Επειδή το «πνεύμα της εποχής» θέλει να μας πείσει ότι οι μηχανές κάνουν, και πάνω απ’ όλα θα κάνουν, καλύτερα από τους ανθρώπους τα δύσκολα πράγματα της ζωής, επιφυλάσσοντας για όλους μας ένα ήσυχο χώρο στο απέραντο πάρκο της ευδαιμονίας (αφήνοντας ένα μεγάλο ερώτημα για το ποιος πληρώνει για αυτό), είναι πραγματικά χρήσιμο να αφιερώσουμε λίγο χρόνο στην ανάγνωση ενός paper[1] που κυκλοφόρησε πρόσφατα στο NBER με έναν ενδιαφέροντα τίτλο: “Η παράλογη αποτελεσματικότητα των αλγορίθμων”.
Το να μιλάμε για «παράλογη αποτελεσματικότητα»[2] που αναφέρεται στον αυτόματο υπολογισμό αποτελεί ισχυρή πρόσκληση προκειμένου κάποιος να διαβάσει τη μελέτη.
Εκεί υπάρχει μια άλλη ενδιαφέρουσα ερώτηση η οποία από μόνη της αξίζει να οδηγήσει στο διάβασμα της εργασίας. Αυτή είναι η εξής: « Μήπως είμαστε θηράματα, όπως θα έλεγε ο Κέινς, των αλγοριθμικών πνευμάτων»;
Η αναφορά αφορά προφανώς στα «ζωικά πνεύματα» (animal spirits) που εισήγαγε ο Άγγλος οικονομολόγος στη Γενική Θεωρία[3] του για να προσπαθήσει να εξηγήσει την ιδιοσυγκρασία που κυριαρχούσε στους «κυνηγούς ευκαιριών» προκειμένου να προχωρήσουν εν μέσω αβεβαιότητας στην ενεργοποίηση επενδύσεων. Ζωικά πνεύματα χθες, μηχανικά πνεύματα σήμερα!!!
Εξαιρετική ερώτηση, λοιπόν, από τους συγγραφείς. Όσο για τα «μηχανικά πνεύματα» δεν υπάρχει καμία αμφιβολία ότι είναι διαθέσιμα και μάλιστα σε ποσότητα. Ζήτω λοιπόν οι αλγόριθμοι. Δώστε μας περισσότερους.
Για να κατανοήσουμε αυτήν την εκστασιασμένη θεώρηση, χρειάζεται να κάνουμε μια προσπάθεια να γίνουμε λίγο περισσότερο τεχνικοί﮲ αλλά μην φοβάστε, αρκεί ένα σύντομο παράδειγμα, αυτό της χρήσης αλγορίθμων στην επεξεργασία ορισμένων προβλημάτων, όπως αυτό της ταξινόμησης της αποτελεσματικότητας της επιλογής ορισμένων μαθημάτων στα κολέγια. «Αν ένα μάθημα είναι πολύ δύσκολο, ο μαθητής μπορεί να αποφασίσει να το εγκαταλείψει, αν είναι πολύ εύκολο μπορεί να αποδειχθεί χάσιμο χρόνου και χρημάτων. Η χρήση ενός αλγορίθμου για την πρόβλεψη της επιτυχίας στην επιλογή μαθημάτων μπορεί να δημιουργήσει όχι μόνο μεγάλα οφέλη, αλλά και ένα «δωρεάν γεύμα» για την κυβέρνηση». Με την έννοια ότι η δημοσιονομική αποτελεσματικότητα των κρατικών δαπανών σε αυτή την περίπτωση είναι θεωρητικά άπειρη.
Χωρίς να χρειάζεται να εμβαθύνουμε πολύ στην τεχνική, που είναι το καταφύγιο όσων αγαπούν να κάνουν πατινάζ στην επιφάνεια των πραγμάτων, ας εξετάσουμε μια άλλη περίπτωση που αναφέρεται στην εργασία: αυτή της χρήσης αλγορίθμων για τη λήψη προκαταρκτικών αποφάσεων στο πλαίσιο της απονομής δικαιοσύνης ή ακόμη και στην επεξεργασία ιατρικών εξετάσεων για ασθενείς.
Το αποτέλεσμα είναι παρόμοιο. Αυτά τα εργαλεία παράγουν ένα άπειρο περιθώριο δημοσιονομικής αποτελεσματικότητας και επομένως ένα είδος «δωρεάν γεύματος» για την κυβέρνηση. Αυτή η αφθονία είναι τόσο εκπληκτική που ακόμη και οι συγγραφείς παρατηρούν ότι «οι αριθμοί που σχετίζονται με τη σχέση κόστους-αποτελεσματικότητας των αλγορίθμων δεν είναι μόνο εξαιρετικά υψηλοί, μπορεί ακόμη και να φαίνονται αδικαιολόγητα μεγάλοι».
Και όμως, κατά κάποιο τρόπο, αυτό το αποτέλεσμα μπορεί να έχει νόημα, σημειώνουν. Για δύο τουλάχιστον λόγους. Το πρώτο είναι ότι οι αλγόριθμοι λειτουργούν καλύτερα από τους ανθρώπους όταν πρόκειται για την παραγγελία εναλλακτικών λύσεων – κατάταξη προβλημάτων – σύμφωνα με ορισμένες κλίμακες προτεραιότητας. Δηλαδή αυτό που συνήθως γίνεται στον οικονομικό υπολογισμό για να διαλέξεις την καλύτερη.
Ο δεύτερος λόγος είναι ότι οι αλγόριθμοι μπορούν να εκμεταλλευτούν οικονομίες κλίμακας, επομένως το ίδιο λογισμικό μπορεί να τρέχει άπειρα, ανεξάρτητα από το πρόβλημα, με μειωμένο οριακό κόστος.
Όποιος είναι περίεργος μπορεί εύκολα να διαβάσει την εργασία (paper) και να μάθει περισσότερα μόνος του. Εδώ περιοριζόμαστε σε δύο σύντομες σκέψεις.
Η πρώτη είναι ότι η θεωρητική βάση πίσω από τη χρήση αυτών των εργαλείων δεν διαφέρει από τον ωφελιμισμό του δέκατου όγδοου αιώνα. Υποτίθεται ότι ένα υποκείμενο πρέπει να κάνει ορθολογικές, δηλαδή υπολογίσιμες επιλογές για να μεγιστοποιήσει τη χρησιμότητα και επομένως το κέρδος. Μόνο που αφού ο υπολογιστής είναι καλύτερος στον υπολογισμό από εμάς τους ανθρώπους, καλύτερα να τον φροντίζει για εμάς. Θα έχουμε ακόμη και «δωρεάν γεύματα» από αυτό.
Η δεύτερη παρατήρηση είναι απλά μια υπενθύμιση. Συνεχίζουμε να πιστεύουμε ότι σκέψη σημαίνει υπολογισμός εναλλακτικών προτάσεων, ίσως με πιθανολογικό τρόπο. Δηλαδή ο άνθρωπος ανάγεται σε μηχανή. Αλλά στο μεταξύ αξίζει να θυμηθούμε ότι ο υπολογιστής, ή μάλλον η ιδέα του υπολογισμού, που δημιούργησε τους αλγόριθμους, γεννήθηκε από το λειτουργιστικό (functionalism) παράδειγμα που κυριαρχούσε στα μέσα του περασμένου αιώνα, το οποίο απλοποίησε στο έπακρο ορισμένα χαρακτηριστικά των ανθρώπινων όντων – για παράδειγμα η συνήθεια μας με λογικούς τελεστές – προκειμένου να μειωθεί η πραγματικότητα σε δυαδική/ψηφιακή αναπαράσταση. Από εδώ, μέχρι την ταύτιση μιας δυαδικής πραγματικότητας, του τύπου on/off ή ναι/όχι, με την πραγματικότητα, το βήμα ήταν πολύ γρήγορο. Και εξίσου παρεξηγημένο ως προς τις επιπτώσεις του. Όμως στο σημείο αυτό χρειάζεται απλά να υπενθυμίσουμε ότι ««Χρειάζεται να ειπωθεί εμφατικά ότι η λογική των εμπειρικών προτάσεων διαφέρει από τη λογική της μαθηματικής θεωρίας. Οι προτάσεις που αφορούν στον πραγματικό κόσμο υπόκεινται πάντα σε αβεβαιότητες. Δεν επιδέχονται όλες έναν ακριβή χαρακτηρισμό- «αληθής», ή «ψευδής»- η λογική τους είναι τρί-τιμη, εμπίπτοντας στις κατηγορίες «αληθής», «ψευδής», και «μη αποφάνσιμη». Ο μαθηματικός μετασχηματισμός όμως προκειμένου να αποκλείει κάθε αμφιβολία, πρέπει να ικανοποιεί την καθιερωμένη δί-τιμη λογική. Έτσι εξ ορισμού η μη αποφάνσιμη περίπτωση πρέπει να αποκλεισθεί[1] – όχι για θεωρητικούς λόγους που σχετίζονται με τα θεμέλια των μαθηματικών και το θεώρημα Gödel , αλλά ως πρακτική αναγκαιότητα κατασκευής και ελέγχου των θεωριών που χρησιμοποιούμε. Κάθε θεωρητικός υπολογισμός καταντά «μεταφορικός». Σκιαγραφεί την πραγματικότητα δεν την αντανακλά. Όμως στις φυσικές επιστήμες ,παρότι αυτός ο περιορισμός βοηθά στην απόρριψη ενός δογματικού θετικισμού, φαίνεται να μην έχει τόσο πρακτική σημασία. Αντιθέτως στις επιστήμες της συμπεριφοράς και της κοινωνίας είναι καταστροφικός. « Η δί-τιμη λογική που υποσυνείδητα χρησιμοποιούμε για εξιδανικευμένες έννοιες- ευφυΐα , μνήμη, συμπαράσταση κτλ – παραποιεί κάθε νόημα από τον συμβολικό μαθηματικό χειρισμό τους. Ακόμη και το πιο επεξεργασμένο και υπολογιστικά πολύπλοκο μοντέλο των φαινομένων αυτών δεν είναι πιο κοντά στην «αλήθεια» από όσο ένας μεσαιωνικός σχολαστικισμός». Επανερχόμενοι στην σχέση μαθηματικών και φυσικής πρέπει να υπογραμμισθούν τα παρακάτω : στη Φυσική για να γεφυρωθεί το λογικό χάσμα μεταξύ της εμπειρίας και των μαθηματικών , αναζητούνται εμπειρικές κατηγορίες στις οποίες το τρίτο – η «μη αποφάνσιμη» ενδιάμεση περιοχή- είναι, όσο γίνεται, περιορισμένη. Είναι μια προσπάθεια να αποφευχθούν λάθη όταν η πραγματικότητα παριστάνεται με θεωρίες βασισμένες στη δί-τιμη μαθηματική λογική»[4].
Όλοι οι ενασχολούμενοι με την AI, έχουν πειστεί τόσο πολύ ότι ο άνθρωπος μοιάζει με το μηχάνημα που όλες τους οι προσπάθειες – μελέτες κατευθύνονται από την ιδέα πώς να κάνουν το μηχάνημα να μοιάζει με τον άνθρωπο όλο και περισσότερο, πιστεύοντας ότι είναι πραγματικά δυνατό.
Αυτό σημαίνει, ότι τα μηχανήματα προσφέρουν “δωρεάν γεύματα”. Δεν σημαίνει όμως ότι τα γεύματα είναι και πραγματικά (αν κάποιος εξακολουθεί να αντιλαμβάνεται αυτή τη διαφορά). Και, κυρίως, ότι αυτά τα γεύματα είναι πραγματικά ικανά να μας χορτάσουν.
[1] Jens Ludwig, Sendhil Mullainathan, and Ashesh Rambachan, The Unreasonable Effectiveness of Algorithms ,NBER Working Paper No. 32125, February 2024
[2] Προφανώς δάνεια έκφραση από την αντίστοιχη «η παράδοξη αποτελεσματικότητα των μαθηματικών» που χρησιμοποιήθηκε από τον E. Winger, “The Unreasonable Effectiveness of Mathematics in the Natural Sciences,” in Communications in Pure and Applied Mathematics, vol. 13, No. I (February 1960). New York: John Wiley & Sons, Inc. Copyright © 1960 by John Wiley & Sons, Inc.
[3] J.M.Keynes, Η Γενική Θεωρία της απασχόλησης, του τόκου και του χρήματος, Εκδόσεις Παπαζήση 2002.
[4] Κ. Μελάς, Η Ατελέσφορη Επιστήμη, Εκδόσεις Ευρασία, 2013, σ.55-6
