Τι Δεν Μπορεί Ακόμα να Κάνει η Τεχνητή Νοημοσύνη: Η Ανθρώπινη Υπερδύναμη κόντρα στην Αυτοματοποίηση
Γιατί η άρρητη γνώση, η κριτική και δημιουργική σκέψη και η κοινωνική καινοτομία έχουν μεγαλύτερη σημασία από ποτέ στην εποχή της ΤΝ
Τι θα διαβάσεις σε αυτό το newsletter:
Γιατί η άρρητη γνώση, η γνώση που δεν μπαίνει εύκολα σε λόγια, είναι πιθανώς μια από τις υπερδυνάμεις του ανθρώπου στην εποχή της Τεχνητής Νοημοσύνης (ΤΝ)
Γιατί η εξέλιξη του ανθρώπου στην εποχή της ΤΝ απαιτεί πολυμήχανους Οδυσσείς, ικανούς να σκεφτούν όχι απλά αντισυμβατικά και δημιουργικά, αλλά ακόμη και παράλογα
Γιατί περισσότεροι από τους μισούς business leaders (55%), που βιάστηκαν να απολύσουν ανθρώπους λόγω ΤΝ, συνειδητοποίησαν γρήγορα ότι απλά …πάτησαν μπανανόφλουδα
Για το πώς θα μπορούσε πιθανώς να σου δώσει ώθηση το πρόγραμμα AI for Science της Αnthropic αν κάνεις έρευνα
Και τώρα, πάμε να τα πούμε με περισσότερες λέξεις, λεπτομέρειες και σκέψεις:

Ι.
“We can know more than we can tell"
«Είμαστε ικανοί να κάνουμε πολύ περισσότερα από όσα μπορούμε να εξηγήσουμε»: με αυτές τις λίγες λέξεις θα μπορούσε να συνοψιστεί το λεγόμενο παράδοξο του γεννηθέντα τον 19ο αιώνα φιλοσόφου Polanyi.
Ευτυχώς, φίλε μου Polanyi. Ευτυχώς, γιατί ό,τι δεν μπορεί να εξηγηθεί δεν είναι εύκολο να αντιγραφεί και ό,τι δεν είναι εύκολο να αντιγραφεί, δεν είναι εύκολο να το αναλάβει μια μηχανή. Η άρρητη γνώση, η γνώση που δεν μπαίνει εύκολα σε λόγια, όπως και η γνώση που προέρχεται από τις αισθήσεις μας, είναι μια από τις υπερδυνάμεις μας, fellow homines sapientes.
«Πάρα πολλές πνευματικές και χειρωνακτικές δραστηριότητες, από τις πιο ασήμαντες μέχρι τις πιο σημαντικές, είναι αδύνατον να ψηφιοποιηθούν, επειδή δεν είμαστε σε θέση να αποκωδικοποιήσουμε τα συστατικά τους στοιχεία και να τα μεταφέρουμε σε μια νόημονα μηχανή» γράφουν οι Antonio Aloisi και Valerio de Stefano στο βιβλίο τους «Εργοδότης μου είναι ένας αλγόριθμος», που κυκλοφόρησε πρόσφατα στα ελληνικά από τις Πανεπιστημιακές Εκδόσεις Κρήτης.
Το διαβάζω αυτές τις ημέρες και συνειδητοποιώ πόσο ωραία -κι ελαφρώς ελπιδοφόρα- για εμάς τους humans- κολλάνε οι ψηφίδες από πράγματα που ακούω ξανά και ξανά τα τελευταία χρόνια.
Θυμάμαι για παράδειγμα μια ομιλία του Steven Strauss, λέκτορα και επισκέπτη καθηγητή (John L.Weinberg/ Goldman Sachs & Co) στο Πρίνστον, τον Ιούνιο του 2021, στην αρχή ενός αβέβαιου ακόμα, ως προς την έκβαση της πανδημίας, καλοκαιριού.
Κατά τον Strauss, «αν μπορείς να το oρίσεις και να το εξηγήσεις (...) μπορείς να το αυτοματοποιήσεις». Αντίθετα, ό,τι χαρακτηρίζεται από αμφισημία και ασάφεια κι ό,τι απαιτεί επίλυση γενικών και αιφνιδιαστικών προβλημάτων ή σχεδιασμό και χάραξη πολιτικής, αποτελεί -προς το παρόν τουλάχιστον- δύσκολη «πίστα» για τις μηχανές.
ΙΙ.
Οι υπερδυνάμεις του πολυμήχανου επιστάτη
Υπάρχει ένα «ανέκδοτο» που κυκλοφορεί εδώ και χρόνια στους διαδρόμους του Πανεπιστημίου του Πρίνστον. Δύο, λέει, είναι τα επαγγέλματα που κινδυνεύουν λιγότερο από την αυτοματοποίηση και την Τεχνητή Νοημοσύνη: το ένα είναι των καθηγητών που κάνουν βασική έρευνα και διδάσκουν με τη σωκρατική μέθοδο. Και το άλλο εκείνο του πολυτεχνίτη επιστάτη, του «μάστορα» γενικών καθηκόντων της πανεπιστημιούπολης. Του ανθρώπου δηλαδή, που θα κάνει καθημερινά πολλές διαφορετικές και συχνά απρόσμενες εργασίες, απ’ το να αλλάξει λάμπες μέχρι να διαχειριστεί μια ξαφνική διαρροή νερού με άγνωστο αίτιο, ν’ αναδιαμορφώσει μια αίθουσα πρωινού αναδιατάσσοντας τα τραπέζια ανάλογα με τις εκάστοτε ανάγκες ή να επιδιορθώσει επειγόντως τo αίφνης «κρεμασμένο» μπράτσο της αγαπημένης πολυθρόνας του καθηγητή που κάνει βασική έρευνα και διδάσκει με τη σωκρατική μέθοδο.
Προσωπικά δεν νιώθω ιδιαίτερα σίγουρη ότι ο καθηγητής θα μείνει ανεπηρέαστος, αλλά είμαι αρκετά αισιόδοξη για τον πολυτεχνίτη επιστάτη.
Για ένα πράγμα δε, είμαι κάπως σίγουρη: η εποχή της Τεχνητής Νοημοσύνης απαιτεί πολυμήχανους Οδυσσείς, ικανούς να σκεφτούν όχι απλά αντισυμβατικά και δημιουργικά, αλλά και παράλογα.
ΙΙΙ.
Δεν είναι πολύ νωρίς για υπαρξιακές κρίσεις;
Πού βρισκόμαστε σήμερα; Γενικά, όταν μιλάμε για την επίδραση της ΤΝ στην αγορά εργασίας, ο φόβος κυριαρχεί.
Αντιλαμβάνομαι τον φόβο, αλλά νομίζω πως είναι νωρίς για υπαρξιακές κρίσεις, δεδομένου ιδίως ότι ο φόβος παραλύει. Θέλω να πω, η πρόοδος στην απόδοση των Μεγάλων Γλωσσικών Μοντέλων εκτιμάται ότι ισοδυναμεί με διπλασιασμό της υπολογιστικής ισχύος κάθε πέντε έως 14 μήνες.
Κατά τον Mustafa Suleyman, συνιδρυτή της DeepMind και της Infection AI, στα επόμενα χρόνια, μέχρι το 2028 πάνω-κάτω, οι εταιρείες που βρίσκονται στην πρώτη γραμμή της ανάπτυξης μεγάλων γλωσσικών μοντέλων Τεχνητής Νοημοσύνης (LLMs), θα έχουν εκπαιδεύσει LLMs πάνω από 1000 φορές μεγαλύτερα από το GPT-4.
Θα πρόκειται για ΤΝ, που δεν θα είναι «παθητική» όπως η σημερινή, δηλαδή δεν θα δημιουργεί απλά κείμενα και εικόνες, αλλά θα προβαίνει σε ενέργειες, θα πράττει: θα κάνει μόνη της τηλεφωνήματα για να αποκτήσει πληροφορία ή θα διαπραγματεύεται με άλλα συστήματα ΤΝ (παίρνουμε ήδη μια γεύση με τους πρώτους AI agents).
Αν λοιπόν ήδη βιώνουμε υπαρξιακές κρίσεις και αισθανόμαστε αδύναμοι, ποιος άνθρωπος, όσο εξειδικευμένος και αν είναι σε αυτό που κάνει, μπορεί να νιώθει ασφαλής για το μέλλον και να συνεχίσει να πολεμάει για την καλύτερη πιθανή εκδοχή του; Μήπως, αν συνεχίσουμε να φοβόμαστε τόσο, η ακραία τεχνοφοβία προκαλέσει ψυχολογικές και κοινωνικές επιπτώσεις, που θα μας οδηγήσουν στην παραίτηση, την αδράνεια και τον μαρασμό;
Δεν θέλω να δεχτώ σενάρια παραίτησης. Πιστεύω πως αυτό που χρειάζεται είναι να προσαρμοστούμε και, μεταξύ άλλων, να μάθουμε να αξιοποιούμε την ΤΝ ως εργαλείο και όχι ως καθοδηγήτρια, ως βοηθό και όχι ως μέντορα, να μάθουμε να χρησιμοποιούμε και να συνομιλούμε επωφελώς με τις μηχανές εν ολίγοις, χωρίς να τους παραδίδουμε την κριτική μας σκέψη.
ΙV.
Τελικά, πόσο γρήγορα τρέχουν οι μηχανές;
Στον δημόσιο διάλογο, οι απαντήσεις στα ερωτήματα για το τι θα υποκαταστήσει δια παντός η ΤΝ συχνά είναι καταστροφολογικές, αλλά κατά τη γνώμη μου δεν είναι ανάγκη τα πράγματα να εξελιχθούν έτσι.
Τι συμβαίνει μέχρι σήμερα;
Η μηχανή δεν είναι προς το παρόν τόσο ικανή να μας αντικαταστήσει όσο πιστεύουμε -είτε γιατί δεν διαθέτει (έστω προς το παρόν) βασικές δεξιότητες είτε γιατί δεν γνωρίζουμε ακόμα πώς να την αξιοποιήσουμε σωστά. Για την ακρίβεια, σύμφωνα με έρευνα της Orgvue σε δείγμα 1000 στελεχών (C-suite και senior decision makers), τέσσερις στους δέκα business leaders απέλυσαν ανθρώπους εργαζόμενους, γιατί θεώρησαν ότι η ΤΝ μπορεί να ικανοποιήσει τις ανάγκες τους. Από αυτούς, περισσότεροι από τους μισούς (55%) παραδέχθηκαν ότι οι αποφάσεις τους για τις απολύσεις ήταν λανθασμένες. Μεταξύ άλλων διότι δεν είχαν επαρκείς γνώσεις για να λάβουν τις σωστές αποφάσεις.
Βάσει άλλης έρευνας σε δείγμα 25.000 εργαζομένων, 11 επαγγελμάτων και 7000 χώρων εργασίας στη Δανία, το 2023 και το 2024, παρά τις σημαντικές επενδύσεις που έγιναν, τα chatbots ΤΝ δεν είχαν κάποια αξιοσημείωτη οικονομική επίδραση στην αγορά εργασίας.
Anyone firing employees because they thought that AI would do their jobs in 2025 should be fired, γράφει ο Guardian για το θέμα και συμφωνώ. Παρά το γεγονός ότι η τεχνολογία μπορεί πάντα να επιφυλάσσει εκπλήξεις, με βάση τα μέχρι στιγμής δεδομένα τα ρομπότ κι οι μηχανές μάλλον δεν ...τρέχουν τόσο γρήγορα όσο κάποιοι φοβούνται. Θα είναι πάντα έτσι; Πιθανώς όχι, αλλά δεν υπάρχει λόγος να παραδώσουμε τα όπλα πριν καν δώσουμε τη μάχη.
V.
Γιατί η ΤΝ δεν είναι ίδια με άλλες τεχνολογίες
Νομίζω πως το μεγάλο και επείγον ερώτημα δεν είναι πόσες θέσεις εργασίας θα χαθούν εξαιτίας της τεχνολογίας, παρότι η έμφαση συνηθέστερα δίδεται σε αυτό το πεδίο.
Ιστορικά, όταν αλλάζουν τα πράγματα εξαιτίας της τεχνολογικής προόδου, οι άνθρωποι συνήθως βρίσκουμε τον τρόπο να δημιουργούμε νέου τύπου εργασίες, που μέχρι πρότινος δεν υπήρχαν, αλλά γεννούν εισόδημα άμεσα ή έμμεσα.
O κινητήρας εσωτερικής καύσης στα αυτοκίνητα, για παράδειγμα, αφάνισε μια ολόκληρη βιομηχανία μεταφορών, αυτή των αλόγων και των αμαξών, επηρεάζοντας ένα σωρό περιφερειακά επαγγέλματα, από πεταλωτές μέχρι κατασκευαστές σαμαριών και σελών, τροχών για άμαξες και κάρα ή δερμάτινων μαστιγίων. Πολλές θέσεις εργασίας χάθηκαν, αλλά αντί η συνολική απασχόληση να μειωθεί, τελικά δεν υπήρξε καθαρή απώλεια θέσεων εργασίας.
Γιατί; Πρώτον, διότι δημιουργήθηκαν τελικά πολλές άμεσες και έμμεσες θέσεις εργασίας γύρω από την αυτοκινητοβιομηχανία (από μηχανικούς και εργαζόμενους σε πλυντήρια αυτοκινήτων μέχρι πωλητές οχημάτων, κατασκευαστές αξεσουάρ και επαγγελματίες μάρκετινγκ και εφοδιαστικής αλυσίδας). Δεύτερον, γιατί η δραματική μείωση της τιμής των αυτοκινήτων, λόγω της αύξησης της παραγωγής, τα έκανε πιο προσιτά σε περισσότερους ανθρώπους, με αποτέλεσμα να επεκταθεί η βιομηχανία στο σύνολό της και να απαιτήσει περισσότερο εργατικό δυναμικό.
Στην περίπτωση της ΤΝ υπάρχουν προφανώς τεράστιες διαφορές σε σχέση με το παρελθόν (π.χ., εκθετικός ρυθμός ανάπτυξης, οριζόντια και πολύ ισχυρή επίδραση), αλλά, προς το παρόν τουλάχιστον, ο ανεπτυγμένος κόσμος εξακολουθεί να υποφέρει -ιδίως σε τομείς υψηλής εξειδίκευσης- από έλλειμμα εργαζομένων, όχι θέσεων εργασίας. Επιπλέον, ο καπιταλισμός, για να λειτουργήσει, εξακολουθεί να χρειάζεται καταναλωτές (έστω διαφορετικών ταχυτήτων, όπως συμβαίνει και σήμερα) και άρα θα αναζητήσει -και πιθανώς θα βρει- κάποιες ισορροπίες ως προς την προσφορά εργασίας.
VI.
Τρία ερωτήματα ζητούν απάντηση
Κατά τη γνώμη μου, τα βασικότερα ερωτήματα όλων, που σχετίζονται με όλα τα υπόλοιπα και πρέπει να τεθούν και να απαντηθούν σήμερα, είναι τρία:
Πώς θα επιλέξουμε να αξιοποιηθεί η ΤΝ; Συμπληρωματικά προς την ανθρώπινη εργασία, προς όφελος της ανθρώπινης ευζωίας και δημιουργικότητας ή ως ο παντοδύναμος και ανεξάντλητων δυνατοτήτων αντικαταστάτης, που συμφέρει γιατί μακροπρόθεσμα στοιχίζει φθηνότερα και δεν κουράζεται ποτέ, δεν αρρωσταίνει, ούτε έχει συναισθηματικές διακυμάνσεις;
Θα γίνουν εγκαίρως οι αναγκαίες επιλογές, ρυθμίσεις και μεταρρυθμίσεις στην κοινωνία και την αγορά εργασίας; Η τεχνολογική καινοτομία αποδεδειγμένα φέρνει αφθονία. H ιστορία όμως αποδεικνύει με επιμονή και συνέπεια ότι περισσότερη αφθονία δεν σημαίνει αναγκαστικά περισσότερη ισότητα, ούτε περισσότερη ευτυχία -αν η τεχνολογική καινοτομία δεν συνοδεύεται από κοινωνική καινοτομία, τα πραγματικά οφέλη (όχι αυτά που μοιάζουν με καθρεφτάκια σε ιθαγενείς) θα τ’ απολαμβάνει πάντα μια μικρή, προνομιούχα ελίτ.
Ποιοι θα σταθούν ως υποστηρικτές των αναγκαίων αλλαγών και κοινωνικών μεταρρυθμίσεων και ποιοι ως πολέμιοί τους;
Θαρρώ πως οι απαντήσεις στα τρία αυτά ερωτήματα θα κρίνουν τα πάντα.Όπως καθοριστικής σημασίας θα είναι πιστεύω και η δημιουργία των κατάλληλων θεσμών και μηχανισμών για τη διαχείριση όλης αυτής της αλλαγής και τη δρομολόγηση των αναγκαίων μεταρρυθμίσεων. Σε διαφορετική περίπτωση νομίζω ότι η ανισότητα θα ενταθεί. Κι όταν οι ανισότητες εντείνονται, η δημοκρατία αρχίζει και φαίνεται λιγότερο δελεαστική και τα πανιά του λαϊκισμού φουσκώνουν…
Αναμένω με ανυπομονησία τα σχόλιά σας για το θέμα. Πιστεύω πως η συμμετοχή όλων μας στον δημόσιο διάλογο είναι κρίσιμης σημασίας, για να δούμε τελικά τη θετική όψη αυτού του νομίσματος, που ακόμα γυρίζει στον αέρα.
VΙΙ.
Είσαι ερευνητής/τρια;
Για δες αυτό!
Η Anthropic παρουσίασε το πρόγραμμα AI for Science, προσφέροντας δωρεάν πρόσβαση στα API της σε ερευνητές που ασχολούνται με επιστημονικά έργα υψηλού αντίκτυπου. Η πρωτοβουλία αυτή βασίζεται στην πεποίθηση ότι η ΤΝ μπορεί να επιταχύνει σημαντικά την επιστημονική πρόοδο, ιδιαίτερα σε τομείς όπως η βιολογία και οι επιστήμες ζωής.
🔍 Το πρόγραμμα αποσκοπεί να βοηθήσει στη:
διευκόλυνση της ανάλυσης πολύπλοκων δεδομένων,
διατύπωση νέων επιστημονικών υποθέσεων,
σχεδίαση και προσομοίωση πειραμάτων
αποδοτική επικοινωνία γύρω από τα ευρήματα της έρευνας.
Η έμφαση δίνεται σε εφαρμογές που μπορούν να συμβάλουν στην επίλυση μεγάλων παγκόσμιων προβλημάτων, όπως η καταπολέμηση ασθενειών και η βελτίωση της αγροτικής παραγωγικότητας.
📩 Οι ερευνητές/τριες που συνεργάζονται με ιδρύματα τα οποία ενδιαφέρονται να συμμετάσχουν στο πρόγραμμα μπορούν να υποβάλουν αίτηση για πρόσβαση (διαθέσιμη στο λινκ παραπάνω) και η επιλογή των επικρατέστερων θα γίνει με κριτήριο τη δυνητική συμβολή τους και τον τρόπο με τον οποίο η ΤΝ μπορεί να επιταχύνει την εργασία τους.
Αν δραστηριοποιείσαι στον χώρο της επιστήμης, δες μήπως μπορείς να ενταχθείς σε αυτό το πρόγραμμα — και πού ξέρεις… Ίσως η επόμενη μεγάλη ανακάλυψη να ξεκινήσει από ένα API key!
Thank you very much for reading! If this resonated with you Future-fit people, feel free to share, comment, or just hit that heart ❤️. And if you haven’t yet—subscribe below to receive more straight to your inbox and support my work.


Πολλά.
Παράδειγμα απο την έρευνα μου πάνω στην ανθρώπινη κίνηση.
Πάνω απο 100 ΑΙ εργαστήρια σε όλο το κόσμο προσπάθησαν να στήσουν εργαλεία για πραγματική εξατομικευμένη βέλτιστη προπόνηση για αθλητές και .... απέτυχαν. Θα ήταν αστείο, αν δεν ήταν τόσο λυπηρό, πόση προσπάθεια καταβάλανε για να βγάλουν μηδέν αποτέλεσμα.
Μα γιατί δεν δούλεψαν εκεί τα AI?
1. Γιατί ο αθλητής κάθε φορά που γυμνάζεται προσαρμόζεται το σώμα και έτσι ενα AI που παρακολουθεί τις προπονήσεις του αθλητή απλά ποτέ δεν συγκλίνει. Όπως έλεγε ο Ηράκλειτος ποτέ δεν περνάει ο άνθρωπος το ποτάμι δυο φορές.....
2. Πιο σημαντικός λόγος. Δεν υπάρχουν όλα τα δεδομένα. Με αυτο δεν εννοώ ότι χρειάζεται 100 τιμές μιας μεταβλητής χ και έχουμε μόνο 50. Όχι. Εννοώ οτι λείπει ουσιαστική γνώση. Για παράδειγμα οτι υπάρχουν μεταβλητές ψ, ζ, ω που ούτε καν τις γνωρίζει το AI (και οι άνθρωποι που το στήνουν) οτι διέπουν το πρόβλημα. Οπότε και άπειρο χρόνο να δώσεις τα σημερινά AI με άπειρα δεδομένα (για την μεταβλητη χ) δεν θα βγάλουν άκρη ποτέ.
Αυτός ο περιορσμός είναι πιο σύνηθες απο ότι νομίζουν πολλοι...
BTW έλυσα το πρόβλημα ακολουθόντας βασικές αρχές και με μια γερή δόση δημιουργικότητας. Κάτι άλλο που δεν έχουν τα AI. For now....