Ο Μηχανικός στην Εποχή της Τεχνητής Νοημοσύνης:
Από το “Κάνω” στο “Καταλαβαίνω και Αποφασίζω”
Γράφει ο Παναγιώτης Μαραβέλιας
Η συζήτηση για την Τεχνητή Νοημοσύνη έχει γεμίσει με υπερβολές. Άλλοι τη βλέπουν ως απειλή που θα αντικαταστήσει τον μηχανικό, άλλοι ως θαυματουργό εργαλείο που θα λύσει όλα τα προβλήματα. Η πραγματικότητα είναι πιο απλή και πιο απαιτητική. Η Τεχνητή Νοημοσύνη δεν καταργεί τον μηχανικό, αλλάζει ριζικά τον ρόλο του και εδώ τα πράγματα έχουν «αγριέψει». Η Τεχνητή Νοημοσύνη είναι εξαιρετική στην επεξεργασία δεδομένων, στην εκτέλεση επαναλαμβανόμενων διαδικασιών και μέσα σε συγκεκριμένα πλαίσια στη λήψη ακόμα και αποφάσεων με ταχύτητα και συνέπεια.
Να προσεχθεί ότι, οι «αποφάσεις» αυτές όμως βασίζονται σε πρότυπα και πιθανότητες, όχι σε κατανόηση της φυσικής πραγματικότητας ή ανάληψη ευθύνης. Πραγματικά, ένα μεγάλο μέρος της καθημερινής “ρουτίνας” των μηχανικών, δηλαδή, π.χ. υπολογισμοί, βασικές μελέτες, τυποποιημένες αναλύσεις, θα αυτοματοποιηθεί.
Δεν είναι η πρώτη φορά που συμβαίνει αυτό. Aπό τον λογαριθμικό κανόνα περάσαμε στις μικρές αριθμομηχανές, μετά στους υπολογιστές, και από εκεί σε εξειδικευμένα λογισμικά. Αλλά κάθε φορά, ο μηχανικός που επιβίωνε δεν ήταν αυτός που υπολόγιζε πιο γρήγορα, αλλά αυτός που κατανοούσε βαθύτερα.
Μιά καλή ερώτηση είναι, πού μετατοπίζεται η αξία του μηχανικού; Στη νέα εποχή, η αξία μετακινείται από την εκτέλεση στην κατανόηση. Θα προσπαθήσω να τα εξηγήσω και να τα τακτοποιήσω με την σχετική αρίθμηση. Ο μηχανικός καλείται να λειτουργήσει σε τέσσερις κρίσιμους ρόλους:
- 1. Αντίληψη του συστήματος (System Thinking), δηλαδή, δεν αρκεί να γνωρίζει κανείς ένα επιμέρους εξάρτημα ή συσκευή. Πρέπει να βλέπει τη συνολική εικόνα, παράδειγμα σε ένα δίκτυο ηλεκτρικής ισχύος, να καταλαβαίνει τα συστήματα ελέγχου, τη συμπεριφορά του εξοπλισμού και την ανθρώπινη παρέμβαση, αλλά και εξωτερικούς πράγοντες όπως οι καιρικες συνθήκες.
- Ερμηνεία της πραγματικότητας, όπου η Τεχνητή Νοημοσύνη μεν δίνει απαντήσεις, αλλά δεν εγγυάται ότι αυτές είναι σωστές στο πεδίο. Ας δούμε τι ο μηχανικός πρέπει να ρωτά:
– Συμφωνεί αυτό με τους νόμους της Φυσικής;
– Είναι ενεργειακά συνεπές;
– Ταιριάζει με τα πραγματικά δεδομένα λειτουργίας;
Σε ένα βιομηχανικό περιβάλλον, τα δεδομένα έχουν αυτό που λέμε «θόρυβο» δηλαδή δεν αποτυπώνονται καθαρά, είναι ατελή και πολλές φορές παραπλανητικά. Εκεί τότε δοκιμάζεται η εμπειρία του μηχανικού που οδηγεί στη βαθιά κατανόηση της όλης λειτουργίας.
- Λήψη αποφάσεων υπό αβεβαιότητα. Καμία Τεχνητή Νοημοσύνη δεν αναλαμβάνει ευθύνη. Σε ένα πραγματικό γεγονός, που κάτι πάει στραβά, πρέπι να αποαφασισθεί:
– Θα γίνει διακοπή λειτουργίας;
– Θα συνεχίσει η παραγωγή με ρίσκο;
– Πότε επεμβαίνεις και πότε περιμένεις;
Αυτές οι αποφάσεις έχουν κόστος, τεχνικό αλλά και ανθρώπινο, και ανήκουν στον Μηχανικό.
- Συνεργασία με την Τεχνητή Νοημοσύνη. Ο σύγχρονος μηχανικός δεν ανταγωνίζεται την ΤΝ αλλά τη χρησιμοποιεί.
Συστήματα πρόβλεψης βλαβών, ψηφιακά μοντέλα που αναπαριστούν τη λειτουργία της εγκατάστασης σε πραγματικό χρόνο και “έξυπνα” δίκτυα είναι ήδη πραγματικότητα. Ο ρόλος του μηχανικού είναι να τα αξιοποιήσει, να τα ελέγξει και να τα ενσωματώσει με ασφάλεια. Σημαντικό ρόλο σε αυτή τη μετάβαση παίζουν διεθνείς οργανισμοί όπως το IEEE, το IEC, που διαμορφώνουν πρότυπα και κατευθυντήριες οδηγίες για εφαρμογές όπως για παράδειγμα είναι η προγνωστική συντήρηση και τα έξυπνα δίκτυα.
Τι φεύγει από τα χέρια των μηχανικών; Φεύγει η εποχή της “μηχανικής αντιγραφής”, πάει και τελείωσε. Στη νέα πραγματικότητα, ξεχωρίζουν όσοι έχουν γερή βάση στις αρχές της μηχανικής, αλλά κυρίως όσοι έχουν έρθει σε επαφή με την πραγματική λειτουργία των εγκαταστάσεων εκεί δηλαδή όπου τα δεδομένα δεν είναι ιδανικά και τα προβλήματα δεν είναι “του βιβλίου”. Η ικανότητα να ερμηνεύεις τέτοιες συνθήκες και να παίρνεις αποφάσεις με αβεβαιότητα γίνεται καθοριστική. Γιατί στη βιομηχανία, η θεωρία είναι απαραίτητη, όμως η αξία του Μηχανικού κρίνεται τη στιγμή που η πραγματικότητα αποκλίνει από αυτήν.
Η απλή εφαρμογή τύπων, η αναπαραγωγή γνώσης χωρίς κατανόηση και η εκτέλεση τυποποιημένων διαδικασιών δεν αποτελούν πλέον ανταγωνιστικό πλεονέκτημα. Αυτά τα κάνει ήδη καλύτερα η μηχανή. Με απλά λόγια, η θεωρία χωρίς πράξη είναι ανεπαρκής, και η πράξη χωρίς κατανόηση είναι επικίνδυνη.
Κλείνοντας και συμπεραίνοντας. Για τους νέους ηλεκτρολόγους και ηλεκτρονικούς μηχανικούς, το μήνυμα είναι καθαρό,
– Η Τεχνητή Νοημοσύνη δεν μειώνει την αξία τους, απλά την επαναπροσδιορίζει.
– Όσοι λειτουργούν μόνο σε επίπεδο εφαρμογής διαδικασιών, χωρίς ερμηνεία και αξιολόγηση, θα χάσουν τη θέση τους.
– Όσοι επενδύσουν στην κατανόηση, στην κρίση και στη σύνθεση θα γίνουν πιο απαραίτητοι από ποτέ.
Το μέλλον δεν ανήκει ούτε στη μηχανή ούτε στον άνθρωπο μόνο του. Ανήκει στη συνεργασία τους, με τον μηχανικό όμως να κρατά το πιο κρίσιμο στοιχείο, την ευθύνη της απόφασης, και η απόφαση είναι πολύ βαρύ καθήκον γι’ αυτό και είμαστε Μηχανικοί.
