Η ομιλία για τη γνώση

—

Την ομιλία αυτή έδωσε ο Aravind Srinivas στις 3 Οκτωβρίου 2026 στην Cambridge Union Society. Η Cambridge Union Society είναι ο μεγαλύτερος φοιτητικός σύλλογος του Πανεπιστημίου του Κέιμπριτζ και ο αρχαιότερος όμιλος αντιλογίας στον κόσμο που λειτουργεί αδιάλειπτα.

—

Γεια σας και σας ευχαριστώ. Είναι τιμή μου που βρίσκομαι εδώ.

Ένα από τα πράγματα που δεν περίμενα όταν ίδρυσα μια εταιρεία είναι πόσο χρόνο περνάω σε πανεπιστήμια. Το απολαμβάνω. Για έναν διευθύνοντα σύμβουλο, τα πανεπιστήμια είναι συνήθως το μόνο κοινό που αντιλέγει. Γι’ αυτό θα αφήσουμε περισσότερο χρόνο για συζήτηση από όσο σκοπεύω να μιλήσω.

Ας ξεκινήσουμε.

Συνήθως, όταν με προσκαλούν να μιλήσω κάπου, μου ζητούν να κάνω μια ομιλία με προβλέψεις και κάποιον γενικόλογο τίτλο όπως «το μέλλον της τεχνητής νοημοσύνης.» Δεν θα μιλήσω για το μέλλον της τεχνητής νοημοσύνης. Αντίθετα, θα μιλήσω για το δικό σας μέλλον. Το μέλλον σας με ενδιαφέρει περισσότερο, και μάλλον ενδιαφέρει περισσότερο και εσάς.

Πρώτα, λίγα λόγια για το παρελθόν. Το Κέιμπριτζ είναι το ιδανικό μέρος για να μιλήσει κανείς για το παρελθόν και ταυτόχρονα για το μέλλον σας, γιατί έχει και τα δύο.

Όπως λέει η ιστορία, αυτό που σήμερα αποκαλούμε σύστημα αξιολόγησης από ομοτίμους επινοήθηκε εδώ, στο Κέιμπριτζ. Για την ακρίβεια, επρόκειτο απλώς για έναν καθηγητή του Κέιμπριτζ, ο οποίος το πρότεινε στη Βασιλική Εταιρεία του Λονδίνου, όχι εδώ στο πανεπιστήμιο. Αυτό έγινε το 1831. Σήμερα, περισσότερα από 3,5 εκατομμύρια επιστημονικά άρθρα δημοσιεύονται κάθε χρόνο μέσω του συστήματος αξιολόγησης από ομοτίμους.

Περίπου 160 χρόνια αργότερα, δύο υποψήφιοι διδάκτορες στο Στάνφορντ δούλευαν πάνω σε δομές δικτύων και εξόρυξη δεδομένων. Ήταν η εποχή που μόλις ξεκινούσε η έκρηξη του διαδικτύου της δεκαετίας του 1990. Ο Παγκόσμιος Ιστός ήταν το μόνο θέμα συζήτησης. Κάπως όπως η «τεχνητή νοημοσύνη» σήμερα.

Επίσης, όπως και σήμερα, οι περισσότεροι από όσους μιλούσαν για την έκρηξη ήταν επενδυτές και μέσα ενημέρωσης. Η «κοινότητα της τεχνολογίας» τότε ήταν ο κλάδος των τηλεπικοινωνιών. Δεν υπήρχαν πολλοί ακαδημαϊκοί στη συζήτηση. (Κάποιοι, αλλά όχι πολλοί). Και αυτοί οι δύο υποψήφιοι διδάκτορες δεν ήταν ακριβώς οι μυημένοι της έκρηξης του διαδικτύου.

Ήξεραν όμως κάτι που δεν ενδιέφερε ιδιαίτερα όσους βρίσκονταν έξω από το πανεπιστημιακό σύστημα.

Όπως οι περισσότεροι ακαδημαϊκοί, κατανοούσαν τον σκοπό του πανεπιστημίου. Ο σκοπός του πανεπιστημίου είναι η προαγωγή της γνώσης.

Γι’ αυτό χρησιμοποιούμε την αξιολόγηση από ομοτίμους. Γι’ αυτό επίσης τα ακαδημαϊκά κείμενα έχουν τόσες πολλές παραπομπές. Και αυτοί οι δύο φοιτητές ήξεραν ότι ο όγκος της γνώσης στον κόσμο (με μέτρο τον αριθμό των άρθρων που πληρούν τα πρότυπα της αξιολόγησης από ομοτίμους) μόνο αυξάνεται. Έτσι, τους ήταν εύκολο να δουν ότι και ο ιστός θα μεγάλωνε μόνο, μαζί με την ανθρώπινη γνώση.

Είχαν επίσης εμπειρία με ένα παλιό πρόβλημα που ήταν «νέο» για τον ιστό: πώς να βρεις τη σωστή γνώση, ή την καλύτερη γνώση, όταν αυτή διαρκώς επεκτείνεται. Στο παλιό μοντέλο, οι ακαδημαϊκοί κρίνουν αν η έρευνα κάποιου είναι χρήσιμη ή αξιόπιστη με βάση τον αριθμό των αναφορών που έχει λάβει.

Είχαν λοιπόν την ιδέα να φτιάξουν έναν αλγόριθμο που αξιολογεί κάθε ιστότοπο στο διαδίκτυο με βάση το πόσοι άλλοι ιστότοποι παρέπεμπαν σε αυτόν ή είχαν σύνδεσμο προς αυτόν, σε σχέση με το περιεχόμενο αυτών των ιστότοπων.

Ονόμασαν το σύστημα «Page Rank», επειδή κατέτασσαν κάθε σελίδα (page) του ιστού και επειδή ένας από αυτούς τους υποψήφιους διδάκτορες λεγόταν Larry Page.

Ο Larry και ο συνεργάτης του (ο Sergey Brin) πήραν αυτή τη μικρή ακαδημαϊκή αρχή και την έκαναν διαθέσιμη στο ευρύ κοινό. Η Google έγινε ένα από τα πιο χρήσιμα εργαλεία στην ιστορία και μία από τις πιο επιτυχημένες επιχειρήσεις, επειδή ο Larry Page απλώς προσάρμοσε κάτι που τα πανεπιστήμια έκαναν ήδη εδώ και εκατό χρόνια.

Όπως είπα, ο σκοπός του πανεπιστημίου είναι η προαγωγή της γνώσης. Σε αυτή την ομιλία θα σας πω τρία πράγματα για τη γνώση. Ελπίζω ότι, αναλογιζόμενοι και τη δική μας νοημοσύνη, θα φτάσουμε σε μια καλύτερη, πιο πρακτική κατανόηση της τεχνητής νοημοσύνης.

1.

Πρώτον, η γνώση έχει ζωή. Γεννιέται, φθίνει και πεθαίνει.

Έχει κύκλο ζωής. Και επειδή έχει κύκλο ζωής, η γνώση υφίσταται εξέλιξη.

Καθώς εξελίσσονται όσα γνωρίζουμε, γινόμαστε όλοι εξυπνότεροι. Αυτό ονομάζεται φαινόμενο Flynn. Το φαινόμενο Flynn είναι η παρατήρηση ότι η ανθρωπότητα γίνεται εξυπνότερη κατά περίπου 3 μονάδες IQ κάθε δεκαετία.

Τα τεστ IQ αναπροσαρμόζονται διαρκώς ώστε ο μέσος όρος να παραμένει στο 100, οπότε ένας εύκολος τρόπος να σκεφτείτε το φαινόμενο Flynn είναι με εκατοστημόρια. Το 1950, κάποιος στο 92ο εκατοστημόριο νοημοσύνης θα βρισκόταν σήμερα μόλις στο 50ό εκατοστημόριο. Όλοι γίναμε εξυπνότεροι.

Το 1950 είναι επίσης η χρονιά που επινοήθηκε το τεστ Turing. Ήταν το πρώτο τεστ για να διαπιστωθεί αν ή πότε μια μηχανή είναι εξυπνότερη από τους ανθρώπους. Αυτό σημαίνει ότι το 1950 ήταν πολύ ευκολότερο για μια μηχανή να περάσει το τεστ Turing. Επειδή ο πήχης της «ανθρώπινης» νοημοσύνης ήταν χαμηλότερος.

Και αυτή είναι η δύναμη της εξέλιξης. Η γνώση οδηγεί πάντα σε περισσότερη γνώση.

Το μειονέκτημα είναι ότι ο κόσμος μπορεί να γίνεται εξυπνότερος, αλλά εσείς ως άτομα να γίνεστε πιο χαζοί. Η γνώση φθίνει. Σκεφτείτε το σαν χρόνο ημιζωής. Ο χρόνος ημιζωής ενός ραδιενεργού στοιχείου είναι ο χρόνος που χρειάζεται για να διασπαστεί το μισό του. Ο χρόνος ημιζωής της γνώσης είναι ο χρόνος που χρειάζεται για να γίνει το μισό της παρωχημένο.

Ακολουθούν μερικά παραδείγματα από εδώ, από το Κέιμπριτζ.

Το 1978, ο Sir Roy Calne συνέβαλε στην εισαγωγή της κυκλοσπορίνης στις μεταμοσχεύσεις. Αυτό ήταν σημαντικό για την πρόληψη της απόρριψης οργάνων. Οι πρώτες κλινικές δοκιμές έγιναν στο Κέιμπριτζ. Έως το 2001, ένα άλλο φάρμακο, το τακρόλιμους, είχε γίνει η κυρίαρχη θεραπεία της κατηγορίας του στις μεταμοσχεύσεις νεφρού στις ΗΠΑ. Θα μπορούσε λοιπόν να πει κανείς ότι η ιατρική γνώση για τη θεραπεία με κυκλοσπορίνη είχε χρόνο ημιζωής 23 ετών.

Είναι μια ατελής μέτρηση, αλλά αποτελεί χρήσιμο μοντέλο για την αξιολόγηση μηχανικών σε τομείς που εξελίσσονται γρήγορα. Το κάνουμε αυτό στον χώρο της τεχνολογίας. Το ερώτημα που υπονοείται είναι: «σε ποιο σημείο της καριέρας αυτού του μηχανικού το μισό από όσα ξέρει θα είναι εντελώς παρωχημένο;»

Σε ποιο σημείο της καριέρας σας θα συμβεί αυτό σε εσάς; Η απάντηση εξαρτάται από το πόσο χρόνο αφιερώνετε στο να μαθαίνετε νέα πράγματα.

Δυστυχώς, σε σπάνιες περιπτώσεις πεθαίνει και η γνώση. Υπάρχουν γλώσσες που δεν έχουν πια ούτε έναν ομιλητή. Υπάρχει σοφία που χάνεται μαζί με έναν ηλικιωμένο άνθρωπο.

Γι’ αυτό, για περισσότερα από 4.000 χρόνια, οι άνθρωποι χτίζουν βιβλιοθήκες. Και όταν εμφανίστηκε το διαδίκτυο, ανεβάσαμε σε αυτό απείρως περισσότερα από όσα γνωρίζουμε. Η γνώση λοιπόν πεθαίνει, αλλά δεν είναι αναπόφευκτο. Ίσως ως έμφυτη πτυχή της ανθρώπινης φύσης, οι άνθρωποι νιώθουν την ανάγκη να διαφυλάσσουν τη γνώση. Τη διασώζουμε διαρκώς και αυξάνουμε το σύνολο της παγκόσμιας γνώσης. Αυτό είναι καλό.

Να σημειώσω: η γνώση είναι σαν ζωντανός οργανισμός, αλλά δεν είναι ζωντανή. Μόνο εσείς είστε ζωντανοί. Απλώς πιστεύω ότι είστε πιο ζωντανοί όταν μαθαίνετε κάτι καινούργιο.

Γι’ αυτό υπάρχει το Perplexity, παρεμπιπτόντως. Δεν είμαι όμως εδώ για να μιλήσω για το Perplexity. Είμαι εδώ για να μιλήσω για εσάς και για την οικονομία της γνώσης. Κάτι που με φέρνει στο δεύτερο σημείο μου.

2.

Δεύτερον, η γνώση δεν είναι χρήμα. Συμπεριφέρεται όμως σαν χρήμα.

Το χρήμα έχει χρονική αξία. Ο τόκος το κάνει να αυξάνεται και ο πληθωρισμός το κάνει να συρρικνώνεται. Με αρκετό χρόνο, τόσο ο τόκος όσο και ο πληθωρισμός δρουν σωρευτικά.

Όταν οι εκατό χιλιάδες λίρες θα έχουν την αγοραστική δύναμη των σαράντα χιλιάδων (πιθανότατα σε περίπου 23 χρόνια), θα χρειάζεστε 250.000 £ για να μείνετε στα ίδια. Μετά από άλλα 23 χρόνια θα χρειάζεστε 625.000 £.

Όταν κάτι ανατοκίζεται, τα κέρδη ή οι απώλειες αυξάνονται εκθετικά με τον χρόνο.

Γι’ αυτό η πιο βασική οικονομική αρχή είναι ότι πρέπει πάντα να ανατοκίζετε με επιτόκιο υψηλότερο από τον πληθωρισμό. Γιατί αν δεν μεγαλώνετε, συρρικνώνεστε. Το ίδιο ισχύει και για τη γνώση.

Όπως ακριβώς η αξία της λίρας, έτσι και η αξία όσων γνωρίζετε σήμερα θα υποτιμάται με τον καιρό. Και όπως η συνηθισμένη υποτίμηση, θα συμβαίνει λίγο λίγο κάθε μέρα. Θα είναι τόσο μικρή που δύσκολα θα την προσέχετε. Μέχρι που μια μέρα θα ξυπνήσετε και δεν θα έχετε τίποτα. Η γνώση σας δεν θα έχει πια την ίδια αγοραία αξία. Αυτό είναι αναπόφευκτο. Θυμηθείτε ότι το Πυθαγόρειο θεώρημα κάποτε επιτρεπόταν να το γνωρίζουν μόνο οι ελίτ. Όμως όλοι εδώ το μάθατε στην πρώτη γυμνασίου.

Γινόμαστε όλοι εξυπνότεροι, για πάντα. Όπως ανέφερα, αυτός είναι ο απώτερος σκοπός του πανεπιστημίου. Με λίγη τύχη, κάποια μέρα στο μακρινό μέλλον, όσα σπουδάσατε εδώ στο Κέιμπριτζ μπορεί να διδάσκονται σε μαθητές της πρώτης γυμνασίου.

Αυτό είναι καλό, αν συμβεί. Σημαίνει πρόοδο. Σημαίνει όμως επίσης ότι οι οικονομικοί σας στόχοι απαιτούν να μη σταματήσετε ποτέ να μαθαίνετε. Πρέπει να μαθαίνετε με επιτόκιο υψηλότερο από τον ρυθμό πληθωρισμού της γνώσης.

Με άλλα λόγια, πρέπει να διπλασιάζετε όσα γνωρίζετε με ρυθμό ταχύτερο από τον δικό σας χρόνο ημιζωής της γνώσης. Αυτό θέλει χρόνο. Όταν όμως βλέπετε τον κόσμο μέσα από τον φακό του ανατοκισμού, πρέπει να τον βλέπετε με μακροπρόθεσμο ορίζοντα.

Γι’ αυτό το καλύτερο κόλπο για να ανατοκίσετε τον πλούτο σας είναι να ξεκινήσετε νέοι, και ο δεύτερος καλύτερος τρόπος είναι να πεθάνετε γέροι. Ο Warren Buffet άρχισε να επενδύει σε ηλικία 11 ετών, αλλά το 99% του πλούτου του συσσωρεύτηκε μετά τα 65.

Κάτι που παραπέμπει στην τελευταία ομοιότητα ανάμεσα στη γνώση και το χρήμα. Πρέπει να την ξοδεύετε.

Όταν έχετε κεφάλαιο, το αξιοποιείτε για να παράγει έργο. Όταν έχετε γνώση, ειδικά εξαιρετική γνώση, πρέπει να τη βάλετε να δουλέψει. Κάντε κάτι με αυτήν. Αυτή είναι η διαφορά ανάμεσα στην εφεύρεση και την καινοτομία. Η εφεύρεση ρωτά: «Έφτιαξες κάτι;» Η καινοτομία ρωτά: «Έκανε τη διαφορά;»

Και αν θέλετε να κάνετε τη διαφορά, πρέπει να μετατρέψετε τη γνώση σε δράση. Μόνο η δράση γεννά νέες ερωτήσεις, διερεύνηση και νέα γνώση. Πρέπει πάντα να μαθαίνετε και πάντα να πράττετε.

Εδώ ακριβώς μπαίνει στο παιχνίδι η τεχνητή νοημοσύνη, και αυτό με φέρνει στο τρίτο και τελευταίο μου σημείο.

3.

Ο σκοπός της τεχνητής νοημοσύνης είναι να επιταχύνει την ανθρώπινη γνώση και ευημερία.

Σκεφτείτε τα δύο πρώτα πράγματα που είπα απόψε. Είπα ότι η γνώση έχει έμβιο χαρακτήρα και ότι πρέπει να τη φροντίζουμε και να την προάγουμε, γιατί σε γενικές γραμμές ωφελούνται οι άνθρωποι. Μετά είπα ότι η γνώση έχει οικονομικό χαρακτήρα. Ότι πρέπει να την καλλιεργούμε, γιατί σε γενικές γραμμές ωφελούνται όλοι οι άνθρωποι.

Αν πιστεύετε αυτά τα δύο, τότε πρέπει να σκεφτείτε και την τεχνητή νοημοσύνη λίγο διαφορετικά.

Αντί να έχετε εμμονή με την επίτευξη της γενικής τεχνητής νοημοσύνης (AGI) ή με το να κάνετε την τεχνολογία έξυπνη για χάρη της τεχνολογίας, θα καταλήγατε στο συμπέρασμα ότι ο λόγος για να φτιάχνουμε καλύτερη, ακριβέστερη τεχνητή νοημοσύνη είναι να υπηρετεί τους ανθρώπους.

Θα καταλήγατε στο συμπέρασμα ότι ο υψηλότερος και σημαντικότερος σκοπός της τεχνητής νοημοσύνης είναι να κάνει τους ανθρώπους εξυπνότερους και πιο ευημερούντες.

Αν αυτό μοιάζει πολύ με τον σκοπό του πανεπιστημίου, ε λοιπόν, εδώ ακριβώς βρισκόμαστε.

Σκεφτείτε ξανά την αξιολόγηση από ομοτίμους. Επινοήθηκε το 1831. Φέτος, το Perplexity κυκλοφόρησε ένα πολύ απλό προϊόν που ονομάζεται Model Council, βασισμένο σε μια ιδέα που διατύπωσε ένας από τους ιδρυτικούς ερευνητές της OpenAI. Κάνετε την ίδια ερώτηση σε τρία μοντέλα τεχνητής νοημοσύνης. Το καθένα κάνει έρευνα και απαντά, και στη συνέχεια ένα μοντέλο-«πρόεδρος» αξιολογεί πού διαφωνούν και πού συμφωνούν και καταλήγει συλλογιστικά σε μια τελική απάντηση.

Το Model Council δεν αντικαθιστά την αξιολόγηση από ομοτίμους. Αντίθετα, σκοπός του είναι να φέρει το πνεύμα της ακαδημαϊκής αναζήτησης σε περισσότερους ανθρώπους. Μπορούμε να επεκτείνουμε το ήθος ενός πανεπιστημίου πέρα από αυτούς τους τοίχους, σε όλο τον κόσμο.

Θα μπορούσαμε να βοηθήσουμε περισσότερους ανθρώπους να έχουν πραγματικά δίκιο, και όχι απλώς να νιώθουν ή να ακούγονται ότι έχουν δίκιο. Να αναζητούν την αλήθεια και τη γνώση με επιστημονικό τρόπο. Η πορεία του σύμπαντος οδηγεί στο να έχουν όλοι περισσότερη πρόσβαση σε περισσότερη γνώση. Είναι καλό να έχουν οι άνθρωποι γνώση. Και οι άνθρωποι είναι αυτοί που ωφελούνται.

Θα κλείσω με μια σύντομη ιστορία για την εταιρεία μου.

Όταν ξεκινήσαμε, ήμασταν απλώς τρεις ερευνητές τεχνητής νοημοσύνης, με περισσότερες ερωτήσεις παρά όραμα. Μετά, όταν ήρθε στην ομάδα και τέταρτο άτομο, αποφασίσαμε ότι ήταν ώρα να αποκτήσουμε ασφάλιση υγείας. Η ασφάλιση υγείας στην Αμερική είναι περίπλοκη ακόμη και για τους Αμερικανούς. Εγώ δεν είμαι από την Αμερική, οπότε για μένα ήταν ακόμη πιο μπερδεμένη.

Τα αποτελέσματα του Google δεν βοήθησαν καθόλου. Και αυτό που κάνει συνήθως ένας ιδρυτής σε μια τέτοια περίπτωση είναι να τηλεφωνήσει σε κάποιον που το έχει ξανακάνει. Σε έναν επενδυτή, για παράδειγμα, ή σε κάποιον άλλο ιδρυτή. Όμως ήταν αργά το βράδυ. Ήθελα να το τελειώσω, οπότε έπρεπε να βρω τη γνώση μόνος μου.

Το πρόβλημα είναι ότι, όταν κάνεις μόνος σου την έρευνα, ψάχνεις στο Google ανάμεσα σε ιστότοπους ασφαλειών βελτιστοποιημένους για SEO, που όλοι δίνουν κακές συμβουλές και ανταγωνίζονται για το ποιος θα φαίνεται πιο αξιόπιστος.

Τότε έφτιαξα την πρώτη έκδοση του Perplexity.

Έκανε την έρευνα για μένα. Και το έβαλα να παραθέτει πηγές για τις απαντήσεις. Έτσι μπορούσα να τις επαληθεύω και να συνεχίζω να κάνω περισσότερες ερωτήσεις. Και μετά οργάνωσα την ασφάλιση υγείας μας. Λύθηκε. Πάμε στο επόμενο πρόβλημα. Και στο επόμενο πρόβλημα, και στο επόμενο πρόβλημα. Και να που είμαστε σήμερα.

Το ηθικό δίδαγμα εκείνης της ιστορίας είναι ότι δεν χρειάζεται πια να «ξέρετε κάποιον». Μπορείτε απλώς να μάθετε πράγματα και να τα κάνετε. Σας έχω ήδη πει ότι η υπόσχεση της τεχνητής νοημοσύνης είναι ότι μπορείτε να έχετε πρόσβαση σε κάθε γνώση. Το ηθικό δίδαγμα αυτής της ιστορίας είναι ότι κάθε άνθρωπος μπορεί να έχει πρόσβαση σε κάθε γνώση.

Αυτή είναι η απόλυτη υπόσχεση της τεχνητής νοημοσύνης. Ο καθένας μπορεί πλέον να έχει περιέργεια. Ο καθένας μπορεί να φτιάξει οτιδήποτε. Ο καθένας μπορεί πλέον να μπει στον ναό της γνώσης. Αυτό ωφελεί όλους.

Και αυτό είναι καλά νέα για εσάς. Σημαίνει ότι το πιο σημαντικό πράγμα που μπορείτε να κάνετε, για την υπόλοιπη ζωή σας, είναι να έχετε περιέργεια. Οι πιο επιτυχημένοι ανάμεσά σας θα είναι όσοι έχουν τις περισσότερες ερωτήσεις. Και τις καλύτερες ερωτήσεις.

Η συμβουλή μου λοιπόν είναι να καλλιεργήσετε όσο περισσότερη περιέργεια μπορείτε. Μην αρκείστε στο να σκρολάρετε τα μέσα κοινωνικής δικτύωσης στο κινητό σας. Μην αρκείστε σε έναν πράκτορα τεχνητής νοημοσύνης που απλώς κλείνει τραπέζια για δείπνο – κάντε πραγματική δουλειά μαζί του. Και μην πιστεύετε ποτέ ένα chatbot που σας λέει ότι έχετε ήδη δίκιο.

Πιστέψτε στο πνεύμα της αναζήτησης. Πιστέψτε σε όσα μπορείτε να μάθετε με την τεχνητή νοημοσύνη. Πιστέψτε σε όσα θα δημιουργήσετε όταν το κάνετε. Και, για χάρη όλων μας, φροντίστε να είναι κάτι καλό.

Σας ευχαριστώ.