Χαμηλόμισθοι εξαθλιωμένοι εργαζόμενοι χρησιμοποιούνται για να φιλτράρουν με μη αυτόματο τρόπο προσβλητικές και ενοχλητικές εικόνες από τα σύνολα δεδομένων και για να πληκτρολογούν ετικέτες περιγραφής για τα εκατομμύρια των εικόνων, έτσι ώστε το μηχάνημα να γνωρίζει τι κοιτάζει. Προγράμματα όπως το Amazon’s Mechanical Turk – το οποίο πληρώνει ελάχιστα χρήματα τους ανθρώπους για κάθε εικόνα που επισημαίνουν – κρύβουν τους εργαζόμενους που αγωνίζονται πίσω από μια κουρτίνα ενώ δίνουν την εντύπωση ενός λαμπερού, αυτοματοποιημένου μπροστινού μέρους.

Η εκπαίδευση ενός μοντέλου απαιτεί τεράστιο όγκο «δεδομένων» και έχει επίσης ένα σημαντικό κόστος από άποψη ενέργειας, εκπομπών άνθρακα και ανθρώπινης εργασίας. Όλα αυτά τα «δεδομένα» μέχρι στιγμής έχουν αφαιρεθεί ως επί το πλείστον από το Διαδίκτυο – έχουν ληφθεί κρυφά από άτομα που δεν τα γνώριζαν και δεν συναίνεσαν να τα παραδώσουν.

Όλα όσα τροφοδοτούνται με ένα AI πρέπει πρώτα να κατηγοριοποιηθούν και να μετατραπούν σε αριθμητικά δεδομένα, προκειμένου να καταναλωθούν. Υπάρχει μια διαδικασία αφαίρεσης και μείωσης που πρέπει να συμβεί, μετατρέποντας μια ψηφιακή εικόνα σε έναν αριθμητικό πίνακα χρωμάτων και θέσεων εικονοστοιχείων RGB. Αυτή η αφαίρεση σημαίνει πολλές αποχρώσεις, λεπτομέρειες και πλαίσιο που καταλαβαίνουμε ως άνθρωποι – οτιδήποτε δεν μπορεί εύκολα να ποσοτικοποιηθεί – χάνεται καθώς τα δεδομένα τροφοδοτούνται στο μηχάνημα.

Τα τελευταία χρόνια η ευρεία διάδοση της τεχνητής νοημοσύνης έχει αφήσει αντικρουόμενες εντυπώσεις κι όλοι φαινομενικά έχουν άποψη για το ζήτημα. Μέσα σ’ αυτές υπάρχει και η αβάσιμη ερμήνευσή του ως κάτι «αυτόνομο» και «μαγικό». Στην πραγματικότητα, είναι ένα μαθηματικό μοντέλο, γραμμένο σε κώδικα υπολογιστή, που είναι καλό στο να εντοπίζει μοτίβα και συσχετίσεις στα δεδομένα. Στις περισσότερες περιπτώσεις, «δεδομένα» σημαίνει ένα μεγάλο σωρό κειμένου ή εικόνων – εκατομμύρια φωτογραφίες ή διαδικτυακά άρθρα, για παράδειγμα. Οι εταιρείες τεχνητής νοημοσύνης μπορούν να τροφοδοτήσουν τα μοντέλα τους τεράστιες βιβλιοθήκες φωτογραφιών ή βιβλίων και αναλύοντας ό,τι τροφοδοτείται, το μοντέλο μπορεί στη συνέχεια να δημιουργήσει τις δικές του εκδόσεις που φαίνονται πολύ κοντά στην πραγματική. Στην αρχή το μοντέλο είναι πιθανό να παράγει πλήρη σκουπίδια, αλλά μέσω μιας διαδικασίας δοκιμής και λάθους μπορεί να «εκπαιδευτεί» από έναν μηχανικό για να δημιουργήσει μερικά εντυπωσιακά αποτελέσματα.

Η τεχνητή νοημοσύνη θα ενισχύσει επίσης οποιαδήποτε εγγενή προκατάληψη στο σύνολο δεδομένων εκπαίδευσης. Για παράδειγμα, εάν ένα μοντέλο εκπαιδευτεί σε μια βάση δεδομένων της αστυνομίας και του ζητηθεί να προτείνει ποινές φυλάκισης σε μια δικαστική αίθουσα – κάτι που συμβαίνει ήδη στις ΗΠΑ – θα έχει κληρονομήσει οποιαδήποτε φυλετική προκατάληψη που υπήρχε στα αρχεία των συλλήψεων και είναι πιο πιθανό, για παράδειγμα, να προτείνει σκληρότερες ποινές για μαύρους κατηγορούμενους. Επίσης, είναι γνωστό ότι εάν κάποιος προτρέψει τον Dall-E με τη λέξη «CEO», θα παράγει μόνο εικόνες λευκών ανδρών.

Τα μοντέλα τεχνητής νοημοσύνης εξαρτώνται σε μεγάλο βαθμό από το σύνολο δεδομένων εισόδου – τι περιέχει, τι απουσιάζει εμφανώς, ποιος το επιμελήθηκε και με ποιον σκοπό, όλα επηρεάζουν τα αποτελέσματα. Χωρίς καμία απολύτως διακυβέρνηση, αυτό σημαίνει ότι οι εταιρείες τεχνολογίας της Silicon Valley μπορούν να αποφασίσουν με ποιον ακριβώς τρόπο κλίνουν τα μοντέλα και τι κάνουν – και όσο ευρύτερα χρησιμοποιείται η τεχνητή νοημοσύνη, τόσο περισσότερο διαδίδεται η κοσμοθεωρία και οι προκαταλήψεις των ατόμων που εξουσιάζουν.

Όταν κάποιος ζητά από το μηχάνημα να δημιουργήσει μια εικόνα, το μοντέλο σαρώνει τα πάντα στο σύνολο δεδομένων του και κάνει έναν υπολογισμό – από όλα όσα έχει, ποιος συνδυασμός χρωμάτων, σχημάτων και γραμμών ταιριάζει καλύτερα στο αίτημα; Είναι μια μαθηματική προσέγγιση ωμής δύναμης. Το μηχάνημα δεν σχεδιάζει ούτε ζωγραφίζει – μπορεί μόνο να αναλύσει το σύνολο δεδομένων του σε δισεκατομμύρια μέρη και να τα επανασυνδυάσει για να παραδώσει πολτοποιήσεις όσων προηγήθηκαν, όσο περίεργα κι αν είναι.

Με αυτόν τον τρόπο, ένα μοντέλο AI είναι τεχνικά ανίκανο να παράγει οτιδήποτε νέο. Η περιορισμένη άποψη του κόσμου βασίζεται εξ ολοκλήρου στο σύνολο των αφηρημένων αριθμών που του δόθηκε. Ένα μοντέλο τεχνητής νοημοσύνης εκπλήσσει μόνο και μόνο επειδή έχει καταβροχθίσει τόσες πρώτες ύλες, για να το αναμειγνύει κατ’ εντολή σας. Όσο έξυπνο κι αν είναι στο να εντοπίζει μοτίβα, δεν μπορεί να προσαρμοστεί, να ερμηνεύσει ή να φανταστεί όπως μπορεί ένας άνθρωπος. Αυτό που μπορεί να κάνει πολύ καλά, ωστόσο, είναι να αντιγράψει ένα στυλ καλλιτέχνη ή να παραποιήσει μια φωτογραφία με ανησυχητική ακρίβεια.

Μέρος της άσκησης επωνυμίας γύρω από τα εργαλεία τεχνητής νοημοσύνης αφορούσε τη δημιουργία μυστικισμού. Οι λάτρεις της τεχνητής νοημοσύνης, μέσα σε αυτούς και πρόσωπα που με τις κινήσεις τους καθορίζουν την παγκόσμια πολιτική σκηνή όπως ο Elon Musk, μιλούν για τις απεριόριστες δυνατότητές της να μεταμορφώσει την κοινωνία προς το καλύτερο, αναλαμβάνοντας όλο και περισσότερες αποφάσεις για εμάς. Υπάρχει ένας σχεδόν θρησκευτικός ζήλος γι’ αυτό σε ορισμένες πλευρές, από τις οποίες ρέουν προβλέψεις για ουτοπικά μέλλοντα όπου όλα τα προβλήματα λύνονται μέσω της εκμάθησης να αγκαλιάζουμε τη σοφία που πηγάζει από αυτές τις μηχανές. Αλλά όπως βλέπουμε, αυτό χρησιμοποιείται παραπάνω ως εργαλείο ελέγχου, καταστολής, εκμετάλλευσης και προπαγάνδας προς τον παγκόσμιο πληθυσμό από τους ιδιοκτήτες των μέσων παρά σαν ρηξικέλευθη εφεύρεση που θα βελτιώσει τα αληθινά προβλήματα όπως η έσχατη φτώχεια και η μεταξύ μας αποξένωση.

Μια πτυχή της λειτουργίας του AI που ίσως τροφοδοτεί αυτές τις πεποιθήσεις, είναι η αδιαφάνεια των αποφάσεών του. Καθώς τα μοντέλα εκπαιδεύονται, δημιουργούν μυριάδες συσχετισμούς και συνδέσεις που δεν είναι ποτέ πλήρως ορατές στους μηχανικούς. Αν και δεν είναι πραγματικά ένα «μαύρο κουτί», τα μοντέλα παράγουν αποτελέσματα χωρίς να γνωρίζουμε πλήρως τι συμβαίνει μέσα. Αυτή η έλλειψη λογοδοσίας σημαίνει ότι θα ήταν ασυγχώρητο να τους εμπιστευόμαστε αποφάσεις που επηρεάζουν τις ζωές των ανθρώπων.

Είναι εξίσου σημαντικό να καταλάβουμε ότι το OpenAI (δημιουργός του Dalle-E), το StabilityAI (δημιουργός του Stable Diffusion) και το Midjourney – οι τρεις μεγάλες γεννήτριες εικόνων – εκπαίδευσαν όλα τα επιτυχημένα μοντέλα τους αντιγράφοντας εκατομμύρια εικόνες άλλων ανθρώπων από το διαδίκτυο – προφανώς χωρίς τη γνώση ή την άδεια των ιδιοκτητών. Οι αγωγές γύρω από αυτό είναι ακόμη σε εξέλιξη.

Οι τρεις μεγάλοι παραγωγοί εικόνων διεκδικούν υψηλούς στόχους, ενώ βγάζουν τα χρήματά τους από τη δουλειά άλλων. Το Midjourney για παράδειγμα, ισχυρίζεται ότι «επεκτείνει τις φανταστικές δυνάμεις του ανθρώπινου είδους», ενώ η StabilityAI λέει ότι «χτίζει τα θεμέλια για να ενεργοποιήσει τις δυνατότητες της ανθρωπότητας». Η ιστορία που μας πουλήθηκε είναι παρόμοια σε γενικές γραμμές – ότι η τέχνη «εκδημοκρατίζεται» – τραβιέται από τα νύχια αυτών των δικαιούχων καλλιτεχνών και μηχανοποιείται – μετατρέπεται σε ένα εργαλείο που θα κάνει τους πάντες καλλιτέχνες. Από τους θαυμαστές της, η «τέχνη τεχνητής νοημοσύνης» περιγράφεται συχνά ως ένα νέο μέσο ή σύνορο, όπου οι άνθρωποι παραιτούνται από την προσπάθεια να φτιάξουν τη δική τους τέχνη ή να χτίσουν οποιαδήποτε δεξιότητα.

Η άνοδος της τέχνης AI δεν επηρεάζει μόνο τους μικρούς δημιουργούς και το πάθος τους για την τέχνη αλλά αρχίζει να επεκτείνεται σε μεγάλες βιομηχανίες που περιλαμβάνουν μουσική, ταινίες, βιντεοπαιχνίδια, βιβλία και πολλά άλλα. Αυτό εγείρει τα ερωτήματα: η τεχνητή νοημοσύνη θα αντικαταστήσει σύντομα όλες τις δημιουργικές πτυχές των μέσων; Θα γίνουν ανύπαρκτες οι δημιουργικές θέσεις εργασίας;

Μπορούμε ήδη να το δούμε να συμβαίνει σε άλλα μέρη του κόσμου, όπως η Κίνα, όπου πάνω από το 70% των εικονογράφων βιντεοπαιχνιδιών έχασαν τη δουλειά τους το 2021 για διάφορους λόγους, με τον μεγαλύτερο να είναι η έκρηξη της τεχνητής νοημοσύνης σύμφωνα με τον Leo Li, έναν υπεύθυνο πρόσληψης προσωπικού της βιομηχανίας τυχερών παιχνιδιών στο Hangzhou της Κίνας. Η εξαγορά της τεχνητής νοημοσύνης φτάνει και στην αμερικανική πόρτα, με μεγάλες εταιρείες όπως η Disney. Η εταιρεία έχει κατηγορηθεί ότι χρησιμοποίησε τεχνητή νοημοσύνη σε πολλές περιπτώσεις στις προωθητικές της ενέργειες, όπως η αφίσα της δεύτερης σεζόν της τηλεοπτικής τους εκπομπής της Marvel “Loki” ή η ανάρτησή τους για την Ημέρα των Ευχαριστιών του 2023 του Μίκυ Μάους και της συμμορίας που αναδημιουργούσε τον πίνακα“The Thanksgiving Picture” του Norman Rockwell.

Στη μουσική βιομηχανία, οι άνθρωποι δημιουργούν στίχους και όργανα χρησιμοποιώντας λογισμικό παραγωγής. Εξώφυλλα βιβλίων και ακόμη και ολόκληρα βιβλία δημιουργούνται με λίγα μόνο κλικ από έναν πραγματικό άνθρωπο.

Αλλά οι καλλιτέχνες δεν κάθονται ήσυχοι και αφήνουν την τεχνητή νοημοσύνη να αναλάβει τα προς το ζην. Τον Οκτώβριο του 2023, υπήρξαν εξελίξεις ενός μοντέλου που «δηλητηριάζει» τα δεδομένα σε αυτά τα λογισμικά τεχνητής νοημοσύνης. Αυτό το εργαλείο, που ονομάζεται Nightshade, ανακατεύει τα μοντέλα εκμάθησης και τα δεδομένα εκπαίδευσης στα προγράμματα εκπαιδεύοντάς τα να δημιουργούν χειρότερες εικόνες ή ακόμα και εντελώς λανθασμένες εικόνες που δεν υπήρχαν στην αρχική προτροπή. Αυτή η συσκευή δημιουργήθηκε από τον Ben Zhao, καθηγητή στο Πανεπιστήμιο του Σικάγο, και λειτουργεί αλλάζοντας τα εικονοστοιχεία των εικόνων με λεπτούς τρόπους που είναι αόρατοι στα ανθρώπινα μάτια, αλλά χειρίζεται μοντέλα μηχανικής μάθησης για να ερμηνεύσουν την εικόνα ως κάτι διαφορετικό.

Μικρά μοτίβα, μικρές αλλαγές στα χρώματα, οι οποίες μπορούν να σπάσουν σχεδόν οποιοδήποτε λογισμικό τεχνητής νοημοσύνης που δημιουργείται και οι καλλιτέχνες το γιορτάζουν. Η καταστροφή όλων αυτών των διαφορετικών λογισμικών θα καθιστούσε λιγότερο πιθανό για τους καλλιτέχνες να χάσουν τις δουλειές τους λόγω της τεχνητής νοημοσύνης και θα επέτρεπε στις δημιουργικές θέσεις να συνεχίσουν να ανθίζουν σε αυτόν τον ολοένα αυξανόμενο αυτοματοποιημένο κόσμο.

Πηγές που χρησιμοποιήθηκαν: NorthernIowan , CorrallDesign