Από τότε που ξεκίνησε ο τομέας της τεχνητής νοημοσύνης, η συζήτηση επικεντρώνεται κυρίως στο «νοημοσύνη»: μπορούν πράγματι οι μηχανές να σκέφτονται όπως εμείς; Τις τελευταίες εβδομάδες, όμως, ο Αμερικανός πρόεδρος Ντόναλντ Τραμπ άνοιξε μια άλλη συζήτηση, γύρω από το δεύτερο συνθετικό, και μπήκε σε μια μακρά παράδοση μετακίνησης των ορίων στο AI.
«Η χρήση της λέξης τεχνητή κάνει τη νοημοσύνη να ακούγεται ψεύτικη, και δεν είναι ψεύτικη. Είναι πραγματικά εκπληκτική», είπε ο Τραμπ σε ομιλία του στη Γενική Συνέλευση του ΟΗΕ στις 22 Σεπτεμβρίου. Ζητά να μετονομαστεί η τεχνητή νοημοσύνη σε «super intelligence», στηρίζοντας αυτή την κίνηση με εκτελεστικό διάταγμα που υπέγραψε στις 29 Σεπτεμβρίου και με την ίδρυση, αυτή την εβδομάδα, ενός σώματος με την ονομασία Super Intelligence Force για τον συντονισμό της αμερικανικής πολιτικής για το AI.
Παραβλέποντας το γεγονός ότι το «Super Intelligence Force» θυμίζει καρτούν του Σαββάτου το πρωί, τι σημαίνει στην πράξη αυτή η προσπάθεια επανατοποθέτησης; Ο Τραμπ δεν είναι στην πραγματικότητα ο μόνος που θέλει να απομακρύνει τα σύγχρονα συστήματα AI από την αρχική σύλληψη της τεχνητής νοημοσύνης στις δεκαετίες του 1940 και του 1950. Πέρυσι, ο διευθύνων σύμβουλος της Meta, Μαρκ Ζούκερμπεργκ, δημοσίευσε σημείωμα στο οποίο έλεγε ότι η «superintelligence» βρίσκεται πλέον προ των πυλών. Αν πάμε ακόμη πιο πίσω, ο όρος έγινε αρχικά ευρέως γνωστός από τον φιλόσοφο Νικ Μπόστρομ, ως τίτλος του βιβλίου του το 2014.
Για μένα, η «υπερνοημοσύνη» του Τραμπ και η superintelligence του Μπόστρομ έχουν διαφορετικό νόημα και αξίζει να διατηρηθεί αυτή η διάκριση. Η μετονομασία που επιδιώκει ο Τραμπ αποσκοπεί στο να παγιώσει την αμερικανική κυριαρχία στον χώρο του AI — το εκτελεστικό διάταγμα αναφέρει ότι ο όρος «Super Intelligence» αποδίδει πιο σωστά «την υπόσχεση, το δυναμικό και τις ταχέως εξελισσόμενες δυνατότητες αυτών των τεχνολογιών». Η superintelligence όμως, όπως την περιέγραψε ο Μπόστρομ, ξεπερνά κατά πολύ τις δυνατότητες των σημερινών συστημάτων AI. Για να καταλάβουμε γιατί, χρειάζεται μια μικρή αναδρομή.
Πολύ πριν από τη γέννηση του ChatGPT, οι ερευνητές της AI διέκριναν ανάμεσα στη weak AI και τη strong AI, όρους που ορίστηκαν πρώτα από τον φιλόσοφο Τζον Σερλ σε άρθρο του το 1980 με τίτλο «Minds, brains, and programs». Με απλά λόγια, θεωρούσε τη weak AI ως προσομοίωση του ανθρώπινου νου από έναν υπολογιστή, αλλά όχι πραγματικό νου, ενώ η strong AI, κατά την άποψή του, περιγράφει πραγματική νόηση που αναδύεται από λογισμικό. Ο Σερλ απέρριψε αυτή την τελευταία ιδέα ως παράλογη: «Κανείς δεν θεωρεί… ότι μια προσομοίωση βροχόπτωσης από υπολογιστή θα μας μουσκέψει όλους. Για ποιο λόγο να πιστέψει κανείς ότι μια προσομοίωση κατανόησης κατανοεί πραγματικά οτιδήποτε;» Δεκαετίες μετά, δύσκολα θα διαφωνούσα.
Μετά το επιδραστικό άρθρο του Σερλ, η weak και η strong AI πέρασαν τη δική τους, ας πούμε, rebranding εκδοχή, καθώς η συζήτηση άρχισε να στρέφεται στις δυνατότητες των συστημάτων AI και όχι στη συνείδησή τους — ίσως επειδή το πρώτο είναι πολύ πιο εύκολο να μετρηθεί και μεταφέρει τη συζήτηση από το τμήμα φιλοσοφίας στο εργαστήριο της επιστήμης των υπολογιστών. Η weak AI συγχωνεύτηκε με έναν άλλο όρο, τη narrow AI, για να σημαίνει ένα σύστημα ικανό να πετύχει ανθρώπινη επίδοση σε μια συγκεκριμένη εργασία. Ζούμε με τη narrow AI εδώ και δεκαετίες, ανάλογα με τον ορισμό που θα δώσει κανείς, από τα φίλτρα ανεπιθύμητης αλληλογραφίας μέχρι το σκάκι και τα αυτοκίνητα χωρίς οδηγό. Κατά κάποιον τρόπο, μόλις κάτι γίνει εφικτό μέσω narrow AI, παύει να θεωρείται AI και γίνεται απλώς λογισμικό — ένα φαινόμενο γνωστό ως AI effect.
Η strong AI, από την άλλη, έδωσε τη θέση της στη general AI, δηλαδή σε ένα σύστημα ικανό να πετυχαίνει ανθρώπινη επίδοση σε οποιαδήποτε εργασία. Η general AI είναι ιδιαίτερα ελκυστικός στόχος, γιατί σημαίνει ότι, αντί να χρειάζεται να φτιάχνεις νέο σύστημα για κάθε πιθανή εργασία, η AI θα μπορούσε να μεταφέρει τη γνώση από έναν τομέα σε άλλον, όπως κάνει ένας άνθρωπος. Το 2002, η general AI μεταμορφώθηκε σε «artificial general intelligence», ή AGI, κυρίως επειδή ο Σέιν Λεγκ, που αργότερα συνίδρυσε την εταιρεία DeepMind, έκανε τον όρο ευρύτερα γνωστό.
Οι περισσότερες μεγάλες εταιρείες AI, ανάμεσά τους η DeepMind και η OpenAI, ιδρύθηκαν με τον ρητό στόχο της επίτευξης AGI. Στη δεκαετία του 2010, αυτό θεωρούνταν λίγο παράξενος και sci-fi ερευνητικός στόχος. Σήμερα, είναι επιχειρηματικό μοντέλο, με τρισεκατομμύρια δολάρια επενδύσεων να στοιχηματίζουν στην επίτευξη AGI στο προσεχές μέλλον.
Παρόλα αυτά, οι ορισμοί του AGI παραμένουν ασαφείς. Ο καταστατικός χάρτης της OpenAI το ορίζει ως «υψηλά αυτόνομα συστήματα που ξεπερνούν τους ανθρώπους στις περισσότερες οικονομικά πολύτιμες εργασίες». Μια συμφωνία ανάμεσα στην OpenAI και τη Microsoft, που διέρρευσε το 2024, το ορίζει ως σύστημα ικανό να παράγει κέρδη 100 δισ. δολαρίων. Η OpenAI δεν είναι ακόμη κερδοφόρα, καθώς οι δαπάνες της ξεπερνούν κατά πολύ τα έσοδα, όμως αυτό δεν εμπόδισε τον πρόεδρό της, Γκρεγκ Μπρόκμαν, να μιλήσει για «την εποχή του AGI» με την παρουσίαση του μοντέλου Astra τον Σεπτέμβριο.
Όπως κι αν ορίσει κανείς το AGI, δεν είναι το ίδιο πράγμα με τη superintelligence. Ο Μπόστρομ το ορίζει καθαρά στο βιβλίο του ως «κάθε νοημοσύνη που υπερβαίνει σημαντικά τη γνωστική επίδοση των ανθρώπων σε ουσιαστικά όλους τους τομείς ενδιαφέροντος». Με άλλα λόγια, μια superintelligence πρέπει να είναι πιο ικανή γνωστικά από κάθε ανθρώπινο επιστήμονα, καλλιτέχνη, φιλόσοφο ή άλλον φορέα νοητικών ικανοτήτων που έζησε ποτέ. Δεν αρκεί να είναι καλύτερη από τον Άλμπερτ Αϊνστάιν ή τη Μαρί Κιουρί — πρέπει να ξεπερνά επίσης τον Ουίλιαμ Σαίξπηρ, τον Λεονάρντο ντα Βίντσι, τον Στιβ Τζομπς, τη Τζέιν Όστεν και πολλούς, πολλούς άλλους. Προφανώς, δεν έχουμε φτάσει ακόμη σε superintelligence. Μια πραγματική υπερνοημοσύνη πιθανότατα θα άλλαζε τον κόσμο με τρόπους που δεν μπορούμε καν να φανταστούμε.
Υπάρχει, όμως, ένα πρόβλημα που διατρέχει όλους αυτούς τους ορισμούς και βρίσκεται στο δεύτερο μέρος του AI: τι είναι τελικά η νοημοσύνη και πώς μετριούνται τα διαφορετικά επίπεδά της;
Η συνηθισμένη απάντηση είναι ο δείκτης νοημοσύνης, το IQ. Οι προσπάθειες να μετρηθεί το IQ διαφόρων προηγμένων μοντέλων AI, ζητώντας τους να απαντήσουν σε ερωτήσεις τεστ IQ, δίνουν εύρος από 130 έως 150 IQ, αν και αυτό περιπλέκεται από το γεγονός ότι τα ίδια τα τεστ μπορεί να είχαν περιληφθεί στα δεδομένα εκπαίδευσης των μοντέλων. Οι ανθρώπινες επιδόσεις έχουν φτάσει σε IQ πάνω από 200, συχνά σε μικρά παιδιά, επειδή οι βαθμολογίες εξαρτώνται από την ηλικία, όμως όσο ανεβαίνει το σκορ τόσο δυσκολότερη γίνεται η αξιόπιστη μέτρησή του. Ακόμη πιο ουσιαστικά, το IQ θεωρείται πλέον ευρέως προβληματικό μέτρο νοημοσύνης, με ρίζες στην ευγονική, που αγνοεί πολλές πλευρές της ανθρώπινης ικανότητας. Η εφαρμογή του στην AI μοιάζει λοιπόν μάλλον άγονη.
Ως εναλλακτική, ορισμένοι επιστήμονες πληροφορικής προσπάθησαν να δημιουργήσουν τεστ νοημοσύνης ειδικά για το AI. Ένα από αυτά είναι το ARC-AGI, το οποίο εξετάζει όχι μόνο τις δυνατότητες ενός μοντέλου, αλλά και το κόστος εκτέλεσής του, πράγμα που σημαίνει ότι τα λιγότερο απαιτητικά υπολογιστικά μοντέλα μπορούν να πετύχουν υψηλότερη βαθμολογία. Το τεστ βρίσκεται πλέον στην τρίτη εκδοχή του και ένα από τα πιο πρόσφατα μοντέλα της OpenAI, το GPT-6.1 Sol, σημειώνει 96,2%, ολοκληρώνοντας το τεστ με σχετικά χαμηλό κόστος 3.800 δολαρίων. Το κάνει αυτό AGI; Δεν το νομίζω, και θα περίμενα σύντομα να εμφανιστεί μια τέταρτη έκδοση του ARC-AGI, η οποία θα μηδενίσει ξανά τον πήχη που πρέπει να ξεπεράσουν τα μοντέλα.
Σημαίνει αυτό ότι δεν θα αποκτήσουμε ποτέ AGI και, στη συνέχεια, superintelligence; Παρά τη βεβαιότητα των εταιρειών AI ότι θα το πετύχουμε — κάτι που πιθανότατα είναι μισή αληθινή πίστη και μισό μάρκετινγκ — αυτή τη στιγμή θεωρώ αδύνατο να το πει κανείς. Οι έννοιες αυτών των όρων και οι μέθοδοι αξιολόγησής τους αλλάζουν συνεχώς. Αυτό που το 2022 έμοιαζε μαγικό — ένας υπολογιστής που σου απαντά — το 2026 είναι πλέον ενοχλητικό, με τα Google AI Overviews να εμφανίζουν συχνά με αυτοπεποίθηση λανθασμένες πληροφορίες στην κορυφή των αποτελεσμάτων αναζήτησης.
Σήμερα, τα πιο εντυπωσιακά επιτεύγματα στην AI φαίνεται να έρχονται από τα μαθηματικά, αλλά ίσως σύντομα κι αυτό να θεωρείται παρωχημένο. Η δική μου αίσθηση είναι ότι, αν το AGI έρθει ποτέ, δεν θα υπάρξει μία στιγμή που θα δηλώσουμε ότι έφτασε. Θα υπάρξει μάλλον μια σταδιακή συνειδητοποίηση ότι είναι ήδη εδώ και απλώς αρχίσαμε να το ονομάζουμε αλλιώς.
Όταν η OpenAI ανακοίνωσε τη λύση της στο πρόβλημα Navier-Stokes, παρουσίασε μία απόδειξη για τους ανθρώπους και μία για τους υπολογιστές — όμως δεν ταυτίζονται.
Το παρόν κείμενο δημιουργήθηκε με τη χρήση τεχνητής νοημοσύνης.
