Όταν η Τεχνητή Νοημοσύνη
σταματά να είναι θεωρία
και γίνεται προσωπική υπόθεση
Γράφει ο Παναγιώτης Μαραβέλιας
Στο φετινό Νταβός, στο πλαίσιο του World Economic Forum, δύο από τις πιο καθοριστικές φωνές της τεχνητής νοημοσύνης βρέθηκαν ουσιαστικά απέναντι — όχι με αντιπαλότητα, αλλά με διαφορετικό ρυθμό αισιοδοξίας. Ο Demis Hassabis CEO της DeepMind και ο Dario Amodei CEO της Anthropic συζήτησαν για το πότε – και πόσο γρήγορα – πλησιάζουμε να έχουμε την Τεχνητή Γενική Νοημοσύνη (Artificial General Intelligence – AGI).
(Η DeepMind είναι ερευνητικό εργαστήριο τεχνητής νοημοσύνης που ιδρύθηκε το 2010 στο Λονδίνο και εξαγοράστηκε από τη Google το 2014. Σήμερα αποτελεί τον βασικό βραχίονα έρευνας TN της Google, και η Anthropic είναι αμερικανική εταιρεία τεχνητής νοημοσύνης που ιδρύθηκε το 2021 από πρώην στελέχη της OpenAI, με επικεφαλής τον Dario Amodei).
Για κάποιους, η συζήτηση αυτή είναι φιλοσοφική. Για εμένα — και για χιλιάδες ανθρώπους που εργαζόμαστε στη βιομηχανία — είναι βαθιά προσωπική, επιδρά άμεσα στην εργασία μας.
Αλλά πρώτα ας εξηγήσουμε τι εννοούμε όταν λέμε Τεχνητή Γενική Νοημοσύνη (AGI), ξεκινώντας με το σήμερα. Σήμερα, τα περισσότερα συστήματα τεχνητής νοημοσύνης είναι εξειδικευμένα, δηλαδή ένα μοντέλο μπορεί να μεταφράζει, ένα άλλο να αναλύει δεδομένα παραγωγής, ένα τρίτο να εντοπίζει ελαττώματα σε μια γραμμή συναρμολόγησης. Είναι εξαιρετικά ικανά — αλλά περιορίζονται στο πεδίο τους.
Τεχνητή Γενική Νοημοσύνη (Artificial General Intelligence – AGI) ονομάζουμε ένα σύστημα που θα μπορεί να κατανοεί και να μαθαίνει οποιοδήποτε γνωστικό αντικείμενο παράλληλα να μεταφέρει γνώση από έναν τομέα σε άλλον, κυρίως όμως να συλλογίζεται, να σχεδιάζει και να επιλύει προβλήματα με ευελιξία αντίστοιχη του ανθρώπου.
Προσαρμόζεται σε νέα, άγνωστα περιβάλλοντα χωρίς εκτενή επανεκπαίδευση.
Με απλά λόγια, ενώ η σημερινή ΤΝ (ΑΙ) είναι «ειδικός τεχνικός», η AGI θα ήταν «πολυμήχανος επαγγελματίας» — ικανός να λειτουργεί σε πολλαπλούς ρόλους. Για αυτόν τον λόγο πρέπει την υπολογίζουμε ως μια υποδομή εθνικής σημασίας, παρόμοια με το ηλεκτρικό δίκτυο ή τους δρόμους. (Να σημειωθεί εδώ και αντίστοοιχα να μας απασχολήσει πως σχετίζεται η ΤΝ με τα Data Centers και με την υψηλή κατανάλωση ενέργειας που απαιτούν για την λειτουργία τους).
Η διαφορά δεν είναι ποσοτική· είναι ποιοτική. Και αυτή η ποιοτική διαφορά είναι που προκαλεί τόσο ενθουσιασμό — αλλά και ανησυχία.
Στο Νταβός, ο Amodei εμφανίστηκε πιο επιθετικός στις προβλέψεις του, υποστηρίζοντας ότι μέσα στα επόμενα λίγα χρόνια θα δούμε συστήματα με εξαιρετικά προηγμένες ικανότητες σε επιστήμες, προγραμματισμό και έρευνα. Μάλιστα, η ιδέα ότι μέσα στα επόμενα λίγα χρόνια τα μοντέλα ΤΝ θα μπορούν να επιλύουν προβλήματα «επιπέδου Νόμπελ» δεν ακούστηκε ως επιστημονική φαντασία, αλλά ως ρεαλιστικό ενδεχόμενο.
Ο Hassabis κράτησε πιο μετρημένη στάση, επισημαίνοντας ότι η ανθρώπινη γενική κατανόηση και η προσαρμοστικότητα δεν αναπαράγονται εύκολα. Αναγνώρισε τη ραγδαία πρόοδο, αλλά υπογράμμισε ότι η πλήρης AGI παραμένει τεχνικά και επιστημονικά ένας πολύ απαιτητικός στόχος.
Η διαφωνία τους μπορούμε να πούμε δεν ήταν ιδεολογική, αλλά ήταν θέμα ρυθμού, πόσο γρήγορα δηλαδή.
Στον δικό μου χώρο, την βιομηχανία, η τεχνητή νοημοσύνη δεν είναι απειλή, αντίθετα την βλέπουμε ως ένα εργαλείο επιβίωσης.
Περιμένουμε από αυτήν βελτιστοποίηση των παραγωγικών διαδικασιών, μέσα από την προγνωστική συντήρηση, την μείωση του ενεργειακού κόστους, την επιτάχυνση του σχεδιασμού και R&D, και κάτι πολύ σπουδαίο για εμάς την ανάλυση σύνθετων δεδομένων σε πραγματικό χρόνο, αυτό που λέμε σε χρόνο dt.
Αν όμως η AGI καταστεί πραγματικότητα, τότε η αλλαγή δεν θα αφορά μόνο την αποδοτικότητα. Θα αφορά τη δομή των ίδιων των οργανισμών. Οι ρόλοι μας θα μετασχηματιστούν. Οι δεξιότητες μας θα επαναπροσδιοριστούν. Η έννοια της «εμπειρίας» ίσως αποκτήσει νέο νόημα.
Το ερώτημα δεν είναι αν η τεχνολογία θα ενσωματωθεί στη βιομηχανία — αυτό ήδη συμβαίνει. Το ερώτημα είναι αν θα επενδύσουμε παράλληλα στους ανθρώπους. Αυτό γιατί κάθε βιομηχανική επανάσταση άλλαξε την παραγωγή. Η ΤΝ , όμως, αγγίζει και τη γνωστική εργασία. Και αυτό είναι το νέο στοιχείο, γιαυτό και ανέφερα παραπάνω την «εμπειρία».
Η συζήτηση στο Νταβός κατέδειξε ότι η προετοιμασία δεν είναι πολυτέλεια. Είναι αναγκαιότητα. Εκπαίδευση, επανεκπαίδευση, κανονιστικά πλαίσια, ηθικές δικλείδες ασφαλείας — όλα πρέπει να εξελιχθούν παράλληλα με την τεχνολογία.
Για όσους εργαζόμαστε σε κλάδους που επενδύουν στρατηγικά στην τεχνητή νοημοσύνη, η Τεχνητή Γενική Νοημοσύνη (Artificial General Intelligence – AGI) δεν είναι απλώς τεχνολογικός στόχος. Είναι ο καταλύτης ενός νέου παραγωγικού μοντέλου.
Η υπόσχεση είναι τεράστια, σχετίζεται με την αύξηση της παραγωγικότητας, την καινοτομία, την ανταγωνιστικότητα και όλα αυτά σε παγκόσμια κλίμακα, κανένας δεν μένει εκτός.
Η πρόκληση είναι εξίσου μεγάλη, γιατί απαιτεί δίκαιη μετάβαση, διατήρηση της κοινωνικής συνοχής, επαναπροσδιορισμό της ανθρώπινης αξίας μάλιστα μέσα σε ένα περιβάλλον όπου η «σκέψη» δεν θα είναι αποκλειστικό ανθρώπινο προνόμιο.
Ίσως τελικά το πιο σημαντικό ερώτημα που ανέδειξε το Νταβός να μην είναι πότε θα έρθει η AGI.
Αλλά, όταν έρθει, αν θα μας βρει έτοιμους — ως επιχειρήσεις, ως εργαζόμενους, ως κοινωνία.
