Πολλοί από εμάς έχουμε γνωρίσει ανθρώπους με υψηλή «γλωσσική νοημοσύνη»: είναι αυτοί που συνθέτουν όμορφα και καλογραμμένα κείμενα, βρίσκουν σχεδόν πάντα την κατάλληλη διατύπωση, καταλαβαίνουν το λογοπαίγνιο πριν προλάβουμε να γελάσουμε και μπορούν να κερδίσουν μια διαφωνία μόνο και μόνο με τον τρόπο με τον οποίο θα διατυπώσουν το επιχείρημά τους. Αυτή είναι η ικανότητα χειρισμού της γλώσσας με ευχέρεια και ακρίβεια στις καθημερινές μας συνομιλίες.
Υπάρχει όμως και μια συγγενική, αλλά διαφορετική ικανότητα, για την οποία μιλάμε πολύ λιγότερο: η γλωσσολογική νοημοσύνη. Εδώ το ζητούμενο δεν είναι να μιλάς όμορφα, αλλά να καταλαβαίνεις τι κάνει η γλώσσα: πώς οργανώνει τις προτάσεις, πώς αλλάζει μέσα στον χρόνο, πώς χρησιμοποιείται ως όχημα κατασκευής σχέσεων εξουσίας και κύρους, καθώς και πώς μεταφέρει ιδεολογίες χωρίς να τις ονοματίζει. Αν η γλωσσική νοημοσύνη είναι να παίζεις καλά το παιχνίδι της γλώσσας, η γλωσσολογική είναι να ξέρεις και τους κανόνες – και ποιος τους έγραψε.
Όπως θα υποστηρίξω παρακάτω, αυτό είναι κρίσιμο στην εποχή της τεχνητής νοημοσύνης (εφεξής ΤΝ), καθώς τα σύγχρονα μοντέλα ΤΝ δεν είναι απλώς έξυπνοι διορθωτές γραφής· είναι συστήματα που παράγουν λόγο, υιοθετούν ύφος, παίρνουν θέση κατά τέτοιο τρόπο, ώστε να επηρεάζουν πραγματικούς ανθρώπους, δηλαδή όλους εμάς.
Στην καθημερινότητά μας συνομιλούμε με μηχανές: τους λέμε «παίξε μουσική», «γράψε μου ένα email με τις τάδε προδιαγραφές», «πες στον προϊστάμενο ή στην προϊσταμένη μου ότι λατρεύω τις υπερωρίες αλλά δεν θα έρθω» και εκείνες απαντούν σαν ευγενικοί, ελαφρώς αγχωμένοι γραμματείς. Η γλωσσική μας νοημοσύνη μας βοηθά να διατυπώσουμε την εντολή. Η γλωσσολογική νοημοσύνη, όμως, μας επιτρέπει να ρωτήσουμε: με τι δεδομένα έμαθε να μου απαντά έτσι; γιατί χρησιμοποιεί αυτό το ύφος και όχι κάποιο άλλο; ποια εικόνα καλού/καλής χρήστη/χρήστριας χτίζει μέσα από τις απαντήσεις της; Πρώτα απ’ όλα, η γλωσσολογία δίνει στην ΤΝ ένα είδος εννοιολογικού σκελετού. Για να ξεχωρίσει ένα σύστημα ανάμεσα στην αντιγραμματική πρόταση «*ο φοιτητής είδα τον καθηγητή» και στη γραμματική πρόταση «είδα τον καθηγητή», χρειάζεται μία αίσθηση σύνταξης και όχι μόνο στατιστική. Για να καταλάβει αν μια φράση είναι ερώτηση, ειρωνεία ή παθητική επιθετικότητα, χρειάζεται εργαλεία πραγματολογίας.
Εδώ καθίσταται αναγκαία η γλωσσολογική νοημοσύνη των ανθρώπων που σχεδιάζουν τα μοντέλα: εισάγουν έννοιες, όπως «γλωσσικές πράξεις», «ευγένεια», «ύφος» και «ειρωνεία», μεταξύ άλλων, και τις μεταφράζουν σε προδιαγραφές σχεδιασμού. Χωρίς αυτή τη γέφυρα, έχουμε εντυπωσιακή παραγωγή κειμένου μεν, αλλά συχνά με συμπεράσματα κοινωνικά απλουστευμένα, αποϊστορικοποιημένα, αποπερικειμενοποιημένα και, εντέλει, προβληματικά. Ταυτόχρονα, η ΤΝ χαρίζει στους γλωσσολόγους ένα εργαστήριο που παλιότερα θα έμοιαζε με σενάριο επιστημονικής φαντασίας. Τεράστια σώματα κειμένων, αυτόματη αναγνώριση ομιλίας, ανάλυση διαλέκτων, εντοπισμός υβριδικών υφών: όλα αυτά επιτρέπουν να παρακολουθούμε πώς αλλάζει η γλώσσα σχεδόν σε πραγματικό χρόνο.
Μπορούμε να δούμε τον τρόπο με τον οποίον εμφανίζονται νέα (γλωσσο-) μιμίδια (memes), όπως το ακόλουθο, το οποίο δημιουργήθηκε με την έκδοση ChatGPT Thinking 5.1: Μπορούμε, επίσης, να χαρτογραφήσουμε πώς ταξιδεύουν δάνεια μεταξύ γλωσσών, όπως στο εκφώνημα «Τον έκανα mute στη ζωή μου», καθώς και να κατανοήσουμε πώς συνδυάζονται αγγλικά, αραβικά και ελληνικά στο ίδιο chat, όπως, επί παραδείγματι, στο εκφώνημα «Yalla bro, τα λέμε στο Teams!».
Η γλωσσολογική νοημοσύνη εδώ δεν είναι θεωρητική πολυτέλεια, αλλά ο μόνος τρόπος να βγάλουμε νόημα από αυτόν τον χείμαρρο δεδομένων. Από την άλλη, τα συστήματα ΤΝ κάνουν και κάτι ακόμη: μας αναγκάζουν να δούμε τα όρια της δικής μας γλωσσολογικής νοημοσύνης. Όταν ένα μοντέλο γράφει κείμενα που μοιάζουν ανθρώπινα, είμαστε έτοιμοι να βγάλουμε το συμπέρασμα ότι «ξέρει τη γλώσσα».
Εντούτοις, η γλωσσολογική σκέψη μάς φρενάρει, διότι μας θυμίζει ότι γλώσσα σημαίνει ενσώματη εμπειρία, ιστορία, πολιτισμική μνήμη και όχι μόνο σωστή σειρά λέξεων. Ετσι η ΤΝ λειτουργεί σαν μεγεθυντικός φακός των γλωσσικών μας αυταπατών, υπό την έννοια ότι μας δείχνει πόσο εύκολα μας αρκεί ένα κείμενο που φαίνεται σωστό (ύφος, ροή, ορθογραφία), ακόμη κι όταν υπόρρητα χωλαίνουν η κατανόηση, η πρόθεση και η ευθύνη. Φυσικά, υπάρχει και η πολιτική διάσταση.
Τα μεγάλα μοντέλα εκπαιδεύονται δυσανάλογα σε αγγλικά και σε τυπικές (standard) γλωσσικές ποικιλίες. Μια διάλεκτος, μια «σπαστή» προφορά, ένας μεικτός τρόπος ομιλίας μπορεί να αντιμετωπίζονται ως θόρυβος, κάτι προς διόρθωση. Εδώ η γλωσσική νοημοσύνη, το ταλέντο μας στο να προσαρμοζόμαστε, δεν αρκεί. Χρειάζεται γλωσσο- λογική νοημοσύνη για να δούμε ότι οι ίδιες παλιές ιεραρχίες (τι θεωρείται «σωστό» και «καλλιεργημένο») κινδυνεύουν να παγιωθούν μέσα σε αλγορίθμους που παρουσιάζονται ως ουδέτεροι. Ένας γλωσσολόγος με ανεπτυγμένη γλωσσολογική νοημοσύνη μπορεί να εντοπίσει μοτίβα μεροληψίας εκεί όπου άλλοι βλέπουν απλώς «αποτελέσματα μοντέλου».
Μπορεί να παρατηρήσει ότι συγκεκριμένα ονόματα συνδέονται συστηματικά με στερεότυπα, ότι ορισμένα επαγγέλματα εμφανίζονται κυρίως ως ανδρικά, ή ότι τα φίλτρα ευγένειας κόβουν λεξιλόγιο περιθωριοποιημένων κοινοτήτων.
Μπορεί επίσης να ρωτήσει την ενοχλητική, αλλά απαραίτητη ερώτηση: ποιος αποφασίζει τι επιτρέπεται να πει η μηχανή; Γι’ αυτό, αν θέλουμε πραγματικά να καταλάβουμε πόσο και πώς αλληλεπιδρά η τεχνητή νοημοσύνη με τη γλώσσα, δεν μας φτάνει να θαυμάζουμε τη γλωσσική «δεξιοτεχνία» των μοντέλων, ούτε τη δική μας ικανότητα να τους δίνουμε έξυπνα prompts.
Χρειαζόμαστε γλωσσολογική νοημοσύνη, ήτοι την ικανότητα να βλέπουμε τη γλώσσα ως σύστημα, ως κοινωνική πρακτική και ως πεδίο εξουσίας. Μόνο τότε θα μπορούμε να συμμετέχουμε ουσιαστικά στη συζήτηση για το πώς θα μιλούν αυτές οι μηχανές στο όνομά μας. Ίσως, τελικά, το πραγματικό διακύβευμα του (όχι και τόσο μακρινού) μέλλοντος να μην είναι «πόσο έξυπνη θα γίνει η ΤΝ», αλλά «πόσο γλωσσολογικά έξυπνοι θα γίνουμε εμείς» απέναντί της.
