Η γωνία του Anderson
Η εμμονή με την ΤΝ μπορεί να στερεί από τα ερευνητικά πεδία όσα χρειάζονται για να επιβιώσουν
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Εδώ και δέκα χρόνια γράφω αποκλειστικά για την τεχνητή νοημοσύνη. Το 2022, ελάχιστοι δημοσιογράφοι σε όλο τον κόσμο ασχολούνταν αποκλειστικά με την ΤΝ· σήμερα είμαστε αρκετές χιλιάδες ή και περισσότεροι, ενώ τα μεγαλύτερα οικονομικά μέσα απασχολούν πάνω από έναν δημοσιογράφο αποκλειστικά για την κάλυψη της τεχνητής νοημοσύνης.
Ως είδος, συγκεντρώνουμε πλέον την προσοχή, τις προσπάθειες, τους φόβους και τις ελπίδες μας γύρω από ένα πολιτισμικό και τεχνολογικό φαινόμενο που εμφανίζεται μία φορά στον αιώνα. Μέχρι να εμφανιστούν τα χρήσιμα Μεγάλα Γλωσσικά Μοντέλα και τα αποτελεσματικά συστήματα παραγωγής εικόνας και βίντεο μέσω διάχυσης, το φαινόμενο αυτό παρέμενε στην περιοχή των «περίεργων αξιοπερίεργων», με τα ψηφιακά πλαστογραφήματα να αποτελούν αντικείμενο πολιτικής αντιπαράθεσης, χωρίς όμως να απειλούν, φαινομενικά, τις παγκόσμιες οικονομίες.
Η «συνηθισμένη» καταιγίδα της ΤΝ
Προφανώς, όλα αυτά ανήκουν πλέον στο παρελθόν. Τα πάντα απειλούνται, τα πάντα ανατρέπονται και, αν θέλουμε να είμαστε δίκαιοι, το 2026 ήταν η χρονιά κατά την οποία οι προβλέψεις για την επόμενη χρονιά ήταν δυσκολότερο από ποτέ να στηριχθούν σε βάσιμα στοιχεία*.
Κάθε εβδομάδα, και μερικές φορές αρκετές φορές την εβδομάδα, κυκλοφορούν νέα μοντέλα κλειστού κώδικα και μοντέλα με ανοιχτά βάρη. Κυκλοφορούν πλέον τόσο συχνά, ώστε ορισμένα δεν αξιολογούνται καν από την κοινότητα των ενθουσιωδών και των ερασιτεχνών, οι οποίοι έχουν αρχίσει να αντιμετωπίζουν το θέμα με αυξανόμενο κυνισμό, ενώ ο πήχης για να κερδίσει κάτι την προσοχή τους ανεβαίνει διαρκώς, μπροστά στην αδιάκοπη ροή νέων κυκλοφοριών.
Ως άνθρωπος που παρακολουθεί στενά και επαγγελματικά την έρευνα και τις νέες κυκλοφορίες, οφείλω να πω ότι οι βελτιώσεις στους διάφορους τομείς της έρευνας και ανάπτυξης της ΤΝ, παρότι έχουν σημαντικό αντίκτυπο ανά διαστήματα, τείνουν —και ανέκαθεν έτειναν— να προκύπτουν σταδιακά, και όχι ως επαναστατικά ή εξελικτικά ορόσημα, όπως οι Transformers. Σήμερα, οι μεγαλύτερες ανατροπές αφορούν κυρίως τον αντίκτυπο της ΤΝ στην οικονομία και όχι τις πιο πρόσφατες δυνατότητές της.
Επιπλέον, όπως έχω παρατηρήσει και παλαιότερα, η ποιότητα των ιδεών που εκπροσωπούνται στην τεράστια άνθηση της έρευνας στην ΤΝ από το 2022 δεν ανταποκρίνεται πάντα στην ποσότητα· πολλές αποτελούν ανακυκλοφορίες τύπου Frankenstein, ανασυνδυασμούς ή ανασυνθέσεις υφιστάμενων και πιο καινοτόμων εργασιών – αρχιτεκτονικές-συνονθυλεύματα σχεδιασμένες να επιφέρουν φαινομενικά σημαντικές βελτιώσεις σε προγενέστερες εργασίες, οι οποίες όμως, κατόπιν εξέτασης, αποδεικνύεται ότι περιορίζονται από εύθραυστες μεθοδολογίες ή από παράλογα υψηλό κόστος μνήμης VRAM.
Οι θεματικές ερημιές
Όταν αυτές οι χιλιάδες δημοσιογράφοι στράφηκαν στην κάλυψη της ΤΝ, τα θέματα που κάλυπταν προηγουμένως αναπόφευκτα έμειναν με λιγότερη άμεση προσοχή. Κατά κάποιον τρόπο, αυτό δεν είχε και τόση σημασία, καθώς το θέμα και οι εφαρμογές της ΤΝ έγιναν τόσο διάχυτα στον πολιτισμό και στις υποδομές, ώστε, για παράδειγμα, ένας ανταποκριτής ενέργειας κάλυπτε πλέον ζητήματα που σχετίζονταν με την ΤΝ περισσότερο από οποιοδήποτε άλλο θέμα· το ίδιο ίσχυε και για όσους κάλυπταν την οικονομία, την απασχόληση, την πολιτική και τη χάραξη πολιτικής, μεταξύ άλλων.
Φαινόταν πως όλα αυτά τα θέματα μπορούσαν πλέον να εξεταστούν μέσα από το πρίσμα της ΤΝ, γεγονός που ενδέχεται να εξηγεί εν μέρει τη μεγάλη αύξηση της «αποκλειστικής» κάλυψης της ΤΝ, σε ένα πεδίο που διαρκώς συρρικνώνεται (αν και έχει ανακάμψει κάπως τελευταία).
Κατά συνέπεια, πρέπει να αναρωτηθεί κανείς αν τα άλλα θέματα καλύπτονται πλέον ανεπαρκώς εξαιτίας της «εμμονής με την ΤΝ» — θέματα με ιστορίες, τάσεις και κλάδους που ενδέχεται τελικά να επηρεάσουν και το ίδιο το «χρυσό θέμα» της ΤΝ.
Αλλά τι μπορεί να κάνει κανείς; Οι πόροι είναι περιορισμένοι και, μέχρι στιγμής, η ΤΝ είναι η ιστορία του αιώνα.
Η μεγάλη μετακίνηση προς την ΤΝ
Αυτό, σύμφωνα με μια νέα μελέτη που με έχει συγκινήσει βαθιά, ενδέχεται να συμβαίνει και στην ίδια την ΤΝ: πέρα από τον κίνδυνο οι περικοπές και η εκ νέου τροφοδότηση να υποβαθμίσουν την ποιότητα των μελλοντικών μοντέλων, το ευρύτερο επιστημονικό οικοσύστημα, μέσα στο οποίο γεννιούνται ιδέες και γονιμοποιούνται αμοιβαία μεταξύ διαφορετικών επιστημονικών κλάδων, συγκεντρώνεται τόσο έντονα στην έρευνα για την ΤΝ, ώστε οι στιγμές «ευτυχούς σύμπτωσης» —όταν απροσδόκητες συνδέσεις μεταξύ φαινομενικά άσχετων ιδεών μπορούν να μεταμορφώσουν ολόκληρα πεδία— ενδέχεται να γίνουν ολοένα και σπανιότερες.
Με λίγα λόγια, η νέα μελέτη, με τίτλο Οι ισχυρότερες ανακαλύψεις στην τεχνητή νοημοσύνη επιταχύνουν τη δική τους εξάντληση, υποστηρίζει ότι η εμμονή με την ΤΝ αποδυναμώνει τις συνθήκες μέσα στις οποίες προκύπτουν νέες εξελίξεις, συμπεριλαμβανομένων εξελίξεων που επηρεάζουν άμεσα την ΤΝ· και ότι, για να παραφράσουμε υπερβολικά ελεύθερα τους συγγραφείς, αυτή η νέα εστίαση ενδιαφέροντος χαρακτηρίζεται από μια «αιμομικτική τάση», η οποία δύσκολα θα έχει αίσιο τέλος.
Η μελέτη αναφέρει†:
«Ένα κυρίαρχο παράδειγμα δεν εξαλείφει μόνο τους ανταγωνιστές του, αλλά και την ποικιλομορφία από την οποία θα μπορούσε να ανασυνδυαστεί ο δικός του διάδοχος.
«Η συρρίκνωση της προσοχής μετά το 2017, η μετακίνηση περισσότερων από τους μισούς συγγραφείς που άλλαξαν επιστημονικό πεδίο προς την ΤΝ, η φθίνουσα ζωτικότητα των νέων ιδεών και η ολοένα εντονότερη μείωση του αριθμού των ενεργών ιδεών σε διαδοχικούς κύκλους περιγράφουν από κοινού ένα σύστημα του οποίου η δημιουργική ικανότητα διαβρώνεται από την επιτυχία των κυρίαρχων παραδειγμάτων που το ίδιο έχει παράξει.»
Προηγούμενες μελέτες έχουν επισημάνει ότι η ΤΝ ενδέχεται να μετατρέπει την έρευνα σε μονοκαλλιέργεια, αλλά οι συγγραφείς της νέας μελέτης πιστεύουν επίσης ότι η αυξανόμενη κυριαρχία της ΤΝ ενδέχεται να της στερεί τις νέες ιδέες που χρειάζεται για να συνεχίσει να εξελίσσεται. Συγκρίνουν την έρευνα στην ΤΝ με τις βιολογικές επιστήμες, όπου πρωτοποριακές εξελίξεις όπως η κρυοηλεκτρονική μικροσκοπία (cryo-EM) και το AlphaFold έχουν πυροδοτήσει παρόμοιους κύκλους καινοτομίας και παρακμής.
Για να τεκμηριώσουν εμπειρικά τις θεωρίες τους, οι συγγραφείς ανέλυσαν 7,18 εκατομμύρια εργασίες στην επιστήμη των υπολογιστών που δημοσιεύτηκαν στο OpenAlex μεταξύ 1990 και 2025, παρακολουθώντας τις μεταβολές στα ερευνητικά θέματα και στις παραπομπές, τις μετακινήσεις 3,7 εκατομμυρίων ερευνητών μεταξύ πεδίων και 73.089 αξιολογήσεις από ομότιμους, προκειμένου να διαπιστώσουν πώς η αυξανόμενη κυριαρχία της ΤΝ έχει επηρεάσει την επιστημονική ποικιλομορφία.
Ένα από τα πιο ενδιαφέροντα ευρήματα που προέκυψαν από τα δεδομένα αφορά την πρόσφατη μετακίνηση ερευνητών προς την ΤΝ και την απομάκρυνσή τους από τα αντικείμενα που μελετούσαν ήδη:
«Οι ερευνητές που αλλάζουν πεδίο βρίσκονται στη μέση της σταδιοδρομίας τους και έχουν ήδη καθιερωθεί σε κάποιο βαθμό. Εγκαταλείπουν την έρευνα που τους χάρισε την αναγνώρισή τους για να ακολουθήσουν την έλξη του πεδίου, ακόμη και με το κόστος της αλλαγής πορείας»
Η μελέτη διαπίστωσε ότι περισσότερες από τις μισές από τις 918.862 καταγεγραμμένες μετακινήσεις μεταξύ πεδίων της επιστήμης των υπολογιστών ήταν προς την ΤΝ, ενώ άλλοι τομείς, ιδίως η έρευνα στα συστήματα και στη θεωρία, έχαναν σταθερά ανθρώπους.
Από τη νέα μελέτη: οι μεταβολές στο ποσοστό των εργασιών στην επιστήμη των υπολογιστών που αφορούσαν την ΤΝ, τα συστήματα και τη θεωρία από το 1990 έως το 2025. Κάθε τετράγωνο αντιστοιχεί σε ένα έτος, με το μπλε να υποδηλώνει μεγαλύτερο ποσοστό και το κόκκινο μικρότερο. Το ποσοστό της ΤΝ αυξήθηκε απότομα μετά το 2017, ενώ εκείνο των άλλων πεδίων μειώθηκε. Πηγή
Οι ερευνητές που ήταν πιθανότερο να κάνουν αυτή τη μετακίνηση ήταν έμπειροι ακαδημαϊκοί με καθιερωμένη σταδιοδρομία. Παράλληλα, το ποσοστό της ΤΝ στο σύνολο των εργασιών στην επιστήμη των υπολογιστών αυξήθηκε από 40% το 2017 σε πάνω από 55% το 2025.
Από το ιστολόγιο του Arxiv: η αύξηση των υποβολών στον τομέα της επιστήμης των υπολογιστών σε διάστημα 2 ετών, 2024–26. Πηγή
Τρία σημάδια
Η μελέτη εντοπίζει τρεις «συγκλίνουσες ενδείξεις» που, σύμφωνα με τους συγγραφείς, έχουν καθορίσει την επιστήμη των υπολογιστών από το 2017.
Η πρώτη είναι η απότομη συρρίκνωση της ερευνητικής προσοχής μετά το 2017, όταν παρουσιάστηκε η αρχιτεκτονική Transformer. Εξάγοντας τις δέκα πιο χαρακτηριστικές λέξεις-κλειδιά από καθεμία από τις 7,18 εκατομμύρια εργασίες στην επιστήμη των υπολογιστών, οι συγγραφείς παρακολούθησαν τον βαθμό στον οποίο η έρευνα επικεντρωνόταν στα ίδια θέματα:
Γραφήματα που δείχνουν πώς η έρευνα στην επιστήμη των υπολογιστών έχει συγκεντρωθεί ολοένα περισσότερο από το 2017. Αριστερά: οι ερευνητές εστιάζουν σε ένα πιο περιορισμένο φάσμα θεμάτων. Δεξιά: αυξανόμενο ποσοστό των παραπομπών κατευθύνεται σε μικρότερη επιλογή εργασιών. Και οι δύο τάσεις επιταχύνθηκαν με την εμφάνιση του Transformer.
Για δεκαετίες, αυτή η συγκέντρωση παρέμενε σχετικά σταθερή, ακόμη και κατά την άνοδο του διαδικτύου, των έξυπνων κινητών τηλεφώνων και της βαθιάς μάθησης. Ωστόσο, μεταξύ 2017 και 2025, ο συντελεστής Gini†† για την ερευνητική προσοχή (βλ. εικόνα παραπάνω) αυξήθηκε από 0,26 σε 0,33, δηλαδή κατά 27%. Αυξήθηκε και η συγκέντρωση των παραπομπών, με τον συντελεστή Gini να ανεβαίνει από 0,60 σε μέγιστο 0,69.
Οι ερευνητές, που προέρχονται από το Tsinghua University, το University of Chicago και το Santa Fe Institute, αναφέρουν:
«Ο Transformer αναστάτωσε το πεδίο σε κλίμακα που δεν είχε φτάσει ο προκάτοχός του. Το μοτίβο δεν είναι τεχνητό: παραμένει σταθερό παρά τις διακυμάνσεις στο [keyword count]»
Και συνεχίζουν:
«Το ποσοστό της ΤΝ στις δημοσιεύσεις της επιστήμης των υπολογιστών αυξάνεται από 40% σε πάνω από 55% μεταξύ 2017 και 2025, ενώ η έρευνα στα συστήματα υποχωρεί από μια μακρά χρυσή εποχή και η θεωρία συρρικνώνεται ακόμη περισσότερο.»
Επομένως, τα ευρήματα υποδηλώνουν ότι, ενώ η επιστήμη των υπολογιστών διευρυνόταν, οι ερευνητές ακολουθούσαν ολοένα περισσότερο τις ίδιες ιδέες και παρέπεμπαν σε ένα όλο και πιο περιορισμένο σύνολο εργασιών.
Το δεύτερο «σημάδι» αφορά τον αυξανόμενο αριθμό ερευνητών που εγκαταλείπουν τις εξειδικεύσεις τους για να εργαστούν στην ΤΝ: παρακολουθώντας 3,7 εκατομμύρια ερευνητές, οι συγγραφείς εντόπισαν σχεδόν 919.000 μετακινήσεις μεταξύ πεδίων της επιστήμης των υπολογιστών. Από αυτές, το 53,81% ήταν προς την ΤΝ —έναν ερευνητικό τομέα που κέρδιζε ερευνητές κάθε χρόνο, ενώ τα συστήματα και η θεωρία έχαναν σταθερά ανθρώπους:
Μετακίνηση ερευνητών προς την ΤΝ. Το αριστερό γράφημα δείχνει ότι η ΤΝ προσελκύει ολοένα μεγαλύτερο μερίδιο ερευνητών από άλλους κλάδους της επιστήμης των υπολογιστών, ενώ τα συστήματα και η θεωρία χάνουν έδαφος. Τα δύο γραφήματα στα δεξιά δείχνουν ποιοι είναι πιθανότερο να κάνουν αυτή τη μετακίνηση: ερευνητές που βρίσκονται περίπου 32 χρόνια στην εκδοτική τους σταδιοδρομία και έχουν ισχυρότερο ιστορικό δημοσιεύσεων από περίπου το 82% των συναδέλφων τους. Ως αλλαγή πεδίου υπολογίζεται η περίπτωση κατά την οποία ένας ερευνητής αρχίζει να δημοσιεύει τις περισσότερες εργασίες του σε διαφορετικό πεδίο.
Όσοι έκαναν αυτή τη μετάβαση ήταν συνήθως καταξιωμένοι ακαδημαϊκοί στη μέση της σταδιοδρομίας τους και όχι νεοεισερχόμενοι ή βετεράνοι. Η πιθανότητα μετακίνησης στην ΤΝ κορυφωνόταν στα 31,8 έτη ακαδημαϊκής σταδιοδρομίας και μεταξύ ερευνητών που βρίσκονταν στο 82ο εκατοστημόριο ως προς τις δημοσιεύσεις.
Η τρίτη από τις τρεις τάσεις που επισημαίνει η μελέτη είναι η αυξανόμενη επιβάρυνση της αξιολόγησης από ομοτίμους – της διαδικασίας κατά την οποία άλλοι ερευνητές αξιολογούν την ποιότητα και την αξιοπιστία μιας επιστημονικής εργασίας πριν από τη δημοσίευσή της.
Εξετάζοντας 73.089 αξιολογήσεις 26.731 εργασιών που υποβλήθηκαν σε 45 συνέδρια και άλλες διοργανώσεις από το 2017 έως το 2025, οι συγγραφείς διαπίστωσαν ότι η εμπιστοσύνη των αξιολογητών στην ικανότητά τους να κρίνουν τις εργασίες μειώθηκε από 3,9 σε 2,9, σε κλίμακα πέντε βαθμών:
Γραφήματα των αλλαγών στην επιστημονική αξιολόγηση από ομοτίμους μεταξύ 2017 και 2025. Το αριστερό γράφημα δείχνει ότι οι αξιολογητές έχουν ολοένα μικρότερη εμπιστοσύνη στην ικανότητά τους να αξιολογούν τις υποβληθείσες εργασίες, με τις βαθμολογίες να πέφτουν από 3,9 στα 2,9 στα πέντε. Το δεξί γράφημα παρακολουθεί τα εχθρικά σχόλια στις αξιολογήσεις, τα οποία μειώθηκαν για λίγο το 2021, όταν το συνέδριο NeurIPS μεταφέρθηκε στην πιο διαφανή πλατφόρμα OpenReview, προτού αυξηθούν ξανά. Και οι δύο γραμμές απεικονίζουν κυλιόμενους μέσους όρους τριετίας.
Οι συγγραφείς υποστηρίζουν ότι αυτή η πτώση ενδέχεται να αντανακλά την ταχεία επέκταση της ΤΝ, η οποία έχει δυσκολέψει την αντιστοίχιση των εργασιών με αξιολογητές που διαθέτουν τα κατάλληλα προσόντα:
«Οι δεξαμενές αξιολογητών έχουν κατακλυστεί από νεοεισερχόμενους που έλκονται από τη βαρύτητα της ΤΝ. Οι αξιολογητές λαμβάνουν ολοένα συχνότερα εργασίες γεμάτες μεθόδους ΤΝ, οι οποίες βρίσκονται έξω από τον πυρήνα της ειδίκευσής τους. Η αντιστοίχιση των υποβολών με αξιολογητές που διαθέτουν πραγματικά εξειδικευμένη γνώση έχει καταστεί δομικά δύσκολη. »
«Σε αυτό το καθεστώς, η αποδοχή μοιάζει ολοένα περισσότερο με κορώνα-γράμματα.»
Μετά τους πυρετούς του χρυσού
Η μελέτη υποστηρίζει επίσης ότι οι μεγαλύτερες ανακαλύψεις της ΤΝ ενδέχεται τελικά να επιταχύνουν την εξάντλησή τους, καθώς κάθε σημαντική πρόοδος ακολουθείται από μια έξαρση νέων ιδεών – όμως αυτή η αρχική αναλαμπή καινοτομίας στη συνέχεια καταλήγει σε νωθρή επανάληψη, καθώς η έρευνα επικεντρώνεται ολοένα περισσότερο στις ίδιες τις ανακαλύψεις.†:
«Οι διαδοχικοί κύκλοι της σύγχρονης ΤΝ φτάνουν νωρίτερα σε κορεσμό και εξαντλούνται εντονότερα. Ο κύκλος συμπιέζεται.
«Στα 36 χρόνια εξέλιξης της επιστήμης των υπολογιστών, που περιλαμβάνουν τις τρεις μεγάλες τεχνολογικές προόδους των AlexNet, Transformer και LLM, παρατηρούμε επανειλημμένα την ίδια σπειροειδή πορεία[pattern].
«Αξίζει να σημειωθεί ότι αυτό το μοτίβο δεν περιορίζεται στην επιστήμη των υπολογιστών. Στη βιολογία παρατηρούμε τον ίδιο κύκλο εξάντλησης μετά από σημαντικές μη υπολογιστικές (π.χ. κρυοηλεκτρονική μικροσκοπία) και υπολογιστικές (π.χ. AlphaFold) εξελίξεις.»
Αυτή η «εξάντληση» συνέβη πράγματι με τους αυτοκωδικοποιητές, τα Παραγωγικά Ανταγωνιστικά Δίκτυα (GAN) και προσεγγίσεις αυτοκωδικοποιητών, όπως τα deepfake. Οι ερευνητές τα εκμεταλλεύτηκαν αλύπητα επί χρόνια, πολύ αφότου είχαν εξαντλήσει σαφώς τις δυνατότητές τους, μέχρι που τελικά εμφανίστηκαν νέα πλαίσια και προσεγγίσεις για να αποσυμπιέσουν την πίεση που δεχόταν η έρευνα γύρω από αυτά.
Σε κάθε περίπτωση, για να παρακολουθήσουν αυτούς τους κύκλους, οι συγγραφείς αναζήτησαν χαρακτηριστικά ουσιαστικά και φράσεις στις επιστημονικές περιλήψεις, παρακολουθώντας την εμφάνιση, την εξαφάνιση και την περιστασιακή επανεμφάνισή τους ως δείκτες των μεταβαλλόμενων ερευνητικών ιδεών.
Το AlexNet το 2012 και οι Transformers το 2017 πυροδότησαν ο καθένας ένα κύμα νέων ιδεών, το οποίο τελικά υποχώρησε. Η ΤΝ προηγήθηκε ακόμη περισσότερο με κάθε νέα ανακάλυψη, ενώ άλλοι κλάδοι της επιστήμης των υπολογιστών έμειναν πίσω και τελικά παρήγαν νέες ιδέες με χαμηλότερο ρυθμό από ό,τι πριν από το 2012:
Σύγκριση του ποσοστού των νέων ερευνητικών ιδεών στην τεχνητή νοημοσύνη (μπλε), στην επιστήμη υπολογιστών εκτός τεχνητής νοημοσύνης (κόκκινο) και στους δύο τομείς μαζί (διακεκομμένη μωβ γραμμή). Οι νέες ιδέες αυξήθηκαν απότομα μετά το AlexNet το 2012 και τον Transformer το 2017, προτού αρχίσουν να υποχωρούν. Το προβάδισμα της τεχνητής νοημοσύνης διευρύνθηκε μετά τη δεύτερη σημαντική εξέλιξη. Οι γραμμές δείχνουν κυλιόμενους μέσους όρους τριετίας.
Το ίδιο μοτίβο παρατηρείται και στις ιδέες που παύουν να χρησιμοποιούνται, καθώς οι νέες ανακαλύψεις παραμερίζουν παλαιότερες προσεγγίσεις, μερικές φορές χρόνια μετά την εμφάνισή τους. Ωστόσο, οι ίδιες οι ανακαλύψεις παγιδεύονται στον ίδιο κύκλο: καθεμία προσελκύει ένα κύμα ερευνητικού ενδιαφέροντος που τελικά υποχωρεί, αφήνοντας τον κλάδο να περιμένει μια ακόμη ανακάλυψη για να ανακτήσει τη δυναμική του (όπως συνέβη με το Gaussian Splatting, ύστερα από διάστημα 31 ετών):
Σύγκριση των αναφορών στις αρχικές δημοσιεύσεις για το AlexNet (κόκκινο) και τον Transformer (μπλε) από το 2012 έως το 2025. Το μερίδιο των αναφορών και για τις δύο αυξήθηκε προτού μειωθεί απότομα, καταδεικνύοντας πώς το ενδιαφέρον για σημαντικές ανακαλύψεις τελικά εξασθενεί. Οι γραμμές δείχνουν κυλιόμενους μέσους όρους τριετίας.
Οι συγγραφείς υποστηρίζουν ότι η επιτυχία της τεχνητής νοημοσύνης συγκεντρώνει ερευνητές και ιδέες γύρω από μια χούφτα κυρίαρχων προσεγγίσεων, ενώ οι γειτονικοί τομείς που θα μπορούσαν να συμβάλουν στην ανάπτυξη των διαδόχων τους συνεχίζουν να υποχωρούν. Και παρότι δεν προβλέπουν κατηγορηματικά ότι αυτό θα αποτρέψει μελλοντικές ανακαλύψεις, επισημαίνουν το ενδεχόμενο η τεχνητή νοημοσύνη να περιορίζει σταδιακά την ποικιλομορφία από την οποία μπορεί να εξαρτάται το επόμενο άλμα της.
Παρακολουθήθηκε επίσης ο αριθμός των ιδεών που εξακολουθούν να χρησιμοποιούνται ενεργά. Σε διαδοχικά κύματα ανάπτυξης της τεχνητής νοημοσύνης, ο αριθμός αυτός έπεφτε ολοένα περισσότερο κάτω από τις προσδοκίες, με μεγαλύτερη απόκλιση μετά τον Transformer απ’ ό,τι μετά το AlexNet:
Διάγραμμα που δείχνει τον αριθμό των ενεργών ερευνητικών ιδεών κατά τις διαδοχικές σημαντικές ανακαλύψεις στην τεχνητή νοημοσύνη. Οι συνεχείς γραμμές απεικονίζουν τη μοντελοποιημένη ανάπτυξη, ενώ τα διακεκομμένα τμήματα δείχνουν ότι οι πραγματικοί αριθμοί υπολείπονται των προβλεπόμενων επιπέδων. Η απόκλιση είναι μεγαλύτερη μετά τον Transformer απ’ ό,τι μετά το AlexNet, ενώ μια πρώιμη μείωση εμφανίζεται και στην εποχή των LLM.
Συνοψίζοντας, οι συγγραφείς καταλήγουν ότι η συγκέντρωση της προσπάθειας και των ανθρώπων σε ένα ολοένα στενότερο φάσμα προκλήσεων που σχετίζονται με την τεχνητή νοημοσύνη απειλεί να φτωχύνει τους γειτονικούς κλάδους, οι οποίοι παλαιότερα θα τροφοδοτούσαν φυσικά με ιδέες τον τομέα της τεχνητής νοημοσύνης — καθώς και άλλους, διαφορετικούς τομείς.
Αναφερόμενοι στο σχόλιο του John Hassler σχετικά με την απονομή του Βραβείου Νόμπελ Οικονομικών Επιστημών του 2025, καταλήγουν:
«Η επιτροπή Νόμπελ προειδοποίησε ότι οι μηχανισμοί της δημιουργικής καταστροφής πρέπει να διατηρηθούν, αν θέλουμε να αποφύγουμε τη στασιμότητα. Τα αποτελέσματά μας αναδεικνύουν έναν τέτοιο μηχανισμό, την πνευματική ποικιλομορφία, και δείχνουν ότι οι σημερινοί θεσμοί τη διαβρώνουν.
«Οι θεσμοί που κατανέμουν την προσοχή —συμπεριλαμβανομένων των συστημάτων αξιολόγησης, των τελών και των κανόνων υποβολής, των συστημάτων ανταμοιβής, των προσλήψεων, των προαγωγών και των συμβάσεων συνταξιοδότησης 12— καθορίζουν όλοι αν θα υπάρξει χώρος για να αναδυθεί το επόμενο παράδειγμα.
«Ο σωστός σχεδιασμός τους προϋποθέτει να αντισταθούμε στην παρόρμηση να ενισχύουμε ακόμη περισσότερο όποιο παράδειγμα επικρατεί κάθε φορά, να επιβαρύνουμε τη συγκέντρωση αντί για την εξερεύνηση και να μετατοπίσουμε την εξουσία αξιολόγησης από τους πολυγραφότατους προς το πρωτότυπο.
«Η δημιουργική καταστροφή συντηρεί την ανάπτυξη μόνο όσο αφήνει κάτι πίσω της, ώστε να μπορεί να συνδυαστεί εκ νέου. Μια μοναδικότητα δεν έχει διάδοχο.»
* Θα έπρεπε να υπάρχει μια λέξη γι’ αυτό: «ανθεκτικό στις προβλέψεις»; Εντάξει, δεν πρόκειται για μεμονωμένη λέξη, αλλά για όρο, και ακούγεται επίσης σαν να αναφέρεται στο 2026 και όχι στην οπτική του 2026 για το 2027. «Απροβλέψιμο»; Ο ορθογραφικός έλεγχος το υπογράμμισε με κόκκινη γραμμή, οπότε ας καταλήξουμε σε αυτό.
† Η μετατροπή από μέρους μου των ενσωματωμένων παραπομπών των συγγραφέων σε υπερσυνδέσμους.
†† Ο συντελεστής Gini δείχνει πόσο άνισα κατανέμεται κάτι, σε κλίμακα από το 0 (τέλεια ισότητα) έως το 1 (μέγιστη συγκέντρωση). Εδώ, υψηλότερη βαθμολογία σημαίνει ότι οι ερευνητές εστιάζουν σε λιγότερα θέματα.
Πρώτη δημοσίευση: Τετάρτη 21 Οκτωβρίου 2026
