«Αντί να ρωτάμε ποιος θα αντικατασταθεί από αυτήν, μπορούμε να αναρωτηθούμε πού ακριβώς η τεχνητή νοημοσύνη δημιουργεί πλεονεκτήματα, πού δεν τα δημιουργεί και πώς οι ανθρώπινες δεξιότητες συνεχίζουν να έχουν σημασία», αναφέρει ο δρ Σακίρ Μοχάμεντ, διευθυντής ερευνών της Google DeepMind, κατά τη διάρκεια της συνέντευξής μας. Λίγες ημέρες πριν παραλάβει το βραβείο AI for the Benefit of Humanity για το 2026 από την Ένωση για την Ανάπτυξη της Τεχνητής Νοημοσύνης (AAAI), ένας από τους πιο επιδραστικούς ανθρώπους στον τομέα της ΤΝ, σύμφωνα με το περιοδικό Time, ανοίγει τα χαρτιά του στο Κ με αφορμή τις συνεχείς μεταβολές στην καθημερινότητά μας από την εμφάνιση της τεχνητής νοημοσύνης και μετά.
Από το 2013 ερευνάτε τον κοινωνικό αντίκτυπο της τεχνητής νοημοσύνης στην υγειονομική περίθαλψη, στο περιβάλλον και στην καθημερινή ζωή. Πολλοί αναλυτές υποστηρίζουν ότι, ενώ το ΑΙ έχει κάνει τη ζωή μας ευκολότερη, έχει επίσης αυξήσει την εξάρτησή μας από την αυτοματοποίηση. Κατά τη γνώμη σας, ποιες είναι οι πιο σημαντικές αλλαγές που έχει επιφέρει τα τελευταία χρόνια;
Μία από τις πιο σημαντικές εξελίξεις είναι το τεράστιο εύρος των δυνατοτήτων της σήμερα. Τώρα κατανοούμε ότι δεν είναι μια ενιαία, μονολιθική τεχνολογία, αλλά περιλαμβάνει πολλές διαφορετικές δυνατότητες και εφαρμογές. Για παράδειγμα, η τεχνητή νοημοσύνη έχει γίνει ένας σημαντικός τομέας για την επιστήμη, με σημαντικές ανακαλύψεις στην επιστήμη των υλικών, την υγειονομική περίθαλψη, τη βιολογία και την έρευνα για τις πρωτεΐνες. Ταυτόχρονα εφαρμόζεται όλο και περισσότερο σε παγκόσμιες προκλήσεις, όπως η παροχή υγειονομικής περίθαλψης και η εκπαίδευση.
«Για τη σημαντική του συμβολή στην ενδυνάμωση κοινοτήτων σε όλο τον κόσμο, ώστε να συμμετέχουν ενεργά στη γνώση, τη συζήτηση και τη χρήση της τεχνητής νοημοσύνης προς όφελος της κοινωνίας», αναφέρει η AAAI, εξηγώντας το σκεπτικό πίσω από τη μεγάλη φετινή βράβευση του Σακίρ Μοχάμεντ.
Υπάρχουν επίσης ευρέως διαδεδομένες εμπορικές εφαρμογές, από «chatbots» εξυπηρέτησης πελατών έως επιχειρηματικές δραστηριότητες, σύνοψη εγγράφων, υποστήριξη ομαδικής εργασίας, διαδικασίες πρόσληψης και συνεντεύξεις εργασίας. Μια άλλη σημαντική εξέλιξη που συνεχίζει να επεκτείνεται ραγδαία είναι η παραγωγική τεχνητή νοημοσύνη (Generative AI) αλλά και η τεχνητή νοημοσύνη με πράκτορες (AI Agents), ιδιαίτερα μάλιστα στην ανάπτυξη λογισμικού. Οι «πράκτορες» κωδικοποίησης και ο προγραμματισμός με τη βοήθεια της ΤΝ έχουν μεταμορφώσει την ποιότητα και την παραγωγικότητα του κώδικα, μειώνοντας ταυτόχρονα τα εμπόδια «εισόδου» για νέους προγραμματιστές. Αυτό επιτρέπει σε περισσότερους ανθρώπους να πειραματίζονται, να δημιουργούν και να συμμετέχουν σε τεχνικούς τομείς. Η εκμάθηση γλωσσών είναι ένας άλλος τομέας στον οποίο έχουμε δει σημαντική πρόοδο. Ταυτόχρονα, αυτές οι εξελίξεις μάς έχουν κάνει περισσότερο ρεαλιστές και λιγότερο αφελείς όσον αφορά την τεχνητή νοημοσύνη· δεν τη θεωρούμε πλέον ως μια καθαρά θετική δύναμη. Τώρα, έχουμε συγκεκριμένες αποδείξεις για το πώς τα πράγματα μπορούν να πάνε στραβά: μεροληψία στα μοντέλα, επιπτώσεις στα δικαιώματα, ζητήματα πολιτιστικής εκπροσώπησης και διάδοση παραπληροφόρησης. Αυτές οι ανησυχίες υπογραμμίζουν τη σύνθετη και εξελισσόμενη σχέση μεταξύ της τεχνητής νοημοσύνης και της κοινωνίας.
Αν, λοιπόν, έπρεπε να ξεχωρίσω τη σημαντικότερη πρόσφατη αλλαγή που έφερε η τεχνητή νοημοσύνη, θα ήταν η δυνατότητά μας να μεταφέρουμε τη μάθηση από την εμπειρία σχεδόν σε κάθε πεδίο. Το AI έχει πάψει να είναι εργαλείο ειδικών χρήσεων. Από συστήματα περιορισμένα σε συγκεκριμένους τομείς, περάσαμε σε τεχνολογίες γενικής εφαρμογής, ικανές να αξιοποιηθούν ουσιαστικά σε ένα ευρύ φάσμα δραστηριοτήτων.
Σύμφωνα με έκθεση της Ευρωπαϊκής Ένωσης (2023), περίπου το 90% των θέσεων εργασίας στην Ευρώπη απαιτούν τουλάχιστον βασικές ψηφιακές δεξιότητες. Ωστόσο, περίπου το 32% των Ευρωπαίων εξακολουθεί να στερείται αυτές τις δεξιότητες. Αυτό εγείρει τρία βασικά ερωτήματα: Πώς μπορούν οι πολίτες να εκπαιδευτούν αποτελεσματικά για την ψηφιακή εποχή; Ποια εργαλεία και εκπαιδευτικές προσεγγίσεις πρέπει να υιοθετηθούν; Και πώς μπορούν να μετριαστούν οι κοινωνικές επιπτώσεις του ψηφιακού χάσματος δεξιοτήτων;
Αυτά είναι πολύ μεγάλα και σύνθετα ερωτήματα, και κανένας φορέας δεν μπορεί να τα αντιμετωπίσει πλήρως μόνος του. Αποτελούν μέρος μιας ευρύτερης κοινωνικής μεταβολής που βιώνουμε εδώ και δεκαετίες, καθώς οι ψηφιακές τεχνολογίες διαμορφώνουν όλο και περισσότερο τη ζωή μας. Στην έρευνα, συχνά αναφερόμαστε σε αυτά ως κοινωνικοτεχνικά ερωτήματα, δηλαδή η ιδέα ότι η κοινωνία και η τεχνολογία είναι βαθιά αλληλένδετες και επηρεάζουν συνεχώς η μία την άλλη.
«H σημαντικότερη πρόσφατη αλλαγή που έφερε η τεχνητή νοημοσύνη είναι η δυνατότητά μας να μεταφέρουμε τη μάθηση από την εμπειρία σχεδόν σε κάθε πεδίο».
Όσον αφορά την κατάρτιση και την εκπαίδευση, υπάρχουν πολλοί τρόποι να σκεφτούμε τις δεξιότητες και τη μάθηση. Με βάση τη δική μου εργασία στον τομέα της τεχνητής νοημοσύνης για τη μάθηση και την εκπαίδευση, ένα κεντρικό θέμα σήμερα είναι η διά βίου μάθηση. Αυτό σημαίνει την υποστήριξη της μάθησης σε όλες τις φάσεις της ζωής: μάθηση στο σχολείο, μάθηση στην καθημερινή ζωή, είτε πρόκειται για την επισκευή ενός ποδηλάτου είτε για την επίλυση ενός πρακτικού προβλήματος, και μάθηση στον χώρο εργασίας. Η προετοιμασία των ανθρώπων για ένα μέλλον με τεχνητή νοημοσύνη δεν μπορεί να βασίζεται σε μεμονωμένα εργαλεία, εφάπαξ παρεμβάσεις ή απομονωμένα συστήματα.
Ομοίως, η αντιμετώπιση των κοινωνικών και οικονομικών συνεπειών του ψηφιακού χάσματος δεξιοτήτων δεν έχει μία και μοναδική λύση. Ωστόσο, η τεχνητή νοημοσύνη προσφέρει ήδη σημαντικές ευκαιρίες στην εκπαίδευση. Τώρα μπορούμε να δημιουργήσουμε εργαλεία μάθησης που ανταποκρίνονται στις ανάγκες των ανθρώπων στο σπίτι, στο κινητό τους, στη δουλειά ή στο σχολείο και να τα κάνουμε προσβάσιμα σε παγκόσμιο επίπεδο.
Αυτά τα εργαλεία μπορούν να βοηθήσουν τους μαθητές να εξερευνήσουν νέους τομείς, να αποκτήσουν σχετικές γνώσεις και να προχωρήσουν προς την επίτευξη των στόχων τους. Φυσικά, αυτό πρέπει να συμπληρωθεί από τη συνεργασία με οικονομολόγους, υπευθύνους χάραξης πολιτικής και ιδρύματα, αλλά τα εργαλεία μάθησης που βασίζονται στην τεχνητή νοημοσύνη μπορούν να αποτελέσουν σημαντικό μέρος της λύσης. Όσον αφορά τα συγκεκριμένα εργαλεία, πολλά συστήματα τεχνητής νοημοσύνης υποστηρίζουν ήδη τη μάθηση με ουσιαστικούς τρόπους. Εργαλεία όπως το Google Gemini ή το ChatGPT μπορούν να μετατρέψουν μεγάλους όγκους γνώσεων σε δομημένες μαθησιακές εμπειρίες. Οι χρήστες μπορούν να χρησιμοποιήσουν αυτά τα εργαλεία για να μάθουν σχεδόν οποιοδήποτε θέμα ακαδημαϊκό, επαγγελματικό ή πρακτικό – από την εκμάθηση γλωσσών έως την υδραυλική ή την επισκευή ποδηλάτων.
Αυτά τα συστήματα έχουν σχεδιαστεί για να αναλύουν θέματα, να αξιολογούν τις υπάρχουσες γνώσεις και να καθοδηγούν τους μαθητές βήμα προς βήμα. Αυτό το μέλλον της μάθησης θα συνεχίσει να βελτιώνεται και θα προσαρμόζεται όλο και περισσότερο σε διαφορετικά πλαίσια (τυπική εκπαίδευση, μάθηση στο σπίτι ή επαγγελματική κατάρτιση).
Σε πρόσφατη ανάρτησή του ο καθηγητής Μαρσέλ Σαλάθε εξέφρασε την ανησυχία του για το γεγονός ότι πολλά άτομα με υψηλές ικανότητες/δεξιότητες εξακολουθούν να θεωρούν την τεχνητή νοημοσύνη ως «μόδα» και, ως εκ τούτου, δεν την υιοθετούν. Επίσης, υποστήριξε ότι τα άτομα που χρησιμοποιούν την τεχνητή νοημοσύνη ενδέχεται να αντικαθιστούν όλο και περισσότερο εκείνα που δεν τη χρησιμοποιούν. Στο παρελθόν, ανησυχούσαμε για την αντικατάσταση των ανθρώπων από τις μηχανές. Πιστεύετε ότι η πραγματική αλλαγή σήμερα είναι το ότι οι άνθρωποι που αξιοποιούν την τεχνητή νοημοσύνη θα αντικαταστήσουν εκείνους που επιλέγουν να μην το κάνουν;
Αυτή η ερώτηση αφορά την αγορά εργασίας, τις δεξιότητες και το μέλλον της εργασίας, έναν τομέα με έντονες συζητήσεις και πολλές αντικρουόμενες απόψεις. Αντί να το παρουσιάζουμε ως μια απλή ιστορία αντικατάστασης, είναι σημαντικό να αποφύγουμε την υπόθεση ότι η τεχνητή νοημοσύνη είναι μια καθολική, τέλεια μηχανή. Η ΤΝ σήμερα, ακόμη και στο μέλλον, δεν κάνει τα πάντα και δεν τα κάνει όλα καλά.
Μόλις απομακρυνθούμε από αυτή την υπόθεση, η ερώτηση γίνεται πολύ πιο ενδιαφέρουσα. Αντί να ρωτάμε ποιος θα αντικατασταθεί, μπορούμε να ρωτήσουμε πού δημιουργεί η τεχνητή νοημοσύνη πλεονεκτήματα, πού δεν τα δημιουργεί και πώς οι ανθρώπινες δεξιότητες συνεχίζουν να έχουν σημασία. Ο προγραμματισμός είναι ένα καλό παράδειγμα. Τα εργαλεία της ΤΝ, όπως αναφέραμε νωρίτερα, έχουν βελτιώσει δραστικά την παραγωγικότητα. Ταυτόχρονα, βέβαια, αυτά τα εργαλεία μπορούν να παρερμηνεύσουν τα δεδομένα, να στερούνται πλαισίου και να αποτύχουν στην εφαρμογή κριτικής σκέψης, τομείς στους οποίους η ανθρώπινη εμπειρογνωμοσύνη παραμένει απαραίτητη.
Αυτό μας φέρνει πίσω σε ευρύτερα ερωτήματα: ποιος επωφελείται από την ΤΝ, ποιος όχι και πώς διασφαλίζουμε ότι τα οφέλη αυτά μοιράζονται ευρέως, ενώ τους κινδύνους τούς διαχειρίζονται υπεύθυνα. Η αντιμετώπιση αυτών των ερωτημάτων απαιτεί όχι μόνο τεχνική καινοτομία, αλλά και συνεχή προσοχή στην εκπαίδευση, στη διακυβέρνηση και στην κοινωνική ένταξη.
Συνοψίζοντας τη συζήτησή μας σχετικά με τις αλλαγές στην εργασία, την αντικατάσταση και τη χρήση της τεχνητής νοημοσύνης: η αξιοποίηση της τεχνητής νοημοσύνης είναι τελικά παρόμοια με την αξιοποίηση οποιασδήποτε άλλης σημαντικής τεχνολογίας, όπως το διαδίκτυο ή η κινητή πληροφορική. Αυτό που έχει πραγματικά σημασία είναι η συνεχής μάθηση. Αυτός είναι ο λόγος για τον οποίο η ανάπτυξη εργαλείων που υποστηρίζουν τη διά βίου μάθηση, προσβάσιμων όπου κι αν βρίσκονται οι άνθρωποι, γίνεται τόσο σημαντική. Η πρόσβαση αυτή καθαυτή θα διαμορφώσει σε μεγάλο βαθμό τα αποτελέσματα, συχνά περισσότερο από τα εργαλεία μόνα τους.
Στην τελευταία μας συνάντηση αναφέρατε τη χρήση της τεχνητής νοημοσύνης για την αποκωδικοποίηση αρχαίων κειμένων και επιγραφών. Μπορείτε να μας πείτε περισσότερα γι’ αυτό το εγχείρημα;
Όποιος έχει επισκεφθεί μέρη όπως η Ελλάδα, η Ρώμη ή περιοχές πλούσιες σε αρχαία μνημεία αναγνωρίζει τη σημασία των επιγραφών σε πέτρα ή παπύρους. Αυτά τα κείμενα μας λένε πολλά για τις κοινωνίες, τις αξίες και τους πολιτισμούς του παρελθόντος. Αυτός ο τομέας είναι γνωστός ως «επιγραφική». Η πρόκληση είναι ότι αυτά τα κείμενα είναι συχνά κατεστραμμένα, ατελή ή κατακερματισμένα. Η τεχνητή νοημοσύνη μπορεί να βοηθήσει υποστηρίζοντας τους ιστορικούς στην ανακατασκευή των ελλειπόντων τμημάτων του κειμένου, στην αναγνώριση παρόμοιων επιγραφών και στην τοποθέτηση των θραυσμάτων στο ιστορικό τους πλαίσιο.
Πέρα από την ανακατασκευή, οι ιστορικοί συχνά θέλουν να χρονολογήσουν τα κείμενα με βάση τη γλώσσα, το στιλ γραφής ή τη χρήση των λέξεων και να κατανοήσουν από πού προέρχονται, είτε από νησιά είτε από την ηπειρωτική χώρα είτε από συγκεκριμένα πολιτιστικά ή πολιτικά περιβάλλοντα. Τα μοντέλα τεχνητής νοημοσύνης μπορούν να βοηθήσουν αναλύοντας μεγάλες συλλογές κειμένων και εικόνων μαζί, δημιουργώντας πολυτροπικά συστήματα που υποστηρίζουν τη χρονολόγηση, την τοποθέτηση σε πλαίσιο και τη σύγκριση.
Για να το κατανοήσουμε καλύτερα, χρησιμοποιείτε την τεχνητή νοημοσύνη για να εντοπίσετε μοτίβα με σκοπό την αποκωδικοποίηση αρχαίων κειμένων;
Ναι, ακριβώς. Η προσέγγιση βασίζεται ουσιαστικά στον εντοπισμό μοτίβων, τόσο μέσα σε ένα δεδομένο κείμενο όσο και σε συναφή κείμενα. Σε τεχνικούς όρους, αυτά τα συναφή κείμενα αναφέρονται συχνά ως παράλληλα. Στη συνέχεια, οι ιστορικοί χρησιμοποιούν αυτά τα μοτίβα, σε συνδυασμό με τη δική τους εμπειρογνωμοσύνη, άλλες ιστορικές πηγές και υλικά στοιχεία, για να ανακατασκευάσουν το νόημα και να αφηγηθούν μια συνεκτική ιστορία. Το πλεονέκτημα της τεχνητής νοημοσύνης είναι ότι διαδικασίες που παραδοσιακά μπορεί να διαρκούσαν μήνες ή ακόμα και χρόνια, τώρα επιταχύνονται σημαντικά. Με αυτόν τον τρόπο η ΤΝ υποστηρίζει και βελτιώνει τις ροές εργασίας των ιστορικών και των επιγραφολόγων, επιτρέποντάς τους να επικεντρωθούν περισσότερο στην ερμηνεία και στην κατανόηση του πλαισίου παρά στην καθαρά χειροκίνητη ανάλυση.
Η Καθημερινή συνδιοργανώνει με το MIT Technology Review το τρίτο EmTech Summit, με έμφαση στις τελευταίες εξελίξεις στον τομέα της τεχνητής νοημοσύνης. Το συνέδριο θα πραγματοποιηθεί στις 19-20 Μαρτίου στο Μέγαρο Μουσικής Αθηνών. Εισιτήρια διαθέσιμα: emtecheurope.com/speakers.php
