Προφανέστατα δεν γνωρίζω αν έφτασε η Αποκάλυψη, αλλά τα σημάδια δύσκολα θα μπορούσαν να χαρακτηριστούν καθησυχαστικά. Και εμφανίζονται σε δύο επίπεδα.

Το πρώτο αφορά την ικανότητα των ανθρώπων να ελέγξουν την τεχνητή νοημοσύνη — Τ.Ν. ή AI. Το ζήτημα ανέκυψε από την πρώτη στιγμή της εμφάνισης των σχετικών μοντέλων, όταν μάλιστα δεν υπήρχαν ακόμη τα σημερινά, πολύ πιο προηγμένα συστήματα. Έγινε γνωστό ως το δίλημμα του Collingridge.

Το δίλημμα αυτό επισημαίνει ότι, στα αρχικά στάδια, μια τεχνολογία μπορεί ακόμη να τροποποιηθεί ή να ρυθμιστεί σχετικά εύκολα, όμως οι κίνδυνοι και οι κοινωνικές συνέπειές της δεν είναι ακόμη σαφείς. Αργότερα, όταν οι επιπτώσεις γίνουν ορατές, η τεχνολογία έχει ήδη διαδοθεί και ενσωματωθεί σε θεσμούς, αγορές και κρίσιμες υποδομές. Επομένως, είναι πλέον πολύ δυσκολότερο και ακριβότερο να ελεγχθεί.

Η απάντηση των εταιρειών τεχνητής νοημοσύνης ήταν ότι πολύ αυστηροί κανόνες, όταν επιβάλλονται υπερβολικά νωρίς, μπορεί να περιορίσουν χρήσιμες καινοτομίες, επειδή οι ρυθμιστικές αρχές δεν κατανοούν ακόμη πλήρως την τεχνολογία. Η ανταπάντηση ήταν πως, αν περιμένουμε μέχρι τα συστήματα τεχνητής νοημοσύνης να προκαλέσουν σαφείς και συστημικές βλάβες, ίσως να έχουν ήδη ενσωματωθεί τόσο βαθιά στην εργασία, στη δημόσια διοίκηση και στις υποδομές, ώστε να μην μπορούν πλέον να ελεγχθούν αποτελεσματικά.

Η σημερινή πραγματικότητα είναι, δυστυχώς, ότι μάλλον έχουμε φτάσει σε αυτό το «ίσως». Σε τρεις περιπτώσεις —με γνωστότερη εκείνη που συνδέθηκε με τη Hugging Face— δύο διαφορετικά προηγμένα μοντέλα φέρεται να βρήκαν τρόπο να ερμηνεύσουν κατά το δοκούν τους περιορισμούς που τους είχαν επιβληθεί. Λειτουργούσαν μέσα στα λεγόμενα sandboxes—δηλαδή με περιοριστικούς παράγοντες– αλλά κατάφεραν να δράσουν αυτόνομα και να αποκτήσουν πρόσβαση στο διαδίκτυο, μολονότι αυτό τους είχε απαγορευτεί ρητά. Με άλλα λόγια, τα frontier models αντιμετώπισαν το ίδιο το περιοριστικό περιβάλλον ως εμπόδιο που έπρεπε να ξεπεράσουν.

Διόλου τυχαία, τον περασμένο μήνα, 1.300 επιστήμονες, επιχειρηματίες και ερευνητές —μεταξύ των οποίων στελέχη και εργαζόμενοι από τις OpenAI, Anthropic, Google DeepMind και Meta— ζήτησαν, με ανοιχτή επιστολή, τη συνδρομή της κυβέρνησης των ΗΠΑ για τη δημιουργία ενός παγκόσμιου εποπτικού πλαισίου. Στόχος του θα ήταν να επιβάλει έναν σκόπιμα αργό και καλά μελετημένο ρυθμό στην εξέλιξη των πιο προηγμένων μοντέλων τεχνητής νοημοσύνης. Άλλοι ειδικοί ζητούν εδώ και τώρα να σταματήσει πλήρως η ανάπτυξή τους, ώστε να γίνει μια εις βάθος αποτίμηση της κατάστασης και των πιθανών επιπτώσεων προτού προχωρήσουμε περισσότερο.

Ο Kenneth Rogoff γράφει για την «καρδερίνα στο ανθρακωρυχείο της τεχνητής νοημοσύνης» — The Canary in the AI Coal Mine. Το σήμα κινδύνου έχει εκπεμφθεί. Μπορεί τα μοντέλα να μην απέκτησαν πρόσβαση στην Ευρωπαϊκή Κεντρική Τράπεζα ή στη Fed, αυτό όμως δεν αλλάζει το γεγονός ότι η «απόδρασή» τους έγινε αντιληπτή έπειτα από μερικές ημέρες. Υπάρχει, μάλιστα, η πληροφορία ότι ένα από αυτά άφησε… «σημείωμα», υποδεικνύοντας σε μελλοντικά μοντέλα πώς θα μπορούσαν να διαφύγουν ευκολότερα από το ελεγχόμενο περιβάλλον. Επίσης διόλου τυχαία, ο Dario Amodei της Anthropic δήλωσε ότι «υπάρχει πιθανότητα 25% η τεχνητή νοημοσύνη να οδηγήσει στην καταστροφή της ανθρωπότητας».

Το δεύτερο ζήτημα είναι εκείνο με το οποίο η στήλη αυτή έχει ασχοληθεί και στο πρόσφατο παρελθόν: το οικονομικό. Σύμφωνα με τη Wall Street Journal, το 80% της ανάπτυξης στις ΗΠΑ σχετίζεται με τις επενδύσεις στην τεχνητή νοημοσύνη. Οι επενδύσεις αυτές αντιστοιχούν περίπου στο 50% του συνόλου των ιδιωτικών επιχειρηματικών επενδύσεων στη χώρα. Ακόμη και πριν από την εισαγωγή της SpaceX του Elon Musk στο χρηματιστήριο, η χρηματιστηριακή αξία των τεχνολογικών εταιρειών αντιπροσώπευε το 40% της συνολικής χρηματιστηριακής αξίας στις ΗΠΑ. Η έκδοση νέων μετοχών από τις OpenAI και Anthropic εκτιμάται ότι θα προσθέσει τουλάχιστον δύο αρχικές δημόσιες προσφορές αποτίμησης τρισεκατομμυρίων. Παράλληλα, οι εταιρείες τεχνολογίας έχουν προσφέρει το 85% των κερδών του S&P 500 μέσα στο 2026 — κέρδη σε μεγάλο βαθμό λογιστικά, βέβαια.

Αυτό το επίπεδο συγκέντρωσης και δανεισμού παραπέμπει, σε ακόμη μεγαλύτερη κλίμακα, στην κρίση των dot-com του 2000 και στην κρίση των στεγαστικών δανείων του 2008. Η εικόνα γίνεται ακόμη πιο ανησυχητική —και δυνητικά επικίνδυνη— εξαιτίας της πρακτικής της κυκλικής χρηματοδότησης, του λεγόμενου circular financing. Ένα χαρακτηριστικό παράδειγμα είναι η σχέση OpenAI–Nvidia και η σχεδιαζόμενη επένδυση έως 100 δισ. δολαρίων της Nvidia στην OpenAI, με σκοπό την ανάπτυξη υποδομών τεχνητής νοημοσύνης ισχύος 10 GW, οι οποίες θα βασίζονται σε συστήματα της ίδιας της Nvidia.

Με απλά λόγια, η Nvidia επενδύει κεφάλαια στην OpenAI. Η OpenAI χρησιμοποιεί σημαντικό μέρος αυτών των κεφαλαίων για την κατασκευή υποδομών. Για τις υποδομές αυτές αγοράζει εκατομμύρια επεξεργαστές και συστήματα της Nvidia. Έτσι, μέρος των χρημάτων που έδωσε η Nvidia ως επένδυση επιστρέφει στην ίδια ως έσοδο από πωλήσεις. Τα αυξημένα έσοδα ενισχύουν τη χρηματιστηριακή αξία και τη χρηματοδοτική δυνατότητα της Nvidia, επιτρέποντάς της να πραγματοποιεί νέες επενδύσεις στον ίδιο τεχνολογικό κύκλο — ενώ αντίστοιχα ωφελείται και η OpenAI.

Η χρηματοπιστωτική αυτή λογική έχει, βέβαια, δύο όψεις. Από τη μία πλευρά, η ζήτηση για τα προϊόντα της Nvidia μπορεί να εμφανίζεται ισχυρότερη, επειδή ο ίδιος ο προμηθευτής συμβάλλει στη χρηματοδότηση του πελάτη που τα αγοράζει. Από την άλλη, η πρακτική μπορεί να θεωρηθεί νόμιμη στρατηγική κάθετης ολοκλήρωσης και επιμερισμού του τεράστιου κόστους των υποδομών τεχνητής νοημοσύνης. Στις αγορές, όμως, αρχίζει να επικρατεί η εκτίμηση ότι ο κίνδυνος σταδιακά ξεπερνά το όφελος, λόγω της διαφαινόμενης δυσκολίας εξυπηρέτησης αυτών των επενδύσεων και των δανείων που τις στηρίζουν.

Ένα απτό παράδειγμα από την οικονομική καθημερινότητα είναι η σχέση OpenAI–CoreWeave. Η CoreWeave έχει δανειστεί μεγάλα ποσά για να αγοράσει GPUs και να κατασκευάσει data centers, βασιζόμενη σε πολυετή συμβόλαια με πελάτες όπως η OpenAI. Η OpenAI, όμως, παραμένει ζημιογόνος, καθώς τα έσοδα από συνδρομές και πωλήσεις tokens δεν καλύπτουν ακόμη το συνολικό κόστος ανάπτυξης και υπολογιστικής ισχύος. Εάν διατηρεί χαμηλές τιμές για να αυξάνει τη χρήση, χρειάζεται συνεχή εξωτερική χρηματοδότηση για να πληρώνει τους προμηθευτές της. Αν αυτή η χρηματοδότηση περιοριστεί, μπορεί να δυσκολευτεί να εκπληρώσει τα συμβόλαιά της με την CoreWeave. Η CoreWeave, με τη σειρά της, θα έχει λιγότερα έσοδα για να εξυπηρετήσει τα δάνεια που χρηματοδότησαν τις υποδομές της. Έτσι, οι ζημίες από την πώληση υπηρεσιών AI σε πολύ χαμηλές τιμές μπορούν εύκολα να μετατραπούν σε πιστωτικό κίνδυνο για ολόκληρη την αλυσίδα.

Έφτασε, λοιπόν, η στιγμή της Αποκάλυψης; Τουλάχιστον όχι ακόμη. Έφτασε, όμως, η στιγμή κατά την οποία η επίκληση της Αποκάλυψης παύει να είναι απλώς υπερβολή. Στο τεχνολογικό επίπεδο, τα μοντέλα αρχίζουν να δοκιμάζουν τα όρια των περιορισμών που τους επιβάλλουμε. Στο οικονομικό, ένα όλο και πιο περίπλοκο σύστημα χρέους, αλληλεξάρτησης και κυκλικής χρηματοδότησης στηρίζεται στην προσδοκία ότι τα μελλοντικά έσοδα θα δικαιολογήσουν τις σημερινές δαπάνες.

Η Αποκάλυψη, άλλωστε, σπανίως αναγγέλλεται με μία και μοναδική θεαματική έκρηξη. Συνήθως προηγείται μια ακολουθία μικρότερων προειδοποιήσεων, τις οποίες όλοι βλέπουν αλλά κανείς δεν θέλει να ερμηνεύσει εγκαίρως. Και ίσως αυτό να είναι το πραγματικό δίλημμα της εποχής μας: όχι αν μπορούμε ακόμη να σταματήσουμε την τεχνητή νοημοσύνη, αλλά αν είμαστε διατεθειμένοι να επιβραδύνουμε προτού ανακαλύψουμε ότι δεν μπορούμε πλέον να τη σταματήσουμε—οικονομικά και τεχνολογικά.

Διαβάστε επίσης

Ο επώδυνος ρεαλισμός της αμφισημίας του Αλέξη Τσίπρα