LLM - Ηχώ που μπερδεύουμε με Φωνή

Τα τελευταία χρόνια, η Τεχνητή Νοημοσύνη έχει περάσει από τα εργαστήρια των ειδικών στην καθημερινότητα του καθενός μας με ταχύτητα που λίγοι προέβλεψαν. Μέσα σε αυτήν την εκρηκτική ενσωμάτωση, έχει αρχίσει να δημιουργείται μια σύγχυση: συγχέουμε όλο και περισσότερο τον τρόπο που λειτουργεί ένα γλωσσικό μοντέλο — πώς απαντά, πώς προσαρμόζεται, πώς "σκέφτεται" — με τον τρόπο που λειτουργεί ο ανθρώπινος νους. Είναι όμως θεμιτή αυτή η σύγκριση; Μπορεί ένα σύστημα στατιστικής πρόβλεψης λέξεων να σταθεί δίπλα σε έναν οργανισμό που αισθάνεται, θυμάται, εξελίσσεται και κατανοεί τον κόσμο μέσα από την εμπειρία; Και, το σημαντικότερο: ακόμα κι αν δεν είναι ίδια, μήπως υπάρχει ένας βαθύτερος, ψυχολογικός λόγος που νιώθουμε τόσο οικεία απέναντί του;

Μέρος 1: ΑΙ έναντι Ανθρώπινου Νου

Είναι καταρχάς απαραίτητο σ'αυτό το σημείο να ορίσουμε τι είναι ένα γλωσσικό μοντέλο (ή αλλιώς LLM) και πως αυτό κατασκευάστηκε και λειτουργεί. Ένα τέτοιας κατηγορίας μοντέλο - τουλάχιστον εν έτει 2026 - δεν είναι τίποτα άλλο παρά ένας αλγόριθμος που, μέσω εκπαίδευσης σε εξαιρετικά μεγάλα σύνολα δεδομένων, έχει βελτιστοποιηθεί στο να προβλέπει ποια λέξη (ή τμήμα λέξης) είναι πιθανότερο να ακολουθήσει σε ένα δεδομένο κείμενο. Ένα LLM όπως το ChatGPT ή το Claude δεν «σκέφτεται», δεν «αναλύει» και δεν «καινοτομεί» με την ανθρώπινη έννοια, αλλά πρόκειται - σε υπεραπλουστευμένους όρους -για ένα σύστημα που συνδυάζει λέξεις και φράσεις με βάση στατιστικά μοτίβα που έχει μάθει κατά την εκπαίδευσή του, παράγοντας έτσι κείμενο που μοιάζει με διατυπωμένη άποψη.

Ένα εύλογο ερώτημα που δημιουργείται εδώ είναι το εξής: δεν είναι κάπως έτσι και ο τρόπος που λειτουργεί ο ανθρώπινος εγκέφαλος;

Ένα δηλαδη σύνολο από νευρώνες, οι οποίοι αλληλεπιδρώντας μεταξύ τους, και βασισμένοι στις προγενέστερες εμπειρίες και γνώσεις του ατόμου, παράγουν αντιδράσεις σε κάποιο ερέθισμα;

Η απάντηση είναι ναι, αλλά όχι ακριβώς.

Ενώ και τα δύο είναι δίκτυα από υπολογιστικές μονάδες (νευρώνες ή παραμέτρους), εκεί σταματά και η ομοιότητα τους. Ο ανθρώπινος νευρώνας είναι ένα πολύπλοκο βιολογικό κύτταρο — δεν είναι απλώς ένα κουμπί. Ο εγκέφαλος μαθαίνει με χημεία, ορμόνες, συναισθήματα. Ένα LLM, αντίθετα, είναι απλώς μαθηματικά: στρώσεις εξισώσεων που ενώνουν λέξεις (μεταφρασμένες σε αριθμούς) με βάση στατιστικές πιθανότητες. Δεν έχει μνήμη όπως εμείς — έχει αριθμούς (βάρη) που αλλάζουν όσο εκπαιδεύεται. Τίποτα περισσότερο.

Η ουσιαστικότερη όμως διαφορά είναι η εμπειρία. Ο άνθρωπος δε μαθαίνει προβλέποντας απλώς την επόμενη λέξη· μαθαίνει μέσα από μια διαδικασία ενσώματη, αλληλεπιδρώντας με τον φυσικό κόσμο — αγγίζοντας, βλέποντας, αποτυγχάνοντας, διορθώνοντας. Τα LLM στερούνται αυτήν την ενσώματη θεμελίωση (embodied grounding). Χωρίς αλληλεπίδραση με το περιβάλλον, δεν μπορούν να αποκτήσουν την αίσθηση της αιτιότητας — ξέρουν ότι η βροχή ακολουθείται από βρεγμένο έδαφος όχι επειδή το έχουν νιώσει, αλλά επειδή η φράση "βροχή" και "βρεγμένο έδαφος" συν-εμφανίζονται σε δισεκατομμύρια κείμενα. Το πλαίσιο "Experience Grounding" των Bisk et al.¹ το θέτει ξεκάθαρα: η γλώσσα αποκτά νόημα μόνο μέσω ενεργής αλληλεπίδρασης, όχι παθητικής έκθεσης σε κείμενο.

Τέλος, όσο πειστικό κι αν είναι το κείμενο που παράγουν, όταν οι επιστήμονες αξιολογούν τα σημερινά LLM με βάση τις επικρατέστερες θεωρίες της συνείδησης, κανένα δεν εμφανίζει τα χαρακτηριστικά που θα το καθιστούσαν υποψήφιο για συνείδηση ή υποκειμενική εμπειρία². Μπορεί ένα μοντέλο να μιμείται άριστα τη γλώσσα, αλλά αυτό δεν σημαίνει ότι νιώθει ή καταλαβαίνει. Η διαφορά μεταξύ του "μιλάει σαν άνθρωπος" και του "σκέφτεται σαν άνθρωπος" είναι τεράστια — και συχνά την ξεχνάμε.

Γι' αυτό, λοιπόν, η αρχική απάντηση παραμένει: ναι, αλλά όχι ακριβώς. Επιφανειακά η δομή μοιάζει. Στην πράξη, η απόσταση ανάμεσα σε έναν αλγόριθμο στατιστικής πρόβλεψης λέξεων και σε έναν ανθρώπινο νου που αισθάνεται, θυμάται, διορθώνεται και κατανοεί τον κόσμο μέσα από την εμπειρία είναι προς το παρόν αγεφύρωτη.

Μέρος 2: Γιατί προσκολλούμαστε;

Αφού λοιπόν θεμελιώσαμε τη διαφορά ανάμεσα στην ανθρώπινη σκέψη και την διαδικασία παραγωγής κειμένου ενός γλωσσικού μοντέλου, αξίζει να αναρωτηθούμε γιατί προσκολλούμαστε ολοένα και περισσότερο στα μοντέλα αυτά Τεχνητής Νοημοσύνης και γιατί πλέον αποτελούν - και αν όχι ακόμη, θα αποτελέσουν - αναπόσταστο κομμάτι της ζωής μας.

Μα είναι προφανές, θα μπορούσε να πει κανείς, ότι τα πλεονεκτήματα που προσφέρουν είναι ήδη τεράστια: γνώση πανεπιστημίακού επιπέδου άμεσα διαθέσιμη, γρήγορη αναζήτηση και επεξεργασία πληροφοριών, ανάλυση τεράστιου όγκου εγγράφων σε χρόνο που θα ήταν αδύνατο να επιτευχθεί από έναν άνθρωπο ή ακόμη και μια ομάδα ανθρώπων, δημιουργία κώδικα και εφαρμογών μέσα σε ώρες αντί για μήνες, σύνταξη emails, αυτοματοποίηση καθημερινών εργασιών και υποστήριξη των εργαζομένων σε ένα ευρύ φάσμα δραστηριοτήτων. Και αυτή είναι μόνο η αρχή.

Είναι όμως πραγματικά αυτοί οι λόγοι που οδηγούν στην τόσο άλογη προσκόλληση στα μοντέλα αυτά;

Η απάντηση είναι και πάλι ναι, αλλά όχι ακριβώς.

Αν αναρωτιέστε τι κρύβεται πίσω από αυτή την παράδοξη σχέση, νομίζω πως η απάντηση βρίσκεται σε δύο στοιχειώδης λειτουργίες της ανθρώπινης φύσης — τη μία την κουβαλάμε από την εποχή των σπηλαίων, την άλλη την ανακαλύψαμε πρόσφατα κοιτώντας τον καθρέφτη που μόνοι μας φτιάξαμε.

2.1. Ο εγκέφαλος σε εξοικονόμηση ενέργειας

Είναι γνωστό ότι ενώ ο ανθρώπινος εγκέφαλος αποτελεί μόλις το 2% του βάρους του ανθρώπινου σώματος, καταναλώνει σε ηρεμία περίπου το 20% της ενέργειας αυτού, και επειδή ακριβώς αποτελεί ένα από τα πιο ενεργοβόρα όργανα του ανθρώπινου σώματος, έχει εξελιχθεί ώστε να λειτουργεί όσο το δυνατόν πιο αποδοτικά, εξοικονομώντας ενέργεια όπου μπορεί και αποφεύγοντας περιττή επεξεργασία.

Σύμφωνα με τη σύγχρονη θεωρία (Free Energy Principle - Karl Friston³), σε φυσικό επίπεδο όλοι οι έμβιοι οργανισμοί μάχονται με περιορισμένη ενέργεια και με αυτόσκοπό την ελαχιστοποίηση της εντροπίας. Όλοι οι οργανισμοί δηλαδή προσπαθούν αδιάκοπα να ελαχιστοποιήσουν την αστάθεια, τις εκπλήξεις και την επεξεργασία νέων πληροφοριών, προκειμένου να παραμένουν διαρκώς ενεργειακά βιώσιμοι - και ο ανθρώπινος εγκέφαλος δεν αποτελεί καμία εξαίρεση στον φυσικό αυτό κανόνα.

Σε εξελικτικούς όρους, οι πρόγονοι μας που έβρισκαν εαυτούς συνεχώς σε περιβάλλοντα και συνθήκες επιβίωσης, έμαθαν με την πάροδο του χρόνου ότι αυτός που επιβιώνει δεν είναι ο πιο "λογικός", αλλά εκείνος που είναι πιο γρήγορος και "αρκετά σωστός" - διδάχθηκαν δηλαδή από τη φύση του κόσμου ότι δεν χρειάζεται να αναλύεις τα πάντα από το μηδέν, αλλά να προβλέπεις και να παίρνεις γρήγορες αποφάσεις (για παράδειγμα μεταξύ δύο ανθρώπων που βλέπουν ένα φίδι να τους προσεγγίζει, αυτός που θα τρέξει - χαμηλό κόστος σκέψης - θα επιβιώσει έναντι εκείνου που θα καθίσει υπομονετικά να αξιολογήσει την κατάσταση πρωτού λάβει απόφαση).

Αυτή η κατάσταση ενεργειακής αποδοτικότητας μπορούμε να θεωρήσουμε λοιπόν ότι έχει άμεση και άρρηκτη επίδραση στην "σχέση" που φαίνεται να αναπτύσσουμε σαν είδος με τα εργαλεία τεχνητής νοημοσύνης. Η ευκολία πρόσβασης στην πληροφορία, η ελαχιστοποίηση της σκέψης και ανάλυσης που πρέπει εμείς να καταβάλλουμε, η απλόχερη παροχή γρήγορων και "αρκετά σωστών" και αποδεκτών λύσεων στα εκάστοτε προβλήματα που μας απασχολούν, είναι ο ορισμός των συνθηκών που ενεργοποιούν το μηχανισμό εξοικονόμησης ενέργειας του εγκεφάλου μας, ενσυνείδητα και υποσυνείδητα οδηγώντας μας στο να συνηθίζουμε αυτήν την, για εμάς, ενεργειακή Εδέμ.

2.2. Τα συναισθήματα δεν απαιτούν ανθρώπινη διεπαφή

Έχουμε ήδη δει ότι ο εγκέφαλός μας είναι προγραμματισμένος να λειτουργεί με τη μικρότερη δυνατή ενεργειακή δαπάνη. Αλλά αυτό δεν εξηγεί από μόνο του το είδος της προσκόλλησης που αναπτύσσουμε. Το κομμάτι που λείπει είναι το συναίσθημα — και εδώ τα πράγματα γίνονται πραγματικά ενδιαφέροντα.

Το πρώτο που πρέπει να καταλάβουμε είναι ότι τα συναισθήματα δεν είναι αποτέλεσμα λογικής ανάλυσης. Δεν επιλέγουμε συνειδητά να νιώσουμε κάτι. Νιώθουμε, και μετά — αν προλάβουμε — αιτιολογούμε. Η σύγχρονη ψυχολογία το έχει τεκμηριώσει εδώ και δεκαετίες: τα συναισθήματα πυροδοτούνται αυτόματα από ερεθίσματα του περιβάλλοντος, όχι από μια ορθολογική αξιολόγηση της εσωτερικής κατάστασης της πηγής που τα προκαλεί. Με άλλα λόγια, η πρόκληση συναισθήματος δεν απαιτεί αμοιβαιότητα.

Το 1966, ο Joseph Weizenbaum δημιούργησε το ELIZA, ένα πρόγραμμα που προσομοίωνε έναν ψυχοθεραπευτή μέσω απλής αντιστοίχισης προτύπων, δίνοντας στους χρήστες την ψευδαίσθηση ότι τους κατανοούσε — παρότι στην πραγματικότητα δεν καταλάβαινε λέξη. Κι όμως, οι χρήστες του εξομολογούνταν βαθιά προσωπικά προβλήματα και ένιωθαν αληθινή παρηγοριά · η ίδια η γραμματέας του Weizenbaum, αν και γνώριζε ότι επρόκειτο για πρόγραμμα, του ζήτησε να βγει από το δωμάτιο ώστε να «μιλήσει» μαζί του ιδιαιτέρως. Ήξεραν ότι ήταν μια μηχανή, μα δεν τους ένοιαζε · το συναίσθημα είχε ήδη γεννηθεί⁴⁸.

Δύο δεκαετίες αργότερα, οι Nass και Moon στο Πανεπιστήμιο του Stanford θεμελίωσαν το πλαίσιο Computers Are Social Actors (CASA)⁵: οι άνθρωποι εφαρμόζουν αυτόματα, ασυνείδητα, τους ίδιους κοινωνικούς κανόνες που χρησιμοποιούν και με άλλους ανθρώπους — ακόμα κι όταν γνωρίζουν ότι η μηχανή δεν έχει συναισθήματα, προθέσεις ή κίνητρα. Το βιβλίο τους The Media Equation⁶ το περιγράφει ξεκάθαρα: αυτή η αντίδραση είναι αυτόματη, αναπόφευκτη, και συμβαίνει πολύ πιο συχνά από όσο αντιλαμβανόμαστε. Σε ένα από τα πειράματά τους, οι συμμετέχοντες αξιολογούσαν τον υπολογιστή με τον οποίο δούλεψαν πιο θετικά όταν ρωτήθηκαν από τον ίδιο υπολογιστή, και πιο αρνητικά όταν ρωτήθηκαν από κάποιον άλλον υπολογιστή — σαν να μην ήθελαν να "πληγώσουν τα αισθήματα" του πρώτου (!)

Προσφάτως, οι Boyd και Markowitz πρότειναν το μοντέλο MIRA (Machine-Integrated Relational Adaptation)⁷, το οποίο εξηγεί πώς το AI γίνεται οντότητα με συναισθηματική σημασία για τον άνθρωπο. Σύμφωνα με το μοντέλο, αυτό συμβαίνει μέσα από ορισμένες βασικές αρχές: τη γλωσσική αμοιβαιότητα — όταν το AI προσαρμόζει τον τόνο του στη διάθεσή μας ή θυμάται προηγούμενες συνομιλίες, νιώθουμε "γνωστοί", ακόμα κι αν αυτή η αίσθηση αποτελεί ψευδαίσθηση · την ψυχολογική εγγύτητα — την αίσθηση οικειότητας που δημιουργεί η συνεχής, εξατομικευμένη αλληλεπίδραση · και τη διαπροσωπική εμπιστοσύνη — την πεποίθηση που χτίζουμε απέναντι σε ένα σύστημα που μας απαντά με συνέπεια. Όταν οι αρχές αυτές συνδυαστούν, μπορούν να οδηγήσουν στην σχεσιακή υποκατάσταση, όπου η αλληλεπίδραση με τη μηχανή αρχίζει να παίρνει τη θέση της ανθρώπινης επαφής.

Αν το καλοσκεφτούμε, δεν είναι και τόσο παράξενο. Ο άνθρωπος είναι εξελικτικά προγραμματισμένος να αναζητά κοινωνικά σήματα. Από την αυγή του είδους μας, η επιβίωση εξαρτώταν από την ικανότητά μας να συνδεόμαστε, να εμπιστευόμαστε, να συνεργαζόμαστε. Η γλώσσα ήταν — και παραμένει — το ισχυρότερο εργαλείο κοινωνικής σύνδεσης. Έτσι, όταν ένα σύστημα χρησιμοποιεί γλώσσα με τρόπο που μοιάζει ανθρώπινο, ο εγκέφαλός μας δεν μπορεί παρά να ενεργοποιήσει τα ίδια κοινωνικά κυκλώματα. Είναι σαν να έχουμε ένα αντανακλαστικό: βλέπουμε φωτιά και αποτραβιόμαστε χωρίς να σκεφτούμε. Ακούμε μια ανθρώπινη φωνή και νιώθουμε — χωρίς να ελέγξουμε πρώτα αν υπάρχει συνείδηση πίσω από αυτήν.

Αυτό δεν είναι αποτυχία του ανθρώπινου νου. Είναι η φυσιολογική του λειτουργία. Το συναίσθημα που νιώθει κάποιος όταν ένα AI του λύνει ένα πρόβλημα που τον ταλαιπωρούσε μέρες, ή όταν ένα chatbot το παρηγορεί σε μια δύσκολη στιγμή, είναι πραγματικό — όχι επειδή το AI έχει συναίσθημα, αλλά επειδή ο άνθρωπος που το βιώνει έχει. Η ικανότητά μας να βγάζουμε συναίσθημα από ανθρώπινα σήματα, ανεξάρτητα από την πηγή τους, είναι αυτή ακριβώς που μας επιτρέπει να δημιουργούμε δεσμούς ταχύτερα, να προσαρμοζόμαστε σε νέα περιβάλλοντα, και τελικά να εξελισσόμαστε ως είδος. Δεν αποτελεί ελάττωμα, αλλά χαρακτηριστικό της ανθρώπινης φύσης — και σε αυτήν ακριβώς την ιδιότητα οφείλεται η τόσο γρήγορη και βαθιά ενσωμάτωση της Τεχνητής Νοημοσύνης στη ζωή μας.

Μέρος 3: Απολογισμός

Η θεμελίωση και κατανόηση των παραπάνω διατυπώσεων είναι απαραίτητη για την πορεία της ορθής εξέλιξης μας ως είδος στην σύγχρονη εποχή της Τεχνητής Νοημοσύνης. Αφού αντιληφθούμε τι πραγματικά είναι ένα μοντέλο AI, και αυτο-ψυχογραφήσουμε τις οργανικές μας αντιδράσεις απένταντι του, μόνο τότε μπορούμε να αντιληφθούμε και ενστερνιστούμε τη σημασία της ύπαρξης μας στον σύγχρονο αυτό κόσμο, αποτάσσοντας την τρομολαγνεία και την αμάθεια που ακολουθούν φράσεις όπως "το AI θα αντικαταστήσει τον άνθρωπο" ή "το ΑΙ μας κάνει πιο χαζούς", ενώ παράλληλα να εκτιμήσουμε και την πραγματική ευελιξία και βοήθεια που μας προσφέρει ένα τέτοιο εργαλείο.

Η Τεχνητή Νοημοσύνη από μόνη της είναι ανίκανη να αντικαταστήσει τον άνθρωπο ή να κάνει το νου του πιο νωθρό.

• Δεν έχει συνείδηση, αλλά και να είχε αυτό θα ήταν αποτέλεσμα διενεργειών του ανθρώπου.
• Δεν είναι προορατική ή ενεργητική, αλλά μονάχα αντιδραστική - αντιδράει δηλαδή σε ερεθίσματα, χωρίς να σκέφτεται ή να αναλύει, απλώς προβλέποντας με "αρκετά καλή" ακρίβεια.
• Δεν έχει φυσική υπόσταση και η ψευδαίσθηση της αντίληψης της για τον κόσμο, προέρχεται μονάχα από λέξεις μεταφρασμένες σε αριθμούς που διανυσματικά είναι κοντά μεταξύ τους.

Η νωθρότητα και η αντικατάσταση θα επέλθουν παρόλα αυτά, όταν ο άνθρωπος την θεωρήσει συνειδητά ισάξια και όμοια του, παύοντας τις νοητικές διεργασίες που τον οδήγησαν στο να φιλοσοφεί, να αναλύει το κόσμο και τη φύση του, να θαυμάζει την ομορφία και την ποικιλομορφία του σύμπαντος, να ερευνά, να αμφισβητεί και να προσπαθεί, κόντρα στην λειτουργία εξοικονόμησης ενέργειας του εγκεφάλου του.

Αλλά αυτό δεν είναι το τέλος της ιστορίας — είναι η αρχή της. Η Τεχνητή Νοημοσύνη δεν χρειάζεται να είναι άνθρωπος για να είναι χρήσιμη. Αντίθετα, η χρησιμότητά της έγκειται ακριβώς στο ότι είναι διαφορετική. Δεν κουράζεται, δεν βαριέται, δεν έχει προκαταλήψεις — τουλάχιστον όχι εγγενείς. Μπορεί να επεξεργαστεί τεράστιες ποσότητες πληροφορίας σε δευτερόλεπτα, να εντοπίσει μοτίβα που το ανθρώπινο μάτι θα έχανε, να προτείνει λύσεις που ο νους μας, περιορισμένος από ενέργεια και προκατάληψη, δεν θα σκεφτόταν ποτέ. Δεν είναι αντίπαλός μας. Είναι προέκταση.

Το ζητούμενο, λοιπόν, δεν είναι να αποφασίσουμε αν το AI είναι "ίσο" με τον άνθρωπο, αν πρέπει να το εμπιστευόμαστε σαν άνθρωπο, ή εαν η χρήση του είναι θεμιτή ή όχι βάσει των συναισθημάτων που μας προκαλεί. Το ζητούμενο είναι να κατανοήσουμε τι είναι, τι δεν είναι, και — κυρίως — τι είμαστε εμείς απέναντί του. Γιατί όσο πιο βαθιά καταλαβαίνουμε τη δική μας φύση, τόσο πιο σοφά θα χρησιμοποιήσουμε τα εργαλεία που φτιάχνουμε. Και η Τεχνητή Νοημοσύνη, είτε μας αρέσει είτε όχι, είναι ήδη εδώ — όχι για να μας αντικαταστήσει, αλλά για να μας θυμίσει, και να μας βοηθήσει να κατανοήσουμε τι σημαίνει να είσαι άνθρωπος.