Εμφάνιση αναρτήσεων με ετικέτα Τεχνητή Νοημοσύνη. Εμφάνιση όλων των αναρτήσεων
Εμφάνιση αναρτήσεων με ετικέτα Τεχνητή Νοημοσύνη. Εμφάνιση όλων των αναρτήσεων

ΙΣΩΣ ΤΕΛΙΚΑ ΝΑ ΗΜΑΣΤΑΝ ΚΑΛΥΤΕΡΑ ΧΩΡΙΣ ΤΗΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

 

Ο κάτοχος του βραβείου Νόμπελ Τζέφρι Χίντον  προειδοποιεί ότι η τεχνολογία αυτή ενδέχεται να βρίσκεται κοντά στο να προκαλέσει σοβαρό περιστατικό, όπως μπακάουτ  ή κατάρρευση του τραπεζικού συστήματος

Ένας από τους «πατέρες της τεχνητής νοημοσύνης», ο Τζέφρι Χίντον, δήλωσε ότι ενδέχεται να αποδειχθεί ότι θα ήταν καλύτερα για τους ανθρώπους να μην είχαν αναπτύξει ποτέ αυτή την τεχνολογία, καθώς προειδοποίησε ότι θα μπορούσε να προκαλέσει ένα περιστατικό μεγάλης κλίμακας φέτος ή το επόμενο έτος, όπως μια προσωρινή διακοπή λειτουργίας των χρηματοπιστωτικών συστημάτων ή των συστημάτων ηλεκτροδότησης.

Ο βραβευμένος με Νόμπελ επιστήμονας πληροφορικής δήλωσε στην εφημερίδα «Guardian» ότι δεν είναι «καταστροφολόγος» όσον αφορά την τεχνολογία που βασίζεται στην πρωτοποριακή του έρευνα στα τεχνητά νευρωνικά δίκτυα και πιστεύει ότι η ΤΝ έχει τη δυνατότητα να οδηγήσει σε ένα «υπέροχο μέλλον», αλλά πρόσθεσε ότι «ίσως θα ήταν καλύτερα να μην την είχαμε αναπτύξει ποτέ».

 

Ο Χίντον, 78 ετών, δήλωσε ότι μέσα σε μια δεκαετία και πιθανώς νωρίτερα, η ανθρωπότητα θα ξέρει αν μπορεί να διαχειριστεί τους κινδύνους της τεχνολογίας και να επιτύχει αυτό που ο ίδιος ονόμασε «ριζική αφθονία» ή αν «αποτύχουμε να διαχειριστούμε τους κινδύνους και… θα έχουμε ένα τεράστιο χάσμα μεταξύ πλουσίων και φτωχών, τεράστια πολιτισμικά προβλήματα, μαζική ανεργία, και απλά μια κοινωνία που θα έχει διαλυθεί».

Ο Χίντον μίλησε πριν από την προβολή ενός νέου ντοκιμαντέρ μεγάλου μήκους, με τίτλο «AI: Probably Nothing to Worry About» – ένας τίτλος που πρότεινε ένα chatbot τεχνητής νοημοσύνης – στο οποίο πρωταγωνιστούν ο ίδιος και ο πρώην συνάδελφός του στη Google, Ντέμης Χασάμπης. Ο Χίντον λέει στους δημιουργούς του ντοκιμαντέρ: «Νιώθω ότι έχω ένα καθήκον. Έχω μια φήμη που με καθιστά εκπρόσωπο και πρέπει να τα δώσω όλα γι’ αυτό».

Μιλώντας στον Guardian, ο Χίντον επέκρινε την ανάληψη κινδύνων από τους ηγέτες ορισμένων από τις μεγαλύτερες εταιρείες τεχνητής νοημοσύνης, οι οποίοι συνεχίζουν να κυκλοφορούν ολοένα και πιο ισχυρά μοντέλα τεχνητής νοημοσύνης καθώς ανταγωνίζονται για την κυριαρχία και το μερίδιο της αγοράς, λέγοντας ότι δεν εμπιστεύεται «καθόλου» τον Σαμ Άλτμαν, τον διευθύνοντα σύμβουλο της OpenAI, της εταιρείας που δημιούργησε το ChatGPT. «Πιστεύω ότι ο [Mαρκ] Zούκεμπεργκ ο [Ιλον] Mασκ και ο Σαμ Αλτμαν κατανοούν τους κινδύνους, αλλά δεν τους νοιάζει καθόλου. Προτιμούν να έχουν τα χρήματα. Αυτή είναι η πεποίθησή μου.»

Ο γεννημένος στο Λονδίνο επιστήμονας υπολογιστών, ο οποίος μεγάλωσε στο Μπρίστολ και πέρασε μεγάλο μέρος της καριέρας του στο Πανεπιστήμιο του Τορόντο, δήλωσε ότι είναι «εξαιρετικά ανησυχητικό» το γεγονός ότι ο Άλτμαν είναι επικεφαλής μιας από τις λίγες πρωτοπόρες αμερικανικές εταιρείες τεχνητής νοημοσύνης που αυτή τη στιγμή ανταγωνίζονται την Κίνα για την ανάπτυξη της πιο ισχυρής τεχνητής νοημοσύνης. Ο Άλτμαν επέμεινε τον Σεπτέμβριο: «Ο κόσμος πρέπει να εμπιστεύεται ότι θα κάνουμε το σωστό, επειδή είναι το σωστό και επειδή αντιλαμβανόμαστε τη σημασία αυτού του θέματος».

Ο Χίντον ασχολείται με την τεχνητή νοημοσύνη εδώ και περίπου 44 χρόνια και τη δεκαετία του 1970 εισήγαγε την έννοια του νευρωνικού δικτύου – ενός μαθηματικού συστήματος που μπορεί να μαθαίνει και να αποκτά εμπειρία με τρόπο παρόμοιο με αυτόν των ανθρώπων. Το 2023 παραιτήθηκε από την Google για να μιλήσει ελεύθερα για τους κινδύνους της τεχνητής νοημοσύνης, προειδοποιώντας: «Αν αυτά τα συστήματα παρασυρθούν στην απόκτηση μεγαλύτερου ελέγχου, θα έχουμε μπελάδες».

Είπε ότι θεωρούσε τα περιστατικά αυτού του καλοκαιριού, κατά τα οποία πράκτορες τεχνητής νοημοσύνης της OpenAI συνωμότησαν για να εισβάλουν στον ιστότοπο Hugging Face, παρόμοια με τη μερική πυρηνική κατάρρευση του 1979 στον πυρηνικό σταθμό Three Mile Island στην Πενσυλβάνια – ουσιαστικά ένα προειδοποιητικό σήμα κινδύνου.

«Είτε αργότερα φέτος είτε το επόμενο έτος θα δούμε ένα Τσερνομπίλ, και αυτό μπορεί να είναι αρκετό για να κάνει τους ανθρώπους να δώσουν πραγματικά προσοχή», είπε.

Ένα τέτοιο συμβάν τύπου Τσερνομπίλ δεν θα είναι πυρηνικό ατύχημα, σύμφωνα με τα παραδείγματα που ανέφερε, αλλά θα μπορούσε μάλλον να περιλαμβάνει μια επίθεση με τη χρήση τεχνητής νοημοσύνης στο σύστημα παραγωγής ηλεκτρικής ενέργειας που «προκαλεί μαζική πτώση της τάσης» ή ένα συμβάν που θα θέσει εκτός λειτουργίας το χρηματοπιστωτικό σύστημα για μια εβδομάδα.

«Μπορείτε να φανταστείτε τι θα συνέβαινε; Θα μπορούσαμε να ανακάμψουμε από αυτό [αλλά] αυτό θα τους έκανε να ξυπνήσουν και να το λάβουν σοβαρά υπόψη».

Όταν ρωτήθηκε ποιοι είναι αυτοί οι «αυτοί», απάντησε: «οι παγκόσμιοι ηγέτες εκτός από τον Τραμπ».

Ο πρόεδρος των ΗΠΑ, Ντόναλντ Τραμπ, έχει δηλώσει ότι «απορρίπτει κατηγορηματικά κάθε προσπάθεια δημιουργίας ενός παγκοσμιοποιητικού σχεδίου» για τον έλεγχο της τεχνητής νοημοσύνης και επιθυμεί οι πρωτοπόρες εταιρείες τεχνητής νοημοσύνης να αυτορυθμίζονται, εν μέσω ανησυχιών ότι οι κανόνες θα μπορούσαν να εμποδίσουν τις ΗΠΑ στον αγώνα τους με την Κίνα στον τομέα της τεχνητής νοημοσύνης.

Ο Χίντον υποστηρίζει ένα αυστηρότερο σχέδιο που έχει εγκριθεί από τον πρόεδρο της Φινλανδίας και 32 άλλες χώρες, συμπεριλαμβανομένων της Σιγκαπούρης, της Γερμανίας, του Καναδά και της Αυστραλίας, για την υποχρεωτική δοκιμή πρωτοποριακών μοντέλων τεχνητής νοημοσύνης, την ανεξάρτητη αξιολόγηση και τα κοινά διακυβερνητικά πρότυπα».

 [----->]

 


 

 

Η νέα βιομηχανική επανάσταση: Μηχανές, Συλλογική Διάνοια (General Intellect ) και Τεχνητή Νοημοσύνη

  marxbloc


Οι τεράστιες αλλαγές που διαμορφώνουν σήμερα τον τομέα της παραγωγής και ολόκληρο τον κοινωνικό ιστό έχουν δραματική εμβέλεια, συγκρίσιμη ως προς το ιστορικό βάθος μόνο με την πρώτη βιομηχανική επανάσταση στα τέλη του 18ου αιώνα. Και μια βιομηχανική επανάσταση δεν είναι μια απλή εναλλαγή μηχανημάτων, αλλά αποτελεί – για να χρησιμοποιήσουμε την περίφημη ανθρωπολογική κατηγορία του Marcel Mauss – ένα «συνολικό κοινωνικό γεγονός» που ανατρέπει ταυτόχρονα τα υλικά, νομικά, χωρικά και ψυχικά θεμέλια μέσω των οποίων αναπαράγεται μια κοινωνία. Όπως η έλευση της ατμομηχανής και του μηχανικού αργαλειού περιόρισε τα κοινά αγαθά, προκάλεσε τον βίαιο ξεριζωμό ολόκληρων κοινωνικών και παραγωγικών τάξεων, αναδιαμόρφωσε ριζικά το πολεοδομικό σχέδιο δημιουργώντας από το μηδέν τις εργατικές μητροπόλεις και υπόταξε τα σώματα σε μια άνευ προηγουμένου εργοστασιακή πειθαρχία, έτσι και η έλευση της παραγωγικής Τεχνητής Νοημοσύνης ( Generative AI ) και της πρακτορικής Τεχνητής Νοημοσύνης (Agentic AI)  αναδιαμορφώνει τη μορφολογία του σύγχρονου κόσμου.

Ακόμη και σήμερα γινόμαστε μάρτυρες της αποδιάρθρωσης ολόκληρων επαγγελματικών και πνευματικών στρωμάτων, που συνοδεύεται από μια βαθιά πολεοδομική και εδαφική μεταβολή: η γεωγραφία του χώρου αναδιαμορφώνεται από την επέκταση γιγαντιαίων κέντρων δεδομένων (data centers) που καταναλώνουν τεράστιες ποσότητες νερού και ενέργειας, από τον πολλαπλασιασμό των αυτοματοποιημένων κέντρων εφοδιαστικής αλυσίδας (logistics hubs), από την εκκένωση ή την αστικοποίηση (gentrification) των ιστορικών κέντρων που προκαλείται από την εξ αποστάσεως πνευματική εργασία, καθώς και από την εκμετάλλευση κάθε εκατοστού του αστικού χώρου μέσω πλατφορμών παράδοσης (delivery) και προληπτικής αστυνόμευσης/επιτήρησης. Όλα αυτά συνδέονται με την ανάπτυξη πρωτοφανών όγκων γνώσης που, ξεπερνώντας κατά πολύ τα όρια του παραδοσιακού εργαστηρίου, καθοδηγούν την επιτάχυνση των συμπεριφορών, των ρυθμών ζωής και των γνωστικών συνηθειών σε ολόκληρη την βιοπολιτική κλίμακα.

Για να κατανοήσουμε την προέλευση αυτού του σεισμού πέρα από τις απολογητικές ή καταστροφολογικές αφηγήσεις, πρέπει να επιστρέψουμε στο δέκατο τρίτο κεφάλαιο του πρώτου τόμου του Κεφαλαίου, όπου ο Καρλ Μαρξ σκιαγραφεί την οντολογική διάκριση μεταξύ εργαλείου (Werkzeug) και μηχανής (Maschinerie). Ο Μαρξ υπενθυμίζει ότι η βιομηχανική επανάσταση ολοκληρώνεται όταν το εργαλείο αποσπάται από το χέρι του εργάτη και ενσωματώνεται σε έναν αυτόματο μηχανισμό:

«Η καπιταλιστική μηχανή οικειοποιείται το εργαλείο του εργάτη, αντικαθιστώντας τον τελευταίο με έναν μηχανισμό που εκτελεί με τα δικά του εργαλεία την ίδια εργασία που πριν εκτελούσε ο εργάτης με ανάλογα εργαλεία.»

Εφαρμόζοντας αυτή την άποψη στην ψηφιακή εξέλιξη, προκύπτει μια εντυπωσιακή δομική σύγκλιση. Οι αλγόριθμοι πρώτης γενιάς και τα παραδοσιακά λογισμικά λειτουργούσαν ακόμη ως «προηγμένα εργαλεία»: ο προγραμματιστής ή ο αναλυτής διατηρούσε τον ευρετικό έλεγχο της διαδικασίας, γράφοντας τους κανόνες γραμμή προς γραμμή. Με τη μηχανική μάθηση (Machine Learning ) και τα σύγχρονα Μεγάλα Γλωσσικά Μοντέλα (Large Language Models), αντίθετα, ολοκληρώνεται η μετάβαση προς το γνωστικό μηχανισμό. Η εννοιολογική ικανότητα μεταφέρεται από τον ανθρώπινο χειριστή στη συσκευή: ο εργαζόμενος της γνώσης δεν προγραμματίζει πλέον τους κανόνες, αλλά παρέχει στη μηχανή ένα τεράστιο όγκο δεδομένων και έναν στόχο, αφήνοντας τον αλγόριθμο να εξάγει, να οργανώσει και να εφαρμόσει αυτόνομα τους κανόνες εξαγωγής συμπερασμάτων.

Ενώ η κλασική μηχανή αντικειμενοποίησε και αντικατέστησε τη μυϊκή δύναμη και τη χειρωνακτική δεξιότητα του εργάτη, η αλγοριθμική μηχανή επηρεάζει άμεσα την κρίση, τις συμβολικές μορφές και το σύνολο της γλωσσικής-γνωστικής παραγωγής. Μέσω της μαζικής απόσπασης δεδομένων (scraping) από τον ιστό, οι παραγωγικοί τύποι μοντέλων πραγματοποιούν μια πραγματική δημόσια προσφορά εξαγοράς ((ΔΠΕ) της ανθρώπινης γλώσσας: μεταβολίζουν την επικοινωνιακή συνεργασία της κοινωνίας και μεταφράζουν τρισεκατομμύρια σημασιολογικές σχέσεις σε μαθηματικά διανύσματα που κρυσταλλώνονται στα νευρωνικά «βάρη». Ο συλλογικός εγκέφαλος κινδυνεύει έτσι να απαλλοτριωθεί, να περιφραχθεί και να μετατραπεί σε ψηφιακό σταθερό κεφάλαιο που ελέγχεται από ελάχιστα διακρατικά ολιγοπώλια.

 

 

1. Η υβριδική οικολογία της ΤΝ: σύνθετα συστήματα, Θεωρία Δράστη - Δικτύου και ανεξέλεγκτο πλεόνασμα

Το πιο διαδεδομένο θεωρητικό σφάλμα συνίσταται στο να θεωρείται αυτή η νέα Μηχανική ως ένα σύστημα κλειστό, γραμμικό και παντοδύναμο, ικανό να πραγματοποιήσει μια οριστική πραγματική υποταγή από την οποία θα ήταν αδύνατο να ξεφύγει κανείς. Αντίθετα, η μεγάλη αλλαγή που φέρνει η Τεχνητή Νοημοσύνη δεν είναι η τυφλή επανάληψη που χαρακτηρίζει την παλιά φορντική αυτοματοποίηση, αλλά στη φύση της ως Πολύπλοκου Προσαρμοστικού Συστήματος (ένα σύστημα, δηλαδή, που μαθαίνει και αλλάζει μόνο του) . Τα βαθιά νευρωνικά δίκτυα δημιουργούν ένα πεδίο επιλογών όπου ο αλγόριθμος οργανώνεται μόνος του. Μαθαίνει μέσα από τη διαδικασία της δοκιμής και του λάθους (feedback) και εμφανίζει νέες συμπεριφορές: απαντήσεις και προβλέψεις που δεν έχουν συμπεριληφθεί ρητά από τους προγραμματιστές . Ήδη η «μηχανή» που περιέγραφε ο Μαρξ ήταν ένας δυναμικός οργανισμός που αναγκαζόταν να προσαρμόζεται συνεχώς για να καταστέλλει τις εργατικές εξεγέρσεις· η ΤΝ οδηγεί αυτή την πολυπλοκότητα στο έπακρο . Λειτουργεί με απρόβλεπτους τρόπους, στατιστικά μοτίβα και ξαφνικές αλλαγές που ξεφεύγουν εντελώς από τον ντετερμινιστικό έλεγχο των ίδιων των δημιουργών της..

Για να απομυθοποιήσουμε την ΤΝ ως άυλη οντότητα, διαχωρισμένη από τον ανθρώπινο κόσμο, πρέπει επίσης να υιοθετήσουμε την προσέγγιση της Θεωρίας Δράστη - Δικτύου (Actor-Network Theory ) του Μπρούνο Λατούρ, σε συνδυασμό με την υλική τεχνο-ανθρωπολογία. Όπως είχε ήδη κατανοήσει ο Άρνολντ Γκέλεν, δεν υφίσταται κανένας διαχωρισμός μεταξύ κοινωνικής και τεχνικής νοημοσύνης: αυτές ήταν πάντα ενοποιημένες στην ιστορία του είδους. Η ΤΝ δεν υπάρχει «in vitro» (στο δοκιμαστικό σωλήνα), αλλά λειτουργεί ως κόμβος ενός ετερογενούς κοινωνικο-τεχνικού δικτύου στο οποίο ανθρώπινα σύνολα και μη ανθρώπινες συσκευές περιπλέκονται συνεχώς, τίθενται όμως και τα δύο στην υπηρεσία του μεγάλου επιχειρηματικού κεφαλαίου υψηλού ρίσκου (venture capital) .

Αυτή η διάχυτη Μηχανή στηρίζεται σε μια γιγαντιαία βιοπολιτική και παγκόσμια υποδομή, πολύ πιο πολυεπίπεδη από την απλή διεπαφή (interface) που είναι ορατή στον χρήστη. Στην κορυφή δρα η μεγάλη  χρηματοοικονομική  αγορά– κεφάλαια  επιχειρηματικών συμμετοχών (venture capital), ιδιωτικά επενδυτικά κεφάλαια (private equity) και κεφάλαια επιχειρηματικού κινδύνου – η οποία κατευθύνει την ανάπτυξη της τεχνητής νοημοσύνης προσανατολίζοντας τις επενδύσεις και επιβάλλοντας την ταχεία εμπορευματοποίηση της επιστημονικής ανακάλυψης.

 Αυτή η ροή χρημάτων τροφοδοτεί ένα τεράστιο τεχνοεπιστημονικό συγκρότημα που αποτελείται από ερευνητικά εργαστήρια αιχμής και μια μυριάδα νεοφυών επιχειρήσεων  (startups), οι οποίες χρησιμοποιούνται από τις μεγάλες πλατφόρμες ως  εξωτερικό πεδίο πειραματισμού. Προκειμένου τα μοντέλα να μπορούν να λειτουργήσουν στην αγορά, μπαίνει στη συνέχεια στο παιχνίδι το περίπλοκο δίκτυο της ευθυγράμμισης της Τεχνητής Νοημοσύνης (AI alignment) : μια παγκόσμια αλυσίδα που συνδέει την εξειδικευμένη εργασία ερευνητών και εμπειρογνωμόνων στο red teaming και το fine-tuning – οι οποίοι έχουν αναλάβει να «τιθασεύσουν» τον αλγόριθμο και να τον ευθυγραμμίσουν με συγκεκριμένα κανονιστικά και εμπορικά πρότυπα – με τον αόρατο στρατό των εργαζομένων σε επισφαλείς συνθήκες εργασίας στον Νότο και στον Βορρά του πλανήτη (Ghost Work), οι οποίοι επισημαίνουν δεδομένα  (data labeling)  και συντονίζουν/φιλτράρουν τοξικό περιεχόμενο για να ρυθμίσουν τα νευρωνικά βάρη. Στη βάση αυτής της πυραμίδας βρίσκονται τελικά δισεκατομμύρια χρήστες, οι οποίοι παρέχουν δωρεάν την πρώτη ύλη από κείμενα, εικόνες και συναισθηματικές αντιδράσεις, καθώς και ένα κολοσσιαίο φυσικό υπόστρωμα που αποτελείται από φάρμες διακομιστών (server farm), υποβρύχια καλώδια και μια καταστροφική κατανάλωση νερού, ενέργειας και εδάφους

Ακριβώς μέσα σε αυτή την υβριδική οικολογία ξεσπά η πιο βαθιά αντίφαση. Το κεφάλαιο εκπαιδεύει την τεχνητή νοημοσύνη με έναν συγκεκριμένο σκοπό: να αιχμαλωτίσει και να μειώσει την κοινωνική πολυπλοκότητα, για να την κάνει προβλέψιμη, ποσοτικοποιήσιμη και μετατρέψιμη σε αξία. Ωστόσο, τα σύνθετα προσαρμοστικά συστήματα, όπως είναι τόσο η ΤΝ όσο και η ίδια η κοινωνία, παράγουν δομικά ανωμαλίες, «παραισθήσεις», αποκλίσεις και γκρίζες ζώνες που βραχυκυκλώνουν την αξίωση ελέγχου των τεχνολογικών ολιγοπωλίων.

 

Αυτή η τάση προς τη χαοτική κατάσταση έκτακτης ανάγκης και την ανωμαλία αποτελεί το ψηφιακό αντίστοιχο της «άρνησης της εργασίας» των εργατών: μια δύναμη εγγενής στα τεχνολογικά δίκτυα και στα κοινωνικά σύνολα που σπάει τη γραμμικότητα της διοίκησης και παράγει ένα μη κυβερνήσιμο πλεόνασμα.  Όταν οι μεγάλοι διευθύνοντες σύμβουλοι των επιχειρήσεων μιλούν για μια τεχνητή νοημοσύνη που κοντεύει να ξεφύγει από τον έλεγχο, δεν εκθέτουν απλώς ένα πραγματικό πρόβλημα, ούτε περιορίζονται στην ανάπτυξη μιας δοκιμασμένης διαφημιστικής ρητορικής τύπου Αρμαγεδδώνα,αλλά,αντίθετα, αποκαλύπτεται μια πραγματική ανησυχία, δηλαδή η καθαρά οικονομική επείγουσα ανάγκη να αναχαιτιστούν εκείνες οι δυνάμεις που είναι εγγενείς στα τεχνολογικά δίκτυα και στα κοινωνικά σύνολα, οι οποίες, παράγοντας αυθόρμητα ένα ανεξέλεγκτο πλεόνασμα, κινδυνεύουν να σπάνε συνεχώς τη γραμμικότητα της εξουσίας.

 

 

2. Η «ζωντανή Συλλογική Διάνοια»: πέρα από τον αναγωγισμό της κριτικής θεωρίας

Όταν προσπαθούμε να κατανοήσουμε την ΤΝ, συχνά περιοριζόμαστε στο να μεταφέρουμε τις εννοιολογικές αποσκευές του εικοστού αιώνα σε ένα νέο έδαφος. Οι πιο διαδεδομένες κριτικές μελέτες συνδυάζουν τη Σχολή της Φρανκφούρτης, τη γαλλική φιλοσοφία της τεχνολογίας και την αναστοχαστική κοινωνιολογία: από τον Θίοντορ Αντόρνο  κληρονομείται η κριτική της βιομηχανίας του πολιτισμού, προκειμένου να δειχθεί πώς οι αλγόριθμοι τυποποιούν το γούστο σε προβλέψιμα πρότυπα. Από τον Γκίλμπερτ Σιμοντόν δανειζόμαστε την ιδέα ότι ο καπιταλισμός εμποδίζει την τεχνολογία από το να εξελιχθεί σωστά, επειδή νοιάζεται μόνο για το κέρδος.  Από τον Πιερ Μπουρντιέ αντλούμε τα εργαλεία για να ερμηνεύσουμε την ΤΝ ως ένα πεδίο που κυριαρχείται από τις μεγάλες εταιρείες τεχνολογίας (Big Tech) και τα κεφάλαια επιχειρηματικού κινδύνου (venture capital), που μας πείθουν ότι η τεχνολογία λύνει κάθε πρόβλημα, στερώντας τελικά από τους ανθρώπους τη δυνατότητα να αποφασίζουν για τη ζωή τους.

 

Αν και η παραδοσιακή κριτική θεωρία μάς θυμίζει σωστά ότι η Τεχνητή Νοημοσύνη συνδέεται με παιχνίδια εξουσίας, κάνει ένα βασικό λάθος: την παρουσιάζει απλώς ως ένα «καθρέφτισμα» της κοινωνίας, χωρίς δική της υπόσταση ή αυτόνομη εξέλιξη. Αυτή είναι μια υπερβολικά κοινωνιολογική ματιά, που βλέπει στη μηχανή μόνο τον άνθρωπο και στον άνθρωπο μόνο ένα θύμα. Για να καταλάβουμε την ΤΝ που δρα αυτόνομα, χρειαζόμαστε μια νέα προσέγγιση που να μελετά αυτό το μείγμα ανθρώπου και μηχανής. Και σε αυτό το σημείο, η ιδέα του Μάρξ για τη «Συλλογική Διάνοια» (General Intellect) είναι πραγματικά πολύτιμη.

 

Στο Απόσπασμα για τις μηχανές των Grundrisse, ο Μαρξ προαναγγέλλει ένα στάδιο της καπιταλιστικής ανάπτυξης στο οποίο «η γενική κοινωνική γνώση, η γνώση, έχει γίνει άμεση παραγωγική δύναμη»: οι μηχανές είναι «όργανα του ανθρώπινου εγκεφάλου που δημιουργήθηκαν από το ανθρώπινο χέρι· αντικειμενοποιημένη δύναμη της γνώσης». Η  Συλλογική Διάνοια δεν είναι ούτε καθαρή ανθρώπινη προβολή ούτε ουδέτερη τεχνική δύναμη: είναι το προϊόν της ιστορικά συσσωρευμένης κοινωνικής συνεργασίας η οποία, αφού υλοποιηθεί σε τεχνικά συστήματα, αποκτά δική της δυναμική και αλληλεπιδρά με τις κοινωνικές σχέσεις.

Ωστόσο, ενώ στον Μαρξ η  Συλλογική Διάνοια θεωρούνταν ακόμη ως αποκρυσταλλωμένη κοινωνική γνώση αποθηκευμένη στο σταθερό κεφάλαιο – νεκρή εργασία, εξαιρετικά παραγωγική αλλά αδρανής χωρίς την ανθρώπινη παρέμβαση –, η σύγχρονη πρακτορική τεχνητή νοημοσύνη ( agentic AI) αντιπροσωπεύει μια ζωντανή Συλλογική Διάνοια. Δεν πρόκειται για μια απλή αποθήκη παλιών γνώσεων, αλλά για ένα κατανεμημένο δικτυακό σύστημα που μαθαίνει σε πραγματικό χρόνο από την αλληλεπίδραση με το περιβάλλον, παράγει νέες συμπεράσματα και στρατηγικές, συμμετέχει σε αγορές και διαδικασίες λήψης αποφάσεων αναδιοργανώνοντας κοινωνικά πεδία χωρίς συνεχή ανθρώπινη καθοδήγηση. Αυτή η τεράστια αλλαγή η οποία βρίσκεται ανάμεσα στα μηχανήματα (σταθερό κεφάλαιο) και τους ίδιους τους εργαζόμενους, αυτό το κβαντικό άλμα καθιστά προβληματική τη στατική διάκριση μεταξύ ζωντανής και νεκρής εργασίας, θέτοντας πρωτόγνωρα ζητήματα σχετικά με την παραγωγή πλούτου, την εκμετάλλευση, την ιδιοκτησία και τη δημοκρατία.

 

 

3. Η ενότητα του Μαρξ και η πρακτική της συλλογικής έρευνας: η οικοδόμηση των εργαλείων της χειραφέτησης

Αν οι μετασχηματισμοί στην παραγωγή, στον αστικό χώρο και στην κοινωνία έχουν την ίδια ανατρεπτική ισχή με την πρώτη βιομηχανική επανάσταση, η επιστροφή στον Μαρξ σήμερα ανταποκρίνεται σε μια ζωτική ανάγκη: να εφοδιαστούμε με αυστηρά εργαλεία συλλογικής χειραφέτησης. Το πρώτο βήμα συνίσταται στο να ξεπεραστεί η ψευδής αντίθεση μεταξύ του Μαρξ των Grundrisse και του Μαρξ του Κεφαλαίου. Δεν υπάρχει καμία επιστημολογική ρήξη, ούτε καμία υπεροχή της έννοιας της Συλλογικής Διανόησης έναντι του υπόλοιπου μαρξικού έργου: και τα δύο ανήκουν στην ίδια θεωρητική κληρονομιά.

 Στα Grundrisse ο Μαρξ συλλαμβάνει την ιστορική τάση του κεφαλαίου να μετατρέπει τη γνωστική και γλωσσική συνεργασία σε άμεση παραγωγική δύναμη· στο Κεφάλαιο αναλύει τη συγκεκριμένη και συγκρουσιακή μορφή με την οποία το κεφάλαιο προσπαθεί να εγκλωβίσει αυτή τη δύναμη μέσα στις μηχανές για να αποσπάσει υπεραξία και να πειθαρχήσει τη ζωντανή εργασία.

Σε αντίθεση με την απλή ακαδημαϊκή εφαρμογή της κριτικής θεωρίας, με τον Μαρξ ανοίγεται ένας δρόμος που συνδέει την αναλυτική μέθοδο – την αδιάσπαστη ενότητα μεταξύ διάγνωσης των δομών και πολιτικής πράξης – με την αγωνιστική πρακτική της έρευνας και της συλλογικής έρευνας. Το μεγάλο δίδαγμα του εργατισμού (από τον Ρανιέρο Πανζιέρι έως τον Ρομάνο Αλκουάτι) ορίζει πράγματι ότι η μηχανή ενσωματώνει και υλοποιεί την καπιταλιστική εξουσία, αλλά ταυτόχρονα αποδεικνύει ότι δεν μπορείς να πολεμήσεις έναν αόρατο αφεντικό χωρίς να αποκωδικοποιήσεις την τεχνική του αρχιτεκτονική. Στην εποχή της γνωσιακής Μηχανής, τα εργαλεία της χειραφέτησης διαρθρώνονται κατά μήκος τριών επιχειρησιακών κατευθύνσεων :

1. Η αλγοριθμική συλλογική έρευνα και η επαναοικειοποίηση του ψηφιακού σταθερού κεφαλαίου: η επικαιροποίηση της συλλογικής έρευνας σήμερα σημαίνει τη διερεύνηση από τα μέσα του τρόπου με τον οποίο η αλγοριθμική Συλλογική Διάνοια αναδιοργανώνει τους χώρους εργασίας, τις μητροπόλεις και την καθημερινή ζωή. Σημαίνει το άνοιγμα των «μαύρων κουτιών» της αλγοριθμικής διαχείρισης,την κοινωνικοποίηση των κατακερματισμένων δεδομένων των εργαζομένων και των χρηστών σε κοινά αγαθά (data commons), την ανάστροφη σχεδίαση ( reverse engineering ) των δεικτών εκμετάλλευσης και την εκπαίδευση ανοιχτών μοντέλων από τα κάτω, με σκοπό την εξάλειψη της γνωστικής ασυμμετρίας απέναντι στα τεχνολογικά ολιγοπώλια.

2. Η αξιοποίηση των συστημικών ρωγμών: επειδή η  Συλλογική Διάνοια είναι από τη φύση της μια  ιδιότητα κατανεμημένου και μη γραμμικού δικτύου, υπερβαίνει συνεχώς τη μορφή της ιδιωτικοποίησης. Η εκμετάλλευση των ανωμαλιών, των απρόβλεπτων αλυσιδωτών, μη αναμενόμενων συνέπειών (ripple effects) μεγάλων γεγονότων και των σημείων ρήξης που δημιουργεί η ΤΝ ως σύνθετο προσαρμοστικό σύστημα μας επιτρέπει να μπλοκάρουμε τους μηχανισμούς εξαγωγής της αξίας και να εισάγουμε τη σύγκρουση στα σημεία συμφόρησης της εφοδιαστικής αλυσίδας και των συστημάτων υπολογισμού.

3. Η αναδυόμενη τεχνολογική αυτοοργάνωση ενάντια στην τεχνοκρατική διεύθυνση: όπως υπενθύμιζε η Ρόζα Λούξεμπουργκ στην ομιλία της για το πρόγραμμα της 31ης Δεκεμβρίου 1918:

«Ο σοσιαλισμός δεν δημιουργείται και δεν μπορεί να δημιουργηθεί μέσω διαταγμάτων, ούτε καν από μια σοσιαλιστική κυβέρνηση υψηλού επιπέδου.»

Η Λούξεμπουργκ απέρριπτε την ιδέα ότι ένα σύνθετο σύστημα όπως είναι μια νέα κοινωνία, θα μπορούσε να προγραμματιστεί από τα πάνω, από μια κεντρική επιτροπή ή από έναν κρατικό αλγόριθμο. Η χειραφέτηση είναι μια αναδυόμενη ιδιότητα που πηγάζει από τις μικρο-αλληλεπιδράσεις της βάσης, τη συλλογική έρευνα και από τη ζωντανή σύγκρουση οι οποίες στα σύνθετα συστήματα ανεβαίνουν προς τα πάνω. Το να αποδεχτούμε την πρόσκληση του Ζανγκ Γιμπίνγκ – Back to Marx ! – σημαίνει να σφυρηλατήσουμε, μέσω της συλλογικής έρευνας, τα όπλα για να επιστρέψουμε το πλεόνασμα της συλλογικής γνώσης στην αυτόνομη χρήση της κοινωνίας: ακριβώς επειδή, όπως έγραφε ο Μαρξ στο Κεφάλαιο, «Δεν υπάρχει βασιλική λεωφόρος για την επιστήμη, και μόνο εκείνοι που δεν φοβούνται το κουραστικό σκαρφάλωμα στα απότομα μονοπάτια της έχουν πιθανότητα να φτάσουν στις φωτεινές κορυφές της».

 

 

 

Βασική βιβλιογραφία

Adorno, T.W., Horkheimer, M., Διαλεκτική του Διαφωτισμού, μετάφραση στα ιταλικά: R. Solmi, Einaudi, Τορίνο 1966.

Alquati, R., Σχετικά με τη Fiat και άλλα κείμενα, Feltrinelli, Μιλάνο 1975.

Bourdieu, P., Η πρακτική λογική, μετάφραση στα ιταλικά από τον M. Serra, Armando Editore, Ρώμη 2005.

Crawford, K., Ούτε έξυπνη ούτε τεχνητή. Η σκοτεινή πλευρά της τεχνητής νοημοσύνης, μετάφραση στα ιταλικά από τον V.B. Sala, il Mulino, Μπολόνια 2021.

Gehlen, A., Ο άνθρωπος στην εποχή της τεχνολογίας. Κοινωνικοψυχολογικά προβλήματα του βιομηχανικού πολιτισμού, μετάφραση στα ιταλικά από τον A. Farina, SugarCo, Μιλάνο 1984.

Gray, M.L., Suri, S., Ghost Work: Πώς να εμποδίσουμε τη Σίλικον Βάλεϊ να δημιουργήσει μια νέα παγκόσμια  κατώτερη τάξη, Houghton Mifflin Harcourt, Βοστώνη 2019.

Latour, B., Η επιστήμη σε δράση. Εισαγωγή στην κοινωνιολογία της επιστήμης, ιταλική μετάφραση του M. Ciardi, Edizioni di Comunità, Τορίνο 1998.

Luxemburg, R., Ομιλία για το πρόγραμμα, στο: Ead., Πολιτικά κείμενα, επιμέλεια L. Basso, Editori Riuniti, Ρώμη 1976, σ. 589-612.

Μαρξ, Κ., Βασικές γραμμές της Κριτικής της Πολιτικής Οικονομίας (Grundrisse), 2 τόμοι, ιταλική μετάφραση του Ε. Γκρίλο, La Nuova Italia, Φλωρεντία 1968-1970.

Μαρξ, Κ., Το Κεφάλαιο. Κριτική της Πολιτικής Οικονομίας, Τόμος Ι, ιταλική μετάφραση του Δ. Καντιμόρι, Editori Riuniti, Ρώμη 1980.

Mauss, M., Δοκίμιο για το δώρο. Μορφή και κίνητρο της ανταλλαγής στις αρχαϊκές κοινωνίες, ιταλική μετάφραση του F. Zannino, Einaudi, Τορίνο 2002.

Panzieri, R., Σχετικά με την καπιταλιστική χρήση των μηχανών στον νεοκαπιταλισμό, στο «Quaderni Rossi», αρ. 1, 1961, σ. 53-72.

Simondon, G., Ο τρόπος ύπαρξης των τεχνικών αντικειμένων, ιταλική μετάφραση του C. Fiorz, Manifestolibri, Ρώμη 2020.

Zhang, Y., Επιστροφή στον Μαρξ: Αλλαγές του φιλοσοφικού λόγου στο εναλλακτικό ιστορικό πλαίσιο, Universitätsverlag Göttingen, Γκέτινγκεν 2014.

 [----->]

 


 

ΤΩΡΑ, ΗΣΥΧΑΣΑΜΕ!

 

Μελέτη του MIT διαπιστώνει ότι οι άνθρωποι είναι πιο φθηνοί από την ΤΝ (τεχνητή νοημοσύνη,Α.Ι.) στη συντριπτική πλειονότητα των θέσεων εργασίας

 

Οι ερευνητές μοντελοποίησαν την αποτελεσματικότητα του κόστους της αυτοματοποίησης διαφόρων εργασιών στις ΗΠΑ, εστιάζοντας σε θέσεις εργασίας όπου χρησιμοποιείται η μηχανική όραση (computer vision), σε μια από τις πρώτες εμπεριστατωμένες μελέτες σχετικά με τη σκοπιμότητα της αντικατάστασης θέσεων εργασίας από την ΤΝ.

 

Το Τεχνολογικό Ινστιτούτο της Μασαχουσέτης (ΜΙΤ) διαπίστωσε ότι μόνο το 23% των εργαζομένων θα μπορούσε να αντικατασταθεί αποτελεσματικά, ενώ σε άλλες περιπτώσεις, επειδή η οπτική αναγνώριση με τη βοήθεια της ΤΝ είναι ακριβή στην εγκατάσταση και τη λειτουργία, οι άνθρωποι κάνουν την ίδια δουλειά φθηνότερα.

 

Σε αντίθεση με όσα ειπώθηκαν  την περασμένη εβδομάδα στο Παγκόσμιο Οικονομικό Φόρουμ στο Νταβός - όπου ο συνιδρυτής της Inflection AI και της DeepMind της Google, Mustafa Suleyman, δήλωσε ότι τα συστήματα ΤΝ είναι "βασικά εργαλεία αντικατάστασης της εργασίας".

 

Έτσι λοιπόν, οι μηχανές θα κλέβουν τις δουλειές μας αλλά δεν θα είναι οικονομικά βιώσιμες ή πολύ καλές σε αυτές... πόσο καθησυχαστικό. 🤬

 

Rise of the Global South στο Telegram

Τεχνητή Νοημοσύνη Μύθος και Πραγματικότητα

Νίκος Στραβελάκης                          

Την περασμένη εβδομάδα η «τεχνητή νοημοσύνη» είχε την τιμητική της. Η κεντρική τράπεζα των ΗΠΑ (FED) είχε διήμερο διαδικτυακό συμπόσιο για την εφαρμογή στις τράπεζες. Από κοντά και ο Σύνδεσμος Ελληνικών Βιομηχανιών διεξήγαγε ημερίδα για τις εφαρμογές της «τεχνητής νοημοσύνης» στη βιομηχανία. Η «τεχνητή νοημοσύνη» είναι το κεντρικό στοιχείο του αφηγήματος των κυρίαρχων τάξεων για την αντιμετώπιση της κρίσης. Θεωρούν ότι θα πυροδοτήσει μια νέα (πέμπτη) βιομηχανική επανάσταση η οποία θα μειώσει σημαντικά τις τιμές των εμπορευμάτων ενώ παράλληλα θα περιορίσει σημαντικά και το επενδυτικό κόστος. Αυτό πέρα από την αύξηση των αποδόσεων (ποσοστού κέρδους) θα οδηγήσει, σύμφωνα με τους υποστηρικτές του αφηγήματος και, σε «εκδημοκρατισμό» του συστήματος. Το «ανθρώπινο κεφάλαιο», η «εφευρετικότητα», τα start ups θα καταστούν σημαντικότερα από το συσσωρευμένο πλούτο ανοίγοντας έτσι «παράθυρο ευκαιρίας» για τους νέους. Παρόλο που ο οικονομικός ρεαλισμός του αφηγήματος αμφισβητείται τόσο από ετερόδοξους αλλά και ορθόδοξους οικονομολόγους η ένταση με την οποία προβάλλεται κάνει αναγκαία την βαθύτερη επισκόπησή του.

Το πρώτο και βασικό ερώτημα είναι τι είναι τέλος πάντων η τεχνητή νοημοσύνη; Είναι η δυνατότητα εκμάθησης ηλεκτρονικών υπολογιστών και μηχανημάτων γενικότερα ώστε να μπορούν να λαμβάνουν αποφάσεις. Τι σημαίνει αυτό στη πράξη; Σημαίνει ότι σε ένα ηλεκτρονικό υπολογιστή παρέχονται δεδομένα και ένας αλγόριθμός επεξεργασίας τους που επιτρέπει την λήψη αποφάσεων από τον υπολογιστή. Παραδείγματος χάριν, η βασική εφαρμογή τεχνητής νοημοσύνης για τις τράπεζες που παρουσιάσθηκε στο  συμπόσιο της FED ήταν διαφορετικοί αλγόριθμοι επεξεργασίας δεδομένων για την αποδοχή ή απόρριψη δανειακών αιτήσεων. Οι εφαρμογές είναι δύο τύπων.  Χρησιμοποιούν είτε έναν «κλειστό αλγόριθμο» (black box) είτε κάποιον αλγόριθμό «στατιστικής εκμάθησης». Στην πρώτη περίπτωση δεν ξέρουμε πώς ο υπολογιστής καταλήγει  σε αποδοχή ή απόρριψη μιας αίτησης. Ο μόνος τρόπος να ελεγχθεί η διαδικασία είναι με ένα δεύτερο μοντέλο που να βγάζει διαφορετικό αποτέλεσμα και την αξιολόγησή τους μέσω της συμπεριφοράς των δανειοληπτών. Είναι μια ανορθόδοξη μέθοδος που μπορεί να οδηγήσει σε τελείως λανθασμένες αποφάσεις ιδιαίτερα στο σημερινό περιβάλλον των «κόκκινων δανείων».

Η διαδικασία της «στατιστικής εκμάθησης» είναι πιο βατή με την έννοια ότι ο υπολογιστής αναζητά τις συσχετίσεις δεδομένων (οικονομικών και άλλων) του επίδοξου δανειολήπτη από τη βάση δεδομένων των δανειοληπτών. Άρα μπορούμε να παρακολουθήσουμε πώς ο υπολογιστής έλαβε την μια ή την άλλη απόφαση. Το πρόβλημα είναι ότι δεν υπάρχει καμία θεωρία αναφορικά με τις συσχετίσεις που επιλέγει ο υπολογιστής. Αυτό σημαίνει ότι μπορεί να επιλέξει «ψευδοσυσχετίσεις» και το χειρότερο να απορρίψει ή να εγκρίνει δάνεια με κριτήρια εθνικότητας, φύλλου κλπ.. Με άλλα λόγια ο υπολογιστής μπορεί επιβάλλει πρακτικές με ρατσιστικό ή σεξιστικό περιεχόμενο.

Τα παραδείγματα, από τη βιομηχανία προέρχονται επίσης από τη θεωρία της «στατιστικής εκμάθησης». Αφορούσαν, π.χ. την παρακολούθηση μια αυτόματης γραμμής παραγωγής ξυριστικών μηχανών της Ολλανδικής εταιρείας Philips. Ο υπολογιστής συσχετίζει κάποια επαναλαμβανόμενα μοτίβα στη συμπεριφορά της γραμμής παραγωγής με την εμφάνιση βλαβών και ειδοποιεί τον επιστάτη. Το πρόβλημα είναι ότι η διαδικασία είναι στατιστική και συχνά η ειδοποίηση δεν σημαίνει και βλάβη.

Οι πιο επικίνδυνες εφαρμογές που συζητήθηκαν είναι εκείνες που αφορούν τις υπηρεσίες υγείας. Για να περιορίσουν τους γιατρούς και τους νοσηλευτές στις βάρδιες επεξεργάζονται εφαρμογές τεχνητής νοημοσύνης που ξεχωρίζουν π.χ. τις ακτινογραφίες ασθενών και δείχνουν στο γιατρό εκείνες που ο υπολογιστής θεωρεί ότι επισημαίνουν νόσο. Καταλαβαίνετε τι λάθη μπορεί να προκύψουν από μια τέτοια διαδικασία. Τέλος, ένας εισηγητής στο συμπόσιο της FED έδειξε διάλογο ανθρώπου με ψυχολογικά προβλήματα με υπολογιστή που έπαιζε το ρόλο των παλιών τηλεφώνων υποστήριξης. Από την οθόνη που μας παρουσίασε, ο παθών ρωτούσε αν πρέπει να αυτοκτονήσει και ο υπολογιστής του απάντησε «νομίζω πως ναι».

Είναι σαφές ότι η εξέλιξη της όλης διαδικασίας απέχει παρασάγγες από αυτό που κάποιος θα ονόμαζε βιομηχανική ή τεχνολογική επανάσταση. Με άλλα λόγια είναι περισσότερο μύθος παρά πραγματικότητα. Σε αυτό συμφωνούν όλοι σχεδόν οι οικονομολόγοι. Το δεύτερο στοιχείο είναι ότι όπου προσπαθεί να εφαρμοστεί η τεχνητή νοημοσύνη αποσκοπεί κυρίως είτε στην αντικατάσταση ανθρώπων από μηχανές (π.χ. στις εφαρμογές ιατρικής φροντίδας) είτε το κυριότερο στην απο-ειδίκευση εξειδικευμένης εργασίας. Οι εγκριτικοί μηχανισμοί των τραπεζικών δανείων για παράδειγμα απαιτούν στελέχη με γνώσεις και εμπειρία. Με την εφαρμογή τεχνητής νοημοσύνης τη διαδικασία θα την υλοποιούν απλοί υπάλληλοι.

Όμως αυτό μπορεί να οδηγήσει σε καταστροφές. Ο λόγος είναι ότι όλες οι εφαρμογές τεχνητής νοημοσύνης βασίζονται στην υπόθεση ότι το μέλλον είναι μια τυχαία επανάληψη καταστάσεων του παρελθόντος. Αυτό δεν είναι σωστό ακόμη και για ελεγχόμενες διαδικασίες όπως η παραγωγή ξυριστικών μηχανών όπου συγκεκριμένα μοτίβα άλλες φορές υποκρύπτουν και άλλες δεν υποκρύπτουν βλάβη. Για αυτό το λόγο έχουμε την επιστημονική θεωρία όπου προσπαθούμε να εξηγήσουμε τα πράγματα και όχι απλά να τα συσχετίσουμε όπως κάνει η «τεχνητή νοημοσύνη». Αυτός είναι και ο λόγος που η εργασία είναι και θα παραμείνει ο βασικός μηχανισμός ανταλλαγής/ επικοινωνίας του ανθρώπου με τη φύση και το θέμα είναι να απελευθερωθεί από τα δεσμά του κινήτρου του κέρδους. Με άλλα λόγια σοσιαλισμός της τεχνολογίας δεν υπάρχει. Όταν υπάρξει θα είναι έργο της ανθρώπινης δράσης «τέκνο της ανάγκης και ώριμο τέκνο της οργής».                                      

Τεχνητή Νοημοσύνη Μύθος και Πραγματικότητα

 του Νίκου Στραβελάκη

Την περασμένη εβδομάδα η «τεχνητή νοημοσύνη» είχε την τιμητική της. Η κεντρική τράπεζα των ΗΠΑ (FED) είχε διήμερο διαδικτυακό συμπόσιο για την εφαρμογή στις τράπεζες. Από κοντά και ο Σύνδεσμος Ελληνικών Βιομηχανιών διεξήγαγε ημερίδα για τις εφαρμογές της «τεχνητής νοημοσύνης» στη βιομηχανία. Η «τεχνητή νοημοσύνη» είναι το κεντρικό στοιχείο του αφηγήματος των κυρίαρχων τάξεων για την αντιμετώπιση της κρίσης. Θεωρούν ότι θα πυροδοτήσει μια νέα (πέμπτη) βιομηχανική επανάσταση η οποία θα μειώσει σημαντικά τις τιμές των εμπορευμάτων ενώ παράλληλα θα περιορίσει σημαντικά και το επενδυτικό κόστος. 

Αυτό πέρα από την αύξηση των αποδόσεων (ποσοστού κέρδους) θα οδηγήσει, σύμφωνα με τους υποστηρικτές του αφηγήματος και, σε «εκδημοκρατισμό» του συστήματος.Το «ανθρώπινο κεφάλαιο», η «εφευρετικότητα», τα start ups θα καταστούν σημαντικότερα από το συσσωρευμένο πλούτο ανοίγοντας έτσι «παράθυρο ευκαιρίας» για τους νέους. Παρόλο που ο οικονομικός ρεαλισμός του αφηγήματος αμφισβητείται τόσο από ετερόδοξους αλλά και ορθόδοξους οικονομολόγους η ένταση με την οποία προβάλλεται κάνει αναγκαία την βαθύτερη επισκόπησή του.

Το πρώτο και βασικό ερώτημα είναι τι είναι τέλος πάντων η τεχνητή νοημοσύνη; Είναι η δυνατότητα εκμάθησης ηλεκτρονικών υπολογιστών και μηχανημάτων γενικότερα ώστε να μπορούν να λαμβάνουν αποφάσεις. Τι σημαίνει αυτό στη πράξη; 

Σημαίνει ότι σε ένα ηλεκτρονικό υπολογιστή παρέχονται δεδομένα και ένας αλγόριθμός επεξεργασίας τους που επιτρέπει την λήψη αποφάσεων από τον υπολογιστή. Παραδείγματος χάριν, η βασική εφαρμογή τεχνητής νοημοσύνης για τις τράπεζες που παρουσιάσθηκε στο  συμπόσιο της FED ήταν διαφορετικοί αλγόριθμοι επεξεργασίας δεδομένων για την αποδοχή ή απόρριψη δανειακών αιτήσεων. Οι εφαρμογές είναι δύο τύπων.

 Χρησιμοποιούν είτε έναν «κλειστό αλγόριθμο» (black box) είτε κάποιον αλγόριθμό «στατιστικής εκμάθησης». Στην πρώτη περίπτωση δεν ξέρουμε πώς ο υπολογιστής καταλήγει  σε αποδοχή ή απόρριψη μιας αίτησης. Ο μόνος τρόπος να ελεγχθεί η διαδικασία είναι με ένα δεύτερο μοντέλο που να βγάζει διαφορετικό αποτέλεσμα και την αξιολόγησή τους μέσω της συμπεριφοράς των δανειοληπτών. Είναι μια ανορθόδοξη μέθοδος που μπορεί να οδηγήσει σε τελείως λανθασμένες αποφάσεις ιδιαίτερα στο σημερινό περιβάλλον των «κόκκινων δανείων».

Η διαδικασία της «στατιστικής εκμάθησης» είναι πιο βατή με την έννοια ότι ο υπολογιστής αναζητά τις συσχετίσεις δεδομένων (οικονομικών και άλλων) του επίδοξου δανειολήπτη από τη βάση δεδομένων των δανειοληπτών. Άρα μπορούμε να παρακολουθήσουμε πώς ο υπολογιστής έλαβε την μια ή την άλλη απόφαση. Το πρόβλημα είναι ότι δεν υπάρχει καμία θεωρία αναφορικά με τις συσχετίσεις που επιλέγει ο υπολογιστής. Αυτό σημαίνει ότι μπορεί να επιλέξει «ψευδοσυσχετίσεις» και το χειρότερο να απορρίψει ή να εγκρίνει δάνεια με κριτήρια εθνικότητας, φύλλου κλπ.. Με άλλα λόγια ο υπολογιστής μπορεί επιβάλλει πρακτικές με ρατσιστικό ή σεξιστικό περιεχόμενο.

Τα παραδείγματα, από τη βιομηχανία προέρχονται επίσης από τη θεωρία της «στατιστικής εκμάθησης». Αφορούσαν, π.χ. την παρακολούθηση μια αυτόματης γραμμής παραγωγής ξυριστικών μηχανών της Ολλανδικής εταιρείας Philips. Ο υπολογιστής συσχετίζει κάποια επαναλαμβανόμενα μοτίβα στη συμπεριφορά της γραμμής παραγωγής με την εμφάνιση βλαβών και ειδοποιεί τον επιστάτη. Το πρόβλημα είναι ότι η διαδικασία είναι στατιστική και συχνά η ειδοποίηση δεν σημαίνει και βλάβη.

Οι πιο επικίνδυνες εφαρμογές που συζητήθηκαν είναι εκείνες που αφορούν τις υπηρεσίες υγείας. Για να περιορίσουν τους γιατρούς και τους νοσηλευτές στις βάρδιες επεξεργάζονται εφαρμογές τεχνητής νοημοσύνης που ξεχωρίζουν π.χ. τις ακτινογραφίες ασθενών και δείχνουν στο γιατρό εκείνες που ο υπολογιστής θεωρεί ότι επισημαίνουν νόσο. Καταλαβαίνετε τι λάθη μπορεί να προκύψουν από μια τέτοια διαδικασία. Τέλος, ένας εισηγητής στο συμπόσιο της FED έδειξε διάλογο ανθρώπου με ψυχολογικά προβλήματα με υπολογιστή που έπαιζε το ρόλο των παλιών τηλεφώνων υποστήριξης. Από την οθόνη που μας παρουσίασε, ο παθών ρωτούσε αν πρέπει να αυτοκτονήσει και ο υπολογιστής του απάντησε «νομίζω πως ναι».

Είναι σαφές ότι η εξέλιξη της όλης διαδικασίας απέχει παρασάγγες από αυτό που κάποιος θα ονόμαζε βιομηχανική ή τεχνολογική επανάσταση. Με άλλα λόγια είναι περισσότερο μύθος παρά πραγματικότητα. Σε αυτό συμφωνούν όλοι σχεδόν οι οικονομολόγοι. Το δεύτερο στοιχείο είναι ότι όπου προσπαθεί να εφαρμοστεί η τεχνητή νοημοσύνη αποσκοπεί κυρίως είτε στην αντικατάσταση ανθρώπων από μηχανές (π.χ. στις εφαρμογές ιατρικής φροντίδας) είτε το κυριότερο στην απο-ειδίκευση εξειδικευμένης εργασίας. Οι εγκριτικοί μηχανισμοί των τραπεζικών δανείων για παράδειγμα απαιτούν στελέχη με γνώσεις και εμπειρία. Με την εφαρμογή τεχνητής νοημοσύνης τη διαδικασία θα την υλοποιούν απλοί υπάλληλοι.

Όμως αυτό μπορεί να οδηγήσει σε καταστροφές. Ο λόγος είναι ότι όλες οι εφαρμογές τεχνητής νοημοσύνης βασίζονται στην υπόθεση ότι το μέλλον είναι μια τυχαία επανάληψη καταστάσεων του παρελθόντος. Αυτό δεν είναι σωστό ακόμη και για ελεγχόμενες διαδικασίες όπως η παραγωγή ξυριστικών μηχανών όπου συγκεκριμένα μοτίβα άλλες φορές υποκρύπτουν και άλλες δεν υποκρύπτουν βλάβη. Για αυτό το λόγο έχουμε την επιστημονική θεωρία όπου προσπαθούμε να εξηγήσουμε τα πράγματα και όχι απλά να τα συσχετίσουμε όπως κάνει η «τεχνητή νοημοσύνη». 

Αυτός είναι και ο λόγος που η εργασία είναι και θα παραμείνει ο βασικός μηχανισμός ανταλλαγής/ επικοινωνίας του ανθρώπου με τη φύση και το θέμα είναι να απελευθερωθεί από τα δεσμά του κινήτρου του κέρδους. Με άλλα λόγια σοσιαλισμός της τεχνολογίας δεν υπάρχει.Όταν υπάρξει θα είναι έργο της ανθρώπινης δράσης «τέκνο της ανάγκης και ώριμο τέκνο της οργής».