Εκεί που ο αλγόριθμος κολλάει

Η ικανότητα της Τεχνητής Νοημοσύνης (ΤΝ) να παράγει προβλέψεις μοιάζει πλέον αδιαμφισβήτητη. Αποτελεί, όμως, αυτή η εντυπωσιακή προγνωστική ισχύς επαρκή βάση για να λαμβάνουμε αποτελεσματικές αποφάσεις σε ασταθή ή ριζικά καινοτόμα πεδία; Το ερώτημα αναδεικνύεται όλο και πιο επίκαιρο, καθώς η ΤΝ συχνά ξεχωρίζει εκεί όπου αφθονούν τα ιστορικά δεδομένα, αλλά δείχνει να προβληματίζεται όταν καλείται να κινηθεί «έξω» από αυτά. Το ερώτημα γίνεται ακόμη πιο ενδιαφέρον όταν αναλογιστούμε πόσο «συγκαταβατικά» λειτουργεί, για παράδειγμα, το ChatGPT στην καθημερινή μας διεπαφή μαζί του. Σχεδιασμένο να είναι χρήσιμο και φιλικό, σπάνια μάς αντιμιλά ή αμφισβητεί ριζικά μια θέση που διατυπώνουμε.

Μεγάλα γλωσσικά μοντέλα, όπως αυτά που έχουν εκπαιδευτεί σε τεράστια αποθετήρια κειμένων, βασίζουν τη λειτουργία τους στη στατιστική ανίχνευση συσχετίσεων. Το πρόβλημα είναι ότι, παρ’ όλη την ταχύτητα και την ακρίβειά τους, αδυνατούν, τουλάχιστον προς το παρόν, να υπερβούν σε βάθος τη «λογική του παρελθόντος». Οι αλγόριθμοι αναζητούν αυτό που έχει ήδη συμβεί, το ομαδοποιούν σε μοτίβα και το προβάλλουν στο μέλλον. Είναι μια εξαιρετικά αποδοτική πρακτική όπου ορίζονται σαφή όρια και επαναλαμβανόμενες συνθήκες· αλλά πολύ λιγότερο αποτελεσματική εκεί όπου τα δεδομένα είναι λιγοστά ή ανύπαρκτα. Σε τέτοιες περιπτώσεις, όπως όταν οι γιατροί βρίσκονται μπροστά σε σπάνιες ασθένειες ή οι επιχειρηματίες μπροστά σε ανέγγιχτες αγορές, η ΤΝ «μαγκώνει».

Ο αλγόριθμος, με άλλα λόγια, θα φτάσει μέχρι εκεί που τον οδηγούν τα γνώριμα δεδομένα· δύσκολα θα αμφισβητήσει την ίδια του τη «λογική» ή θα προχωρήσει σε μια ιδέα κόντρα στη στατιστική πιθανότητα. Έτσι, ενώ εμείς μπορεί να θεωρούμε τη διαφωνία σημάδι προόδου, μια εφαρμογή ΤΝ συνήθως την αποφεύγει, ακριβώς επειδή έχει εκπαιδευτεί να συμμορφώνεται με το ήδη γνωστό και όχι να αμφισβητεί τα δεδομένα σαν «απόλυτη αλήθεια».

Αυτό ακριβώς το σημείο καταδεικνύει την υπεροχή της ανθρώπινης κρίσης σε ζητήματα στρατηγικής καινοτομίας. Συχνά, οι πραγματικά ριζοσπαστικές ιδέες προκύπτουν όταν κάποιοι αμφισβητούν τα προφανή, είτε πρόκειται για θεσπισμένους κανόνες είτε για αγοραστικές νόρμες. Πρόσφατη μελέτη του MIT υπογραμμίζει ότι οι νεοφυείς επιχειρήσεις που ξεσήκωναν τις εντονότερες διαφωνίες –επειδή ακριβώς αψήφησαν τα υπάρχοντα «δεδομένα» της αγοράς– ήταν εκείνες που τελικά διακρίθηκαν. Η Airbnb αποτελεί το κλασικό παράδειγμα: όλοι «ήξεραν» ότι κανείς δεν θα εμπιστευόταν το σπίτι του σε αγνώστους. Οι ιδρυτές της, όμως, επέμειναν σε μια κόντρα-πρόβλεψη, βασισμένοι στην υπόθεση ότι ένα μοντέλο βαθμολογήσεων εμπιστοσύνης θα λειτουργούσε αποτελεσματικά, επαναπροσδιορίζοντας, όπως αποδείχτηκε, τον κλάδο του τουρισμού σε παγκόσμια κλίμακα.

Ενδεικτικό είναι επίσης ότι πολλές επενδυτικές εταιρείες με αμιγώς αλγοριθμικές μεθόδους αξιολόγησης τείνουν να προτιμούν επιχειρηματικές προτάσεις που μοιάζουν με τα κερδοφόρα «παραδείγματα» του παρελθόντος. Η στάση αυτή, παρότι συνετή σε επίπεδο χαρτοφυλακίου, κινδυνεύει να χάσει τις πραγματικά ρηξικέλευθες ιδέες που με την πρώτη ματιά φαίνονται εντελώς εκτός στατιστικής «κανονικότητας».

Βέβαια, τίποτε από αυτά δεν απαξιώνει τη χρησιμότητα της ΤΝ σε τομείς με επαναλαμβανόμενη δομή, όπου υπάρχουν άφθονα δεδομένα: η ανίχνευση απάτης, η ανάλυση ιατρικών εικόνων, η βελτιστοποίηση εφοδιαστικών αλυσίδων, για παράδειγμα, αποτελούν πεδία όπου η ΤΝ θεωρείται σχεδόν ασυναγώνιστη. Μέσα από τα αλγοριθμικά της «μάτια», μπορεί να εντοπίζει πρότυπα και να προσφέρει διαυγέστερες, ταχύτερες απαντήσεις συγκριτικά με τον άνθρωπο.

Όμως η στρατηγική καινοτομία, ιδίως όταν αφορά αγορές αχαρτογράφητες ή πολιτικές αποφάσεις σε αβέβαια περιβάλλοντα, εξακολουθεί να απαιτεί νέα δεδομένα, όχι μόνο την ανακυκλωμένη γνώση του «χθες». Η συζήτηση, λοιπόν, δεν περιστρέφεται γύρω από το αν η ΤΝ είναι «καλύτερη» ή «χειρότερη» από τον άνθρωπο, αλλά για το πώς θα αξιοποιήσουμε τη διαφορετική φύση των δυνατοτήτων της. Στα προβλήματα που παραμένουν ανοιχτά στη διαφωνία, στη θεωρητική ανατροπή και στην αναζήτηση του αδοκίμαστου, η ανθρώπινη έμπνευση και το πείσμα είναι αναντικατάστατα.

Οι υπολογιστές μπορούν να ανακυκλώνουν θαυμάσια ό,τι έχει ήδη συμβεί, όμως εμείς είμαστε αυτοί που σκαρφιζόμαστε το αδιανόητο. Κουβαλάμε το θάρρος της διαφωνίας, τη σπίθα της εφευρετικότητας και την ικανότητα να δημιουργήσουμε, εάν χρειαστεί και από το μηδέν, δεδομένα για όσα δεν έχουν ξαναγίνει. Εκεί ακριβώς, στη σύγκρουση με το απρόβλεπτο, διαμορφώνεται το μέλλον που κανένας αλγόριθμος δεν θα μπορούσε να γράψει μόνος του.