Επί δεκαετίες η έρευνα για την ΤΝ ήταν κατά κάποιον τρόπο περιθωριακή, με μεγάλες υποσχέσεις και περιορισμένα αποτελέσματα. Με την εμφάνιση των Μεγάλων Γλωσσικών Μοντέλων τα τελευταία χρόνια τα πράγματα άλλαξαν, καθώς οι εξαιρετικές παραγωγικές δυνατότητες των μοντέλων αυτών στη γλώσσα, όπως και άλλων μοντέλων στην παραγωγή εικόνων, επίλυση προβλημάτων κ.ο.κ., οδήγησαν στην εκτίμηση ότι σύντομα η ΤΝ θα εισβάλει σε κάθε τομέα ανθρώπινων επιτευγμάτων. Η σημερινή ΤΝ μπορεί με βάση την προτροπή που θα της δοθεί να παράξει κείμενα, εικόνες, λύσεις, να κάνει ακόμη και ανακαλύψεις που κερδίζουν βραβεία Νόμπελ. Σημαίνει αυτό ότι θα κερδίζει στο εξής τα Νόμπελ των φυσικών επιστημών, ή ίσως ότι έφτασε το τέλος της ανθρώπινης επιστημονικής έρευνας;

Αναπαράσταση δύο πρωτεϊνών (με γαλάζιο και τιρκουάζ χρώμα) και μορίων DNA, των οποίων την τρισδιάστατη μορφή αλλά και τη μεταξύ τους αλληλεπίδραση μπορεί να προβλέψει η ΤΝ AlphaFold 3 της «DeepMind»

Το βραβείο Χημείας δόθηκε κατά το ήμισυ στον βιοχημικό Ντέιβιντ Μπέικερ, ενώ το άλλο μισό σε δύο ερευνητές της εταιρείας ΤΝ «DeepMind», τον κυπριακής καταγωγής Ντέμη Χασσάμπη και τον χημικό Τζον Τζάμπερ. Η τρισδιάστατη μορφή των πρωτεϊνών καθορίζει τη λειτουργικότητά τους ως ενζύμων, δομικών στοιχείων των ζωντανών οργανισμών κ.λπ. Η πρόβλεψη της μορφής που θα έχει μια πρωτεΐνη, με βάση την ακολουθία αμινοξέων, είναι εξαιρετικά δύσκολο πρόβλημα. Πρώτα ο Μπέικερ ανέπτυξε λογισμικό που στόχευε να δώσει λύση στο πρόβλημα, αλλά και λογισμικό που επέτρεπε τη σχεδίαση νέων πρωτεϊνών εξαρχής. Μέχρι το 2018, από τις 200 εκατομμύρια πρωτεΐνες που είναι γνωστές στην επιστήμη μόνο 150.000, δηλαδή το 0,1%, είχαν επιβεβαιωμένες τρισδιάστατες δομές. Τότε ο Χασσάμπης και ο Τζάμπερ παρουσίασαν το AlphaFold, σε έναν διαγωνισμό για λογισμικό που μπορεί να προβλέψει την αναδίπλωση των μορίων των πρωτεϊνών. Το λογισμικό νίκησε με διαφορά τον συναγωνισμό, ενώ η δεύτερη παραλλαγή του προγράμματος ΤΝ έδωσε την τρισδιάστατη δομή όλων των γνωστών πρωτεϊνών, και τώρα η τρίτη εκδοχή του AlphaFold κάνει το ίδιο και για τα μόρια DNA και RNA, ενώ μπορεί να προβλέψει και την αλληλεπίδραση των μορίων αυτών με τα μόρια των πρωτεϊνών.

Rawpixel Ltd.

Βεβαίως, ένα ερώτημα που τίθεται είναι αν ποτέ στο μέλλον πρόκειται να βραβευτούν εργασίες στις θετικές επιστήμες που θα έχουν πραγματοποιηθεί εξολοκλήρου χωρίς χρήση ΤΝ. Αυτό είναι δύσκολο να προβλεφθεί. Σίγουρο είναι ότι η ΤΝ προσφέρει τη δυνατότητα για μια νέα εκρηκτική ανάπτυξη της επιστήμης. Ισως σύντομα βοηθήσει στην ανάπτυξη νέων μορίων χρήσιμων για πιο αποδοτικές μπαταρίες, ή θα ανακαλύψει υποατομικά σωματίδια που κρύβονται μέσα στον τεράστιο όγκο δεδομένων των επιταχυντών σωματιδίων. Αλλά η ΤΝ έχει έναν κρίσιμο περιορισμό στις δυνατότητές της, που είναι θεμελιώδες χαρακτηριστικό της επιστήμης: Την εξάρτηση της επιστήμης από τον πραγματικό κόσμο, κάτι που δεν μπορεί να υπερβεί ούτε η ΤΝ, σημερινή ή μελλοντική, κάνοντας μόνο υπολογισμούς.

Η ΤΝ από μια πλευρά μπορεί να είναι τόσο καλή όσο τα δεδομένα που της δίνονται. Γι' αυτά τα δεδομένα θα πρέπει να στηρίζεται στις παρατηρήσεις από εργαλεία και μέσα που, τουλάχιστον τώρα και στο προσεχές μέλλον, χρειάζονται ανθρώπους για να τα λειτουργήσουν και συντηρήσουν. Αλλά πέρα απ' αυτό, χρειάζονται άνθρωποι επιστήμονες που ποθούν να μελετήσουν τον κόσμο και να διατυπώσουν τα ερωτήματα που η ΤΝ δεν μπορεί να διατυπώσει. Οπως είχε γράψει ο ίδιος ο Χόπφιλντ, η Φυσική - η επιστήμη γενικότερα - βασίζεται στη θέση ότι ο κόσμος είναι κατανοήσιμος με ποσοτικούς όρους, με βάση προσεκτικά πειράματα και παρατήρηση. Ο φυσικός κόσμος, στο ατελείωτο μεγαλείο και μυστήριό του, υπάρχει ακόμα για εξερεύνηση από τους μελλοντικούς επιστήμονες, είτε με τη βοήθεια της ΤΝ είτε χωρίς.

Στον σημερινό καπιταλιστικό κόσμο, ήταν φυσικό οι προσδοκίες που δημιούργησε η εμφάνιση του ChatGPT και των άλλων Μεγάλων Γλωσσικών Μοντέλων (ΜΓΜ) να κινήσουν το ενδιαφέρον για εφαρμογή της Τεχνητής Νοημοσύνης (ΤΝ) στον οικονομικό και ιδιαίτερα στον επενδυτικό τομέα. Ωστόσο, είναι ήδη σαφές ότι τα ΜΓΜ δεν είναι καθόλου έξυπνα και δεν μπορεί να στηριχτεί κανείς σε αυτά για τη λήψη αποφάσεων, όπως ορισμένοι σκέφτονταν, είτε για προσλήψεις εργαζομένων είτε για δικαστικές αποφάσεις, εγκρίσεις δανείων, ασφαλίσεις και επενδύσεις.

Πέρα από τις υπερβολές και τις μεγαλοστομίες γνωστών προσωπικοτήτων στον χώρο της πληροφορικής σχετικά με το τι θα σημάνουν το ChatGPT και τα παρόμοια, όπως ο Μαρκ Αντρεσεν, ο Μπιλ Γκέιτς, ο Σουντάρ Πιτσάι και άλλοι, που οπωσδήποτε προωθούν και μια νέα οδό τοποθέτησης στάσιμων κεφαλαίων πέρα από την ασθμαίνουσα «πράσινη ανάπτυξη», η σημερινή ΤΝ δεν είναι τίποτα άλλο παρά ένας εξαιρετικός αλγόριθμος διάταξης λέξεων με κατάλληλη σειρά από πλευράς συντακτικού και γραμματικής, που ταυτόχρονα βγάζουν νόημα ως απάντηση σε κάποιο ερώτημα. Παρά την απίστευτη ικανότητά τους να ανακαλύπτουν στατιστικά μοτίβα, τα συστήματα ΤΝ δεν έχουν κανέναν τρόπο να κρίνουν αν τα μοτίβα που βρίσκουν είναι εύλογα ή χωρίς νόημα. Μέχρι οι αλγόριθμοι ΤΝ να μπορέσουν να καταλάβουν την έννοια των λέξεων και πώς αυτές σχετίζονται με τον πραγματικό κόσμο, θα είναι αναξιόπιστα μέσα για τη λήψη αποφάσεων.

Οι επενδύσεις κεφαλαίου είναι ένας τομέας που μπορεί να προσφέρει ποσοτικά στοιχεία για την αξιολόγηση των δυνατοτήτων της σημερινής ΤΝ. Τα δύο πρώτα υποστηριζόμενα αποκλειστικά από ΤΝ επενδυτικά ταμεία, το AIEQ και το MIND, δημιουργήθηκαν τον Οκτώβρη του 2018, με το διαφημιζόμενο πλεονέκτημα ότι δεν θα επηρεάζονταν από προκαταλήψεις, υπερβολική αυτοπεποίθηση ή γνωστική ασυμφωνία με την πραγματικότητα, όπως οι άνθρωποι μάνατζερ. Στην πενταετία μέχρι το τέλος του 2023 το AIEQ είχε αθροιστικό αποτέλεσμα 63%, συγκρινόμενο με το 108% του δείκτη S&P, ενώ το MIND, που τερμάτισε τη λειτουργία του το 2022, είχε αρνητικό αποτέλεσμα -12%, συγκρινόμενο με το 65% του S&P. Μόνο 10 από τα 43 επενδυτικά ταμεία που χρησιμοποιούν ΤΝ μαζί με ανθρώπινη παρέμβαση στις επιλογές τα πήγαν καλύτερα από τον δείκτη S&P 500, αν και στο σύνολό τους τα πήγαν χειρότερα (7,11% έναντι 12,43%). Κανένα από τα 11 επενδυτικά που στηρίζονται αποκλειστικά στην ΤΝ δεν τα πήγε καλύτερα, και 6 από τα 11 έχασαν χρήματα των επενδυτών.