Εκπαιδεύοντας τα chatbots – Πώς με ένα… κλικ οι χρήστες του Διαδικτύου τροφοδοτούν την ΤΝ με πληροφορία και γνώση
Η τεχνητή νοημοσύνη (ΤΝ) είναι πλέον αναπόσπαστο κομμάτι της καθημερινότητάς μας. Μπορεί να μην πληρώνουμε από το πορτοφόλι μας για να τη χρησιμοποιήσουμε στη βασική της μορφή, όμως αυτό δεν είναι κάποιο «δώρο». Αντιθέτως, εμείς – όλοι οι χρήστες του Διαδικτύου – είμαστε αυτοί που της έχουμε κάνει… δώρα, ουσιαστικά δουλεύοντας δωρεάν για λογαριασμό της. Αλλωστε, κάθε κλικ, κάθε αναζήτηση στο Διαδίκτυο, κάθε αποδοχή cookies και καθετί που αναρτούμε στην ηλεκτρονική δημόσια σφαίρα χρησιμοποιείται από τεχνολογικές εταιρείες για την εκπαίδευση των μηχανών τους: Τα αποτελέσματα στη μηχανή αναζήτησης αντιστοιχούν στις συνήθειες και τις επιθυμίες μας, οι διαφημίσεις είναι προσαρμοσμένες στα γούστα μας, οι επιλογές που μας δίνονται είναι στην πόλη μας, στη γλώσσα μας και ούτω καθεξής.
Κι αν τα παραπάνω αποτελούν, έστω σε έναν βαθμό, ένα είδος «κοινωνικού συμβολαίου» με τις εταιρείες τεχνολογίας, ώστε αυτές να μας παρέχουν υπηρεσίες χωρίς χρεώσεις, η πραγματικότητα είναι πιο πολύπλοκη. Οι χρήστες του Διαδικτύου κάνουν, εντέλει, πολύ περισσότερη δουλειά από ό,τι νομίζουν για να τροφοδοτήσουν την ΤΝ με πληροφορία και γνώση.
Πέρα από τους προφανείς τρόπους, όμως, η ΤΝ αντλεί από την ανθρώπινη νοημοσύνη και με πιο «ψαγμένες» μεθόδους. «Εκπαιδεύσαμε τα μοντέλα της ΤΝ τις τελευταίες δύο δεκαετίες, μέσω της χρήσης του Διαδικτύου. Ανεβάσαμε εκεί όποια γνώση είχαμε: χάρτες, συγγράμματα, τέχνη, ιδέες, απόψεις…», υπογραμμίζει ο Χρήστος Ξενάκης, καθηγητής στο τμήμα Ψηφιακών Συστημάτων του Πανεπιστημίου Πειραιώς (ΠΑΠΕΙ). Οπως αναφέρει, τα μεγάλα γλωσσικά μοντέλα (large language models ή LLMs), όπως είναι οι αλγόριθμοι των μέσων κοινωνικής δικτύωσης, αλλά και των πλατφορμών παραγωγικής ΤΝ (GenAI), όπως είναι τα γνωστά μας πια ChatGPT, Claude και Gemini, εκπαιδεύτηκαν με βάση όλο το υλικό που υπάρχει στο Διαδίκτυο. «Κατά κάποιον τρόπο, το Διαδίκτυο είναι ο νους του Θεού, όπως έλεγε ένας φιλόσοφος φίλος μου» λέει ο καθηγητής του ΠΑΠΕΙ.
Η ιστορία του CAPTCHA
Σε πολλές ιστοσελίδες, θα σας έχει ζητηθεί να… αποδείξετε πως δεν είστε ρομπότ. Αυτό συνήθως γίνεται μέσω των λεγόμενων CAPTCHA (Completely Automated Public Turing test to tell Computers and Humans Apart), που είναι πλήρως αυτοματοποιημένα δημόσια τεστ για τον διαχωρισμό υπολογιστών και ανθρώπων. Πρόκειται για τις «ασκήσεις» που συνήθως ζητούν να επιλέξουμε τις εικόνες που περιέχουν φανάρια, διαβάσεις πεζών, ποδήλατα, αυτοκίνητα κ.λπ. Παλαιότερα, ζητούσαν να γράψουμε το κείμενο που μας έδειχνε η εφαρμογή, συχνά με παραμορφωμένα γράμματα ή κάποιας άλλης μορφής «εμπόδιο». Τελευταία, τα συνηθέστερα CAPTCHA ζητούν μόνο ένα «κλικ» στο κουτάκι που επιβεβαιώνει ότι «δεν είμαι ρομπότ». Οι ασκήσεις πήραν αυτή τη μορφή ακριβώς για να εκπαιδεύσουν τους αλγορίθμους, χρησιμοποιώντας τους χρήστες του Διαδικτύου ως «δασκάλους». Στην πραγματικότητα, το CAPTCHA βάζει τον χρήστη του Διαδικτύου να αποδείξει ότι δεν είναι ρομπότ, εκπαιδεύοντας το ρομπότ. Αρχικά, τα παραποιημένα κείμενα έμαθαν στον αλγόριθμο να αναγνωρίζει γράμματα που έχουν τυπωθεί στραβά ή με κάποιο λάθος σε ένα βιβλίο και κομμάτια χαρτιού που έχουν υποστεί φθορές. Αυτή η εκπαίδευση βοήθησε στην ψηφιοποίηση αρχείων, βιβλίων και εφημερίδων, έτσι ώστε να μπορούμε σήμερα να επεξεργαστούμε τα εν λόγω κείμενα, και να αναζητήσουμε συγκεκριμένες λέξεις μέσα τους.
Η Google είχε κάθε λόγο να χρησιμοποιήσει αυτά τα δεδομένα για την υπηρεσία Google Books. Ετσι, το 2007 δημιούργησε την reCAPTCHA, που δημιούργησε περισσότερες τέτοιες ασκήσεις για να εκπαιδεύσει τους αλγορίθμους της. Στις νεότερες ασκήσεις του reCAPTCHA, η θεματική του δρόμου παίζει κεντρικό ρόλο σε αυτές τις ασκήσεις. Επιλέγοντας τις εικόνες με ποδήλατα ή φανάρια, μαθαίνουμε στο μοντέλο που συλλέγει τα δεδομένα να ξεχωρίσει πώς μοιάζει ένα ποδήλατο, πώς μοιάζει ένα φανάρι ή μία διάβαση.
Οι εικόνες που μας δίνονται για την άσκηση προέρχονται από το Google Maps, ενώ τα δεδομένα που παράγονται χρησιμοποιούνται κυρίως από την Waymo (του ομίλου Alphabet, στον οποίο υπάγεται και η Google) η οποία παρέχει υπηρεσίες ταξί χωρίς οδηγούς. Πλέον, η reCAPTCHA και αντίστοιχες εταιρείες έχουν σχεδόν ολοκληρώσει την εκπαίδευσή τους όσον αφορά την αναγνώριση κειμένων και οχημάτων. Πλέον, η συνηθέστερη άσκηση ζητά από τον χρήστη απλά να «κλικάρει» ένα κουτάκι. Η εφαρμογή παρατηρεί την κίνηση που θα κάνει το ποντίκι πάνω στην οθόνη ώστε να ξεχωρίσει αν ο χρήστης είναι άνθρωπος ή ρομπότ. Αν το ποντίκι πάει με ευθύγραμμη κίνηση κατευθείαν στο κουτάκι, είναι πολύ πιθανό ο χρήστης να μην είναι άνθρωπος. Ετσι, εκπαιδεύεται στο να ξεχωρίσει την πραγματική από την «ψεύτικη» κινητικότητα σε ιστοσελίδες, που αποτελεί και την «πηγή» της βιομηχανίας διαφημιστικής απάτης που «τζιράρει» έως και 100 δισ. δολάρια ετησίως.
Τα πόκεμον στον πόλεμο
Ενας άλλος, μάλλον άγνωστος, τρόπος με τον οποίο πολλοί άνθρωποι έχουν εκπαιδεύσει την ΤΝ, είναι τα… πόκεμον! Η αγαπημένη σειρά κινουμένων σχεδίων αρχικά έγινε παιχνίδι για τις κονσόλες της Nintendo. Οταν περάσαμε στην εποχή των smartphones, το franchise επανήλθε το 2016 με το παιχνίδι Pokemon Go, που ανέπτυξε η εταιρεία Niantic – δημιουργήθηκε ως «παιδί» της Google, αλλά στη συνέχεια αποσχίστηκε από τον κολοσσό του Διαδικτύου. Ηταν μια από τις λίγες επιτυχημένες προσπάθειες στον χώρο της «επαυξημένης πραγματικότητας», δηλαδή στη σύζευξη του πραγματικού με τον ψηφιακό κόσμο. Στόχος των παικτών ήταν να πιάσουν τα συμπαθή τερατάκια (πόκεμον), τα οποία βρίσκονταν σε πραγματικές τοποθεσίες, όπως πάρκα και δρόμους.
Ο παίκτης κυκλοφορούσε στην πόλη με ανοιχτή την εφαρμογή και ενεργοποιημένη την κάμερα. Ετσι, το Pokemon Go, που είχε εγκατασταθεί πάνω από 1 δισ. φορές (downloads) το 2019, συνέλεξε σημαντικά στοιχεία για να δημιουργήσει ένα τρισδιάστατο ψηφιακό αντίγραφο του κόσμου, καθώς οι λήψεις των παικτών ήταν πολύ περισσότερες, από διαφορετικές γωνίες και με καλύτερη ανάλυση από τις κάμερες των αυτοκινήτων που έχουν χρησιμοποιηθεί για το Google Maps. Η Niantic Spatial, που αποσπάστηκε από τη Niantic το 2025 με επικεφαλής τον ιδρυτή της Τζον Χάνκε, χρησιμοποίησε περισσότερες από 30 δισ. εικόνες των παικτών του Pokemon Go για να δημιουργήσει ένα μοντέλο ΤΝ που θα χρησιμοποιείται από στρατιωτικά drones για τον εντοπισμό στόχων.
Απόψεις και ενδιαφέροντα
Παράλληλα, ό,τι έχουμε αναρτήσει στο «δημόσιο» Διαδίκτυο (φωτογραφίες, βίντεο, κείμενα κ.λπ.) χρησιμοποιείται ελεύθερα από τις εφαρμογές ΤΝ, προκειμένου να εκπαιδευτούν οι αλγόριθμοι. Το γνωστό φόρουμ reddit έχει χρησιμεύσει, άλλωστε, ως σημαντική «πηγή» για τα μοντέλα ΤΝ – δεν είναι σπάνιο για το ChatGPT να σας παραπέμψει σε κάποια συζήτηση στην πλατφόρμα, μεταξύ των πηγών. Εκεί, οι χρήστες του Διαδικτύου έχουν συζητήσει πρακτικά για τα πάντα: από συνταγές μαγειρικής έως πολιτικές απόψεις και από ιστορικές αναγνώσεις έως τη χρήση ναρκωτικών ουσιών. Ετσι, την επόμενη φορά που θα ζητήσετε μια συνταγή από κάποιο LLM, πιθανότατα θα βρείτε στοιχεία από τις οδηγίες που έχει ανεβάσει κάποιος χρήστης – όχι απαραίτητα κάποιος σεφ. Εξάλλου, τα δεδομένα από τις αντιδράσεις σε αναρτήσεις στα κοινωνικά δίκτυα χρησιμοποιούνται από τις ίδιες τις πλατφόρμες για την προώθηση παρόμοιου περιεχομένου. Αυτή η πρακτική έχει προκαλέσει την άσκηση δριμείας κριτικής κατά των social media, που συχνά «αβαντάρουν» ακραίες πολιτικές απόψεις γιατί προκαλούν πιο έντονες αντιδράσεις και άρα μεγαλύτερη αλληλεπίδραση.
Θα μπορούσαμε να πληρωθούμε;
Τα προηγούμενα παραδείγματα δείχνουν ότι η ΤΝ έχει χρησιμοποιήσει την εργασία (ακόμα και αν αυτή γίνεται οικειοθελώς) των χρηστών του Διαδικτύου με σχεδόν όλους τους πιθανούς τρόπους. Το αντάλλαγμα είναι η δωρεάν χρήση των πλατφορμών – είτε πρόκειται για τα μέσα κοινωνικής δικτύωσης είτε για chatbots ΤΝ. Ο Χρήστος Ξενάκης εξηγεί: «Για πολλά χρόνια, χρησιμοποιούσαμε και χρησιμοποιούμε όλες αυτές τις πλατφόρμες δωρεάν, παρέχοντας τη συναίνεσή μας για τη χρήση των δεδομένων μας. Αυτή η διαδικασία έχει σε μεγάλο βαθμό ολοκληρωθεί, τα μοντέλα έχουν εκπαιδευτεί πλήρως».
Οπως αναφέρει, αυτό το μοντέλο ανάπτυξης των εταιρειών δεν είναι κάτι καινούργιο. «Το ίδιο συνέβη με την τηλεόραση. Η ελεύθερη τηλεόραση παρέχει δωρεάν τις ειδήσεις και κάποια προγράμματα, όμως ως αντάλλαγμα λαμβάνει την προσοχή μας και μας κάνει δέκτες διαφημίσεων. Αυτό συμβαίνει τώρα και με τις εταιρείες τεχνολογίας: τα πρώτα χρόνια, και μέχρι να εκπαιδευτούν αρκετά τα συστήματα, πληρώναμε με τα δεδομένα μας. Τώρα που η εκπαίδευση έχει ολοκληρωθεί, αρχίζουν να κόβονται κάποιες μέχρι σήμερα δωρεάν παροχές ή εισάγονται χρεώσεις στη χρήση», λέει.
Είμαστε ακόμη μακριά…
Στο ερώτημα αν θα μπορούσαμε ως πολίτες που έχουν διαθέσει τις υπηρεσίες τους στην τεχνολογία, να λάβουμε κάποια αμοιβή από τους κολοσσούς του κλάδου που καταγράφουν κέρδη τρισ. δολαρίων, ο καθηγητής του ΠΑΠΕΙ εγείρει αμφιβολίες. «Αυτή είναι μια συζήτηση που πάει πίσω τουλάχιστον 15 χρόνια. Τότε, μάλιστα, μπορούσε να ποσοτικοποιηθεί με μεγαλύτερη ακρίβεια και η συμβολή του κάθε χρήστη του Διαδικτύου», σημειώνει.
«Υπάρχει βάση σε αυτή τη συζήτηση, όμως υπάρχει και ο αντίλογος. Η εκπαίδευση των μοντέλων έχει γίνει, ενώ και εμείς έχουμε εκμεταλλευτεί τη δωρεάν χρήση των υπηρεσιών έναντι της παραχώρησης των δεδομένων μας. Αμφιβάλλω αν είναι επιτεύξιμο σήμερα να ζητήσουμε να πληρωθούμε για τις υπηρεσίες μας. Αλλωστε, οι δημιουργοί περιεχομένου σε πλατφόρμες όπως το YouTube πληρώνονται κανονικά ανάλογα με την απήχηση του περιεχομένου τους», υπογραμμίζει καταλήγοντας ο Χρήστος Ξενάκης.
Ο πιο εφικτός τρόπος για την εξασφάλιση ενός «κοινωνικού μερίσματος» από τα δυσθεώρητα κέρδη των εταιρειών τεχνολογίας μοιάζει να είναι η επιβολή φόρων, με τα σχετικά έσοδα να μοιράζονται σε όλες τις χώρες. Το εγχείρημα αυτό έχει μεγάλες νομικές και τεχνικές δυσκολίες και δεν μοιάζει να είναι κοντά στην υλοποίησή του.