PLUS
Οι δημιουργοί περιεχομένου αναπαράγουν αλγοριθμικές προκαταλήψεις που με τη σειρά τους τροφοδοτήθηκαν από άλλους δημιουργούς. Και κάπως έτσι φτάσαμε στο σημείο που όλα τα café είναι ίδια, είτε βρίσκονται στη Γλυφάδα, είτε στο Μανχάταν.
Στη δεκαετία του 1980, ο μελλοντολόγος Hans Moravec προειδοποίησε ότι, παραδόξως, οι πιο εύκολες για τον άνθρωπο ενέργειες (όπως το να κρατάει ένα κομμάτι σούσι με δύο ξυλάκια) θα ήταν αυτές που θα δημιουργούσαν τις μεγαλύτερες δυσκολίες στα ρομπότ και τους υπολογιστές.
Από την άλλη πλευρά, πολύ σύνθετες εργασίες όπως η εύρεση λαθών σε ιατρικές συνταγές, η διάκριση του πότε ένα διαστημικό τηλεσκόπιο έχει εντοπίσει κάτι ενδιαφέρον ή η επιλογή χριστουγεννιάτικων δώρων για όλη την οικογένεια έχουν καταλήξει να είναι εξαιρετικά απλές για τους αλγορίθμους.
Η τεχνητή νοημοσύνη και η μηχανική μάθηση
«Η τεχνητή νοημοσύνη το κάνει ήδη αυτό», υποστηρίζουμε όλο και πιο συχνά. Αλλά σύμφωνα με χιλιάδες επιστήμονες και φιλοσόφους, ο χαρακτηρισμός αυτός δεν είναι απολύτως κατάλληλος.
«Και οι δύο λέξεις (τεχνητή και ευφυής) είναι αμφιλεγόμενες και άκρως ύποπτες. Προτιμώ τον όρο μηχανική μάθηση, καθώς είναι πιο εύκολο να δούμε για τι μιλάμε: συστήματα που επιτρέπουν στις μηχανές να μαθαίνουν μοτίβα ή συσχετίσεις και να τα εφαρμόζουν σε νέες καταστάσεις και δεδομένα», εξηγεί ο Justin Joque, ο οποίος διδάσκει στο Πανεπιστήμιο του Μίσιγκαν και είναι συγγραφέας του βιβλίου Revolutionary Mathematics: Artificial Intelligence, Statistics and the Logic of Capitalism (Τεχνητή νοημοσύνη, στατιστική και η λογική του καπιταλισμού).
«Είναι λογικό να υπάρχει κάποια σύγχυση στο ευρύ κοινό, επειδή πρόκειται για έννοιες που είναι δύσκολο να κατανοηθούν από όσους δεν έχουν μαθηματικό υπόβαθρο. Υπάρχει πολύς μυστικισμός γύρω από την Τεχνητή Νοημοσύνη, όπως και σε κάθε άλλο επιστημονικό πεδίο: μελέτες για τον καρκίνο, αστρονομικά παρατηρητήρια όταν μιλάμε για ΑΤΙΑ… Αυτά είναι ενδιαφέροντα θέματα και δημοσιοποιούνται ευρέως, οπότε υπάρχουν πάντα εκείνοι που θα δημιουργήσουν μια νοσηρή περιέργεια γύρω από αυτά», εξηγεί η Celsa Pardo-Araujo, μαθηματικός στο Ινστιτούτο Διαστημικών Επιστημών, η έρευνα της οποίας επικεντρώνεται στην εφαρμογή της μηχανικής μάθησης στην αστροφυσική.
«Αυτό που είναι επίσης σαφές είναι ότι η Google, η DeepMind και η Microsoft δημιουργούν αλγορίθμους που λύνουν προβλήματα που δεν μπορούσαν να λυθούν πριν», προσθέτει.
Το Instagram προσελκύει κοινό μόνο στα μέρη που ανεβάζουν φωτογραφίες που ταιριάζουν στον αλγόριθμό του / Photo: Unsplash
Η αλγοριθμική παγκόσμια κουλτούρα και τα café
Αλλά εδώ έρχεται το σημείο που μας επηρεάζει: εκτός του ότι οι αλγόριθμοι επιλύουν ορισμένα προβλήματα και είναι πολύ χρήσιμοι στην επιστημονική έρευνα, παράγουν επίσης περιεχόμενο και, πάνω απ’ όλα, ταξινομούν και ιεραρχούν όλα όσα έχουμε δημιουργήσει εμείς οι ίδιοι.
Και αυτό περιλαμβάνει τόσο το τεράστιο φάσμα της παγκόσμιας κουλτούρας όσο και την τελευταία φωτογραφία που τραβήξαμε ενώ παίρναμε πρωινό.
Τι κριτήρια χρησιμοποιούν; Πώς είναι αυτές οι δημιουργίες; Αυτό είναι το πιο ανησυχητικό σημείο, διότι, όπως δείχνει ο Kyle Chayka στο βιβλίο του 2024 Filterworld: How Algorithms Flattened Culture, ο χάρτης (δηλαδή ο αλγόριθμος που επιβραβεύει κάποιο περιεχόμενο έναντι άλλων) επηρεάζει ήδη την επικράτεια (δηλαδή τη μορφή του ίδιου του περιεχομένου και την πραγματικότητα στην οποία κινούμαστε, ιδίως στις πόλεις).
Εικόνες που έχουν προτεραιότητα
Ο Chayka δίνει το παράδειγμα των καφέ που θέλουν να φαίνονται εκλεπτυσμένα: αν όλα προσφέρουν τα ίδια προϊόντα και η διακόσμησή τους είναι τόσο παρόμοια, αν το κοινό που τα επισκέπτεται μοιάζει επίσης τόσο πολύ σε όλο τον κόσμο, αυτό οφείλεται στο ότι οι διαχειριστές τους ακολουθούν το μοντέλο που επιβάλλει το Instagram όταν δίνει προτεραιότητα σε ορισμένες εικόνες έναντι άλλων.
Το Instagram προσελκύει κοινό μόνο στα μέρη που ανεβάζουν φωτογραφίες που ταιριάζουν στον αλγόριθμό του, και αυτό είναι κάτι που συμβαίνει σε όλους τους τομείς: υπάρχουν ήδη μουσικοί που διδάσκουν πώς να γράφουν τραγούδια ώστε να γίνουν viral στο TikTok (για παράδειγμα, με το ρεφρέν πολύ κοντά στην αρχή) και πολλοί εικονογράφοι μιμούνται το στυλ της Pixar, ανεξάρτητα από το αν τους διεγείρει (το χρησιμοποιούν επίσης πολλές αυτόματες γεννήτριες εικόνων), επειδή έχουν διαπιστώσει ότι αυτό τους βοηθά να γίνουν viral.
Ένας κόσμος που μοιάζει όλο και περισσότερο με τον εαυτό του
Μέσω εμπειρικής έρευνας που διεξήχθη στη Γαλλία τη δεκαετία του 1960, ο κοινωνιολόγος Pierre Bourdieu μελέτησε τις «κοινωνικές βάσεις του γούστου» και ανακάλυψε δεκάδες συσχετίσεις μεταξύ ζητημάτων όπως το μορφωτικό επίπεδο, το είδος της απασχόλησης ή το διαθέσιμο εισόδημα (δηλαδή παράγοντες κοινωνικής τάξης) και των αισθητικών προτιμήσεων.
Σήμερα, που οι αλγόριθμοι έχουν πολύ πιο ακριβείς και εξατομικευμένες πληροφορίες για τα γούστα μας (τους τις δίνουμε συνεχώς) και κάποιες από τις προτάσεις τους μας ικανοποιούν (το Spotify σπάνια κάνει λάθος όταν σχεδιάζει μια λίστα αναπαραγωγής για εμάς), εξακολουθούμε να έχουμε την αίσθηση ότι πολλές πλατφόρμες ενισχύουν μόνο το χειρότερο περιεχόμενο, το πιο εντυπωσιακό ή παραπλανητικό.
«Το σύστημα συστάσεων του YouTube, για παράδειγμα, θα έχει έναν πυρήνα που θα εκπαιδευτεί αρχικά με έναν ορισμένο αριθμό χρηστών και στη συνέχεια θα λαμβάνει ανατροφοδότηση και θα επανεκπαιδεύεται με κάθε ροή», εξηγεί η Pardo-Araujo.
«Είναι αλήθεια ότι οι αλγόριθμοι αναπαράγουν πολλές προκαταλήψεις επειδή δεν μπορείτε ποτέ να τους εκπαιδεύσετε με ολόκληρο τον πληθυσμό και πρέπει να είστε πολύ προσεκτικοί με αυτή τη διαδικασία: οι κατανομές πρέπει να είναι αντιπροσωπευτικές της πραγματικότητας.
»Αλλά είναι αστείο το γεγονός ότι οι προκαταλήψεις στους αλγορίθμους προκαλούν τόσο μεγάλη ανησυχία, όταν όλοι μας έχουμε και οι ίδιοι τόσες προκαταλήψεις που θα πρέπει επίσης να εξαλείψουμε από τη συνείδησή μας.
»Ίσως είναι πιο εύκολο να τις αναγνωρίσουμε στους αλγορίθμους παρά στον εαυτό μας», προσθέτει η μαθηματικός, πεπεισμένη ότι οι αλγόριθμοι αντικατοπτρίζουν αυτό που ήδη συμβαίνει στην κοινωνία.
«Το εγώ είναι ένα πολύ ισχυρό ναρκωτικό»
Σε τεχνικό επίπεδο, η εισαγωγή όλο και πιο όμοιων δειγμάτων (ή απευθείας παραγόμενων από προηγούμενους αλγορίθμους) στα συστήματα αποτελεί σημαντική απειλή για την εξέλιξή τους.
Τα συστήματα που εκπαιδεύονται με την παραγωγή πολλών γενεών τεχνητής νοημοσύνσης γίνονται γρήγορα παράλογα, σημειώνει, προσθέτοντας ότι ο κίνδυνος το καλής ποιότητας περιεχόμενο που παράγεται από τον άνθρωπο να γίνει πόρος όπως το πετρέλαιο ή ο άνθρακας είναι υπαρκτός.
Σε καλλιτεχνικό επίπεδο, οι αλγόριθμοι «ανατροφοδοτούν διαρκώς την τρέχουσα επαναλαμβανόμενη τάση», λέει ο Luis Demano, εικονογράφος και ακτιβιστής κατά της καταχρηστικής χρήσης της τεχνητής νοημοσύνης στον τομέα του.
Έχει εντοπίσει ποιες εικόνες ανταμείβονται και αναπαράγονται περισσότερο από τα αυτόματα συστήματα: «Τείνουν να είναι ρεαλιστικές αναπαραστάσεις κοντά σε φωτογραφικά προφίλ και με πολύ χαρακτηριστική χρωματική επεξεργασία, που επιβάλλουν πολλές φωτιστικές αντιθέσεις μεταξύ θερμών και ψυχρών τόνων».
Εκτός από το ότι είναι χρήσιμο για τη μείωση του κόστους, ο Demano αναγνωρίζει ότι η «είσοδος στο παιχνίδι των αλγορίθμων» μπορεί να είναι ανταποδοτική για όσους τους χρησιμοποιούν: «Μας ανταμείβει και μας κάνει να αισθανόμαστε ξεχωριστοί με την προσοχή που λαμβάνουμε. Το εγώ είναι ένα πολύ ισχυρό ναρκωτικό».
