γράφει ο Δημήτρης Λένης

Η συμφωνία της κυβέρνησης Μητσοτάκη με την OpenAI (και το Ίδρυμα Ωνάση) για την πιλοτική εισαγωγή του ChatGPT Edu στα ελληνικά σχολεία (μέσα από το πρόγραμμα «AI in Schools» που ξεκίνησε το φθινόπωρο του 2025 και επεκτείνεται το 2026) μας αναγκάζει να κάνουμε μια επισκόπηση του τι είναι η Τεχνητή Νοημοσύνη και πώς θα εφαρμοστεί στα σχολεία

Αυτό που, κάπως χαλαρά, το λέμε Τεχνητή Νοημοσύνη (ΤΝ) είναι μια μορφή χρήσης τεχνικών «βαθιάς μάθησης» σε Νευρωνικά Δίκτυα (ΝΔ). Τα τελευταία είναι μια τεχνολογία που ιστορικά αναπτύχθηκε στην Αμερική παράλληλα (και, αρχικά τουλάχιστον, σε διαμάχη) με τους σύγχρονους υπολογιστές, τη δεκαετία του 1950.

Η ίδια η ονομασία «νευρωνικά δίκτυα» επιλέχθηκε από τους πρωτοπόρους του κλάδου εν μέρει επειδή υποτίθεται ότι τα ΝΔ είναι δομημένα περίπου όπως ο εγκέφαλος, αν και στην πραγματικότητα πρόκειται για μια πολύ σχηματική και εν τέλει ψευδή αναλογία. Το επιχείρημα ήταν ότι, όπως ο εγκέφαλος είναι ένα δίκτυο από νευρώνες που συνδέονται με συνάψεις, έτσι και τα ΝΔ αποτελούνται από μικρούς ηλεκτρονικούς κόμβους που είναι μεταξύ τους διασυνδεμένοι με «συνάψεις», άρα το ΝΔ είναι ένας τεχνητός εγκέφαλος που μαθαίνει αλλάζοντας τις τιμές που αποθηκεύονται στις συνάψεις. Από την άλλη βέβαια, ρόλο στην επιλογή της ονομασίας έπαιξε και η συνειδητή προσπάθεια που έγινε ώστε το όλο σχέδιο να αρέσει και να φανεί ενδιαφέρον στον κύριο χρηματοδότη της έρευνας, τον αμερικάνικο στρατό.

Το πρώτο ΝΔ της ιστορίας, το «perceptron», είχε ως κύριο στόχο τη μηχανική όραση. Είχε μερικές ομολογουμένως εντυπωσιακές (για την εποχή πάντα) επιτυχίες, όπως την ικανότητα να αναγνωρίζει αν ένα μοτίβο αποτελείται από κατακόρυφες ή οριζόντιες γραμμές. Παρά το εντυπωσιακό του πράγματος, αυτό δεν ήταν αρκετό να οδηγήσει στις εφαρμογές που οραματίζονταν οι δημιουργοί του. Για χρόνια τα ΝΔ εγκαταλείφθηκαν από την ερευνητική κοινότητα. Ξαναγύρισαν τη δεκαετία του ’80, έχοντας πάλι ορισμένες επιτυχίες, αναγνωρίζοντας μοτίβα ή κατατάσσοντας αντικείμενα σε κατηγορίες, αλλά και πάλι με περιορισμένη δυνατότητα εφαρμογών. Εγκαταλείφθηκαν για δεύτερη φορά.

Η πρόοδος των υπολογιστών επέτρεψε την εφαρμογή νέων μεθόδων και οδήγησε στη τρέχουσα περίοδο όπου μια σειρά εφαρμογών βασισμένων στα ΝΔ έχει προκαλέσει κύμα ενθουσιασμού για αυτά.

Οι πιο πετυχημένες εφαρμογές δεν είναι πάντως αυτές που πρώτες έρχονται στο μυαλό, το ChatGPT και τα τσάτμποτ. Εκτός από κάποια επιστημονικά εργαλεία, οι πιο επιτυχημένοι εμπορικά μακρινοί απόγονοι του perceptron είναι τα οπλικά συστήματα που έχουν γίνει ρουτίνα σε κάποιες στρατιωτικές εφαρμογές. Ο πόλεμος στο Ιράν είναι ο πρώτος πόλεμος που η ΤΝ έχει τόσο κεντρικό ρόλο, ύστερα από τη συστηματική εκπαίδευση τέτοιων συστημάτων από το Ισραήλ, το οποίο για χρόνια σκότωνε Παλαιστίνιους προκειμένου να τελειοποιεί τα συστήματά του. Είναι βέβαιο ότι τουλάχιστον σε ένα βαθμό, οι ένοπλες δυνάμεις του Ισραήλ και των ΗΠΑ, τους επιτυχείς «αποκεφαλισμούς» των ηγεσιών του Ιράν, της Χεζμπολάχ και της Χαμάς τους οφείλουν στην ανάλυση δεδομένων από ΤΝ. Η ΤΝ, δηλαδή, έχοντας δεδομένα από κάμερες, δορυφόρους κλπ, ήταν σε θέση να προτείνει πιθανές θέσεις για στόχους προς εκκαθάριση με χτυπήματα «ακριβείας» (τα οποία συνήθως κατεδαφίζουν ολόκληρο το τετράγωνο που υποτίθεται ότι βρίσκεται ο στόχος). Εκ των υστέρων καταλαβαίνουμε γιατί ήδη από την δεκαετία του 1950 ο στρατός των ΗΠΑ ενδιαφερόταν για αυτές τις τεχνολογίες.

Σήμερα πλέον, όταν λέμε ΝΔ εννοούμε λογισμικό που τρέχει σε κανονικούς υπολογιστές, προσομοιώνοντας όμως την αρχική ιδέα των μικρών διασυνδεδεμένων υπολογιστικών κόμβων, οι οποίοι «εκπαιδεύονται» πάνω σε ένα πρόβλημα, «μαθαίνοντας» να χρησιμοποιούν και να αναλύουν τα δεδομένα.

Ας το δούμε αυτό χρησιμοποιώντας το παράδειγμα της ΤΝ της μόδας, δηλαδή των LLMs, των «Μεγάλων Γλωσσικών Μοντέλων​» τα οποία βρίσκονται πίσω από τα διάφορα τσάτμποτ που κυκλοφορούν, όπως το ChatGPT, το Gemini ή το κινέζικο DeepSeek. Η βασική ιδέα λειτουργίας τους είναι η «εκπαίδευση» ενός ΝΔ πάνω σε ένα υπάρχον σύνολο γλωσσικών (όπως λέει και το όνομά τους) δεδομένων. Τα μεγάλα LLM του συρμού έχουν τρισεκατομμύρια κόμβους και αντίστοιχες συνάψεις. Η εκπαίδευση συνίσταται στην ανάγνωση πρακτικά του σύνολου των κειμένων που βρίσκονται σε όλο το ίντερνετ, ένα πραγματικά τεράστιο υλικό -εξ ου και η ανάγκη για όλα αυτά τα γιγάντιαία data center με τις τεράστιες, περιβαλλοντικά επικίνδυνες και σπάταλες ανάγκες σε ρεύμα και νερό για την ψύξη τους.

Πώς και τι «μαθαίνουν» οι υπολογιστές;

Απλοποιώντας (ή μάλλον υπεραπλουστεύοντας) τα πράγματα, θα μπορούσαμε να πούμε ότι «εκπαίδευση» του δικτύου σημαίνει την αποτύπωση των σχέσεων των λέξεων (όλων των λέξεων μιας γλώσσας) μεταξύ τους. Σε ένα κείμενο κάθε λέξη εμφανίζεται με κάποια πιθανότητα που συνδέεται με την πιθανότητα εμφάνισης άλλων λέξεων. Για παράδειγμα η λέξη «αντιτετράδια» είναι σπάνια, έχει δηλαδή μικρή πιθανότητα να εμφανιστεί σε ένα τυχαίο κείμενο γραμμένο στα ελληνικά. Αν όμως σε ένα κείμενο βρούμε τη λέξη αυτή, τότε είναι πολύ πιθανό αμέσως μετά να εμφανίζεται η λέξη «εκπαίδευσης». Έτσι έχουμε πιθανότητες για συνδυασμούς λέξεων, λχ: βαισιλιάς + ζούγκλας, βασιλιάς + κοκός, βασιλιάς + των γηπέδων / της ασφάλτου, βασιλιάς + άχρηστος τεμπέλης κλπ. Επίσης υπάρχουν συνδυασμοί περισσότεροι των δύο λέξεων, πχ «ο βασιλικός πισινός ζέσταινε το θρόνο» κλπ. Το ΝΔ ταξινομεί όλες αυτές τις πιθανότητες για όλες τις λέξεις που εμφανίζονται στο σώμα κειμένων που το εκπαιδεύει. Σχηματικά, οι λέξεις γίνονται οι νευρώνες· οι νευρώνες συνδέονται μεταξύ τους με συνάψεις. Έτσι, η σύναψη που συνδέει τις λέξεις «κυβέρνηση» και «μισητή» είναι η πιθανότητα να βρεθούν μαζί οι λέξεις αυτές, πιθανότητα που είναι προφανώς μεγαλύτερη από την πιθανότητα να βρούμε το συνδυασμό «κυβέρνηση λαοπρόβλητη». Η καταγραφή όλων των λέξεων και όλων των πιθανοτήτων είναι το στάδιο της εκπαίδευση ενός ΝΔ.

Σε τι χρησιμεύει αυτή η διαδικασία; Λοιπόν, όταν κάνουμε μια ερώτηση (ο διεθνής όρος για αυτήν είναι prompt) σε ένα από αυτά τα chatbot, το LLM που βρίσκεται πίσω του, αναλύει την ερώτηση στις λέξεις-κόμβους που την αποτελούν και στη συνέχεια ανασύρει τις πιθανότητες-συνάψεις που συνδέουν τους κόμβους. Στη συνέχεια απλώς βρίσκει ποιες άλλες συνάψεις συνδέονται με τους κόμβους της ερώτησής μας και σε ποιους κόμβους (λέξεις) οδηγούν. Από όλες τις πιθανότητες που βρίσκει στο αρχείο του, διαλέγει τις μεγαλύτερες και παραθέτει τις αντίστοιχες λέξεις, διαμορφώνοντας έτσι την απάντηση. Η διαδικασία έχει κάποιες ομοιότητες με τις προτάσεις λέξεων που δίνει ο διορθωτής κειμένου και, έχουμε στα κινητά μας. Η ποιοτική διαφορά είναι φυσικά ότι τα LLM δεν ψάχνουν μόνο μία λέξη κάθε φορά, αλλά πολύπλοκους συνδυασμούς λέξεων σε μεγάλο βάθος, δημιουργώντας έτσι κείμενο.

Η διαδικασία αυτή σε κανένα σημείο δεν προϋποθέτει «κατανόηση» ή «λογική» εκ μέρους του LLM, αφού είναι μια καθαρά μαθηματική διαδικασία [για τους έχοντες μαθηματική παιδεία, η βασική διαδικασία της «εκμάθησης» είναι η επίλυση ενός γιγαντιαίου συστήματος γραμμικών εξισώσεων με αγνώστους τις πιθανότητες]. Η καθαρά πιθανοκρατική υφή των ΝΔ, ότι διαλέγουν την πιο πιθανή, άρα την πιο συχνά χρησιμοποιούμενη λέξη, είναι υπεύθυνη για τη σωστή χρήση της γλώσσας. Το LLΜ δεν καταλαβαίνει, απλώς μιμείται το αποτέλεσμα των γλωσσικών κανόνων.

Φυσικά, επειδή πάντα διαλέγει τους πιθανότερους συνδυασμούς, η γλώσσα του είναι σωστή μεν, αλλά επίπεδη, άχαρη. Αυτός ο τρόπος επιλογής λέξεων αποκλείει τη δημιουργία πρωτότυπων και ταυτόχρονα έγκυρων συλλογισμών, προτάσεων που δεν έχουν εμφανιστεί ξανά αλλά έχουν αληθές περιεχόμενο. Τα LLM θα σας δώσουν το πιο κοντινό στο μέσο όρο αποτέλεσμα, όχι την εξαίρεση, ούτε βέβαια κάτι καινούργιο, μια σκέψη που δεν έχει εμφανιστεί ξανά.

Μοναδική περίπτωση πρωτοτυπίας που επιτρέπει (ή μάλλον επιβάλλει) ο πιθανοκρατικός τους χαρακτήρας είναι και το κυριότερο ίσως πρόβλημα των LLM, οι «παραισθήσεις» (hallucinations). Ρωτήσαμε το LLM της Google τι είναι αυτό και ιδού: «Hallucinations είναι τα φαινόμενα όπου ένα μοντέλο ΤΝ παράγει απαντήσεις που φαίνονται πειστικές και σωστά δομημένες, αλλά είναι πραγματολογικά λανθασμένες ή εκτός πλαισίου. Ουσιαστικά, το μοντέλο “επινοεί” πληροφορίες (ονόματα, ημερομηνίες, πηγές) επειδή λειτουργεί βάσει στατιστικής πιθανότητας λέξεων και όχι βάσει πραγματικής κατανόησης της αλήθειας». Δεν θα μπορούσαμε να το πούμε καλύτερα.

Ένα παράδειγμα παραισθήσεων είναι η κατασκευή ψευδών βιβλιογραφιών ή δικογραφιών. Το τελευταίο είναι ήδη σοβαρό πρόβλημα στις αγγλοσαξονικές χώρες με σύστημα δικαίου βασισμένο στο δεδικασμένο. Πολλοί δικηγόροι αντί να ψάξουν τις δικογραφίες για δεδικασμένα, ρωτάνε τα LLMs. Αυτά, πολύ χαρούμενα για την ερώτηση, παρέχουν μια απάντηση με μια σειρά από πραγματικά δεδικασμένα, ανάμεσα στα οποία μπορεί να βρίσκεται και ένα πλασματικό, ανύπαρκτο δεδικασμένο, το οποίο όμως είναι συνταγμένο με πολύ σωστή γλώσσα, διαθέτει ημερομηνίες, ονόματα (όλα πλασματικά), δικαστήριο που την εκδίκασε κλπ. Στις ΗΠΑ υπάρχουν ήδη δικηγόροι που έχουν χάσει τις άδειές τους για τέτοια περιστατικά, επειδή ο δικαστής ήταν παρατηρητικός. Δεν ξέρουμε πόσες τέτοιες περιπτώσεις δεν έγιναν αντιληπτές.

Άλλα επικίνδυνα παραδείγματα είναι οι ιατρικές γνωματεύσεις βάσει εξετάσεων. Τα νευρωνικά δίκτυα είναι γενικά ταχύτατα και οι απαντήσεις τους τείνουν να είναι κατά μέσο όρο ακριβέστερες από αυτές των γιατρών, εκτός όταν είναι παραισθήσεις. Επίσης έχουμε φανταστικές βιβλιογραφικές σημειώσεις σε δημοσιευμένες επιστημονικές εργασίες και άλλα τέτοιου τύπου προβλήματα. Ένα μεγάλο και διαρκώς ογκούμενο πρόβλημα αυτή τη στιγμή είναι η με γεωμετρική πρόοδο αύξηση των εργασιών σε επιστημονικά περιοδικά οι οποίες είναι γραμμένες εν μέρει ή και εξ ολοκλήρου από LLMs. Και μην βιαστείτε να πείτε «πώς είναι δυνατόν, αφού υπάρχουν εργαλεία που ελέγχουν αν ένα κείμενο προέρχεται από ΤΝ». Τα εργαλεία αυτά είναι εντελώς αναξιόπιστα και άχρηστα, όχι πολύ καλύτερα από τυχαία επιλογή.

Ένα πρόβλημα που σταδιακά θα γίνεται όλο και πιο μεγάλο, είναι η «δηλητηρίαση» των δεδομένων εκπαίδευσης. Όλο και πιο μεγάλο τμήμα του ίντερνετ είναι υλικό χαμηλής ποιότητας που έχει εξαχθεί από ΤΝ. Κείμενα, εικόνες, βίντεο και μιμίδια που παράγονται σωρηδόν, με τεράστια ταχύτητα και ανεβαίνουν είτε στα σόσιαλ ή σε ειδησεογραγικά σάιτ ή γενικά στον ιστό. Δεδομένου ότι τέτοιο υλικό θα γίνεται όλο και πιο συχνό, οι πιθανότητες εμφάνισής τους στο υλικό «εκπαίδευσης» νεότερων μοντέλων θα είναι όλο και μεγαλύτερες. Όπως είπαμε τα LLMs λειτουργούν με βάση πιθανότητες, άρα στο τέλος όλο και περισσότερο το αποτέλεσμα του συμπερασμού θα είναι αναπαραγωγή υλικού από προηγούμενα LLMs, κοκ, με αποτέλεσμα έναν άχρηστο ψηφιακό «χυλό» (slop).

Τέλος υπάρχει το πρόβλημα της κυρίαρχης ιδεολογίας. Η απάντηση είναι πάντα με μεγάλη πιθανότητα η απάντηση που εμφανίζεται με μεγάλη συχνότητα στο διαδίκτυο, η κυρίαρχη δηλαδή άποψη. Αυτό φυσικά δεν την κάνει σωστή. Ενίοτε η κυρίαρχη απάντηση είναι είτε λάθος ή πολωμένη προς την πλευρά της εξουσίας ή προς την πλευρά μειοψηφιών με έντονη παρουσία στο διαδίκτυο (ο ακραίος ρατσιστικός λόγος είναι ένα προφανές παράδειγμα). Το πρόβλημα φυσικά διογκώνεται πάρα πολύ από το γεγονός ότι η ΤΝ είναι ένα «παιχνίδι» στα χέρια των μεγάλων ομίλων που την παράγουν. Το Grok, η ΤΝ ιδιοκτησίας του Εlon Musk, έχει συχνά συγκρίνει το αφεντικό της με τον Νεύτωνα ή με διάφορες άλλες ιδιοφυΐες. Συχνά μάλιστα οι εταιρίες έχουν κάθε λόγο να εκπαιδεύουν τα LLMs που προσφέρουν με ό,τι χειρότερο υπάρχει στην πιάτσα.

Το ερώτημα της παραγωγικότητας

Αν και είναι διαδεδομένη η άποψη περί του αντιθέτου, μπορούμε να επιχειρηματολογήσουμε ότι η εποχή μας είναι μάλλον εποχή τεχνολογικής στασιμότητας παρά τεχνολογικής προόδου. Οι πέντε δεκαετίες από την δεκαετία του ’80 έχουν χαρακτηριστεί από την ευρύτερη εισαγωγή βασικά τριών μόνο μεγάλων καινοτομιών που διαδόθηκαν ευρύτατα, άλλαξαν τη ζωή μας και την οικονομική δραστηριότητα εν γένει: τον προσωπικό υπολογιστή, το ίντερνετ και τα κινητά τηλέφωνα -και τα τελευταία είναι βασικά φορητοί προσωπικοί υπολογιστές με ίντερνετ. Μπορούμε εν μέρει να προσθέσουμε και κάποιες άλλες, όπως τα ψηφιακά μέσα ήχου και εικόνας, τα RNA εμβόλια ή τα ηλεκτρικά αυτοκίνητα κλπ, αλλά αυτά όλα είναι στην πραγματικότητα επεκτάσεις ή διαφοροποιήσεις ήδη υπαρχουσών τεχνολογιών, όχι εξ ολοκλήρου νέες τεχνολογίες, άρα δεν δημιούργησαν νέα πεδία κοινωνικής δραστηριότητας όσο αναδιαμόρφωσαν την παλιότερη δομή.

Σκεφτείτε τώρα για σύγκριση κάποιον που γεννήθηκε το 1880: Μέχρι το 1926 είχαν μπει στη ζωή του και έπαιζαν σημαντικό ρόλο ο ηλεκτρισμός και ο ηλεκτρικός κινητήρας, η αλυσίδα παραγωγής και η μαζική παραγωγή αγαθών για τις μάζες, το ηλεκτρικό τραμ και το μετρό, οι οικιακές συσκευές, ο λαμπτήρας πυρακτώσεως, το αυτοκίνητο, το ραδιόφωνο, ο διηπειρωτικός τηλέγραφος, η γραφομηχανή, το τηλέφωνο, ο φωνογράφος, το αεροπλάνο, ο ατμοστρόβιλος, η μαζική υπερπόντια ναυσιπλοΐα, το τανκ, η φωτογραφία, ο κινηματογράφος, η ασπιρίνη κλπ. Ο κόσμος τότε άλλαζε πολύ πιο γρήγορα παρά τώρα. Δεν είναι περίεργο επομένως που η παραγωγικότητα της εργασίας (το ΑΕΠ ανά εργαζόμενο) αυξανόταν στον αναπτυγμένο κόσμο ταχύτατα, μέχρι περίπου την δεκαετία του ’80 (όχι τυχαία τη δεκαετία του νεοφιλελευθερισμού), οπότε είχε μια σοβαρή κάμψη.

Ο ρόλος της τεχνολογίας δεν είναι η αύξηση της «ποιότητας ζωής των πολιτών». Οι καινοτομίες εισάγονται στην παραγωγή μόνο όταν επιταχύνουν την παραγωγή και πειθαρχούν τους εργαζόμενους. Το κάνουν αυτό «κλέβοντας» τρόπον τινα τη γνώση του εργαζόμενου, αυτοματοποιώντας την. Αντικαταστούν έτσι πολλά ειδικευμένα εργατικά χέρια (πχ υφάντρες σε αργαλειούς) με λίγα ανειδίκευτα και πιο πειθαρχημένα και εντατικοποιημένα (ένας εργάτης που επιβλέπει έναν ατμοκίνητο αργαλειό). Η παραγωγή του ενός εργάτη (όχι όμως ο μισθός του) είναι πολύ μεγαλύτερη από την παραγωγή όλων των εργατριών μαζί. Ιστορικά, η διαδικασία αυτή συνοδεύτηκε από σύντομη τεχνολογική ανεργία, δηλαδή απόλυση ειδικευμένων εργατών, άρα ταυτόχρονα και πειθάρχηση της εργασίας.

Σε σχετικά μικρό διάστημα πάντως η αύξηση της παραγωγικότητας επιτρέπει τη δημιουργία νέων τομέων δραστηριότητας πχ τη μαζική εκπαίδευση, άρα εμφανίζεται ανάγκη για καθηγητές. Το ίδιο ισχύει για την ανάγκη για τραπεζικούς, μηχανικούς, γιατρούς, δουλειές που δεν ήταν μαζικές πριν έναν αιώνα. Κάτω και από την πίεση του εργατικού κινήματος, αυτές οι δουλειές μπορούν να έχουν ίσως καλύτερες συνθήκες ή ενίοτε ακόμα και καλύτερο μισθό από τις θέσεις που χάνονται από την τεχνολογία. Όμως αυτό μπορεί να συμβεί μόνο κάτω από πολιτική πίεση· ο καθαυτό ρόλος της τεχνολογίας είναι πάντα ακριβώς ο αντίθετος. Το ίδιο ισχύει για την ΤΝ. Μια πρόσφατη μελέτη του (μόνο φιλεργατικό δεν το λες) Harvard Business Review λέει με λίγα λόγια ότι σε αυτές τις επιχειρήσεις που χρησιμοποιούν συστηματικά ΤΝ, η εργασία των υπαλλήλων δεν έχει μειωθεί. Αντίθετα και έχει εντατικοποιηθεί και έχει αυξηθεί σε διάρκεια. Οι συγγραφείς λένε ότι αυτό «ακούγεται καλό» μεν, αλλά παραδέχονται ότι δεν είναι βιώσιμο.

Όμως, από την δεκαετία του ’80 και μετά η Αμερική (και όλος ο αναπτυγμένος κόσμος), δεν έχει βρει αυτές τις επαναστατικές τεχνολογικές καινοτομίες που θα της επιτρέψουν το τίναγμα της παραγωγικότητας που επέτρεψαν οι τεχνολογικές καινοτομίες του παρελθόντος, ο ατμός, ο ηλεκτρισμός κλπ. Ο κύκλος αυτός έχει σπάσει και οι υπολογιστές το ίντερνετ και τα κινητά δεν αποδείχτηκαν αρκετά για να επανεκκινήσουν την παραγωγικότητα στον αναπτυγμένο κόσμο. Το αποτέλεσμα είναι η Κίνα να κοντεύει να φτάσει (και σε ορισμένους τομείς ακόμα και να ξεπεράσει) την Αμερική.

Τα LLMs παρουσιάστηκαν την κατάλληλη στιγμή ώστε να παραστήσουν τους σωτήρες του καπιταλισμού: υπόσχονται μια εκπληκτική -μοναδική στην ιστορία- αυτοματοποίηση, την αυτοματοποίηση της διανοητικής εργασίας.

Φανταστείτε να είστε ιδιοκτήτης μια εταιρίας παροχής υπηρεσιών, πχ ενός εκπαιδευτικού οργανισμού με 100 εργαζόμενους. Έρχεται η OpenAI και σας λέει: «Απόλυσε τους 60 από τους εργαζόμενούς σου, από σήμερα σου είναι άχρηστοι. Την δουλειά τους μπορεί να την κάνει πολύ καλύτερα η ΤΝ που σου προσφέρω. Θα μου δίνεις μια συνδρομή λχ ίση με το μισθό 20 εργαζομένων. Έτσι και θα κάνεις καλύτερα την δουλειά σου και θα τσεπώνεις και τους μισθούς 40 εργαζομένων». Τι θα κάνατε;

Και το Μεγάλο Ψέμα

Η υπόσχεση αυτή είναι ψευδής. Υπάρχουν βέβαια δουλειές που όντως μπορούν να αντικατασταθούν από αυτή η γενιά ΤΝ, αλλά είναι ελάχιστες (οι διερμηνείς είναι μάλλον μια τέτοια). Στην καλύτερη περίπτωση η ΤΝ μπορεί, υπό πολλές όμως προϋποθέσεις, να διευκολύνει έναν εργαζόμενο, να τον επιταχύνει, αλλά όχι να τον αντικαταστήσει. Ο κατ’ εξοχήν χώρος εφαρμογής της ΤΝ είναι αυτός του προγραμματισμού. Και όμως, παρά το γεγονός ότι έχει ήδη αλλάξει τον τρόπο δουλειάς των προγραμματιστών (που όλοι χρησιμοποιούν σε ένα βαθμό ΤΝ), ακόμα κι εκεί δεν φαίνεται να έχει τα υπεσχεμένα αποτελέσματα. Ακόμα κι εκεί υπάρχουν αντιρρήσεις για την αποτελεσματικότητά της. Και πάντως, σίγουρα η εκπαίδευση δεν είναι η περίπτωση που η ΤΝ μπορεί να αντικαταστήσει (αποτελεσματικά) τους εργαζόμενους.

Τώρα, στην Αμερική, οι εταιρίες ΤΝ, με βάση τα προβλεπόμενα κέρδη που θα είχαν, αποδύθηκαν σε έναν φρενήρη πυρετό επενδύσεων προκειμένου να καλύψουν την υποτιθέμενη μελλοντική ζήτηση για τις υπηρεσίες τους. Το 2025 επενδύθηκαν πάνω από 400 δισ.$ και φέτος έχουν προγραμματιστεί πάνω από 800 δισ. για data centers. Βέβαια τα νούμερα αυτά είναι εν μέρει φανταστικά, βασισμένα σε αποτιμήσεις μετοχών κλπ, αλλά δεν παύει να έχει διοχετευτεί σε αυτήν τη δραστηριότητα σχεδόν το σύνολο της επενδυτικής δαπάνης των ΗΠΑ, δημιουργώντας μια κολοσσιαία φούσκα.

Σε αυτό το περιβάλλον, η υπόσχεση αύξησης της παραγωγικότητας πρέπει να συνοδευτεί και με κάποια έργα που θα πείθουν τους επενδυτές ότι όντως, υπάρχει μέλλον σε αυτήν τη δραστηριότητα, δεδομένου μάλιστα ότι τα πρώτα τεκμήρια δεν είναι πολύ αισιόδοξα: αν και φαίνεται να υπάρχει αύξηση της παραγωγικότητας από την χρήση της τεχνολογίας σε εργασίες όπως η σύνταξη τυπικών κειμένων, η εξυπηρέτηση πελατών και γενικά επαναληπτικές και βαρετές εργασίες που αυτοματοποιούνται πιο εύκολα, αυτό συμβαίνει σε συγκεκριμένους μόνο τομείς. Δεν βοηθάει σε περίπλοκες καταστάσεις, ούτε σε περιπτώσεις που χρειάζεται αυτοσχεδιασμός, ή υπάρχουν εξαιρέσεις.

Επομένως υπάρχει μια διαρκής προσπάθεια για εύρεση εφαρμογών που να μπορούν να πωληθούν ως επιταχυντές παραγωγικότητας (η δωρεάν παραγωγή μιμιδίων για τα σόσιαλ, τομέας στον οποίον διαπρέπουν τα ΝΔ, δεν είναι δυστυχώς επικερδής δραστηριότητα). Προσπάθησαν να πιάσουν το «ενήλικο» κοινό με παραγωγή πορνό, αλλά δεν φαίνεται να περπατάει. Προσπάθησαν να πιάσουν την διαφήμιση, αλλά τα αποτελέσματα είναι πενιχρά. Οι στρατιωτικές εφαρμογές είναι σε πειραματικό επίπεδο ακόμα, αλλά και πάλι από μόνες τους δεν αρκούν για να δικαιολογήσουν την επένδυση.

Μία δραστηριότητα που οι εταιρίες προσπαθούν να εξαπλωθούν είναι σαφώς η εκπαίδευση. Και εδώ τα πράγματα δεν φαίνεται να πηγαίνουν καλά. Ούτε για τους μαθητές, ούτε όμως και για τις εταιρίες.

Μπορεί μια ΤΝ να εκπαιδευτεί για να εκπαιδεύει;

Το πρόβλημα έχει ήδη εμφανιστεί στα πανεπιστήμια. Η διαρκής, εδώ και χρόνια, μετατροπή της ανώτατης εκπαίδευσης σε ειδίκευση και κατάρτιση, με ταυτόχρονη μείωση του κόστους για μισθούς και διδασκαλία, σημαίνει ότι ο φοιτητής δεν έχει προσωπική επαφή με τον διδάσκοντα, ενώ η βαθμολογία γίνεται με εργασίες για το σπίτι και τεστ πολλαπλής επιλογής. Πρόκειται για το καθαυτό πεδίο εφαρμογής της ΤΝ. Τα (δωρεάν) chatbot είναι αυτή τη στιγμή η φοιτητιώσα νεολαία. Πάνω από 90% των εργασιών των φοιτητών στις ΗΠΑ είναι γραμμένες από ΤΝ και το ποσοστό θα γίνει σύντομα 100%. Δεν είναι λίγοι οι καθηγητές που παραδέχονται μάλιστα ότι δίνουν τις εργασίες των φοιτητών για βαθμολόγηση σε …chatbot. Το μοντέλο ανώτατης εκπαίδευσης του αναπτυγμένου κόσμου έχει πεθάνει· το σκότωσε η ΤΝ και κανείς δεν ξέρει με τι θα αντικατασταθεί.

Αλλά υπάρχει ένας τομέας που φαίνεται προοπτικά να έχει δυνατότητες κερδοφορίας, η στοιχειώδης και μέση εκπαίδευση, το σχολείο. Και μάλιστα όχι από την πλευρά του μαθητή, αλλά από την πλευρά του διδάσκοντα. Η στρατηγική που πλασάρεται από τις εταιρίες είναι και εδώ η αύξηση της παραγωγικότητας: αν αποδώσετε τμήμα της διδασκαλίας σε κατάλληλα διαμορφωμένα LLM, θα έχετε βελτίωση του εκπαιδευτικού έργου χωρίς αύξηση ωρών. Φυσικά δεν χρειάζεται πολλή προσπάθεια για να διαβάσει κανείς ανάμεσα στις γραμμές και να καταλάβει ότι εννοούν ότι με την εισαγωγή της ΤΝ μπορεί κανείς να μειώσει το προσωπικό χωρίς να υποβαθμίσει το εκπαιδευτικό έργο.

Πρόκειται προφανώς περί αναπόδεικτου ισχυρισμού (κάποιοι θα το έλεγαν καταφανές ψέμα). Δεν υπάρχουν πολλά τεκμήρια που να δείχνουν σε αυτήν την κατεύθυνση, ενώ υπάρχουν και οι ακριβώς αντίθετες ενδείξεις.

Όπως κι αν έχει, οι ΗΠΑ εφαρμόζουν ένα ταχύτατο πρόγραμμα εφαρμογής ΤΝ στα σχολεία και μάλιστα δίνουν έμφαση στην επιμόρφωση των δασκάλων μέσω ιδιωτικών κεφαλαίων. Ο πρόεδρος Τραμπ (που εξελέγη έχοντας τη ρητή υποστήριξη των μεγιστάνων της ΤΝ) έχει δώσει πολύ μεγάλη έμφαση, εκδίδοντας σχετική εκτελεστική εντολή τον Απρίλιο 2025, συστήνοντας μια ειδική εθνική επιτροπή για την προώθηση της ΤΝ, ενώ το (υποβαθμισμένο επί της προεδρίας του) Υπουργείο Παιδείας ενσωματώνει την ΤΝ σε προγράμματα επιχορηγήσεων και αναλυτικά προγράμματα (K-12) για τη δημιουργία ενός εργατικού δυναμικού έτοιμου για την ΤΝ. Η βασική ιδέα είναι οι συνέργειες με τις εταιρίες για γρήγορη ενσωμάτωση της εκδοχής ΤΝ που θέλουν αυτές σε εξαιρετικά σύντομο διάστημα. Οι εταιρίες προσφέρουν προγράμματα επιμόρφωσης για τους εκπαιδευτικούς με ορίζοντα το 2030. Είναι απολύτως σαφές ότι σκοπός τους είναι να γίνουν αναγκαίες στην εκπαίδευση ώστε μετά να αρχίσουν να χρεώνουν ένα «λογικό» ποσόν για το μειωμένο αριθμό δασκάλων που θα έχουν εξοικονομήσει είτε το κράτος είτε τα ιδιωτικά εκπαιδευτήρια.

Οι πρώτες έρευνες σχετικά δείχνουν ότι οι δάσκαλοι δηλώνουν μείωση του φόρτου εργασίας τους στο διοικητικό και γραφειοκρατικό έργο και στην προετοιμασία του μαθήματος. Προφανώς μια αντίστοιχη μείωση προσωπικού θα εξεταστεί με προσοχή από την ηγερία του κλάδου. Είναι αξιοσημείωτο εδώ ότι το συνδικαλιστικό όργανο των δασκάλων των ΗΠΑ, η ΑFR, συμμετέχει ενεργά στην National Academy for AI Instruction, μια πρωτοβουλία 23 εκατομμυρίων δολαρίων που ξεκίνησε τον Ιούλιο του 2025 σε συνεργασία με τις Microsoft, OpenAI και Anthropic. Τα σωματεία στις ΗΠΑ δεν είναι όπως εδώ, λειτουργούν περίπου ως επιχειρήσεις.

Στις υπόλοιπες χώρες που βιάζονται να εφαρμόσουν ΤΝ στην τάξη, οι ταχύτητες και οι στόχοι κυμαίνονται. Η Κίνα είναι μάλλον ο πιο ενθουσιώδης οπαδός της μεθόδου στον πλανήτη, περισσότερο από τις ΗΠΑ. Ας μην ξεχνάμε ότι η χώρα έχει αναπτύξει τους δικούς της ομίλους ΤΝ που ανταγωνίζονται τους αμερικανικούς, άρα έχει κάθε λόγο να επιταχύνει κατά το δυνατόν την γιγάντωσή τους. Πέρα από την ταχύτητα διάδοσης ΤΝ στις τάξεις, υπάρχει εδώ σαφώς αλλαγή του ρόλου του δασκάλου. Ο εθνικός ρυθμιστικός φορέας προτείνει ο κύριος όγκος διδασκαλίας να γίνεται ψηφιακά. Ο δάσκαλος μετατρέπεται σε επόπτη, δηλαδή είναι εκεί όχι για να διδάξει το μαθητή αλλά για να καταγράψει την πρόοδό του και να προτείνει λύσεις στο μαθητή σε περίπτωση που αυτός δεν «συνεννοείται» σωστά με την ΤΝ, να λύσει προβλήματα στην επικοινωνία με την μηχανή. Η κύρια εταιρία εφαρμογής ΤΝ στην Τάξη είναι η Squirrel, η οποία δουλεύει υπό την πολύ στενή εποπτεία του κράτους. Η εταιρεία έδωσε πολύ υψηλό βαθμό στην αυτοαξιολόγηση που έκανε του εκπαιδευτικού της έργου. Παρ’ όλους τους διθυράμβους που έψαλλε η εταιρία στον εαυτό της, ακόμα και η ίδια παραδέχεται ότι η έλλειψη εξοπλισμού στις φτωχές περιοχές της χώρας θα αυξήσει το χάσμα της ψηφιακού αναλφαβητισμού.

Η Ν. Κορέα πάλι μπήκε πολύ επιθετικά στο παιχνίδι ήδη από το 2024, όταν είχε αποφασιστεί το κύριο σχολικό εγχειρίδιο να είναι ψηφιακό, φτιαγμένο από ΤΝ, ήδη από τη σχολική χρονιά 24-25. Το μέτρο άντεξε λιγότερο από έξι μήνες. Γρήγορα τα ψηφιακά εγχειρίδια, αποδείχτηκαν ανεπαρκή, γεμάτα λάθη και παραισθήσεις και έγιναν προαιρετικά. Οι δάσκαλοι διαπίστωσαν ότι για να κρατήσουν το επίπεδο της εκπαίδευσης στο παλιότερο (πολύ εντατικό) επίπεδο, έπρεπε να αυξήσουν τις (ήδη πάρα πολλές) ώρες εργασίας τους και όχι να τις μειώσουν, κάτι που μας δίνει ένα μέτρο της μείωσης που είδαν οι Αμερικάνοι δάσκαλοι: Οι Κορεάτες αναφέρονται στο καθαυτό εκπαιδευτικό έργο (που αυξάνεται), ενώ οι Αμερικάνοι στην γραφειοκρατία (που μειώνεται, αλλά δεν ξέρουμε τι γίνεται ως προς το εκπαιδευτικό κομμάτι).

Και οι μαθητές όμως έπρεπε να δουλεύουν με «εξαντλητικούς» ρυθμούς. Δεν ξέρουμε τι ακριβώς σημαίνει ο όρος «εξαντλητικός» για την χώρα που έχει τις περισσότερες ώρες εργασίας στον ΟΟΣΑ. Ένα σημαντικό στοιχείο: Το 50% των μαθητών σε σχετικές έρευνες δήλωσε ότι η χρήση ΤΝ στην τάξη τούς κάνει να νιώθουν λιγότερο συνδεδεμένοι με τους δασκάλους τους. Να σημειώσουμε τέλος ότι και στην Κορέα η εισαγωγή ΤΝ, έστω και με τους μειωμένους ρυθμούς, γίνεται από την αντίστοιχη κυβερνητική υπηρεσία που επιβλέπει αυστηρά τις (κορεατικές και όχι αμερικανικές) εταιρίες-γίγαντες (LG κλπ) που έχουν αναλάβει την εργολαβία.

Το μοντέλο «μπάτε σκύλοι αλέστε», αλλιώς «OpenAI for Greece» (έτσι λέγεται το «ελληνικό» πρόγραμμα), εφαρμόζεται σε ελάχιστες χώρες εκτός από την Ελλάδα. Η Εσθονία είναι φυσικά ο συνήθης ύποπτος, αλλά δεν είναι δα και η χώρα που θα πρέπει να μιμηθούμε. Επιθετικά μοντέλα διαπλοκής (γιατί για αυτό πρόκειται) κυβέρνησης και εταιρίας ΤΝ υπήρχαν επίσης στα ΗΑΕ, στα οποία όμως το (κατ’ όνομα μόνο) υπουργείο παιδείας ήταν ταυτόχρονα και ιδιωτική επιχείρηση που προσπαθούσε να πουλήσει την εκπαιδευτική του ΤΝ στις ΗΠΑ και αλλού. Μετά τον πόλεμο του Ιράν πάντως, δεν είναι καθαρό το μέλλον του προγράμματος αυτού, ή και της χώρας.

Το ελληνικό συμβόλαιο περιλαμβάνει και κάποιες μικρο-ιδιαιτερότητες.

• Την Πιλοτική Εφαρμογή (AI in Schools) σε 20 σχολεία δευτεροβάθμιας εκπαίδευσης από τον Δεκέμβριο του 2025, με στόχο την πλήρη ενσωμάτωση έως το 2027.
• Τον Επιταχυντή Startups: Η συμφωνία περιλαμβάνει και έναν «Greek AI Accelerator» για την υποστήριξη 21 ελληνικών νεοφυών επιχειρήσεων με πρόσβαση στην τεχνολογία της OpenAI. Νομίζουμε ότι αυτή η εμμονή σε αγγλικές ονομασίες είναι λάθος. Προτείνουμε λοιπόν στην κυβέρνηση να το μετονομάσει στο πιο ελληνικό «Greek AI ΟΠΕΚΕΠΕ».
• Εκπαίδευση Καθηγητών: Προβλέπεται μαζική επιμόρφωση 50.000 εκπαιδευτικών μέσω ειδικών πανεπιστημιακών πιστοποιητικών. Προτείνουμε την ονομασία «Greek AI σκοιλ Ελικικού»”.

Το Ελληνικό συμβόλαιο λέει ότι η OpenAI θα ακολουθήσει αυστηρά όλους τους διεθνείς και Ευρωπαϊκούς κανόνες για ασφάλεια δεδομένων, καλές πρακτικές, ηθική διαχείριση κλπ κλπ. Προφανώς όλα αυτά επαφίενται στην καλή διάθεση της εταιρίας. Τουλάχιστον οι περισσότερες άλλες χώρες βάζουν (έστω για τα μάτια του κόσμου) έναν κρατικό ελεγκτικό μηχανισμό ως ενδιάμεσο μεταξύ εταιρίας και σχολείου.

Όπως κι αν έχει, δεν ξέρουμε από πού να αρχίσουμε την κριτική στο απαράδεκτο αυτό πρόγραμμα πλουτισμού κάποιων ημετέρων στις πλάτες των παιδιών και των δασκάλων (και των φορολογουμένων). Αφήνοντας στην άκρη τις ενδεχόμενες μπίζνες που μπορεί να κρύβονται πίσω από την απόφαση αυτή, ορίστε μερικά απολύτως προφανή προβλήματα:

• Οι παραισθήσεις του LLM. Ο μαθητής δεν είναι σε θέση, ούτε θα έχει τον χρόνο, να ελέγχει διαρκώς την ακρίβεια των λεγόμενων της μηχανής. Γρήγορα θα μπλέξει με ψευδή δεδομένα, ειδικά αν υποβαθμιστεί ο ρόλος του δασκάλου.
• Τις πολλαπλές ελλείψεις των ελληνικών σχολείων σε προσωπικό και σε υλικό, που είναι τάξεις μεγέθους σημαντικότερες από την όποια ψευδεπίγραφη «εξατομικευμένη μάθηση» και «άμεση αλληλεπίδραση με τον μαθητή» που θα έχει η μηχανή. (Προφανώς εδώ υπονοείται ότι αυτά τα δύο δεν θα μπορούσαν να τα πετύχουν οι καθηγητές ακόμα κι αν υπήρχαν αρκετοί από αυτούς και οι τάξεις είχαν λογικούς αριθμούς μαθητών).
• Τη δημιουργία ψηφιακού χάσματος μεταξύ αυτών που μπορούν να έχουν τον αναγκαίο εξοπλισμό και αυτών που δεν μπορούν. Και αναφερόμαστε και στον εξοπλισμό των μαθητών στο σπίτι και τον εξοπλισμό των σχολείων. Είναι πάρα πολλά τα σχολεία που το ίντερνετ είναι τόσο αργό που πρακτικά δεν υπάρχει, σε αυτά θα εφαρμοστούν μέθοδοι ΤΝ;
• Την Εξασθένηση της κριτικής σκέψης, την πνευματική νωθρότητα και τη μείωση της ικανότητας των παιδιών για βαθιά ανάλυση που (όπως ξέρουμε ήδη από έρευνες σε ενηλίκους) θα φέρει η εξάρτηση από εργαλεία όπως το ChatGPT.
• Το λεγόμενο vendor lock-in, την εξάρτηση από έναν μόνο προμηθευτή. Αν και πριν από αυτό θα πρέπει να καταδικάσουμε με τους βαρύτερους χαρακτηρισμούς την ψηφιακή ηλιθιότητα των κυβερνώντων αρίστων που δείχνουν ότι αγνοούν πλήρως τα του χώρου αυτού: Πουθενά αλλού (εκτός από την Εσθονία ίσως) δεν αποδίδεται εν λευκώ η εκπαιδευτική διαδικασία σε μια εταιρία και μάλιστα αμερικανική (δηλαδή που αγνοεί και τα στοιχειώδη ακόμα της δικής μας πραγματικότητας). Παντού υπάρχει το λιγότερο ένας ελεγκτικός φορέας μεταξύ της εταιρίας και του σχολείου ώστε να αποφευχθούν τα χειρότερα – τα οποία ειδικά η OpenAI με το πολύ περίεργο παρελθόν και τα συμβόλαια με το Πεντάγωνο είναι εγγυημένο ότι θα φέρει.
• Βεβαίως την αντικατάσταση των εκπαιδευτικών από τη μηχανή. Παρόλο που η κυβέρνηση το αρνείται (τι άλλο θα έκανε άλλωστε;), δεν μπορούμε παρά να υποπτευόμαστε ότι η ΤΝ θα προσπαθήσει αργά ή γρήγορα να εκπληρώσει την βασική της υπόσχεση, την αντικατάσταση της ειδικευμένης εργασίας του εκπαιδευτικού από σχετικά ανειδίκευτη εργασία, την ουσιαστική υποβάθμιση του ρόλου του δασκάλου σε απλό «επόπτη» μιας αυτοματοποιημένης διαδικασίας. (Ο δάσκαλος δεν αποκλείεται να υποχρεώνεται να κρατάει στο χέρι κι ένα χαρτί «εξειδίκευσης στην ΤΝ» το οποίο θα το πληρώνει ο ίδιος).
• Την ουσιαστική αδυναμία εκπλήρωσης ακόμα και αυτού του ρόλου εποπτείας. Τα LLM δεν γίνεται, παρά τα λεγόμενα των εταιριών, να μείνουν μόνο στα πλαίσια της σχολικής ύλης και να περιοριστούν στο ρόλο του «καθηγητή». Πάντα υπάρχουν εύκολοι τρόποι (πχ το λεγόμενο prompt injection) που επιτρέπουν στον χρήστη να «δραπετεύσει» και να χρησιμοποιήσει την ΤΝ για άλλους εξωσχολικούς σκοπούς, όπως μπορείτε να την χρησιμοποιήσετε από το τηλέφωνό σας ή τον υπολογιστή σας. Σκεφτείτε το εξής: Είναι σωστό οι μαθητές να ασχολούνται με τα κινητά τους μέσα στην τάξη; Το ίδιο και πολύ χειρότερο θα είναι η (υποχρεωτική!) ενασχόλησή τους με τα LLMs.

Σε όλα τα παραπάνω πρέπει να προσθέσουμε την καθαρή ιδεολογική ηγεμονία που εξασκούν οι εταιρίες στο περιεχόμενο που προσφέρει η μηχανή. Μπορεί να υπάρχουν τρόποι να «δραπετεύσει» κανείς από το συγκεκριμένο (την σχολική ύλη), αλλά δεν μπορεί να δραπετεύσει από το ευρύτερο, τους γενικούς κανόνες πάνω στους οποίους εκπαιδεύτηκε το LLM. Η ίδια ή ύπαρξη αυτού του εργαλείου στην σχολική αίθουσα είναι από μόνη της ένα μάθημα ζωής: απομόνωση από τον κοινωνικό περίγυρο, μείωση κοινωνικών δεξιοτήτων, ζωή σε μια ηλεκτρονική φούσκα σαν σε βιντεοπαιχνίδι – και μάλιστα ένα βιντεοπαιχνίδι με πολύ συγκεκριμένους κανόνες, τους κανόνες του σκληρού και ανεξέλεγκτου καπιταλισμού, τους κανόνες του Σαμ Άλτμαν και του Έλον Μασκ.
Δεν πρόκειται για «εκπαίδευση», «μόρφωση», «αύξηση δεξιοτήτων» και άλλα τέτοια. Πρόκειται για πρόσκληση σε ένα σχιζοφρενικό μέλλον από ένα φάντασμα, το φάντασμα στην μηχανή.

πηγή: αντιτετράδια της εκπαίδευσης, τ. 142