Πρέπει να κινηθούμε γρήγορα και συλλογικά, ώστε να απαντήσουμε θεσμικά σε αυτή τη νέα πραγματικότητα.
τον ημιτελικό του Παγκοσμίου Κυπέλλου του 2026, η Αγγλία προηγούνταν της Αργεντινής με 1-0 ενώ απέμεναν λιγότερα από είκοσι λεπτά. Ξαφνικά, η δυναμική του αγώνα άλλαξε εντελώς: η Αγγλία απέσυρε επιθετικογενείς παίκτες και οπισθοχώρησε. Η Αργεντινή άρχισε να φτάνει κατά κύματα στην αντίπαλη περιοχή. Ισοφάρισε στο 85ο λεπτό και πέτυχε το νικητήριο γκολ στις καθυστερήσεις.
Η σκληρή ήττα της Αγγλίας αποτελεί μάθημα για όλους μας: απέναντι σε μια πρόκληση, πρέπει να αποφεύγουμε τον φόβο και την παθητικότητα.
Η πρόσφατη ανακοίνωση της OpenAI για την επίλυση του προβλήματος Navier–Stokes, ενός εκ των επτά Προβλημάτων της Χιλιετίας, καθώς και η διαμάχη ως προς τον τρόπο με τον οποίο αυτή προέκυψε και δημοσιοποιήθηκε, θα πρέπει να αποτελέσουν καμπανάκι αφύπνισης για την επιστημονική κοινότητα. Πρέπει να κινηθούμε γρήγορα και συλλογικά, ώστε να απαντήσουμε θεσμικά σε αυτή τη νέα πραγματικότητα. Η αδράνεια και η μοιρολατρία είναι ακατάλληλες αντιδράσεις, καθώς μπορούν να συνεισφέρουν ακούσια στην πραγματοποίηση των χειρότερων σεναρίων για τις επιπτώσεις της τεχνητής νοημοσύνης (ΤΝ) στην επιστήμη και την κοινωνία.
Ενα πράγμα είναι σαφές: η ΤΝ ήρθε για να μείνει. Τα εργαλεία της διαθέτουν ήδη εντυπωσιακές δυνατότητες που μπορούν να μεταμορφώσουν την επιστημονική έρευνα. Οφείλουμε, λοιπόν, να μάθουμε πώς να τα εκμεταλλευτούμε. Για να γίνει, όμως, αυτό με τρόπο πραγματικά επωφελή για την επιστήμη και την κοινωνία, χρειαζόμαστε επειγόντως δημόσια χρηματοδοτούμενα συστήματα ΤΝ αιχμής για την ακαδημαϊκή έρευνα. Αυτά θα πρέπει να διαθέτουν απλά εργαλεία συνομιλίας με την ΤΝ και να υποστηρίζονται με σημαντικούς δημόσιους υπολογιστικούς πόρους. Οι ερευνητές θα πρέπει να έχουν δωρεάν βασική πρόσβαση, ενώ εγχειρήματα που απαιτούν περισσότερους πόρους θα μπορούν να υποβάλλουν αιτήσεις για πρόσβαση σε συστήματα με πολλούς συνεργαζόμενους πράκτορες ΤΝ (multi-agent systems) και σε υπολογισμούς μεγάλης κλίμακας.
Το να παραμείνει η πρόσβαση στην ΤΝ αιχμής συγκεντρωμένη στα χέρια μιας μικρής ομάδας ιδιωτικών εταιρειών, παρουσιάζει πολλά προβλήματα.
Πρώτον, η επιστημονική έρευνα μπορεί να περιλαμβάνει ευαίσθητα ή και διαβαθμισμένα δεδομένα. Οι ερευνητές χρειάζονται περιβάλλοντα με ισχυρές εγγυήσεις εμπιστευτικότητας και σαφή λογοδοσία σε περίπτωση διαρροής δεδομένων.
Δεύτερον, η ίδια η αδημοσίευτη έρευνα είναι συχνά εμπιστευτική. Τα ερωτήματα και οι οδηγίες που δίνουμε στα συστήματα ΤΝ, τα έγγραφα που ανεβάζουμε και οι αλληλεπιδράσεις μας με πράκτορες ΤΝ (AI agents) μπορεί να περιέχουν νέες ιδέες και μερικά αποτελέσματα. Οι ερευνητές χρειάζονται ισχυρές εγγυήσεις ότι αυτό το υλικό δεν μπορεί να καταστεί διαθέσιμο σε συστήματα που ενδέχεται στη συνέχεια να το αναπαράγουν ή να χτίσουν πάνω σε αυτό. Οι πρόσφατες διαμάχες γύρω από το πρόβλημα Navier–Stokes και τις «μη σοφικές ομάδες» δείχνουν πώς ακόμη και η πιθανότητα μιας τέτοιας επαναχρησιμοποίησης μπορεί να υπονομεύσει σοβαρά την εμπιστοσύνη των ερευνητών στα συστήματα ΤΝ.
Τρίτον, τα κίνητρα των ιδιωτικών εταιρειών δεν είναι ευθυγραμμισμένα με τα κίνητρα της επιστημονικής κοινότητας. Ο ανταγωνισμός ενθαρρύνει τη γρήγορη επίδειξη νέων δυνατοτήτων και εντυπωσιακών αποτελεσμάτων. Η ταχύτητα είναι πολύτιμη στην επιστήμη, αλλά εξίσου σημαντικές είναι η σωστή επαλήθευση και απόδοση της πατρότητας των ιδεών, η προσεκτική παρουσίαση και, κυρίως, η ανθρώπινη κατανόηση.
Για παράδειγμα, στα μαθηματικά, που είναι το δικό μου ερευνητικό πεδίο, ένα θεώρημα δεν αρκεί απλώς να αποδειχθεί, αλλά πρέπει και οι ιδέες του να αφομοιωθούν και να ενσωματωθούν στη συλλογική μας γνώση. Η ταχύτητα μπορεί, επίσης, να είναι επιβλαβής, ιδιαίτερα για νέους επιστήμονες που μόλις αρχίζουν να εδραιώνονται. Η πρόσφατη εμπειρία της μαθηματικού Julia Stadlmann είναι ενδεικτική. Εργάστηκε επί δύο χρόνια για να βελτιώσει το ρεκόρ για τα φραγμένα κενά μεταξύ πρώτων αριθμών, το οποίο ήταν στάσιμο για πάνω από μία δεκαετία. Το αποτέλεσμά της όμως ξεπεράστηκε λίγες μέρες μετά από τη δημοσίευσή του από εταιρείες ΤΝ. Το ζητούμενο δεν είναι να σταματήσουμε την παραγωγή ισχυρότερων αποτελεσμάτων, τα οποία προφανώς και είναι ένας από τους βασικούς μας στόχους. Αποτελεί, όμως, σοβαρό πρόβλημα ότι κινούμαστε ολοταχώς προς μια νέα πραγματικότητα όπου χρόνια δουλειάς μιας νέας ερευνήτριας μπορούν να επισκιαστούν σχεδόν ακαριαία από οργανισμούς με πολύ μεγαλύτερους πόρους.
Οι νέοι επιστήμονες είναι το μέλλον της έρευνας και αποτελεί καθήκον μας ως κοινωνία να τους στηρίζουμε. Η δημόσια πρόσβαση σε ΤΝ αιχμής θα μείωνε την τεράστια ασυμμετρία στα ερευνητικά εργαλεία που είναι διαθέσιμα στους επιστήμονες, και ιδιαίτερα στους ερευνητές που βρίσκονται στην αρχή της σταδιοδρομίας τους.
Αυτό με φέρνει στην τέταρτη ένστασή μου: η πρόσβαση στα ισχυρότερα συστήματα ΤΝ είναι σήμερα εξαιρετικά άνιση. Το αποτέλεσμα για το Navier–Stokes, για παράδειγμα, παρήχθη από ένα εσωτερικό μοντέλο της OpenAI, το οποίο η ίδια η εταιρεία περιγράφει ως σημαντικά ισχυρότερο από το μοντέλο αιχμής που διαθέτει δημόσια. Αρκετές ακόμη πρόσφατες μαθηματικές εξελίξεις επιτεύχθηκαν επίσης με τη χρήση μοντέλων που δεν είχαν κυκλοφορήσει. Κινδυνεύουμε λοιπόν να περάσουμε σε ένα επιστημονικό σύστημα δύο ταχυτήτων: μια μικρή ομάδα ερευνητών που συνεργάζονται με εταιρείες ΤΝ μπορεί να έχει πρόσβαση σε ερευνητικές δυνατότητες που είναι απρόσιτες για όλους τους υπόλοιπους. Η δημόσια ΤΝ δεν μπορεί να εμποδίσει τις ιδιωτικές εταιρείες να επιδιώκουν επιστημονικά αποτελέσματα. Μπορεί όμως να εξασφαλίσει ότι η επιστημονική κοινότητα θα έχει μια ανεξάρτητη και ισχυρή εναλλακτική λύση.
Για να αντιμετωπίσουμε αυτά τα προβλήματα, πρέπει να δημιουργήσουμε ένα CERN για έρευνα με ΤΝ. Η ορολογία αυτή δεν είναι καινούργια: η ίδια η Ευρωπαϊκή Επιτροπή την έχει χρησιμοποιήσει περιγράφοντας τα σχέδιά της για υποδομές ΤΝ. Αυτό που προτείνω είναι μια πιο συγκεκριμένη εκδοχή αυτής της ιδέας, με επίκεντρο την ΤΝ ως δημόσια υποδομή για την επιστημονική έρευνα.
Η συγκυρία ίσως είναι ασυνήθιστα ευνοϊκή. Η ΕΕ και ο Καναδάς εμβαθύνουν ταχύτατα τη στρατηγική τους σχέση. Μόλις πριν λίγες ημέρες η Πρόεδρος της Ευρωπαϊκής Επιτροπής Ursula von der Leyen πρότεινε να γίνει ο Καναδάς το πρώτο «συνδεδεμένο μέλος» της ΕΕ, ενώ ο Mark Carney μίλησε στο Ευρωπαϊκό Κοινοβούλιο. Παράλληλα, και οι δύο πλευρές πραγματοποιούν μεγάλες δημόσιες επενδύσεις στην ΤΝ και στις υπολογιστικές υποδομές.
Ο Καναδάς έχει ήδη δεσμεύσει 2 δισ. καναδικά δολάρια σε ορίζοντα πενταετίας για εθνική υπολογιστική υποδομή ΤΝ, συμπεριλαμβανομένων έως και 1 δισ. καναδικών δολαρίων για δημόσιους υπερυπολογιστές. Η ΕΕ αναπτύσσει το RAISE και ένα δίκτυο Εργοστασίων ΤΝ για την υποστήριξη της έρευνας και της καινοτομίας στην ΤΝ. Εχει επίσης προκηρύξει τη δημιουργία έως επτά γιγα-εργοστασίων ΤΝ (AI Gigafactories), με έως και 10 δισ. ευρώ δημόσιας χρηματοδότησης, τα οποία αναμένεται να κινητοποιήσουν τουλάχιστον 20 δισ. ευρώ επιπλέον ιδιωτικών επενδύσεων. Ακόμη σημαντικότερο είναι ότι ο Καναδάς και η ΕΕ έχουν συμφωνήσει ρητά να διερευνήσουν συνεργασία στη βασική έρευνα ΤΝ, σε συστήματα πρακτόρων (agentic systems) για επιστημονικές ανακαλύψεις, στην πρόσβαση σε προηγμένες υποδομές ΤΝ και στην από κοινού ανάπτυξη προηγμένων μοντέλων ΤΝ για το δημόσιο συμφέρον.
Μια τέτοια πρωτοβουλία θα πρέπει να είναι ανοικτή και σε άλλους ερευνητικούς εταίρους που είναι διατεθειμένοι να συνεισφέρουν πόρους και να αποδεχθούν κοινά πρότυπα επιστημονικής διακυβέρνησης, εμπιστευτικότητας, πρόσβασης και λογοδοσίας.
Ενα CERN για έρευνα με ΤΝ δεν μπορεί να είναι απλώς ένα κέντρο υπερυπολογιστών. Η διεπαφή με τον χρήστη είναι ουσιώδης. Κάθε ερευνητής θα πρέπει να έχει πρόσβαση σε ένα απλό περιβάλλον συνομιλίας, μέσω του οποίου θα μπορεί να χρησιμοποιεί απευθείας μοντέλα αιχμής ΤΝ, χωρίς να χρειάζεται να γίνει ειδικός στην ανάπτυξη μοντέλων, στις υποδομές υπολογιστικών νεφών ή στους υπολογισμούς με επεξεργαστές γραφικών (GPU).
Ενα τέτοιο σύστημα θα μπορούσε να λειτουργεί ως εξελιγμένος ερευνητικός βοηθός για τους ακαδημαϊκούς, διευκολύνοντάς τους να διερευνούν υποθέσεις και εικασίες, να δοκιμάζουν ερευνητικές στρατηγικές, να πραγματοποιούν βιβλιογραφικές αναζητήσεις και να εκτελούν πολλές άλλες σημαντικές εργασίες. Πιο φιλόδοξα έργα θα μπορούσαν να διασπούν ένα δύσκολο ερευνητικό πρόγραμμα σε πολλά αλληλοεπιδρώντα υποπροβλήματα και να χρησιμοποιούν συντονισμένους πράκτορες ΤΝ (multi-agent systems) για την ημιαυτόνομη διερεύνησή τους, με τους ερευνητές να καθορίζουν τη συνολική στρατηγική και να ερμηνεύουν τα αποτελέσματα.
Πίσω από αυτή την απλή διεπαφή θα βρίσκεται η δαπανηρή υποδομή: δημοσίως ελεγχόμενα μοντέλα αιχμής, μεγάλης κλίμακας υπολογιστικοί πόροι και αποθήκευση δεδομένων, καθώς και το ανθρώπινο δυναμικό που απαιτείται για τη συντήρηση και τη συνεχή βελτίωση όλου αυτού του οικοσυστήματος.
Με λίγα λόγια, ας δώσουμε σε κάθε ερευνητή δωρεάν βασική πρόσβαση σε ένα παγκόσμιας κλάσης περιβάλλον συνομιλίας με ΤΝ για την έρευνα, το οποίο θα υποστηρίζεται από δημόσια ΤΝ αιχμής και δημόσιους υπολογιστικούς πόρους. Η καθημερινή χρήση θα πρέπει να είναι απρόσκοπτη. Τα έργα που απαιτούν εξαιρετικά μεγάλους πόρους θα μπορούν να υποβάλλουν αιτήσεις σε διαγωνισμούς για πρόσβαση σε υπερυπολογιστές και προηγμένα πολυπρακτορικά συστήματα (multi-agent systems). Ο Καναδάς διαθέτει ήδη εμπειρία με αυτού του είδους τον μηχανισμό: η Digital Research Alliance of Canada κατανέμει προηγμένους υπολογιστικούς πόρους μέσω ενός διαγωνισμού κατανομής πόρων αξιολογούμενου από ειδικούς.
Αξίζει να σημειωθεί πως υπάρχει ήδη μια σημαντική συγγενής πρωτοβουλία. Με πρωτεργάτες τον Pierluigi Contucci και τον νομπελίστα Giorgio Parisi, μια ομάδα διακεκριμένων επιστημόνων, μεταξύ των οποίων οι Yoshua Bengio, Yann LeCun, Geoffrey Hinton και Cédric Villani, πρότεινε τον Οκτώβριο του 2025 με το Μανιφέστο της Μπολόνια τη δημιουργία ενός Ευρωπαϊκού Κέντρου Έρευνας για την Τεχνητή Νοημοσύνη, με κύρια αποστολή τη θεμελιώδη έρευνα πάνω στην ίδια την τεχνολογία της ΤΝ. Η πρόταση που διατυπώνω εδώ είναι ευρύτερη: στόχος δεν είναι μόνο να κάνουμε έρευνα ώστε να δημιουργήσουμε καλύτερη ΤΝ, αλλά να τη μετατρέψουμε σε δημόσια ερευνητική υποδομή, διαθέσιμη στην καθημερινή εργασία επιστημόνων όλων των κλάδων.
Το βασικό κίνητρο της πρότασής μου δεν είναι να εξοικονομήσουν οι ακαδημαϊκοί το κόστος των συνδρομών σε υπηρεσίες ΤΝ. Με απασχολεί πολύ περισσότερο η μακροπρόθεσμη ανεξαρτησία της έρευνας. Καθώς η ΤΝ γίνεται κεντρική για την επιστήμη, τα θεμελιώδη ερευνητικά εργαλεία δεν θα πρέπει να ελέγχονται σχεδόν εξ ολοκλήρου από μια μικρή ομάδα ιδιωτικών εταιρειών, των οποίων οι στόχοι δεν είναι κατ’ ανάγκην ευθυγραμμισμένοι με εκείνους της επιστημονικής κοινότητας.
Υπάρχουν προφανώς πολλά ζητήματα που πρέπει να εξεταστούν. Κατά πόσο δημόσια χρηματοδοτούμενα μοντέλα μπορούν ρεαλιστικά να είναι ανταγωνιστικά. Αν πρέπει να εκπαιδεύσουμε μοντέλα από την αρχή ή να συνδυάσουμε δημόσιες υποδομές με εμπορικά μοντέλα και μοντέλα ανοικτών βαρών. Πώς πρέπει να διοικείται ένας τέτοιος θεσμός. Ποια κλίμακα χρηματοδότησης απαιτείται. Πώς πρέπει να κατανέμεται η πρόσβαση σε πολύ μεγάλους υπολογιστικούς πόρους. Πώς μπορούμε να αποτρέψουμε την ίδια τη δημόσια υποδομή από το να γίνει γραφειοκρατική, τεχνολογικά στάσιμη ή να περιέλθει υπό τον έλεγχο συγκεκριμένων εθνικών ή εμπορικών συμφερόντων.
Πρέπει να ξεκινήσει ένας δημόσιος διάλογος μεταξύ επιστημόνων, κυβερνήσεων και οργανισμών χρηματοδότησης σχετικά με τη βιωσιμότητα ενός τέτοιου εγχειρήματος. Η επιλογή δεν είναι ανάμεσα στη χρήση και στην απόρριψη της ΤΝ: η ΤΝ γίνεται ήδη μέρος της επιστημονικής πρακτικής. Το ερώτημα είναι αν η υποδομή για την ακαδημαϊκή έρευνα θα είναι δημόσια ή αν θα επιτρέψουμε στην επιστήμη να καταστεί δομικά εξαρτημένη από έναν μικρό αριθμό ιδιωτικών εταιρειών. Δε δικαιούμαστε να κάνουμε αυτή την επιλογή μέσα από την αδράνεια. Μπορείτε να ρωτήσετε και τους Άγγλους φιλάθλους.
Ευχαριστίες: Το κέιμενο πρωτοδημοσιεύτηκε στα αγγλικά στο μπλογκ του Terence Tao. Θα ήθελα να ευχαριστήσω τους Patrick Allen, Jennifer Crisafulli, Eyal Goren, Andrew Granville, Πάρι Κουκουλόπουλο, Matilde Lalín, Daniel Litt, James Maynard, Carlo Pagano και Oscar Alberto Quijano Xacur για τα χρήσιμα σχόλιά τους κατά την προετοιμασία αυτού του κειμένου. Χρησιμοποίησα το ChatGPT για να βελτιώσω τη διατύπωση, να μεταφράσω το κείμενο από τα αγγλικά και να πραγματοποιήσω βιβλιογραφική έρευνα.
*Ο Δημήτρης Κουκουλόπουλος, dimitris.koukoulopoulos@umontreal.ca, είναι καθηγητής μαθηματικών στο Πανεπιστήμιο του Μόντρεαλ, έδρα Κουρτουά για τη θεμελιώδη έρευνα.
Πηγή:kathimerini.gr
