Η παρακμή της σκέψης στην εποχή της ΑΙ και γιατί η τεχνητή νοημοσύνη δεν είναι το μέλλον της γνώσης

Σε μια εποχή που η επιστήμη κινδυνεύει να μετατραπεί σε αριθμητικό παιχνίδι παραγωγής, ένα άρθρο του καθηγητή Ψυχολογίας Steven R. Shaw που διαβάσαμε στο Psychology Today έρχεται ως καμπανάκι. Μια ψύχραιμη αλλά ριζική αμφισβήτηση της αδιάκριτης υιοθέτησης τεχνητής νοημοσύνης στην ερευνητική και πανεπιστημιακή καθημερινότητα. Και εμείς, με τη σειρά μας, το αναμεταδίδουμε. Όχι για να ανακόψουμε την τεχνολογική πρόοδο, αλλά για να υπερασπιστούμε το ανθρώπινο μέτρο. Γιατί χωρίς κρίση, φαντασία και ευθύνη, η ακαδημαϊκή γνώση γίνεται απλώς περιτύλιγμα εντυπώσεων.

Ο Shaw, μέσα από ένα καθαρόαιμα στοχαστικό άρθρο, αναρωτιέται τι σημαίνει να είσαι ακαδημαϊκός στον 21ο αιώνα. Και κυρίως: τι σημαίνει να είσαι άνθρωπος μέσα στην επιστήμη. Γιατί όσο η τεχνολογία υπόσχεται συντομεύσεις, ταχύτητα και αποδοτικότητα, τόσο αυξάνεται ο κίνδυνος να χαθεί το βασικότερο χαρακτηριστικό της γνώσης: η εσωτερική της αναγκαιότητα. Όχι απλώς η παραγωγή πληροφορίας, αλλά η δημιουργία νοήματος.

Η χρήση της ΤΝ σε πανεπιστήμια και ερευνητικά κέντρα βαφτίζεται «αναπόφευκτη». Όσοι δεν την ακολουθούν χαρακτηρίζονται ξεπερασμένοι. Ίσως, όπως λέει κι ο ίδιος ο συγγραφέας, να είναι όντως «μοιραία», όπως η βιομηχανοποίηση της υφαντουργίας. Αλλά η έννοια του «μοιραίου» είναι αφήγημα, όχι δεδομένο. Και πίσω από κάθε αφήγημα, υπάρχει συμφέρον. Γιατί πίσω από κάθε Μεγάλο Γλωσσικό Μοντέλο (LLM) δεν βρίσκεται κάποια ανώτερη ουδετερότητα, αλλά μια εταιρεία, μια εμπορική στρατηγική, μια οικονομία που προτάσσει το φαινομενικό έναντι του ουσιώδους.

Ευφυΐα και τεχνητή νοημοσύνη: Μπορείς να γίνεις πιο έξυπνος αν σκέφτεσαι λιγότερο;

Μπορούν τα chatbots τεχνητής νοημοσύνης να επιδεινώσουν την ψυχική υγεία;

Τι είναι τα Μεγάλα Γλωσσικά Μοντέλα (LLMs);

Τα Μεγάλα Γλωσσικά Μοντέλα (Large Language Models - LLMs) είναι αλγόριθμοι τεχνητής νοημοσύνης που έχουν εκπαιδευτεί σε τεράστιες ποσότητες κειμένων (βιβλία, άρθρα, ιστοσελίδες) και έχουν σχεδιαστεί για να παράγουν ανθρώπινο λόγο, προβλέποντας στατιστικά ποια λέξη ταιριάζει καλύτερα στη συνέχεια μιας πρότασης.

Παραδείγματα: ChatGPT, Google Gemini, Copilot, Grok κ.ά.

Δεν «καταλαβαίνουν». Δεν «γνωρίζουν». Προβλέπουν.

Τα LLMs δεν είναι ουδέτερα εργαλεία. Παράγουν λόγο χωρίς συνείδηση, αναπαράγουν ιδέες χωρίς κατανόηση, συνθέτουν γνώση χωρίς κρίση. Οι λέξεις που προσφέρουν μοιάζουν αληθινές, αλλά είναι προϊόν πιθανοτήτων. Προβλέψεις, όχι σκέψεις. Το μοντέλο δεν γνωρίζει τι λέει –μαντεύει τι θα έλεγε κάποιος άλλος. Και το πρόβλημα δεν είναι μόνο η λογοκλοπή χωρίς αναφορές. Είναι ότι ο λόγος χάνει την προέλευσή του. Και μαζί της, την ευθύνη.

Η πληροφορία που τροφοδοτεί τα LLMs είναι, τις περισσότερες φορές, επιστημονικά άρθρα χωρίς συναινέσεις, βιβλιογραφία υπό «εύλογη χρήση», και –το πιο συχνό– υλικό από φόρουμ, social media και σχόλια στο YouTube. Μια τεράστια μηχανή που φιλτράρει τον παγκόσμιο δημόσιο λόγο και τον συμπιέζει σε προτάσεις που «φαίνονται σωστές». Και αυτή ακριβώς είναι η παγίδα: η εντύπωση της εγκυρότητας. Όχι η ακρίβεια, αλλά η αίσθηση της ακρίβειας.

Η πανεπιστημιακή κοινότητα, ήδη πιεσμένη από την απαίτηση της «παραγωγικότητας», βρίσκει στα εργαλεία ΑΙ μια δελεαστική συντόμευση: πιο γρήγορα abstracts, περισσότερες δημοσιεύσεις, πιο καλογραμμένες προτάσεις για χρηματοδότηση. Αλλά ποιος είναι ο σκοπός της επιστήμης; Να παράγει περισσότερο ή να στοχάζεται βαθύτερα; Να υποτάσσεται σε KPI ή να διευρύνει τον ανθρώπινο ορίζοντα;

Ο επιστήμονας δεν είναι γραφιάς. Δεν είναι μηχανή παραγωγής PDF. Είναι ερευνητής, δημιουργός, κριτής του κόσμου και του εαυτού του. Η χρήση ΑΙ ως συντομευτικό εργαλείο μπορεί να μοιάζει πρακτική αλλά συντομεύεις από τι; Από τον κόπο της σκέψης; Από το άλγος της ανακάλυψης; Από τη συναισθηματική εμπλοκή με το αντικείμενο; Από την ίδια την αναμέτρηση με το άγνωστο;

Δεν είμαστε κατά της τεχνολογίας. Ούτε κατά της χρήσης εργαλείων που μπορούν να βοηθήσουν στην οργάνωση, την αναζήτηση, την κατανόηση. Όμως άλλο η εργαλειοποίηση –και άλλο η υποκατάσταση. Η χρήση της AI στην ακαδημαϊκή καθημερινότητα πρέπει να παραμένει ενσυνείδητη, περιορισμένη, επικουρική. Πρέπει να διατηρεί τη θέση της ως εργαλείο, όχι ως αυθεντία.

Γιατί υπάρχει κάτι που η τεχνητή νοημοσύνη δεν θα μπορέσει ποτέ να μιμηθεί: το υπαρξιακό ρίγος της σκέψης. Το πάθος της ερώτησης. Τη μοναξιά της έρευνας. Την ευθύνη του συμπεράσματος. Τον φόβο του λάθους. Τη χαρά της αποκάλυψης. Τη φθορά της αμφιβολίας. Την αναμέτρηση με την ανθρώπινη συνθήκη.

Το άρθρο του Steven R. Shaw, μακριά από τον πανικό και τον μηδενισμό, είναι μια νηφάλια υπεράσπιση της ουσίας. Και εμείς, με τη σειρά μας, συμφωνούμε γιατί θέλουμε να προστατεύσουμε το δικαίωμα του ανθρώπου να παράγει νόημα.