Τέσσερα σενάρια για τις πιθανές εναλλακτικές εικόνες του μέλλοντος της Παραγωγικής Τεχνητής Νοημοσύνης (ΠΤΝ) στην Ελλάδα του 2030 παρουσιάζει, μεταξύ πολλών άλλων, μελέτη που εκπονήθηκε το φθινόπωρο του 2023 από το Εθνικό Κέντρο Κοινωνικών Ερευνών και το Εθνικό Κέντρο Έρευνας Φυσικών Επιστημών «Δημόκριτος», με την υποστήριξη της Ειδικής Γραμματείας Μακροπρόθεσμου Σχεδιασμού.
Η μελέτη υπό τον τίτλο «Generative AI Greece 2030: Τα ενδεχόμενα μέλλοντα της Παραγωγικής Τεχνητής Νοημοσύνης στην Ελλάδα» παρουσιάστηκε σε σύσκεψη χθες στο Μέγαρο Μαξίμου υπό τον πρωθυπουργό Κυριάκο Μητσοτάκη και με τη συμμετοχή του υπουργού Ψηφιακής Διακυβέρνησης, Δημήτρη Παπαστεργίου.
Αποτελεί την πρώτη εμπειρική ερευνητική προσέγγιση στρατηγικής προόρασης (strategic foresight) για τη χρήση της Παραγωγικής Τεχνητής Νοημοσύνης (Generative Artificial Intelligence) στην Ελλάδα και μεταξύ πολλών άλλων, όπως προείπαμε, παρουσιάζει τέσσερα σενάρια για τις πιθανές εναλλακτικές εικόνες του μέλλοντος της ΠΤΝ στην Ελλάδα του 2030.
Το πρώτο φέρει την ονομασία “τεχνοκοινωνική επιτάχυνση”, όπου ο κόσμος περιγράφεται ως ευπροσάρμοστος και απελευθερωμένος από τεχνοφοβικές αγκυλώσεις, ενώ η αειφορία και η αξία του οικοσυστήματος της ΠΤΝ βρίσκονται σε υψηλό επίπεδο, μαζί με ένα αρκετά ανθεκτικό φιλελεύθερο πολιτικό σύστημα.
Στο δεύτερο σενάριο, τον “τεχνο-νάνο”, κυριαρχεί μεν η ανοιχτή οικονομία και μια δέσμη ευνοϊκών πολιτικών προθέσεων, ωστόσο το οικοσύστημα της ΠΤΝ χάνει τη δυναμική του και δεν αποτελεί προτεραιότητα, λόγω υπερβολικών ρυθμίσεων και αυστηρών γραφειοκρατικών κανονισμών.
Το τρίτο σενάριο περιγράφεται με τον όρο “τεχνοκοινωνική βραδυπορία” και αντιπροσωπεύει ένα καχεκτικό ή υπανάπτυκτο οικοσύστημα ΠΤΝ, σε έναν κλειστό και τεχνοφοβικό κόσμο, παράλληλα με μια σημαντική ένδεια ηθικών και ρυθμιστικών πλαισίων, δημοσίων πολιτικών και θεσμικών παρεμβάσεων.
Το τέταρτο σενάριο απεικονίζει έναν “τεχνο-γίγαντα” με γυάλινα πόδια και αντιπροσωπεύει ένα οικοσύστημα ΠΤΝ που αντανακλά μεν την παγκόσμια τεχνολογική έκρηξη, αλλά μέσα σε ένα κοινωνικοπολιτισμικό και πολιτικό περιβάλλον που αδυνατεί να μετατρέψει την ταχύτητα σε προσαρμογή, να ενσωματώσει τις σύγχρονες τεχνο-εξελίξεις και να αξιοποιήσει τις δυνατότητες και ευκαιρίες που αυτές προσφέρουν.
Όπως επισημαίνεται στη μελέτη «η παγκόσμια γεωπολιτική και γεωοικονομική τάξη καθίσταται ολοένα και πιο αβέβαιη, πολύπλοκη και ασταθής. Η ΠΤΝ φαίνεται να ενισχύει αυτά τα συστημικά χαρακτηριστικά και αναδεικνύει την ανάγκη για έναν “εκθετικό” και “μελλοντοστραφή” τρόπο σκέψης. Δεν μπορούμε να είμαστε σίγουροι για το τι μας επιφυλάσσει το μέλλον, ούτε μπορούμε να αποφύγουμε τις διαρκείς διαταράξεις σε μια εποχή “μονιμοκρίσης”.
Αλλά εναπόκειται σε εμάς να αξιοποιήσουμε αυτή τη γενικευμένη αβεβαιότητα/πολυπλοκότητα, να θέσουμε μακροπρόθεσμους στόχους, να προσαρμόσουμε θεσμούς και νοοτροπίες, να είμαστε κατάλληλα προετοιμασμένοι, και να εργαστούμε για το πλέον ευνοϊκό σενάριο – δηλαδή το σενάριο της “τεχνοκοινωνικής επιτάχυνσης”- με στόχο την ενίσχυση της ικανότητας της χώρας για βιώσιμη ανάπτυξη και ανθεκτική ευημερία, βάσει δυναμικών διαγνώσεων ως προς τις τάσεις, τις αβεβαιότητες και τις ευκαιρίες που αναδύονται γύρω μας».
Περιγραφή Παραγωγική Τεχνητή Νοημοσύνη (Generative AI)
Η παραγωγική τεχνητή νοημοσύνη (Generative AI) αποτελεί ένα υποσύνολο της τεχνητής νοημοσύνης που διακρίνεται για την ικανότητα δημιουργίας νέων κειμένων, εικόνων ή άλλων τύπων περιεχομένου προσομοιώνοντας και μιμούμενη πρότυπα και δομές μεγάλων δεδομένων (training big data). Ενέχει αλγορίθμους και μοντέλα που προκρίνουν τη δημιουργία αποτελεσμάτων που δεν προϋπήρχαν στον φυσικό κόσμο αλλά προσομοιάζουν με αυτόν, συχνά χρησιμοποιώντας μορφότυπους, μοτίβα (patterns) και δομές που προκύπτουν από τα προαναφερθέντα σύνολα δεδομένων εκπαίδευσης (training data). Η ανάπτυξη μεθόδων βαθιάς μάθησης (deep learning), ιδίως μοντέλων όπως τα Generative Adversarial Networks (GANs) και τα Recurrent Neural Networks (RNNs), υπήρξε μια από τις σημαντικότερες εξελίξεις στη παραγωγική τεχνητή νοημοσύνη. Σε πολυάριθμους τομείς, τα μοντέλα αυτά έχουν αποδείξει ότι είναι σε θέση να παράγουν δεδομένα που είναι όχι μόνο ρεαλιστικά αλλά και εσωτερικά συνεκτικά
Τάσεις
Βάσει τη εν λόγω μελέτης η ΠΤΝ αλλάζει το «υφαντό» της ανθρώπινης γνώσης και βρίσκεται σε συνεχή εξέλιξη, προσφέροντας νέες δυνατότητες και ανοίγοντας νέους ορίζοντες σε πολλούς τομείς. Οι τάσεις αντικατοπτρίζουν την απαίτηση για υψηλότερη ποιότητα και ποικιλία στη δημιουργία περιεχομένου, καθώς και την επιθυμία για επέκταση των δυνατοτήτων της ΠΤΝ σε διάφορους τομείς.
Σύμφωνα με πρόσφατη μελέτη της McKinsey, όπως επισημαίνει ο Αθανάσιος Χύμης, Ερευνητής στο Κέντρο Προγραμματισμού και Οικονομικών Ερευνών (ΚΕΠΕ): «ο αντίκτυπος της ΠΤΝ στην παραγωγικότητα σε παγκόσμιο επίπεδο, θα μπορούσε να προσθέσει 2,6 με 4,4 τρισεκατομμύρια δολάρια σε ετήσια βάση. Επίσης η ΠΤΝ θα αυξήσει συνολικά τον αντίκτυπο της τεχνητής νοημοσύνης κατά 15% έως 40%. Η ίδια μελέτη υπολογίζει ότι περίπου το 75% της αξίας που θα μπορούσε να προσφέρει η ΠΤΝ εμπίπτει σε τέσσερις τομείς: πελατειακές δραστηριότητες (customer operations), μάρκετινγκ και πωλήσεις, σχεδιασμός λογισμικού και έρευνα και ανάπτυξη.
Αυτό σημαίνει, σύμφωνα με την ίδια έρευνα, πώς οι κλάδοι της βιομηχανίας με τον μεγαλύτερο αντίκτυπο από την ΠΤΝ θα είναι η τραπεζική, η υψηλή τεχνολογία και οι βιοεπιστήμες. Ο λόγος είναι ότι η ΠΤΝ εξ ορισμού έχει την ικανότητα να υποστηρίζει τις αλληλεπιδράσεις με τους πελάτες, να παράγει δημιουργικό περιεχόμενο για μάρκετινγκ και πωλήσεις καθώς και να συντάσσει κώδικα υπολογιστή με βάση τη φυσική γλώσσα».
Ανασταλτικοί παράγοντες για την ανάπτυξη ΠΤΝ στην Ελλάδα
Με βάση τις απαντήσεις στο πλαίσιο της μελέτης οι ανασταλτικοί παράγοντες για την ανάπτυξη ΠΤΝ στην Ελλάδα είναι μεταξύ άλλων το χαμηλό επίπεδο ψηφιακής παιδείας και ψηφιακού κοινωνικού κεφαλαίου η έλλειψη εμπιστοσύνης και οι ανησυχίες για θέματα αξιοπιστίας και ασφάλειας, νομικά και ρυθμιστικά εμπόδια, η ανάγκη για υψηλής ποιότητας δεδομένα και η έλλειψη διαλειτουργικότητας μεταξύ τεχνολογιών.
Στο αντίποδα ως παράγοντες που θα διευκολύνουν την ανάπτυξη της ΠΤΝ στην Ελλάδα αναφέρονται το φιλοεπενδυτικό κλίμα, η αύξηση χρηματοδότησης σε υπολογιστικές δομές, τα κίνητρα σε επιχειρήσεις, η προσβασιμότητα και οι προσιτές τιμές της νέας τεχνολογίας, οι νέες και πιο έμπειρες στην τεχνολογία γενιές που πρωτοστατούν στην χρήση της Τεχνητής Νοημοσύνης, διευκολύνσεις στην επίλυση ζητημάτων εμπιστοσύνης (π.χ., ενδιαφέρον από τις ρυθμιστικές αρχές και από τους φορείς για την προστασία των χρηστών, κοκ), νομικές ρυθμίσεις και θεσμικές παρεμβάσεις (π.χ., θέματα ασφάλειας και απορρήτου, ιδιωτικότητας και προσωπικών δεδομένων, κλπ ) και οι αυξημένοι ρυθμοί απόκτησης δεξιοτήτων από τους ειδικούς και ψηφιακού γραμματισμού από τους πολίτες.
