Θ. Μούλος: Το AI σαρώνει και φέρνει μια τελείως διαφορετική «πίτα»

Η εποχή της Τεχνητής Νοημοσύνης είναι εδώ και μοιάζει να τρέχει με ασύλληπτη ταχύτητα. Οι αλλαγές που φέρνει στο εργασιακό τοπίο αλλά και στην καθημερινότητα, αποτελούν αχαρτογράφητα νερά, η γεωγραφία των οποίων μεταβάλλεται διαρκώς.

Ο Θεόδωρος Μούλος επισκέπτης καθηγητής eMBA του NYU - Stern School of business καi συνιδρυτής/CEO της Growthrocks, μια εταιρείας που παρέχει υπηρεσίες εκπαίδευσης στην AΙ τεχνολογία σε μεγάλες και μικρότερες επιχειρήσεις, εντός και εκτός Ελλάδας, μίλησε στο Euro2day.gr για το τώρα και το αύριο της Τεχνητής Νοημοσύνης. Για τα όσα έρχονται, για το ποιους κλάδους θα αφορούν κυρίως, και για το αν θα κινδυνεύσουν οι σημερινές θέσεις εργασίας.

Τόσο στις τεχνολογικές εταιρείες, όσο και στα γραφεία των traders παγκοσμίως υπάρχει η αίσθηση ότι το AI είναι το big thing που συμβαίνει τώρα. Είναι;

Ποιος θα μπορούσε να απαντήσει αρνητικά σε αυτό; Κάθε εβδομάδα βγαίνουν 500 καινούργια προϊόντα AI και κάθε φορά που βγάζει μία καινούργια έκδοση το ChatGPT κλείνουν δέκα start ups που ασχολούνται με αυτήν. Άρα, πράγματι, το ΑΙ είναι το τσουνάμι της εποχής μας. Όλο το websummit, το μεγαλύτερο σχετικό event που έγινε προ λίγων εβδομάδων στη Λισσαβόνα ήταν αφιερωμένο στο AI, ενώ πέρυσι ήταν στο web3 και στο metaverse. Οι ευκαιρίες που βλέπουν venture capitals και traders παγκοσμίως δεν είναι απλά η αυξημένη ζήτηση, αλλά και οι ευκαιρίες κεφαλαιοποίησης αυτών των εταιρειών λόγω του ότι απευθύνονται σε όλον τον κόσμο, είτε είναι απλοί ιδιώτες είτε επαγγελματίες. Το ΑΙ είναι τόσο καθολικό, ώστε να αλλάζει ακόμη και τις συμπεριφορές των ανθρώπων. Για παράδειγμα, οι ασφαλιστές θα πρέπει να περιμένουν να αλλάξει η αγορά τους όχι επειδή οι ίδιοι θα χρησιμοποιούν ΑΙ άλλα επειδή οι πελάτες τους θα “αναλύουν” τα ψιλά γράμματα των συμβολαίων με AI και κατ’ επέκταση θα έχουν ερωτήσεις ποιο βαθιές να απευθύνουν στους ασφαλιστές τους. Ο χώρος που το ΑΙ έρχεται να καλύψει είναι χώρος που δεν έχει προβλεφθεί ως «χώρος προς κάλυψη», που σημαίνει ότι αυτό που βλέπουν οι επενδυτές και οι traders δεν είναι απλά μία σειρά από νέα startups που καλύπτουν καλύτερα την υπάρχουσα πίτα των μεριδίων αγοράς, αλλά μία τελείως διαφορετική πίτα που δεν υπήρχε λίγους μήνες πριν.

Τι είναι τελικά η Τεχνητή Νοημοσύνη και γιατί ενώ ακούμε δεκαετίες για αυτήν, τα τελευταία δύο χρόνια μοιάζει να έχει εκτιναχθεί; Τα μεγάλα γλωσσικά μοντέλα είναι που έφεραν τη σημερινή εξέλιξη; Έχουν τα μοντέλα αυτά περιθώρια περαιτέρω εξέλιξης ή είμαστε κοντά στο «ταβάνι» τους;

Τεχνητή Νοημοσύνη, είναι μια τεχνολογία που επιτρέπει σε μηχανές, όπως υπολογιστές, να μαθαίνουν, να καταλαβαίνουν, και να παίρνουν αποφάσεις όπως οι άνθρωποι. Με απλά λόγια, είναι σαν να δίνουμε σε μηχανές τη δυνατότητα να “σκέφτονται” και να εκτελούν εργασίες που συνήθως απαιτούν ανθρώπινη νοημοσύνη. Τα σύγχρονα μεγάλα γλωσσικά μοντέλα, όπως τα GPT δεν είναι από μόνα τους αυτά που έφεραν τη σημερινή εξέλιξη. Εκτός από τη διαχείριση της γλώσσας (που γράφουν και καταλαβαίνουν) είναι εκπαιδευμένα σε τεράστιες ποσότητες κειμένων από διάφορες πηγές του διαδικτύου. Μέσα από αυτή την εκπαίδευση, τα μοντέλα απορροφούν μεγάλο όγκο γενικών γνώσεων – που κυμαίνεται από την επιστήμη και την Ιστορία μέχρι την κουλτούρα και την τεχνολογία. Αυτή η γνώση, όμως, δεν είναι οργανωμένη όπως σε μια εγκυκλοπαίδεια, αλλά λειτουργεί μέσα από μοτίβα και συσχετίσεις που τα μοντέλα έχουν μάθει να αναγνωρίζουν. Ο συνδυασμός του «έχω πάρα πολλές γενικές γνώσεις» αλλά και «μπορώ να τις βρίσκω και να τις προσφέρω όταν μου τις ζητούν» - πολύ κοντά σε απαιτήσεις που θα είχαμε από έναν άνθρωπο δηλαδή- είναι που έφερε την σημερινή εξέλιξη. Ωστόσο όλα τα μοντέλα είναι ακόμα σε νηπιακή μορφή. Θα δούμε απίστευτες δυνατότητες ακόμα: από δημιουργία σκηνών video μέχρι δημιουργία λόγου σε φυσικό/ανθρώπινο τόνο και στυλ.

Μπορούμε να μιλήσουμε για «κλάδους» της AI και ποιοι είναι αυτοί;

Θα λέγαμε ότι στους κλάδους περιλαμβάνεται η Μηχανική Μάθηση (Machine Learning), η Υπολογιστική Όραση (Computer Vision), η Ρομποτική, η Ανάλυση Μεγάλων Δεδομένων (Big Data Analytics), τα Συστήματα Σύστασης (Recommendation Systems), η Επεξεργασία Φωνής (Speech Recognition), τα Παιχνίδια και οι Προσομοιώσεις (Games and Simulations), ο Αυτοματισμός Διεργασιών (Process Automation) και Αυτόνομα Οχήματα (Self-Driving Cars). Είμαι σίγουρος ότι ήδη θα αναγνωρίζετε μερικά που εταιρείες όπως η amazon χρησιμοποιούν χρόνια τώρα για να βελτιώσουν την εμπειρία των χρηστών - και να τους κάνει να ψωνίσουν περισσότερο!

Ποιες είναι οι πιο σημαντικές εφαρμογές της Τεχνητής Νοημοσύνης που εκτιμάτε ότι θα δούμε στους τομείς της οικονομίας και των επιχειρήσεων μέσα στα επόμενα πέντε χρόνια; Ποιοι κλάδοι αναμένεται να επηρεαστούν περισσότερο;

Δεν υπάρχει τομέας που δεν θα επηρεαστεί. Το πραγματικό ερώτημα είναι πόσο χρόνο θα πάρει ώστε να ενσωματωθεί πλήρως. Σε κάθε περίπτωση πιστεύουμε ότι στην αιχμή του δόρατος των μετασχηματισμών θα είναι το marketing, οι πωλήσεις και οι online υπηρεσίες που θα αλλάξουν σχεδόν ολικά. Παρακάτω είναι ένα γράφημα που δείχνει ακριβώς αυτό.

Πώς πιστεύετε ότι θα αλλάξει η AI τον τρόπο που οι επιχειρήσεις διαχειρίζονται δεδομένα και λαμβάνουν αποφάσεις;

Καταρχάς να αναφέρω ότι η γενική γνώση του AI βασίζεται σε δεδομένα του παρελθόντος. Οι αποφάσεις όμως βασίζονται και σε κρίση και σε πρόγνωση του μέλλοντος. Είναι λάθος να παίρνουμε αποφάσεις για το αύριο με τη γνώση του χτες. Σε κάθε περίπτωση, βλέπω ότι η έρευνα, η ανάλυση, το περιεχόμενο και η διαχείριση σεναρίων που είναι το «ψωμοτύρι» του ΑΙ θα επηρεάσουν όλους τις αποφάσεις που θα παίρνουν οι επιχειρήσεις. Εκτός όμως από αυτό, η ευρεία δυνατότητα στην καινοτομία (democratization of Innovation) που δημιουργεί το ΑΙ θα επηρεάσει τις κατευθύνσεις που επιλέγουν να ακολουθήσουν οι επιχειρήσεις όχι λόγω έρευνας αλλά λόγω δυνατότητας που δεν υπήρχε πριν.

Έχετε εικόνα πού κατευθύνονται αυτή την εποχή τα κεφάλαια που επενδύονται σε AI Startups; Ποιοι είναι οι νέοι τομείς που προσελκύουν το ενδιαφέρον;

Εταιρίες ΑΙ που βρίσκουν νέες χρήσεις, που έχουν δικά τους γλωσσικά μοντέλα, που προσφέρουν για χρήση από μηχανές (APIs) και παροχή υποδομής για τις επιχειρήσεις (RAG models) έχουν το μερίδιο του λέοντος στο ενδιαφέρον των επενδυτών. Όπως ήταν λογικό, στην αρχή κατευθύνθηκαν στο marketing μιας και το ΑΙ είναι πολύ καλό με το περιεχόμενο και το μάρκετινγκ είχε μεγάλη ανάγκη για δημιουργία περιεχομένου. Όμως στην συνέχεια η κατεύθυνση υπήρξε αρκετά διασπασμένη προς διαφορές κατηγορίες με νικητή τον κλάδο των αυτοκινήτων και την χρήση της AI για την κατασκευή και λειτουργία αυτόνομων οχημάτων. Αν αναλύσουμε τον κλάδο κάθε εταιρείας από τις 44 που κατάφεραν να προσελκύσουν κεφάλαια ύψους 100 εκατ. δολ. η κάθε μία το 2024, βλέπουμε ο αριθμός τους ήταν ως εξής: 12 ήταν οι εταιρείες αυτόνομων οχημάτων, οκτώ οι εταιρείες βιομηχανίας και κατασκευών, έξι οι εταιρείες Logistics και μεταφορών, 5 οι εταιρείες υγείας και βιοτεχνολογίας, 4 οι εταιρείες παραγωγής περιεχομένου/Μάρκετινγκ και χρηματοοικονομικής/fintech, ενώ 3 εταιρείες προέρχονταν από τον κλάδο της ασφάλειας και 2 από εκείνον του προγραμματισμού.

Υπάρχουν σήμερα τεχνικοί περιορισμοί που να εμποδίζουν την ανάπτυξη της AI, όπως για παράδειγμα η ανάγκη για μεγαλύτερη υπολογιστική ισχύ ή η περιορισμένη χωρητικότητα των υποδομών δεδομένων;

Ναι υπάρχουν δυστυχώς, και για αυτό όλες οι μεγάλες εταιρείες επενδύουν σε φάρμες υπολογιστικών συστημάτων με σκοπό να καλύψουν την ζήτηση σε υπολογιστική ισχύ. Γενικότερα θα δούμε ένα θέμα με τους πόρους για να καλυφθούν οι απαιτήσεις. Άραγε, αν όλοι αγοράσουμε ηλεκτρικά αυτοκίνητα υπάρχει επάρκεια παραγόμενης ενέργειας για να τα φορτίζουμε; Όχι είναι η γρήγορη απάντηση. Όμως θα φτιάχνονται υποδομές, όσο η ζήτηση μεγαλώνει. Πάντα έτσι γίνεται ιστορικά.

Η Τεχνητή Νοημοσύνη αναμένεται να αυτοματοποιήσει πολλές εργασίες. Πώς πιστεύετε ότι αυτό θα επηρεάσει το εργατικό δυναμικό, και ποιες προσαρμογές πρέπει να κάνουν οι εταιρείες; Ποιοι τομείς θα επηρεαστούν περισσότερο;

Οι επαναλαμβανόμενες εργασίες που δεν χρειάζονται ιδιαίτερα skills είναι οι πρώτες που θα επηρεαστούν. Αμέσως μετά θα επηρεαστούν οι επαναλαμβανόμενες εργασίες με προηγμένα skills γιατί το AI είναι πολύ καλό στο να μαθαίνει και να αποκτά δεξιότητες. Πρέπει το εργατικό δυναμικό να μετασχηματισθεί, να ενσωματώσει τη νέα γνώση και να μετακινηθεί σε αντικείμενα που ο ανθρώπινος παράγοντας είναι σημαντικός. Κάθε φορά, όταν υπάρχει μια εξέλιξη -όπως για παράδειγμα συνέβη με την εμφάνιση των ηλεκτρονικών υπολογιστών το 1985- στην αρχή ο κόσμος φοβάται ότι θα χάσει τη δουλειά του, αλλά τελικά δημιουργούνται νέες θέσεις εργασίες οι οποίες καλύπτονται από ανθρώπους που έχουν αποκτήσει τις νέες δεξιότητες. Το μυστικό είναι στο να εξελίσσονται οι εργαζόμενοι και να αποτελούν μέρος της λύσης και όχι του προβλήματος.

Μπορεί να υπάρξει επιμόρφωση εργαζομένων πάνω στην AI ώστε οι σημερινοί εργαζόμενοι να είναι επαρκείς ή οι νεότερες γενιές θα έχουν ξεκάθαρο εργασιακό πλεονέκτημα;

Η απάντησή μου είναι ξεκάθαρα θετική. Για την ακρίβεια, πιστεύω ότι ενώ είναι σημαντικό να υπάρχει μεγάλη επαφή με τα μοντέρνα υπολογιστικά συστήματα του σήμερα που έχουν στη διάθεσή τους νεότερες γενιές, η γενιά που ήδη είναι στην αγορά εργασίας έχει δεξιότητες που είναι επίσης πολύ χρήσιμες: Εμπειρία, βάθος του γνωσιακού αντικειμένου και καλή γνώση της θεωρίας. Να το πω απλά: ποιος είναι καλύτερος στα μαθηματικά ή στην ορθογραφία; Αυτός που τα έμαθε αφότου βγήκαν οι υπολογιστές και τα κομπιουτεράκια, ή αυτοί που τα έμαθαν στο σχολείο και τα χρησιμοποίησαν στην δουλειά τους με τον παλαιό παραδοσιακό τρόπο; Κάθε γενιά έχει πολλά να προσφέρει. Ο συνδυασμός σε μια ομάδα από ανθρώπους όλων των ηλικιών θα φέρει τα καλύτερα αποτελέσματα. Χρειάζεται ένας συνδυασμός από ανθρώπους που έχουν μάθει να σκέφτονται, και από ανθρώπους που έχουν μάθει να σκέφτεται ο υπολογιστής πριν από τους ίδιους.

Δώστε μας ορισμένα παραδείγματα που δεν φανταζόμαστε για το τι θα μπορούσε να κάνει η AI για μια εταιρεία.

Θα μπορούσα να αναφέρω άπειρα παραδείγματα. Σκεφτείτε από απλά πράγματα, όπως μια σειρά στο Netflix που έχει σκηνές που δεν είναι κατάλληλες για όλους, και οι οποίες θα μπορούν να απαλείφονται βάσει του πώς αντιδρούν σε συγκεκριμένο περιεχόμενο οι χρήστες που τις βλέπουν, ή από το να αλλάζουμε τον τρόπο που επικοινωνούμε με τους συνεργάτες μας λόγω των στατιστικών που συγκεντρώνουμε και αναλύουμε κατά τις συναντήσεις μας.

Ακόμα, θα μπορούσαμε να σκεφτούμε δημιουργία νέων assets όπως προσωποποιημένα videos, ακόμα και τραγουδιών ή άλλα οπτικοακουστικά στοιχεία (audiovisual assets).

(*) Ο κ. Μούλος έχει σπουδές μηχανικής, ψυχολογίας και οικονομικών. Ζει και δραστηριοποιείται στο Λονδίνο.