Ο Ιδιοφυής που Ίσως Έκανε Λάθος

Πρέπει να σας πω κάτι που με εξέπληξε πραγματικά αυτή την εβδομάδα. Με έκανε να σκέφτομαι την τεχνητή νοημοσύνη με εντελώς διαφορετικό τρόπο.

Για δεκαετίες, μετράμε την πρόοδο της AI με βάση μια ιδέα που είχε ο Alan Turing το 1950. Το διάσημο «παιχνίδι της μίμησης» — αυτό που σήμερα λέμε Turing Test — έλεγε πως αν ένας υπολογιστής μπορούσε να μας πείσει ότι είναι άνθρωπος, τότε θα «σκεφτόταν».

Ακούγεται λογικό, έτσι δεν είναι;

Λοιπόν, σύμφωνα με τον Peter J. Denning, έναν σοβαρό επιστήμονα υπολογιστών που μόλις κυκλοφόρησε βιβλίο με τίτλο «Turing's Mistake: Escaping the Yoke of Unintelligent Machines», ίσως κυνηγάμε το λάθος όνειρο εδώ και 75 χρόνια.

Και ειλικρινά; Διαβάζοντας τα επιχειρήματά του, νομίζω ότι έχει βρει κάτι βαθύ.

Το Πρόβλημα του Σώματος (Ναι, Έχει Σημασία)

Αυτή είναι η πρώτη υπόθεση που νομίζει ο Denning ότι ο Turing πήρε λάθος: η ιδέα ότι η νοημοσύνη μπορεί να υπάρξει χωρίς σώμα.

Σκεφτείτε το για μια στιγμή. Προσπαθούμε να αναπαράγουμε ανθρώπινη νοημοσύνη μέσα σε υπολογιστές — καθαρό λογισμικό, που αιωρείται στον ψηφιακό χώρο. Αλλά ο Denning υποστηρίζει ότι αυτό είναι σαν να προσπαθείς να καταλάβεις την κολύμβηση μελετώντας τα μόρια του νερού. Λείπει κάτι ουσιαστικό.

Όταν εσύ κι εγώ κινούμαστε στον κόσμο, δεν επεξεργαζόμαστε απλά πληροφορίες. Νιώθουμε πράγματα. Αισθανόμαστε τη θερμοκρασία, την υφή μιας χειρολαβής, την ελαφριά αστάθεια όταν πατάμε σε ανώμαλο πεζοδρόμιο. Όλη αυτή η σωματική εμπειρία διαμορφώνει το πώς σκεφτόμαστε, συλλογιζόμαστε, κατανοούμε.

Ο Denning επισημαίνει ότι τα σώματά μας δεν είναι απλά οχήματα που μεταφέρουν τον εγκέφαλο. Είναι αναπόσπαστο κομμάτι του τρόπου που σκεφτόμαστε.

Και να που κάτι ακόμα — αυτή δεν είναι κάποια παράξενη ιδέα. Φιλόσοφοι μιλούν για «ενσωματωμένη νόηση» εδώ και χρόνια. Αλλά η έρευνα στην AI την έχει αγνοήσει σε μεγάλο βαθμό, προτιμώντας τις καθαρά υπολογιστικές προσεγγίσεις.

Το Παζλ της Σιωπηλής Γνώσης

Εδώ τα πράγματα γίνονται πραγματικά ενδιαφέροντα (και λίγο φιλοσοφικά, αλλά υπόσχομαι να παραμείνω προσγειωμένος).

Ο Denning εισάγει την έννοια της «σιωπηλής γνώσης» — και είναι μια από αυτές τις ιδέες που, μόλις τις καταλάβεις, αρχίζεις να τις βλέπεις παντού.

Σιωπηλή γνώση είναι όλα αυτά που ξέρουμε αλλά δεν μπορούμε εύκολα να εξηγήσουμε. Σαν... πώς ξέρεις ακριβώς πόση πίεση να ασκήσεις όταν ξεκλειδώνεις μια πόρτα; Πώς πιάνεις μια μπάλα χωρίς να κάνεις πολύπλοκους φυσικούς υπολογισμούς στο κεφάλι σου; Πώς καταλαβαίνεις αν κάποιος είναι ειρωνικός ή ειλικρινής από τον τόνο της φωνής του;

Αυτά μας φαίνονται αυτόματα. Αλλά είναι απίστευτα περίπλοκα.

Ο Denning υποστηρίζει ότι υπάρχουν τουλάχιστον πέντε μεγάλες κατηγορίες σιωπηλής γνώσης που η μηχανική μάθηση απλά δεν μπορεί να συλλάβει:

Κοινή λογική — Τα εκατομμύρια μικροσκοπικά στοιχεία για το πώς λειτουργεί ο κόσμος, που δεν σκεφτόμαστε ποτέ συνειδητά.

Καθημερινές αλληλεπιδράσεις — Πώς διαβάζουμε κοινωνικές καταστάσεις, πλοηγούμαστε σε προσωπικές σχέσεις, κατανοούμε άρρητες προσδοκίες.

Συναισθήματα και αντίληψη — Ο τρόπος που η εμπειρία χαράς ή λύπης αλλάζει θεμελιωδώς τον τρόπο που επεξεργαζόμαστε πληροφορίες.

Πρακτικές δεξιότητες — Το είδος γνώσης που έχει ένας μάστερ τεχνίτης ή ένας εξαιρετικός μουσικός και δεν μπορεί να εκφράσει πλήρως.

Πολιτισμική κατανόηση — Αξίες, κανόνες, ιστορία, και τις βαθύτερες έννοιες που ενσωματώνονται στον τρόπο που λειτουργούν οι κοινότητες.

Γιατί 40 Χρόνια Cyc Δεν Λύσαν το Πρόβλημα

Για να δείξει την πρόκληση, ο Denning αναφέρεται σε κάτι που λέγεται project Cyc. Αν δεν το ξέρεις, το Cyc ήταν μια φιλόδοξη προσπάθεια που ξεκίνησε στη δεκαετία του '80 να χτίσει μια τεράστια βάση δεδομένων κοινής λογικής — πράγματα όπως «αν ρίξεις κάτι, πέφτει κάτω» ή «οι άνθρωποι χρειάζονται νερό για να επιβιώσουν».

Το project χρειάστηκε τέσσερις δεκαετίες για να συγκεντρώσει περίπου 25 εκατομμύρια καταχωρήσεις κοινής λογικής.

Είκοσι πέντε εκατομμύρια κομμάτια γνώσης!

Και ξέρεις τι; Ακόμα δεν ήταν αρκετό για να δημιουργήσει πραγματικά έξυπνα συστήματα. Ο Denning σημειώνει ότι «μεγάλο μέρος της γνώσης που κάνει τους ανθρώπους ειδικούς δεν μπορεί να εκφραστεί ως προτάσεις.»

Αυτή είναι η ήσυχη τραγωδία του project Cyc. Απέδειξε, μέσα από τεράστια προσπάθεια, ότι η χειροκίνητη κωδικοποίηση της ανθρώπινης κοινής λογικής είναι ουσιαστικά αδύνατη. Υπάρχει πολύ περισσότερη απ' όση φανταζόμαστε, και μεγάλο μέρος της είναι σιωπηλή παρά ρητή.

Ο Μουσικός που Δεν μπορεί να το Εξηγήσει

Ας μοιραστώ ένα παράδειγμα του Denning που μου έμεινε πραγματικά.

Σκέψου έναν εξαιρετικό βιολονίστα. Κάποιον που παίζει με εκπληκτική ομορφιά και συναίσθημα. Τώρα φαντάσου να προσπαθείς να εξηγήσεις σε έναν αρχάριο ακριβώς πώς να παράγει αυτόν τον ήχο.

Δεν μπορεί πραγματικά. Όχι πλήρως. Μπορεί να δώσει κάποια τεχνική συμβουλή — γωνία το δοξάρι εδώ, άσκησε πίεση εκεί — αλλά το χάσμα μεταξύ «ξέρω πώς» και «ξέρω τι» είναι τεράστιο.

Ο βιολονίστας κατέχει ενσωματωμένη γνώση που υπάρχει στους μυς του, στα νεύρα του, στη φυσική του εμπειρία του να δημιουργεί ήχο. Δεν μπορείς να κατεβάσεις αυτό σε υπολογιστή. Δεν μπορείς να το μεταγράψεις σε βάση δεδομένων.

Και εδώ υπάρχει ένα βαθύτερο σημείο: ακόμα κι αν έφτιαχνες ένα ρομπότ που μπορούσε να μιμηθεί τέλεια τις κινήσεις ενός βιολονίστα, αυτό το ρομπότ δεν θα καταλάβαινε τι αισθάνεται να δημιουργείς όμορφη μουσική. Στερείται τη βιολογική εμπειρία, το συναισθηματικό πλαίσιο, τη σύνδεση με ένα κοινό.

Το Πρόβλημα της Αναπαράστασης

Τι συμβαίνει λοιπόν πραγματικά εδώ; Γιατί η ανθρώπινη γνώση είναι τόσο επίμονα ανθεκτική στην ψηφιοποίηση;

Ο Denning το ονομάζει «πρόβλημα αναπαράστασης», και είναι πραγματικά θεμελιώδες.

Οι υπολογιστές δουλεύουν με σύμβολα — άσοι και μηδενικά που αναπαριστούν πράγματα. Όταν τροφοδοτούμε πληροφορίες σε υπολογιστές, κωδικοποιούμε πραγματική γνώση σε αυτές τις συμβολικές μορφές.

Αλλά να η παγίδα: πίσω από κάθε λέξη, κάθε έννοια, κάθε κομμάτι «γνώσης» που έχουμε, υπάρχει ένα βαθύ πηγάδι σιωπηλής κατανόησης που της δίνει νόημα. Οι λέξεις είναι απλά σύμβολα που δείχνουν σε νοήματα — δεν είναι τα ίδια τα νοήματα.

Ο Denning το θέτει έτσι: «Πίσω από κάθε λέξη υπάρχει ένα βαθύ πηγάδι σιωπηλής γνώσης που της δίνει νόημα. Οι λέξεις είναι απλά συμβολικές αναπαραστάσεις νοημάτων, όχι τα ίδια τα νοήματα.»

Αυτό σημαίνει ότι όταν μιλάς με κάτι σαν ChatGPT, Claude ή Gemini, αλληλεπιδράς με συστήματα που είναι απίστευτα εξελιγμένα στο να χειρίζονται σύμβολα, αλλά δεν καταλαβαίνουν πραγματικά τι αναπαριστούν αυτά τα σύμβολα. Μπορούν να κάνουν εξαιρετική αντιστοίχιση μοτίβων, αλλά η αντιστοίχιση μοτίβων δεν είναι κατανόηση.

Το Πλαίσιο Είναι τα Πάντα (Και οι Μηχανές Δεν το Έχουν)

Αυτό είναι ένα ακόμα επίπεδο με το οποίο η AI δυσκολεύεται: το πλαίσιο.

Όταν εσύ κι εγώ μιλάμε, αντλούμε από ατελείωτα επίπεδα κοινής κατανόησης. Ξέρουμε ποιοι είμαστε, τι έχουμε περάσει μαζί, ποιά είναι η τρέχουσα κατάσταση, τι είναι κατάλληλο versus ακατάλληλο, πότε κάποιος αστειεύεται versus μιλά σοβαρά.

Αυτό το πλαίσιο δεν είναι απλά θόρυβος φόντου — είναι θεμελιώδες για το νόημα.

Ο Denning το περιγράφει ως μοτίβο φράκταλ: κάθε πλαίσιο στηρίζεται σε προηγούμενα πλαίσια, που στηρίζονται σε ακόμα παλαιότερα. Είναι μια ατελείωτη αλυσίδα κοινής κατανόησης που έχουμε χτίσει μέσα από μια ζωή εμπειριών.

Ο πολιτισμός προσθέτει ακόμα μια διάσταση. Ο Denning τον περιγράφει ως περικλείοντα «αξίες, κανόνες, κρίσεις, ιστορία, κοινότητες, διαθέσεις, ακόμα και σχέσεις εξουσίας και φροντίδας.»

Όλα αυτά είναι αόρατα για τα συστήματα AI. Μπορούν να ανιχνεύσουν μοτίβα στη γλώσσα, αλλά δεν μπορούν πραγματικά να αντιληφθούν το πολιτισμικό βάρος πίσω από λέξεις και πράξεις.

Τι Σημαίνει Αυτό για το Μέλλον της AI;

Τώρα, δεν λέω ότι η AI είναι άχρηστη — προφανώς δεν είναι. Αυτά τα συστήματα είναι πραγματικά εντυπωσιακά σε συγκεκριμένα καθήκοντα και είναι απίστευτα χρήσιμα εργαλεία.

Αλλά το επιχείρημα του Denning υποδηλώνει ότι ίσως πλησιάζουμε ένα ταβάνι. Ότι η πραγματική γενική τεχνητή νοημοσύνη — μηχανές με ανθρώπινο επίπεδο κατανόησης και προσαρμοστικότητας — ίσως είναι θεμελιωδώς αδύνατο να επιτευχθεί με τις τρέχουσες προσεγγίσεις μας.

Και εδώ γίνεται λίγο ανησυχητικό: ο Denning προειδοποιεί ότι αν συνεχίσουμε να επιδιώκουμε AGI αγνοώντας αυτούς τους θεμελιώδεις περιορισμούς, κινδυνεύουμε να χτίσουμε τεχνολογίες που εισάγουν σημαντικούς νέους κινδύνους χωρίς να εκπληρώνουν τις υποσχέσεις τους.

Σκέψου το. Χτίζουμε συστήματα που δεν καταλαβαίνουμε πλήρως, χρησιμοποιώντας προσεγγίσεις που ίσως είναι εγγενώς περιορισμένες, για να λύσουμε προβλήματα που απαιτούν είδη κατανόησης που αυτά τα συστήματα δεν μπορούν να αποκτήσουν.

Η Γνώμη μου

Ειλικρινά, βρήκα τα επιχειρήματα του Denning πειστικά, αλλά όχι εντελώς συντριπτικά.

Ναι, υπάρχουν θεμελιώδεις προκλήσεις με τη σύλληψη σιωπηλής γνώσης. Ναι, η ενσωματωμένη εμπειρία πιθανώς έχει μεγαλύτερη σημασία από ό,τι έχουμε αναγνωρίσει. Και ναι, το Turing Test ίσως είναι ένα κακό υποκατάστατο για την πραγματική νοημοσύνη.

Αλλά νομίζω επίσης ότι ανακαλύπτουμε αυτούς τους περιορισμούς σε πραγματικό χρόνο, και η ίδια η διαδικασία ανακάλυψης έχει αξία. Κάθε πρόκληση που εντοπίζει ο Denning είναι επίσης ένα ερευνητικό ερώτημα. Κάθε τοίχος που χτυπάμε μας διδάσκει κάτι νέο για την ανθρώπινη γνώση και τη συνείδηση.

Ίσως το πραγματικό μάθημα δεν είναι ότι η AI δεν μπορεί να είναι έξυπνη, αλλά ότι η ανθρώπινη νοημοσύνη είναι πιο αξιοσημείωτη απ' ό,τι εκτιμούσαμε. Κάθε φορά που καταλαβαίνεις ένα αστείο, πιάνεις μια μπάλα, ή νιώθεις ότι κάτι «δεν πάει καλά» σε μια συζήτηση — κάνεις κάτι που οι πιο εξελιγμένοι υπολογιστές μας ακόμα δεν μπορούν να κάνουν.

Ίσως η ερώτηση δεν είναι αν οι μηχανές μπορούν να σκεφτούν σαν ανθρώπους. Ίσως είναι: τι μπορούν να κάνουν καλά, και πώς το ενσωματώνουμε σε έναν κόσμο όπου οι ανθρώπινες ιδιότητες έχουν μεγαλύτερη σημασία, όχι μικρότερη;

Αυτή είναι μια ερώτηση που αξίζει να την αφήσεις να καθίσει για λίγο.

Εσύ τι νομίζεις; Σου φαίνεται πειστική η κριτική του Denning από την εμπειρία σου με τα εργαλεία AI; Ή νομίζεις ότι υποτιμάμε τι μπορούν τελικά να πετύχουν αυτά τα συστήματα;

Γράψε σχόλιο παρακάτω — θέλω πραγματικά να μάθω πώς σου φαίνεται.

Πηγή: ScienceDaily (https://www.sciencedaily.com/releases/2026/07/260713084850.htm)