Τεχνητή νοημοσύνη και γραφή: το κρίσιμο ερώτημα δεν είναι αν γράφει η μηχανή, αλλά αν σκέφτονται οι άνθρωποι

Τεχνητή νοημοσύνη και γραφή: το κρίσιμο ερώτημα δεν είναι αν γράφει η μηχανή, αλλά αν σκέφτονται οι άνθρωποι

Τίτλοι που ρωτούν αν μπορείτε να καταλάβετε αν ένα κείμενο γράφτηκε από Τεχνητή Νοημοσύνη έχουν γίνει ιδιαίτερα συχνοί τα τελευταία χρόνια.

Η Τεχνητή Νοημοσύνη έχει μπει για τα καλά στη δημιουργία κειμένου, με αλγορίθμους όπως το ChatGPT να δείχνουν ιδιαίτερα υποσχόμενα αποτελέσματα.

Όμως η χρήση κειμένου που παράγεται από ΤΝ στην επιστημονική έρευνα ανοίγει ζητήματα ηθικής, όπως η διαφάνεια, η προκατάληψη, η ενημερωμένη συναίνεση, το απόρρητο και η λογοδοσία.

Το κείμενο που δημιουργείται από ΤΝ και ειδικά από το ChatGPT μπορεί να αξιοποιηθεί για πολλούς σκοπούς, από τη διαμόρφωση ερευνητικών ιδεών και τον εντοπισμό ερευνητικών κενών μέχρι τη σύνοψη αμέτρητων δημοσιευμένων άρθρων.

Οι ερευνητές, ωστόσο, πρέπει να γνωρίζουν ότι τα αποτελέσματα του ChatGPT είναι ορισμένες φορές παραπλανητικά ή βασίζονται σε κατασκευασμένες πληροφορίες.

Πόσο βάρος όμως πρέπει να δίνουμε σε όλα αυτά; Μήπως υπάρχει κάτι που θα έπρεπε να μας απασχολεί περισσότερο;

Αντί να στεκόμαστε μόνο στην ηθική της χρήσης της Τεχνητής Νοημοσύνης για τη δημιουργία κειμένου, ίσως χρειάζεται να δούμε πώς θα διαμορφώσουμε το μέλλον της γραφής ώστε να διατηρηθεί η γνωστική σκέψη στην εποχή της Τεχνητής Νοημοσύνης.

Ένα πρόσφατο δοκίμιο των New York Times κάλεσε τους αναγνώστες να μην γράφουν ποτέ με Τεχνητή Νοημοσύνη, ενώ οι The Economist και Wired εξέτασαν τρόπους με τους οποίους μπορεί να ανιχνευθεί η μηχανικά παραγόμενη πεζογραφία.

Τα ερωτήματα γίνονται όλο και πιο γνώριμα: Γράφτηκε αυτό από Τεχνητή Νοημοσύνη; Ποιες διατυπώσεις προδίδουν τη μηχανή; Μπορούμε ακόμη να ξεχωρίσουμε την ανθρώπινη γραφή από το συνθετικό κείμενο;

Αυτά είναι λογικά ερωτήματα, αλλά για δύο λόγους είναι παραπλανητικά.

Πρώτον, οι ανιχνευτές Τεχνητής Νοημοσύνης είναι από τη φύση τους αναξιόπιστοι. Άνθρωποι και μηχανές αντλούν από την ίδια κληρονομιά κειμένων. Μαθαίνουμε μοτίβα έκφρασης μέσα από την εκπαίδευση και την ανάγνωση, ενώ τα μεγάλα γλωσσικά μοντέλα τα αποκτούν μέσω της μηχανικής μάθησης. Ισορροπημένες προτάσεις, ρητορικές τριάδες και ιστορικές αναλογίες υπήρχαν πολύ πριν από το ChatGPT, όμως αντιμετωπίζονται ολοένα και περισσότερο ως δακτυλικά αποτυπώματα τεχνητής πρόζας.

«Το δοκίμασα αυτό υποβάλλοντας τα άρθρα μου από το 1996 σε μια πλατφόρμα ανίχνευσης Τεχνητής Νοημοσύνης», λέει στο genevasolutions.news ο Γιόβαν Κουρμπάλια, ιδρυτικός διευθυντής του DiploFoundation.

Η πλατφόρμα κατέληξε, με απόλυτη βεβαιότητα, ότι περισσότερα από τα μισά είχαν δημιουργηθεί από Τεχνητή Νοημοσύνη. Ανάμεσα στα ύποπτα αποσπάσματα ήταν και μια ρυθμική τριάδα που περιέγραφε πώς η τεχνολογία επηρεάζει τη διπλωματία μέσα από τη γεωπολιτική, τα ζητήματα που διαπραγματεύονται οι διπλωμάτες και τα εργαλεία που χρησιμοποιούν.

Το μηχάνημα άφησε να εννοηθεί ότι ένα κείμενο 30 ετών είχε γραφτεί από τεχνολογία που δεν υπήρχε ακόμη.

Το δεύτερο πρόβλημα είναι πιο ουσιαστικό. Όταν μένουμε στο αν η Τεχνητή Νοημοσύνη δημιούργησε μια πρόταση, αποφεύγουμε να ρωτήσουμε αν η πρόταση εκφράζει πραγματική σκέψη.

Η ικανότητα της Τεχνητής Νοημοσύνης να παράγει καλοδουλεμένη πρόζα δεν είναι από μόνη της ο βασικός κίνδυνος. Ο κίνδυνος εμφανίζεται όταν αναθέτουμε στη μηχανή την αμφισβήτηση, την ερμηνεία και την κρίση. Μια γραμματικά ατελής παράγραφος που αποτυπώνει προσπάθεια, αμφιβολία και ανακάλυψη μπορεί να έχει μεγαλύτερη διανοητική αξία από ένα άψογο δοκίμιο που παράγεται χωρίς ουσιαστική εμπλοκή.

Στην εκπαίδευση, αυτό γίνεται ακόμη πιο εμφανές: όταν μια μηχανή μπορεί να γράψει μια μαθητική έκθεση σε δευτερόλεπτα, το ερώτημα μεταφέρεται από το αποτέλεσμα στη διαδρομή που οδήγησε σε αυτό.

Όταν μια μηχανή μπορεί να δημιουργήσει μια έκθεση μαθητή σε δευτερόλεπτα, οι εκπαιδευτικοί στρέφονται εύλογα στην ανίχνευση: Χρησιμοποιήθηκε η Τεχνητή Νοημοσύνη; Μπορεί ο μαθητής να αποδείξει την πατρότητα;

Όμως αυτά τα ερωτήματα αφορούν τα συμπτώματα και όχι τις αιτίες.

Αν το τελικό δοκίμιο μετρά περισσότερο από την πνευματική διαδικασία που το παρήγαγε, η Τεχνητή Νοημοσύνη μετατρέπεται σε μια αναμενόμενη συντόμευση. Οι μαθητές αντιδρούν λογικά σε ένα σύστημα που επιβραβεύει τα επεξεργασμένα προϊόντα, τις συσσωρευμένες μονάδες και τη συμμόρφωση με τις τυπικές απαιτήσεις περισσότερο από την περιέργεια, την επανεξέταση και την κρίση.

Εδώ βρίσκεται μια βαθύτερη ασυμφωνία. Η Τεχνητή Νοημοσύνη είναι γρήγορη, ενώ η νόηση αργή. Μια μηχανή μπορεί να δώσει απάντηση σε δευτερόλεπτα, όμως η κατανόηση απαιτεί χρόνο. Το ίδιο ισχύει για την αμφιβολία, την αναθεώρηση και τη διαφωνία. Σε μια εποχή που έχει εμμονή με την αποτελεσματικότητα, ορισμένες φαινομενικά αναποτελεσματικές δραστηριότητες —η συζήτηση, ο νοητικός υπολογισμός, η απομνημόνευση και η μαθητεία— παραμένουν πολύτιμες ακριβώς επειδή βάζουν τον εγκέφαλο να δουλέψει.

Η απάντηση, λοιπόν, δεν είναι η απαγόρευση της Τεχνητής Νοημοσύνης. Είναι ο επανασχεδιασμός της γραφής και της μάθησης γύρω από τις γνωστικές ικανότητες που θέλουμε να διατηρήσουμε στην εποχή της Τεχνητής Νοημοσύνης.

Τρεις προσεγγίσεις θα μπορούσαν να βοηθήσουν.

  • Χρησιμοποιήστε την Τεχνητή Νοημοσύνη ως συνεργάτη πνευματικής αντιπαράθεσης και όχι ως ghostwriter. Ζητήστε της να αμφισβητήσει ένα επιχείρημα, να εντοπίσει μια ελλείπουσα οπτική γωνία, να διατυπώσει ένα αντιπαράδειγμα ή να αποκαλύψει μια αδύναμη υπόθεση. Η Τεχνητή Νοημοσύνη πρέπει να προκαλεί περισσότερη σκέψη, όχι λιγότερη.
  • Δώστε αξία στη διαδικασία και όχι μόνο στο τελικό προϊόν. Οι μαθητές, και γιατί όχι και οι ίδιοι οι δημοσιογράφοι, πρέπει να μπορούν να εξηγούν πώς αναπτύχθηκε ένα επιχείρημα, ποιες υποθέσεις άλλαξαν, γιατί έγιναν δεκτά τα αποδεικτικά στοιχεία και γιατί απορρίφθηκαν ορισμένες προτάσεις. Το καλύτερο ερώτημα δεν είναι «Χρησιμοποιήσατε την Τεχνητή Νοημοσύνη;», αλλά «Τι κάνατε με αυτήν και ποια σκέψη έμεινε δική σας;».
  • Η γραφή με τη βοήθεια της Τεχνητής Νοημοσύνης στηρίζεται σε αναγνωρίσιμες πηγές γνώσης. Η πεζογραφία με τεχνητή νοημοσύνη δεν προκύπτει από το πουθενά ούτε από κάποια θαυματουργή μηχανική νοημοσύνη. Έχει ρίζες σε ένα ήδη υπάρχον σώμα ανθρώπινης γνώσης και δεδομένων. Η θεμελίωση κάνει ορατές αυτές τις πνευματικές καταβολές και προσφέρει παράλληλα σημαντικά οφέλη: οι προκαταλήψεις εντοπίζονται σε προκατειλημμένες πηγές, οι ισχυρισμοί μπορούν να ελεγχθούν με βάση αποδεικτικά στοιχεία και τα συστήματα Τεχνητής Νοημοσύνης έχουν μικρότερο χώρο για παραισθήσεις.

Το ερώτημα δεν είναι πλέον αν η Τεχνητή Νοημοσύνη γράφει, αλλά αν οι άνθρωποι εξακολουθούν να σκέφτονται.

Πηγή περιεχομένου: in.gr

Loading

Play