Η ασφαλέστερη, φθηνότερη και πιο δημοκρατική επιλογή για Δημόσιο, επιχειρήσεις και εκπαίδευση
Η συζήτηση για την Τεχνητή Νοημοσύνη στην Ευρώπη περνά σε πιο ώριμη φάση. Το κρίσιμο ερώτημα δεν είναι πλέον αν το Δημόσιο, οι επιχειρήσεις και τα εκπαιδευτικά ιδρύματα θα χρησιμοποιήσουν ΤΝ, αλλά με ποιους όρους θα τη χρησιμοποιήσουν. Θα στηριχθούν σε αδιαφανείς εμπορικές πλατφόρμες που λειτουργούν ως μαύρα κουτιά και συγκεντρώνουν δεδομένα, υπολογιστική ισχύ και έλεγχο έξω από την Ευρώπη, ή θα επενδύσουν σε τοπικές, ανοιχτές και ελέγξιμες υποδομές που υπηρετούν τις δικές τους ανάγκες;
Η απάντηση γίνεται όλο και πιο καθαρή. Τα τοπικά μοντέλα ΤΝ ανοιχτού λογισμικού δεν είναι πια μια τεχνική λύση δεύτερης κατηγορίας. Σε πολλές πρακτικές εφαρμογές, ιδίως όταν συνδυάζονται με καλά οργανωμένη ανάκτηση γνώσης από έγγραφα και εσωτερικά αποθετήρια, μπορούν να προσφέρουν υψηλής ποιότητας αποτελέσματα με πολύ χαμηλότερο κόστος, μεγαλύτερο έλεγχο και σαφώς μικρότερους θεσμικούς κινδύνους.
Το ουσιαστικό σημείο είναι ότι η απόδοση ενός συστήματος ΤΝ δεν εξαρτάται μόνο από το μέγεθος του μοντέλου. Σε πραγματικές ροές εργασίας, όπως η επεξεργασία διοικητικών εγγράφων, η εσωτερική αναζήτηση γνώσης, η υποστήριξη σύνταξης κειμένων, η ταξινόμηση πληροφοριών, η τεχνική τεκμηρίωση ή η αναζήτηση σε νομικά και κανονιστικά κείμενα, εκείνο που μετρά περισσότερο είναι αν το σύστημα έχει πρόσβαση στο σωστό υλικό και αν το χρησιμοποιεί με πειθαρχία. Αυτός είναι ο λόγος που ένα καλά σχεδιασμένο τοπικό σύστημα μπορεί να αποδειχθεί πιο χρήσιμο από ένα πολύ μεγαλύτερο εμπορικό μοντέλο που λειτουργεί από απόσταση, χωρίς πραγματικό έλεγχο από τον οργανισμό που το χρησιμοποιεί.
Αυτό έχει ιδιαίτερη σημασία για τον δημόσιο τομέα. Τα μεγάλα εμπορικά μοντέλα δεν είναι ασφαλή επιλογή για κρίσιμες δημόσιες λειτουργίες, επειδή δεν προσφέρουν το επίπεδο διαφάνειας, ελεγξιμότητας και θεσμικής λογοδοσίας που απαιτείται όταν ένας φορέας επεξεργάζεται διοικητικά, οικονομικά, νομικά ή υγειονομικά δεδομένα. Όταν η επεξεργασία γίνεται σε εξωτερικές πλατφόρμες, ο οργανισμός δεν ελέγχει πραγματικά ούτε τη διαδρομή των δεδομένων, ούτε τον τρόπο με τον οποίο παράγονται οι απαντήσεις, ούτε τη μακροπρόθεσμη εξάρτηση που δημιουργείται. Για το Δημόσιο, αυτό δεν είναι απλώς τεχνικός περιορισμός. Είναι πρόβλημα δημοκρατικού ελέγχου.
Το ίδιο ισχύει και για τις επιχειρήσεις. Οι μεγάλες εμπορικές υπηρεσίες ΤΝ μπορεί να φαίνονται εύχρηστες στην αρχή, αλλά συνήθως μετατρέπουν τη χρήση της ΤΝ σε μόνιμη συνδρομή, σε συνεχή εξάρτηση από ξένες διεπαφές και σε απώλεια εσωτερικής τεχνογνωσίας. Αντίθετα, η τοπική υλοποίηση με ανοιχτό λογισμικό επιτρέπει σε μια επιχείρηση να διατηρεί τον έλεγχο του κόστους, να προσαρμόζει τα εργαλεία της στη γλώσσα και στα δεδομένα της, να αποφεύγει τον τεχνολογικό εγκλωβισμό και να οικοδομεί δική της παραγωγική ικανότητα. Για τις μικρομεσαίες επιχειρήσεις, αυτό μπορεί να αποδειχθεί καθοριστικό.
Ακόμη πιο καθαρή είναι η εικόνα στην εκπαίδευση. Τα μεγάλα εμπορικά μοντέλα δεν είναι ασφαλή για ανεξέλεγκτη χρήση σε σχολεία, πανεπιστήμια και κάθε εκπαιδευτικό περιβάλλον. Ο λόγος δεν είναι μόνο η προστασία προσωπικών δεδομένων. Είναι επίσης η παιδαγωγική ευθύνη. Η εκπαίδευση δεν μπορεί να βασίζεται σε συστήματα που παραμένουν αδιαφανή, που ενδέχεται να παράγουν πειστικά αλλά λανθασμένα αποτελέσματα, που δυσκολεύουν την επαλήθευση της πηγής και που τείνουν να υποκαθιστούν, αντί να ενισχύουν, την κριτική σκέψη και τη μαθησιακή διαδικασία. Σε σχολεία και πανεπιστήμια, η ΤΝ οφείλει να εντάσσεται σε σαφές πλαίσιο εποπτείας, λογοδοσίας, ηλικιακής καταλληλότητας και προστασίας δεδομένων. Αυτό είναι πολύ πιο εφικτό όταν η υποδομή είναι τοπική, ανοιχτή και ελέγξιμη.
Υπάρχει και το ενεργειακό και οικονομικό ζήτημα. Η διαρκής χρήση απομακρυσμένων εμπορικών υπηρεσιών μεταφέρει το κόστος εκτός οργανισμού και εκτός χώρας, ενώ η τοπική υποδομή μετατρέπει τη δαπάνη σε επένδυση. Όταν ένας φορέας ή μια επιχείρηση χρησιμοποιεί ΤΝ συστηματικά, η τοπική εγκατάσταση γίνεται σταδιακά πιο ορθολογική, επειδή μειώνει το μεταβλητό κόστος, επιτρέπει καλύτερη μέτρηση της χρήσης και συνδέεται με ενεργειακά πιο υπεύθυνη αρχιτεκτονική. Σε μια εποχή όπου η Ευρώπη μιλά για ψηφιακή κυριαρχία, πράσινη μετάβαση και ανθεκτικές υποδομές, η επιλογή τοπικών ανοιχτών μοντέλων παύει να είναι εναλλακτική λεπτομέρεια και γίνεται κεντρική στρατηγική.
Η πραγματική διαχωριστική γραμμή δεν είναι ανάμεσα στο «μεγάλο» και το «μικρό» μοντέλο. Είναι ανάμεσα σε μια ΤΝ που υπηρετεί τον οργανισμό και σε μια ΤΝ που τον καθιστά εξαρτημένο. Για τον δημόσιο τομέα, για τις επιχειρήσεις και ακόμη περισσότερο για την εκπαίδευση, η ασφαλής και δημοκρατική κατεύθυνση είναι σαφής: τοπικά μοντέλα ΤΝ ανοιχτού λογισμικού, με διαφάνεια, έλεγχο, χαμηλότερο κόστος και θεσμική λογοδοσία.
Πηγές:
EU AI Act, Regulation (EU) 2024/1689, το βασικό ευρωπαϊκό κανονιστικό πλαίσιο για διαφάνεια, λογοδοσία και διαχείριση κινδύνου στα συστήματα ΤΝ: https://eur-lex.europa.eu/eli/reg/2024/1689/oj
UNESCO, Guidance for Generative AI in Education and Research, οδηγός για την ασφαλή χρήση της παραγωγικής ΤΝ στην εκπαίδευση, με έμφαση στην προστασία δεδομένων, στην ανθρώπινη εποπτεία και στην ηλικιακά κατάλληλη χρήση: https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research,
European School Education Platform, Guidance for Generative AI in Education and Research, ευρωπαϊκή παρουσίαση της σχετικής καθοδήγησης για την εκπαίδευση, με έμφαση στην ιδιωτικότητα, την ηθική χρήση και τις απαιτήσεις για παρόχους και ιδρύματα: https://school-education.ec.europa.eu/en/discover/publications/guidance-generative-ai-education-and-research,
Green Software Foundation, Green AI Position Paper, πλαίσιο αρχών για βιώσιμη ΤΝ και μετρήσιμη ενεργειακή αποδοτικότητα: https://greensoftware.foundation/articles/green-ai-position-paper/,
Strubell, Ganesh, McCallum, Energy and Policy Considerations for Deep Learning in NLP, κλασική μελέτη για το ενεργειακό και πολιτικό κόστος των μεγάλων μοντέλων: https://aclanthology.org/P19-1355/,
Patterson et al., Carbon Emissions and Large Neural Network Training, μελέτη για τις εκπομπές και τη σημασία της βελτιστοποίησης στην εκπαίδευση και χρήση μεγάλων νευρωνικών δικτύων: https://arxiv.org/abs/2104.10350,
OECD, Overview of the AI Supply Chain: Competition in Artificial Intelligence Infrastructure, ανάλυση για τη συγκέντρωση της αγοράς υποδομών ΤΝ και τους κινδύνους εξάρτησης από λίγους παρόχους: https://www.oecd.org/en/publications/competition-in-artificial-intelligence-infrastructure_623d1874-en/full-report/component-5.html.