H συζήτηση τα τελευταία 2-3 χρόνια για την Τεχνητή Νοημοσύνη έχει… φουντώσει! Δεν υπάρχει πλέον ούτε μία… γωνία στο διαδίκτυο που δεν συμπεριλαμβάνει κάποια εφαρμογή που βασίζεται σε αλγόριθμο AI, με την επέκταση να συμπεριλαμβάνει πλέον όλες τις πτυχές της καθημερινότητας…
Που βρισκόμαστε όμως απέναντι στην Τεχνητή Νοημοσύνη; Που μας οδηγεί αυτό το μονοπάτι και ποιος μπορεί να είναι ο… τερματικός σταθμός; Η καθηγήτρια Τεχνητής Νοημοσύνης στο Τμήμα Συστημάτων Ενέργειας του Πανεπιστημίου Θεσσαλίας και διευθύντρια του Εργαστηρίου Τεχνητής Νοημοσύνης, Υπολογιστικών Συστημάτων και Τεχνολογικών Εφαρμογών (ACTA Lab) Ελπινίκη Παπαγεωργίου αναλαμβάνει να μας καθοδηγήσει, οριοθετώντας (όσο αυτό είναι δυνατόν) το παρόν και προσπαθώντας να κάνει εκτιμήσεις για το άμεσο και απώτερο μέλλον.
Συνέντευξη: Χρυσόστομος Τρίμμης
–To ευρύ κοινό έχει αρχίσει και ασχολείται πλέον με την Τεχνητή Νοημοσύνη και τις σχετικές σελίδες που υπάρχουν στο διαδίκτυο, όπως το ChatGPT, το Gemini, το Claude, το Grok, το Meta AI… Αλλά προφανώς υπάρχουν πιο εξειδικευμένες εφαρμογές;
Η αλήθεια είναι ότι η Τεχνητή Νοημοσύνη έχει διεισδύσει παντού, έχει πλέον ενσωματωθεί σε ένα πολύ μεγάλο εύρος ψηφιακών υπηρεσιών και εφαρμογών που χρησιμοποιούμε καθημερινά, σε social media, εφαρμογές στο κινητό μας. Όλοι μας χρησιμοποιούμε τις δημοφιλείς πλατφόρμες και εργαλεία τύπου chat (συνομιλίας) και τα Large Language Models, δηλαδή τα μεγάλα γλωσσικά μοντέλα όπως λέγονται, για να λάβουμε απαντήσεις, να ζητήσουμε συμβουλές, να πάρουμε οδηγίες για οποιοδήποτε θέμα.
Όμως πίσω από αυτές τις εφαρμογές που γνωρίζει σήμερα το ευρύ κοινό, αναπτύσσονται πολύ πιο εξειδικευμένα συστήματα, τα οποία αξιοποιούν προηγμένες τεχνικές μηχανικής μάθησης και ανάλυσης δεδομένων για να υποστηρίξουν τη λήψη αποφάσεων και την επίλυση σύνθετων προβλημάτων σε πολλούς κρίσιμους τομείς της οικονομίας και της κοινωνίας.
-Προφανώς υπάρχουν και πιο σύνθετες και πιο σοβαρές διεργασίες, οι οποίες ασχολούνται με την τεχνητή νοημοσύνη και τη χρησιμοποιούν…
Σωστά. Για παράδειγμα σε εμάς, στο χώρο της εκπαίδευσης, χρησιμοποιείται η Τεχνητή Νοημοσύνη και τα εργαλεία της για τη συγγραφή πτυχιακών εργασιών που είναι ένα πολύ σημαντικό και σοβαρό θέμα που έχουμε να αντιμετωπίσουμε ως ακαδημαϊκή κοινότητα. Πλέον, τα εργαλεία Τεχνητής Νοημοσύνης μπορούν να φτιάξουν μία ολόκληρη πτυχιακή εργασία, καθώς έχουν τη δυνατότητα να επεξεργάζονται μεγάλες ποσότητες βιβλιογραφίας, να συνθέτουν πληροφορίες και να παράγουν εκτενή κείμενα, όπως κεφάλαια βιβλίων ή ερευνητικές εργασίες.
-Το ίδιο ισχύει και σε άλλους τομείς, πχ στην Ιατρική;
Αυτή τη στιγμή έχουμε αρκετές εφαρμογές που υποστηρίζουν τους επαγγελματίες υγείας, για παράδειγμα στην ανάλυση ιατρικών εικόνων, στην υποβοήθηση της διάγνωσης ή στην πρόβλεψη της εξέλιξης ασθενειών, όχι όμως ως εργαλεία καθημερινής χρήσης από το ευρύ κοινό.
-Είναι αξιόπιστες γενικά οι εφαρμογές Τεχνητής Νοημοσύνης;
Δεν μπορούμε να το πούμε εύκολα αυτό, γιατί εξαρτάται σε μεγάλο βαθμό από το είδος του ερωτήματος και το πλαίσιο χρήσης. Αν πχ ζητήσεις κάτι πολύ απλό, όπως συμβουλές μαγειρικής ή γενικές πληροφορίες, ακόμη και αν προκύψει κάποιο λάθος, οι συνέπειες είναι συνήθως περιορισμένες. Ωστόσο, σε πιο κρίσιμους τομείς, όπως η υγεία, τα συστήματα τεχνητής νοημοσύνης δεν θα πρέπει να αντιμετωπίζονται ως πλήρως αξιόπιστες πηγές. Μπορούν να λειτουργήσουν υποστηρικτικά παρέχοντας πληροφορίες ή κατευθύνσεις, αλλά η τελική αξιολόγηση και απόφαση θα πρέπει πάντα να γίνεται από ειδικούς επαγγελματίες/ιατρούς.
-Οι εξειδικευμένες εφαρμογές;
Ναι, πιστεύω ότι μπορούν να θεωρηθούν αξιόπιστες σε ένα μεγάλο βαθμό, γιατί πλέον η τεχνολογία έχει προχωρήσει πάρα πολύ. O ψηφιακός μετασχηματισμός της κοινωνίας έχει συμβάλει σημαντικά στη βελτίωση της ακρίβειας και της αποτελεσματικότητας αυτών των συστημάτων, τα οποία αναμένουμε να βελτιωθούν ακόμη περισσότερο τα επόμενα χρόνια.
Με την περαιτέρω εξέλιξη των αλγορίθμων και τη διαθεσιμότητα περισσότερων δεδομένων, οι εξειδικευμένες εφαρμογές θα γίνουν ακόμη πιο αξιόπιστες και αποτελεσματικές.
-Μιλάμε για έξυπνη Τεχνητή Νοημοσύνη; Μιλάμε για νοήμων Τεχνητή Νοημοσύνη; Σε τι αναφερόμαστε τελικά;
Η «νοημοσύνη» στην περίπτωση των αλγορίθμων και όλων των μεθοδολογιών που χρησιμοποιούμε, βασίζεται στην ικανότητα των αλγορίθμων να επεξεργάζονται δεδομένα, να αναγνωρίζουν πρότυπα και να παράγουν προβλέψεις ή αποφάσεις. Πολλές φορές χρησιμοποιούμε δεδομένα και ανθρώπινη γνώση, το οποίο για μένα είναι και το δυνατό σημείο και είναι αυτό στο οποίο δίνω έμφαση επιστημονικά, στο συνδυασμό των δεδομένων με την ανθρώπινη γνώση και όχι μόνο στην ανάλυση δεδομένων. Αυτό που διερευνούμε επιστημονικά ως αντικείμενο Τεχνητής Νοημοσύνης και για το οποίο έχω βραβευθεί είναι η πεποίθηση ότι δεν πρέπει να στηριζόμαστε μόνο στα δεδομένα, αλλά να ενσωματώσουμε και την ανθρώπινη γνώση σε αυτά, προκειμένου να είναι πιο αξιόπιστα και να προσφέρουν ερμηνευσιμότητα στα αποτελέσματα. Το να παίρνουμε εκατομμύρια δεδομένα από οποιοδήποτε πρόβλημα και να προσπαθούμε μέσα από την ανάλυσή τους να βγάλουμε ένα αποτέλεσμα είναι και χρονοβόρο και κοστίζει πολύ. Αν ενσωματώσουμε την ανθρώπινη γνώση, τη γνώση από εμπειρογνώμονες, στα συστήματα τεχνητής νοημοσύνης που αναλύουν δεδομένα που έχουμε στη διάθεσή μας, τότε οι μεθοδολογίες που θα αναπτυχθούν θα είναι πιο αποδοτικές και αξιόπιστες, κατά την άποψή μου.
Πχ στην Ιατρική, όταν λέμε θα ενσωματώσουμε γνώση, εννοούμε ότι θα ενσωματώσουμε τη γνώση κάποιου εξειδικευμένου ιατρού ο οποίος έχει εμπειρία, και θα πρέπει να του εκμαιεύσω τη γνώση με τέτοιο τρόπο έτσι ώστε να γίνει αποδοτικότερο το σύστημα της τεχνητής νοημοσύνης που αναπτύσσω.
Για μένα σ’ αυτό το επίπεδο που βρισκόμαστε σήμερα είναι πιο πολύ νοήμων, όχι πολύ έξυπνη. Μπορεί να γίνει εξυπνότερη, αλλά χρειάζεται περαιτέρω έρευνα, βελτίωση και ανάπτυξη.
-Αν η Τεχνητή Νοημοσύνη… πήγαινε σχολείο σαν άνθρωπος, σε τι τάξη θα βρισκόταν τώρα;
Λίγο δύσκολο να απαντήσουμε, για τον εξής όμως λόγο: Βλέπουμε τόσο γρήγορες αλλαγές, η εξέλιξη της τεχνολογίας γίνεται με εξαιρετικά γρήγορους ρυθμούς. Άρα όλη αυτή η αλλαγή στην τεχνολογία που βλέπουμε θα βοηθήσει πάρα πολύ και την Τεχνητή Νοημοσύνη να προχωρήσει. Για παράδειγμα, αν λέγαμε σήμερα συμβολικά ότι η τεχνητή νοημοσύνη βρίσκεται «στην πρώτη γυμνασίου», αυτό δεν σημαίνει ότι θα χρειαστεί έξι χρόνια για να «τελειώσει το λύκειο». Η εξέλιξη μπορεί να είναι πολύ πιο γρήγορη. Σε έναν χρόνο μπορεί να έχει κάνει άλματα που για τον άνθρωπο θα απαιτούνταν πολλά χρόνια. Αν κάποιος με ρωτούσε πχ 5 χρόνια πριν, η αλήθεια είναι ότι δεν θα απαντούσα τότε ότι θα είχαμε τόσο εξελιγμένα εργαλεία τεχνητής νοημοσύνης, ψηφιακούς βοηθούς ή συστήματα που μπορούν να λειτουργούν ως αυτόνομοι «AI agents». Η τάση όμως που φαίνεται να διαμορφώνεται είναι ότι στο μέλλον ίσως ο καθένας μας θα έχει τον δικό του προσωπικό ΑI Agent, προσαρμοσμένο στις δικές του ανάγκες και προτιμήσεις.
-Αυτό πότε προβλέπεται να γίνει;
Δεν είναι και τόσο μακριά. Με βάση τον ρυθμό με τον οποίο εξελίσσεται σήμερα η Τεχνητή Νοημοσύνη, εκτιμάται ότι μέσα στα επόμενα 5 έως 10 χρόνια θα αρχίσουμε να βλέπουμε την παρουσία AI Agents.
-Υπάρχουν κίνδυνοι; Μας ακούει; Μας μαθαίνει; Μας μελετάει η Τεχνητή Νοημοσύνη;
Σε έναν βαθμό, ναι. Τα συστήματα Τεχνητής Νοημοσύνης λειτουργούν με βάση τα δεδομένα που λαμβάνουν. Κάθε φορά που οι χρήστες αλληλεπιδρούν με μια εφαρμογή, δημιουργούνται δεδομένα που μπορούν να αξιοποιηθούν για τη βελτίωση των συστημάτων. Ένα παράδειγμα: Αν περιγράψεις μία ιδέα ή μια μεθοδολογία στο ChatGPΤ, μπορεί να την προτείνει σε άλλους χρήστες. Το δοκιμάσαμε στο Πανεπιστήμιο, περιγράφοντας μια μεθοδολογία Τεχνητής Νοημοσύνης για την επίλυση ενός προβλήματος. Συγκεκριμένα έδωσα εγώ μια περιγραφή, και στη συνέχεια πρότεινε το ίδιο πράγμα και σε έναν φοιτητή του τμήματος σε δική του ερώτηση μετά από διάλογο που είχε με την εφαρμογή. Γι’ αυτό είναι σημαντικό να θυμόμαστε ότι όσα γράφουμε σε ψηφιακές πλατφόρμες μπορεί να αξιοποιηθούν για την εκπαίδευση ή τη βελτίωση των συστημάτων. Για τον λόγο αυτό χρειάζεται προσοχή, ιδιαίτερα όταν πρόκειται για προσωπικά δεδομένα, εμπιστευτικές πληροφορίες ή πρωτότυπες ιδέες..
–Eναντίον μας;
Εξαρτάται πάντα για ποιο λόγο τη χρησιμοποιεί κάποιος, γιατί ειναι ένα εργαλείο. Το πώς θα χρησιμοποιηθεί εξαρτάται αποκλειστικά από τον άνθρωπο που την αξιοποιεί. Μπορεί και εναντίον μας. Εμείς επιλέγουμε πως να τη χρησιμοποιήσουμε και ποια όρια και κανόνες θέτουμε.
-Θα υπάρξει κάποια στιγμή που θα χρησιμοποιούμε σε όλα και μόνο Τεχνητή Νοημοσύνη;
Νομίζω ότι πλέον αυτή είναι και η τάση. Οι μεγάλες εταιρείες τεχνολογίας επενδύουν τεράστιους πόρους σε αυτήν την κατεύθυνση, γιατί η Τεχνητή Νοημοσύνη μπορεί να αυτοματοποιήσει διαδικασίες, να αναλύει μεγάλα δεδομένα και να αυξάνει την παραγωγικότητα..
–Είναι απαραίτητο να γίνει κάτι τέτοιο;
Η προσωπική μου άποψη είναι πως όχι. Η Τεχνητή Νοημοσύνη είναι ένα πολύ ισχυρό εργαλείο και μπορεί να βοηθήσει σημαντικά σε πολλούς τομείς, όμως δεν θεωρώ ότι είναι απαραίτητο – ούτε επιθυμητό – να χρησιμοποιείται παντού και για τα πάντα.
Ως άνθρωποι έχουμε ικανότητες να σκεφτόμαστε, να δημιουργούμε, να έχουμε κριτική σκέψη.
-Η Τεχνητή Νοημοσύνη δεν εμποδίζει ήδη τη δημιουργία μας, την ενέργειά μας, τη διάθεσή μας;
Ναι. Αυτή η μεγάλη εξάρτηση από την Τεχνητή Νοημοσύνη σε ό,τι κάνουμε, προφανώς δημιουργεί θέματα. Περιορίζεται σε πολύ μεγάλο βαθμό αυτή η κριτική σκέψη, η δημιουργικότητα. Όμως στα παιδιά μας, στη γενιά που έρχεται, που έχει μάθει αποκλειστικά να χρησιμοποιεί Τεχνητή Νοημοσύνη, εκεί θα δούμε αλλαγές. Θα δούμε μία διαφορετική γενιά, από τη δική μας. Θα δούμε παιδιά να μην έχουν αυτή την όρεξη της δημιουργίας.
-Γιατί… θα τα περιμένουν όλα «σερβιρισμένα στο πιάτο»;
Κάπως έτσι. Όταν ένα εργαλείο μπορεί να δίνει γρήγορα έτοιμες απαντήσεις και λύσεις, υπάρχει η τάση να βασιζόμαστε όλο και περισσότερο σε αυτό και να μειώνεται η προσωπική προσπάθεια για σκέψη, αναζήτηση και δημιουργία.
-Αυτό όμως μοιάζει λίγο και ως φαύλος κύκλος, με την έννοια ότι αν ο άνθρωπος δεν είναι δημιουργικός, κατά πόσο θα μπορεί να εξελιχθεί η Τεχνητή Νοημοσύνη; Ή θα έχουμε φτάσει σε ένα επίπεδο που θα μπορεί να εξελίσσεται μόνη της;
Η αλήθεια ειναι ότι δεν μπορούμε να ξέρουμε. Όλα αυτά είναι πράγματα που δεν γνωρίζουμε πώς θα προχωρήσουν και θα εξελιχθούν. Αυτό που παρατηρούμε αυτή τη στιγμή και δεν μας αρέσει καθόλου, ιδιαίτερα στο Πανεπιστήμιο,. είναι ότι τα παιδιά πλέον δεν σκέφτονται τόσο πολύ, δεν δημιουργούν. Ό,τι και να τους πεις, ό, τι και να τους ρωτήσεις θα ρωτήσουν πχ. το ChatGPT ή το Gemini. Στις εργασίες τους λέω να χρησιμοποιήσουν τα εργαλεία, όχι για να φτιάξουν την εργασία αλλά για να τους βοηθήσουν, να κερδίσουν χρόνο και να τους δώσουν κάποιες ιδέες.
-Θα χαθούν επαγγέλματα ή θα μετασχηματιστούν όπως αναφέρουν ορισμένοι;
Σίγουρα θα χαθούν κάποια επαγγέλματα, που έχουν να κάνουν με εργασίες πολύ αυτοματοποιημένες, είτε στην καθημερινότητά μας ή στο γραφείο. Αλλά από την άλλη πιστεύω ότι θ’ αλλάξει κάπως και η έννοια της εργασίας και ο τρόπος που δουλεύουμε. Στην περίπτωση των εκπαιδευτικών στο πανεπιστήμιο για παράδειγμα… Φεύγουμε λίγο από τον κλασικό τρόπο της διδασκαλίας και της έρευνας, που χρειαζόμασταν πολλές ώρες σε διαδικασίες αναζήτησης, ανάλυσης και επεξεργασίας πληροφοριών. Σήμερα, με τη βοήθεια των ψηφιακών εργαλείων και της τεχνητής νοημοσύνης, πολλές από αυτές τις διαδικασίες μπορούν να γίνονται πολύ πιο γρήγορα.. Θα χρειαστεί ν’ αλλάξουμε τον τρόπο που δουλεύουμε γιατί αν δεν τον προσαρμόσουμε στις νέες τεχνολογίες δύσκολα θα προχωρήσουμε.
–Θα φτάσουμε σε ένα σημείο ένας AI Agent να διδάσκει αντί των εκπαιδευτικών;
Θα υπάρχουν AI Tutors, δηλαδή ψηφιακοί βοηθοί μάθησης προσαρμοσμένοι στις ανάγκες κάθε μαθητή. Ήδη σε μεγάλα πανεπιστήμια, όπως το MIT, γίνονται πειράματα και αναπτύσσονται συστήματα που μπορούν να λειτουργούν ως προσωπικοί βοηθοί μάθησης. Το πόσο γρήγορα θα γίνει και πότε θα φτάσει σε εμάς αυτό δεν το ξέρουμε, αλλά ένα μέρος της δουλειάς μας θα αυτοματοποιηθεί και πιθανά θα αντικατασταθεί.
-Σε άλλες χώρες δηλαδή θα εφαρμοστούν νωρίτερα κάποια πράγματα με βάση την Τεχνητή Νοημοσύνη σε σχέση με την Ελλάδα;
Ναι, και πάντα η Αμερική και η Κίνα είναι μπροστά. Δηλαδή πρώτα βλέπουμε νέες εφαρμογές τεχνητής νοημοσύνης εκεί και μετά έρχονται στην Ελλάδα, μετά από μερικά χρόνια ας πούμε. Έτσι γινόταν τουλάχιστον τα προηγούμενα χρόνια. Αυτό σχετίζεται σε μεγάλο βαθμό με το επίπεδο των επενδύσεων στην έρευνα, στις τεχνολογικές υποδομές και στα οικοσυστήματα καινοτομίας. Στην Αμερική επενδύονται πολλά χρήματα στην Τεχνητή Νοημοσύνη, αυτήν τη στιγμή. Εδώ δεν έχουν γίνει οι ανάλογες επενδύσεις, ούτε καν στην Ευρώπη δεν επενδύονται τόσα πολλά χρήματα όσο στις ΗΠΑ. Η Ευρώπη έχει αρχίσει πρόσφατα να επενδύει συστηματικά στην τεχνητή νοημοσύνη, μέσω ερευνητικών προγραμμάτων, αλλά θα έλεγα ότι το ποσό που επενδύει είναι πιο κάτω και από το μισό σε σχέση με τις ΗΠΑ.
-Υπάρχει περίπτωση η Τεχνητή Νοημοσύνη να εξανθρωπιστεί; Ας πούμε ότι ένας AI Agent έχει αναλάβει τη γραμματειακή υποστήριξη ενός ιατρείου. Θα είναι ποτέ σε θέση να αξιολογήσει μία κατάσταση για να βάλει πχ ένα ραντεβού ενδιάμεσα σε άλλα;
Αυτό πιθανά να μπορεί να το κάνει, αλλά θα πρέπει να εκπαιδευτεί κατάλληλα για να το κάνει. Πχ ένας γιατρός θα πρέπει να δώσει τις απαραίτητες οδηγίες και τα κριτήρια που χρειάζεται να ενσωματωθούν στο σύστημα, γιατί σε δεδομένα θα δυσκολευόταν να τις βρει. Απαιτείται πολύ καλή εκπαίδευση και εξειδικευμένη γνώση για να λειτουργήσουν σωστά και αξιόπιστα.
Γι’ αυτό, τουλάχιστον με τα σημερινά δεδομένα, η τεχνητή νοημοσύνη δεν «εξανθρωπίζεται», αλλά μαθαίνει να λειτουργεί πιο αποτελεσματικά μέσα στα όρια που μπορούν να θέσουν οι άνθρωποι.
Πηγή: Περιοδικό Volos City του Ομίλου Καρεκλίδη
