Πλάνες και ψευδαισθήσεις σχετικά με την Τεχνητή Νοημοσύνη. Γράφει ο Παύλος Παπαδόπουλος.

 Αν επιειρήσουμε ένα γκουγκλάρισμα της φράσης «Τεχνητή νοημοσύνη» (ή «Artificial Intelligence») και παρατηρήσουμε τις εικόνες που εμφανίζονται, θα συμπαιράνουμε ότι σχεδόν όλες έχουν κάποια κοινά μοτίβα.

Έτσι για παράδειγμα βλέπουμε ρομπότ με ανθρώπινη μορφή (κυρίως με πρόσωπα, μάτια, συχνά γυαλιστερά, μεταλλικά ή με LED), εγκέφαλοι φτιαγμένοι από κυκλώματα ή φώτα, σαν να είναι «ψηφιακοί εγκέφαλοι», δυαδικοί αριθμοί (0 και 1), κυκλώματα, νέον φώτα, μπλε και γαλάζια χρώματα, δικτυωτά μοτίβα που θυμίζουν νευρώνες ή δίκτυα δεδομένων. Όλες αυτές οι εικόνες είναι περισσότερο συμβολικές και καλλιτεχνικές αναπαραστάσεις της ιδέας που έχουμε για την τεχνητή νοημοσύνη. Δημιουργούν μια φαντασιακή εικόνα, όπου η ΑΙ παρουσιάζεται σαν κάτι «ανθρωποειδές» ή «μυστηριώδες», σχεδόν επιστημονικής φαντασίας.

Το ερώτημα που προκύπτει όμως είναι αν έχουν σχέση με την πραγματικότητα. Στην πραγματικότητα η τεχνητή νοημοσύνη σήμερα είναι κυρίως λογισμικό: αλγόριθμοι, στατιστικά μοντέλα, δίκτυα υπολογιστών που εκπαιδεύονται με δεδομένα. Δεν έχει μορφή ρομπότ ή εγκέφαλου από καλώδια. Τα ρομπότ αναμφίβολα υπάρχουν, αλλά είναι διαφορετικό πεδίο (ρομποτική) και απλώς μπορεί να χρησιμοποιούν τεχνητή νοημοσύνη. Αυτό που βλέπουμε καθημερινά (π.χ. ChatGPT, μεταφραστικά εργαλεία, φίλτρα εικόνας, αυτόνομη οδήγηση) είναι πολύ πιο «άυλο» και λιγότερο εντυπωσιακό σε εικόνα. Με λίγα λόγια: οι εικόνες της Google χτίζουν έναν μύθο γύρω από την τεχνητή νοημοσύνη, πιο «sci-fi» και οπτικά εντυπωσιακό, αλλά η πραγματικότητα είναι πιο τεχνική και αφηρημένη.

Όταν κάνουμε αναζήτηση εικόνων για την «Τεχνητή Νοημοσύνη», οι οπτικές αναπαραστάσεις που εμφανίζονται έχουν συγκεκριμένα χαρακτηριστικά. Αυτό δεν είναι τυχαίο· αντανακλά το πώς η κοινωνία φαντάζεται την ΑΙ και όχι το πώς πραγματικά είναι.

 

Γιατί όμως βλέπουμε ρομπότ, εγκεφάλους και κυκλώματα;

Μία αιτία είναι ο Ανθρωπομορφισμός. Πιο αναλυτικά, ο άνθρωπος έχει την τάση να αποδίδει ανθρώπινα χαρακτηριστικά σε μη ανθρώπινες οντότητες. Επειδή η «νοημοσύνη» συνδέεται με τον άνθρωπο, η φαντασιακή εικόνα της ΑΙ παίρνει συχνά τη μορφή ρομπότ με μάτια, πρόσωπο ή σώμα. Αυτό βοηθά να γίνει πιο «κατανοητή» και λιγότερο αφηρημένη στο μυαλό μας.

Άλλη αιτία ο εγκέφαλος ως σύμβολο: Έτσι λοιπόν επειδή η ΑΙ εμπνέεται από τον ανθρώπινο εγκέφαλο (π.χ. νευρωνικά δίκτυα), οι εικόνες συχνά δείχνουν εγκέφαλους από καλώδια ή φώτα. Πρόκειται για μεταφορά που δεν αντιστοιχεί στην πραγματική λειτουργία των αλγορίθμων αλλά εξηγεί οπτικά την ιδέα της «μηχανικής σκέψης».

Τέλος θα αναφερθώ και στην Τεχνολογική Αισθητική (κυκλώματα, μπλε-πράσινο χρώμα, binary code): Αυτά λειτουργούν σαν οπτικές «συντομογραφίες» που δηλώνουν «υπολογιστές», «ψηφιακό», «υψηλή τεχνολογία». Επειδή η ίδια η τεχνητή νοημοσύνη είναι άυλη (κώδικας και μαθηματικά), οι καλλιτέχνες και οι γραφίστες χρησιμοποιούν αυτά τα στοιχεία για να της δώσουν ορατή μορφή.

 

Έχει σχέση όλο αυτό με την πραγματικότητα;

Η απάντηση είναι μάλλον όχι, και να γιατί: Στην πραγματικότητα η ΑΙ δεν έχει «σώμα». Είναι λογισμικό που τρέχει σε servers, αποτελείται από γραμμές κώδικα, πίνακες δεδομένων και μαθηματικά μοντέλα. Τα ρομπότ, επίσης, δεν είναι συνώνυμα της ΑΙ. Ένα ρομπότ μπορεί να είναι απλά μια μηχανική κατασκευή χωρίς «έξυπνο» λογισμικό. Η ΑΙ μπορεί να υπάρχει χωρίς καθόλου ρομποτική (π.χ. ChatGPT, Netflix recommendations, Google Translate).

Ο εγκέφαλος όπως και να έχει δεν «ομοιάζει» με τις μηχανές μάθησης. Τα τεχνητά νευρωνικά δίκτυα είναι εμπνευσμένα από τον εγκέφαλο, αλλά σε πολύ απλουστευμένη μορφή. Άρα η εικόνα ενός φωτεινού εγκεφάλου από κυκλώματα είναι καθαρά συμβολική. Η καθημερινή ΑΙ είναι αόρατη, ένας κώδικας που αναλύει δεδομένα, συστήματα αναγνώρισης φωνής, λογισμικά για εικόνες. Δεν μπορεί κανείς δηλαδή να τη φωτογραφίσει.

Συμπερασματικά

Οι εικόνες στο Google για την Τεχνητή Νοημοσύνη είναι συμβολικές, αισθητικά φορτισμένες και ανθρωποκεντρικές. Φτιάχνουν ένα «οπτικό αφήγημα» που συχνά θυμίζει επιστημονική φαντασία. Η πραγματικότητα είναι πιο «πεζή»: σύνολα δεδομένων, αλγόριθμοι, κώδικας και υπολογιστική ισχύς. Άρα, αυτές οι εικόνες δεν έχουν άμεση σχέση με την πραγματικότητα· λειτουργούν σαν οπτική γλώσσα που κάνει πιο προσιτή και εντυπωσιακή μια τεχνολογία που διαφορετικά θα ήταν δύσκολο να «φανταστούμε».

 Το παρόν άρθρο αποτελεί μια μικρή εργασία στο πλαίσιο παρακολούθησης ασύγχρονης εκπαίδευσης: Κατανοώντας την Τεχνητή Νοημοσύνη (Πανεπιστήμιο Ελσίνκι)

-Ο Παύλος Παπαδόπουλος γεννήθηκε το 1978 στη Δράμα, μεγάλωσε στις Σέρρες και έζησε στην Αθήνα και τη Θεσσαλονίκη. Από το 1996 εργάζεται στο δημόσιο σε διάφορες διοικητικές θέσεις. Είναι απόφοιτος της Σχολής Αξιωματικών της Ελληνικής Αστυνομίας, της Σχολής Αστυφυλάκων της Αστυνομικής Ακαδημίας, της Σχολής Επιμόρφωσης και μετεκπαίδευσης ΕΛ.ΑΣ., και της Σχολής Ελληνικού Πολιτισμού, του Τμήματος Ανθρωπιστικών. Σπουδών του Ελληνικού Ανοικτού Πανεπιστημίου. Μιλάει Αγγλικά και Γερμανικά.

Η Αλγοριθμική Μεροληψία. Γράφει ο Παύλος Παπαδόπουλος

 Τι είναι λοιπόν η Αλγοριθμική Μεροληψία; Πρόκειται για την ενσωμάτωση μιας τάσης διακρίσεων με βάση την εθνοτική καταγωγή, το φύλλο ή άλλους παράγοντες όπως οι θέσεις και οι αιτήσεις εργασίας, τα τραπεζικά δάνεια κλπ.

Η βασική αιτία της Αλγοριθμικής Μεροληψίας είναι φυσικά η ανθρώπινη μεροληψία στα δεδομένα. Έτσι για παράδειγμα σε εργαλεία φιλτραρίσματος για θέσεις εργασίας η Τ.Ν. εκπαιδεύεται με αποφάσεις που λαμβάνουν άνθρωποι και έτσι ο αλγόριθμος μηχανικής  μάθησης μπορεί άνετα να μάθει να κάνει διακρίσεις κατά γυναικών ή ατόμων, με βάση την εθνοτική καταγωγή. Πρόκειται για ένα πραγματικό φαινόμενο, το οποίο επηρεάζει ήδη στις μέρες μας τις ανθρώπινες κοινωνίες.

Πάρτε για παράδειγμα τη διαφήμιση διαδικτυακής εργασίας στην Google, όπου τείνουν να παρουσιάζουν χαμηλότερα αμειβόμενες θέσεις στις γυναίκες σε σχέση με τους άντρες . Άλλο παράδειγμα η αναζήτηση εργασίας με χρήση ενός ονόματος που μοιάζει για αφροαμερικάνικο, να έχει ως  αποτύπωμα παρουσίαση διαφήμισης εργαλείου πρόσβασης σε ποινικό μητρώο. Οι συστάσεις που περιλαμβάνονται σε κοινωνικά δίκτυα βασίζονται ως γνωστόν σε κλικ χρηστών, και ευκολότατα μπορούν να έχουν ως συνέπεια τη μεγέθυνση υφιστάμενων μεροληψιών, αλλά ακόμη και ανάγκες αρχικά πολύ περιορισμένες. Έτσι λοιπόν, μπορούμε να αναζητήσουμε το γυναικείο όνομα Andrea και η πλατφόρμα π.χ. LinkedIn να ρωτά μήπως εννοούμε το όνομα Andrew! Αν δηλαδή το όνομα Andrew περισσότερα κλικ θα προωθηθεί ακόμη περισσότερο!

 

Η έλλειψη διαφάνειας.

Οι αλγόριθμοι και τα δεδομένα αποτελούν εμπορικά μυστικά και οι εταιρείες δεν είναι πιθανό να επιτρέπουν τον έλεγχο στο ευρύ κοινό. Αλλά ακόμη και αν το επέτρεπαν, θα ήταν δύσκολο να εντοπιστεί το τμήμα του αλγόριθμου ή τα στοιχεία των δεδομένων οπυ δημιουργούν διακρίσεις.

Σημαντικό βήμα προς την κατεύθυνση διαφάνειας είναι ο Ευρωπαϊκός Γενικός Κανονισμός για την Προστασία Δεδομένων (Γ.Κ.Π.Δ.), ο οποίος απαιτείται από επιχειρήσεις της Ε.Ε. που έχουν Ευρωπαίους πελάτες. Έτσι λοιπόν οφείλουν να αποκαλύπτουν, κατόπιν σχετικού αιτήματος, τα δεδομένα που έχουν συλλέξει σχετικά με οποιοδήποτε άτομο (δικαίωμα πρόσβασης) Επιπλέον, να διαγράφουν τυχόν τέτοιου είδους δεδομένα τα οποία δεν απαιτείται να τηρούν μαζί με άλλες υποχρεώσεις, κατόπιν σχετικού αιτήματος (δικαίωμα στη λήθη), αλλά και να παρέχουν επεξηγήσεις σχετικά με την επεξεργασία δεδομένων που υφίστανται τα δεδομένα του πελάτη (δικαίωμα στην παροχή διευκρινήσεων).

Για παράδειγμα, Google και Facebook έχουν πλέον υποχρέωση να παρέχουν εξηγήσεις σχετικά με τη διαδικασία λήψης αποφάσεων και ο Γ.Κ.Π.Δ. έχει τη δυναμική να βελτιώσει τη διαφάνεια των τεχνολογιών Τ.Ν.

Ας δούμε όμως τώρα ένα άλλο θέμα. Είμαστε φυσικά  συνηθισμένοι να πιστεύουμε αυτό που βλέπουμε. Όταν παρακολουθούμε έναν ηγέτη στην τηλεόραση να δηλώνει ότι η χώρα του θα εμπλακεί σε εμπορικό πόλεμο με μια άλλη χώρα ή όταν ένας γνωστός εκπρόσωπος μιας εταιρείας ανακοινώνει μια σημαντική επιχειρηματική απόφαση, τείνουμε να τον εμπιστευόμαστε περισσότερο από ό,τι θα εμπιστευόμασταν την ίδια δήλωση εάν τη διαβάζαμε από δεύτερο χέρι στις ειδήσεις, γραμμένη από κάποιον άλλο.

Παρομοίως, όταν βλέπουμε φωτογραφικά τεκμήρια από έναν τόπο εγκλήματος ή από την επίδειξη μιας νέας τεχνολογικής συσκευής, αποδίδουμε περισσότερο βάρος στα τεκμήρια από ό,τι στην γραπτή έκθεση στην οποία παρέχονται διευκρινίσεις σχετικά με το πώς έχει η κατάσταση.

Φυσικά, έχουμε επίγνωση της δυνατότητας κατασκευής ψευδών τεκμηρίων. Άνθρωποι μπορούν να τοποθετηθούν σε τόπους που δεν επισκέφτηκαν ποτέ, με ανθρώπους που δεν συνάντησαν ποτέ, με την επεξεργασία εικόνας. Επίσης, είναι δυνατόν να τροποποιηθεί η όψη των πραγμάτων διά της απλής προσαρμογής του φωτισμού ή μέσω της αφαίρεσης πάχους από το στομάχι με χρήση φθηνών τεχνικών επεξεργασίας εικόνων τύπου «πριν-μετά» με σκοπό τη διαφήμιση του τελευταίου χαπιού διαίτης.

 Με την ΤΝ, είναι τρομακτικό ότι οι δυνατότητες πλαστογράφησης   τεκμηρίων αλλάζουν εντελώς επίπεδο: Το Face2Face επί παραδείγματι είναι ένα σύστημα ικανό να αναγνωρίζει τις εκφράσεις του προσώπου ενός ατόμου και να τις εφαρμόζει στο πρόσωπο ενός άλλου ατόμου σε ένα βίντεο στο Youtube. Το Lyrebird είναι ένα εργαλείο αυτόματης μίμησης της φωνής ενός ατόμου μετά από μερικά λεπτά δειγματοληπτικής ηχογράφησης. Παρότι ο παραγόμενος ήχος εξακολουθεί να έχει σε σημαντικό βαθμό τη χροιά της φωνής ενός ρομπότ. Η εφαρμογή είναι εντυπωσιακή!

 

Επίπτωση 3: Αλλαγή της έννοιας της ιδιωτικότητας

Είναι εδώ και πολύ καιρό γνωστό ότι οι τεχνολογικές επιχειρήσεις συλλέγουν πολλές πληροφορίες σχετικά με τους χρήστες τους. Παλαιότερα, ήταν κυρίως τα σουπερμάρκετ και άλλα καταστήματα λιανικής που συνέλεγαν δεδομένα σχετικά με τις αγορές, προσφέροντας στους πελάτες τους «κάρτες προνομίων» που επιτρέπουν στο κατάστημα να συσχετίζει τις αγορές με μεμονωμένους πελάτες.

 

Άνευ προηγουμένου ακρίβεια δεδομένων

Η ακρίβεια των δεδομένων που συλλέγουν τεχνολογικές επιχειρήσεις όπως το Facebook, η Google, η Amazon και πολλές άλλες απέχει πολύ από την ακρίβεια των δεδομένων για τις αγορές που συλλέγουν τα συμβατικά καταστήματα: καταρχήν, είναι εφικτή η καταγραφή κάθε κλικ, κάθε κίνησης κύλισης στην ιστοσελίδα, καθώς και του χρόνου που δαπανάτε για την προβολή οποιουδήποτε περιεχομένου. Οι ιστότοποι μπορούν να αποκτήσουν πρόσβαση.

 

Αλλαγές στην εργασία

Όταν ένας από τους πρώτους ανθρώπους έμαθε να χρησιμοποιεί μια αιχμηρή πέτρα για να σπάει κόκαλα νεκρών ζώων προκειμένου να αποκτήσει πρόσβαση σε μια νέα πηγή διατροφής, απελευθερώθηκε χρόνος και ενέργεια για άλλους σκοπούς όπως η πάλη, η αναζήτηση συντρόφου, και η πραγματοποίηση περισσότερων εφευρέσεων.

Με την εφεύρεση της ατμομηχανής την πρώτη δεκαετία του 18ου αιώνα αξιοποιήθηκε μια εύκολα μεταφερόμενη μορφή μηχανικής ισχύος που βελτίωσε σε σημαντικό βαθμό την αποδοτικότητα των εργοστασίων καθώς και των πλοίων και των τρένων. Η αυτοματοποίηση υπήρξε πάντοτε ένας δρόμος προς την αποδοτικότητα: αύξηση της απόδοσης με λιγότερα μέσα. Ιδίως στα μέσα του 20 αιώνα, η τεχνολογική εξέλιξη οδήγησε σε μια περίοδο προόδου άνευ προηγουμένου όσον αφορά την αυτοματοποίηση. Η ΤΝ αποτελεί συνέχεια αυτής της προόδου.

Κάθε βήμα προς την κατεύθυνση της βελτίωσης της αυτοματοποίησης μεταβάλλει την εργασιακή ζωή. Με την αιχμηρή πέτρα, μειώθηκε η ανάγκη για κυνήγι και συλλογή τροφής· με την ατμομηχανή, μειώθηκε η ανάγκη για τη χρήση αλόγων και ιππέων· με τον υπολογιστή, μειώθηκε η ανάγκη για δακτυλογράφους, μη αυτόματη λογιστική, και πολλές άλλες μορφές επεξεργασίας δεδομένων (και, προφανώς, αυξήθηκε η ανάγκη παρακολούθησης βίντεο με γάτες). Με την ΤΝ και τη ρομποτική, η ανάγκη για πολλά είδη πληκτικής, επαναληπτικής εργασίας μειώνεται ακόμη περισσότερο.

 

Η ιστορία της ανακάλυψης νέων ενασχολήσεων

Κατά το παρελθόν, κάθε φορά που ένα είδος εργασίας αυτοματοποιούνταν, οι άνθρωποι έβρισκαν κάτι άλλο για να το αντικαταστήσουν. Τα νέα είδη εργασίας είναι λιγότερο επαναληπτικά και ανιαρά, και περισσότερο ποικιλόμορφα και δημιουργικά. Το ζήτημα με τους τρέχοντες ρυθμούς προόδου της ΤΝ και άλλων τεχνολογιών είναι ότι στη διάρκεια της σταδιοδρομίας ενός ατόμου, η ανάγκη αλλαγής της εργασιακής ζωής μπορεί να είναι μεγαλύτερη από ποτέ.

 Είναι πιθανό ορισμένες εργασίες όπως η οδήγηση φορτηγού ή ταξί να εκλείψουν μέσα σε διάστημα μερικών ετών. Αυτού του είδους η απότομη αλλαγή μπορεί να οδηγήσει σε μαζική ανεργία, καθώς οι άνθρωποι δεν έχουν τον χρόνο να εκπαιδευτούν σε άλλα είδη εργασίας. Η σημαντικότερη προληπτική δράση για την αποφυγή τεράστιων κοινωνικών προβλημάτων είναι να βοηθήσουμε τους νέους να αποκτούν εκπαίδευση σε ένα ευρύ φάσμα αντικειμένων. Κατ’ αυτόν τον τρόπο, θα διασφαλίζεται η ύπαρξη μιας βάσης για τη δραστηριοποίηση σε πολλές διαφορετικές εργασίες, η οποία δεν θα κινδυνεύει ιδιαίτερα να καταστεί παρωχημένη στο εγγύς μέλλον. Εξίσου σημαντική είναι η υποστήριξη της διά βίου μάθησης και της εκμάθησης στην εργασία, διότι λίγοι από εμάς θα κάνουν την ίδια εργασία σε όλη τη διάρκεια της σταδιοδρομίας τους. Η περικοπή των ωρών εργασίας ανά εβδομάδα θα συμβάλει στη δημιουργία θέσεων εργασίας για περισσότερους ανθρώπους, αλλά οι νόμοι της οικονομίας τείνουν να ωθούν τους ανθρώπους να εργάζονται περισσότερο και όχι λιγότερο, εκτός εάν θεσπιστούν μέτρα υπέρ του δημοσίου συμφέροντος με σκοπό τη ρύθμιση των ωρών εργασίας.

Οι κοινωνικές επιπτώσεις της ΤΝ  και της έκτασης των εν λόγω εξελίξεων είναι εξαιρετικά δυσχερής. Έχουν πραγματοποιηθεί ορισμένες εκτιμήσεις σχετικά με την έκταση της αυτοματοποίησης της εργασίας, βάσει των οποίων προβλέπεται ότι κινδυνεύει να χαθεί έως το 47% των θέσεων εργασίας στις ΗΠΑ, σύμφωνα με ερευνητές του πανεπιστημίου της Οξφόρδης. Οι ακριβείς αριθμοί όπως οι συγκεκριμένοι – 47% και όχι 45% ή 49% –, ο πολύπλοκος στο άκουσμα σχεδιασμός των εν λόγω μελετών που χρησιμοποιήθηκαν για τον υπολογισμό τους, καθώς και τα κορυφαία πανεπιστήμια που τους αναφέρουν τείνουν να δίνουν την εντύπωση ότι οι εκτιμήσεις είναι πολύ ακριβείς και αξιόπιστες (υπενθυμίζεται το σημείο σχετικά με την εκτίμηση του προσδόκιμου ζωής με χρήση γραμμικού μοντέλου βάσει περιορισμένου όγκου δεδομένων).

 Η ψευδαίσθηση της επίτευξης ακρίβειας ενός εκατοστού αποτελεί πλάνη. Ο παραπάνω αριθμός, για παράδειγμα, βασίζεται στην εξέταση μεγάλου αριθμού περιγραφών θέσεων εργασίας –όπως όταν γλύφουμε την άκρη του δακτύλου μας και προσπαθούμε να καταλάβουμε την κατεύθυνση του ανέμου – και στη χρήση υποκειμενικών κριτηρίων για να αποφασίσουμε ποιες εργασίες είναι πιθανό να αυτοματοποιηθούν. Είναι κατανοητό ότι οι άνθρωποι δεν μπαίνουν στον κόπο να διαβάσουν μια έκθεση 79 σελίδων στην οποία περιλαμβάνονται φράσεις όπως «το μοντέλο εργασιών προϋποθέτει όσον αφορά την προσπελασιμότητα συναθροιστική συνάρτηση παραγωγής Cobb-Douglas σταθερών αποδόσεων κλίμακας» .Ωστόσο, εάν δεν διαβάζετε αυτές τις εκθέσεις, θα πρέπει να διατηρήσετε τον σκεπτικισμό σας και για τα αποτελέσματά τους. Η πραγματική αξία της ανάλυσης αυτού του είδους είναι ότι υποδεικνύει ποια είδη εργασιών είναι πιο πιθανό να κινδυνεύουν, και όχι οι πραγματικοί αριθμοί όπως το 47%. Η τραγωδία είναι ότι πως αυτό μένει είναι οι τίτλοι των μέσων ενημέρωσης που αναφέρουν ότι «σχεδόν οι μισές θέσεις εργασίας στις ΗΠΑ κινδυνεύουν από την εισβολή των υπολογιστών».

Ποιες είναι λοιπόν οι εργασίες που είναι πιθανότερο να αυτοματοποιηθούν; Σχετικά με αυτό, υπάρχουν ορισμένα ξεκάθαρα σημάδια που μπορούμε να παρατηρήσουμε ήδη:

Οι αυτόνομες λύσεις ρομποτικής όπως τα αυτό-οδηγούμενα οχήματα, περιλαμβανομένων των αυτοκινήτων, των μη επανδρωμένων αεροσκαφών και των σκαφών ή των φέριμποτ), είναι σχεδόν έτοιμες για εφαρμογή σε εμπορικούς τομείς σε μεγάλη κλίμακα. Η ασφάλεια των αυτόνομων αυτοκινήτων είναι δύσκολο να εκτιμηθεί, αλλά τα στατιστικά στοιχεία υποδεικνύουν ότι δεν έχει ακόμη φθάσει στα απαιτούμενα επίπεδα (το επίπεδο ενός μέσου ανθρώπου οδηγού). Ωστόσο, η πρόοδος είναι απίστευτα γρήγορη και επιταχύνεται λόγω του αυξανόμενου όγκου των διαθέσιμων δεδομένων.

Οι εφαρμογές εξυπηρέτησης πελατών όπως τα γραφεία υποστήριξης χρηστών μπορούν να αυτοματοποιηθούν κατά τρόπο ιδιαίτερα αποδοτικό οικονομικά. Επί του παρόντος, η ποιότητα της εξυπηρέτησης δεν είναι πάντοτε άριστη, καθώς υπάρχουν τα προβλήματα της επεξεργασίας της γλώσσας (το σύστημα δεν είναι σε θέση να αναγνωρίσει ομιλούμενη γλώσσα ή να αναλύσει τη γραμματική) και της λογικής και της συλλογιστικής διαδικασίας που απαιτούνται για την παροχή της υπηρεσίας. Ωστόσο, συνεχώς αναφύονται λειτουργικές εφαρμογές σε περιορισμένους τομείς (όπως οι κρατήσεις σε εστιατόρια ή κομμωτήρια).

Πρώτον, είναι δύσκολο να πούμε πόσο σύντομα θα διαθέτουμε ασφαλή και αξιόπιστα αυτό-οδηγούμενα αυτοκίνητα και άλλες λύσεις που μπορούν να αντικαταστήσουν την εργασία του ανθρώπου. Πέραν τούτου, δεν πρέπει να ξεχνούμε ότι ένας οδηγός φορτηγού ή ταξί δεν χειρίζεται απλώς το τιμόνι: είναι επίσης υπεύθυνος για την ορθή λειτουργία του οχήματος, χειρίζεται προϊόντα και διαπραγματεύεται με τους πελάτες, διασφαλίζει την ασφάλεια του φορτίου και των επιβατών και μεριμνά για τη διεκπεραίωση πολλών άλλων εργασιών που μπορεί να είναι πολύ δυσκολότερο να αυτοματοποιηθούν σε σχέση με την οδήγηση καθαυτή.

Όπως συνέβη και με προηγούμενες τεχνολογικές προόδους, η ΤΝ θα δημιουργήσει επίσης νέα είδη εργασίας. Είναι πιθανό στο μέλλον ένα μεγαλύτερο μέρος του εργατικού δυναμικού να επικεντρωθεί στην έρευνα και την ανάπτυξη, καθώς και σε εργασίες που απαιτούν δημιουργικότητα και αλληλεπίδραση μεταξύ ανθρώπων.

Ζούμε στην εποχή της επιστημονικής φαντασίας; Απειλεί η τεχνητή νοημοσύνη την απασχόληση στο άμεσο μέλλον; Και τι σημαίνει σήμερα να είμαστε άνθρωποι σε μια περίοδο που οι μηχανές κάνουν τόσο πολλά; Η καθηγήτρια στο Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτων του Πανεπιστημίου Αιγαίου, Λίλιαν Μήτρου, εξηγεί στον Γιάννη Πανταζόπουλο.

(Το παρόν άρθρο αποτέλεσε εργασία στο πλαίσιο παρακολούθησης ασύγχρονου σεμιναρίου Κατανοώντας την Α.Ι. από το Πανεπιστήμιο του Ελσινκι)

-Ο Παύλος Παπαδόπουλος γεννήθηκε το 1978 στη Δράμα, μεγάλωσε στις Σέρρες και έζησε στην Αθήνα και τη Θεσσαλονίκη. Από το 1996 εργάζεται στο δημόσιο σε διάφορες διοικητικές θέσεις. Είναι απόφοιτος της Σχολής Αξιωματικών της Ελληνικής Αστυνομίας, της Σχολής Αστυφυλάκων της Αστυνομικής Ακαδημίας, της Σχολής Επιμόρφωσης και μετεκπαίδευσης ΕΛ.ΑΣ., και της Σχολής Ελληνικού Πολιτισμού, του Τμήματος Ανθρωπιστικών. Σπουδών του Ελληνικού Ανοικτού Πανεπιστημίου. Μιλάει Αγγλικά και Γερμανικά.

Η «διανοητική παχυσαρκία» ως αναδυόμενος κίνδυνος από την εσφαλμένη χρήση της Τεχνητής Νοημοσύνης. Του Σωτήριου Μάιπα

Σα βγεις στον πηγαιμό για την Ιθάκη, να εύχεσαι να ’ναι μακρύς ο δρόμος, γεμάτος περιπέτειες, γεμάτος γνώσεις

Κ. Π. Καβάφης

Η Τεχνητή Νοημοσύνη (Artificial Intelligence, AI), μέσω των chatbots και της παραγωγικής AI, αποτελεί ένα ισχυρό εργαλείο που μετασχηματίζει το τοπίο της μάθησης, της διδασκαλίας και της έρευνας. Παρά τις τεράστιες δυνατότητες της AI, πολλοί μαθητές/φοιτητές προτιμούν να τη χρησιμοποιούν απλώς για να συλλέγουν απαντήσεις στις ερωτήσεις των διδασκόντων τους ή για να παράγουν κείμενα σε μια προσπάθεια να ελαχιστοποιήσουν τον χρόνο που αφιερώνουν στην απόκτηση γνώσης και στην πνευματική άσκηση και ανάπτυξη. Αυτό συνιστά μια μορφή εσφαλμένης χρήσης που εμπεριέχει σημαντικούς εκπαιδευτικούς, και όχι μόνο, κινδύνους.

Όπως είχε πει ο Κωνσταντίνος Καβάφης, ο δρόμος προς την «Ιθάκη» πρέπει να είναι μακρύς, γεμάτος εμπειρίες-περιπέτειες και γνώσεις. Χρησιμοποιώντας τα AI chatbots με έναν αντιπαραγωγικό τρόπο, οι μαθητές/φοιτητές χάνουν την ευκαιρία να βιώσουν την ομορφιά της αναζήτησης και της ανακάλυψης της γνώσης και να ωριμάσουν πνευματικά μέσα από ένα τέτοιο ταξίδι. Πράγματι, τα AI chatbots παρέχουν πληροφορίες με τρόπο ανάλογο με τα εστιατόρια γρήγορου φαγητού, που προσφέρουν έτοιμα, άμεσα διαθέσιμα, γεύματα. Ως αποτέλεσμα, μειώνεται ή και εξαλείφεται η διάρκεια του ταξιδιού προς τη γνώση. Αυτό θα μπορούσε τελικά να οδηγήσει σε μια νέα πραγματικότητα «διανοητικής παχυσαρκίας», με τους μαθητές/φοιτητές να γίνονται απλοί συλλέκτες πληροφοριών, χωρίς ο νους να προπονείται και χωρίς να καλλιεργείται η ικανότητα κριτικής σκέψης.

Η AI αυτή καθαυτή δεν θα πρέπει να θεωρείται ούτε εκπαιδευτικό θαύμα ούτε απειλή. Είναι ένα εργαλείο και η επίδρασή της εξαρτάται από το πώς χρησιμοποιείται. Η εσφαλμένη χρήση της AI συνεπάγεται σημαντικούς εκπαιδευτικούς κινδύνους, που αρκετά συχνά πηγάζουν από την έλλειψη γνώσης και δεξιοτήτων σχετικά με τη σωστή της εφαρμογή. Αξίζει να αναφερθεί εδώ ότι μια συστηματική ανασκόπηση που αφορούσε φοιτητές στον τομέα της υγείας αποκάλυψε ότι η πλειονότητά τους στερούνταν τα απαραίτητα προσόντα για να αξιοποιήσει πλήρως τις δυνατότητες της AI (Mousavi Baigi et al., 2023). Ένα ακόμη σημαντικό ζήτημα είναι η πιθανή συμβολή των AI chatbots στο λεγόμενο «φαινόμενο Dunning–Kruger» (βλ. π.χ. Li et al., 2025), μια κατάσταση κατά την οποία τα άτομα με περιορισμένες γνώσεις ή δεξιότητες σε έναν συγκεκριμένο τομέα υπερεκτιμούν τις ικανότητές τους, ενισχύοντας έτσι τη πιθανή λανθασμένη αντίληψή τους για τις πραγματικές τους γνώσεις και δεξιότητες (Kruger and Dunning, 1999; Rahmani, 2020; Giray, 2024). Συνεπώς, η εκπαίδευση στην ορθή χρήση της AI για εκπαιδευτικούς σκοπούς, προσωπική και επαγγελματική ανάπτυξη κρίνεται απαραίτητη.

Επιπλέον, οι σύγχρονες εκπαιδευτικές προσεγγίσεις που ωφελούνται από την AI, πρέπει να αποφύγουν την παγίδα της λάθος χρήσης της. Για παράδειγμα, η εκπαίδευση STEM (Science, Technology, Engineering, and Mathematics, δηλαδή: Επιστήμη, Τεχνολογία, Μηχανική και Μαθηματικά), η οποία παίζει καθοριστικό ρόλο στην καλλιέργεια της κριτικής σκέψης και στην ενίσχυση της ικανότητας συμμετοχής στα δρώμενα με την ιδιότητα του ενεργού δημοκρατικά πολίτη (Zarestky and Vilen, 2023), αναμφίβολα μπορεί να επωφεληθεί σημαντικά από την ενσωμάτωση της AI. Ωστόσο, πρέπει να αναγνωριστούν όλοι οι πιθανοί κίνδυνοι. Αν η μαθησιακή διαδικασία καταστεί υπερβολικά σύντομη, υπερ-απλουστευμένη ή σε μεγάλο βαθμό μηχανιστική, οι θεμελιώδεις στόχοι της εκπαίδευσης STEM, που σχετίζονται με την καλλιέργεια της κριτικής σκέψης, της επιστημονικής δημιουργικότητας και των δεξιοτήτων επίλυσης προβλημάτων (Hebebci and Usta, 2022), μπορεί να υπονομευθούν σε μεγάλο βαθμό.

Σε αυτό το πλαίσιο, η κατάλληλη ενσωμάτωση και ενίσχυση των Τεχνών (Arts) εντός του πλαισίου του STEM είναι πιο σημαντική από ποτέ, τόσο στην εκπαίδευση παιδιών σχολικής ηλικίας όσο και ενηλίκων. Η μετάβαση προς το STEAM (Επιστήμη, Τεχνολογία, Μηχανική, Τέχνες και Μαθηματικά) δεν είναι μόνο επίκαιρη, αλλά και αναγκαία πλέον. Ενσωματώνοντας τις Τέχνες, το STEAM μετατρέπεται σε ένα εκπαιδευτικό μοντέλο που μπορεί να καλλιεργήσει και να προάγει ακόμη περισσότερο την ανθρώπινη διάσταση της δημιουργικότητας (Segarra et al., 2018; de Vries, 2021; Zhang and Jia, 2024).

Η δημιουργικότητα τροφοδοτεί την καλλιτεχνική έκφραση και πρέπει να καλλιεργείται με στρατηγικό τρόπο. Συνεπώς, μεγάλη έμφαση πρέπει να δίνεται και στην καλλιτεχνική εκπαίδευση των φοιτητών. Η ενσωμάτωση μαθημάτων με καλλιτεχνικό προσανατολισμό στα πανεπιστημιακά προγράμματα σπουδών μπορεί να εμπλουτίσει την εκπαιδευτική εμπειρία, καλλιεργώντας τη δημιουργικότητα, ιδιαίτερα σε μια εποχή όπου η ανθρώπινη δημιουργικότητα φαίνεται να αποτελεί το σημαντικότερο αντίβαρο στη λογική των αλγορίθμων.

Αλλά γιατί πρέπει να μιλάμε για «διανοητική παχυσαρκία»; Η παχυσαρκία είναι μια καλά τεκμηριωμένη και ευρέως μελετημένη χρόνια ασθένεια πανδημικών διαστάσεων, που αποδίδεται, μεταξύ άλλων παραγόντων, στην κακή διατροφή και στην έλλειψη σωματικής άσκησης. Αποτελεί επίσης σημαντικό παράγοντα κινδύνου για την ανάπτυξη πολλών άλλων παθήσεων (Meldrum et al., 2017).

Κατά ανάλογο τρόπο, η σημερινή κατάσταση που αφορά στη λάθος χρήση της AI στην εκπαίδευση, και ιδιαίτερα στον τρόπο με τον οποίο οι μαθητές/φοιτητές βασίζονται -σχεδόν ή εντελώς αποκλειστικά- σε αυτήν κατά τον ατομικό τους χρόνο μελέτης έχει πράγματι αποκτήσει παγκόσμιες και συνεπώς «πανδημικές» διαστάσεις. Εδραιώνεται σταδιακά ένα μοντέλο ανεπαρκούς πνευματικής προπόνησης/άσκησης, το οποίο εν δυνάμει συνιστά παράγοντα κινδύνου για άλλα κοινωνικοοικονομικά προβλήματα. Πράγματι, οι μαθητές/φοιτητές ολοένα και περισσότερο μετατρέπονται σε απλούς συλλέκτες τεράστιων ποσοτήτων πληροφοριών, οι οποίες συνήθως είναι αποκομμένες από αιτιακές συνδέσεις και από την εμπειρική διάσταση της αναζήτησης της γνώσης, της βαθύτερης κατανόησης και της σταδιακώς αποκτώμενης επίγνωσης.

Με βάση τα παραπάνω, για την περιγραφή αυτής της νέας «πανδημίας», προτείνεται η ευρεία υιοθέτηση του όρου «διανοητική παχυσαρκία» (“intellectual obesity”), ενός όρου που είναι ήδη γνωστός τουλάχιστον από τη δεκαετία του 1920 (βλ. π.χ. Moravsky, 1928; Bross, 1955; Munshi, 2021). Το διακριτικό χαρακτηριστικό ανάμεσα στα δύο φαινόμενα είναι ότι η διανοητική παχυσαρκία λόγω AI δεν είναι καλά τεκμηριωμένη ούτε προφανώς ευρέως μελετημένη, όπως η σωματική παχυσαρκία. Ως εκ τούτου, συνιστά ένα φαινόμενο που απαιτεί επειγόντως εκτενή μελέτη και παρέμβαση, πριν η εκπαιδευτική διαδικασία αρχίσει να παράγει στρατιές διανοητικά παχύσαρκων αποφοίτων, εξαρτώμενων από μηχανές που οι προθέσεις τους ή οι προθέσεις όσων τις ελέγχουν μπορεί κάποια στιγμή να μεταβληθούν.

Η «Ιθάκη» θα είναι πάντα εκεί και θα μας περιμένει. Όμως, ακόμα κι αν την αγγίξουμε, δεν θα φθάσουμε ποτέ σε αυτήν πραγματικά, αν προσπαθήσουμε να αποφύγουμε το ταξίδι της γνώσης. Μήπως ο αληθινός προορισμός είναι η διαδρομή τελικά;

• Bross I. D. (1955). Therapy for Intellectual Obesity: Common Sense in Reducing Figures. American Journal of Obstetrics and Gynecology, 69(2), 372-378.
• de Vries H. (2021). Space for STEAM: New creativity challenge in education. Frontiers in Psychology, 12, 586318.
• Giray L. (2024). Negative effects of generative AI on researchers: publishing addiction, Dunning-Kruger effect and skill erosion. Journal of Applied Learning and Teaching, 7(2).
• Hebebci M. T., Usta E. (2022). The Effects of Integrated STEM Education Practices on Problem Solving Skills, Scientific Creativity, and Critical Thinking Dispositions. Participatory Educational Research, 9(6), 358-379.
• Kruger J., Dunning D. (1999). Unskilled and unaware of it: how difficulties in recognizing one’s own incompetence lead to inflated self-assessments. Journal of Personality and Social Psychology, 77(6), 1121-1134.
• Li L. T., Adelstein J. M., Sinkler M. A., Mistovich R. J. (2025). Artificial intelligence promotes the Dunning Kruger effect: Evaluating ChatGPT answers to frequently asked questions about adolescent idiopathic scoliosis. JAAOS-Journal of the American Academy of Orthopaedic Surgeons, 33(9), 473-480.
• Meldrum D. R., Morris M. A., Gambone J. C. (2017). Obesity pandemic: causes, consequences, and solutions—but do we have the will? Fertility and Sterility, 107(4), 833-839.
• Moravsky M. (1928). The Perils of Literacy. The North American Review, 226(4), 473-478.
• Mousavi Baigi S. F., Sarbaz M., Ghaddaripouri K., Ghaddaripouri M., Mousavi A. S., Kimiafar K. (2023). Attitudes, knowledge, and skills towards artificial intelligence among healthcare students: A systematic review. Health Science Reports, 6(3), e1138.
• Munshi V. A. (2021). Intellectual Obesity – Are you at Risk? https://www.linkedin.com/pulse/intellectual–obesity–you–risk–dr–vikram–a–munshi-/. Ημερομηνία τελευταίας πρόσβασης: 11/09/2025.
• Rahmani M. (2020). Medical trainees and the Dunning–Kruger effect: when they don’t know what they don’t know. Journal of Graduate Medical Education, 12(5), 532-534.
• Segarra V. A., Natalizio B., Falkenberg C. V., Pulford S., Holmes R. M. (2018). STEAM: Using the arts to train well-rounded and creative scientists. Journal of Microbiology & Biology Education, 19(1).
• Zarestky J., Vilen L. (2023). Adult STEM education for democratic participation. Adult Learning, 34(3), 157-167.
• Zhang C., Jia B. (2024). Enriching STEAM education with visual art: education benefits, teaching examples, and trends. Discover Education, 3(1), 247.

Categories