Για δεκαετίες κυριαρχούσε μια σχεδόν αυτονόητη λαϊκή σοφία: «ο μάστορας φαίνεται από τα εργαλεία του». Η φράση δεν αφορούσε απλώς την κατοχή καλού εξοπλισμού, αλλά υποδήλωνε κυρίως την ικανότητα κάποιου να επιλέγει, να κατανοεί και να αξιοποιεί αποτελεσματικά τα οποιαδήποτε μέσα που έχει στη διάθεσή του. Στην εποχή της τεχνητής νοημοσύνης, το παλιό αυτό ρητό αποκτά μια νέα πιο σύνθετη διάσταση.
Πρόσφατα συζητήθηκε μια δήλωση του επικεφαλής του κολοσσού τσιπ τεχνητής νοημοσύνης NVIDIA ότι θα προτιμούσε ο καλύτερος μηχανικός του να χρησιμοποιεί όσο το δυνατόν περισσότερα tokens και προηγμένα εργαλεία θεωρώντας ότι αυτό μπορεί να αποτελεί ένδειξη παραγωγικότητας και αποτελεσματικότητας.
Τα tokens είναι οι βασικές μονάδες κειμένου που επεξεργάζεται ένα μοντέλο τεχνητής νοημοσύνης, δηλαδή τμήματα λέξεων, ολόκληρες λέξεις ή σύμβολα που χρησιμοποιούνται για την κατανόηση και παραγωγή γλώσσας. Αυτή είναι η ιδέα ότι ένας κορυφαίος μηχανικός δεν κρίνεται απαραίτητα από το πόσο λίγα εργαλεία χρησιμοποιεί αλλά ίσως από το πόσο αποτελεσματικά εκμεταλλεύεται τα πιο προηγμένα εργαλεία που υπάρχουν διαθέσιμα. Για πολλούς η άποψη αυτή ακούγεται παράδοξη.
Η δεξιοτεχνία
Για δεκαετίες επικρατούσε η αντίληψη ότι η αξία ενός επαγγελματία μετριόταν σχεδόν αποκλειστικά από την προσωπική του δεξιοτεχνία. Υπήρχε ένας σχεδόν ρομαντικός θαυμασμός προς τον άνθρωπο που τα κάνει όλα μόνος του με τα λιγότερα δυνατά βοηθήματα.
Σήμερα ένας προγραμματιστής, ένας μηχανικός ή ένας επιστήμονας δεν εργάζεται μόνο με τη γνώση του. Διαχειρίζεται ένα ολόκληρο οικοσύστημα εργαλείων: μοντέλα τεχνητής νοημοσύνης, αυτοματισμούς, πλατφόρμες ανάπτυξης, υπολογιστικά συστήματα και πολύπλοκες υποδομές. Τα εργαλεία αυτά γίνονται συνεχώς πιο εξελιγμένα και πιο απαιτητικά αλλά και πιο ακριβά. Το ζητούμενο δεν είναι να τα αποφεύγεις αλλά να ξέρεις πώς να τα αξιοποιείς.
Κάπου εδώ εμφανίζεται και μια κοινωνική παρεξήγηση. Όσο περισσότερο χρησιμοποιείται η τεχνητή νοημοσύνη, τόσο περισσότερο ενισχύεται η εντύπωση ότι «το AI κάνει όλη τη δουλειά». Αυτή η αντίληψη όμως παραβλέπει μια σημαντική λεπτομέρεια: τα εργαλεία από μόνα τους δεν παράγουν αξία. Η αξία προκύπτει από τον τρόπο χρήσης τους.
Αυτή η άποψη μοιάζει με το να βλέπεις έναν μάστορα να χρησιμοποιεί ηλεκτρικό δράπανο και να λες ότι «το δράπανο έφτιαξε το σπίτι». Το εργαλείο από μόνο του δεν γνωρίζει τι πρέπει να κάνει. Δεν σχεδιάζει, δεν κρίνει και δεν αναλαμβάνει ευθύνη. Ο άνθρωπος είναι εκείνος που θέτει τον στόχο, παίρνει τις αποφάσεις και αξιολογεί το αποτέλεσμα.
Το ίδιο ισχύει σε κάθε επάγγελμα. Ένας σύγχρονος σεφ διαθέτει φούρνους ακριβείας, θερμόμετρα, εξειδικευμένα μίξερ και προηγμένο εξοπλισμό κουζίνας. Κανείς δεν αποδίδει την επιτυχία ενός πιάτου αποκλειστικά στο μηχάνημα. Αν δύο άνθρωποι χρησιμοποιήσουν τα ίδια ακριβώς εργαλεία, το αποτέλεσμα μπορεί να είναι εντυπωσιακά διαφορετικό. Η διαφορά βρίσκεται στη γνώση, στην εμπειρία και στην κρίση.
Ανάλογη είναι η εικόνα και στην τεχνική εργασία. Ένας ξυλουργός θα προτιμήσει μηχανήματα ακριβείας αντί για απαρχαιωμένα εργαλεία, όχι επειδή διαθέτει λιγότερη δεξιοτεχνία αλλά επειδή επιδιώκει καλύτερο αποτέλεσμα, μεγαλύτερη ακρίβεια και λιγότερα σφάλματα. Κανείς πελάτης δεν ζητά σήμερα από έναν επαγγελματία να απορρίψει την τεχνολογία για να αποδείξει την αξία του. Αντίθετα, θέλει καλύτερο αποτέλεσμα, μεγαλύτερη ακρίβεια και λιγότερα λάθη.
Το ίδιο ισχύει και στην επιστήμη. Κανείς δεν ζητά από έναν φυσικό να κάνει περίπλοκους υπολογισμούς με χαρτί και μολύβι όταν υπάρχουν επιστημονικά κομπιουτεράκια, υπολογιστικά μοντέλα ή εξειδικευμένα προγράμματα. Αν ένας επιστήμονας αρνηθεί να χρησιμοποιήσει σύγχρονα μέσα, δεν θεωρείται πιο ικανός, αλλά αντίθετα ίσως θεωρηθεί λιγότερο αποτελεσματικός.
Για κάποιο λόγο όμως όταν η συζήτηση φτάνει στην τεχνητή νοημοσύνη, αλλάζει το μέτρο σύγκρισης. Ξαφνικά θεωρείται ότι το εργαλείο μειώνει την αξία του ανθρώπου. Όμως η πραγματικότητα είναι σχεδόν η αντίθετη.
Η κατανόηση
Ένα σύστημα τεχνητής νοημοσύνης μπορεί να προτείνει κώδικα, να συντάξει κείμενα ή να αναλύσει δεδομένα, αλλά κάποιος πρέπει να κατανοήσει το πρόβλημα, να σχεδιάσει την αρχιτεκτονική, να αξιολογήσει την ορθότητα, να ελέγξει τα σφάλματα και να πάρει αποφάσεις. Όσο αυξάνεται η δύναμη των εργαλείων, τόσο αυξάνεται και η πολυπλοκότητα των απαιτήσεων. Δεν μειώνεται η ανάγκη για τον άνθρωπο, αλλά μετατοπίζεται ο ρόλος του.
Το εργαλείο μειώνει τον χρόνο σε επαναλαμβανόμενες εργασίες, αλλά δεν μειώνει την ευθύνη. Στην πραγματικότητα, πολλές φορές την αυξάνει. Όσο μεγαλύτερη είναι η δύναμη του εργαλείου, τόσο μεγαλύτερη είναι η σημασία των αποφάσεων που λαμβάνει εκείνος που το χειρίζεται.
Και εδώ ίσως βρίσκεται η μεγαλύτερη παρεξήγηση της εποχής μας. Παλαιότερα θαυμάζαμε τον άνθρωπο που κουβαλούσε πέτρες με τα χέρια. Σήμερα θαυμάζουμε λιγότερο τον άνθρωπο που χειρίζεται έναν γερανό, παρότι χτίζει δέκα φορές μεγαλύτερα έργα, πολλαπλάσιας κλίμακας και πολυπλοκότητας.
Η εργασία δεν έγινε κατ’ ανάγκην ευκολότερη. Η δυσκολία μετακινήθηκε από τη σωματική προσπάθεια στη διαχείριση της πολυπλοκότητας, στην κρίση, στον σχεδιασμό και στη λήψη αποφάσεων.
Ίσως λοιπόν χρειάζεται να αναθεωρήσουμε το παλιό ρητό. Ο καλός μάστορας δεν ξεχωρίζει επειδή εργάζεται με τα λιγότερα εργαλεία. Ούτε επειδή επιμένει να κάνει τα πάντα μόνος του. Ξεχωρίζει επειδή γνωρίζει ποια εργαλεία χρειάζονται, πότε να τα χρησιμοποιήσει και πώς να τα συνδυάσει για να παράγει καλύτερα αποτελέσματα.
Στην εποχή της τεχνητής νοημοσύνης, η πραγματική δεξιότητα δεν είναι να δουλεύεις χωρίς εργαλεία. Δεν είναι η άρνηση της τεχνολογίας. Είναι η ικανότητα αξιοποίησής της για την επίλυση προβλημάτων που μέχρι χθες θεωρούνταν ανέφικτα, ακόμα και αδύνατα. Και ίσως εκεί βρίσκεται η σύγχρονη εκδοχή του παλιού ρητού: ο καλός μάστορας δεν αντικαθίσταται από τα εργαλεία του, αλλά αναδεικνύεται μέσα από αυτά. Γιατί στην τελική, το εργαλείο δεν δημιουργεί από μόνο του. Πίσω από κάθε εργαλείο υπάρχει πάντα ένα μυαλό που ξέρει γιατί το χρησιμοποιεί. Και αυτό είναι που εξακολουθεί να κάνει τη διαφορά.
*Ο Γεράσιμος Τζιβράς είναι προγραμματιστής, καθηγητής στην Τριτοβάθμια Εκπαίδευση και υποψήφιος διδάκτορας του Τμήματος Πληροφορικής και Τηλεπικοινωνιών του Πανεπιστημίου Πελοποννήσου, με αντικείμενο τις Προσαρμοστικές Διεπαφές Χρήστη. Η ερευνητική του εργασία επικεντρώνεται στη μοντελοποίηση της προβλεπτικής συμπεριφοράς χρηστών και στον δυναμικό επανασχεδιασμό διεπαφών με τη βοήθεια τεχνητής νοημοσύνης με στόχο τη δημιουργία πιο προσωποποιημένων και λειτουργικών εμπειριών χρήσης.
Naftemporiki.gr
Για να εμφανίζονται περισσότερα άρθρα της Ναυτεμπορικής στις αναζητήσεις σας εύκολα και γρήγορα, πρέπει να προσθέσετε το site στις προτιμώμενες πηγές σας. Μπορείτε να το κάνετε πηγαίνοντας εδώ.
