Τα τελευταία χρόνια, η τεχνητή νοημοσύνη (AI) βρίσκεται στο επίκεντρο μιας τεχνολογικής και οικονομικής έκρηξης. Δισεκατομμύρια επενδύονται σε data centers και υπολογιστικά συστήματα υψηλών επιδόσεων (HPCs), δημιουργώντας την εντύπωση ότι μια νέα βιομηχανική επανάσταση βρίσκεται ήδη σε εξέλιξη. Ωστόσο, όσο περνά ο χρόνος, γίνεται ολοένα και πιο εμφανές ότι τα πραγματικά οφέλη δεν συμβαδίζουν, τουλάχιστον προς το παρόν, με το μέγεθος των επενδύσεων.
Η σημερινή συγκυρία θυμίζει έντονα μια «διόρθωση υπερβολής» (hype correction). Οι προσδοκίες που καλλιεργήθηκαν, κυρίως την περίοδο 2023-2024, ότι η AI θα μεταμορφώσει άμεσα την οικονομία και θα αντικαταστήσει μεγάλο μέρος της ανθρώπινης εργασίας, αρχίζουν να υποχωρούν, καθώς αναδεικνύεται μια πιο σύνθετη και λιγότερο εντυπωσιακή πραγματικότητα.
Θα μπορούσε, βέβαια, κανείς να υποστηρίξει ότι ένας βασικός λόγος για αυτή την απόσταση μεταξύ επένδυσης και αποτελέσματος είναι πως μεγάλο μέρος της ανάπτυξης της AI βρίσκεται ακόμη σε πειραματικό στάδιο. Εταιρείες και κράτη επενδύουν όχι μόνο με στόχο την άμεση απόδοση, αλλά και τη μελλοντική κυριαρχία στην αγορά, επιδιώκοντας να αποκτήσουν πρώτοι στρατηγικό πλεονέκτημα. Ωστόσο, η απόσταση αυτή ενδέχεται να οφείλεται και σε μια σειρά από «τεχνικά ζητήματα».
Η σύγχρονη AI δεν «σκέφτεται»
Ένα βασικό σημείο παρεξήγησης είναι η ίδια η φύση της τεχνολογίας. Παρά την εντυπωσιακή της συμπεριφορά, η σύγχρονη AI δεν «σκέφτεται» με τον τρόπο που συχνά υπονοείται. Τα μεγάλα γλωσσικά μοντέλα λειτουργούν κυρίως ως μηχανισμοί πρόβλεψης, υπολογίζοντας ποια λέξη είναι πιθανότερο να ακολουθήσει σε μια πρόταση, με βάση τεράστιους όγκους δεδομένων. Αυτό τους επιτρέπει να παράγουν πειστικό λόγο, όχι όμως απαραίτητα σωστό ή ουσιαστικά κατανοημένο περιεχόμενο.
Αυτή η διάκριση έχει σημαντικές συνέπειες. Ενώ τα συστήματα AI αποδίδουν εξαιρετικά σε εργασίες όπως η μετάφραση, η σύνοψη και η παραγωγή κειμένων αλλά και κώδικα, συχνά δυσκολεύονται να ανταποκριθούν σε πιο σύνθετες ή πρωτότυπες απαιτήσεις. Τα λεγόμενα «hallucinations», δηλαδή πειστικές αλλά λανθασμένες απαντήσεις, δεν αποτελούν απλώς τεχνικά σφάλματα, αλλά σύμπτωμα αυτής της θεμελιώδους περιορισμένης κατανόησης.
Στην πράξη, αυτό οδηγεί σε μια παράδοξη κατάσταση: αντί η AI να μειώνει τον φόρτο εργασίας, συχνά τον μετασχηματίζει. Δημιουργείται ένας μεγάλος όγκος πρόχειρου περιεχομένου, ο οποίος απαιτεί ανθρώπινη επιμέλεια, επαλήθευση και διόρθωση. Με αυτόν τον τρόπο, η υπόσχεση της αυτοματοποίησης μετατρέπεται σε μια διαδικασία «συνεργατικής επιδιόρθωσης», όπου ο άνθρωπος παραμένει αναγκαίος σε κάθε στάδιο.
Έλλειψη μετρήσιμης απόδοσης
Παράλληλα, οι οργανισμοί που επένδυσαν επιθετικά στην AI αρχίζουν να αντιμετωπίζουν ένα ακόμη πρόβλημα: την έλλειψη μετρήσιμης απόδοσης. Πολλά έργα παραμένουν σε πιλοτικό στάδιο, χωρίς να ενσωματώνονται ουσιαστικά στις παραγωγικές διαδικασίες. Αυτό ενισχύει την αίσθηση ότι η τεχνολογία βρίσκεται ακόμη σε φάση πειραματισμού, παρά τη μαζική προβολή της.
Το πρόβλημα γίνεται ακόμη πιο έντονο όταν συνυπολογιστεί το κόστος. Τα data centers που στηρίζουν την AI καταναλώνουν τεράστιες ποσότητες ενέργειας και απαιτούν συνεχείς επενδύσεις σε εξοπλισμό και συντήρηση. Τα συστήματα υψηλών επιδόσεων (HPC), απαραίτητα για την εκπαίδευση προηγμένων μοντέλων, αποτελούν από μόνα τους τεχνολογικά και οικονομικά «θηρία». Παρ’ όλα αυτά, η οικονομική απόδοση των επενδύσεων αυτών δεν έχει ακόμα αποτυπωθεί.
Πιθανή αλλαγή ρόλου
Αυτή η αναντιστοιχία μεταξύ κόστους και αποτελέσματος οδηγεί ορισμένους στο να μιλούν για στοιχεία «φούσκας». Η λογική της αγοράς φαίνεται να βασίζεται περισσότερο στην προσδοκία μελλοντικών κερδών παρά σε παρόντα αποτελέσματα. Με άλλα λόγια, οι επενδύσεις συνεχίζονται επειδή όλοι περιμένουν ότι η πραγματική αξία της AI θα αποκαλυφθεί στο μέλλον.
Πέρα όμως από τα οικονομικά, υπάρχουν και βαθύτερα τεχνικά όρια. Τα σημερινά συστήματα δυσκολεύονται στην αιτιακή κατανόηση, παρουσιάζουν αστάθεια όταν μεταβάλλονται τα δεδομένα εισόδου και δεν διατηρούν πάντα συνέπεια στις απαντήσεις τους. Όσο αυξάνεται η πολυπλοκότητα των εργασιών που τους ανατίθενται, τα λάθη τους δεν περιορίζονται σε μικρές αποκλίσεις, αλλά συχνά οδηγούν σε χαοτικά και απρόβλεπτα αποτελέσματα.
Μέσα σε αυτό το πλαίσιο, αλλάζει και η γενικότερη αντίληψη για τον ρόλο της AI. Η αρχική ιδέα ενός «γενικού» συστήματος που μπορεί να τα κάνει όλα αντικαθίσταται σταδιακά από μια πιο πρακτική προσέγγιση. Η AI αρχίζει να αντιμετωπίζεται ως εργαλείο για συγκεκριμένες εργασίες και όχι ως καθολική λύση.
Οι πιο επιτυχημένες εφαρμογές φαίνεται να βασίζονται στον συνδυασμό πολλών εξειδικευμένων συστημάτων, τα οποία συνεργάζονται τόσο μεταξύ τους όσο και με τον άνθρωπο. Σε αυτό το μοντέλο, η ανθρώπινη κρίση δεν αντικαθίσταται αλλά ενισχύεται, ενώ η τεχνολογία λειτουργεί υποστηρικτικά και όχι αυτόνομα. Ωστόσο, αυτό απαιτεί προσοχή καθώς ενδέχεται να συνοδεύεται από την απώλεια πιο «junior» θέσεων εργασίας.
Επιπλέον, δεν πρέπει να υποτιμάται το χρονικό χάσμα μεταξύ τεχνολογικής ανάπτυξης και απόδοσης. Είναι πιθανό η AI να βρίσκεται σε μια αντίστοιχη φάση «πρώιμης υπερτίμησης», όπου οι προσδοκίες ξεπερνούν τα άμεσα αποτελέσματα.
Συμπέρασμα
Συμπερασματικά, η εικόνα που διαμορφώνεται είναι πιο σύνθετη από την αρχική αισιοδοξία, αλλά και πιο ρεαλιστική. Η τεχνητή νοημοσύνη δεν είναι αποτυχία, αλλά ούτε και η άμεση επανάσταση που πολλοί προέβλεπαν. Το πιθανότερο είναι ότι η αλήθεια βρίσκεται κάπου στη μέση. Η AI έχει ήδη αποδείξει ότι μπορεί να προσφέρει σημαντικά εργαλεία, αλλά η πλήρης αξιοποίηση των δυνατοτήτων της απαιτεί χρόνο, καλύτερη ενσωμάτωση στην οικονομία και πιο δίκαιη κατανομή των ωφελειών. Οι τεράστιες επενδύσεις σε υποδομές, όπως τα data centers και τα HPCs, αποτελούν ένα στοίχημα για το μέλλον, το οποίο όμως δεν έχει ακόμη αποδώσει πλήρως.
Η «διόρθωση της υπερβολής» ίσως είναι τελικά ένα απαραίτητο στάδιο. Μας αναγκάζει να επαναπροσδιορίσουμε τι μπορεί πραγματικά να κάνει η AI σήμερα και πώς μπορεί να χρησιμοποιηθεί με τρόπο ουσιαστικό και αποδοτικό. Και ίσως το πιο κρίσιμο ερώτημα να μην είναι πόσα επενδύουμε, αλλά τι πραγματικά κερδίζουμε.
Γράφει ο Ιωάννης Νεοκοσμίδης, CEO, InCites Consulting
Το άρθρο δημοσιεύθηκε στο περιοδικό InfoCom
VIA: www.infocom.gr
