Η έννοια της τεχνητής νοημοσύνης (ΤΝ) μπορεί να θεωρηθεί σαν ένα μπαλόνι που φουσκώνει επανειλημμένα με ενθουσιασμό (ή φόβο) για τον πιθανό αντίκτυπό της και στη συνέχεια ξεφουσκώνει, καθώς η πραγματικότητα αποτυγχάνει να ανταποκριθεί στις προσδοκίες.  

Αρχικά ας ξεμπερδέψουμε με τον δύσκολο ορισμό της ΤΝ. Στην πράξη αποτελεί έναν ασαφή και διαρκώς μεταβαλλόμενο όρο που διαμορφώνεται από τους ερευνητές ή τις εταιρείες που στοχεύουν στην ανάπτυξή της. Συνήθως αναφέρεται σε κάτι μελλοντικό που ξεπερνά τους ανθρώπους σε γνωστικά καθήκοντα. Ποιοι άνθρωποι και ποια καθήκοντα ακριβώς καθορίζουν όλη τη διαφορά στην αξιολόγηση της ασφάλειας και του αντίκτυπου της ΤΝ στις αγορές εργασίας, τον πόλεμο και την κοινωνία.  

Ένα νέο μοντέλο ΤΝ από την Κίνα που ονομάζεται Manus κυκλοφόρησε την περασμένη εβδομάδα. Ένα προωθητικό βίντεο για το μοντέλο, το οποίο έχει σχεδιαστεί για να διαχειρίζεται εργασίες όπως η δημιουργία ιστοσελίδων ή η ανάλυση δεδομένων. Το μοντέλο εκτελεί εργασίες στον πραγματικό κόσμο μέσω πλατφορμών crowdsourcing όπως το Fiverr και το Upwork, και ο επικεφαλής προϊόντος της Hugging Face, μιας πλατφόρμας ΤΝ, το χαρακτήρισε ως «το πιο εντυπωσιακό εργαλείο ΤΝ που έχω δοκιμάσει ποτέ». 

Δεν είναι ακόμη σαφές πόσο εντυπωσιακό είναι πραγματικά το Manus, αλλά μέσα σε αυτό το πλαίσιο αξίζει να σημειωθεί πως το ζήτημα της τεχνητής νοημοσύνης εισέρχεται στον χώρο των συζητήσεων γύρω από το οικογενειακό τραπέζι. Ο Ben Buchanan, καθηγητής στο Georgetown και πρώην ειδικός σύμβουλος για την τεχνητή νοημοσύνη στον Λευκό Οίκο υπό τη διοίκηση Μπάιντεν, καλεσμένος σε ένα φιλικό τραπέζι συζήτησε ακριβώς για αυτές τις λεπτές προεκτάσεις. 

Γιατί η αμερικανική κυβέρνηση θεωρεί κρίσιμο να αναπτύξει την ΤΝ πριν από την Κίνα και ποιος ο πιθανός αντίκτυπος της τεχνολογίας στις αγορές εργασίας. Αν η τεχνητή νοημοσύνη βρίσκεται στο χείλος του να υπερέχει σε πολλές γνωστικές εργασίες, τότε οι νομοθέτες πρέπει να αρχίσουν να κατανοούν τι σημαίνει μια μαζική μετατόπιση της εργασίας από τους ανθρώπινους εγκεφάλους στους αλγόριθμους για τους εργαζόμενους.  

Επισημαίνεται ότι πρόσφατες ειδήσεις, συμπεριλαμβανομένης της απογοητευτικής απόδοσης του νέου ChatGPT-4.5 της OpenAI, δείχνουν πως η ΤΝ απέχει πολύ από όσα υπόσχεται. Υποστηρίζει ότι εξακολουθούν να υπάρχουν βασικά τεχνικά προβλήματα παρά τις δεκαετίες έρευνας και ότι οι προσπάθειες να αυξηθεί η εκπαίδευση και η υπολογιστική ισχύς έχουν αρχίσει να αποδίδουν αποτελέσματα, αλλά με αργούς ρυθμούς εξέλιξης. Τα μεγάλα γλωσσικά μοντέλα που κυριαρχούν σήμερα μπορεί να μην είναι καν το «κλειδί» για την ανάπτυξη της ΤΝ.  

Πριν λίγο καιρό τρεις επιδραστικοί άνθρωποι—ο πρώην διευθύνων σύμβουλος της Google, Eric Schmidt, ο CEO της Scale AI, Alexandr Wang, και ο διευθυντής του Center for AI Safety, Dan Hendrycks—δημοσίευσαν ένα άρθρο με τίτλο “Superintelligence Strategy”. 

Με τον όρο «υπερ-νοημοσύνη» αναφέρονται σε μια τεχνητή νοημοσύνη που «θα ξεπερνούσε αποφασιστικά τους κορυφαίους ανθρώπινους ειδικούς σχεδόν σε κάθε πνευματικό τομέα. Οι γνωστικές εργασίες που σχετίζονται περισσότερο με την ασφάλεια είναι η πειρατεία συστημάτων (hacking) και η έρευνα και ανάπτυξη αυτόνομης τεχνητής νοημοσύνης—τομείς στους οποίους η υπέρβαση της ανθρώπινης εξειδίκευσης θα μπορούσε να δημιουργήσει σοβαρούς κινδύνους». 

Η κατασκευή ενός υπερδύναμου συστήματος μπορεί να απαιτεί πραγματικά αδιανόητη ποσότητα πόρων—χρήματα, τσιπ, πολύτιμα μέταλλα, νερό, ηλεκτρική ενέργεια και ανθρώπινη εργασία. Αλλά αν η ΤΝ (όσο ασαφώς κι αν ορίζεται) είναι τόσο ισχυρή όσο φαίνεται, τότε ίσως αξίζει κάθε κόστος. Η κυρίαρχη τάση μεταξύ εταιρειών και πολιτικών φορέων είναι να αντιμετωπίζουν την τεχνητή νοημοσύνη ως κάτι εξαιρετικά ισχυρό, με επιπτώσεις στην εθνική ασφάλεια και τις αγορές εργασίας. 

Αυτό προϋποθέτει έναν αδιάκοπο ρυθμό ανάπτυξης, όπου κάθε ορόσημο στα μεγάλα γλωσσικά μοντέλα και κάθε νέα κυκλοφορία μοντέλου μπορεί να θεωρηθεί ως ένα βήμα προς τον στόχο. Υπάρχουν όμως κατά γενική ομολογία πλέον πολλά εμπόδια που έχει αντιμετωπίσει η έρευνα και η εφαρμογή της Τεχνητής Νοημοσύνης. Όταν όμως το διακύβευμα είναι τόσο μεγάλο, τότε όλα αυτά τα εμπόδια παύουν να έχουν σημασία. 

*Με στοιχεία από το Technology Review. 

 

➪ Ακολουθήστε το OLAFAQ στο Facebook, Bluesky και Instagram.