H µία µετά την άλλη, οι µεγαλύτερες (και πλουσιότερες) εταιρείες τεχνολογίας στον κόσµο ανακοίνωσαν µαζικές απολύσεις. Μόλις πριν λίγες µέρες, η Alphabet (η µητρική εταιρεία της Google) ανακοίνωσε ότι απολύει 12.000 άτοµα. Πριν και µετά, υπήρξε µια σειρά σκληρών µαζικών απολύσεων στην Amazon, τη Meta, τη Microsoft και το Twitter, που επηρέασαν όχι µόνο κάποιους µεµονωµένους ερευνητές τεχνητής νοηµοσύνης (*ΤΝ), αλλά ολόκληρες οµάδες ΤΝ.
Φυσικά και είναι σπαρακτικό να διαβάζουµε ως µεγάλη τεχνολογική είδηση του Σαββατοκύριακου για το πώς κάποιοι Googlers στις ΗΠΑ έµαθαν για την ξαφνική απόλυση τους από την εταιρεία. Ένας από αυτούς, ο Νταν Ράσελ, ένας ερευνητής που εργαζόταν στο τµήµα του Google Search για περισσότερα από 17 χρόνια, έγραψε πως είχε πάει στο γραφείο για να τελειώσει κάποια δουλειά στις 4 το απόγευµα, µόνο και µόνο για να ανακαλύψει ότι η κάρτα εισόδου του δεν λειτουργούσε.
Χωρίς να ξέρουµε πού θα σταµατήσει όλο αυτό, οι οικονοµολόγοι προβλέπουν ότι η αµερικανική οικονοµία µπορεί να εισέλθει σε σκληρή ύφεση το 2023, εν µέσω εξαιρετικά αβέβαιων παγκόσµιων οικονοµικών προοπτικών. Και εννοείται ότι οι µεγάλες εταιρείες τεχνολογίας έχουν αρχίσει να αισθάνονται ήδη την πίεση.
Βέβαια, στο παρελθόν, όλες οι οικονοµικές υφέσεις είχαν κλείσει κάθε στρόφιγγα χρηµατοδότησης για την έρευνα της ΤΝ. Αυτές οι δύσκολες οικονοµικά περίοδοι για την έρευνα του πεδίου ονοµάστηκαν από τους ερευνητές «χειµώνες τεχνητής νοηµοσύνης». Μόνο που αυτή τη φορά βλέπουµε κάτι εντελώς διαφορετικό. Η έρευνα για την τεχνητή νοηµοσύνη εξακολουθεί να είναι όχι µόνο εξαιρετικά καυτή, αλλά και να κάνει µεγάλα άλµατα προόδου, ακόµη και όταν οι εταιρείες τεχνολογίας έχουν αρχίσει να σφίγγουν το ζωνάρι τους.
Στην πραγµατικότητα, αυτό που ονοµάζουµε πλέον «Μεγάλη Τεχνολογία» βασίζεται όλο και περισσότερο στην Τεχνητή Νοηµοσύνη για να της δώσει ένα πλεονέκτηµα. Αλλά η αλήθεια είναι ότι η έρευνα στον τοµέα της ΤΝ ξεκίνησε να ταλαντεύεται βίαια ήδη από τα τέλη της δεκαετίας του 1950. Και σε αυτό το διάστηµα έζησε δύο µεγάλους «χειµώνες» ΤΝ: ο ένας στη δεκαετία του 1970 και ο άλλος στα τέλη της δεκαετίας του 1980 µε αρχές της δεκαετίας του 1990. Κι αυτό γιατί η έρευνα για την ΤΝ έχει πέσει στο παρελθόν θύµα κύκλων υπερβολής και άρα, υπερβολικών προσδοκιών, τις οποίες στη συνέχεια απέτυχε να εκπληρώσει.
Για δεκαετίες, τα Bell Labs θεωρούνταν το hot spot της καινοτοµίας, και οι ερευνητές τους κέρδισαν αρκετά βραβεία Νόµπελ και βραβεία Turing, συµπεριλαµβανοµένων των Yann LeCun, Yoshua Bengio και Geoffrey Hinton. Ωστόσο, οι πόροι του εργαστηρίου περικόπηκαν, καθώς η διοίκηση άρχισε να πιέζει για πιο άµεσες αποδόσεις µε βάση τις σταδιακές τεχνολογικές αλλαγές, και τελικά απέτυχε να αξιοποιήσει την επανάσταση του διαδικτύου στις αρχές της δεκαετίας του 2000.
Οι προηγούµενες υφέσεις συνέβησαν αφού οι τότε πιο καυτές τεχνικές ΤΝ απέτυχαν να παρουσιάσουν πρόοδο και ήταν αναξιόπιστες και δύσκολες στη λειτουργία. Οι κυβερνητικοί οργανισµοί, τόσο στις ΗΠΑ όσο και στην Μεγάλη Βρετανία, που παρείχαν χρηµατοδότηση για την έρευνα της ΤΝ σύντοµα συνειδητοποίησαν ότι αυτή η προσέγγιση ήταν αδιέξοδη και διέκοψαν κάθε χρηµατοδότηση.
Σήµερα, όµως, η έρευνα για την ΤΝ περνάει τη στιγµή του µεγάλου σταρ, του κεντρικού πρωταγωνιστή, του σούπερ ήρωα που έρχεται να βγάλει από κάθε είδους διαδικτυακό αδιέξοδο τους τιτάνες της τεχνολογίας. Ναι, µπορεί να υπάρχει οικονοµική ύφεση, αλλά η έρευνα για την ΤΝ εξακολουθεί να είναι συναρπαστική, για όλους, από την Google µέχρι την Apple και από την Microsoft µέχρι την Meta. Γι’ αυτό ίσως εξακολουθούµε να βλέπουµε µια τακτική ανάπτυξη συστηµάτων που κυριολεκτικά σπρώχνουν τα όρια του τι µπορεί να κάνει η τεχνητή νοηµοσύνη. Όλο αυτό το σηµερινό τοπίο, από το ChatGPT µέχρι τις πλατφόρµες που παράγουν εικόνες (Midjourney, DALL-E, Stable Diffusion), απέχει πολύ από τη φήµη του τοµέα τη δεκαετία του 1990. Απέχει ακόµα και από τις πρώτες εφαρµογές για τις οποίες γράφαµε πριν δέκα χρόνια. Αλλά ειδικά στα 90s, η ΤΝ εξακολουθούσε να θεωρείται µια παράξενη, περιθωριακή ασχολία -ο ευρύτερος τεχνολογικός τοµέας την αντιµετώπιζε µε παρόµοιο τρόπο όπως η καθιερωµένη ιατρική αντιµετωπίζει την οµοιοπαθητική.
Η σηµερινή έκρηξη της έρευνας για την ΤΝ τροφοδοτήθηκε από τα νευρωνικά δίκτυα, τα οποία σηµείωσαν µεγάλη πρόοδο τη δεκαετία του 1980 και τα οποία λειτουργούν προσοµοιώνοντας τα πρότυπα του ανθρώπινου εγκεφάλου. Βέβαια, τότε, η τεχνολογία συχνά χτυπούσε το κεφάλι της στον τοίχο επειδή οι υπολογιστές της εποχής εκείνης δεν ήταν αρκετά ισχυροί για να τρέξουν το λογισµικό. Σήµερα, όµως, έχουµε πολλά δεδοµένα και εξαιρετικά ισχυρούς υπολογιστές, γεγονός που καθιστά την τεχνική βιώσιµη.
Νέες ανακαλύψεις, όπως το chatbot ChatGPT και οι πλατφόρµες που αναφέραµε µε την µετατροπή κειµένου σε εικόνα, φαίνεται να σκάνε στην ποπ τεχνολογική σφαίρα κάθε λίγους µήνες. Φυσικά µια τεχνολογία όπως το ChatGPT δεν έχει διερευνηθεί πλήρως ακόµη, και τόσο η βιοµηχανία όσο και η ακαδηµαϊκή κοινότητα εξακολουθούν να επεξεργάζονται το πώς µπορούν να είναι χρήσιµες. Αλλά, όλο και περισσότεροι µοιράζουν τις γκροτέσκες συνοµιλίες τους µε την µηχανή στα κοινωνικά δίκτυα και συναγωνίζονται ποιος θα ξεπεράσει τον άλλον σε τεχνολογικό σουρεαλισµό.
Έτσι λοιπόν αντί για έναν νέο «χειµώνα τεχνητής νοηµοσύνης», είναι πιθανό να δούµε µια µείωση της χρηµατοδότησης για µακροπρόθεσµη έρευνα τεχνητής νοηµοσύνης και µεγαλύτερη πίεση για να βγάλουµε χρήµατα χρησιµοποιώντας την τεχνολογία. Οι ερευνητές στα εταιρικά εργαστήρια θα είναι υπό πίεση για να δείξουν ότι η έρευνά τους µπορεί να ενσωµατωθεί σε προϊόντα και έτσι να βγάλουν χρήµατα.
Αυτό συµβαίνει ήδη. Υπό το φως της επιτυχίας του ChatGPT της OpenAI, η Google έχει κηρύξει κατάσταση απειλής «κόκκινου κώδικα» για το βασικό της προϊόν, την “Αναζήτηση”, και επιδιώκει να ανανεώσει επιθετικά την Μηχανή Αναζήτησης µε τη δική της έρευνα ΤΝ. Και σε όλο αυτό υπάρχουν συσχετισµοί µε το παρελθόν και την ιστορία του τοµέα. Υπάρχουν παραλληλισµοί µε αυτό που συνέβη στα εργαστήρια της Bell. Εάν τα εργαστήρια ΤΝ της Big Tech, τα οποία κυριαρχούν στον τοµέα, αποµακρυνθούν από τη βαθιά, µακροπρόθεσµη έρευνα και επικεντρωθούν υπερβολικά στη βραχυπρόθεσµη ανάπτυξη προϊόντων, οι πιθανώς εξοργισµένοι ερευνητές AI µπορεί να φύγουν και να γυρίσουν στον ακαδηµαϊκό χώρο και έτσι αυτά τα µεγάλα εργαστήρια θα χάσουν κάθε έλεγχο καινοτοµίας.
Αλλά πάλι, αυτό δεν είναι απαραίτητα κακό. Ας µην ξεχνάµε πόσοι έξυπνοι άνθρωποι ψάχνουν αυτήν τη στιγµή για δουλειά. Πόσοι επενδυτές επιχειρηµατικών κεφαλαίων αναζητούν μόνο νέες νεοφυείς επιχειρήσεις για να επενδύσουν, γιατί καθώς η κρυπτογράφηση ξεφουσκώνει, η generative τεχνητή νοηµοσύνη δείχνει πώς η τεχνολογία µπορεί να γεννά συνέχεια φανταστικά προϊόντα.
Και αυτή την στιγµή, παρά τις αρνητικές κριτικές γύρω από τα τελευταία προϊόντα της τεχνητής νοηµοσύνης (αλήθεια θυµάται κάποιος τι έγραφαν πίσω στο 1995 για την γέννηση του World Wide Web;) παρουσιάζεται µια ευκαιρία στη νέα γενιά να παίξει και να σχεδιάσει τις δυνατότητες της νέας τεχνολογίας. Και αυτό από µόνο του, παρά την κατήφεια γύρω από τις απολύσεις και την οικονοµία ενός τεχνολογικού τοµέα που σέρνεται, είναι µια συναρπαστική προοπτική.
H µία µετά την άλλη, οι µεγαλύτερες (και πλουσιότερες) εταιρείες τεχνολογίας στον κόσµο ανακοίνωσαν µαζικές απολύσεις. Μόλις πριν λίγες µέρες, η Alphabet (η µητρική εταιρεία της Google) ανακοίνωσε ότι απολύει 12.000 άτοµα. Πριν και µετά, υπήρξε µια σειρά σκληρών µαζικών απολύσεων στην Amazon, τη Meta, τη Microsoft και το Twitter, που επηρέασαν όχι µόνο κάποιους µεµονωµένους ερευνητές τεχνητής νοηµοσύνης (*ΤΝ), αλλά ολόκληρες οµάδες ΤΝ.
Φυσικά και είναι σπαρακτικό να διαβάζουµε ως µεγάλη τεχνολογική είδηση του Σαββατοκύριακου για το πώς κάποιοι Googlers στις ΗΠΑ έµαθαν για την ξαφνική απόλυση τους από την εταιρεία. Ένας από αυτούς, ο Νταν Ράσελ, ένας ερευνητής που εργαζόταν στο τµήµα του Google Search για περισσότερα από 17 χρόνια, έγραψε πως είχε πάει στο γραφείο για να τελειώσει κάποια δουλειά στις 4 το απόγευµα, µόνο και µόνο για να ανακαλύψει ότι η κάρτα εισόδου του δεν λειτουργούσε.
Χωρίς να ξέρουµε πού θα σταµατήσει όλο αυτό, οι οικονοµολόγοι προβλέπουν ότι η αµερικανική οικονοµία µπορεί να εισέλθει σε σκληρή ύφεση το 2023, εν µέσω εξαιρετικά αβέβαιων παγκόσµιων οικονοµικών προοπτικών. Και εννοείται ότι οι µεγάλες εταιρείες τεχνολογίας έχουν αρχίσει να αισθάνονται ήδη την πίεση.
Βέβαια, στο παρελθόν, όλες οι οικονοµικές υφέσεις είχαν κλείσει κάθε στρόφιγγα χρηµατοδότησης για την έρευνα της ΤΝ. Αυτές οι δύσκολες οικονοµικά περίοδοι για την έρευνα του πεδίου ονοµάστηκαν από τους ερευνητές «χειµώνες τεχνητής νοηµοσύνης». Μόνο που αυτή τη φορά βλέπουµε κάτι εντελώς διαφορετικό. Η έρευνα για την τεχνητή νοηµοσύνη εξακολουθεί να είναι όχι µόνο εξαιρετικά καυτή, αλλά και να κάνει µεγάλα άλµατα προόδου, ακόµη και όταν οι εταιρείες τεχνολογίας έχουν αρχίσει να σφίγγουν το ζωνάρι τους.
Στην πραγµατικότητα, αυτό που ονοµάζουµε πλέον «Μεγάλη Τεχνολογία» βασίζεται όλο και περισσότερο στην Τεχνητή Νοηµοσύνη για να της δώσει ένα πλεονέκτηµα. Αλλά η αλήθεια είναι ότι η έρευνα στον τοµέα της ΤΝ ξεκίνησε να ταλαντεύεται βίαια ήδη από τα τέλη της δεκαετίας του 1950. Και σε αυτό το διάστηµα έζησε δύο µεγάλους «χειµώνες» ΤΝ: ο ένας στη δεκαετία του 1970 και ο άλλος στα τέλη της δεκαετίας του 1980 µε αρχές της δεκαετίας του 1990. Κι αυτό γιατί η έρευνα για την ΤΝ έχει πέσει στο παρελθόν θύµα κύκλων υπερβολής και άρα, υπερβολικών προσδοκιών, τις οποίες στη συνέχεια απέτυχε να εκπληρώσει.
Για δεκαετίες, τα Bell Labs θεωρούνταν το hot spot της καινοτοµίας, και οι ερευνητές τους κέρδισαν αρκετά βραβεία Νόµπελ και βραβεία Turing, συµπεριλαµβανοµένων των Yann LeCun, Yoshua Bengio και Geoffrey Hinton. Ωστόσο, οι πόροι του εργαστηρίου περικόπηκαν, καθώς η διοίκηση άρχισε να πιέζει για πιο άµεσες αποδόσεις µε βάση τις σταδιακές τεχνολογικές αλλαγές, και τελικά απέτυχε να αξιοποιήσει την επανάσταση του διαδικτύου στις αρχές της δεκαετίας του 2000.
Οι προηγούµενες υφέσεις συνέβησαν αφού οι τότε πιο καυτές τεχνικές ΤΝ απέτυχαν να παρουσιάσουν πρόοδο και ήταν αναξιόπιστες και δύσκολες στη λειτουργία. Οι κυβερνητικοί οργανισµοί, τόσο στις ΗΠΑ όσο και στην Μεγάλη Βρετανία, που παρείχαν χρηµατοδότηση για την έρευνα της ΤΝ σύντοµα συνειδητοποίησαν ότι αυτή η προσέγγιση ήταν αδιέξοδη και διέκοψαν κάθε χρηµατοδότηση.
Σήµερα, όµως, η έρευνα για την ΤΝ περνάει τη στιγµή του µεγάλου σταρ, του κεντρικού πρωταγωνιστή, του σούπερ ήρωα που έρχεται να βγάλει από κάθε είδους διαδικτυακό αδιέξοδο τους τιτάνες της τεχνολογίας. Ναι, µπορεί να υπάρχει οικονοµική ύφεση, αλλά η έρευνα για την ΤΝ εξακολουθεί να είναι συναρπαστική, για όλους, από την Google µέχρι την Apple και από την Microsoft µέχρι την Meta. Γι’ αυτό ίσως εξακολουθούµε να βλέπουµε µια τακτική ανάπτυξη συστηµάτων που κυριολεκτικά σπρώχνουν τα όρια του τι µπορεί να κάνει η τεχνητή νοηµοσύνη. Όλο αυτό το σηµερινό τοπίο, από το ChatGPT µέχρι τις πλατφόρµες που παράγουν εικόνες (Midjourney, DALL-E, Stable Diffusion), απέχει πολύ από τη φήµη του τοµέα τη δεκαετία του 1990. Απέχει ακόµα και από τις πρώτες εφαρµογές για τις οποίες γράφαµε πριν δέκα χρόνια. Αλλά ειδικά στα 90s, η ΤΝ εξακολουθούσε να θεωρείται µια παράξενη, περιθωριακή ασχολία -ο ευρύτερος τεχνολογικός τοµέας την αντιµετώπιζε µε παρόµοιο τρόπο όπως η καθιερωµένη ιατρική αντιµετωπίζει την οµοιοπαθητική.
Η σηµερινή έκρηξη της έρευνας για την ΤΝ τροφοδοτήθηκε από τα νευρωνικά δίκτυα, τα οποία σηµείωσαν µεγάλη πρόοδο τη δεκαετία του 1980 και τα οποία λειτουργούν προσοµοιώνοντας τα πρότυπα του ανθρώπινου εγκεφάλου. Βέβαια, τότε, η τεχνολογία συχνά χτυπούσε το κεφάλι της στον τοίχο επειδή οι υπολογιστές της εποχής εκείνης δεν ήταν αρκετά ισχυροί για να τρέξουν το λογισµικό. Σήµερα, όµως, έχουµε πολλά δεδοµένα και εξαιρετικά ισχυρούς υπολογιστές, γεγονός που καθιστά την τεχνική βιώσιµη.
Νέες ανακαλύψεις, όπως το chatbot ChatGPT και οι πλατφόρµες που αναφέραµε µε την µετατροπή κειµένου σε εικόνα, φαίνεται να σκάνε στην ποπ τεχνολογική σφαίρα κάθε λίγους µήνες. Φυσικά µια τεχνολογία όπως το ChatGPT δεν έχει διερευνηθεί πλήρως ακόµη, και τόσο η βιοµηχανία όσο και η ακαδηµαϊκή κοινότητα εξακολουθούν να επεξεργάζονται το πώς µπορούν να είναι χρήσιµες. Αλλά, όλο και περισσότεροι µοιράζουν τις γκροτέσκες συνοµιλίες τους µε την µηχανή στα κοινωνικά δίκτυα και συναγωνίζονται ποιος θα ξεπεράσει τον άλλον σε τεχνολογικό σουρεαλισµό.
Έτσι λοιπόν αντί για έναν νέο «χειµώνα τεχνητής νοηµοσύνης», είναι πιθανό να δούµε µια µείωση της χρηµατοδότησης για µακροπρόθεσµη έρευνα τεχνητής νοηµοσύνης και µεγαλύτερη πίεση για να βγάλουµε χρήµατα χρησιµοποιώντας την τεχνολογία. Οι ερευνητές στα εταιρικά εργαστήρια θα είναι υπό πίεση για να δείξουν ότι η έρευνά τους µπορεί να ενσωµατωθεί σε προϊόντα και έτσι να βγάλουν χρήµατα.
Αυτό συµβαίνει ήδη. Υπό το φως της επιτυχίας του ChatGPT της OpenAI, η Google έχει κηρύξει κατάσταση απειλής «κόκκινου κώδικα» για το βασικό της προϊόν, την “Αναζήτηση”, και επιδιώκει να ανανεώσει επιθετικά την Μηχανή Αναζήτησης µε τη δική της έρευνα ΤΝ. Και σε όλο αυτό υπάρχουν συσχετισµοί µε το παρελθόν και την ιστορία του τοµέα. Υπάρχουν παραλληλισµοί µε αυτό που συνέβη στα εργαστήρια της Bell. Εάν τα εργαστήρια ΤΝ της Big Tech, τα οποία κυριαρχούν στον τοµέα, αποµακρυνθούν από τη βαθιά, µακροπρόθεσµη έρευνα και επικεντρωθούν υπερβολικά στη βραχυπρόθεσµη ανάπτυξη προϊόντων, οι πιθανώς εξοργισµένοι ερευνητές AI µπορεί να φύγουν και να γυρίσουν στον ακαδηµαϊκό χώρο και έτσι αυτά τα µεγάλα εργαστήρια θα χάσουν κάθε έλεγχο καινοτοµίας.
Αλλά πάλι, αυτό δεν είναι απαραίτητα κακό. Ας µην ξεχνάµε πόσοι έξυπνοι άνθρωποι ψάχνουν αυτήν τη στιγµή για δουλειά. Πόσοι επενδυτές επιχειρηµατικών κεφαλαίων αναζητούν μόνο νέες νεοφυείς επιχειρήσεις για να επενδύσουν, γιατί καθώς η κρυπτογράφηση ξεφουσκώνει, η generative τεχνητή νοηµοσύνη δείχνει πώς η τεχνολογία µπορεί να γεννά συνέχεια φανταστικά προϊόντα.
Και αυτή την στιγµή, παρά τις αρνητικές κριτικές γύρω από τα τελευταία προϊόντα της τεχνητής νοηµοσύνης (αλήθεια θυµάται κάποιος τι έγραφαν πίσω στο 1995 για την γέννηση του World Wide Web;) παρουσιάζεται µια ευκαιρία στη νέα γενιά να παίξει και να σχεδιάσει τις δυνατότητες της νέας τεχνολογίας. Και αυτό από µόνο του, παρά την κατήφεια γύρω από τις απολύσεις και την οικονοµία ενός τεχνολογικού τοµέα που σέρνεται, είναι µια συναρπαστική προοπτική.
