Οι μηχανές δεν έχουν την ικανότητα να μαθαίνουν τη γλώσσα με τον ίδιο τρόπο που τη μαθαίνουν οι άνθρωποι, ούτε διαθέτουν το πλήρες φάσμα αισθήσεων — και δεν είναι καν σαφές τι θα σήμαινε κάτι τέτοιο αν το είχαν
Ο Σαμ Άλτμαν είναι διευθύνων σύμβουλος της πιο προβεβλημένης εταιρείας τεχνητής νοημοσύνης στον κόσμο, της OpenAI, που βρίσκεται πίσω από τη δημοφιλή πλατφόρμα ChatGPT.
Ο ρόλος του είναι να διατηρεί την επενδυτική ροή προς την εταιρεία, η οποία ανέρχεται σε δεκάδες δισεκατομμύρια δολάρια.
Έτσι, είναι κρίσιμο για τον Άλτμαν να κρατά τους επενδυτές ενθουσιασμένους, να τους υπόσχεται τεχνολογικές «εκρήξεις» —και, προφανώς, να μεταθέτει αυτές τις εκρήξεις όταν δεν πραγματοποιούνται.
Αυτό που δεν γνωρίζουν πολλοί είναι πως, παρά την αποτίμησή της στα 500 δισεκατομμύρια δολάρια, η OpenAI λειτουργεί με ζημία – υπολογίζεται ότι πέρσι έχασε περίπου 5 δισ. δολάρια, με έσοδα 3,7 δισ.
Το 2023, ο Άλτμαν δήλωνε δημόσια ότι η OpenAI είχε φτάσει στην τεχνητή γενική νοημοσύνη (AGI), δηλαδή ένα είδος νοημοσύνης ικανό να μαθαίνει και να εκτελεί κάθε εργασία που μπορεί να κάνει ένας άνθρωπος.
Κανείς, ωστόσο, δεν γνωρίζει πώς ακριβώς μπορεί να μετρηθεί κάτι τέτοιο – αλλά είναι ένας ωραίος τρόπος να διατηρείται το αφήγημα ζωντανό και οι επενδυτές ήσυχοι. Η υπόρρητη υπόσχεση είναι ξεκάθαρη: μια μέρα, οι εργοδότες δεν θα χρειάζεται να ασχολούνται με «ενοχλητικούς» εργαζομένους, αφού οι μηχανές θα κάνουν τις δουλειές τους.
Η μοναδικότητα
Η στιγμή κατά την οποία οι μηχανές θα ξεπεράσουν τη νοημοσύνη του ανθρώπου και θα αρχίσουν να διαχειρίζονται τα πάντα –λες και δεν συμβαίνει ήδη εν μέρει– αποκαλείται «μοναδικότητα», ή στα αγγλικά singularity. Στη φυσική, η λέξη έχει πολύ συγκεκριμένο νόημα. Στην περίπτωση της τεχνολογίας, πρόκειται για ένα κοσμικό αντίστοιχο της «αρπαγής» (rapture), κατά την οποία η πρόοδος επιταχύνεται ραγδαία επειδή οι μηχανές αρχίζουν να δημιουργούν και να βελτιώνουν τεχνολογία από μόνες τους.
Όπως και στο θρησκευτικό αφήγημα, κάποιοι «ανεβαίνουν» στον Θεό και κάποιοι «μένουν πίσω». Το ερώτημα εδώ είναι: τι θα απογίνει ο άνθρωπος όταν δεν υπάρχει πια δουλειά για εκείνον, επειδή την έχει αναλάβει η Τεχνητή Νοημοσύνη;
Προς το παρόν, πάντως, δεν φαίνεται να υπάρχει λόγος ανησυχίας. Η δήλωση του Άλτμαν το 2023 ότι η AGI είχε ήδη επιτευχθεί δεν άντεξε στον χρόνο. Τον Δεκέμβριο του 2024 επανήλθε με νέα υπόσχεση: το ορόσημο της AGI θα έρθει εντός του 2025. Καθώς το έτος δεν έχει τελειώσει, το αφήνει ανοιχτό, αλλά έχει ήδη αρχίσει να μετακινεί τον στόχο για το 2030. Παρ’ όλα αυτά, πολλοί συνεχίζουν να προβλέπουν την επίτευξη της AGI το 2026.
Ποικίλλουν οι προβλέψεις
Η αλήθεια είναι ότι οι προβλέψεις για την άφιξη της AGI ποικίλλουν: κάποιοι μιλούν για το 2060, ενώ οι ημερομηνίες συνεχώς αλλάζουν. Υπάρχει μια εκτίμηση που λέει ότι αν συνεχίσουμε με την παρούσα προσέγγιση, που βασίζεται σε μεγάλα γλωσσικά μοντέλα (LLMs), η AGI... δεν θα επιτευχθεί ποτέ.
Τα ΑΤΜ και τα σενάρια
Υπάρχουν αρκετοί λόγοι για αυτή την άποψη, πέρα από το βασικό ζήτημα του πώς ορίζεται η «νοημοσύνη» – κάτι που απαιτεί ξεχωριστή ανάλυση. Αξίζει να σημειωθεί ότι η τρέχουσα ανάπτυξη της τεχνητής νοημοσύνης έχει ήδη οδηγήσει σε κάποιες λειτουργικές και κερδοφόρες εφαρμογές. Οι χρήστες, για παράδειγμα, επωφελούνται από εργαλεία όπως το ChatGPT. Όμως αυτό απέχει πολύ από το να μπορεί ένα LLM να αναλάβει το μεγαλύτερο μέρος των εργασιών που κάνουν οι άνθρωποι σήμερα.
Θυμόμαστε όλοι τις προβλέψεις ότι τα αυτόματα μηχανήματα ανάληψης (ATM) θα καταργούσαν τους τραπεζικούς υπαλλήλους. Έχουν περάσει πέντε δεκαετίες και οι ταμίες εξακολουθούν να εξυπηρετούν κόσμο στα τραπεζικά καταστήματα. Οι μηχανές, ακόμα και όταν καθοδηγούνται από τεχνητή νοημοσύνη, είναι εξαιρετικές σε εξειδικευμένες λειτουργίες.
Όμως η αντικατάσταση της ευρύτητας και της προσαρμοστικότητας της ανθρώπινης σκέψης δεν μοιάζει να είναι κοντά.
Και εδώ εντοπίζεται ο βασικός περιορισμός των LLMs που υποστηρίζουν τη σημερινή ΤΝ. Αυτά βασίζονται αποκλειστικά στη γλώσσα. Η γλώσσα είναι εγγενώς ασαφής ως μέσο επικοινωνίας. Οι λέξεις έχουν πολλαπλές σημασίες – και αυτές αλλάζουν με τον χρόνο. Γι' αυτό και τα λεξικά ανανεώνονται διαρκώς.
Επιπλέον, οι λέξεις αποκτούν νόημα μόνο μέσα σε συγκεκριμένο πλαίσιο. Το πλαίσιο περιλαμβάνει το πολιτισμικό και φυσικό περιβάλλον στο οποίο εκφέρονται. Ο άνθρωπος έχει φυσική κλίση προς τη γλώσσα και τη μαθαίνει εντός ενός ζωντανού κόσμου, μέσω των αισθήσεων και σε συνδυασμό με εκφράσεις, κινήσεις και διαθέσεις. Αυτό το πλούσιο υπόβαθρο κατανόησης παραμένει –τουλάχιστον προς το παρόν– απρόσιτο για τα μοντέλα ΤΝ.
Γιατί η Τεχνητή Νοημοσύνη δεν Μπορεί να αντικαταστήσει την ανθρώπινη νοημοσύνη
Οι μηχανές δεν έχουν την ικανότητα να μαθαίνουν τη γλώσσα με τον ίδιο τρόπο που τη μαθαίνουν οι άνθρωποι, ούτε διαθέτουν το πλήρες φάσμα αισθήσεων — και δεν είναι καν σαφές τι θα σήμαινε κάτι τέτοιο αν το είχαν.
Τα μεγάλα γλωσσικά μοντέλα (LLMs) απλώς «ρουφούν» τεράστιες ποσότητες κειμένου από αυτό που ονομάζεται σύνολο εκπαίδευσης και χρησιμοποιούν αυτό το υλικό για να προβλέψουν ποια λέξη έρχεται στη συνέχεια, με βάση το ερώτημα που τους τίθεται.
Οι άνθρωποι, αντιθέτως, μπορούν να εντάξουν τη γλώσσα και άλλα σύμβολα στο πλαίσιο της δικής τους βιωματικής εμπειρίας. Οι μηχανές, από τη φύση τους, δεν διαθέτουν βίωμα όπως ο άνθρωπος.
Η ανθρώπινη εμπειρία αποτελεί τη βάση για την κρίση — κάτι που οι μηχανές δεν μπορούν να αναπτύξουν. Μέσα στην έννοια της κρίσης περιλαμβάνονται το ένστικτο, η διαίσθηση, ασαφείς αναμνήσεις και συνειρμοί που επηρεάζουν τις αποφάσεις και συχνά οδηγούν σε νέες ιδέες ή ανακαλύψεις.
Ένα δεύτερο κρίσιμο σημείο είναι πως η γλώσσα των υπολογιστών είναι ο κώδικας — μια εξαιρετικά απογυμνωμένη εκδοχή της ανθρώπινης γλώσσας, με περιορισμένες δυνατότητες αναπαράστασης της πραγματικότητας. Παρατηρεί κανείς ότι οι πιο φανατικοί υποστηρικτές της ΤΝ διαβάζουν μάλλον λίγη λογοτεχνία (ίσως με εξαίρεση την επιστημονική φαντασία).
Αν διάβαζαν σοβαρά έργα, θα καταλάβαιναν πόσο τιτάνια είναι η προσπάθεια να περιγράψει κανείς την πραγματικότητα με λέξεις, και γιατί αυτή η προσπάθεια είναι καταδικασμένη να αποτύχει.
Αυτό που κάνουν οι μεγάλοι συγγραφείς είναι να προσφέρουν επιλεγμένες, ουσιαστικές λεπτομέρειες για χώρους, χαρακτήρες, διαλόγους και δράση, ώστε να πυροδοτήσουν τη φαντασία και τις αναμνήσεις των αναγνωστών. Οι αναγνώστες δημιουργούν στο μυαλό τους έναν κόσμο, βασισμένο στην προσωπική τους εμπειρία.
Οι άνθρωποι, δηλαδή, χτίζουν νοητικά μοντέλα του κόσμου και εξετάζουν πιθανά νοήματα και εξελίξεις. Είναι μια εξαιρετικά σύνθετη διαδικασία. Οι μηχανές, όσο εξελιγμένες κι αν είναι, δεν μπορούν να φανταστούν έναν κόσμο από τέτοια αποσπασματικά στοιχεία, γιατί δεν «ζουν» μέσα στον κόσμο όπως οι άνθρωποι.
Ένα τρίτο σημείο που απορρέει από τα παραπάνω είναι η υπενθύμιση πως ο χάρτης δεν είναι το έδαφος. Είναι μια απλή αλλά κρίσιμη έννοια, που εύκολα ξεχνά κανείς όταν ζει αποκλειστικά μέσα σε δεδομένα, ψηφιακή απεικόνιση και τεχνητή αναπαράσταση.
Η ΤΝ δεν μας δίνει την πραγματικότητα — μας δίνει μοντέλα της πραγματικότητας, τα οποία βασίζονται σε ασαφή και διαρκώς μεταβαλλόμενη γλώσσα. Μπορεί να προσφέρει χρήσιμες πληροφορίες λόγω της ικανότητάς της να συνθέτει τεράστιους όγκους κειμένων, αλλά δεν μπορεί να μεταδώσει κατανόηση. Μας δίνει απλώς έναν χάρτη — συχνά αποσπασματικό ή και λανθασμένο.
Τέλος, η ΤΝ δεν πρόκειται να αντικαταστήσει την ανθρώπινη εξειδίκευση. Η ιδέα ότι η ΤΝ θα γίνει ειδική σε κάθε τομέα αποδεικνύεται ήδη αβάσιμη. Οι άνθρωποι ενσαρκώνουν τη γνώση και την μεταδίδουν μέσα από βιβλία, άρθρα, διαλέξεις και εικόνες.
Όμως δεν θα μπορούσαμε να δημιουργήσουμε τη νέα γενιά χημικών μόνο με βιβλία. Η γνώση δεν είναι απλώς λέξεις σε μια σελίδα — είναι κάτι ενσωματωμένο σε όσους τη διαθέτουν: στον τρόπο που μιλούν, στις κινήσεις τους μέσα στο εργαστήριο, στις σχέσεις τους με φοιτητές και συναδέλφους, στις επιλογές που κάνουν και στον τρόπο ζωής τους συνολικά. Δοκιμάστε να μάθετε πώς λειτουργεί μια επαγγελματική κουζίνα χωρίς να έχετε βρεθεί ποτέ μέσα σε μία. Το ίδιο ισχύει και για ένα εργαστήριο, είτε μιλάμε για μαθητευόμενους είτε για επιστήμονες.
Πολλοί επενδυτές ποντάρουν ότι ο Σαμ Άλτμαν έχει δίκιο και ότι η τεχνητή γενική νοημοσύνη (AGI) πλησιάζει. Όταν καταλάβουν πως δεν είναι έτσι, η αυλαία θα πέσει απότομα στη φούσκα των μετοχών της ΤΝ — και πιθανόν θα παρασύρει μαζί της και την ευρύτερη οικονομία.
Έτσι γίνεται συνήθως, όταν αποδεικνύεται ότι η νέα εποχή που υποσχέθηκαν οι «προφήτες» της εκάστοτε τεχνολογικής επανάστασης μοιάζει τελικά πολύ με τις παλιές: υπάρχει μεν πρόοδος, αλλά η αξία της έχει παρερμηνευτεί και διογκωθεί υπέρμετρα.
«Τα δέντρα δεν μεγαλώνουν ως τον ουρανό», λέει μια παλιά γερμανική παροιμία. Το ίδιο ισχύει και για τις μετοχές των εταιρειών ΤΝ. Κάθε γενιά αναγκάζεται να μάθει με τον δύσκολο τρόπο πως οι χρηματοπιστωτικές φούσκες πάντα καταλήγουν άσχημα — ακόμη κι όταν οι εταιρείες πίσω από αυτές προσφέρουν κάτι αληθινό, το οποίο όμως πρέπει να αποτιμηθεί με βάση τη ρεαλιστική του συμβολή στην κοινωνία.
www.worldenergynews.gr
Ο ρόλος του είναι να διατηρεί την επενδυτική ροή προς την εταιρεία, η οποία ανέρχεται σε δεκάδες δισεκατομμύρια δολάρια.
Έτσι, είναι κρίσιμο για τον Άλτμαν να κρατά τους επενδυτές ενθουσιασμένους, να τους υπόσχεται τεχνολογικές «εκρήξεις» —και, προφανώς, να μεταθέτει αυτές τις εκρήξεις όταν δεν πραγματοποιούνται.
Αυτό που δεν γνωρίζουν πολλοί είναι πως, παρά την αποτίμησή της στα 500 δισεκατομμύρια δολάρια, η OpenAI λειτουργεί με ζημία – υπολογίζεται ότι πέρσι έχασε περίπου 5 δισ. δολάρια, με έσοδα 3,7 δισ.
Το 2023, ο Άλτμαν δήλωνε δημόσια ότι η OpenAI είχε φτάσει στην τεχνητή γενική νοημοσύνη (AGI), δηλαδή ένα είδος νοημοσύνης ικανό να μαθαίνει και να εκτελεί κάθε εργασία που μπορεί να κάνει ένας άνθρωπος.
Κανείς, ωστόσο, δεν γνωρίζει πώς ακριβώς μπορεί να μετρηθεί κάτι τέτοιο – αλλά είναι ένας ωραίος τρόπος να διατηρείται το αφήγημα ζωντανό και οι επενδυτές ήσυχοι. Η υπόρρητη υπόσχεση είναι ξεκάθαρη: μια μέρα, οι εργοδότες δεν θα χρειάζεται να ασχολούνται με «ενοχλητικούς» εργαζομένους, αφού οι μηχανές θα κάνουν τις δουλειές τους.
Η μοναδικότητα
Η στιγμή κατά την οποία οι μηχανές θα ξεπεράσουν τη νοημοσύνη του ανθρώπου και θα αρχίσουν να διαχειρίζονται τα πάντα –λες και δεν συμβαίνει ήδη εν μέρει– αποκαλείται «μοναδικότητα», ή στα αγγλικά singularity. Στη φυσική, η λέξη έχει πολύ συγκεκριμένο νόημα. Στην περίπτωση της τεχνολογίας, πρόκειται για ένα κοσμικό αντίστοιχο της «αρπαγής» (rapture), κατά την οποία η πρόοδος επιταχύνεται ραγδαία επειδή οι μηχανές αρχίζουν να δημιουργούν και να βελτιώνουν τεχνολογία από μόνες τους.
Όπως και στο θρησκευτικό αφήγημα, κάποιοι «ανεβαίνουν» στον Θεό και κάποιοι «μένουν πίσω». Το ερώτημα εδώ είναι: τι θα απογίνει ο άνθρωπος όταν δεν υπάρχει πια δουλειά για εκείνον, επειδή την έχει αναλάβει η Τεχνητή Νοημοσύνη;
Προς το παρόν, πάντως, δεν φαίνεται να υπάρχει λόγος ανησυχίας. Η δήλωση του Άλτμαν το 2023 ότι η AGI είχε ήδη επιτευχθεί δεν άντεξε στον χρόνο. Τον Δεκέμβριο του 2024 επανήλθε με νέα υπόσχεση: το ορόσημο της AGI θα έρθει εντός του 2025. Καθώς το έτος δεν έχει τελειώσει, το αφήνει ανοιχτό, αλλά έχει ήδη αρχίσει να μετακινεί τον στόχο για το 2030. Παρ’ όλα αυτά, πολλοί συνεχίζουν να προβλέπουν την επίτευξη της AGI το 2026.
Ποικίλλουν οι προβλέψεις
Η αλήθεια είναι ότι οι προβλέψεις για την άφιξη της AGI ποικίλλουν: κάποιοι μιλούν για το 2060, ενώ οι ημερομηνίες συνεχώς αλλάζουν. Υπάρχει μια εκτίμηση που λέει ότι αν συνεχίσουμε με την παρούσα προσέγγιση, που βασίζεται σε μεγάλα γλωσσικά μοντέλα (LLMs), η AGI... δεν θα επιτευχθεί ποτέ.
Τα ΑΤΜ και τα σενάρια
Υπάρχουν αρκετοί λόγοι για αυτή την άποψη, πέρα από το βασικό ζήτημα του πώς ορίζεται η «νοημοσύνη» – κάτι που απαιτεί ξεχωριστή ανάλυση. Αξίζει να σημειωθεί ότι η τρέχουσα ανάπτυξη της τεχνητής νοημοσύνης έχει ήδη οδηγήσει σε κάποιες λειτουργικές και κερδοφόρες εφαρμογές. Οι χρήστες, για παράδειγμα, επωφελούνται από εργαλεία όπως το ChatGPT. Όμως αυτό απέχει πολύ από το να μπορεί ένα LLM να αναλάβει το μεγαλύτερο μέρος των εργασιών που κάνουν οι άνθρωποι σήμερα.
Θυμόμαστε όλοι τις προβλέψεις ότι τα αυτόματα μηχανήματα ανάληψης (ATM) θα καταργούσαν τους τραπεζικούς υπαλλήλους. Έχουν περάσει πέντε δεκαετίες και οι ταμίες εξακολουθούν να εξυπηρετούν κόσμο στα τραπεζικά καταστήματα. Οι μηχανές, ακόμα και όταν καθοδηγούνται από τεχνητή νοημοσύνη, είναι εξαιρετικές σε εξειδικευμένες λειτουργίες.
Όμως η αντικατάσταση της ευρύτητας και της προσαρμοστικότητας της ανθρώπινης σκέψης δεν μοιάζει να είναι κοντά.
Και εδώ εντοπίζεται ο βασικός περιορισμός των LLMs που υποστηρίζουν τη σημερινή ΤΝ. Αυτά βασίζονται αποκλειστικά στη γλώσσα. Η γλώσσα είναι εγγενώς ασαφής ως μέσο επικοινωνίας. Οι λέξεις έχουν πολλαπλές σημασίες – και αυτές αλλάζουν με τον χρόνο. Γι' αυτό και τα λεξικά ανανεώνονται διαρκώς.
Επιπλέον, οι λέξεις αποκτούν νόημα μόνο μέσα σε συγκεκριμένο πλαίσιο. Το πλαίσιο περιλαμβάνει το πολιτισμικό και φυσικό περιβάλλον στο οποίο εκφέρονται. Ο άνθρωπος έχει φυσική κλίση προς τη γλώσσα και τη μαθαίνει εντός ενός ζωντανού κόσμου, μέσω των αισθήσεων και σε συνδυασμό με εκφράσεις, κινήσεις και διαθέσεις. Αυτό το πλούσιο υπόβαθρο κατανόησης παραμένει –τουλάχιστον προς το παρόν– απρόσιτο για τα μοντέλα ΤΝ.
Γιατί η Τεχνητή Νοημοσύνη δεν Μπορεί να αντικαταστήσει την ανθρώπινη νοημοσύνη
Οι μηχανές δεν έχουν την ικανότητα να μαθαίνουν τη γλώσσα με τον ίδιο τρόπο που τη μαθαίνουν οι άνθρωποι, ούτε διαθέτουν το πλήρες φάσμα αισθήσεων — και δεν είναι καν σαφές τι θα σήμαινε κάτι τέτοιο αν το είχαν.
Τα μεγάλα γλωσσικά μοντέλα (LLMs) απλώς «ρουφούν» τεράστιες ποσότητες κειμένου από αυτό που ονομάζεται σύνολο εκπαίδευσης και χρησιμοποιούν αυτό το υλικό για να προβλέψουν ποια λέξη έρχεται στη συνέχεια, με βάση το ερώτημα που τους τίθεται.
Οι άνθρωποι, αντιθέτως, μπορούν να εντάξουν τη γλώσσα και άλλα σύμβολα στο πλαίσιο της δικής τους βιωματικής εμπειρίας. Οι μηχανές, από τη φύση τους, δεν διαθέτουν βίωμα όπως ο άνθρωπος.
Η ανθρώπινη εμπειρία αποτελεί τη βάση για την κρίση — κάτι που οι μηχανές δεν μπορούν να αναπτύξουν. Μέσα στην έννοια της κρίσης περιλαμβάνονται το ένστικτο, η διαίσθηση, ασαφείς αναμνήσεις και συνειρμοί που επηρεάζουν τις αποφάσεις και συχνά οδηγούν σε νέες ιδέες ή ανακαλύψεις.
Ένα δεύτερο κρίσιμο σημείο είναι πως η γλώσσα των υπολογιστών είναι ο κώδικας — μια εξαιρετικά απογυμνωμένη εκδοχή της ανθρώπινης γλώσσας, με περιορισμένες δυνατότητες αναπαράστασης της πραγματικότητας. Παρατηρεί κανείς ότι οι πιο φανατικοί υποστηρικτές της ΤΝ διαβάζουν μάλλον λίγη λογοτεχνία (ίσως με εξαίρεση την επιστημονική φαντασία).
Αν διάβαζαν σοβαρά έργα, θα καταλάβαιναν πόσο τιτάνια είναι η προσπάθεια να περιγράψει κανείς την πραγματικότητα με λέξεις, και γιατί αυτή η προσπάθεια είναι καταδικασμένη να αποτύχει.
Αυτό που κάνουν οι μεγάλοι συγγραφείς είναι να προσφέρουν επιλεγμένες, ουσιαστικές λεπτομέρειες για χώρους, χαρακτήρες, διαλόγους και δράση, ώστε να πυροδοτήσουν τη φαντασία και τις αναμνήσεις των αναγνωστών. Οι αναγνώστες δημιουργούν στο μυαλό τους έναν κόσμο, βασισμένο στην προσωπική τους εμπειρία.
Οι άνθρωποι, δηλαδή, χτίζουν νοητικά μοντέλα του κόσμου και εξετάζουν πιθανά νοήματα και εξελίξεις. Είναι μια εξαιρετικά σύνθετη διαδικασία. Οι μηχανές, όσο εξελιγμένες κι αν είναι, δεν μπορούν να φανταστούν έναν κόσμο από τέτοια αποσπασματικά στοιχεία, γιατί δεν «ζουν» μέσα στον κόσμο όπως οι άνθρωποι.
Ένα τρίτο σημείο που απορρέει από τα παραπάνω είναι η υπενθύμιση πως ο χάρτης δεν είναι το έδαφος. Είναι μια απλή αλλά κρίσιμη έννοια, που εύκολα ξεχνά κανείς όταν ζει αποκλειστικά μέσα σε δεδομένα, ψηφιακή απεικόνιση και τεχνητή αναπαράσταση.
Η ΤΝ δεν μας δίνει την πραγματικότητα — μας δίνει μοντέλα της πραγματικότητας, τα οποία βασίζονται σε ασαφή και διαρκώς μεταβαλλόμενη γλώσσα. Μπορεί να προσφέρει χρήσιμες πληροφορίες λόγω της ικανότητάς της να συνθέτει τεράστιους όγκους κειμένων, αλλά δεν μπορεί να μεταδώσει κατανόηση. Μας δίνει απλώς έναν χάρτη — συχνά αποσπασματικό ή και λανθασμένο.
Τέλος, η ΤΝ δεν πρόκειται να αντικαταστήσει την ανθρώπινη εξειδίκευση. Η ιδέα ότι η ΤΝ θα γίνει ειδική σε κάθε τομέα αποδεικνύεται ήδη αβάσιμη. Οι άνθρωποι ενσαρκώνουν τη γνώση και την μεταδίδουν μέσα από βιβλία, άρθρα, διαλέξεις και εικόνες.
Όμως δεν θα μπορούσαμε να δημιουργήσουμε τη νέα γενιά χημικών μόνο με βιβλία. Η γνώση δεν είναι απλώς λέξεις σε μια σελίδα — είναι κάτι ενσωματωμένο σε όσους τη διαθέτουν: στον τρόπο που μιλούν, στις κινήσεις τους μέσα στο εργαστήριο, στις σχέσεις τους με φοιτητές και συναδέλφους, στις επιλογές που κάνουν και στον τρόπο ζωής τους συνολικά. Δοκιμάστε να μάθετε πώς λειτουργεί μια επαγγελματική κουζίνα χωρίς να έχετε βρεθεί ποτέ μέσα σε μία. Το ίδιο ισχύει και για ένα εργαστήριο, είτε μιλάμε για μαθητευόμενους είτε για επιστήμονες.
Πολλοί επενδυτές ποντάρουν ότι ο Σαμ Άλτμαν έχει δίκιο και ότι η τεχνητή γενική νοημοσύνη (AGI) πλησιάζει. Όταν καταλάβουν πως δεν είναι έτσι, η αυλαία θα πέσει απότομα στη φούσκα των μετοχών της ΤΝ — και πιθανόν θα παρασύρει μαζί της και την ευρύτερη οικονομία.
Έτσι γίνεται συνήθως, όταν αποδεικνύεται ότι η νέα εποχή που υποσχέθηκαν οι «προφήτες» της εκάστοτε τεχνολογικής επανάστασης μοιάζει τελικά πολύ με τις παλιές: υπάρχει μεν πρόοδος, αλλά η αξία της έχει παρερμηνευτεί και διογκωθεί υπέρμετρα.
«Τα δέντρα δεν μεγαλώνουν ως τον ουρανό», λέει μια παλιά γερμανική παροιμία. Το ίδιο ισχύει και για τις μετοχές των εταιρειών ΤΝ. Κάθε γενιά αναγκάζεται να μάθει με τον δύσκολο τρόπο πως οι χρηματοπιστωτικές φούσκες πάντα καταλήγουν άσχημα — ακόμη κι όταν οι εταιρείες πίσω από αυτές προσφέρουν κάτι αληθινό, το οποίο όμως πρέπει να αποτιμηθεί με βάση τη ρεαλιστική του συμβολή στην κοινωνία.
www.worldenergynews.gr
