Η ΑΙ ΩΣ ΜΟΔΑ - ΑΠΑΙΤΗΣΕΙΣ ΑΠΟΤΕΛΕΣΜΑΤΙΚΗΣ ΕΦΑΡΜΟΓΗΣ

Παρακολούθησα πριν μερικές ημέρες μία δημόσια συζήτηση μεταξύ υποτίθεται έμπειρων στην χρήση της ΑΙ.

Όμως τελικά διαπίστωσα από τα λεγόμενα, ότι ο ένας γνώριζε σε βάθος το θέμα, γιατί ο ίδιος ήταν προγραμματιστής. Οι άλλοι ήταν μάλλον νέοι χρήστες στις εταιρείες που δούλευαν και κάποια από όσα είπαν ήταν επιφανειακά και μερικά εσφαλμένα.

Ένα από τα λάθη που ακούστηκαν, ήταν ότι η τεχνητή νοημοσύνη (ΑΙ) είναι μόνο αναπλαστική και όχι παραγωγική/δημιουργική. Δηλαδή μπορεί και διαχειρίζεται τα δεδομένα και με βάση αυτά αναπλάθει το εξαγώμενο, το οποίο όμως δεν είναι παραγωγικό ούτε δημιουργικό.

Όμως η ΑΙ μπορεί να είναι και παραγωγική και δημιουργική, αλλά η φύση αυτής της δημιουργικότητας εξαρτάται από το πώς την ορίζουμε. Ας δούμε τις διαφορές εννοιολογικά, όσο και από πλευράς δυνατοτήτων των τεχνολογικών εφαρμογών ΑΙ.

Οι περισσότερες ΑΙ τεχνολογίες βασίζονται σε μοντέλα που επεξεργάζονται τεράστιες ποσότητες δεδομένων, για να δημιουργήσουν νέες εκδοχές ή συνδυασμούς αυτών των δεδομένων. Ένα μοντέλο όπως το ChatGPT μπορεί να συνδυάσει πληροφορίες από διάφορες πηγές και να παράγει πρωτότυπο κείμενο, το οποίο βασίζεται σε υπάρχουσες γνώσεις. Ωστόσο αυτό μπορεί να θεωρηθεί "αναπλαστικό", γιατί συνδυάζει υπάρχοντα δεδομένα.

Όμως εφαρμογές ΑΙ μπορεί να δημιουργήσουν χρήσιμα, πρακτικά και δημιουργικά αποτελέσματα σε διάφορους τομείς. Μπορεί να δημιουργήσουν νέες ιδέες για σενάρια, ιστορίες, σχέδια, ή ακόμα και νέες λύσεις σε προβλήματα.

Η δε επαναξιολόγηση επαναλαμβανόμενων εργασιών με ΑΙ, θέτοντας δείκτες αποτελεσματικότητας, μπορεί να καταλήξει σε επιλογές για νέες οργανωτικές δομές ώστε να εξοικονομήσει χρόνο και πόρους.

Άλλα παραδείγματα παραγωγικότητας εφαρμογών ΑΙ μπορεί να είναι η συγγραφή κώδικα, η δημιουργία έργων τέχνης (βάσει οδηγιών) καθώς και η στρατηγική ανάλυση, με ρεαλιστικές προτάσεις στρατηγικής σε επιχειρησιακά δεδομένα.

Η δημιουργικότητα αυτών των εφαρμογών ΑΙ μπορεί να είναι και πράξεις πρωτοτυπίας, που δεν εξαρτώνται μόνο από υπάρχουσες γνώσεις, αφού μπορούν να παράγουν εντελώς νέες ιδέες (π.χ., φανταστικές εικόνες ή πρωτότυπες ιστορίες, με ευαισθησία και δημιουργικότητα, ανάλογα με τους δείκτες του prompt engineering) και να συνδυάζουν δεδομένα με τρόπους που δεν είχαν προηγουμένως προβλεφθεί.

Ωστόσο, είναι γεγονός ότι η δημιουργικότητα αυτή μπορεί να περιορίζεται από τους αλγορίθμους και τα δεδομένα που χρησιμοποιούνται και δεν μπορεί να συγκριθεί με την ανθρώπινη παραγωγική και δημιουργική ικανότητα, οι οποίες είναι βαθύτερα συνδεδεμένες με εμπειρίες, συναισθήματα και πολιτισμικό πλαίσιο, στοιχεία που η ΑΙ δεν μπορεί να βιώσει (προς το παρόν).

Είχαν όμως δίκιο σε δύο πράγματα:

1) Το ότι βάζουν συχνά πολλοί την λέξη ΑΙ στα βιογραφικά τους, στις εργασίες τους και στις προτάσεις τους, θέλοντας να δείξουν ότι είναι μέσα στις τεχνολογικές εξελίξεις και καινοτομούν.

2) Και ότι όσο πιο γνωσιακά ικανός είναι ο χρήστης, τόσο καλύτερα μπορεί να αξιοποιήσει τις δυνατότητες που παρέχονται από τα συστήματα ΑΙ σήμερα και στο μέλλον.

Και δεν αρκεί η απλή εκπαίδευση τεχνικά στην χρήση τους. Για να κάνουν καλή και αποτελεσματική χρήση, που να ωφελεί το εργασιακό περιβάλλον, την κοινωνία και τελικά την ανθρωπότητα, πρέπει να έχουν ένα σύνολο θεμελιωδών γνώσεων, που συνδυάζουν τεχνικές, ηθικές και πρακτικές δεξιότητες.

Πέραν της βασικής κατανόησης της τεχνολογίας AI, πώς δηλαδή λειτουργούν οι αλγόριθμοι μηχανικής μάθησης και ποιες είναι οι βασικές αρχές, (όπως π.χ., επιβλεπόμενη/μη επιβλεπόμενη μάθηση, νευρωνικά δίκτυα κλπ), να γνωρίζουν τους περιορισμούς που έχουν τα συστήματα ΑΙ. Ότι δεν είναι αλάνθαστα και ότι εξαρτώνται από τα δεδομένα με τα οποία εκπαιδεύονται.

Να έχουν πρακτικές γνώσεις και να κατανοούν πώς να χρησιμοποιούν εργαλεία και πλατφόρμες AI (π.χ., ChatGPT, Google Bard, TensorFlow). Να γνωρίζουν βασικές αρχές διαχείρισης δεδομένων και πώς αυτά επηρεάζουν τα αποτελέσματα της AI, πώς να επιλέγουν, να επεξεργάζονται και να καθαρίζουν τα δεδομένα.

Να αντιλαμβάνονται την ποιότητα των δεδομένων, την ενδεχόμενη προκατάληψη (bias) σε αυτά καθώς και την διασφάλιση αντιπροσωπευτικών και δεοντολογικά συνεκτικών δεδομένων.

Ακόμη και αν δεν είναι προγραμματιστές, να έχουν μία βασική κατανόηση της σημασίας και της καταλληλόλητας για κάθε εφαρμογή των γλωσσών προγραμματισμού (π.χ. Python, R, Java, C++, Julia, Matlab, και εργαλείων όπως το Excel και Power BI για ανάλυση δεδομένων), και να κατανοούν τις βασικές παραμέτρους των αλγορίθμων, γνώσεις που απαιτούνται για την χρήση και ρύθμιση των συστημάτων, και την κατανόηση των αποτελεσμάτων.

Σημαντικότατες γνώσεις επίσης αναφέρονται σε ανθρωπιστικές αξίες, στην ηθική και στην δεοντολογία. Είναι ζωτικής σημασίας η επίγνωση των επιπτώσεων από την εκτεταμένη χρήση συστημάτων ΑΙ, των κινδύνων της ακούσιας ή εκούσιας κατάχρησης της τεχνολογίας και πώς οι εφαρμογές αυτές μπορούν να επηρεάσουν τις κοινωνίες, τις οικονομίες και τα άτομα (π.χ., διακρίσεις και ταξικές διαφορές, απώλεια θέσεων εργασίας κλπ)

Θεμελιώδους σημασίας είναι επίσης να υπάρχει διαφάνεια και συνέπεια σε ότι αφορά τα δικαιώματα των εργαζομένων και άμεσα εμπλεκόμενων, ώστε να ξέρουν πώς λαμβάνονται αποφάσεις με βάση τα συστήματα AI και την λειτουργία τους.

Να ενημερώνονται υπεύθυνα για τις ισχύουσες νομικές ρυθμίσεις και πολιτικές, για την προστασία της ιδιωτικότητας τους και των δεδομένων.

Πλέον ζωτικό όμως είναι η “Κριτική Σκέψη” στην εφαρμογή και στην αξιολόγηση των αποτελεσμάτων που μας δίνει ένα σύστημα AI, όσον αφορά την ακρίβεια και την αξιοπιστία τους.

Να μπορούν, μέσω της κριτικής προσέγγισης και της ανάγκης επαλήθευσης, να διακρίνουν τη διαφορά μεταξύ έγκυρης πληροφορίας και ψευδούς ή προκατειλημμένης πληροφορίας, που μπορεί να παραχθεί από AI.

Η διατομεακή εφαρμογή αυτών των συστημάτων επηρεάζει παράλληλα πολλούς τομείς αυξανόμενα (υγεία, εκπαίδευση, περιβάλλον, ενέργεια, έξυπνες πόλεις, τέχνες, επιστήμες κλπ), και οι χρήστες πρέπει να κατανοούν πώς η AI μπορεί να λειτουργεί σε κάθε συγκεκριμένο κλάδο (δυνατότητες, περιορισμοί και όρια). Είναι δεδομένο ότι θα είναι αναγκαίο να δημιουργηθούν διεπιστημονικές ομάδες εργασίας για την αποτελεσματικότερη διατομεακή εφαρμογή της.

Η AI είναι ένας συνεχώς εξελισσόμενος τομέας σε πολλούς χώρους και οι χρήστες πρέπει να επιδιώκουν την διαρκή μάθηση.

ΚΑΤΑΛΗΓΟΝΤΑΣ

Οι εφαρμογές ΑΙ μπορεί να είναι “παραγωγικές” και η "δημιουργικότητά" τους εξαρτάται από το πώς καθορίζουμε τι έννοιες.

Αναπλαστική είναι μία εφαρμογή ΑΙ όταν απλά επεξεργάζεται δεδομένα και επανασυνθέτει ιδέες. Μπορεί όμως να είναι και εξαιρετικά δημιουργική όταν αναπτύσσει καινοτόμες προσεγγίσεις ή συνδυασμούς που δεν είχαν πρωτοποθετηθεί ως δυνητική επιλογή ούτε είναι άμεσα προβλέψιμοι.

Η ΑΙ αυτής της μορφής βρίσκεται ανάμεσα σε παραγωγικότητα και δημιουργικότητα. Μπορεί να παράγει έργο που φαίνεται "δημιουργικό", αλλά οι ανθρώπινες ικανότητες, όπως η φαντασία και η βαθύτερη νοηματοδότηση, παραμένουν μοναδικές.

Ωστόσο, όσο εξελίσσεται η τεχνολογία, τόσο η ΑΙ γίνεται όλο και πιο "αυτοδύναμη" στη δημιουργία περιεχομένου.

Οι χρήστες που την χρησιμοποιήσουν υπέρ της ανάπτυξης της κοινωνίας και προς όφελος της ανθρωπότητας, χρειάζονται συνδυασμό τεχνικών γνώσεων, ηθικής ευαισθησίας και πρακτικών δεξιοτήτων.

Η κριτική σκέψη, η διαφάνεια και η διάθεση για διαρκή μάθηση είναι κρίσιμες για την υπεύθυνη και αποτελεσματική χρήση της AI.