάθησης (deep learning), ακολουθεί διαφορετική προσέγγιση. Αντί να εφαρμόζει ρητά διατυπωμένους λογικούς κανόνες, μαθαίνει από παραδείγματα.
Το σύστημα δεν διαθέτει ενσωματωμένη γνώση της γραμματικής, της σημασιολογίας ή της λογικής, αλλά αποκτά σταδιακά λειτουργικές αναπαραστάσεις αυτών των σχέσεων μέσω της εκπαίδευσής του σε μεγάλα σώματα κειμένων (στατιστική/νευρωνική ΤΝ).
Σε αυτό το πλαίσιο αποκτά ιδιαίτερη σημασία η έννοια των «υψηλοδιάστατων χώρων αναπαράστασης». Με απλά λόγια, κάθε λέξη, πρόταση ή έννοια μετατρέπεται εσωτερικά σε ένα σύνολο εκατοντάδων ή και χιλιάδων αριθμητικών τιμών.
Οι τιμές αυτές δεν αντιστοιχούν άμεσα σε ανθρώπινα αναγνωρίσιμες έννοιες, αλλά σε μαθηματικές διαστάσεις που επιτρέπουν στο σύστημα να υπολογίζει σχέσεις ομοιότητας, συνάφειας και συσχέτισης.
Για παράδειγμα, σε έναν τέτοιον χώρο αναπαράστασης, οι λέξεις «γιατρός» και «νοσοκομείο» μπορεί να βρίσκονται μαθηματικά πιο κοντά μεταξύ τους απ’ ό,τι οι λέξεις «γιατρός» και «βουνό». Η εγγύτητα αυτή δεν προκύπτει από κάποια συνειδητή κατανόηση της έννοιας της ιατρικής, αλλά από τα στατιστικά πρότυπα που έχουν εντοπιστεί κατά την εκπαίδευση του μοντέλου.
Επομένως, όταν λέμε ότι ένα σύστημα ΤΝ «γνωρίζει» ή «κατανοεί» κάτι, πρέπει να είμαστε ιδιαίτερα προσεκτικοί. Αυτό που συμβαίνει στην πραγματικότητα είναι ότι το σύστημα έχει μάθει να αναπαριστά μαθηματικά πολύπλοκες σχέσεις μεταξύ συμβόλων και να παράγει αποτελέσματα που συχνά προσομοιάζουν με την ανθρώπινη συμπεριφορά.
Το εάν αυτή η λειτουργική επιτυχία ισοδυναμεί με πραγματική κατανόηση αποτελεί ακόμη αντικείμενο έντονου φιλοσοφικού και επιστημονικού διαλόγου. Καθίσταται όμως σαφές ότι η «νοημοσύνη» των συστημάτων αυτών δεν είναι ανθρωποκεντρική.
Δημόσιος λόγος και ανθρωπομορφισμός της τεχνολογίας
Ένα από τα βασικά προβλήματα στη δημόσια συζήτηση για την ΤΝ είναι η γλωσσική ανθρωπομορφοποίηση των συστημάτων. Όροι όπως «σκέψη», «κατανόηση», «πρόθεση» και «μάθηση» χρησιμοποιούνται συχνά με τρόπο που υπονοεί ανθρώπινες γνωσιακές ικανότητες.
Αυτή η χρήση της γλώσσας δημιουργεί μια ισχυρή ψευδαίσθηση εγγύτητας μεταξύ ανθρώπινης και μηχανικής νοημοσύνης. Ωστόσο, πρόκειται για δύο ριζικά διαφορετικά συστήματα. Το μεν ένα βασίζεται σε βιολογική λειτουργία, ενσώματη αντίληψη και συνείδηση, ενώ το άλλο σε μαθηματικές συναρτήσεις και στατιστικές συσχετίσεις.
Η γλωσσική αυτή ασάφεια ενισχύεται από τον τρόπο με τον οποίο παρουσιάζεται η τεχνολογία στα μέσα ενημέρωσης, όπου η ανάγκη για εντυπωσιασμό συχνά υπερισχύει της τεχνικής ακρίβειας.
Η τρέχουσα δημόσια συζήτηση για την ΤΝ χαρακτηρίζεται από υπερπαραγωγή ερμηνειών και προβλέψεων, οι οποίες συχνά δεν συνοδεύονται από αντίστοιχη τεχνική τεκμηρίωση.
Το αποτέλεσμα είναι η δημιουργία ενός περιβάλλοντος πληροφοριακής σύγχυσης, στο οποίο επιστημονικά τεκμηριωμένες θέσεις, προσωπικές εκτιμήσεις και ατεκμηρίωτες εικασίες συνυπάρχουν χωρίς σαφή διαχωρισμό. Έτσι, καθίσταται ολοένα δυσκολότερο για το ευρύ κοινό να διακρίνει την επιστημονική γνώση από την απλή εικασία.
Η συζήτηση για την ΤΝ είναι αναγκαστικά διεπιστημονική. Νομικοί, φιλόσοφοι, κοινωνιολόγοι και μηχανικοί συμβάλλουν σε διαφορετικές πτυχές του ίδιου φαινομένου. Ωστόσο, η διεπιστημονικότητα δεν συνεπάγεται ταύτιση των επιστημολογικών επιπέδων. Μπορούν να διακριθούν τρία βασικά επίπεδα ανάλυσης:
1.Το τεχνικό-υπολογιστικό επίπεδο, που αφορά στη λειτουργία των αλγορίθμων.
2.Το γνωσιακό-επιστημολογικό επίπεδο, που αφορά στη φύση της κατανόησης και της γνώσης.
3.Το κοινωνικό-κανονιστικό επίπεδο, που αφορά στη ρύθμιση, στην ηθική και στην πολιτική διάσταση.
Η σύγχυση αυτών των επιπέδων οδηγεί συχνά σε θεωρητικές υπεραπλουστεύσεις ή σε υπερβολικές γενικεύσεις.
Η υπερπαραγωγή απόψεων γύρω από την ΤΝ δεν συνοδεύεται πάντοτε από αντίστοιχη αύξηση κατανόησης. Αντιθέτως, δημιουργείται ένα περιβάλλον γνωσιακής υπερφόρτωσης, στο οποίο συνυπάρχουν επιστημονικές αναλύσεις, τεχνολογικές προβλέψεις και καθαρά εικαστικές τοποθετήσεις. Η κατάσταση αυτή ενισχύεται από τρεις παράγοντες:
- την εγγενή πολυπλοκότητα των συστημάτων,
- την τάση απόδοσης ανθρώπινων ιδιοτήτων σε μηχανές,
- και την επιδραστικότητα των μέσων μαζικής ενημέρωσης και των κοινωνικών δικτύων.
Το αποτέλεσμα είναι ένας δημόσιος λόγος στον οποίο κυριαρχούν δύο αντίθετες αλλά εξίσου απλουστευτικές αφηγήσεις: η αφήγηση της «παντοδύναμης ΤΝ» και η αφήγηση της «επικείμενης τεχνολογικής απειλής».
Φόβοι, προσδοκίες και γνωσιακές στρεβλώσεις
Οι δημόσιες αντιδράσεις στην ΤΝ κινούνται συχνά ανάμεσα σε δύο άκρα. Από τη μία πλευρά, υπάρχει η προσδοκία ότι τα συστήματα αυτά θα αποκτήσουν σύντομα ανθρώπινη ή υπερανθρώπινη νοημοσύνη. Από την άλλη, διατυπώνονται φόβοι για απώλεια ελέγχου και ανεξέλεγκτη αυτονομία.
Και οι δύο προσεγγίσεις, ωστόσο, τείνουν να παραβλέπουν την τεχνική πραγματικότητα: Τα σύγχρονα συστήματα είναι εξειδικευμένα εργαλεία στατιστικής επεξεργασίας, χωρίς συνείδηση, πρόθεση ή εμπειρική κατανόηση.
Συμπεράσματα
Η κατανόηση της ΤΝ απαιτεί σαφή διάκριση μεταξύ τεχνικού, γνωσιακού και κοινωνικού επιπέδου ανάλυσης. Η απουσία αυτής της διάκρισης οδηγεί σε εννοιολογική ασάφεια και δημόσιο θόρυβο παρανόησης.
Η τεχνική εξειδίκευση προσφέρει κρίσιμη εμπειρική γνώση των ορίων των συστημάτων, ενώ η φιλοσοφική και κοινωνική ανάλυση αποκτά αξία όταν λαμβάνει υπόψη τα πραγματικά χαρακτηριστικά της τεχνολογίας. Μόνο υπό αυτές τις προϋποθέσεις μπορεί ο δημόσιος διάλογος να υπερβεί τις απλουστεύσεις και να προσεγγίσει μια πιο ισορροπημένη κατανόηση της ΤΝ.
Ιωάννα Δ. Μαλαγαρδή, Δρ. Υπολογιστικής Γλωσσολογίας – Ιστορικός