Τρία πεδία εφαρμογής της τεχνητής νοημοσύνης με γνώμονα την κοινωνική ωφέλεια και την εμπιστοσύνη ανέλυσε ο Shakir Mohamed, Research Director στην DeepMind, στο πλαίσιο του EmTech Europe 2026, που διοργανώνει η MIT Technology Review σε συνεργασία με την «Καθημερινή». Τη συζήτηση συντόνισε η Charlotte Jee, Senior Reporter του MIT Technology Review.
Ο κ. Mohamed ξεκίνησε με μια ομαδική άσκηση σεναρίων, καλώντας το κοινό να σκεφτεί τέσσερις εκδοχές του μέλλοντος για την ΤΝ βάσει δύο αξόνων: τον τύπο της ΤΝ που θα έχουμε έως το 2040 και το επίπεδο εμπιστοσύνης της κοινωνίας σε αυτήν έως τα μέσα του αιώνα. Οπως εξήγησε, η άσκηση αυτή αποσκοπεί στο να καταδείξει ότι δεν υπάρχει μία μόνο αναπόφευκτη πορεία για το μέλλον της ΤΝ. Ως κατεύθυνση, προσδιόρισε την οικοδόμηση ΤΝ υψηλής εμπιστοσύνης και, προς αυτή την κατεύθυνση, παρουσίασε τρία οράματα.
Το πρώτο αφορά την εκπαίδευση, με σύνθημα «ένας δάσκαλος για κάθε μαθητή και ένας βοηθός για κάθε εκπαιδευτικό». Εξήγησε ότι, για να οικοδομηθεί η καλύτερη δυνατή ΤΝ για τη μάθηση, απαιτείται η ενσωμάτωση επιστημονικά τεκμηριωμένων παιδαγωγικών αρχών, όπως η ενεργητική μάθηση, η διαχείριση του γνωστικού φορτίου, η προσαρμογή στο επίπεδο κάθε μαθητή, η ενίσχυση της περιέργειας και η καλλιέργεια της μεταγνωστικής σκέψης.
Οι αρχές αυτές έχουν ήδη ενσωματωθεί στη λειτουργία «Guided Learning» του Gemini. Οπως ανέφερε, η αποτελεσματικότητα του συστήματος δοκιμάστηκε σε μαθησιακό περιβάλλον μαθηματικών σε σχολεία του Ηνωμένου Βασιλείου, καταγράφοντας θετικά αποτελέσματα. Ωστόσο, επισήμανε ότι η ιστορία των εκπαιδευτικών τεχνολογιών δείχνει πως τα μεγαλεπήβολα οράματα σπάνια υλοποιούνται πλήρως, ενώ τα ζητήματα ισότητας στην πρόσβαση παραμένουν ανοιχτά.
Το δεύτερο όραμα αφορά την πρόβλεψη καιρού και τη διαχείριση του περιβάλλοντος. Οπως ανέφερε, οι μεσοπρόθεσμες μετεωρολογικές προβλέψεις αποτελούν πεδίο ιδιαίτερης σημασίας, καθώς επηρεάζουν άμεσα τη διαχείριση ενεργειακών δικτύων, των ανανεώσιμων πηγών και των εθνικών συστημάτων προειδοποίησης. Σημείωσε ακόμη ότι το νεότερο μοντέλο GenCast της DeepMind παρουσιάζει υψηλότερη ακρίβεια και βελτιωμένη διαχείριση πιθανοτήτων, ιδίως στην πρόβλεψη ακραίων καιρικών φαινομένων.
Ωστόσο, επισήμανε ότι τα εργαλεία αυτά δεν αντικαθιστούν την παραδοσιακή επιστήμη. Ως παράδειγμα του τρόπου με τον οποίο η τεχνολογική πρόοδος δεν μεταφράζεται αυτόματα σε κοινωνικό όφελος ανέφερε την περίπτωση αλιευτικών εταιρειών που αξιοποίησαν βελτιωμένες μετεωρολογικές προβλέψεις για να επισπεύσουν απολύσεις εργαζομένων σε περιόδους μειωμένης ζήτησης.
Το τρίτο όραμα αφορά τη συμμετοχή των πολιτών στον σχεδιασμό της ΤΝ. Ως παράδειγμα συνεργατικής ΤΝ ανέφερε το μοντέλο Aeneas, το οποίο μετασχηματίζει τον τρόπο με τον οποίο οι ιστορικοί συνδέουν αρχαία κείμενα και επιγραφές με το ευρύτερο ιστορικό τους πλαίσιο, επιτρέποντας την ανάκτηση παράλληλων κειμένων μέσα σε δευτερόλεπτα. Χαρακτήρισε αυτή την κατεύθυνση ως «ΤΝ ως συνεργατικός και προσαρμόσιμος εταίρος».
Στη συζήτηση που ακολούθησε, ο κ. Mohamed επισήμανε ότι οι ανισότητες στην εμπιστοσύνη προς την ΤΝ αποτελούν αντανάκλαση ευρύτερων κοινωνικών ανισοτήτων. Αναφορικά με το πώς οικοδομείται η εμπιστοσύνη, τόνισε ότι προκύπτει μέσα από «μικρές, επαναλαμβανόμενες, αξιόπιστες πράξεις» και όχι από εφάπαξ ανακοινώσεις.
Κλείνοντας, κάλεσε το κοινό να καλλιεργεί την περιέργεια και να αξιοποιεί τη συλλογική δύναμη, τονίζοντας ότι «η μεγαλύτερη εξουσία μας είναι να επιλέγουμε τις αξίες με τις οποίες υλοποιούμε τα οράματά μας, συνεχίζοντας να οικοδομούμε ΤΝ που εμπιστευόμαστε».
