Φανταστείτε ότι πρόκειται να λανσάρετε ένα νέο προϊόν. Παραδοσιακά, για να μάθετε πώς θα αντιδράσουν οι άνθρωποι, θα οργανώνατε έρευνες αγοράς, ομάδες εστίασης, συνεντεύξεις ή πιλοτικές δοκιμές. Θα συγκεντρώνατε μερικές εκατοντάδες ή, αν διαθέτατε σημαντικούς πόρους, μερικές χιλιάδες απαντήσεις και από αυτές θα προσπαθούσατε να καταλάβετε τι σκέφτεται η αγορά.
Τώρα φανταστείτε μια διαφορετική δυνατότητα. Πριν το προϊόν φτάσει σε έναν πραγματικό άνθρωπο, μπορείτε να το δοκιμάσετε απέναντι σε χιλιάδες ή εκατομμύρια εικονικούς χρήστες: διαφορετικής ηλικίας, εκπαίδευσης, οικονομικής κατάστασης, δεξιοτήτων, συνηθειών, αξιών και στάσης απέναντι στον κίνδυνο.
Μπορείτε να αυξήσετε την τιμή και να παρατηρήσετε τις αντιδράσεις. Να αλλάξετε τον τρόπο παρουσίασης μιας υπηρεσίας και να εξετάσετε ποιοι ανταποκρίνονται. Να αφήσετε έναν ψηφιακό βοηθό να αποτύχει και να δείτε ποιος είναι διατεθειμένος να του δώσει μια δεύτερη ευκαιρία και ποιος χάνει οριστικά την εμπιστοσύνη του.
Αυτή την ιδέα επιχειρεί να κάνει πράξη το MatrAIx, μια νέα ερευνητική υποδομή τεχνητής νοημοσύνης. Στον πυρήνα της βρίσκεται το Persona 8B, μια βάση 8,3 δισεκατομμυρίων εικονικών προφίλ (personas), καθένα από τα οποία περιγράφεται μέσα από 1.290 τυποποιημένα χαρακτηριστικά. Τα προφίλ αυτά μπορούν στη συνέχεια να «ενσαρκωθούν» ως ψηφιακοί πράκτορες τεχνητής νοημοσύνης (AI agents), ώστε να συμμετέχουν σε προσομοιωμένες έρευνες, δοκιμές και αλληλεπιδράσεις.
Το μέγεθος αυτής της βάσης είναι τέτοιο, ώστε σχεδόν αναπόφευκτα να δημιουργεί την εικόνα ενός δεύτερου, ψηφιακού παγκόσμιου πληθυσμού. Μόνο που η πραγματικότητα είναι λίγο διαφορετική.
Δεν δημιουργήθηκαν 8,3 δισεκατομμύρια ψηφιακοί άνθρωποι. Δημιουργήθηκε μια τεράστια δεξαμενή διαφορετικών περιγραφών ανθρώπινων προφίλ, από την οποία μπορούν να προκύψουν εικονικοί χρήστες, τους οποίους στη συνέχεια υποδύονται γλωσσικά μοντέλα.
Η διάκριση μπορεί να φαίνεται τεχνική. Στην πραγματικότητα, βρίσκεται στην καρδιά του ζητήματος. Γιατί ένα μοντέλο ενός ανθρώπου, όσο λεπτομερές κι αν γίνει, δεν παύει να είναι ένα μοντέλο.
Η πρακτική χρησιμότητα αυτής της προσέγγισης είναι προφανής. Η έρευνα με πραγματικούς ανθρώπους παραμένει αναντικατάστατη, αλλά είναι ακριβή, χρονοβόρα και δύσκολο να πραγματοποιηθεί σε πολύ μεγάλη κλίμακα. Οι προσομοιωμένοι χρήστες μπορούν να επιτρέψουν σε μια εταιρεία ή έναν ερευνητή να εξετάσει γρήγορα εκατοντάδες διαφορετικές εκδοχές του ίδιου σεναρίου.
Τι συμβαίνει όταν αλλάζει η τιμή; Ποιοι χρήστες δυσκολεύονται σε μια εφαρμογή; Ποιος είναι διατεθειμένος να περιμένει περισσότερο για μια απάντηση; Πώς αντιδρούν διαφορετικά προφίλ όταν ένα σύστημα αποτυγχάνει;
Εδώ βρίσκεται ένα από τα πραγματικά πλεονεκτήματα της ιδέας: μας απομακρύνει από τον βολικό αλλά συχνά παραπλανητικό «μέσο χρήστη». Ο μέσος καταναλωτής, ο μέσος ασθενής, ο μέσος πολίτης είναι χρήσιμες στατιστικές κατασκευές. Δεν είναι όμως πραγματικοί άνθρωποι. Η δυνατότητα να εξετάζουμε ένα σύστημα απέναντι σε πολλές διαφορετικές συμπεριφορικές εκδοχές μπορεί να αποκαλύψει προβλήματα που ένας μέσος όρος κρύβει.
Όσο πιο εντυπωσιακή γίνεται, όμως, αυτή η δυνατότητα, τόσο περισσότερο αξίζει να σταθούμε σε μια απλή ερώτηση: τι ακριβώς προσομοιώνουμε όταν λέμε ότι προσομοιώνουμε έναν άνθρωπο;
Για να δημιουργήσεις ένα εικονικό προφίλ, πρέπει πρώτα να αποφασίσεις ποια χαρακτηριστικά το αποτελούν. Ηλικία, μόρφωση, οικονομική κατάσταση, γλώσσα, αξίες, δεξιότητες, συνήθειες, προτιμήσεις, στάσεις. Μπορείς να χρησιμοποιήσεις 1.290 μεταβλητές. Αύριο ίσως 10.000 ή 100.000. Το θεμελιώδες πρόβλημα, όμως, δεν εξαφανίζεται.
Κάποιος πρέπει να αποφασίσει ποιες είναι αυτές οι μεταβλητές. Τι θεωρούμε σημαντικό, τι θεωρούμε μετρήσιμο και τι αφήνουμε έξω.
Ένα εικονικό προφίλ, επομένως, δεν είναι απλώς μια ουδέτερη φωτογραφία ενός ανθρώπου. Είναι ταυτόχρονα και μια θεωρία για τον άνθρωπο. Μέσα στις κατηγορίες που επιλέγουμε βρίσκονται, είτε το θέλουμε είτε όχι, οι δικές μας αντιλήψεις για το τι έχει σημασία σε μια ανθρώπινη ζωή και τι μπορεί να αγνοηθεί.
Και όσο πιο λεπτομερές γίνεται το μοντέλο, τόσο πιο εύκολο είναι να περάσουμε σχεδόν ανεπαίσθητα από το «έχουμε μια πολύ καλή περιγραφή ενός ανθρώπου» στο «έχουμε τον άνθρωπο».
Γι’ αυτό έχει ιδιαίτερο ενδιαφέρον και ένα από τα αποτελέσματα της διαδικασίας επικύρωσης του MatrAIx. Σε 400 ελεγχόμενες δοκιμές εξετάστηκε αν οι ψηφιακοί πράκτορες εκδήλωναν τα συμπεριφορικά χαρακτηριστικά που τους είχαν αποδοθεί, με ποσοστό επιτυχίας 91,5%.
Είναι σημαντικό αποτέλεσμα. Χρειάζεται όμως προσοχή στο τι ακριβώς αποδεικνύει.
Δείχνει ότι, όταν δώσουμε σε ένα μοντέλο συγκεκριμένα χαρακτηριστικά, αυτό μπορεί σε πολύ μεγάλο βαθμό να συμπεριφερθεί με τρόπο συνεπή προς αυτά. Δεν αποδεικνύει ότι τα ίδια τα χαρακτηριστικά αρκούν για να περιγράψουν την πολυπλοκότητα ενός πραγματικού ανθρώπου.
Το πρώτο αφορά την ποιότητα της προσομοίωσης. Το δεύτερο τη φύση αυτού που επιχειρούμε να προσομοιώσουμε.
Και εδώ βρίσκεται ίσως το δυσκολότερο σημείο. Ο άνθρωπος δεν είναι στατικός. Ούτε η κοινωνία είναι.
Οι άνθρωποι αλλάζουν με τον χρόνο, με τις εμπειρίες τους, με τις σχέσεις τους και με όσα συμβαίνουν γύρω τους. Το ίδιο πρόσωπο μπορεί να συμπεριφερθεί διαφορετικά σε διαφορετικές συνθήκες. Οι αξίες, οι φόβοι, οι επιθυμίες και οι επιλογές μας δεν υπάρχουν απομονωμένα μέσα μας σαν πεδία μιας βάσης δεδομένων. Διαμορφώνονται μέσα στις σχέσεις μας και σε ένα περιβάλλον που μεταβάλλεται συνεχώς.
Ένα εικονικό προφίλ, αντίθετα, ξεκινά αναγκαστικά από όσα έχουμε ήδη παρατηρήσει, καταγράψει και ταξινομήσει.
Και ίσως εδώ να βρίσκεται το μεγαλύτερο πλεονέκτημα του πραγματικού ανθρώπου απέναντι σε κάθε πρόβλεψη: μπορεί να μας εκπλήξει. Να αλλάξει γνώμη. Να αντιδράσει αντιφατικά. Να κάνει κάτι που τα προηγούμενα δεδομένα του δεν προέβλεπαν. Να επηρεαστεί από μια εμπειρία που δεν είχε ακόμη συμβεί.
Η τεχνητή νοημοσύνη μπορεί ασφαλώς να γίνει όλο και καλύτερη στην πρόβλεψη τέτοιων συμπεριφορών. Και αυτό έχει τεράστια αξία. Το πρόβλημα δεν είναι η πρόβλεψη.
Το πρόβλημα αρχίζει όταν η πιθανότητα μετατρέπεται, στη συνείδησή μας, σε βεβαιότητα και το μοντέλο σε πραγματικότητα.
Ο μεγαλύτερος κίνδυνος ίσως δεν είναι ότι θα δημιουργήσουμε κακές προσομοιώσεις ανθρώπων. Είναι ότι θα δημιουργήσουμε τόσο καλές, τόσο πειστικές και τόσο φθηνές προσομοιώσεις, ώστε κάποια στιγμή να μπούμε στον πειρασμό να πιστέψουμε ότι δεν χρειαζόμαστε πια τους πραγματικούς ανθρώπους.
Να αρχίσουμε, δηλαδή, να σχεδιάζουμε προϊόντα, υπηρεσίες ή μηνύματα για μια εκδοχή του ανθρώπου που υπάρχει κυρίως μέσα στα μοντέλα μας.
Η σωστή θέση μιας τεχνολογίας όπως το MatrAIx δεν είναι, επομένως, να αντικαταστήσει την πραγματικότητα. Είναι να μας βοηθήσει να την εξετάσουμε καλύτερα. Να λειτουργήσει σαν ένα τεράστιο εργαστήριο υποθέσεων. Να μας δείξει πιθανότητες, τυφλά σημεία και ακραία σενάρια — και ύστερα να επιστρέψουμε στον πραγματικό κόσμο για να δούμε αν όσα μας έδειξε εξακολουθούν να ισχύουν.
Ίσως, λοιπόν, το πιο ενδιαφέρον επίτευγμα που μας προσφέρει η δυνατότητα να δημιουργήσουμε δισεκατομμύρια εικονικά προφίλ να μην είναι μια τεχνολογική απάντηση αλλά ένα ανθρώπινο ερώτημα: όταν λέμε ότι προσομοιώνουμε έναν άνθρωπο, ποια ακριβώς εκδοχή του έχουμε αποφασίσει να βάλουμε μέσα στη μηχανή;
Η τεχνητή νοημοσύνη μπορεί να γίνει εξαιρετικά καλή στο να προβλέπει τι είναι πιθανό να αγοράσουμε, τι μπορεί να επιλέξουμε ή πώς ενδέχεται να αντιδράσουμε. Αυτή η δυνατότητα μπορεί να αλλάξει ριζικά τον τρόπο με τον οποίο σχεδιάζουμε προϊόντα και υπηρεσίες.
Αλλά η κατανόηση του ανθρώπου αρχίζει ακριβώς εκεί όπου σταματά η βεβαιότητα της πρόβλεψης.
Γιατί ο άνθρωπος δεν είναι μόνο όσα έχουμε ήδη καταγράψει γι’ αυτόν. Είναι και όσα δεν έχουν συμβεί ακόμη.
Και ίσως αυτή να είναι η μεγαλύτερη ειρωνεία της επόμενης φάσης της τεχνητής νοημοσύνης. Nα αποκτήσουμε τη δυνατότητα να προσομοιώνουμε δισεκατομμύρια ανθρώπους και, επειδή οι προσομοιώσεις μας θα γίνονται όλο και καλύτερες, να κινδυνεύσουμε να ξεχάσουμε τον μοναδικό άνθρωπο που εξακολουθεί να έχει τη δυνατότητα να μας διαψεύσει: τον πραγματικό.
Γι’ αυτό, όσο καλύτερα μαθαίνουμε να προβλέπουμε τον άνθρωπο, τόσο σημαντικότερο είναι να θυμόμαστε να τον ακούμε.
