Το 1943, ο Αμερικανός νευροφυσιολόγος Ουόρεν Μακάλοχ και ο αυτοδίδακτος ψυχολόγος Ουόλτερ Πιτς ανέπτυξαν για πρώτη φορά το μαθηματικό μοντέλο ενός τεχνητού νευρώνα. Το σκεπτικό τους ήταν απλό: Κατορθώνοντας να ποσοτικοποιήσουμε τις διεργασίες του ανθρώπινου εγκεφάλου, θα μπορούσαμε ενδεχομένως μια μέρα να δημιουργήσουμε μια σκεπτόμενη μηχανή, μια τεχνητή νοημοσύνη όπως την είχε οραματιστεί ο Βρετανός μαθηματικός Αλαν Τούρινγκ.
Η πορεία αυτής της ιδέας, που τώρα τη συναντάμε με τη μορφή των νευρωνικών δικτύων και της βαθιάς μάθησης, υπήρξε ιδιαίτερα περιπετειώδης μέσα στον χρόνο. Εξερευνήθηκε πολλαπλώς από λαμπρά μυαλά, έφτασε στο σημείο να θέλξει μεγάλες επενδύσεις, έπειτα λοιδορήθηκε από εξίσου μεγάλες ιδιοφυΐες και κάποια στιγμή ξεχάστηκε από τους πολλούς. Ορισμένοι ωστόσο, όπως ο νομπελίστας πλέον Τζεφ Χίντον, επέμειναν και είναι αυτοί που μεσουρανούν στις μέρες μας.
Σήμερα, βιώνουμε μια άνοιξη της τεχνητής νοημοσύνης, γιατί η ιδέα της μίμησης της συναπτικής λειτουργίας του ανθρώπινου εγκεφάλου συναντήθηκε με δύο κρίσιμες εξελίξεις: την εκθετική ανάπτυξη της υπολογιστικής μας ισχύος και την αφθονία των δεδομένων μας. Αν δεν είχαμε τα πανίσχυρα τσιπ πυριτίου, που κατασκευάζονται κυρίως στην Ταϊβάν, και αν δεν φροντίζαμε να παράγουμε αδιαλείπτως δεδομένα με τις αλληλεπιδράσεις μας στο Διαδίκτυο, δεν θα υπήρχε ούτε ChatGPT ούτε προοπτική αυτοκινούμενων οχημάτων.
Ωστόσο, παρ’ όλα τα τεράστια άλματα που έχουν γίνει την τελευταία δεκαετία στην εφαρμογή αυτής της επαναστατικής ιδέας, σε μεγάλο βαθμό η συγκεκριμένη κατεύθυνση της τεχνητής νοημοσύνης, που σήμερα έχει ονομαστεί παραγωγική Τ.Ν., παραμένει ακόμη μια μεγάλη υπόσχεση. Αυτή τη στιγμή υπολογίζεται ότι έχει επενδυθεί περίπου 1 τρισ. δολάρια σ’ αυτή την ιδέα, αλλά κανείς δεν είναι σε θέση να προβλέψει αν θα αποδώσει αυτό το κολοσσιαίο ποντάρισμα.
Το ChatGPT έχει 10 εκατ. συνδρομητές επί πληρωμή και είναι προφανές ότι ο αριθμός δεν μπορεί να δικαιολογήσει τον υπέρμετρο ενθουσιασμό. Οι μεγάλες επιχειρήσεις, οι οποίες έχουν συγκεντρώσει το μεγαλύτερο μερίδιο των πόρων στα χέρια τους, διογκώνουν τεχνητά το μέγεθος της συμβολής τους, για να εξασφαλίζουν περισσότερη χρηματοδότηση, αλλά η πραγματικότητα τις διαψεύδει. Εκτός απ’ τα Μεγάλα Γλωσσικά Μοντέλα, και κάποιες σοβαρές επιτυχίες στο πεδίο της έρευνας, ακόμη δεν έχουμε δει τις πραγματικά καινοτόμους χρήσεις της βαθιάς μάθησης και των νευρωνικών δικτύων. Βλέπουμε μεγάλες βελτιώσεις σε ειδικές περιοχές, αλλά κανένας συνετός άνθρωπος δεν ανησυχεί με τις εξελίξεις, για το ορατό τουλάχιστον μέλλον.
Μπορεί η ιδέα της μίμησης του ανθρώπινου εγκεφάλου –έστω φαινομενικά– να θριαμβεύει, σταδιακά όμως αρχίζουν να γίνονται όλο και πιο ορατοί οι περιορισμοί της. Πιθανώς να μην είναι αυτή που θα μας κλέψει τις δουλειές, σκεφτόμαστε. Πιθανώς να μην είναι αυτή που θα γίνει η γενική Τ.Ν. (AGI), η εξυπνότερη από εμάς μηχανή. Ωστόσο, ακόμη κι αν έχει χτυπήσει σε τοίχο, η ιδέα αυτή παραμένει ελπιδοφόρα, αλλά και επικίνδυνη. Γι’ αυτό και είναι επιτακτικές οι ρυθμίσεις. Πρώτα απ’ όλα, η παραγωγική Τ.Ν. έχει «παραισθήσεις», επινοεί δηλαδή πράγματα που απλώς δεν υπάρχουν. Επειτα, είναι πολύ δύσκολο να γίνει διαφανής. Και το σημαντικότερο: η προγνωστική Τ.Ν. είναι αναξιόπιστη στις προγνώσεις της. Καθώς αγοράζουμε αυξανόμενα τις υποσχέσεις που πωλούν οι τεχνολογικοί κολοσσοί, καλό θα είναι να κρατάμε μικρότερο καλάθι, να είμαστε ρεαλιστές και να θυμόμαστε ότι έχουμε βρεθεί ξανά στο ίδιο σημείο. Ιστορικά, έπειτα από κάθε άνοιξη της τεχνητής νοημοσύνης, ακολούθησε ένας σκληρός χειμώνας αποεπένδυσης και απαισιοδοξίας.
