Όταν κυκλοφόρησε η Wikipedia άλλαξε τα δεδομένα για όποιον ήθελε να εξερευνήσει τον κόσμο στο διαδίκτυο, σε πραγματικό χρόνο και δωρεάν… Ένας απίστευτος θησαυρός πληροφοριών, με νέο περιεχόμενο να προστίθεται καθημερινά από μια απίστευτη κοινότητα ανθρώπων σε όλο τον κόσμο.
Όλοι ήταν ενθουσιασμένοι εκτός από τους δασκάλους…
Θυμάμαι τον σκεπτικισμό που έτρεφαν οι δάσκαλοι τόσο απέναντι στην Google όσο και απέναντι στη Wikipedia. Επέμεναν ότι οι διαδικτυακοί πόροι δεν θα αντικαθιστούσαν ποτέ τις “επίσημες εγκυκλοπαίδειες” (αυτές που είναι δεμένες σε βιβλία) και ότι μια κοινότητα που βασίζεται σε μη επαγγελματίες συνεισφέροντες δεν θα μπορούσε να παράγει περιεχόμενο τόσο καλό και τόσο ακριβές.
Έκαναν λάθος.
Η Wikipedia αναδείχθηκε αριστούργημα, δείχνοντας πώς μια κοινότητα μπορεί να συνεργαστεί για να δημιουργήσει την πιο ολοκληρωμένη, ενημερωμένη και ελεύθερα προσβάσιμη εγκυκλοπαίδεια στον κόσμο.
Αυτή η στάση των δασκάλων μου με κάνει να σκέφτομαι τους σημερινούς haters της Τεχνητής Νοημοσύνης στην εποχή των LLM (Μεγάλων Γλωσσικών Μοντέλων από το Large Language Models). Τα LLM έχουν ήδη καταλάβει τον κόσμο και έχουν αλλάξει αμετάκλητα διάφορους τομείς: τη συγγραφή, τη μετάφραση, τον προγραμματισμό, τη δημιουργία περιεχομένου, την έρευνα και άλλα.
Ωστόσο, υπάρχει μια μεγάλη διαφορά μεταξύ της επανάστασης του Wikipedia πριν από 20 χρόνια και της τρέχουσας.
Η μεγάλη διαφορά είναι απλή αλλά και κρίσιμη: η γνωστική προκατάληψη.
Η Wikipedia δημιουργήθηκε σχολαστικά με την πάροδο των ετών από μια ισχυρή κοινότητα ειδικών (και μη) που συνεργάστηκαν για να δημιουργήσουν μια σταθερή βάση γνώσης. Εάν γινόταν κάποιο λάθος, διορθωνόταν σχεδόν αμέσως και όσα άτομα προκαλούσαν προβλήματα αποκλείονταν γρήγορα.
Για την κοινότητα της Wikipedia, τίποτα δεν ήταν πιο σημαντικό από τα γεγονότα και την ελεύθερη γνώση.
Για τα LLM, η κατάσταση είναι πολύ διαφορετική. Τα LLM εκπαιδεύονται από κάθε πηγή πληροφοριών. Όχι μόνο από πραγματικές ή αξιόπιστες, αλλά και άλλες που περιέχουν πολύ μεροληπτικές (και ψευδείς) πληροφορίες. Αυτό συχνά αναφέρεται σαν μεροληψία δεδομένων ή αλγοριθμική μεροληψία, καθώς τα μοντέλα κληρονομούν και ενισχύουν τα κακά μοτίβα.
Επίσης, ένα LLM θα απαντήσει ακόμα και σε ένα σύνθετο ερώτημα που δεν γνωρίζει. Η βασική του αρχιτεκτονική βασίζεται σε πιθανές προβλέψεις. Ένα LLM θα έχει πάντα μια απάντηση, αλλά μερικές φορές μπορεί να περιέχει παραπλανητικές πληροφορίες.
Όπως και οι πληροφορίες που υπάρχουν στο Wikipedia θα πρέπει πάντα να διαβάζονται με επιφύλαξη (ακόμα και σήμερα), έτσι και οι πληροφορίες που προέρχονται από τα LLM θα πρέπει να λαμβάνονται με μεγάλη επιφύλαξη.
Πώς πλοηγούμαστε λοιπόν στη μάθηση σε αυτή τη νέα εποχή;
Νομίζω ότι θα πρέπει να ορίσουμε βασικές αρχές:
Μην διαβάζετε απλώς. Ασχοληθείτε με τις πληροφορίες. Μην τις καταναλώνετε παθητικά.
Σκεφτείτε, μην απορροφάτε απλώς. Επεξεργαστείτε τις πληροφορίες, αμφισβητήστε και συνδέστε κάθετι με τις υπάρχουσες γνώσεις σας.
Αναπτύξτε κριτική άποψη. Μην αποδέχεστε τυφλά τις πληροφορίες. Θα πρέπει να αξιολογείτε την πηγή, το πλαίσιο και τις πιθανές μεροληψίες.
Οι πρόσληψη πληροφοριών δεν είναι κάτι απλό. Αντιπροσωπεύει τις βασικές ικανότητες για να μεγαλώσουμε παράλληλα με τα LLM.
Είτε μας αρέσει είτε όχι, βρισκόμαστε αναμφισβήτητα σε μια νέα επανάσταση κονσερβοποίησης της πληροφορίας. Έτσι δεν μπορούμε να εμπιστευτούμε τυφλά τα LLM, και αυτό δεν σημαίνει ότι θα πρέπει να σταματήσουμε να μαθαίνουμε.
Τα LLM είναι ισχυρά εργαλεία και όπως όλα τα ισχυρά εργαλεία, θα πρέπει να χρησιμοποιούνται με προσοχή.
Τα LLM θα πρέπει να είναι συνοδοιπόροι, και όχι τελικές λύσεις.
Αν και τα δελτία τύπου θα είναι από πολύ επιλεγμένα έως και σπάνια, είπα να περάσω … γιατί καμιά φορά κρύβονται οι συντάκτες.
