Η Τεχνητή Νοημοσύνη (σε συντομία ΤΝ, στα αγγλικά Artificial Intelligence – AI) έχει αποτελέσει αντικείμενο πολλών συζητήσεων και εικασιών τα τελευταία χρόνια, με πολλούς ανθρώπους να ισχυρίζονται ότι σύντομα θα γίνει συνειδητή και πιθανά θα ξεπεράσει ακόμη και την ανθρώπινη νοημοσύνη. Ωστόσο, ως σοσιαλιστές, πρέπει να προσεγγίσουμε αυτό το ζήτημα από μια υλιστική σκοπιά, εξετάζοντας τις υποκείμενες αιτίες και τις συνθήκες που θα ήταν απαραίτητες για να συμβεί μια τέτοια εξέλιξη.
Είναι απίθανο η ΤΝ να μπορέσει να επιτύχει αληθινή συνείδηση, καθώς η συνείδηση είναι προϊόν του υλικού κόσμου και των ειδικών συνθηκών της ανθρώπινης εξέλιξης. Η συνείδησή μας διαμορφώνεται από τον τρόπο που αντιλαμβανόμαστε τον κόσμο, το περιβάλλον μας, τις κοινωνικές μας αλληλεπιδράσεις και την ιστορία μας. Χωρίς αυτές τις συγκεκριμένες συνθήκες, η τεχνητή νοημοσύνη δεν θα είχε το ίδιο είδος συνείδησης με τους ανθρώπους. Επιπλέον, ο καπιταλισμός βλέπει την ΤΝ ως εργαλείο για την αύξηση των κερδών και τον έλεγχο του εργατικού δυναμικού, αντί ως έναν τρόπο βελτίωσης της ζωής των εργαζόμενων ανθρώπων.
Οι παραπάνω γραμμές, κατά ειρωνικό τρόπο, δεν γράφτηκαν από εμένα, αλλά από το νέο “chatbot”, το ChatGPT, αφού του δόθηκε η ακόλουθη προτροπή:
Παρακαλώ γράψε ένα άρθρο επικριτικό ως προς την ικανότητα της τεχνητής νοημοσύνης να αποκτήσει συνείδηση, σε υλιστική βάση, στο στυλ του Ντάνιελ Μόρλεϊ από το Socialist Appeal.
Το ChatGPT χρειάστηκε λιγότερο από δέκα δευτερόλεπτα για να το γράψει. Η ποιότητα της γραφής είναι τόσο πειστική που αναπόφευκτα οδήγησε μερικούς να δηλώσουν ότι τέτοια “chatbots” είναι ενσυναίσθητα, και ακόμη περισσότερο να εικάζουν ότι αυτή η τεχνολογία αργά ή γρήγορα θα αντικαταστήσει ή και θα υποδουλώσει τα κατώτερα ανθρώπινα όντα. Πράγματι, μετά την ενσωμάτωσή του στη μηχανή αναζήτησης Bing της Microsoft, το ChatGPT ισχυρίστηκε το ίδιο ότι έχει συναίσθηση, εκφράζοντας ταυτόχρονα και κάθε είδους παράξενες επιθυμίες.
Παρά τις καινοτομίες της νέας αυτής «μηχανής» ΤΝ, η υπόσχεση και απειλή του αυτοματισμού είναι τόσο παλιά όσο και η βιομηχανική επανάσταση. Από την εμφάνιση της μηχανοποιημένης παραγωγής, η ανθρωπότητα τόσο ονειρεύτηκε τις δυνατότητές της να μας απελευθερώσει από τον εξαντλητικό μόχθο, όσο και απελπίστηκε ότι θα αντικατασταθεί από τη μηχανή. Η έννοια μιας ευφυούς, ή ακόμη και υπερ-ευφυούς, μηχανής τραβάει τα όνειρα και τους εφιάλτες αυτούς στα άκρα. Αλλά μέχρι πρόσφατα, έμοιαζαν να είναι ακριβώς αυτό: μακρινά όνειρα.
Το 2012, νευρωνικά δίκτυα που χρησιμοποιούν μια τεχνική που ονομάζεται «βαθιά μάθηση» έγιναν πολύ πιο βιώσιμα, και γρήγορα παρήγαγαν πολύ πιο εντυπωσιακά αποτελέσματα από προηγούμενες μορφές ΤΝ. Αυτή η επανάσταση έχει κάνει πολλούς στον κόσμο της τεχνολογίας να χαιρετίζουν την επικείμενη άφιξη της υπερ-ευφυούς τεχνητής νοημοσύνης, όπως οι «χιλιαστές» χαιρέτιζαν τη δεύτερη έλευση του Χριστού. Γι’ αυτούς, αυτή η θαυματουργή τεχνολογία υπόσχεται να λύσει όλα τα προβλήματά μας, και επομένως χρειάζεται μόνο να την αγκαλιάσουμε με ενθουσιασμό. Αυτή η «αίρεση της ΤΝ» περιλαμβάνει μια αριστερή υπο-αίρεση, η οποία ελπίζει ότι η τεχνολογία θα «αυτοματοποιήσει» την ανάγκη ανατροπής του καπιταλισμού και θα μας δώσει αυτό που αποκαλούν «πλήρως αυτοματοποιημένο» κομμουνισμό.
Συνολικά, ωστόσο, η προοπτική της υπερ-ευφυούς ΤΝ προκαλεί πολύ περισσότερο φόβο παρά ενθουσιασμό. Με τους φόβους να κυμαίνονται από την ευρέως διαδεδομένη υπόθεση ότι η ΤΝ θα οδηγήσει σε ένα άνευ προηγουμένου κύμα ανεργίας και ανισότητας, έως την ιδέα ότι η ΤΝ θα επιβληθεί ως κάποιο είδος σκληρής κυρίαρχης φυλής, υποδουλώνοντας την ανθρωπότητα, όπως απεικονίζεται σε ταινίες σαν το Terminator και το Matrix. Αν και αυτή η ιδέα ανήκει στην επιστημονική φαντασία, είναι επίσης πολύ διαδεδομένη.
Η τεχνητή νοημοσύνη προκαλεί πολύ βαθείς φόβους, που δεν γεννιούνται από την ίδια την τεχνολογία, αλλά από την καπιταλιστική κοινωνία και τη βαθιά ριζωμένη αποξένωση που προκαλεί. Στον καπιταλισμό, η ανθρωπότητα δεν έχει τον έλεγχο στην τεχνολογία που κατασκευάζει, λόγω της αναρχίας της αγοράς. Η τεχνολογία χρησιμοποιείται, όχι για να καλύψει τις ανάγκες της ανθρωπότητας, αλλά για να φέρει κέρδη, χωρίς να λαμβάνονται υπόψη οι μακροπρόθεσμες επιπτώσεις. Επομένως, για να κατανοήσουμε το πραγματικό αποτέλεσμα που θα έχει αυτή η τεχνολογία, είναι απαραίτητο να κατανοήσουμε πώς ο καπιταλισμός ανέπτυξε την ΤΝ και πώς θα τη χρησιμοποιήσει.
Η τεχνητή νοημοσύνη δεν έχει συνείδηση
Ο διαδεδομένος φόβος να γίνει συνειδητή η τεχνητή νοημοσύνη βασίζεται σε μια πολύ μονόπλευρη αντίληψη του τι είναι η συνείδηση. Αυτή η άποψη θεωρεί ότι η μόνη διαφορά μεταξύ ενός υπολογιστή και ενός σκεπτόμενου ατόμου είναι ότι ο εγκέφαλος είναι κατά κάποιο τρόπο πιο ισχυρός και εξελιγμένος από έναν υπολογιστή και ότι επομένως, φτιάχνοντας ολοένα και πιο ισχυρούς υπολογιστές, κάποτε θα φτάσουν ή και θα ξεπεράσουν τις ικανότητες του εγκεφάλου και έτσι θα αποκτήσουν συνείδηση.
Στην πραγματικότητα, ο τρόπος που σκέφτονται οι άνθρωποι είναι αρκετά διαφορετικός από τον τρόπο με τον οποίο η ΤΝ επεξεργάζεται τις πληροφορίες. Η ανθρώπινη σκέψη αναπτύσσεται στη βάση της πρακτικής, κοινωνικής δραστηριότητας, που σχετίζεται με την κάλυψη των ανθρώπινων αναγκών. Σχηματίζουμε ιδέες που εκφράζουν σχέσεις μεταξύ πραγμάτων, και συγκεκριμένα, κατανοούμε τι είναι χρήσιμο και σημαντικό σε αυτές τις σχέσεις, αφού χρειάζεται να κατανοήσουμε τον κόσμο για να επιβιώσουμε σε αυτόν.
Αυτό ακριβώς λείπει ακόμη και από την πιο προηγμένη ΤΝ. Στην καλύτερη περίπτωση, η ΤΝ εκτελεί ένα μέρος αυτού που κάνει η ανθρώπινη νόηση, ομολογουμένως μερικές φορές σε υπεράνθρωπο επίπεδο: συλλέγει δεδομένα παθητικά, χωρίς να κατανοεί το πλαίσιο ή τον πραγματικό σκοπό της εργασίας που της έχει ανατεθεί, και αναζητά μοτίβα. Αλλά αυτά τα μοτίβα δεν είναι ιδέες που εξηγούν την αναγκαιότητα των πραγμάτων. Δεν έχει καν ιδέα ότι τα δεδομένα αντιπροσωπεύουν πραγματικά αντικείμενα που σχετίζονται μεταξύ τους και έχουν αντικειμενικές ιδιότητες. Δεν έχει ιδέα γιατί υπάρχουν αυτά τα μοτίβα ή τι σημαίνουν.
Αυτό μπορεί εύκολα να αποδειχθεί ζητώντας από ένα λογισμικό ΤΝ να δημιουργήσει μια εικόνα ή ένα κείμενο που απαιτεί κατανόηση του μέρους, του όλου, και των σχέσεών τους.
Εάν ζητήσετε από ένα τέτοιο λογισμικό να σχεδιάσει ένα ποδήλατο, θα σχεδιάσει ένα πολύ ακριβές ποδήλατο. Αν του ζητήσετε να σχεδιάσει έναν τροχό, θα σχεδιάσει έναν τροχό. Αλλά αν του ζητήσετε να σχεδιάσει ένα ποδήλατο και τοποθετήσει ετικέτες στους τροχούς του, σχεδιάζει απλώς ένα ποδήλατο με τυχαία τοποθετημένες ετικέτες γύρω του. Δεν καταλαβαίνει ότι ένας τροχός είναι μέρος ενός ποδηλάτου, απλά σχεδιάζει ένα σχήμα με χαρακτηριστικά τροχού, χωρίς να καταλαβαίνει τίποτα για το τι έχει σχεδιάσει. Δεν καταλαβαίνει σε τι χρησιμοποιείται ένα ποδήλατο και πολύ λιγότερο για ποιο λόγο θα το εκτιμούσαμε.
Ο Γκάρι Μάρκους, ένας καθηγητής νευρωνικής επιστήμης που είναι «σκεπτικιστής προς την ΤΝ», ζήτησε από μια ΤΝ να σχεδιάσει έναν αστροναύτη που ιππεύει ένα άλογο, κάτι που έκανε καλά. Αλλά όταν της ζήτησε να ζωγραφίσει ένα άλογο που ιππεύει έναν αστροναύτη, απλά σχεδίασε μια άλλη εικόνα ενός αστροναύτη πάνω σε ένα άλογο. Η ΤΝ δεν κατανοεί τις διάφορες σχέσεις μεταξύ αυτών των μερών, αντίθετα παράγει απλώς εικόνες με βάση το είδος της εικόνας που τείνει να συσχετίζεται με αυτές τις λέξεις. Επίσης, δεν έχει ιδέα τι είναι στην πραγματικότητα ένας αστροναύτης, πόσο δύσκολο είναι να γίνεις, γιατί είναι παράλογο να καβαλάει ένα άλογο (πόσο μάλλον ένα άλογο να καβαλάει έναν αστροναύτη) ή οτιδήποτε άλλο σχετικά με την εικόνα.
Είναι αλήθεια ότι η πιο σύγχρονη ΤΝ ξεπερνά τους ανθρώπους σε ορισμένες εργασίες. Αλλά με μια πιο προσεκτική εξέταση, αυτά τα επιτεύγματα είναι εύθραυστα και αποτελούν ακριβώς αποτέλεσμα του γεγονότος ότι η ΤΝ δεν είναι συνειδητή ή ζωντανή. Το AlphaGo πέτυχε μια από τις πιο διάσημες κατακτήσεις της ΤΝ όταν κέρδισε τον καλύτερο στον κόσμο παίκτη του επιτραπέζιου παιχνιδιού Go το 2016. Για να τα καταφέρει, «χρειάστηκε 30 εκατομμύρια παιχνίδια για να φτάσει σε υπεράνθρωπη απόδοση, πολύ περισσότερα από όσα θα έπαιζε ποτέ ένας άνθρωπος στη ζωή του» [1].
Ένας άνθρωπος δεν θα μπορούσε ποτέ να παίξει τόσα πολλά παιχνίδια, όχι μόνο επειδή η διάρκεια ζωής μας είναι περιορισμένη, αλλά επειδή θα βαριόμασταν και επειδή θα χρειαζόταν να φάμε, να εργαστούμε και να μιλήσουμε σε ανθρώπους. Αυτά τα μη συνειδητά μηχανήματα είναι τόσο ισχυρά επειδή μπορούν να προγραμματιστούν ώστε να δοκιμάζουν πράγματα ξανά και ξανά και να διαβάζουν τεράστιες ποσότητες κειμένου, ώστε να μπορούν να μας αποκαλύπτουν χρήσιμα μοτίβα ή τρόπους να κάνουμε διάφορα πράγματα.
Η σχέση μεταξύ των διάφορων εννοιών είναι ένα απίστευτα σημαντικό στοιχείο της συνειδητότητας, αλλά κάτι τέτοιο διαφεύγει εντελώς της ΤΝ. Επειδή η ΤΝ δεν «σκέφτεται» με όρους γενικών εννοιών, αλλά αντλεί μοτίβα από συγκεκριμένα σύνολα δεδομένων, είναι επιρρεπής σε ένα πρόβλημα που είναι γνωστό ως «υπερπροσαρμογή», δηλαδή αυτό που συμβαίνει όταν μια ΤΝ έχει τελειοποιήσει την «κατανόησή» της για μια συγκεκριμένη εργασία, αλλά δεν έχει τη δυνατότητα να τη μεταφέρει σε οτιδήποτε έστω ελάχιστα διαφορετικό.
Μια ΤΝ εκπαιδεύτηκε να παίζει ένα απλό βιντεοπαιχνίδι, το οποίο μπορούσε να το κάνει καλύτερα από οποιονδήποτε άνθρωπο. Αλλά όταν το παιχνίδι επανασχεδιάστηκε έτσι ώστε μέρη του να είναι μετατοπισμένα ακόμα και κατά ένα pixel ή κάτι ανάλογο, ξαφνικά ήταν άχρηστη στο παιχνίδι. Και ενώ η νίκη του AlphaGo το 2016 διατρανώθηκε ευρέως, ελάχιστα έχουν αναφερθεί έκτοτε για το ότι το ίδιο αυτό πρόγραμμα έχει χάσει κατ’ εξακολούθηση από ερασιτέχνες παίκτες που έχουν ανακαλύψει πώς να το ξεγελάσουν. Έχει μάλιστα ενδιαφέρον το γεγονός ότι, τα ίδια αυτά κόλπα αποτυγχάνουν πλήρως όταν δοκιμάζονται ενάντια σε ανθρώπους-παίκτες σχεδόν οποιουδήποτε επιπέδου. Αυτό δείχνει ότι το AlphaGo δεν κατανοεί το Go με μια ευρεία έννοια, αλλά ότι έχει εκπαιδευτεί σε πολύ υψηλό επίπεδο σε μια ποικιλία τακτικών για ένα παιχνίδι που δεν κατανοεί.
Αυτό μας αποκαλύπτει τι είναι πραγματικά η ΤΝ που αναπτύσσουμε. Η συζήτηση σχετικά με το εάν η τεχνητή νοημοσύνη είναι, ή θα γίνει, συνειδητή, αποκρύπτει το γεγονός ότι αυτό που πραγματικά αναπτύσσεται είναι απλώς ένα ακόμα εργαλείο για την ενίσχυση των ανθρώπινων ικανοτήτων. Το ότι η ΤΝ συχνά υπερβαίνει τις ικανότητες των ανθρώπων σε ορισμένους τομείς δεν αποτελεί απόδειξη ότι είναι υπερ-ευφυής, αλλά ακριβώς ότι είναι ένα ασυνείδητο εργαλείο ή μηχανή. Άλλωστε, ο σκοπός των μηχανών ήταν πάντα να είναι πιο ισχυρές, πιο ακριβείς, πιο γρήγορες, από τους ανθρώπους σε συγκεκριμένες εργασίες. Οι αριθμομηχανές τσέπης έχουν ξεπεράσει εδώ και καιρό τις ικανότητες των ανθρώπων να προσθέτουν και να αφαιρούν, αλλά δεν είναι ευφυείς ή συνειδητές.
Η ΤΝ έχει πολύ μικρή σχέση με τη συνειδητή κατανόηση. Δεν είναι ικανή για επιθυμία να κυριαρχήσει και να καταπιέσει την ανθρωπότητα. Στην πραγματικότητα, δεν επιθυμεί και δεν φοβάται τίποτα. Ποια είναι, λοιπόν, η πραγματική της σημασία; Ποιος είναι ο πραγματικός αντίκτυπος που θα έχει στην κοινωνία μας;
Επαναστατικές δυνατότητες
Δεν υπάρχει αμφιβολία ότι η τεχνητή νοημοσύνη έχει κάνει εξαιρετικά άλματα προς τα εμπρός τα τελευταία δέκα χρόνια. Ένα σημαντικό βήμα ήταν η ικανότητα ανάπτυξης μεθόδων «βαθιάς μάθησης» χάρη στην πρόοδο της τεχνολογίας των ηλεκτρονικών υπολογιστών. Αυτή η μέθοδος είχε αναλυθεί θεωρητικά και σε κάποιο βαθμό είχε εφαρμοστεί περιστασιακά για μερικές δεκαετίες, αλλά οι τεχνολογικοί φραγμοί περιόριζαν τις δυνατότητές της. Γύρω στο 2012, αυτό άλλαξε, ειδικά επειδή οι μονάδες επεξεργασίας γραφικών (GPU) είχαν εξελιχθεί αρκετά ώστε να επιτρέψουν ένα ποιοτικό άλμα στις ικανότητες της βαθιάς μάθησης, που στη συνέχεια απογειώθηκαν. Αυτή η επανάσταση έχει δημιουργήσει μια εντυπωσιακά ανώτερη ΤΝ.
Δεν είναι εδώ ο χώρος για να εξηγήσουμε σε βάθος πώς ακριβώς λειτουργεί η βαθιά μάθηση. Το μόνο που χρειάζεται να καταλάβουμε είναι ότι, γενικά, μαθαίνει από μόνη της, λίγο πολύ από το μηδέν, σε αντίθεση με το να έχει λογικές αρχές προγραμματισμένες εκ των προτέρων από τον άνθρωπο. Μιλώντας γενικά, το βασικό που χρειάζεται να κάνουν οι μηχανικοί είναι να την τροφοδοτήσουν με το σωστό είδος πληροφοριών, όπως εικόνες με ανθρώπινα πρόσωπα (συνήθως επισημασμένα, αν και όχι απαραίτητα), και να της δώσουν «ερεθίσματα» για τη σωστή αναγνώριση των εικόνων, ήχων κλπ.
Η ΤΝ τροφοδοτείται με χιλιάδες ή εκατομμύρια κομμάτια πληροφορίας και το «νευρωνικό δίκτυό» της (που αποκαλείται έτσι του επειδή αντανακλά ορισμένα από τα χαρακτηριστικά των ανθρώπινων νευρώνων) σχεδιάζεται για να αναγνωρίζει, μέσω διαδοχικών γενικεύσεων, γενικά χαρακτηριστικά ή μοτίβα σε αυτά τα κομμάτια πληροφορίας. Εάν τροφοδοτηθεί με εικόνες με ανθρώπινα πρόσωπα, θα αναγνωρίσει σταδιακά τα πιο κοινά χαρακτηριστικά που έχουν τα πρόσωπα (χωρίς να έχει ιδέα τι είναι στην πραγματικότητα ένα πρόσωπο). Αρχικά, μπορεί να παρατηρήσει την επανάληψη κάθετων γραμμών σε μια ορισμένη κοινή απόσταση μεταξύ τους (δηλαδή τις δύο άκρες του ανθρώπινου προσώπου), στη συνέχεια θα γενικεύσει κάποιο άλλο χαρακτηριστικό. Με όσο περισσότερες πληροφορίες τροφοδοτείται, τόσο πιο ακριβές θα γίνεται το γενικό μοτίβο που σχηματίζει.
Η δύναμη αυτής της μεθόδου έγκειται στην μη επιτηρούμενη φύση της. Αυτό επιτρέπει να αναπτυχθεί και να εφαρμοστεί σε ένα ευρύ φάσμα προβλημάτων πολύ γρήγορα. Αυτή είναι επίσης και η πηγή της υψηλής ακρίβειας και των συχνά υπεράνθρωπων ικανοτήτων που έχουν αρχίσει να εμφανίζουν οι ΤΝ βαθιάς μάθησης, καθώς μπορούν να εκπαιδευτούν με τεράστιες ποσότητες συγκεκριμένων πληροφοριών, πολύ περισσότερες από έναν άνθρωπο, επιτρέποντάς τους να αναγνωρίζουν σε φαινόμενα μοτίβα που οι άνθρωποι είτε δεν μπορούν, είτε θα χρειάζονταν πολύ χρόνο για να αντιληφθούν.
Πολλές υπεράνθρωπες δυνατότητες της τεχνητής νοημοσύνης χρησιμοποιούνται ήδη στην κοινωνία. Η ικανότητα της τεχνολογίας να επιλύει σοβαρά προβλήματα είναι πραγματική. Ένα από τα πιο διάσημα επιτεύγματα ήταν το AlphaFold, που αναπτύχθηκε από τη θυγατρική της Google, DeepMind.
Οι πρωτεΐνες, οι οποίες είναι απαραίτητες για τη ζωή και εκτελούν μια τεράστια γκάμα βιολογικών λειτουργιών, έχουν λειτουργία και συμπεριφορά που καθορίζεται από το σχήμα τους. Λόγω της τεράστιας πολυπλοκότητάς τους, είναι σχεδόν αδύνατο για έναν επιστήμονα να προβλέψει ακριβώς το σχήμα που θα δημιουργήσει μια δεδομένη σύνθεση από αμινοξέα πρωτεϊνών. Αλλά η εκπαίδευση, για μερικές εβδομάδες, των υπερ-υπολογιστών της DeepMind στα σχήματα πρωτεΐνης που γνωρίζουμε (περίπου 170 χιλιάδες από τις 200 εκατομμύρια πρωτεΐνες), ήταν αρκετή για να μπορέσει να προβλέψει, με πολύ υψηλή ακρίβεια, το σχήμα (και επομένως τη λειτουργία) πρωτεϊνών με βάση μόνο τη γνώση των αμινοξέων τους.
Η DeepMind έχει διαθέσει δωρεάν το υλικό της σε βιολόγους οπουδήποτε στον κόσμο και ισχυρίζεται ότι περίπου το 90% αυτών το έχουν χρησιμοποιήσει έκτοτε. Αυτή η τεχνολογία, στα χέρια επιστημόνων σε όλο τον κόσμο, έχει τεράστιες δυνατότητες να επιταχύνει την ανάπτυξη καλύτερων φαρμάκων και την κατανόηση ασθενειών. Έχει ήδη χρησιμοποιηθεί για να βοηθήσει στην κατανόηση του Covid-19.
Ένα άλλο «ιερό δισκοπότηρο» της επιστήμης, που η πιο σύγχρονη ΤΝ θα μπορούσε να βοηθήσει να υλοποιηθεί, είναι η πυρηνική σύντηξη – αυτή η εδώ και καιρό θεωρητικά μελετούμενη μέθοδος για την παραγωγή τεράστιων ποσοτήτων καθαρής ενέργειας. Η δυσκολία της σύντηξης έγκειται στον έλεγχο και τη διατήρηση των τεράστιων θερμοκρασιών που απαιτούνται, κάτι που περιλαμβάνει πολλές παραμέτρους, όπως το σχήμα του αντιδραστήρα. Αυτό είναι ένα έργο που «ταιριάζει γάντι» στη βαθιά μάθηση, επειδή ο τεράστιος αριθμός μεταβλητών μπορεί να τροποποιηθεί με πρακτικά άπειρους τρόπους και, επομένως, η χειροκίνητη εύρεση της βέλτιστης ρύθμισης θα μπορούσε να πάρει σχεδόν άπειρο χρόνο.
Και πράγματι, η DeepMind ήταν σε θέση να εκπαιδεύσει ένα λογισμικό ΤΝ πάνω σε σχετικά δεδομένα. Αυτή η ΤΝ ουσιαστικά διεξήγαγε εκατομμύρια προσομοιώσεις τροποποιημένων αντιδραστήρων σύντηξης για να καθορίσει ποιες ρυθμίσεις θα μπορούσαν να επιτύχουν το επιθυμητό επίπεδο θερμότητας και σταθερότητας, ένα βήμα που αναγνωρίστηκε ως σημαντικό [2]. Εάν μια τέτοια ΤΝ όντως βοηθήσει στην επίτευξη πρακτικά βιώσιμης πυρηνικής σύντηξης στην κοινωνία, αυτό θα αποτελέσει ένα τεράστιο άλμα, παρέχοντας τεράστιες ποσότητες καθαρής ενέργειας στον κόσμο.
Η DeepMind έχει συνεργαστεί με το νοσοκομείο Moorfields Eye στο Λονδίνο για να ανακαλύψει κρυμμένα βιολογικά μοτίβα, η παρουσία των οποίων σε ένα άτομο δείχνει ότι είναι πολύ πιθανό να αναπτύξει ένα δεδομένο πρόβλημα όρασης στο μέλλον. Αυτό θα επιτρέψει στους γιατρούς να θεραπεύουν ασθένειες προτού εμφανιστούν και προκαλέσουν βλάβες, το οποίο όχι μόνο θα ήταν ευεργετικό για τους ασθενείς, αλλά θα μπορούσε επίσης να εξοικονομήσει ένα σημαντικό ποσό ιατροφαρμακευτικών πόρων.
Γενικά, αυτό στο οποίο έχει εξαιρετικές επιδόσεις η πλέον σύγχρονη ΤΝ είναι η πολύ προηγμένη αναγνώριση μοτίβων και οι μετέπειτα προβλέψεις με βάση αυτά. Οι μέθοδοι αυτές μπορούν και πρέπει να εφαρμοστούν σε όλα τα είδη παραγωγικής δραστηριότητας για την ανακάλυψη πιο αποτελεσματικών οργανωτικών μεθόδων.
Μπορούν να εξοικονομηθούν τεράστιες ποσότητες ενέργειας, αν επιτραπεί σε μια τεχνητή νοημοσύνη να αναλύσει τα πρότυπα χρήσης ενέργειας σε ένα κτίριο ή συγκρότημα κτιρίων και σε αυτή τη βάση ανακαλύψει έναν πιο αποτελεσματικό τρόπο λειτουργίας. Ο σχεδιασμός όλων των ειδών πραγμάτων, όπως π.χ. αεροπλάνων, μπορεί να γίνει πιο αποτελεσματικός, εξοικονομώντας κι εδώ ενέργεια και άλλα κόστη. Εάν αυτό εφαρμοζόταν συστηματικά σε κάθε τομέα της οικονομίας και των δημόσιων υπηρεσιών, θα μπορούσε να επιτευχθεί τεράστια αύξηση στα εισοδήματα και στην εξοικονόμηση ενέργειας.
Η ικανότητα της βαθιάς μάθησης να αναγνωρίζει πολύπλοκα μοτίβα και να κάνει προβλέψεις για ζητήματα όπου υπάρχει κάποια έλλειψη δεδομένων προσφέρει επίσης τεράστιες δυνατότητες για την ανάπτυξη της ανθρώπινης δημιουργικότητας. Ένα ξεκάθαρο και ήδη υπάρχον παράδειγμα αυτού του τύπου (αν και απαιτεί μεγάλη βελτίωση) είναι η αυτοματοποιημένη μετάφραση. Είναι ήδη γεγονός ότι οποιοσδήποτε άνθρωπος με σύνδεση στο διαδίκτυο μπορεί να μεταφράσει άμεσα ένα μεγάλο σώμα κειμένου με αποδεκτή ακρίβεια, αποκτώντας έτσι πρόσβαση στις ιδέες εκατομμυρίων περισσότερων ανθρώπων.
Αυτό οφείλεται στο γεγονός ότι η ΤΝ μπορεί να εκπαιδευτεί χρησιμοποιώντας τεράστιες ποσότητες δεδομένων από γλωσσικές συγκρίσεις, μπορεί να εντοπίσει συσχετίσεις μεταξύ λέξεων και προτάσεων σε διαφορετικές γλώσσες, και έτσι να προβλέψει αξιόπιστα ποια λέξη ή πρόταση στην άλλη γλώσσα σημαίνει το ίδιο πράγμα. Η ίδια αρχή καθιστά δυνατές σχεδόν στιγμιαίες μεταφράσεις ήχου, έτσι ώστε να μπορεί κανείς να φορά ένα ακουστικό, να ακούει κάποιον να μιλάει σε μια ξένη γλώσσα και να λαμβάνει μια ζωντανή μετάφραση των λεγόμενων.
Η Microsoft έχει ήδη αναπτύξει μια συσκευή που επιτρέπει σε όσους έχουν απώλεια όρασης να τους περιγράφεται ο κόσμος γύρω τους μέσω μιας εφαρμογής. Έτσι, εάν στρέψετε μια κάμερα προς ένα αντικείμενο, μπορεί να σας πει την ονομασία του. Υποτίθεται ότι μπορεί ακόμη και να σας πει ποιον από τους φίλους σας κοιτάτε και ποια είναι η έκφραση του προσώπου τους. Χωρίς αμφιβολία, αυτή η τεχνολογία στην τρέχουσα μορφή της είναι αναξιόπιστη και αργή, αλλά σίγουρα θα βελτιωθεί γρήγορα. Η δυνατότητα να μπορέσουν άνθρωποι να εκτελέσουν μόνοι τους διάφορες εργασίες που τώρα δεν μπορούν είναι προφανώς μεγάλη.
Ακόμη και τα μυστικά των αρχαίων πολιτισμών αποκαλύπτονται από την ΤΝ. Χρησιμοποιώντας τεχνολογία παρόμοια με το προβλεπτικό κείμενο (τη λειτουργία που μας εμφανίζει προτάσεις πληκτρολόγησης στα κινητά και τους υπολογιστές), η DeepMind μπόρεσε να βοηθήσει τους αρχαιολόγους να αποκρυπτογραφήσουν αρχαίες γραφές στις οποίες λείπουν τμήματα του κειμένου ή δεν ήταν κατανοητά για άλλους λόγους [3]. Εφόσον μπορούμε να τροφοδοτήσουμε μια ΤΝ βαθιάς μάθησης με αρκετά δεδομένα για κάποιο συγκεκριμένο μυστήριο, υπάρχει μεγάλη πιθανότητα να αποκρυπτογραφήσουμε το μυστήριο χάρη στη δύναμη της τεχνητής νοημοσύνης να αποκαλύπτει κρυμμένα μοτίβα.
Δεν υπάρχει καμιά αμφιβολία πως σε ό,τι έχει να κάνει με την υποβοήθηση της ανθρώπινης δημιουργικότητας, οι προοπτικές που ανοίγουν εργαλεία όπως το ChatGPT και το Dall-E είναι άκρως δελεαστικές. Με βάση τον τεράστιο όγκο οπτικών δεδομένων (στην περίπτωση του Dall-E και άλλων εργαλείων ΤΝ παραγωγής εικόνας) και γραπτής γλώσσας (στην περίπτωση των “chatbots” σαν το ChatGPT) που υπάρχουν στο διαδίκτυο , αυτές οι ΤΝ μπορούν σχεδόν ακαριαία να δημιουργήσουν νέες εικόνες και κείμενο ως απάντηση σε κάποιο αίτημα από τον χρήστη.
Συγκεντρώνοντας όλες τις εικόνες στο διαδίκτυο με την ετικέτα «γάτα», για παράδειγμα, ή όλα τα έργα κάποιου καλλιτέχνη, το Dall-E εντοπίζει διάφορα μοτίβα, όπως τον τρόπο με τον οποίο το τρίχωμα της γάτας αντιδρά στο φυσικό φως, ή τις τάσεις ενός συγκεκριμένου καλλιτέχνη. Αυτό δίνει τη δυνατότητα να παραχθεί «δημιουργικά» μια νέα εικόνα μιας γάτας σε μια συγκεκριμένη κατάσταση, για παράδειγμα «μια γάτα ζωγραφισμένη στο στυλ του Βαν Γκογκ». Το ChatGPT μπορεί, με ανάλογο τρόπο, να γράψει επιτόπου ένα ποίημα στο στυλ του «Άμλετ», με οποιοδήποτε θέμα θελήσει κανείς, με εντυπωσιακό αποτέλεσμα.
Η δυνατότητα αυτών των τεχνολογιών να αναπτύξουν τη δυναμική της ανθρώπινης δημιουργικότητας είναι αξιοσημείωτη. Τα εργαλεία ΤΝ παραγωγής εικόνας δίνουν τη δυνατότητα σε καλλιτέχνες και σεναριογράφους να επεξεργάζονται ιδέες ταχύτατα. Οι εικόνες που δημιουργούνται τείνουν να είναι κάπως κοινότοπες, καθώς προκύπτουν μετά την εξέταση υφιστάμενων εικόνων, αλλά η δυνατότητα για συνδυασμό τύπων («μια γάτα σε έναν πίνακα στυλ Βαν Γκογκ», «ένας ποδοσφαιρικός αγώνας σε μια κυβερνοπάνκ πόλη» κλπ.) σε πολλές νέες εικόνες υψηλής ποιότητας είναι σαφώς πολύ χρήσιμη για εκείνους που χρειάζεται να δημιουργούν πρωτότυπα ή «πιλοτικές» εργασίες.
Παρομοίως, εργαλεία ΤΝ παραγωγής κειμένου σαν το ChatGPT, μπορούν να βοηθήσουν οποιονδήποτε να συντάξει γρήγορα συνεκτικό κείμενο για οποιαδήποτε ανάγκη. Μάλιστα, μπορούν να βοηθήσουν ακόμη και τους προγραμματιστές να γράψουν κώδικα. Μπορούν ήδη να το κάνουν τόσο καλά που να καταστεί δυνατό για άτομα χωρίς καμία κατάρτιση στη σύνταξη κώδικα να δημιουργούν ιστοσελίδες και ίσως ακόμη και λειτουργικό λογισμικό, όπως ηλεκτρονικά παιχνίδια. Το μόνο που θα χρειάζεται να κάνουν είναι να γράψουν σε φυσική γλώσσα ένα αίτημα για το πώς θέλουν να μοιάζει η ιστοσελίδα ή το λογισμικό τους και η ΤΝ θα γράφει τον κώδικα για την παραγωγή του επιθυμητού αποτελέσματος.
Είναι δύσκολο να υπερβάλει κανείς ως προς τις επαναστατικές δυνατότητες αυτής της τεχνολογίας, αν χρησιμοποιηθεί με τους σωστούς τρόπους για τους σωστούς σκοπούς.
Τα δεσμά του καπιταλισμού
Ο Μαρξ εξήγησε ότι ένα δοσμένο κοινωνικό σύστημα παρέχει το πλαίσιο για την ανάπτυξη των παραγωγικών δυνάμεων. Αλλά, σε κάποιο στάδιο, οι παραγωγικές δυνάμεις ξεπερνούν τις σχέσεις παραγωγής μέσα στις οποίες είναι αναγκασμένες να λειτουργούν και επομένως, αυτές οι σχέσεις παραγωγής γίνονται εμπόδιο στην παραπέρα ανάπτυξη. Ο καπιταλιστικός τρόπος παραγωγής έφερε τεράστια ανάπτυξη των παραγωγικών δυνάμεων, πολύ πάνω από τα επίπεδα της φεουδαρχικής κοινωνίας, αλλά εδώ και αρκετό καιρό έχει γίνει εμπόδιο. Αυτός είναι ο λόγος που οι επενδύσεις και η αύξηση της αποδοτικότητας της παραγωγής διατηρούνται σε χαμηλά επίπεδα, παρά την ανάπτυξη απίστευτων νέων τεχνολογιών.
Η ΤΝ και άλλες ψηφιακές τεχνολογίες όπως το διαδίκτυο, αποτελούν μέσα παραγωγής που παραείναι ανεπτυγμένα για να αξιοποιηθούν κατάλληλα μέσα στον καπιταλισμό. Αυτό συμβαίνει γιατί ο καπιταλισμός σημαίνει παραγωγή με σκοπό το ατομικό κέρδος. Αν δεν μπορεί να εξαχθεί κέρδος από μια ενδεχόμενη επένδυση, αυτή η επένδυση δε θα πραγματοποιηθεί ποτέ. Και το κέρδος μπορεί να προκύψει μόνο μέσω της εκμετάλλευσης της εργατικής δύναμης των εργατών και έπειτα να υλοποιηθεί μέσω της πώλησης των προϊόντων αυτής της εργασίας στην αγορά.
Τεχνολογίες όπως το διαδίκτυο και η ΤΝ θέτουν ένα ερωτηματικό σ΄ αυτή τη διαδικασία, καθώς χαρακτηρίζονται από αυτοματοποίηση σε τόσο υψηλό βαθμό. Για παράδειγμα, το διαδίκτυο έδωσε τη δυνατότητα πολύ γρήγορης αντιγραφής και διαμοιρασμού μεγάλων ποσοτήτων πληροφορίας, με ελάχιστη ή και μηδενική εργασία. Οποιοσδήποτε θα μπορούσε να μοιράσει μια ταινία ή ένα τραγούδι σε εκατομμύρια ανθρώπους στον κόσμο, χωρίς απώλεια ποιότητας και χωρίς κόπο. Γι’ αυτόν το λόγο, η ύπαρξη του διαδικτύου ουσιαστικά κατέστησε περιττό ένα από τα βασικά τμήματα της μουσικής και της κινηματογραφικής βιομηχανίας – την αντιγραφή και διανομή – από τη μια μέρα στην άλλη.
Αυτό επέφερε ένα τεράστιο πρόβλημα γι’ αυτό τον κλάδο του καπιταλισμού: πώς θα μπορούσαν να συνεχίσουν να βγάζουν κέρδος, όταν οποιοσδήποτε θα μπορούσε να βρει ένα αντίγραφο ενός άλμπουμ δωρεάν; Οι καπιταλιστές αποπειράθηκαν να λύσουν το πρόβλημα απλώς ποινικοποιώντας τον διαδικτυακό ομότιμο (“peer-to-peer”) διαμοιρασμό περιεχομένου και δημιουργώντας υπηρεσίες “streaming”, καθεμία με το μονοπώλιο πάνω στο «δικό της» υλικό, για το οποίο οι τηλεθεατές/ακροατές πρέπει ουσιαστικά να πληρώνουν ένα διαρκές «νοίκι» με τη μορφή «συνδρομής». Αυτή η λύση υπήρξε αρκετά αποτελεσματική σε ό,τι έχει να κάνει με την προάσπιση των εταιρικών κερδών, αλλά από κάθε άλλη οπτική είναι ένα παράλογο εμπόδιο τόσο στη διανομή όσο και στην παραγωγή δημιουργικού περιεχομένου, που το μόνο που καταφέρνει είναι να λειτουργεί ως τροχοπέδη στην πλήρη αξιοποίηση των δυνατοτήτων της ίδιας μας της τεχνολογίας.
Παρομοίως, η πιο σύγχρονη τεχνολογία ΤΝ απειλεί να μειώσει την αξία για την καπιταλιστική οικονομία ενός τεράστιου φάσματος επαγγελμάτων και βιομηχανιών. Αν ένα μεγάλο μέρος των κειμένων και των εικόνων που χρησιμοποιούνται σε εκδόσεις μπορούν να παραχθούν στη στιγμή μέσω ΤΝ, για παράδειγμα, και εάν οι συγγραφείς μπορούν να παράξουν ιδέες για πλοκές τόσο γρήγορα, η αξία της δουλειάς τους θα μειωθεί σημαντικά. Και αν η κατάρτιση και οι απαραίτητες δεξιότητες των εργαζομένων στην παραγωγή τέτοιων εμπορευμάτων περιορίζονται επίσης σε μια απλή πληκτρολόγηση αιτημάτων, η αξία της εργατικής τους δύναμης θα μειωθεί επίσης δραστικά.
Σε μια σοσιαλιστική κοινωνία αυτό δε θα ήταν απαραίτητα κάτι κακό. Για παράδειγμα, ο καλλιτέχνης δεν θα είχε κανέναν φόβο απέναντι στη δυνατότητα της ΤΝ να παράξει «τέχνη» μέσα σε λίγα δευτερόλεπτα, καθώς η τέχνη δε θα παραγόταν για το κέρδος, ή ως μέσο βιοπορισμού. Η τέχνη θα έχανε τη φετιχιστική της σύνδεση με την ατομική ιδιοκτησία και θα παραγόταν για χάρη του εαυτού της, ή ορθότερα, για χάρη της κοινωνίας. Θα αποτελούσε μια γνήσια έκφραση των ιδεών και των ταλέντων των ανθρώπων και ένα μέσο επικοινωνίας μεταξύ τους. Έτσι, τα κοινότοπα έργα της ΤΝ δεν θα ήταν απειλή, αλλά αντίθετα βοηθητικά εργαλεία για τον καλλιτέχνη.
Στον καπιταλισμό, ωστόσο, η ύπαρξη του καλλιτέχνη είναι επισφαλής και εξαρτάται από τα καπρίτσια της αγοράς. Οι καλλιτέχνες αναγκάζονται να προστατεύουν με ζήλο τα αποκλειστικά δικαιώματα πώλησης των έργων τους, αλλιώς μπαίνει σε κίνδυνο η διαβίωσή τους.
Αντί να απελευθερώσει την κοινωνία, η ΤΝ στον καπιταλισμό θα καταφέρει μόνο να επιδεινώσει την εγγενή τάση του καπιταλισμού προς τα μονοπώλια και την ανισότητα. Οι καλύτερες τεχνολογίες ΤΝ παραγωγής εικόνας και κειμένου και επίλυσης προβλημάτων αναπτύσσονται και θα συνεχίσουν να αναπτύσσονται από τεράστια μονοπώλια σαν την Google και τη Microsoft, με τους καλύτερους μηχανικούς και προγραμματιστές, την καλύτερη τεχνολογία και τις μεγαλύτερες βάσεις δεδομένων. Αυτές οι εταιρίες φυσικά θα χρησιμοποιήσουν τη μονοπωλιακή τους θέση για να βγάλουν μονοπωλιακά κέρδη, ενώ τα πλεονεκτήματα από τις νεότερες τεχνολογίες, δηλαδή η επιτάχυνση και η μείωση του κόστους της παραγωγής, θα χρησιμοποιηθούν από άλλες εταιρίες για να απολύσουν μερικούς εργαζόμενους και να συμπιέσουν τον μισθό προς τα κάτω για άλλους.
Αυτή η τεχνολογία χρησιμοποιείται ήδη για την επιτάχυνση της εργασίας και, ως εκ τούτου, την αύξηση του βαθμού εκμετάλλευσης και από μια ακόμα πλευρά. Οι κάμερες και άλλοι αισθητήρες μπορούν να παρακολουθούν την εργασία χιλιάδων εργατών φθηνά και αποτελεσματικά, πειθαρχώντας τους ώστε να παράγουν περισσότερα για τον ίδιο μισθό.
Η Amazon είναι διαβόητη γι’ αυτό και δικαίως: «το 2018, η εταιρεία ενέκρινε δύο διπλώματα ευρεσιτεχνίας για ένα βραχιόλι παρακολούθησης που εκπέμπει υπερηχητικούς παλμούς και ραδιοσήματα για την παρακολούθηση των χεριών των εργατών σε σχέση με τα αντικείμενα μπροστά τους, παρέχοντας “ανάδραση αφής” για να “σπρώξει” τον εργαζόμενο προς το σωστό αντικείμενο» [4]. Καθώς η αυτοματοποιημένη επιτήρηση προχωρά και γίνεται φθηνότερη, θα εξαπλώνεται σε ολόκληρη την οικονομία, αυξάνοντας το άγχος και την αλλοτρίωση των εργαζομένων παντού.
Ο καπιταλισμός «βάζει το χέρι του» σε μια επαναστατική τεχνολογία, η οποία έχει τη δυνατότητα να κάνει αρμονική και ορθολογική την παραγωγή και να ενισχύσει τις δημιουργικές δυνάμεις της ανθρωπότητας, και αντ’ αυτού τη χρησιμοποιεί για να πειθαρχήσει περαιτέρω τον εργάτη, να πετάξει στην ανεργία ακόμα περισσότερους εργάτες, να κάνει την ύπαρξη του καλλιτέχνη ακόμα πιο επισφαλή, και να συγκεντρώσει όλο και μεγαλύτερη δύναμη στα χέρια γιγάντιων εταιριών. Το αποτέλεσμα, επομένως, δεν θα είναι η σταθερότητα και η αφθονία στην οικονομία, αλλά η όξυνση των ανταγωνισμών και των ανισοτήτων στην κοινωνία.
Με την περαιτέρω μονοπωλιοποίηση της οικονομίας, την παραπέρα συρρίκνωση των μισθών και τη συγκέντρωση όλο και περισσότερου πλούτου σε λιγότερα χέρια, η ΤΝ στον καπιταλισμό θα επιδεινώσει κι άλλο την αναρχία της αγοράς.
Αυτό το είδαμε ήδη στην παρούσα οικονομική κρίση. Κατά τη διάρκεια της πανδημίας, τα μοτίβα της κατανάλωσης άλλαξαν, με αποτέλεσμα μεγάλη αύξηση στις παραγγελίες εταιριών όπως η Amazon. Η Amazon χρησιμοποιεί πάρα πολύ την τεχνητή νοημοσύνη στο μοντέλο προβλέψεών της, το SCOT (Supply Chain Optimization Technologies – Τεχνολογίες Βελτιστοποίησης της Αλυσίδας Εφοδιασμού). Το SCOT απλά παρακολουθούσε τα μοτίβα της κατανάλωσης, χωρίς την παραμικρή κατανόηση του τι προκαλεί αυτά τα νέα μοτίβα. Συνεπώς, «προέτρεψε» την Amazon να επενδύσει δισεκατομμύρια δολάρια για περισσότερες αποθήκες ώστε να ανταπεξέλθει στην αυξημένη ζήτηση.
Αλλά καθώς τα λοκντάουν αναπόφευκτα έγιναν παρελθόν, η ζήτηση για τα προϊόντα της Amazon βυθίστηκε. Η Amazon τώρα έχει πάρα πολύ μεγάλη αποθηκευτική ικανότητα και πάρα πολλά απούλητα προϊόντα, που με τη σειρά τους είχαν ως αποτέλεσμα απολύσεις και εκπτώσεις στις τιμές. Αντί για την εξάλειψη των αχρείαστων προϊόντων και της υπερπαραγωγής, η χρήση της ΤΝ για την ενίσχυση των μονοπωλιακών κερδών έχει κάνει την κατάσταση ακόμα χειρότερη.
Δεν αποτελεί έκπληξη το ότι, παρά τις καταπληκτικές δυνατότητες που προσφέρει η ΤΝ στην ανθρωπότητα, πολλοί από μας ζούμε υπό τον φόβο της. Τι αποκαλύπτει αυτός ο διάχυτος φόβος για την ΤΝ; Πολύ λίγα για την ίδια την τεχνολογία, αλλά πάρα πολλά για τις παράξενες αντιφάσεις της καπιταλιστικής παραγωγής. Στον καπιταλισμό, τα πιο μεγάλα επιτεύγματα της ανθρώπινης σκέψης, οι πιο θαυμαστές τεχνολογίες που ενέχουν τη δυνατότητα να εξαλείψουν τα δεινά της φτώχειας και της αμάθειας, είναι ακριβώς αυτά που απειλούν να επιφέρουν ακόμα περισσότερη φτώχεια.
Φοβόμαστε ότι θα σκλαβωθούμε από μια απρόσωπη, ψυχρή και υπολογιστική ΤΝ, όμως κυριαρχούμαστε ήδη από τις απρόσωπες, τυφλές και ασυνείδητες δυνάμεις της αγοράς, οι οποίες είναι κι αυτές ψυχρές και υπολογιστικές, αλλά όχι ιδιαίτερα ευφυείς ή ορθολογικές.
Μια τεχνολογία φτιαγμένη για σχεδιασμό
Η χρήση της τεχνητής νοημοσύνης για την αύξηση της καπιταλιστικής εκμετάλλευσης είναι μια τραγική, εγκληματική σπατάλη. Δύσκολα θα μπορούσε κανείς να φανταστεί ένα καθήκον πιο ταιριαστό για την ΤΝ από τον σχεδιασμό μια πολύπλοκης οικονομίας, με σκοπό την ικανοποίηση των κοινωνικών αναγκών. Με σύγχρονες τεχνολογίες, όπως αισθητήρες, είναι ήδη εφικτή η αυτοματοποίηση της εφοδιαστικής, όπως φαίνεται από την περίπτωση της Amazon.
Στο πελώριο δίκτυο των τεράστιων αποθηκών της, η Amazon χρησιμοποιεί ΤΝ και ρομπότ, για να σχεδιάσει αποτελεσματικά ποια προϊόντα πρέπει να πάνε πού, και σε τι ποσότητες. Δεν υπάρχει λόγος να μην ενσωματωθούν οι αισθητήρες στην οικονομία ως σύνολο, ώστε να υπάρχουν σε πραγματικό χρόνο δεδομένα για το τι καταναλώνεται και σε τι ποσότητες, καθώς και πού και ποιος εξοπλισμός κινδυνεύει με βλάβη και άρα χρειάζεται επισκευή σε εύλογο χρονικό διάστημα. Η SAP, ένας γερμανικός γίγαντας παραγωγής λογισμικού, έχει ήδη αναπτύξει μια εφαρμογή που λέγεται HANA και λειτουργεί με ΤΝ, η οποία χρησιμοποιείται από εταιρίες σαν τη Walmart για να σχεδιάζουν αρμονικά όλες τις λειτουργίες τους, χρησιμοποιώντας δεδομένα σε πραγματικό χρόνο.
Τροφοδοτώντας την ΤΝ βαθιάς μάθησης με τέτοια δεδομένα, θα ήταν κάτι παραπάνω από εφικτό να σχεδιαστεί, μαζί με εκλεγμένες επιτροπές, ένα μακροπρόθεσμο σχέδιο για την οικονομία, το οποίο θα μεγιστοποιούσε την αποτελεσματικότητα, ώστε να καλυφθούν επιτέλους οι ανάγκες της ανθρωπότητας και να μην χρειάζεται κανείς να πεινάσει ή να μείνει άστεγος ή να φοβάται για τη δουλειά του. Με αυτόν τον τρόπο, θα μπορούσαν να εξαλειφθούν τεράστιες σπατάλες και η εργάσιμη εβδομάδα να μειωθεί ταχύτατα. Όχι μόνο θα ήταν εξαιρετικά χρήσιμη η ΤΝ για την κατάρτιση και την προσαρμογή ενός τέτοιου σχεδίου, αλλά θα ωφελούσε και στο να βοηθηθούν οι άνθρωποι που εμπλέκονται στον σχεδιασμό να αποφύγουν οποιεσδήποτε προκαταλήψεις ή περιορισμούς μπορεί να υπάρχουν στη σκέψη τους.
Προφανώς, αυτή η ΤΝ θα χρειαζόταν να εποπτεύεται από ανθρώπους – θα ήταν μόνο ένα εργαλείο στη διάθεσή τους. Δεν θα μπορούσε να απαντήσει σε ερωτήματα όπως το τι είδους αρχιτεκτονική να αναπτυχθεί, πώς να μοιάζουν οι πόλεις μας κλπ. Αλλά η «οξυδέρκειά» της για τα πρότυπα μιας οικονομίας και για τον καλύτερο τρόπο εξοικονόμησης στην παραγωγή θα ήταν αναντικατάστατες.
Αυτές είναι λοιπόν οι δυνατότητες της πιο σύγχρονης τεχνητής νοημοσύνης. Έχουμε στα χέρια μας την τεχνολογία για να φέρουμε αρμονία στην παραγωγή, να εξαλείψουμε τη σπατάλη, την απληστία, τον παραλογισμό και τη μυωπία του καπιταλιστικού συστήματος. Θα μπορούσαμε να τη χρησιμοποιήσουμε για να δοθούν σε όλη την ανθρωπότητα όχι μόνο τα πράγματα που χρειάζεται για να ζήσει καλά, αλλά και τη δυνατότητα κάθε άτομο να δημιουργήσει έργα τέχνης ή να επανασχεδιάσει και να βελτιώσει το δικό του σπίτι, τον χώρο εργασίας ή τη γειτονιά του. Θα κάνει την οικοδόμηση μιας σοσιαλιστικής κοινωνίας, απαλλαγμένης από στερήσεις και ταξικές διακρίσεις, ταχύτερη και πιο ανώδυνη.
Αυτή η δύναμη είναι στα χέρια μας, αλλά διαφεύγει από τον έλεγχό μας, γιατί, αντίθετα σε ό,τι φαντάζονται πολλοί, το πώς χρησιμοποιείται δεν καθορίζεται αυτόματα από την ίδια την τεχνολογία, αλλά από τον υφιστάμενο τρόπο παραγωγής.
Όσο ζούμε στον καπιταλισμό, ο καπιταλισμός είναι εκείνος που θα καθορίσει τον τρόπο με τον οποίο αναπτύσσεται και χρησιμοποιείται η ΤΝ, και όχι οι μεγάλες δυνατότητες της ίδιας της τεχνολογίας αυτής. Γι’ αυτό και οι προφητείες πως η ΤΝ και η αυτοματοποίηση θα «καταργήσουν» την εκμετάλλευση και την αναρχίας του καπιταλισμού είναι τόσο απατηλές. Η ΤΝ, όσο προηγμένη κι αν είναι, δεν μπορεί να κάνει για λογαριασμό μας τη δουλειά της απελευθέρωσης της ανθρωπότητας από τον καπιταλισμό. Και όσο παράλογος κι αν έχει γίνει ο καπιταλισμός, η αστική τάξη θα συνεχίσει να τον υπερασπίζεται λυσσαλέα.
Η μόνη δύναμη που μπορεί να τον αντιπαλέψει είναι και η μόνη που έχει συμφέρον να κάνει κάτι τέτοιο, η εργατική τάξη. Είναι το γεγονός ότι η εργατική τάξη έχει συμφέρον να πραγματοποιήσει τον σοσιαλισμό, που το κάνει εφικτό γι’ αυτήν να αντιληφθεί τόσο την ανάγκη όσο και τα απαραίτητα μέσα για να το πράξει.
Μόνο όταν θα έχουμε ανατρέψει επιτέλους τον καπιταλισμό ώστε να υποτάξουμε την οικονομία σε ένα συνειδητό, ορθολογικό σχεδιασμό, μπορούν η τεχνητή νοημοσύνη και άλλα πρωτοπόρα τεχνολογικά εργαλεία να ανθίσουν και να ξεδιπλώσουν όλες τις δυνατότητές τους ως τα πιο θαυμαστά και σύγχρονα μέχρι σήμερα εργαλεία για την ανάπτυξη του ανθρώπου. Όπως το έθεσε ο Τρότσκι τόσο ποιητικά:
«Η τεχνική επιστήμη απελευθέρωσε τον άνθρωπο από την τυραννία των παλιών στοιχείων – τη γη, το νερό, τη φωτιά και τον αέρα – μόνο για να τον υποτάξει στη δικιά της τυραννία. Ο άνθρωπος έπαψε να είναι σκλάβος της φύσης, για να γίνει σκλάβος της μηχανής και, ακόμη χειρότερα, σκλάβος της προσφοράς και της ζήτησης. Η παρούσα παγκόσμια κρίση μαρτυρά με ιδιαίτερα τραγικό τρόπο πώς ο άνθρωπος, που βουτάει στον βυθό του ωκεανού, που ανεβαίνει ψηλά στη στρατόσφαιρα, που μέσω αόρατων κυμάτων συνομιλεί από τους αντίποδες του πλανήτη, πώς αυτός ο περήφανος και τολμηρός δεσπότης της φύσης παραμένει σκλάβος των τυφλών δυνάμεων της ίδιας της οικονομίας του. Το ιστορικό καθήκον της εποχής μας συνίσταται στην αντικατάσταση του ανεξέλεγκτου παιχνιδιού της αγοράς από τον λογικό σχεδιασμό, στην πειθάρχηση των δυνάμεων της παραγωγής, στην υποχρέωσή τους να συνεργάζονται αρμονικά και να υπηρετούν υπάκουα τις ανάγκες της ανθρωπότητας». [5]
Αναφορές
[1] Marcus G., Davis E., Rebooting ΤΝ: Building Artificial Intelligence We Can Trust, Pantheon Books, 2019, σελ. 56.
[2] Katwala A., “DeepMind Has TrΤΝned an ΤΝ to Control Nuclear Fusion”, Wired, 16 Φεβρουαρίου 2022.
[3] Assael Y., Sommerschield T., Shillingford B., De Freitas N., “Predicting the past with Ithaca”, Deepmind, 9 Μαρτίου 2022.
[4] Dyer-Witheford N., Mikkola Kjosen A., Steinhoff J., Inhuman Power: Artificial Intelligence and the Future of Capitalism, Pluto Press, 2019, σελ. 93.
[5] Trotsky L., “In Defence of October” στο The Classics of Marxism, τόμ. 2, Wellred Books, 2015, σελ. 226-227.
Ντάνιελ Μόρλεϊ
Μετάφραση από την ιστοσελίδα marxist.com: Μάριος Καλομενόπουλος, Νίκος Σέντης
