Υπερεκτιμούμε την Τεχνητή Νοημοσύνη;

Άρθρο του Nicola Costantino, Πρύτανη του Politecnico di Bari, όπου διετέλεσε Τακτικός Καθηγητής Οικονομικής και Διοικητικής Μηχανικής.

Η συζήτηση σχετικά με τις επιπτώσεις της Τεχνητής Νοημοσύνης (AI) στην απασχόληση γίνεται ολοένα πιο έντονη, μεταξύ άλλων επειδή τα διαθέσιμα δεδομένα παραμένουν ακόμη αποσπασματικά και συχνά αντιφατικά. Σύμφωνα με την ISTAT, το 2025 στην Ιταλία το 15,7% των ΜΜΕ και το 53,1% των μεγάλων επιχειρήσεων δήλωναν ότι είχαν ενσωματώσει την AI στις παραγωγικές τους διαδικασίες, ποσοστά σημαντικά αυξημένα σε σχέση με το 2024, κατά 8% και 20,6% αντίστοιχα. Ωστόσο, αυτό δεν φαίνεται να έχει επηρεάσει σημαντικά, τουλάχιστον ακόμη, τα συνολικά μεγέθη, ούτε το εθνικό ΑΕΠ, το οποίο αυξήθηκε μόλις κατά 0,5% σε σχέση με το προηγούμενο έτος, ούτε την ανεργία, η οποία μάλιστα μειώθηκε. Φαίνεται λοιπόν να επανεμφανίζεται για ακόμη μία φορά η αντίφαση μεταξύ «εύλογων» προβλέψεων και πραγματικών αποτελεσμάτων.

Ακόμη και οι απόψεις των κορυφαίων ειδικών σχετικά με τις επιπτώσεις της AI στην απασχόληση δεν φαίνεται να συμφωνούν πλήρως. Από τη μία πλευρά, ο Mark Zuckerberg δηλώνει: «Ήδη βλέπουμε έργα που στο παρελθόν απαιτούσαν ολόκληρες ομάδες να ολοκληρώνονται από ένα μόνο ταλαντούχο άτομο, με τη βοήθεια AI agents». Από την άλλη, ο Andrew Ng, συνιδρυτής του Google Brain, δηλώνει: «Η απώλεια θέσεων εργασίας που προκαλείται από την AI έχει μέχρι στιγμής υπερεκτιμηθεί».

Προβλέψεις για την απασχόληση που δεν επιβεβαιώθηκαν

Το 2013, μεγάλη απήχηση είχε μια μελέτη των C.B. Frey και M.A. Osborne του University of Oxford, σύμφωνα με την οποία, ως αποτέλεσμα των διαδικασιών αυτοματοποίησης, το 47% των θέσεων εργασίας στις Ηνωμένες Πολιτείες θα κινδύνευε να αντικατασταθεί μέσα στα επόμενα 10 χρόνια. Σύμφωνα με το World Bank Development Report του 2016, το ποσοστό αυτό ανέβαινε στο 57% για τις χώρες του ΟΟΣΑ και ακόμη και στο 77% για την Κίνα, λόγω του χαμηλότερου αρχικού βαθμού αυτοματοποίησης στις χώρες αυτές. Φυσικά, όπως υποστηρίχθηκε, η διάδοση των νέων τεχνολογιών οδηγεί επίσης στη δημιουργία νέων επαγγελμάτων. Σύμφωνα με την Forrester Research, στα 10 χρόνια μετά το 2015 θα δημιουργούνταν στις Ηνωμένες Πολιτείες 13,6 εκατομμύρια νέες θέσεις εργασίας, έναντι όμως της απώλειας 22,7 εκατομμυρίων πιο παραδοσιακών θέσεων, με τελικό αρνητικό ισοζύγιο 9,1 εκατομμυρίων θέσεων. Γιατί όλες αυτές οι προβλέψεις δεν επιβεβαιώθηκαν στην πραγματικότητα, τουλάχιστον μέσα στο χρονικό διάστημα που είχε προβλεφθεί;

Το 1987, ο Robert Solow, ο οποίος την ίδια χρονιά τιμήθηκε με το Νόμπελ Οικονομίας, μεταξύ άλλων για τις μελέτες του σχετικά με τις παραγωγικές επιπτώσεις της τεχνολογικής ανάπτυξης, δήλωσε: «Βλέπουμε την εποχή των υπολογιστών παντού, εκτός από τα στατιστικά στοιχεία παραγωγικότητας», πιθανότατα εξαιτίας της τεράστιας πολυπλοκότητας των μεταβλητών που εμπλέκονται, όχι μόνο τεχνολογικών αλλά και οργανωτικών και κοινωνικών. Πράγματι, η ιστορία της Τρίτης και της Τέταρτης Βιομηχανικής Επανάστασης είναι γεμάτη από εκρηκτικές και απρόβλεπτες επιτυχίες, όπως το διαδίκτυο, αλλά και από περισσότερο ή λιγότερο εντυπωσιακές αποτυχίες. Αρκεί να θυμηθούμε την υπερβολή της λεγόμενης net economy γύρω στο 2000, με τη φούσκα πολλών dot.com εταιρειών που έφταναν σε αστρονομικές αποτιμήσεις προτού καν δοκιμάσουν τη δήθεν αγορά-στόχο τους· τη βραχύβια αλλά δαπανηρή μόδα των εικονικών αγορών ακινήτων στο Second Life· ή, πιο πρόσφατα, τις τεράστιες προσδοκίες γύρω από το metaverse, τις οποίες ο Mark Zuckerberg είχε ενισχύσει σημαντικά και οι οποίες μέχρι στιγμής δεν έχουν επαληθευτεί. Βεβαίως, σε σύγκριση με αυτά τα παραδείγματα, η AI αποτελεί μια πολύ πιο δομημένη και εδραιωμένη πραγματικότητα, στην οποία εξακολουθούν να πραγματοποιούνται πραγματικά τεράστιες επενδύσεις.

Οι αποδόσεις κερδοφορίας

Οι πέντε επιχειρήσεις με τη μεγαλύτερη κεφαλαιοποίηση στον κόσμο είναι όλες εισηγμένες στη Wall Street: Nvidia, Apple, Alphabet (Google), Microsoft και Amazon. Όλες εμπλέκονται σε μεγαλύτερο ή μικρότερο βαθμό στην AI, με συνολική χρηματιστηριακή αξία άνω των 18 τρισεκατομμυρίων δολαρίων, η οποία αναμένεται να αυξηθεί όσο συνεχίζουν να συγκεντρώνουν κεφάλαια για επενδύσεις σε ολοένα μεγαλύτερες υπολογιστικές υποδομές. Αν κάποτε είχαμε συνηθίσει να θεωρούμε τις περιβαλλοντικές επιπτώσεις των ICT σχετικά περιορισμένες, ιδίως όσον αφορά την ενεργειακή κατανάλωση, τα τεράστια σημερινά data centers, και ακόμη περισσότερο εκείνα του αύριο, αρχίζουν να επηρεάζουν σημαντικά την κατανάλωση ηλεκτρικής ενέργειας, αλλά και νερού για ψύξη, στις περιοχές όπου εγκαθίστανται. Σε τέτοιο βαθμό ώστε να αρχίζει να εξετάζεται η τεχνικοοικονομική σκοπιμότητα σεναρίων που μέχρι πρόσφατα θα θεωρούνταν επιστημονική φαντασία, όπως η εγκατάστασή τους στο διάστημα, ώστε να βελτιστοποιείται η αξιοποίηση της ηλιακής ενέργειας και η αποβολή θερμότητας.

Αυτές οι τεράστιες επενδύσεις βασίζονται σε προσδοκίες, όσο δικαιολογημένες κι αν είναι, για εξίσου τεράστιες αποδόσεις κερδοφορίας, οι οποίες θα προκύψουν από την ανάπτυξη εργαλείων Artificial General Intelligence (AGI), ικανών να κατανοούν και να εφαρμόζουν την ανθρώπινη γνώση τουλάχιστον στο ίδιο επίπεδο με τις δικές μας γνωστικές ικανότητες, αν όχι υψηλότερα, σε οποιονδήποτε τομέα. Θα υπάρξουν πράγματι αυτές οι αποδόσεις;

Η πραγματοποίησή τους βασίζεται ουσιαστικά σε ορισμένες παραδοχές, περισσότερο ή λιγότερο ρητές, οι οποίες δεν είναι βέβαιο ότι θα επαληθευτούν στο σύνολό τους. Πρώτον, ότι οι διαδρομές που ακολουθούν οι κολοσσοί του κλάδου, όπως η OpenAI, για την ανάπτυξη της AGI είναι οι πλέον αποδοτικές και επομένως θα οδηγήσουν σε ιδιαίτερα ικανοποιητικές αποδόσεις. Δεύτερον, ότι η ανάπτυξη των δυνατοτήτων της AI, ιδίως όσον αφορά τα Large Language Models (LLM), είναι απεριόριστη, καθώς εμπλουτίζεται καθημερινά με νέες συνεισφορές, δηλαδή με νέα ψηφιοποιημένη γνώση, καθιστώντας τα μοντέλα ολοένα ισχυρότερα μέσα από μια εκθετική ανάπτυξη χωρίς εμφανή όρια. Τρίτον, σύμφωνα με ορισμένους, χάρη σε αυτή την απεριόριστη ανάπτυξη, η AGI προορίζεται να εξελιχθεί σε Artificial Super Intelligence (ASI), μια Υπερνοημοσύνη που θα ξεπερνά την ανθρώπινη νοημοσύνη ακόμη και ως προς τη δημιουργικότητα, τη σοφία και τις διαπροσωπικές ικανότητες.

Η κρίση των Large Language Models

Αυτές οι προσδοκίες, ασφαλώς εύλογες, τουλάχιστον οι δύο πρώτες, εξακολουθούν ωστόσο να υπόκεινται σε εξίσου σημαντικές αβεβαιότητες. Είμαστε βέβαιοι ότι η ανάπτυξη της AGI δεν μπορεί να επιτευχθεί με συνολικά πολύ λιγότερο δαπανηρούς τρόπους; Η εμπειρία του DeepSeek, της κινεζικής AI που αναπτύχθηκε με πολύ μικρότερες επενδύσεις από τους δυτικούς ανταγωνιστές της και προσφέρει επιδόσεις συγκρίσιμες με εκείνες του ChatGPT, φαίνεται να δημιουργεί αμφιβολίες ως προς αυτό. Η ιστορία των βιομηχανικών επαναστάσεων είναι γεμάτη παραδείγματα εντυπωσιακών αλμάτων αποδοτικότητας, στα οποία οι ακόλουθοι ξεπέρασαν τους πρώτους καινοτόμους. Εάν συμβεί το ίδιο και στην AI, ποια θα είναι η τύχη των σημερινών βιομηχανικών κολοσσών που έχουν συγκεντρώσει επενδύσεις χωρίς προηγούμενο στην ανθρώπινη ιστορία;

Είμαστε βέβαιοι ότι η ανάπτυξη της ψηφιοποιημένης γνώσης θα συνεχιστεί με τους σημερινούς ρυθμούς; Προβλέπεται ότι έως το 2030 σχεδόν όλη η ανθρώπινη γνώση θα έχει τεθεί στη διάθεση των LLM. Μετά από αυτή την ημερομηνία, η περαιτέρω ψηφιοποίηση θα συνεχιστεί με τον ρυθμό της πραγματικής «ανθρώπινης» παραγωγής νέας γνώσης, συμπληρωμένης από την αυτοφαγία, η οποία άλλωστε ήδη βρίσκεται σε εξέλιξη, δηλαδή την τροφοδότηση των LLM με έγγραφα που έχουν δημιουργήσει τα ίδια τα LLM με ταχύτητα πολλαπλάσια της ανθρώπινης. Εάν όμως λάβουμε υπόψη ότι τα LLM παράγουν κείμενα όχι «συλλογιζόμενα», αλλά «αντλώντας» από τα έγγραφα που έχουν αποκτήσει, λέξη προς λέξη, τις πιθανότερες σημασιολογικές ακολουθίες, είναι εύλογο να αναμένουμε ότι ίσως δεν μπορούν να παράγουν «νέα» γνώση, παρά μόνο ανασυνδυασμούς της ήδη αποκτηθείσας γνώσης.

Επιπλέον, οι μέχρι σήμερα εμπειρίες φαίνεται να δείχνουν ότι η επαναλαμβανόμενη αυτοφαγία παράγει τη λεγόμενη Model Autophagy Disorder (MADness), η οποία προκαλεί την «κατάρρευση» του υπολογιστικού προϊόντος, δηλαδή μια σταδιακή απώλεια νοήματος. Εάν αυτό είναι αληθές, η ανάπτυξη των δυνατοτήτων των LLM πρόκειται να επιβραδυνθεί δραστικά μέσα σε λίγα χρόνια, επειδή η «νέα» γνώση που θα τίθεται στη διάθεσή τους δεν θα προέρχεται πλέον, όπως σήμερα, από την εισαγωγή τεράστιων ποσοτήτων δεδομένων που έχουν ήδη παραχθεί στο παρελθόν, όπως όταν εισάγουμε σε ένα μοντέλο ένα κείμενο γραμμένο πριν από 10 χρόνια, αλλά μόνο από τη νέα και «πρωτότυπη» παραγωγή των ανθρώπων.

Θα είναι δυνατό να αναπτυχθεί η Υπερνοημοσύνη; Το 1905 ο Albert Einstein δημοσίευσε τέσσερα άρθρα που επαναστατικοποίησαν πλήρως τη φυσική γνώση του κόσμου. Έφτασε σε αυτά τα αποτελέσματα χωρίς να πραγματοποιήσει νέα πειράματα, αλλά «απλώς», τρόπος του λέγειν, συλλογιζόμενος πάνω στα αποτελέσματα πειραμάτων και στις θεωρητικές επεξεργασίες άλλων. Η έννοια της σχετικότητας του χρόνου, για να δώσουμε ένα παράδειγμα, δεν υπήρχε προηγουμένως και είναι εξαιρετικά απίθανο, αν όχι αδύνατο, ένα LLM που θα είχε τροφοδοτηθεί με τις ίδιες γνώσεις στις οποίες είχε πρόσβαση ο Einstein να ήταν σε θέση να τη δημιουργήσει, ανεξάρτητα από την ποσότητα υπολογιστικών πόρων που θα είχε στη διάθεσή του.

Τελικά, μπορούμε να διατυπώσουμε μια εύλογη υπόθεση, τίποτε περισσότερο και ασφαλώς όχι μια βεβαιότητα: ίσως υπερεκτιμούμε ένα νέο εργαλείο, αναμφίβολα πολύ ισχυρό και εξαιρετικά διεισδυτικό, το οποίο όμως ενδέχεται να μην μπορέσει ποτέ να αντικαταστήσει τον άνθρωπο στις δραστηριότητες με τη μεγαλύτερη δημιουργική σημασία. Είναι πράγματι έτσι; Ο Niels Bohr, Νόμπελ Φυσικής το 1922, έγραψε: «Οι προβλέψεις είναι πολύ δύσκολες, ιδιαίτερα όταν αφορούν το μέλλον».