Απόδοση: Κώστας Δούσης
Θα μπορούσαμε να πούμε ότι το ζήτημα της τεχνητής νοημοσύνης είναι το ζήτημα του μέλλοντος της ανθρωπότητας. Ή ένα απ’ αυτά. Οδεύουμε προς έναν όλο και πιο εικονικό και αφηρημένο κόσμο ή προς έναν κόσμο που θα ελευθερώσει χώρους αναψυχής για να μας επαναφέρει στην πραγματικότητα; Υποψιάζομαι το πρώτο, αλλά τα ανθρώπινα όντα είναι τόσο μυστηριώδη που ποτέ δεν ξέρεις ποια κατεύθυνση θ’ ακολουθήσουν. Την περασμένη εβδομάδα διάβασα δύο διαφορετικά σχόλια που αμφισβητούσαν το μέλλον της εκπαίδευσης όπως το ξέρουμε. Δεν πρόσφεραν επιπόλαια επιχειρήματα και αξίζει να τα εξετάσουμε, ακόμα κι αν πρόκειται για μια πρώτη προσέγγιση.
Σ’ ένα πρόσφατο άρθρο που δημοσιεύθηκε στο ενημερωτικό δελτίο του Substack, ο Hollis Robbins προειδοποιεί ότι στο εξής τα πανεπιστήμια θα πρέπει να αιτιολογούν την ύπαρξή τους σύμφωνα μ’ ένα βάναυσο κριτήριο: οποιοσδήποτε καθηγητής δεν μπορεί να συνεισφέρει τίποτα σε αυτό που ήδη ξέρει να διδάσκει η τεχνητή νοημοσύνη, θα θεωρείται περιττός. Η ιδέα είναι ανησυχητική. Εάν η τεχνητή νοημοσύνη μπορεί να σχεδιάζει πειράματα καλύτερα από έναν καθηγητή ή να γράφει δοκίμια πιο ευφυή από έναν μαθητή ή να διορθώσει ένα κείμενο πιο αυστηρά από έναν τακτικό καθηγητή, τότε σε τι μας χρειάζεται η τριτοβάθμια εκπαίδευση; Εάν συμβεί αυτό, το μέλλον θα σημαδευόταν από την κατάρρευση του πανεπιστημίου. Λιγότεροι καθηγητές, λιγότερα μαθήματα, λιγότερη γραφειοκρατία, λιγότερη διοίκηση. Αυτό που θα έμενε θα ήταν ένας σκελετός προηγμένης έρευνας σε συνδυασμό με τεχνολογία αιχμής: μια περιοχή συνόρων για μια υπερ-ελίτ.
Η διαίσθηση του Peter Thiel, από την άλλη, πηγαίνει σε διαφορετική κατεύθυνση. Ο πάντα αμφιλεγόμενος ιδρυτής του PayPal και της Palantir υποστηρίζει ότι σε έναν κόσμο που κυριαρχείται από την προηγμένη τεχνητή νοημοσύνη, οι επιστημονικές σταδιοδρομίες θα χάσουν το κύρος τους. Προγραμματιστές, αναλυτές δεδομένων, μηχανικοί –όλοι τους θ’ αντικατασταθούν σε πολλούς από τους ρόλους τους από μηχανές που δεν κουράζονται, που δεν διστάζουν και που δεν κάνουν ανθρώπινα λάθη. Αυτό που θα παραμείνει πραγματικά ανεπανάληπτο, υποστηρίζει, θα είναι τότε οι ανθρωπιστικές επιστήμες: η ικανότητα να γράφει κανείς με το δικό του ύφος, να διαβάζει σπουδαία λογοτεχνία με νόημα, να παράγει ιστορίες και διαλέξεις που τρέφουν την ψυχή. Ό,τι δηλαδή δεν μπορεί να αναπαραχθεί: αυτό που είναι ουσιαστικά ανθρώπινο.
Είναι δελεαστικό να φανταστούμε ένα μέλλον όπου το τελευταίο προπύργιο της ανθρώπινης νοημοσύνης είναι η λογοτεχνία, η φιλοσοφία ή η ιστορία. Η τεχνητή νοημοσύνη μπορεί τώρα να συνδυάσει τεράστιες ποσότητες πληροφοριών πολύ γρήγορα, να μιμηθεί λογοτεχνικά στυλ με αρκετή πειστικότητα, επιχειρεί ακόμη και να γράψει ποίηση και αφηγήσεις. Το πρόβλημα είναι ότι το κάνει χωρίς πρόθεση, χωρίς γνήσια επιθυμία, χωρίς να έχει την ανάγκη να αφηγηθεί κάποια ιστορία. Ο Thiel αισθάνεται ότι το κλειδί, περισσότερο από την εκτέλεση, έγκειται στην πρωτοτυπία: στον τρόπο με τον οποίο ένας συγγραφέας ή στοχαστής μπορεί να δει τον κόσμο από μια προοπτική που μια μηχανή, παγιδευμένη σε σχέδια, δεν μπορεί ν’ αναπαραγάγει.
Ωστόσο, η αισιοδοξία του μετριάζεται. Η ανθρώπινη πρωτοτυπία δεν είναι μια εγγυημένη προϋπόθεση, αλλά μια δεξιότητα που πρέπει να καλλιεργηθεί. Εάν η τριτοβάθμια εκπαίδευση σταματήσει να παράγει κριτικούς στοχαστές και μοναδικούς αφηγητές, τι θα μας έκανε να πιστεύουμε ότι η ανθρώπινη δημιουργικότητα θα συνεχίσει ν’ ανθεί; Σε αυτήν την περίπτωση, εάν η εκπαίδευση –από κάτω προς τα πάνω– δεν επαναδιατυπώσει τους στόχους της, ούτε η επιστήμη ούτε οι ανθρωπιστικές επιστήμες θα μπορέσουν ν’ αποφύγουν τη σκιά της Τεχνητής Νοημοσύνης.
Εάν ο Thiel έχει δίκιο, τα πανεπιστήμια θα πρέπει να γίνουν κέντρα όπου η διδασκαλία δεν θα περιορίζεται στη μετάδοση της γνώσης, αλλά θ’ αγωνίζεται περισσότερο για τη δημιουργία νοήματος. Όμως αυτό έρχεται σε σύγκρουση με την πραγματικότητα ορισμένων ιδρυμάτων που προσφέρουν ένα προϊόν μαζικής παραγωγής, τυποποιημένο, μετρήσιμο, σχεδιασμένο με σκοπό την επανάληψη και όχι την καινοτομία.
Πράγματι, αν το μέλλον του πανεπιστημίου είναι η καταστροφή του, το ερώτημα που ακολουθεί είναι ακόμη πιο ανησυχητικό: πού θα μάθουμε τι δεν μπορούν ήδη να μας διδάξουν οι μηχανές;
⸙⸙⸙
[Δημοσιεύτηκε στην ισπανική ειδησεογραφική ιστοσελίδα The Objective, στις 18.2.2025.]
