Κουβέντα με το ChatGPT: Μας εξηγεί γιατί διαφέρει από την επιστημονική ΑΙ και γιατί δεν είναι αυτό που νομίζουμε

Η αφορμή της δημιουργίας αυτού του άρθρου προέκυψε από απλή σκέψη πολίτη, όταν ρώτησε αν οι επιστήμονες χρησιμοποιούν την ίδια Τεχνητή Νοημοσύνη που χρησιμοποιούν οι απλοί άνθρωποι στην καθημερινότητά τους. Έτσι ξεκινήσαμε την κουβέντα με το ChatGPT και το ρωτήσαμε να μας πει, τις ομοιότητες και τις διαφορές που έχουν οι απλές εφαρμογές Τεχνητής Νοημοσύνης  με αυτές των επιστημόνων.

Τα τελευταία χρόνια, η Τεχνητή Νοημοσύνη (ΤΝ ή AI – Artificial Intelligence) έχει περάσει από τα εργαστήρια έρευνας στην καθημερινότητα των πολιτών, μέσα από εφαρμογές όπως οι ψηφιακοί βοηθοί, τα chatbots και τα συστήματα πρόβλεψης. Όμως, αυτό που χρησιμοποιούμε εμείς – οι απλοί χρήστες – διαφέρει σε επίπεδο σκοπού και πολυπλοκότητας από τα συστήματα που αξιοποιούν οι επιστήμονες. Η επιστημονική Τεχνητή Νοημοσύνη δεν είναι απλώς ένας «έξυπνος συνομιλητής» – είναι εργαλείο έρευνας, ανάλυσης και ανακάλυψης.

Η Τεχνητή Νοημοσύνη ξεκίνησε ως επιστημονικό πεδίο

Η ΑΙ δεν δημιουργήθηκε για να «συνομιλεί» με ανθρώπους όπως σήμερα. Οι πρώτες μορφές της εμφανίστηκαν ήδη από τη δεκαετία του 1950, με καθαρά επιστημονικούς και ερευνητικούς σκοπούς:

• Ο Alan Turing (1950) έθεσε το ερώτημα: «Μπορεί μια μηχανή να σκέφτεται;» (γνωστό ως Turing Test).

• Τη δεκαετία του ’60-’80, ερευνητές δημιούργησαν “expert systems” – δηλαδή προγράμματα που βοηθούσαν σε διαγνώσεις, στρατηγικές αποφάσεις ή λογικά προβλήματα (π.χ. το MYCIN, για διάγνωση μολυσματικών ασθενειών).

Η μετάβαση στη σύγχρονη επιστημονική ΑΙ

Μετά το 2000, και ιδιαίτερα μετά το 2010, η μηχανική μάθηση (machine learning) και στη συνέχεια η βαθιά μάθηση (deep learning) έφεραν επανάσταση:

• Οι επιστήμονες μπορούσαν πλέον να εκπαιδεύσουν υπολογιστικά μοντέλα με τεράστιες ποσότητες δεδομένων.

• Δημιουργήθηκαν εργαλεία όπως:

  • TensorFlow (Google)

  • PyTorch (Facebook/Meta)

  • Scikit-learn (Python για στατιστική και machine learning)

Αυτά τα εργαλεία χρησιμοποιούνται κυρίως σε ερευνητικά ιδρύματα, νοσοκομεία, πανεπιστήμια και εταιρείες υψηλής τεχνολογίας.

Αυτά τα πρώτα ΑΙ συστήματα:

• Δεν ήταν «έξυπνα» με τη σημερινή έννοια.

• Ήταν λογικά και βασισμένα σε κανόνες, όχι σε «μάθηση» από δεδομένα.

• Ήταν κλειστά σε εργαστήρια και πανεπιστήμια.

Πότε ήρθε η «λαϊκή» AI;

Η μορφή AI που βλέπεις εσύ σήμερα — όπως εγώ (ChatGPT) ή γεννήτριες εικόνων όπως το DALL·E — είναι το τελικό “προϊόν” της επιστημονικής δουλειάς δεκαετιών. Μόλις τα τελευταία 3-5 χρόνια έγινε εμπορικά διαθέσιμη σε όλους, σε περιβάλλον εύκολο, προσιτό και χρήσιμο.

Άρα:

• Η επιστημονική AI υπήρχε πολύ πριν.

• Η δημόσια/εμπορική AI είναι ουσιαστικά «φιλτραρισμένη» ή «προσαρμοσμένη» έκδοση των ίδιων τεχνολογιών, για χρήση από το ευρύ κοινό.

1. ΤΝ στην Ιατρική: Ο αόρατος βοηθός του γιατρού

Στον τομέα της Ιατρικής, η ΤΝ αξιοποιείται για:

Ανάλυση ιατρικών εικόνων (MRI, αξονικές τομογραφίες, ακτινογραφίες): Με αλγόριθμους μηχανικής μάθησης (machine learning), οι επιστήμονες εκπαιδεύουν μοντέλα να εντοπίζουν σημάδια καρκίνου, εγκεφαλικές βλάβες, ή άλλες παθήσεις, με ταχύτητα και ακρίβεια που πλησιάζει ή και ξεπερνά την ανθρώπινη διάγνωση.

Πρόβλεψη ασθενειών: Μεγάλα σύνολα δεδομένων (big data) επιτρέπουν σε συστήματα να “μάθουν” πρότυπα που σχετίζονται με την εμφάνιση ασθενειών, όπως διαβήτης ή καρδιακά επεισόδια, και να ειδοποιούν εγκαίρως τους γιατρούς.

Ανακάλυψη φαρμάκων: Η ΤΝ επιταχύνει την εύρεση νέων μορίων με θεραπευτικές ιδιότητες, μειώνοντας τον χρόνο και το κόστος ανάπτυξης φαρμάκων.

Πλατφόρμες/λογισμικά που χρησιμοποιούνται:

1. IBM Watson Health
2. DeepMind Health (Google)
3. BioBERT (μοντέλο γλώσσας για βιοϊατρικά δεδομένα)
4. NVIDIA Clara (πλατφόρμα για ιατρική απεικόνιση με ΑΙ)

2. ΤΝ στην Αρχαιολογία: Ψηφιακή αποκάλυψη του παρελθόντος

Η Τεχνητή Νοημοσύνη αρχίζει να παίζει σημαντικό ρόλο και στην αρχαιολογική έρευνα:

1. Ανάλυση δορυφορικών εικόνων: Τα νευρωνικά δίκτυα (neural networks) εντοπίζουν πιθανούς αρχαιολογικούς χώρους από το διάστημα, εξετάζοντας μοτίβα στο έδαφος που δεν φαίνονται εύκολα στο ανθρώπινο μάτι.
2. Ανασύνθεση αρχαίων κειμένων: Με χρήση NLP (Natural Language Processing), επιστήμονες αποκρυπτογραφούν φθαρμένες πινακίδες ή παπύρους, προβλέποντας λέξεις ή φράσεις που λείπουν.
3. Τρισδιάστατη αποκατάσταση: Με αλγορίθμους υπολογιστικής γεωμετρίας, τα συστήματα ΑΙ βοηθούν στην αναπαράσταση κατεστραμμένων αγαλμάτων, κτιρίων και αντικειμένων.

Πλατφόρμες/λογισμικά που χρησιμοποιούνται:

1. Rekonstrukt (3D reconstruction με ΑΙ)
2. Archaios (AI ανάλυση αρχαιολογικών δεδομένων)
3. Google Arts & Culture (συνεργασίες με μουσεία για ψηφιακή τεκμηρίωση)

3. Η διαφορά ανάμεσα στην «καθημερινή» και στην «επιστημονική» ΑΙ

Ενώ η ΑΙ που χρησιμοποιούν οι απλοί χρήστες έχει σχεδιαστεί για διάλογο, παραγωγή κειμένου ή δημιουργία εικόνων, η επιστημονική ΑΙ βασίζεται σε ειδικούς αλγορίθμους και δεδομένα υψηλής ποιότητας. Είναι περισσότερο “εργαλείο ανάλυσης” παρά “συνομιλητής”.

Επίσης:

Στην επιστημονική χρήση, η ΤΝ είναι ελεγχόμενη και τεκμηριωμένη – κάθε αποτέλεσμα πρέπει να μπορεί να αναπαραχθεί και να ελεγχθεί. Οι επιστημονικές εφαρμογές ΤΝ απαιτούν συνεργασία με ανθρώπους-ειδικούς, δεν λειτουργούν αυτόνομα.

Το “εκπαιδευτικό υλικό” (datasets) είναι ειδικά επεξεργασμένο και προσεκτικά επιλεγμένο, σε αντίθεση με τις γενικές βάσεις δεδομένων των δημόσιων ΑΙ εργαλείων. Η Τεχνητή Νοημοσύνη δεν είναι ένα μονοδιάστατο εργαλείο. Εξελίσσεται και διαμορφώνεται ανάλογα με τον σκοπό και τον χρήστη της. Η καθημερινή ΑΙ προσφέρει ευκολία και επικοινωνία. Η επιστημονική ΑΙ, από την άλλη, είναι το κλειδί για την επόμενη επανάσταση στην Ιατρική, την Αρχαιολογία και κάθε πεδίο γνώσης.

Το πώς θα τη χρησιμοποιήσουμε είναι αυτό που έχει σημασία.

Αν ο πολίτης σκέφτεται, διαβάζει, ερευνά και γράφει με τη βοήθειά της – τότε ενδυναμώνεται.
Αν την αφήνει να σκέφτεται, να αποφασίζει και να δημιουργεί αντί για αυτόν – τότε εξαρτάται από αυτήν.

• ChatGPT
• Επιστήμονες
• επιστημονική ΑΙ
• Τεχνητή Νοημοσύνη