Το ευρωπαϊκό παράδοξο της τεχνητής νοημοσύνης: γιατί η επόμενη γενιά ειδικών είναι ήδη ανάμεσά μας
Το ψευδές δίλημμα που κυριαρχεί στη συζήτηση για την τεχνητή νοημοσύνη στην Ευρώπη
Ζούμε σε μια εποχή αυτοαποκαλούμενων ειδικών στην τεχνητή νοημοσύνη. Χωρίζονται σε δύο στρατόπεδα, που φωνάζουν το ένα προς το άλλο χωρίς να ακούνε. Το ένα στρατόπεδο διακηρύσσει ότι δεν μπορούμε να επιβιώσουμε χωρίς τεχνητή νοημοσύνη. Το άλλο επιμένει ότι πρέπει να την απορρίψουμε εντελώς.
Ανάμεσα σε αυτά τα δύο άκρα; Σιωπή. Σχεδόν τίποτα.
Η πρώτη ομάδα πιθανότατα αγνοεί τι υπήρχε πριν από τη σημερινή τεχνητή νοημοσύνη. Δεν γνωρίζουν ότι η τεχνητή νοημοσύνη υπήρχε ήδη πριν ονομαστεί έτσι. Αυτή η ομάδα πρέπει να καταλάβει ότι η σημερινή τεχνητή νοημοσύνη δεν είναι αυτό που θα έπρεπε να είναι. Κινηθήκαμε πολύ γρήγορα. Κόψαμε δρόμο. Το αποτέλεσμα, που έρχεται σύντομα: άχρηστη τεχνητή νοημοσύνη.
Γιατί αυτή η ομάδα φωνάζει τόσο δυνατά ότι δεν μπορούμε να επιβιώσουμε χωρίς τεχνητή νοημοσύνη; Έχουν προσαρτήσει σε αυτήν ένα εύκολο μοντέλο εσόδων. Δεν είναι κλιμακώσιμο. Κρατιούνται από το κόλπο που ξέρουν.
Η δεύτερη ομάδα γνωρίζει τι προηγήθηκε. Κατανοεί τα επιμέρους στοιχεία. Είναι ειδικοί σε αυτούς τους τομείς εδώ και χρόνια. Αυτή η ομάδα χρειάζεται βοήθεια για να δει τις δυνατότητες και τα όρια. Πιθανότατα θα είναι η πρώτη που θα αναγνωρίσει τι πρέπει να είναι η τεχνητή νοημοσύνη και τι μπορεί να επιτευχθεί με τον σωστό τρόπο.
Οι γνώσεις τους ταιριάζουν στην αρχιτεκτονική της τεχνητής νοημοσύνης. Στην επόμενη γενιά τεχνητής νοημοσύνης, που χτίζεται για τους ανθρώπους, αυτοί οι άνθρωποι θα βρουν τη θέση που τους ταιριάζει. Εδώ βρίσκεται μια τεράστια ευκαιρία για ταχεία επανειδίκευση και συνεισφορά. Το μοντέλο εσόδων που κινδυνεύουν να χάσουν αποκτά νέα δυναμική.
Μπορούμε να εξάγουμε μια δύσκολη πόλωση από αυτό και να τη συνδέσουμε με ένα διαφοροποιημένο συμπέρασμα;
Το τρέχον τοπίο της τεχνητής νοημοσύνης στην Ευρώπη
Ας είμαστε συγκεκριμένοι για τη θέση της Ευρώπης. Τα νούμερα λένε μια σημαντική ιστορία.
Η Ευρώπη αντιμετωπίζει τεκμηριωμένη έλλειψη ταλέντου στην τεχνητή νοημοσύνη. Το Ηνωμένο Βασίλειο έχει 168.000 κενές θέσεις στην τεχνητή νοημοσύνη. Η Γερμανία έχει 102.000. Η Γαλλία έχει 88.000. Η αναλογία ζήτησης προς προσφορά για δεξιότητες τεχνητής νοημοσύνης παγκοσμίως είναι 3,2 προς 1. Μόνο το 10% των κορυφαίων ερευνητών τεχνητής νοημοσύνης στον κόσμο ζει στην Ευρώπη, και αυτό το ποσοστό μειώνεται κάθε χρόνο.
Η υιοθέτηση τεχνητής νοημοσύνης από επιχειρήσεις στην Ευρώπη ανέρχεται μόλις στο 13,5% από το 2024. Το ταλέντο στην τεχνητή νοημοσύνη αντιπροσωπεύει το 0,41% του εργατικού δυναμικού της ΕΕ. Εν τω μεταξύ, οι ΗΠΑ έχουν πάνω από 240 εταιρείες τεχνολογίας αξίας άνω των 10 δισεκατομμυρίων δολαρίων. Η Ευρώπη έχει 14. Ο αμερικανικός επιχειρηματικός κίνδυνος για τεχνητή νοημοσύνη έφτασε τα 68 δισεκατομμύρια δολάρια το 2024. Η ΕΕ κατάφερε 8 δισεκατομμύρια δολάρια.
Αυτά τα στατιστικά δημιουργούν πανικό. Οδηγούν την αφήγηση της πρώτης ομάδας: η Ευρώπη πρέπει να εισάγει τεχνητή νοημοσύνη, να αγοράσει τεχνητή νοημοσύνη, να την υιοθετήσει γρήγορα ή να μείνει πίσω για πάντα.
Αλλά αυτή η αφήγηση υποθέτει ότι η σημερινή τεχνητή νοημοσύνη είναι η μόνη τεχνητή νοημοσύνη. Υποθέτει ότι η βαθιά μάθηση μαύρου κουτιού είναι ο τελικός προορισμός. Αγνοεί τι έχτισε η Ευρώπη πριν από τη διαφημιστική εκστρατεία.
Τι είχε η Ευρώπη πριν η τεχνητή νοημοσύνη ονομαστεί τεχνητή νοημοσύνη
Ενώ οι αμερικανικές εταιρείες επεκτείνουν τα νευρωνικά δίκτυα, η Ευρώπη έχτιζε κάτι διαφορετικό. Κάτι θεμελιώδες. Κάτι που η σημερινή τεχνητή νοημοσύνη έχει απεγνωσμένα ανάγκη.
Τυπικές μέθοδοι και επαλήθευση: Η Ευρώπη έχει πάνω από 25 χρόνια τεκμηριωμένης εμπειρίας στην απόδειξη της ορθότητας λογισμικού. Το Πανεπιστήμιο του Φράιμπουργκ, το Inria, το Formal Methods Europe, εταιρείες όπως η Prover Technology, η CEA List, η Axiomise, η PQShield. Αυτά τα ιδρύματα και οι εταιρείες δεν εξαφανίστηκαν. Είναι ακόμα εδώ. Η εμπειρία τους είναι πιο σχετική από ποτέ.
Προγραμματισμός με περιορισμούς: Το Handbook of Constraint Programming δημοσιεύτηκε το 2006. Το συνέδριο CPAIOR ξεκίνησε το 2004 στη Νίκαια της Γαλλίας. Ερευνητικές ομάδες όπως οι VeriDIS στο Inria, το KU Leuven και το RISC στο Πανεπιστήμιο Johannes Kepler αναπτύσσουν τεχνικές επίλυσης περιορισμών εδώ και δεκαετίες. Αυτό δεν είναι θεωρητικό. Είναι το θεμέλιο συστημάτων βελτιστοποίησης, προγραμματισμού και λήψης αποφάσεων.
Λογικός προγραμματισμός και Prolog: Γεννήθηκε στην Ευρώπη. Πανεπιστήμιο Aix-Marseille, 1972-1973. Δημιουργοί οι Alain Colmerauer και Philippe Roussel. Πενήντα χρόνια ευρωπαϊκής έρευνας. Το 2022, η κοινότητα γιόρτασε τα «Πενήντα Χρόνια Prolog και Μετά». Αυτή δεν είναι εγκαταλελειμμένη ιστορία. Είναι ζωντανή τεχνογνωσία.
Σημασιολογικός ιστός και μηχανική γνώσης: Το SWAD-Europe ήταν μια σημαντική ευρωπαϊκή πρωτοβουλία για τον Σημασιολογικό Ιστό εντός του W3C. Το OWL έγινε σύσταση του W3C το 2004, με επικεφαλής Ευρωπαίους ερευνητές. Σήμερα, το Nature δημοσιεύει έρευνα για σημασιολογικούς γράφους γνώσης. Η τεχνογνωσία δεν έφυγε ποτέ.
Αυτό γνωρίζει η δεύτερη ομάδα. Αυτή είναι η εξειδίκευσή τους. Και παρακολουθούν την πρώτη ομάδα να εφευρίσκει εκ νέου τον τροχό με ανεπαρκή τρόπο, να αγνοεί δεκαετίες έρευνας και να δημιουργεί συστήματα που αποτυγχάνουν ακριβώς επειδή τους λείπουν αυτά τα θεμέλια.
Το πρόβλημα με την πρώτη ομάδα: μη βιώσιμος ενθουσιασμός
Η αγορά συμβούλων τεχνητής νοημοσύνης θα φτάσει τα 630,7 δισεκατομμύρια δολάρια έως το 2032. Αυτό εξηγεί τις φωνές. Σύμβουλοι, πάροχοι υπολογιστικού νέφους, πάροχοι υπηρεσιών έχουν συνδέσει το επιχειρηματικό τους μοντέλο με τη σημερινή τεχνητή νοημοσύνη. Πρέπει να πείσουν τις ευρωπαϊκές επιχειρήσεις ότι πρέπει να υιοθετήσουν την τεχνητή νοημοσύνη τώρα ή να εξαφανιστούν.
Αλλά το μοντέλο δεν είναι επεκτάσιμο. Να γιατί.
Η σημερινή τεχνητή νοημοσύνη υποφέρει από εκθετική συσσώρευση σφαλμάτων. Συστήματα που είναι ακριβή κατά 98% σε κάθε βήμα γίνονται ακριβή κατά 13% μετά από 100 βήματα. Οι παραισθήσεις διογκώνονται χιονοστιβάδα. Τα πολυτροπικά συστήματα χάνουν 31% απόδοση όταν συναντούν παραγόμενα σφάλματα. Τα μαθηματικά δεν ενδιαφέρονται για τα επιχειρηματικά μοντέλα.
Η λύση της πρώτης ομάδας; Περισσότερα δεδομένα εκπαίδευσης. Καλύτερα προτροπές. Βήματα επαλήθευσης που προσθέτουν περισσότερα βήματα στο πρόβλημα που προκλήθηκε από το ότι υπάρχουν πάρα πολλά βήματα. Προσπαθούν να πολεμήσουν τα μαθηματικά με φυσική γλώσσα.
Αυτό δεν είναι βιώσιμο. Οι ευρωπαϊκές επιχειρήσεις που υιοθετούν αυτές τις προσεγγίσεις θα αντιμετωπίσουν το ποσοστό αποτυχίας παραγωγής 95% που τεκμηριώνεται από έρευνες των MIT και Fortune. Θα ξοδέψουν εκατομμύρια σε συστήματα που είναι μαθηματικά εγγυημένο ότι θα αποτύχουν σε σενάρια πολλαπλών βημάτων.
Η πρώτη ομάδα το γνωρίζει αυτό. Δεν μπορούν να το παραδεχτούν. Το επιχειρηματικό τους μοντέλο εξαρτάται από τη διατήρηση της ψευδαίσθησης ότι η σημερινή τεχνητή νοημοσύνη λειτουργεί. Έτσι φωνάζουν πιο δυνατά.
Η ευκαιρία στη δεύτερη ομάδα: παραγνωρισμένη τεχνογνωσία
Σκεφτείτε τώρα τη δεύτερη ομάδα. Παρακολούθησαν τον ενθουσιασμό για την τεχνητή νοημοσύνη από το περιθώριο. Είδαν επιχειρήσεις να επανεφευρίσκουν τεχνικές που η Ευρώπη είχε λύσει εδώ και δεκαετίες. Είδαν νευρωνικά δίκτυα να δυσκολεύονται με προβλήματα που ο προγραμματισμός περιορισμών αντιμετωπίζει με κομψό τρόπο.
Παρέμειναν σιωπηλοί επειδή η αγορά δεν επιβράβευε την τεχνογνωσία τους. Η χρηματοδότηση για την τεχνητή νοημοσύνη κατευθύνθηκε στη βαθιά μάθηση. Η έρευνα στον προγραμματισμό περιορισμών συνεχίστηκε σε πανεπιστήμια και εξειδικευμένες εταιρείες. Η τυπική επαλήθευση παρέμεινε απαραίτητη σε βιομηχανίες όπου η ασφάλεια είναι κρίσιμη. Η μηχανική γνώσης υποστήριξε εφαρμογές σημασιολογικού ιστού που λειτουργούσαν αξιόπιστα.
Αυτή η ομάδα υπάρχει. Είναι σημαντική. Η Ευρώπη έχει πάνω από 10 εκατομμύρια ειδικούς ΤΠΕ. Η Γερμανία έχει 2,3 εκατομμύρια. Η Κεντρική και Ανατολική Ευρώπη έχουν 3,5 εκατομμύρια. Η απασχόληση μεταξύ των προγραμματιστών είναι 84%. Αυτό δεν είναι μια μικρή θέση στην αγορά. Είναι ένα τεράστιο εργατικό δυναμικό με υποχρησιμοποιούμενη τεχνογνωσία.
Να η κρίσιμη διαπίστωση: οι απαιτήσεις του Κανονισμού Τεχνητής Νοημοσύνης της ΕΕ για επεξηγησιμότητα, διαφάνεια και ελεγξιμότητα δημιουργούν ρυθμιστική ζήτηση για ακριβώς αυτό που γνωρίζει αυτή η ομάδα.
Η τυπική επαλήθευση αποδεικνύει την ορθότητα των συστημάτων. Ο προγραμματισμός περιορισμών παρέχει ερμηνεύσιμες διαδρομές συλλογισμού. Ο λογικός προγραμματισμός επιτρέπει την ιχνηλάσιμη λήψη αποφάσεων. Η μηχανική γνώσης κατασκευάζει υβριδικά νευρο-συμβολικά συστήματα που συνδυάζουν τη μάθηση με τον συλλογισμό.
Η τεχνογνωσία της δεύτερης ομάδας αντιστοιχεί άμεσα στις απαιτήσεις της επόμενης γενιάς τεχνητής νοημοσύνης. Δεν χρειάζεται να μάθουν τεχνητή νοημοσύνη από το μηδέν. Πρέπει να αναγνωρίσουν ότι οι υπάρχουσες δεξιότητές τους ΕΙΝΑΙ η επόμενη γενιά τεχνητής νοημοσύνης.
Η άχρηστη τεχνητή νοημοσύνη που έρχεται σύντομα
Τι συμβαίνει όταν οι σημερινές προσεγγίσεις τεχνητής νοημοσύνης φτάσουν στα μαθηματικά τους όρια; Το βλέπουμε ήδη.
Το Google AI Overview πρότεινε να βάλουμε κόλλα στην πίτσα. Το CNET έγραψε άρθρα με τεχνητή νοημοσύνη με ποσοστό σφάλματος 53%. Τα συστήματα ιατρικής διάγνωσης απέτυχαν στο 80% των παιδιατρικών περιστατικών. Τα νομικά μοντέλα τεχνητής νοημοσύνης παραισθάνονται σε 1 στις 6 ερωτήσεις. Αυτά δεν είναι μεμονωμένες περιπτώσεις. Είναι συμπτώματα θεμελιωδών αρχιτεκτονικών προβλημάτων.
Το φαινόμενο της χιονοστιβάδας παραισθήσεων που εντόπισαν οι Zhang et al. (2023) δείχνει ότι τα LLM δεσμεύονται υπερβολικά στα πρώιμα λάθη τους και παράγουν επιπλέον ψευδείς ισχυρισμούς για να τα δικαιολογήσουν. Τα λάθη δεν απλώς διαδίδονται. Μεγαλώνουν.
Το πρόβλημα του 98% σημαίνει ότι μετά από 34 βήματα συλλογισμού, τα συστήματα είναι πιο πιθανό να είναι λάθος παρά σωστά. Μετά από 100 βήματα, είναι λάθος στο 86,7% των περιπτώσεων. Γι' αυτό το 95% των πρακτόρων τεχνητής νοημοσύνης αποτυγχάνουν στην παραγωγή. Γι' αυτό το 95% των πιλοτικών προγραμμάτων γενετικής τεχνητής νοημοσύνης δεν φτάνουν ποτέ στην παραγωγή.
Οδεύουμε ταχύτατα προς μια τεχνητή νοημοσύνη που δεν μπορεί να χρησιμοποιηθεί. Συστήματα που δεν μπορούν να θεωρηθούν αξιόπιστα για συλλογισμό πολλαπλών βημάτων. Συστήματα που απαιτούν ανθρώπινο έλεγχο κάθε εξόδου. Συστήματα που κοστίζουν περισσότερο να διορθωθούν από ό,τι αξίζουν.
Η πρώτη ομάδα θα απαντήσει με περισσότερα από τα ίδια. Μεγαλύτερα μοντέλα. Περισσότερη υπολογιστική ισχύ. Καλύτερα προτροπές. Είναι παγιδευμένοι σε ένα παράδειγμα που τα μαθηματικά λένε ότι δεν μπορεί να λειτουργήσει.
Η δεύτερη ομάδα το βλέπει διαφορετικά. Έχουν περάσει την καριέρα τους χτίζοντας συστήματα που ΔΕΝ υποφέρουν από εκθετική συσσώρευση σφαλμάτων. Οι τυπικές μέθοδοι αποδεικνύουν ιδιότητες. Η επίλυση περιορισμών βρίσκει βέλτιστες λύσεις. Ο λογικός προγραμματισμός παρέχει ορθό συλλογισμό. Η μηχανική γνώσης δημιουργεί επεξηγήσιμα συστήματα.
Η πόλωση γίνεται ξεκάθαρη. Η μία ομάδα διπλασιάζει τις αποτυχημένες προσεγγίσεις. Η άλλη ομάδα κατέχει τις λύσεις που θα ζητήσει τελικά η αγορά.
Ευρωπαϊκή ψηφιακή κυριαρχία μέσω της υπάρχουσας τεχνογνωσίας
Η Ευρωπαϊκή Επιτροπή ορίζει την ψηφιακή κυριαρχία ως «ψηφιακές υποδομές, προϊόντα και υπηρεσίες που διασφαλίζουν την ευρωπαϊκή ασφάλεια, τα στρατηγικά περιουσιακά στοιχεία και τα συμφέροντα». Η Διακήρυξη του Βερολίνου προσθέτει «την ικανότητα να ενεργούμε αυτόνομα και να επιλέγουμε ελεύθερα τον δικό μας ψηφιακό δρόμο».
Οι τρέχουσες προσεγγίσεις για την κυριαρχία στην τεχνητή νοημοσύνη επικεντρώνονται στη δημιουργία ευρωπαϊκών εκδοχών της αμερικανικής τεχνητής νοημοσύνης. Εκπαίδευση μεγάλων γλωσσικών μοντέλων. Δημιουργία ευρωπαϊκών θεμελιωδών μοντέλων. Ανταγωνισμός με τους όρους της Αμερικής.
Αυτό χάνει το νόημα. Ο δρόμος της Ευρώπης προς την κυριαρχία στην τεχνητή νοημοσύνη δεν είναι να κάνει ό,τι κάνει η Αμερική, απλώς τοπικά. Είναι να κάνει ό,τι κάνει η Ευρώπη καλύτερα, διαφορετικά.
Η έμφαση του ευρωπαϊκού κανονισμού για την τεχνητή νοημοσύνη στην επεξηγησιμότητα, τη διαφάνεια και τον ανθρωποκεντρικό σχεδιασμό δεν είναι τυχαία. Αντικατοπτρίζει τις ευρωπαϊκές αξίες. Αντικατοπτρίζει επίσης τα ευρωπαϊκά τεχνικά πλεονεκτήματα. Ο κανονισμός δημιουργεί ζήτηση για συστήματα που μπορούν να εξηγηθούν, να επαληθευτούν και να ελεγχθούν.
Ποιος μπορεί να χτίσει αυτά τα συστήματα; Όχι οι ειδικοί στη βαθιά μάθηση που έφτιαξαν μοντέλα μαύρου κουτιού. Οι ειδικοί στις τυπικές μεθόδους που αποδεικνύουν την ορθότητα συστημάτων εδώ και 25 χρόνια. Οι ερευνητές προγραμματισμού περιορισμών που χτίζουν επεξηγήσιμα συστήματα βελτιστοποίησης εδώ και δύο δεκαετίες. Οι μηχανικοί γνώσης που δημιουργούν επεξηγήσιμα σημασιολογικά συστήματα από τις αρχές της δεκαετίας του 2000.
Αυτό είναι το ευρωπαϊκό πλεονέκτημα. Η Ευρώπη δεν χρειάζεται να εισάγει τεχνογνωσία στην τεχνητή νοημοσύνη. Η Ευρώπη πρέπει να αναγνωρίσει ότι η υπάρχουσα τεχνική της τεχνογνωσία ΕΙΝΑΙ τεχνογνωσία τεχνητής νοημοσύνης επόμενης γενιάς.
Η ευκαιρία επανειδίκευσης που είναι ορατή με γυμνό μάτι
Το Σύμφωνο για τις Δεξιότητες της Ευρωπαϊκής Επιτροπής έχει φτάσει σε 2,6 εκατομμύρια άτομα μέσω πρωτοβουλιών αναβάθμισης και επανειδίκευσης δεξιοτήτων. Το CEDEFOP αναφέρει ότι περισσότερο από το 25% των ενήλικων εργαζομένων στην Ευρώπη πειραματίζεται ήδη με την τεχνητή νοημοσύνη στην εργασία.
Το παραδοσιακό αφήγημα υποστηρίζει ότι αυτοί οι εργαζόμενοι πρέπει να μάθουν βαθιά μάθηση, νευρωνικά δίκτυα, αρχιτεκτονικές μετασχηματιστών. Πρέπει να γίνουν σαν την πρώτη ομάδα.
Αυτό είναι ανάποδο. Οι εργαζόμενοι που ήδη διαθέτει η Ευρώπη έχουν ακριβώς τις δεξιότητες που χρειάζεται η τεχνητή νοημοσύνη επόμενης γενιάς. Απλώς πρέπει να αναγνωρίσουν ότι η τεχνογνωσία τους είναι πολύτιμη στο πλαίσιο της τεχνητής νοημοσύνης.
Ένας ειδικός στην τυπική επαλήθευση δεν χρειάζεται να μάθει νευρωνικά δίκτυα. Πρέπει να εφαρμόσει την τεχνογνωσία του στην επαλήθευση σε συστήματα τεχνητής νοημοσύνης που βασίζονται σε περιορισμούς. Ένας ερευνητής προγραμματισμού περιορισμών δεν χρειάζεται να στραφεί στη βαθιά μάθηση. Πρέπει να αναγνωρίσει ότι οι τεχνικές του στην επίλυση περιορισμών ΕΙΝΑΙ η επόμενη γενιά συλλογισμού στην τεχνητή νοημοσύνη. Ένας μηχανικός γνώσης δεν χρειάζεται να εγκαταλείψει τον σημασιολογικό ιστό για τα μεγάλα γλωσσικά μοντέλα. Πρέπει να χτίσει υβριδικά συστήματα που συνδυάζουν τη μάθηση με τον συλλογισμό.
Η πρόκληση της επανειδίκευσης δεν είναι να διδάξουμε στους Ευρωπαίους ειδικούς τεχνητή νοημοσύνη από το μηδέν. Είναι να τους βοηθήσουμε να δουν ότι οι δεκαετίες τεχνογνωσίας τους ΕΙΝΑΙ τεχνητή νοημοσύνη. Η τεχνητή νοημοσύνη που οι τρέχουσες προσεγγίσεις αποτυγχάνουν να προσφέρουν.
Το επιχειρηματικό μοντέλο εσόδων που κινδυνεύουν να χάσουν δεν έχει εξαφανιστεί. Μετασχηματίζεται. Οι εταιρείες που κατανοούν την τυπική επαλήθευση, την ικανοποίηση περιορισμών και τη μηχανική γνώσης θα είναι αυτές που θα χτίζουν συστήματα τεχνητής νοημοσύνης που πραγματικά λειτουργούν στην παραγωγή. Τα συστήματα τεχνητής νοημοσύνης που συμμορφώνονται με τους κανονισμούς της ΕΕ. Τα συστήματα τεχνητής νοημοσύνης που μπορούν να εμπιστευτούν οι ευρωπαϊκές επιχειρήσεις.
Το διαφοροποιημένο συμπέρασμα: η πόλωση ως ευκαιρία
Η πόλωση μεταξύ «πρέπει να έχουμε τεχνητή νοημοσύνη» και «δεν χρειαζόμαστε τεχνητή νοημοσύνη» είναι ψευδής. Και οι δύο θέσεις χάνουν τη διαφοροποίηση.
Η διαφοροποιημένη πραγματικότητα: η Ευρώπη χρειάζεται τεχνητή νοημοσύνη, αλλά όχι τη σημερινή τεχνητή νοημοσύνη. Η Ευρώπη χρειάζεται τεχνητή νοημοσύνη επόμενης γενιάς, χτισμένη πάνω στα ευρωπαϊκά πλεονεκτήματα. Επεξηγήσιμη, επαληθεύσιμη, αποδοτική, ανθρωποκεντρική. Η τεχνητή νοημοσύνη που επιτάσσει ο κανονισμός της ΕΕ για την τεχνητή νοημοσύνη. Η τεχνητή νοημοσύνη που πραγματικά χρειάζονται οι ευρωπαϊκές επιχειρήσεις. Η τεχνητή νοημοσύνη που οι Ευρωπαίοι ειδικοί ήδη γνωρίζουν πώς να κατασκευάσουν.
Η αφήγηση της πρώτης ομάδας ότι πρέπει να υιοθετήσουμε τη σημερινή τεχνητή νοημοσύνη ή να χαθούμε είναι επικίνδυνη. Οδηγεί τις ευρωπαϊκές επιχειρήσεις να επενδύσουν σε συστήματα που θα αποτύχουν. Διαιωνίζει την εξάρτηση από την αμερικανική τεχνολογία. Αγνοεί την ευρωπαϊκή τεχνογνωσία.
Ο σκεπτικισμός της δεύτερης ομάδας απέναντι στη σημερινή τεχνητή νοημοσύνη είναι δικαιολογημένος, αλλά το συμπέρασμά τους ότι δεν χρειαζόμαστε τεχνητή νοημοσύνη είναι λάθος. Χρειαζόμαστε τεχνητή νοημοσύνη. Χρειαζόμαστε απλώς τη ΣΩΣΤΗ τεχνητή νοημοσύνη. Τεχνητή νοημοσύνη χτισμένη πάνω σε θεμέλια που αναπτύσσουν εδώ και δεκαετίες.
Η ευκαιρία βρίσκεται στη σύνθεση: να αναγνωρίσουμε ότι η τεχνογνωσία τεχνητής νοημοσύνης επόμενης γενιάς υπάρχει ήδη στην Ευρώπη. Είναι οι πάνω από 10 εκατομμύρια ειδικοί ΤΠΕ. Είναι οι ειδικοί στις τυπικές μεθόδους με πάνω από 25 χρόνια εμπειρίας. Είναι οι ερευνητές προγραμματισμού περιορισμών με δύο δεκαετίες δουλειάς. Είναι οι μηχανικοί γνώσης που έχτισαν τον σημασιολογικό ιστό.
Αυτοί οι άνθρωποι δεν χρειάζεται να αντικατασταθούν από ειδικούς τεχνητής νοημοσύνης από αλλού. Χρειάζεται να ενδυναμωθούν ώστε να αναγνωρίσουν ότι η τεχνογνωσία τους ΕΙΝΑΙ τεχνογνωσία τεχνητής νοημοσύνης επόμενης γενιάς. Χρειάζεται να δουν τη γέφυρα ανάμεσα στις τρέχουσες δεξιότητές τους και τα συστήματα τεχνητής νοημοσύνης που πραγματικά χρειάζεται η Ευρώπη.
Στη Dweve, χτίζουμε αυτή τη γέφυρα. Το Core παρέχει το πλαίσιο τυπικής επαλήθευσης. Το Loom υλοποιεί εξειδικευμένους τομείς βασισμένους σε περιορισμούς. Το Nexus παρέχει το επίπεδο ενορχήστρωσης. Το Spindle παρέχει τη διακυβέρνηση γνώσης. Κάθε στοιχείο αξιοποιεί τα ευρωπαϊκά τεχνικά πλεονεκτήματα. Κάθε στοιχείο δημιουργεί ευκαιρίες για τους Ευρωπαίους ειδικούς να εφαρμόσουν την τεχνογνωσία τους στην τεχνητή νοημοσύνη επόμενης γενιάς.
Η πόλωση δεν είναι πρόβλημα. Είναι ευκαιρία. Η σύγκρουση μεταξύ υπερβολής και πραγματικότητας θα αναγκάσει τις ευρωπαϊκές επιχειρήσεις να αναγνωρίσουν τι πραγματικά λειτουργεί. Όταν η σημερινή τεχνητή νοημοσύνη αποτύχει, οι ευρωπαϊκές επιχειρήσεις θα αναζητήσουν εναλλακτικές. Αυτές οι εναλλακτικές υπάρχουν. Είναι χτισμένες πάνω σε 25-50 χρόνια ευρωπαϊκής έρευνας. Τις κατέχουν πάνω από 10 εκατομμύρια Ευρωπαίοι ειδικοί. Απλώς χρειάζεται να αναγνωριστούν ως η επόμενη γενιά τεχνητής νοημοσύνης.
Τι πρέπει να θυμάστε
- Η πόλωση είναι ψευδής. Το «πρέπει να έχουμε τεχνητή νοημοσύνη» έναντι του «δεν χρειαζόμαστε τεχνητή νοημοσύνη» χάνει τη διαφοροποίηση. Η Ευρώπη χρειάζεται τεχνητή νοημοσύνη επόμενης γενιάς χτισμένη πάνω στα ευρωπαϊκά πλεονεκτήματα, όχι εισαγόμενη σημερινή τεχνητή νοημοσύνη.
- Η σημερινή τεχνητή νοημοσύνη αποτυγχάνει. Η εκθετική συσσώρευση σφαλμάτων καθιστά τα συστήματα πολλαπλών βημάτων μη χρησιμοποιήσιμα. Το 95% των πιλοτικών προγραμμάτων τεχνητής νοημοσύνης δεν φτάνει στην παραγωγή. Τα μαθηματικά δεν ενδιαφέρονται για τα επιχειρηματικά μοντέλα εσόδων.
- Η ευρωπαϊκή τεχνογνωσία υπάρχει. Πάνω από 25 χρόνια τυπικών μεθόδων. Πάνω από 20 χρόνια προγραμματισμού περιορισμών. Πάνω από 50 χρόνια λογικού προγραμματισμού. Πάνω από 20 χρόνια μηχανικής γνώσης. Αυτό δεν είναι ιστορία. Είναι το θεμέλιο της τεχνητής νοημοσύνης επόμενης γενιάς.
- Ο κανονισμός της ΕΕ για την τεχνητή νοημοσύνη απαιτεί αυτό που έχει η Ευρώπη. Επεξηγησιμότητα, διαφάνεια, δυνατότητα ελέγχου. Αυτά δεν είναι βάρη για τους Ευρωπαίους ειδικούς. Αυτά είναι όσα κατασκευάζουν εδώ και δεκαετίες.
- Πάνω από 10 εκατομμύρια ειδικοί ΤΠΕ. Η Ευρώπη διαθέτει σημαντικό εργατικό δυναμικό με σχετική τεχνογνωσία. Δεν χρειάζεται να μάθουν τεχνητή νοημοσύνη από το μηδέν. Χρειάζεται να αναγνωρίσουν ότι οι υπάρχουσες δεξιότητές τους ΕΙΝΑΙ τεχνητή νοημοσύνη επόμενης γενιάς.
- Η ευκαιρία επανειδίκευσης είναι τεράστια. Το Σύμφωνο για τις Δεξιότητες έφτασε σε 2,6 εκατομμύρια ανθρώπους. Το 25% των Ευρωπαίων εργαζομένων πειραματίζεται με την τεχνητή νοημοσύνη. Η πρόκληση είναι να αναγνωριστεί ότι η υπάρχουσα τεχνογνωσία εφαρμόζεται στην τεχνητή νοημοσύνη, όχι να εισαχθεί ξένη τεχνογνωσία.
- Η ευρωπαϊκή κυριαρχία στην τεχνητή νοημοσύνη προέρχεται από μέσα. Όχι αντιγράφοντας αμερικανικές προσεγγίσεις, αλλά αξιοποιώντας τα ευρωπαϊκά πλεονεκτήματα στις τυπικές μεθόδους, τον προγραμματισμό περιορισμών και τη μηχανική γνώσης για να χτιστεί τεχνητή νοημοσύνη που πραγματικά λειτουργεί.
Η ουσία
Η συζήτηση για την ευρωπαϊκή κυριαρχία στον τομέα της τεχνητής νοημοσύνης επικεντρώνεται σε λάθος ερώτημα. Το ζήτημα δεν είναι αν η Ευρώπη χρειάζεται ή δεν χρειάζεται την τεχνητή νοημοσύνη. Το ζήτημα είναι τι ΕΙΔΟΥΣ τεχνητή νοημοσύνη χρειάζεται η Ευρώπη.
Η τρέχουσα τεχνητή νοημοσύνη, που βασίζεται στη βαθιά μάθηση και στα νευρωνικά δίκτυα, προσεγγίζει τα μαθηματικά της όρια. Εκθετική συσσώρευση σφαλμάτων. Χιονοστιβάδες παραισθήσεων. Ποσοστά αποτυχίας στην παραγωγή της τάξης του 95%. Αυτό δεν είναι το μέλλομα στο οποίο μπορούν να βασιστούν οι ευρωπαϊκές επιχειρήσεις.
Η τεχνητή νοημοσύνη επόμενης γενιάς, που βασίζεται στην τυπική επαλήθευση, στην επίλυση περιορισμών και στη μηχανική γνώσης, αναδύεται ήδη στην Ευρώπη. Αξιοποιεί 25-50 χρόνια ευρωπαϊκής έρευνας. Απασχολεί πάνω από 10 εκατομμύρια Ευρωπαίους ειδικούς. Ευθυγραμμίζεται με τις απαιτήσεις του κανονισμού AI Act της ΕΕ. Λειτουργεί στην πράξη.
Η πρώτη ομάδα θα συνεχίσει να διακηρύσσει ότι η Ευρώπη πρέπει να υιοθετήσει την τρέχουσα τεχνητή νοημοσύνη ή να χαθεί. Το επιχειρηματικό της μοντέλο εξαρτάται από αυτό. Η δεύτερη ομάδα θα παραμείνει δύσπιστη, χωρίς να αντιλαμβάνεται ότι η τεχνογνωσία της ΕΙΝΑΙ η τεχνητή νοημοσύνη επόμενης γενιάς.
Η διαφοροποιημένη αλήθεια βρίσκεται κάπου στη μέση. Η Ευρώπη χρειάζεται κυριαρχία στον τομέα της τεχνητής νοημοσύνης. Όμως, ο δρόμος προς την κυριαρχία δεν είναι η εισαγωγή αμερικανικής τεχνολογίας. Είναι η ενδυνάμωση των Ευρωπαίων ειδικών να αναπτύξουν την τεχνητή νοημοσύνη που ήδη ξέρουν να δημιουργούν. Την τεχνητή νοημοσύνη που βασίζεται σε θεμέλια που αναπτύσσουν εδώ και δεκαετίες. Την τεχνητή νοημοσύνη που επιτάσσει ο κανονισμός AI Act της ΕΕ. Την τεχνητή νοημοσύνη που θα λειτουργεί πραγματικά στην παραγωγή.
Οι ειδικοί τεχνητής νοημοσύνης επόμενης γενιάς δεν είναι κάποιοι που η Ευρώπη χρειάζεται να βρει ή να εκπαιδεύσει από το μηδέν. Είναι ήδη εδώ. Βρίσκονται εδώ εδώ και 25-50 χρόνια. Απλώς χρειάζεται να αναγνωρίσουν ότι η τεχνογνωσία τους είναι ακριβώς αυτό που απαιτεί η τεχνητή νοημοσύνη επόμενης γενιάς.
Έτοιμοι να οικοδομήσουμε την ευρωπαϊκή κυριαρχία στον τομέα της τεχνητής νοημοσύνης πάνω σε ευρωπαϊκά θεμέλια; Η πλατφόρμα της Dweve, που βασίζεται σε περιορισμούς, αξιοποιεί δεκαετίες ευρωπαϊκής έρευνας στις τυπικές μεθόδους, στον προγραμματισμό με περιορισμούς και στη μηχανική γνώσης. Χωρίς εισαγωγή αμερικανικών αποτυχιών. Απλώς χτίζοντας πάνω στα ευρωπαϊκά πλεονεκτήματα. Εγγραφείτε στη λίστα αναμονής μας.