Τεχνητή Νοημοσύνη: Πρόοδος, επιδιώξεις, εκτιμήσεις, συνέπειες και κίνδυνοι σε έναν γοργά εξελισσόμενο τομέα

Μέχρι πριν λίγο καιρό, ακόμη και μετά την έλευση στο τέλος του 2022 του ChatGPT και την πλατιά διάδοση των Μεγάλων Γλωσσικών Μοντέλων (ΜΓΜ), η Τεχνητή Νοημοσύνη (ΤΝ) αδυνατούσε να δώσει απαντήσεις σε θεωρητικά μαθηματικά προβλήματα. Πριν μια βδομάδα, ανακοίνωση επιστημόνων του πανεπιστημίου της Νέας Υόρκης στο έγκριτο επιστημονικό περιοδικό «Nature» έκανε γνωστό ότι το σύστημα ΤΝ AlphaGeometry μπόρεσε να επιλύσει 25 από τα 30 προβλήματα Γεωμετρίας που είχαν τεθεί στους μαθητές λυκείου οι οποίοι συμμετείχαν στις Μαθηματικές Ολυμπιάδες προηγούμενων ετών.

Η ΤΝ μπόρεσε μάλιστα να βρει μια πιο γενική λύση σε πρόβλημα της Ολυμπιάδας του 2004, που έως τώρα είχε διαφύγει των Μαθηματικών. Μερικά από τα προβλήματα σε αυτούς τους διαγωνισμούς είναι ιδιαίτερα περίπλοκα και δύσκολα στην επίλυση ακόμη και από ειδικούς. Η ομάδα του AlphaGeometry συνδύασε ειδικούς επαγωγικούς αλγορίθμους για γεωμετρικά προβλήματα, με την ικανότητα των ΜΓΜ να εισάγουν νέα γεωμετρικά στοιχεία όπως π.χ. κορυφές, γραμμές κ.ά. για την επίλυση θεωρημάτων με τρίγωνα. Με έναν κύκλο επαναλήψεων, η συνεργασία μεταξύ επαγωγικών αλγορίθμων και ΜΓΜ στην πλειοψηφία των περιπτώσεων κατέληξε σε συμπέρασμα – απόδειξη του θεωρήματος.

Η Παραγωγική ΤΝ (Generative AI), είδος της οποίας είναι τα ΜΓΜ, μπορεί να παράξει πρωτότυπα αποτελέσματα, αλλά από μόνη της δεν είναι ικανή για συλλογιστική. Τα ΜΓΜ εκπαιδεύονται με μεγάλες ποσότητες δεδομένων και όσο μεγαλύτερες είναι αυτές, τόσο πιο ικανό είναι το σύστημα που προκύπτει. Τα μοντέλα αυτά μπορούν να προσαρμοστούν σε νέους τομείς, δίνοντάς τους ένα πιο στοχευμένο υποσύνολο δεδομένων, ενώ μπορούν να δώσουν πιο πρωτότυπα αποτελέσματα ζητώντας τους να απαντήσουν σε κάτι που δεν βρίσκεται μέσα στο σύνολο δεδομένων με το οποίο εκπαιδεύτηκαν. Φυσικά, τα ΜΓΜ κληρονομούν τις προκαταλήψεις του περιεχομένου με το οποίο εκπαιδεύτηκαν και η αποφυγή της μεροληψίας είναι κάτι πολύ δύσκολο, καθώς δεν είναι ακόμα δυνατή η παρατήρηση, εξήγηση και απευθείας επίδραση σε ό,τι συμβαίνει μέσα σε ένα ΜΓΜ. Τα μοντέλα αυτά μερικές φορές παράγουν κείμενο που είναι ανακριβές ή παραπλανητικό, έχουν «παραισθήσεις», φαινόμενο που προκαλείται από ανεπαρκή δεδομένα εκπαίδευσης, προκαταλήψεις στα ίδια τα δεδομένα ή ακατάλληλο τρόπο διατύπωσης της ερώτησης προς το σύστημα. Προς το παρόν η ανθρώπινη επίβλεψη είναι ο καλύτερος τρόπος αντιμετώπισης του προβλήματος αυτού.

Συνεργατικά μοντέλα

Η AlphaGeometry είναι μια μορφή συνδυασμού εξειδικευμένης Παραγωγικής ΤΝ με αλγορίθμους που μπορούν να δώσουν νέα χαρακτηριστικά και δυνατότητες στην ΤΝ. Ακόμη και οι παραισθήσεις της ΤΝ μπορούν να ελεγχθούν καλύτερα όταν έχει κατασκευαστεί για πιο περιορισμένο πεδίο δράσης. Μπορούν μάλιστα να είναι ένδειξη ότι έχει αναγνωρίσει ένα μοτίβο και έχει συνάγει τι πρέπει να υπάρχει, ώστε να ολοκληρωθεί αυτό το μοτίβο, όπως στην περίπτωση της πιο ευρηματικής επίλυσης του θεωρήματος της Ολυμπιάδας του 2004. Πέρα από τις μορφές ΤΝ που είναι εξειδικευμένες σε συγκεκριμένους τομείς, γίνεται τώρα και δραστήρια έρευνα από εταιρείες όπως η Google, η Meta και η Microsoft, για την ανάπτυξη συνεργατικών διαλογικών μορφών ΤΝ, δηλαδή μορφών όπου εξειδικευμένες ΤΝ μιλούν μεταξύ τους σε φυσική ανθρώπινη γλώσσα και μία απ” αυτές σε ρόλο επόπτη μεσολαβεί μεταξύ τους και ανακοινώνει το τελικό συμπέρασμα, χωρίς όμως να είναι αυτή που το αποφασίζει.

Σε μια πολύ γενική θεώρηση, η ΤΝ μπορεί να χωριστεί σε Στενή (ή Περιορισμένη) ΤΝ, εξειδικευμένη σε έναν ή περισσότερους τομείς εφαρμογής και Γενική ΤΝ (ΓΤΝ), με ευρεία γκάμα δραστηριοτήτων, συμπεριλαμβανομένων ικανοτήτων όπως η εκμάθηση νέων δεξιοτήτων. Η εταιρεία DeepMind, θυγατρική της Google, δημοσίευσε πριν δυο μήνες έναν πίνακα 6 επιπέδων της ΤΝ με βάση αυτή την κατηγοριοποίηση, αναφέροντας και ορόσημα που έχουν επιτευχθεί σε κάθε κατηγορία και επίπεδο (βλ. διπλανή στήλη).

Υπεράνθρωπο επίπεδο

Κατάταξη των ειδών Τεχνητής Νοημοσύνης σε έξι επίπεδα από την DeepMind, μαζί με ορισμένα από τα σχετικά ορόσημα

Ο πίνακας της DeepMind δείχνει τη γοργή πρόοδο της ΤΝ, που ιδίως στον τομέα της Στενής ΤΝ έχει ήδη φτάσει στο υπεράνθρωπο επίπεδο, είναι δηλαδή ικανότερη από οποιονδήποτε άνθρωπο. Μάλιστα, σε αρκετές περιπτώσεις κανείς άνθρωπος δεν θα μπορούσε να πετύχει το αποτέλεσμα που πετυχαίνει η ΤΝ σε κάποιους τομείς. Ομως ο πίνακας μπορεί να θεωρηθεί και παραπλανητικός, επειδή η ΓΤΝ που έχει επιτευχθεί έως τώρα, με τη μορφή των ΜΓΜ, αναντίρρητα δεν έχει αντίληψη της εργασίας την οποία φέρνει σε πέρας και της έννοιας των λέξεων που διαχειρίζεται. Γι΄ αυτό από ορισμένους θεωρείται ως μια ακόμη μορφή Στενής ΤΝ, εξειδικευμένη στον λόγο. Παρ΄ όλα αυτά, ο πίνακας αυτός δείχνει τις – δηλωμένες άλλωστε – προθέσεις της εταιρείας, που δεν διαφέρουν πολύ από τις προθέσεις των ανταγωνιστών της, να αναπτύξει μηχανικά συστήματα με ικανότητες υπεράνθρωπης ΓΤΝ.

Για τους ομίλους και όσους βάζουν την πένα τους στην υπηρεσία τους στις σομόν ή λευκές σελίδες του Τύπου και τις ιστοσελίδες, η ΤΝ υπόσχεται μόνο θετικές εξελίξεις, αρκεί να ενσωματωθεί όσο γίνεται πιο γρήγορα και αποτελεσματικά στην παραγωγή, ώστε να μειώσει το …κόστος των παραγόμενων προϊόντων. Η μείωση του κόστους θα γίνει φυσικά κυρίως μέσω μείωσης του προσωπικού και μικρότερης αμοιβής του εναπομένοντος. Εξαιρετικά θετική για την οικονομία, δηλαδή για το κεφάλαιο, ήταν η παρουσίαση των προσδοκιών για την ΤΝ στην Ελλάδα, όπως καταγράφονται στη μελέτη Generative AI Greece 2030, που παρουσιάστηκε προ ημερών.

Δύο πλευρές

Υπάρχουν όμως και εκείνοι που γράφουν για τους κινδύνους και τις επιπτώσεις των εφαρμογών της ΤΝ. Η μία πλευρά είναι εκείνη που ανησυχεί ότι η ΤΝ θα επιφέρει μια μεγάλης κλίμακας καταστροφή στην ανθρωπότητα, και παραδόξως σε αυτή ανήκουν ηγετικά στελέχη των εταιρειών που αναπτύσσουν την ΤΝ, όπως η OpenAI του ChatGPT, η Google και η Anthropic. Χαρακτηριστικό παράδειγμα του πώς θα μπορούσε να εξελιχθεί αυτή η καταστροφή, είναι το σενάριο του λεγόμενου «μεγιστοποιητή συνδετήρων», μια θεωρητική άσκηση όπου ένα σύστημα ΤΝ επιφορτίζεται με το καθήκον να παράγει όσο γίνεται περισσότερους συνδετήρες και καταλήγει σε ακραίους τρόπους για να βρει πρώτες ύλες, καταστρέφοντας βιομηχανίες και προκαλώντας τροχαία ατυχήματα. `Η εκείνη της ΤΝ που είναι επιφορτισμένη να κλείνει τραπέζια σε εστιατόρια και για να πετύχει την εξυπηρέτηση των πελατών διακόπτει τη λειτουργία τηλεφωνικών δικτύων και τροποποιεί καταστροφικά τη λειτουργία των φαναριών ελέγχου της κυκλοφορίας στους δρόμους. Η ανάπτυξη ενός δικτύου τύπου SkyNet, όπως αυτό στη σειρά ταινιών «Εξολοθρευτής», δεν είναι φυσικά έξω από τη συλλογιστική αυτής της πλευράς.

Ο αντίλογος έρχεται από μια πλευρά με λιγότερο διάσημους παράγοντες της ΤΝ, που υποστηρίζουν ότι οι φόβοι αυτοί είναι υπερβολικοί και εσφαλμένοι, καθώς η ΤΝ απέχει σήμερα πολύ από το να έχει τη δυνατότητα σχεδιασμών για να κάνει τέτοια ζημιά και δεν έχει επαρκή αυτόνομη πρόσβαση σε τμήματα κρίσιμης υποδομής για να τη φέρει σε πέρας. Ο κίνδυνος προέρχεται κατά τη γνώμη της πλευράς αυτής από εφαρμογές όπως η χρήση της για τη χειραγώγηση των ανθρώπων με deep fake βίντεο και ηχητικά αποσπάσματα, οι αλγοριθμικές διακρίσεις στις προσλήψεις για εργασία και στη χορήγηση δανείων, ο οργουελιανός έλεγχος κάθε πλευράς της ζωής των ανθρώπων μέσω της κυβερνοπαρακολούθησης – αναγνώρισης προσώπων, της συγκέντρωσης και επεξεργασίας προσωπικών δεδομένων με αυτόματη συναγωγή συμπερασμάτων κ.ο.κ. Ο πραγματικά «υπαρξιακός» κίνδυνος για την πλευρά αυτή είναι η σταδιακή απώλεια της ικανότητας των ανθρώπων να κρίνουν και να αποφασίζουν, καθώς αυτός ο ρόλος θα μεταφέρεται όλο και περισσότερο στις μηχανές, το πλήγμα στην ανάπτυξη κριτικής σκέψης στην εκπαιδευτική διαδικασία εξαιτίας του ChatGPT και των συναφών, όπως και η απώλεια του απρόβλεπτου από τη ζωή των ανθρώπων, εξαιτίας του αυξανόμενου προγραμματισμού των πάντων.

Η είδηση προ δεκαημέρου ότι η Anthropic, η Google, η Microsoft και η OpenAI θα συνεργαστούν με την DARPA, υπηρεσία του υπουργείου Αμυνας των ΗΠΑ, για να αναπτύξουν συστήματα κυβερνοασφάλειας τελευταίας τεχνολογίας μπορεί να χρησιμοποιηθεί ως επιχείρημα και από την πλευρά της υπαρξιακής απειλής και από την πλευρά των άμεσων επιπτώσεων στην καθημερινότητα. Στο πλαίσιο αυτής της συνεργασίας, η OpenAI άλλαξε πρόσφατα τους όρους των υπηρεσιών που προσφέρει, ώστε να επιτρέπουν στρατιωτικές εφαρμογές.

Η πραγματική πηγή των κινδύνων

Και οι δύο πλευρές, τόσο εκείνη που υποστηρίζει τον υπαρξιακό κίνδυνο από την ΤΝ για την ανθρωπότητα, όσο και εκείνη που προτρέπει στην επικέντρωση στις τρέχουσες βλαπτικές εφαρμογές της, αναφέρονται σε ορισμένες μόνο από τις πλευρές των κινδύνων που προκύπτουν από την εφαρμογή της ΤΝ στο πλαίσιο του καπιταλισμού. Αυτό αποτελεί το κύριο ζήτημα του προβλήματος και την πηγή των κινδύνων και όχι τα τεχνικά χαρακτηριστικά της ΤΝ.

Ο υπό εξέλιξη εκτοπισμός από την παραγωγή μέρους του εργατικού δυναμικού και η αντικατάστασή του με ΤΝ (ήδη εκατοντάδες χιλιάδες απολύσεις σε εταιρείες υψηλής τεχνολογίας), αντί της μείωσης των ωρών εργασίας όλων των εργαζομένων, δεν έχει την κυρίαρχη θέση που θα έπρεπε να είχε στα επιχειρήματα της δεύτερης πλευράς. Οπως δεν αξιολογείται επαρκώς ούτε η μείωση του μισθού εκείνων που επαναπροσλαμβάνονται όχι πια στη θέση του εξειδικευμένου, αλλά ως …βοηθοί της ΤΝ.

Ωστόσο, πρέπει να επισημάνουμε ότι οι εφαρμογές της ΤΝ στα χέρια των μεγάλων καπιταλιστικών ομίλων, των αστικών κρατών και των ιμπεριαλιστικών οργανισμών αποτελούν ένα τεράστιο «όπλο» στα χέρια του κεφαλαίου για την ένταση της εκμετάλλευσης, την επίδραση στον ίδιο τον εργαζόμενο – άνθρωπο, στη λειτουργία των κρατικών κατασταλτικών μηχανισμών, στους ενδοϊμπεριαλιστικούς ανταγωνισμούς και πολέμους. Δεν μπορεί να συγκριθεί με ανάλογες τεχνικοοικονομικές εξελίξεις που συνέβησαν σε άλλες περιόδους της καπιταλιστικής ανάπτυξης.

Είναι λοιπόν ανοιχτή η συζήτηση και θα ενταθεί το επόμενο διάστημα για τις βαθύτερες επιπτώσεις από την εφαρμογή της ΤΝ στον σύγχρονο καπιταλισμό. Αφενός, η εργατική τάξη θα βρεθεί αντιμέτωπη με αυτές τις επιπτώσεις. Αφετέρου, οι ίδιες οι εφαρμογές και οι δυνατότητες της ΤΝ «δείχνουν» και τις εντελώς διαφορετικές δυνατότητες που σήμερα υπάρχουν για την ολόπλευρη ικανοποίηση των σύγχρονων κοινωνικών αναγκών, εφόσον όμως κυριαρχήσει η κοινωνική ιδιοκτησία στα μέσα παραγωγής, ο επιστημονικός κεντρικός σχεδιασμός της οικονομίας και ο εργατικός έλεγχος. Σηματοδοτεί δηλαδή αντιφατικά την αναγκαιότητα και επικαιρότητα του σοσιαλισμού – κομμουνισμού.

Επιμέλεια: Σταύρος ΞΕΝΙΚΟΥΔΑΚΗΣ – Πηγές: «Scientific American», www.deepmind.google, www.neon.ai

(rizospastis.gr)