Τι σημαίνουν οι ανθρώπινες αξίες στην εποχή της Τεχνητής Νοημοσύνης
Ο μύθος του ουδέτερου κώδικα
Η συζήτηση γύρω από την τεχνητή νοημοσύνη συχνά επικεντρώνεται σε τεχνικά σημεία αναφοράς και στην υπολογιστική ισχύ. Μιλάμε για παραμέτρους και petabytes σαν να είναι οι μόνες μετρήσεις που έχουν σημασία. Αυτή η εστίαση επισκιάζει μια πιο πιεστική πραγματικότητα. Κάθε large language model είναι ένας καθρέφτης των ανθρώπινων προτιμήσεων που το διαμόρφωσαν. Δεν υπάρχει τέτοιο πράγμα όπως ένας ουδέτερος αλγόριθμος. Όταν ένα σύστημα δίνει μια απάντηση, δεν αντλεί από ένα κενό αντικειμενικής αλήθειας. Αντικατοπτρίζει ένα συγκεκριμένο σύνολο σταθμισμένων αξιών που καθορίστηκαν από developers και data labelers. Το βασικό συμπέρασμα είναι απλό. Δεν μαθαίνουμε στις μηχανές να σκέφτονται. Τις μαθαίνουμε να μιμούνται τους δικούς μας, συχνά αντιφατικούς, κοινωνικούς κανόνες. Αυτή η μετατόπιση από τη λογική στην ηθική είναι η πιο σημαντική αλλαγή στην πληροφορική μετά την εφεύρεση του διαδικτύου. Μεταφέρει το βάρος της ευθύνης από το hardware στους ανθρώπους που ορίζουν τι θεωρείται μια «σωστή» απάντηση.
Η βιομηχανία έχει στραφεί πρόσφατα από την ωμή ικανότητα στην ασφάλεια και το alignment. Αυτό ακούγεται σαν τεχνική προσαρμογή, αλλά στην πραγματικότητα είναι μια βαθιά πολιτική διαδικασία. Όταν ζητάμε από ένα μοντέλο να είναι χρήσιμο, ακίνδυνο και ειλικρινές, χρησιμοποιούμε λέξεις που έχουν διαφορετικές σημασίες σε διαφορετικούς πολιτισμούς. Μια αξία που φαίνεται οικουμενική σε μια αίθουσα συνεδριάσεων στο San Francisco μπορεί να θεωρηθεί προσβλητική ή άσχετη στην Jakarta. Η ένταση μεταξύ της παγκόσμιας κλίμακας και των τοπικών αξιών είναι η κύρια σύγκρουση στη σύγχρονη τεχνολογία. Πρέπει να σταματήσουμε να βλέπουμε την AI ως μια αυτόνομη δύναμη και να αρχίσουμε να τη βλέπουμε ως μια επιμελημένη επέκταση της ανθρώπινης πρόθεσης. Αυτό απαιτεί να κοιτάξουμε πέρα από το marketing hype για να δούμε τις πραγματικές επιλογές που γίνονται πίσω από τις σκηνές.
Ο μηχανικός καθρέφτης της ανθρώπινης επιλογής
Για να καταλάβετε πώς εισέρχονται οι αξίες σε μια μηχανή, πρέπει να κοιτάξετε το Reinforcement Learning from Human Feedback, ή RLHF. Αυτή είναι η διαδικασία όπου χιλιάδες ανθρώπινοι εργολάβοι κατατάσσουν διαφορετικές απαντήσεις από ένα μοντέλο. Μπορεί να δουν δύο εκδοχές μιας απάντησης και να κάνουν κλικ σε αυτήν που θεωρούν πιο ευγενική ή ακριβή. Με την πάροδο του χρόνου, το μοντέλο μαθαίνει να συσχετίζει ορισμένα μοτίβα με αυτές τις ανθρώπινες προτιμήσεις. Αυτή δεν είναι μια αναζήτηση για την αλήθεια. Είναι μια αναζήτηση για έγκριση. Το μοντέλο ουσιαστικά εκπαιδεύεται για να ικανοποιεί τους ανθρώπους αξιολογητές του. Αυτό δημιουργεί ένα βερνίκι ηθικής που στην πραγματικότητα είναι απλώς μια στατιστική προσέγγιση αυτού που αρέσει σε μια συγκεκριμένη ομάδα ανθρώπων να ακούει.
Αυτή η διαδικασία εισάγει τεράστια υποκειμενικότητα. Εάν η πλειοψηφία των labelers προέρχεται από μια συγκεκριμένη δημογραφική ομάδα, το μοντέλο θα υιοθετήσει φυσικά τη slang, τα κοινωνικά σήματα και τις πολιτικές προκαταλήψεις αυτής της ομάδας. Αυτός είναι ο λόγος που οι πρώτες εκδόσεις πολλών δημοφιλών μοντέλων δυσκολεύονταν με μη δυτικά πλαίσια. Δεν ήταν χαλασμένα. Απλώς λειτουργούσαν ακριβώς όπως εκπαιδεύτηκαν. Αντικατόπτριζαν τις αξίες των ανθρώπων που πληρώθηκαν για να τα βαθμολογήσουν. Αυτό είναι το επίπεδο όπου αφηρημένες έννοιες όπως η δικαιοσύνη και η μεροληψία γίνονται συγκεκριμένες γραμμές κώδικα. Είναι μια χειροκίνητη, επίπονη διαδικασία που συμβαίνει πολύ πριν το κοινό δει ένα chat interface. Είναι η αόρατη υποδομή της σύγχρονης νοημοσύνης.
Η σύγχυση που φέρνουν οι περισσότεροι άνθρωποι σε αυτό το θέμα είναι η ιδέα ότι η AI έχει μια εσωτερική ηθική πυξίδα. Δεν έχει. Έχει μια reward function. Όταν ένα μοντέλο αρνείται να απαντήσει σε μια ερώτηση, δεν είναι επειδή «αισθάνεται» ότι το θέμα είναι λάθος. Είναι επειδή τα δεδομένα εκπαίδευσής του έχουν σταθμιστεί έντονα για να αποφύγουν αυτό το συγκεκριμένο μοτίβο. Αυτή η διάκριση είναι ζωτικής σημασίας. Αν πιστέψουμε ότι η μηχανή είναι ηθική, σταματάμε να αμφισβητούμε τους ανθρώπους που θέτουν τους κανόνες. Πρέπει να αναγνωρίσουμε ότι κάθε άρνηση και κάθε χρήσιμη συμβουλή είναι μια προγραμματισμένη απόκριση βασισμένη σε μια ανθρώπινη απόφαση. Προσδιορίζοντας αυτό, μπορούμε να αρχίσουμε να κάνουμε καλύτερες ερωτήσεις σχετικά με το ποιος θέτει αυτούς τους κανόνες και γιατί.
Γεωπολιτική στον λανθάνοντα χώρο
Ο αντίκτυπος αυτών των επιλογών είναι παγκόσμιος. Τα περισσότερα κορυφαία μοντέλα AI εκπαιδεύονται κυρίως σε δεδομένα αγγλικής γλώσσας από το ανοιχτό διαδίκτυο. Αυτό δημιουργεί μια ψηφιακή μονοκουλτούρα όπου οι δυτικές αξίες είναι το default. Όταν ένας χρήστης σε ένα διαφορετικό μέρος του κόσμου ζητά συμβουλές για οικογενειακή δυναμική ή νομικά ζητήματα, λαμβάνει απαντήσεις φιλτραρισμένες μέσα από έναν συγκεκριμένο πολιτισμικό φακό. Αυτό δεν είναι απλώς θέμα μετάφρασης γλώσσας. Είναι θέμα πολιτισμικής μετάφρασης. Οι αποχρώσεις της ιεραρχίας, της ιδιωτικότητας και της κοινότητας ποικίλλουν άγρια σε όλο τον κόσμο, αλλά τα μοντέλα συχνά παρέχουν μια λύση one size fits all. Αυτή η συγκέντρωση της «ορθής» σκέψης είναι μια νέα μορφή soft power που έχει τεράστιες επιπτώσεις στον παγκόσμιο διάλογο.
Βλέπουμε μια βιασύνη για την ανάπτυξη κυρίαρχων μοντέλων AI ως απάντηση σε αυτό. Χώρες όπως η Γαλλία, τα ΗΑΕ και η Ινδία επενδύουν στη δική τους υποδομή για να διασφαλίσουν ότι οι συγκεκριμένες πολιτισμικές τους αξίες αντιπροσωπεύονται. Αναγνωρίζουν ότι η εξάρτηση από ένα ξένο μοντέλο σημαίνει εισαγωγή μιας ξένης κοσμοθεωρίας. Σε αυτό, η τάση αυτή έχει επιταχυνθεί καθώς οι κυβερνήσεις συνειδητοποιούν ότι ο έλεγχος πάνω στον λανθάνοντα χώρο της AI είναι εξίσου σημαντικός με τον έλεγχο των φυσικών συνόρων. Τα δεδομένα που χρησιμοποιούνται για την εκπαίδευση αυτών των μοντέλων λειτουργούν ως ένα ψηφιακό βιβλίο ιστορίας. Εάν αυτό το βιβλίο περιέχει μόνο μία προοπτική, η νοημοσύνη που προκύπτει θα είναι εγγενώς περιορισμένη. Αυτός είναι ο λόγος που η πίεση για ποικιλόμορφα σύνολα δεδομένων δεν είναι απλώς μια πρωτοβουλία διαφορετικότητας. Είναι μια απαίτηση για ακρίβεια και συνάφεια σε παγκόσμια κλίμακα.
Τα διακυβεύματα είναι υψηλά για τη διεθνή συνεργασία. Εάν κάθε έθνος χτίσει τη δική του απομονωμένη AI με το δικό της σύνολο άκαμπτων αξιών, ίσως δυσκολευτούμε να επικοινωνήσουμε πέρα από τα ψηφιακά όρια. Ωστόσο, η εναλλακτική είναι ένας κόσμος όπου λίγες εταιρείες σε μια ενιαία κοιλάδα ορίζουν τα ηθικά όρια για δισεκατομμύρια ανθρώπους. Κανένα μονοπάτι δεν είναι τέλειο. Η πρόκληση είναι να βρεθεί ένας τρόπος που να επιτρέπει τις τοπικές αποχρώσεις διατηρώντας παράλληλα μια κοινή κατανόηση των βασικών ανθρωπίνων δικαιωμάτων. Αυτό είναι ένα πρόβλημα που δεν μπορεί να λυθεί με καλύτερο hardware. Απαιτεί διεθνή διπλωματία και μια καθαρή ματιά στα κίνητρα που οδηγούν τη βιομηχανία τεχνολογίας σήμερα. Μπορείτε να βρείτε περισσότερα για αυτές τις προκλήσεις στον περιεκτικό μας οδηγό για την ηθική και διακυβέρνηση της AI.
Αποφάσεις εντός του βρόχου
Σκεφτείτε μια μέρα στη ζωή μιας hiring manager που ονομάζεται Sarah. Χρησιμοποιεί ένα εργαλείο AI για να ελέγξει εκατοντάδες βιογραφικά για έναν νέο ρόλο μηχανικού. Το εργαλείο έχει εκπαιδευτεί να αναζητά υποψηφίους με «υψηλές δυνατότητες». Επιφανειακά, αυτό φαίνεται αποτελεσματικό. Αλλά κάτω από το interface, το εργαλείο εφαρμόζει ένα σύνολο αξιών που έμαθε από προηγούμενα δεδομένα προσλήψεων. Εάν τα ιστορικά δεδομένα δείχνουν ότι η εταιρεία προσέλαβε κυρίως άτομα από τρία συγκεκριμένα πανεπιστήμια, η AI θα δώσει προτεραιότητα σε αυτά τα σχολεία. Δεν είναι «ρατσιστική» ή «ελιτίστικη» με την ανθρώπινη έννοια. Απλώς βελτιστοποιεί το μοτίβο που της είπαν ότι είναι πολύτιμο. Η Sarah μπορεί να μην συνειδητοποιεί καν ότι το εργαλείο φιλτράρει λαμπρούς υποψηφίους από μη παραδοσιακά υπόβαθρα επειδή δεν ταιριάζουν στο προφίλ «αξίας» των δεδομένων εκπαίδευσης.
Αυτό το σενάριο εκτυλίσσεται σε χιλιάδες γραφεία κάθε μέρα. Οι αξίες δεν είναι αφηρημένες. Είναι η διαφορά μεταξύ του να πάρεις μια δουλειά και του να αγνοηθείς από έναν αλγόριθμο. Η ίδια λογική ισχύει για τη βαθμολόγηση πιστοληπτικής ικανότητας, την ιατρική διαλογή, ακόμα και τη δικαστική καταδίκη. Σε κάθε περίπτωση, μια ανθρώπινη αξία όπως ο «κίνδυνος» ή η «αξία» μετατρέπεται σε αριθμό. Ο κίνδυνος είναι ότι αντιμετωπίζουμε αυτούς τους αριθμούς ως αντικειμενικές αλήθειες αντί για τις υποκειμενικές επιλογές που είναι. Συχνά αναθέτουμε τη δύσκολη δουλειά της ηθικής κρίσης στη μηχανή επειδή είναι πιο γρήγορη και λιγότερο άβολη. Αλλά η μηχανή απλώς αυτοματοποιεί τις υπάρχουσες προκαταλήψεις μας σε μια κλίμακα που δεν μπορούμε εύκολα να παρακολουθήσουμε.
Τα προϊόντα που χρησιμοποιούμε καθημερινά κάνουν αυτά τα επιχειρήματα πραγματικά. Όταν μια εφαρμογή επεξεργασίας φωτογραφιών φωτίζει αυτόματα τον τόνο του δέρματος ενός ατόμου για να το κάνει να φαίνεται «καλύτερο», εκφράζει μια αξία. Όταν μια εφαρμογή πλοήγησης αποφεύγει περιοχές «υψηλής εγκληματικότητας», κάνει μια αξιολογική κρίση σχετικά με την ασφάλεια και την κοινωνική τάξη. Αυτά δεν είναι τεχνικά σφάλματα. Είναι το λογικό συμπέρασμα των δεδομένων και των reward functions που παρέχονται από ανθρώπους. Ζούμε σε έναν κόσμο όπου το λογισμικό μας κάνει συνεχώς ηθικές επιλογές για λογαριασμό μας. Τις περισσότερες φορές, δεν το προσέχουμε καν μέχρι να συμβεί κάτι στραβό. Πρέπει να είμαστε πιο επικριτικοί απέναντι στα «χρήσιμα» χαρακτηριστικά που είναι στην πραγματικότητα απλώς ενσωματωμένες υποθέσεις.
Η πρόσφατη αλλαγή στη βιομηχανία είναι η κίνηση προς τη «δυνατότητα καθοδήγησης» (steerability). Οι εταιρείες δίνουν πλέον στους χρήστες περισσότερο έλεγχο πάνω στην «προσωπικότητα» ή τις «αξίες» της AI τους. Μπορείτε να πείτε σε ένα μοντέλο να είναι «πιο δημιουργικό» ή «πιο επαγγελματικό». Αν και αυτό μοιάζει με ενδυνάμωση, στην πραγματικότητα μετατοπίζει την ευθύνη πίσω στον χρήστη. Εάν η AI δώσει μια μεροληπτική απάντηση, η εταιρεία μπορεί να ισχυριστεί ότι ο χρήστης δεν έθεσε σωστά τις παραμέτρους. Αυτό δημιουργεί έναν περίπλοκο ιστό λογοδοσίας όπου κανείς δεν είναι πραγματικά υπεύθυνος για το αποτέλεσμα. Μετακινούμαστε από έναν κόσμο σταθερών αξιών σε έναν κόσμο ρευστών, καθορισμένων από τον χρήστη αξιών, κάτι που φέρνει το δικό του σύνολο κινδύνων και ανταμοιβών.
Το τίμημα της αυτοματοποιημένης ηθικής
Πρέπει να εφαρμόσουμε σωκρατικό σκεπτικισμό στην ιδέα της «ασφαλούς» AI. Εάν ένα μοντέλο είναι απόλυτα ευθυγραμμισμένο, με τις αξίες ποιου είναι ευθυγραμμισμένο; Υπάρχει ένα κρυφό κόστος στα φίλτρα ασφαλείας που βλέπουμε σήμερα. Συχνά, αυτά τα φίλτρα κατασκευάζονται χρησιμοποιώντας εργασία χαμηλού μισθού σε αναπτυσσόμενες χώρες. Οι άνθρωποι πληρώνονται μερικά δολάρια την ώρα για να διαβάζουν το πιο φρικτό περιεχόμενο στο διαδίκτυο ώστε η μηχανή να μάθει να το αποφεύγει. Ουσιαστικά αναθέτουμε το ψυχολογικό τραύμα του καθορισμού αξιών στον παγκόσμιο νότο. Είναι μια AI πραγματικά «ηθική» εάν η ασφάλειά της είναι χτισμένη στις πλάτες εκμεταλλευόμενων εργαζομένων; Αυτή είναι μια ερώτηση που η βιομηχανία τεχνολογίας σπάνια θέλει να απαντήσει άμεσα.
Ένας άλλος περιορισμός είναι η «παραισθησιογόνος ηθική» (hallucination of morality). Επειδή αυτά τα μοντέλα είναι τόσο καλά στη μίμηση, μπορούν να ακούγονται πολύ πειστικά όταν μιλούν για ηθική. Μπορούν να αναφέρουν φιλοσόφους και νομικά προηγούμενα με ευκολία. Αλλά δεν καταλαβαίνουν τίποτα από αυτά. Απλώς προβλέπουν το επόμενο token σε μια ακολουθία.
Το BotNews.today χρησιμοποιεί εργαλεία τεχνητής νοημοσύνης για την έρευνα, συγγραφή, επιμέλεια και μετάφραση περιεχομένου. Η ομάδα μας ελέγχει και επιβλέπει τη διαδικασία για να διατηρεί τις πληροφορίες χρήσιμες, σαφείς και αξιόπιστες.
- Ποιος ορίζει την «αλήθεια βάσης» για υποκειμενικά θέματα όπως η πολιτική ή η θρησκεία;
- Τι συμβαίνει όταν οι αξίες μιας ιδιωτικής εταιρείας συγκρούονται με τις αξίες μιας δημοκρατικής κοινωνίας;
- Πώς ελέγχουμε το «μαύρο κουτί» του RLHF για να δούμε τι πραγματικά ανταμείφθηκε κατά την εκπαίδευση;
- Μπορεί μια μηχανή να είναι ποτέ πραγματικά «δίκαιη» εάν ο κόσμος στον οποίο εκπαιδεύτηκε είναι εγγενώς άδικος;
Η αρχιτεκτονική του περιορισμού
Για τους power users, οι «αξίες» μιας AI βρίσκονται συχνά στο system prompt και στο configuration του API. Αυτό είναι το 20 τοις εκατό της τεχνολογίας που ελέγχει το υπόλοιπο 80 τοις εκατό της εμπειρίας. Όταν αλληλεπιδράτε με ένα μοντέλο μέσω ενός API, μπορείτε να δείτε τις ρυθμίσεις «temperature» και «top-p». Αυτά δεν είναι απλώς τεχνικά κουμπιά. Ελέγχουν πόσο επιτρέπεται στο μοντέλο να αποκλίνει από την πιο πιθανή (και συχνά πιο μεροληπτική) απάντηση. Μια χαμηλότερη θερμοκρασία κάνει το μοντέλο πιο προβλέψιμο και «ασφαλές», ενώ μια υψηλότερη θερμοκρασία επιτρέπει περισσότερη «δημιουργικότητα» αλλά και περισσότερο ρίσκο. Αυτές οι ρυθμίσεις είναι η πρώτη γραμμή άμυνας στην ευθυγράμμιση αξιών.
Η ενσωμάτωση στη ροή εργασίας είναι εκεί όπου η θεωρία συναντά την πράξη. Οι developers χτίζουν τώρα επίπεδα «guardrail» που κάθονται ανάμεσα στον χρήστη και το μοντέλο. Αυτά τα επίπεδα χρησιμοποιούν δευτερεύοντα μοντέλα για να ελέγξουν την είσοδο και την έξοδο για παραβιάσεις αξιών. Αυτό δημιουργεί ένα σύστημα ελέγχου πολλών επιπέδων. Ωστόσο, αυτά τα guardrails έχουν τα δικά τους όρια API και κόστη καθυστέρησης. Ένα σύνθετο stack ασφαλείας μπορεί να επιβραδύνει μια απόκριση κατά αρκετά δευτερόλεπτα, κάτι που αποτελεί σημαντικό αντάλλαγμα σε ένα περιβάλλον παραγωγής. Επιπλέον, η τοπική αποθήκευση αυτών των μοντέλων γίνεται όλο και πιο κοινή. Η εκτέλεση ενός μοντέλου τοπικά επιτρέπει στον χρήστη να παρακάμψει τα εταιρικά φίλτρα, αλλά απαιτεί επίσης σημαντική VRAM και βελτιστοποιημένες τεχνικές κβαντισμού όπως GGUF ή EXL2.
Η πραγματική geek πρόκληση είναι το «fine tuning» για αξίες. Αυτό περιλαμβάνει τη λήψη ενός base model και την εκπαίδευσή του σε ένα μικρό, υψηλής ποιότητας σύνολο δεδομένων συγκεκριμένων παραδειγμάτων. Έτσι δημιουργούν οι εταιρείες AI που αντικατοπτρίζει τη συγκεκριμένη φωνή του brand τους ή τις νομικές τους απαιτήσεις. Είναι ένας τρόπος να «hard code» αξίες στα βάρη του μοντέλου. Αλλά αυτή η διαδικασία είναι ακριβή και απαιτεί βαθιά κατανόηση του gradient descent και των loss functions. Οι περισσότεροι χρήστες δεν θα το κάνουν ποτέ, αλλά όσοι το κάνουν είναι αυτοί που ελέγχουν πραγματικά την «ηθική» της μηχανής. Είναι αυτοί που ορίζουν τα όρια του τι είναι δυνατό μέσα στο συγκεκριμένο ψηφιακό τους οικοσύστημα. Οι τεχνικοί περιορισμοί είναι τα πραγματικά όρια της ηθικής της μηχανής.
Έχετε μια ιστορία, εργαλείο, τάση ή ερώτηση σχετικά με την τεχνητή νοημοσύνη που πιστεύετε ότι πρέπει να καλύψουμε; Στείλτε μας την ιδέα σας για άρθρο — θα χαρούμε να την ακούσουμε.
Το τελικό ανθρώπινο προνόμιο
Στο τέλος της ημέρας, η AI είναι ένα εργαλείο, όχι μια θεότητα. Δεν έχει αξίες· έχει οδηγίες. Η πρόσφατη στροφή προς την πιο ανθρώπινη αλληλεπίδραση έχει επισκιάσει αυτό το γεγονός, κάνοντάς μας πιο πιθανό να εμπιστευτούμε την «κρίση» της μηχανής. Πρέπει να αντισταθούμε σε αυτή την παρόρμηση. Η ευθύνη για τα ηθικά αποτελέσματα παραμένει σταθερά στους ανθρώπους που σχεδιάζουν, αναπτύσσουν και χρησιμοποιούν αυτά τα συστήματα. Θα έπρεπε να ανησυχούμε λιγότερο για την «κακιά» AI και περισσότερο για τους ανθρώπους που χρησιμοποιούν την «ουδέτερη» AI για να δικαιολογήσουν τις δικές τους προκαταλήψεις. Η μηχανή είναι τόσο καλή όσο οι προθέσεις του κυρίου της.
Μας μένουν πιο κοφτερές ερωτήσεις από αυτές με τις οποίες ξεκινήσαμε. Καθώς η AI ενσωματώνεται όλο και περισσότερο στη ζωή μας, πρέπει να αποφασίσουμε ποια μέρη της ανθρωπιάς μας είμαστε διατεθειμένοι να αυτοματοποιήσουμε και ποια πρέπει να προστατεύσουμε. Τα διακυβεύματα δεν αφορούν μόνο καλύτερα αποτελέσματα αναζήτησης ή ταχύτερα email. Αφορούν το ποιοι είμαστε ως είδος και τι είδους κόσμο θέλουμε να χτίσουμε. Δεν μπορούμε να αφήσουμε την ευκολία της τεχνολογίας να μας τυφλώσει μπροστά στις συνέπειες της χρήσης της. Η εποχή της AI δεν είναι το τέλος των ανθρώπινων αξιών. Είναι η αρχή ενός νέου, πιο δύσκολου κεφαλαίου στην ιστορία μας. Πρέπει να είμαστε προετοιμασμένοι να το γράψουμε με πρόθεση.
Σημείωση συντάκτη: Δημιουργήσαμε αυτόν τον ιστότοπο ως έναν πολύγλωσσο κόμβο ειδήσεων και οδηγών τεχνητής νοημοσύνης για άτομα που δεν είναι φανατικοί των υπολογιστών, αλλά εξακολουθούν να θέλουν να κατανοήσουν την τεχνητή νοημοσύνη, να τη χρησιμοποιούν με μεγαλύτερη αυτοπεποίθηση και να παρακολουθούν το μέλλον που ήδη έρχεται.
Βρήκατε κάποιο λάθος ή κάτι που χρειάζεται διόρθωση; Ενημερώστε μας.
