Σε κάθε μεγάλη τεχνολογική μετάβαση, αυτό που μεταβάλλεται δεν είναι μόνο η παρα- γωγή αλλά η ίδια η αρχιτεκτονική της κοινωνικής εξουσίας. Από τη βιομηχανική επανάσταση έως την ψηφιακή εποχή, η αξία μεταφέρθηκε από τη χειρωνακτική εργασία στη μηχανή και αργότερα από την ύλη στην πληροφορία.
Σήμερα, με την τεχνητή νοημοσύνη, βιώνουμε μια μετατόπιση ακόμη βαθύτερη: τη μεταφορά της γνώσης ως μορφή εξουσίας, όπως εύστοχα περιέγραψε ο Φουκό, σε νέους φορείς που δεν ανήκουν πλέον στην κοινωνία αλλά σε ανέλεγκτα τεχνολογικά συστήματα. Η τεχνητή νοημοσύνη δεν τροφοδοτείται μόνο από ηλεκτρική ισχύ και αλγόριθμους καινοτομίας. Αυτά είναι απαραίτητα, αλλά όχι καθοριστικά.
Το κρίσιμο «καύσιμο» είναι ένα: τα δεδομένα. Με όρους Μπουρντιέ, η ΤΝ δεν εκπαιδεύεται απλώς με πληροφορία – εκπαιδεύεται με συμβολικό και γνωσιακό κεφάλαιο, όχι τα δεδομένα ως στατιστικές ενότητες, αλλά ως ζωντανές αποτυπώσεις ανθρώπινης εμπειρίας, γλώσσας, κρίσης και δημιουργικότητας. Χωρίς αυτά, καμία τεχνολογία, όσο προηγμένη κι αν είναι, δεν μπορεί να «μάθει». Ακριβώς γι’ αυτό, τα τελευταία τρία χρόνια βλέπουμε μια παγκό- σμια κούρσα για την απόκτηση, εξαγορά ή δημιουργία δεδομένων. Πρόκειται για τη μεγαλύτερη μεταφορά αξίας στην ιστορία, και συμβαίνει αθόρυβα: από τους ανθρώπους προς τα μοντέλα που τους μαθαίνουν.
Με κάθε ερώτηση, κάθε διόρθωση, κάθε αξιολόγηση μιας απάντησης, εκατομμύρια άνθρωποι τροφοδοτούν την εξέλιξη αυτών των συστημάτων. Και το κάνουν χωρίς να το αντιλαμβάνονται ως «εργασία», παρότι παράγουν αξία ασύγκριτα μεγαλύτερη από την αξία του χρόνου που αφιερώνουν. Δεν είναι τυχαίο ότι οι κορυφαίες εταιρείες ΤΝ επεκτείνουν τη συλλογή και διατήρηση δεδομένων, επενδύουν σε τεράστιες βάσεις περιεχομένου, και –όταν το πραγματικό περιεχόμενο δεν επαρκεί– στρέφονται στη δημιουργία συνθετικών δεδομένων. Τα συνθετικά δεδομένα, που παράγονται από τα ίδια τα μοντέλα, αυξάνονται με γεωμετρικούς ρυθμούς και αποτελούν ήδη άνω του 60% των δεδομένων που χρησιμοποιούνται για να εκπαιδευτούν οι νέες γενιές LLMs.
Ωστόσο, υπάρχει ένα κρίσιμο όριο: μέχρι ποιο σημείο ένα σύστημα μπορεί να εκπαιδεύσει τον εαυτό του χωρίς να αναπαράγει τα λάθη του; Τα συνθετικά δεδομένα επιταχύνουν την εξέλιξη, αλλά εγκυμονούν έναν κίνδυνο: την «αυτο-ανα- κύκλωση» της μηχανικής γνώσης, που σταδιακά απομακρύνεται από τις πραγματικές ανθρώπινες εμπειρίες. Αυτή είναι η μεγάλη αντίφαση της εποχής μας: Η ΤΝ χρειάζεται ολοένα περισσότερα δεδομένα, την ίδια στιγμή που τα διαθέσιμα δεδομένα εξαντλούνται.
Οι άνθρωποι, οι χρήστες, οι δημιουργοί περιεχομένου γίνονται χωρίς να το συνειδητοποιούν η πιο πολύτιμη πηγή παραγωγής του μέλλοντος. Και γι’ αυτό, η αξία μεταφέρεται πλέον από την ανθρώπινη νόηση στη μηχανική μάθηση. Ετσι με όρους Χάμπερμας, η δημόσια σφαίρα κινδυνεύει να αντικατασταθεί από μια τεχνική σφαίρα αλγοριθμικής παραγωγής λόγου, όπου η κοινωνική εμπειρία υποχωρεί μπροστά σε υπολογιστικές αναπαραστάσεις της. Η εξίσωση είναι ξεκάθαρη: ένα μοντέλο που μαθαίνει από εκατομμύρια χρήστες είναι πιο πολύτιμο από ένα μοντέλο που στηρίζεται μόνο σε υπολογιστική ισχύ.
Η ανθρώπινη ανατροφοδότηση έχει πολλαπλάσια αξία από οποιονδήποτε αλγόριθμο βελτιστοποίησης. Δεν είναι τυχαίο ότι μεγάλες εταιρείες επενδύουν πλέον δισεκατομμύρια όχι σε hardware, αλλά σε τεράστιες ομάδες ανθρώπινης αξιολόγησης. Ο άνθρωπος εξακολουθεί να είναι ο βασικός τροφοδότης της μηχανικής μάθησης – αλλά η γνώση που παράγει δεν του ανήκει πια. Η τεχνητή νοημοσύνη δεν αντικαθιστά απλώς εργασίες· αναδια- μορφώνει τον τρόπο με τον οποίο παράγεται η αξία, και κατά συνέπεια ποιος την ελέγχει.
Στην εποχή των πλατφορμών, το αντάλλαγμα για τη «δωρεάν» πρόσβαση ήταν η εκχώρηση των προσωπικών μας δεδομένων. Σήμερα, πληρώνουμε με κάτι πολύ πιο βαθύ: με τη συμμετοχή μας στη διαμόρφωση της μηχανικής γνώσης. Το ερώτημα λοιπόν δεν είναι αν η ΤΝ θα κυριαρχήσει. Το ερώτημα είναι ποιος θα καθορίζει τα δεδομένα που τη διαμορφώνουν, και ποιος θα επωφεληθεί από αυτή την τεράστια μεταφορά αξίας. Θα παραμείνει συγκεντρωμένη σε λίγες εταιρείες ή θα μοιραστεί πιο δίκαια στα οικοσυστήματα που βοηθούν να την εκπαιδεύσουν; Μπορεί η κοινωνία να αξιώσει μέρος αυτής της αξίας; Η απάντηση θα καθορίσει όχι μόνο την οικονομία της επόμενης δεκαετίας, αλλά και τον τρόπο με τον οποίο κατανοούμε την ίδια τη γνώση. Καθώς τα συνθετικά δεδομένα πολλαπλασιάζονται και οι μηχανές μαθαίνουν από τις προηγούμενες εκδοχές του εαυτού τους, η ανθρώπινη συμβολή αποκτά ακόμη μεγαλύτερη σημασία.
Το μέλλον της ΤΝ δεν θα κριθεί από τους αλγόριθμους, αλλά από την ποιότητα –και τη διαχείριση– των ανθρώπινων δεδομένων που θα της επιτρέψουμε να χρησιμοποιήσει. Ισως τελικά η μεγαλύτερη μεταφορά αξίας στην ιστορία να μην είναι οικονομική. Να είναι γνωσιακή. Και η πραγματική πρόκληση για τις κοινωνίες να μην είναι να προστατεύσουν τα δεδομένα τους, αλλά τη δημιουργική ικανότητα που τα παράγει.
