Η τεχνητή νοημοσύνη πλησιάζει σε ένα νέο, εντυπωσιακό ορόσημο, καθώς εκτιμάται ότι μέσα στους επόμενους μήνες θα μπορεί να συγκεντρώνει και να επεξεργάζεται περισσότερη γνώση από το σύνολο των ειδικών κάθε επιστημονικού κλάδου παγκοσμίως, σηματοδοτώντας μια βαθιά αλλαγή στον τρόπο με τον οποίο ορίζεται η «εξειδίκευση».
Το κρίσιμο τεστ που αποτυπώνει αυτή την εξέλιξη είναι το λεγόμενο «Humanity’s Last Exam (HLE)», ένα από τα πιο απαιτητικά τεστ γνώσεων που έχουν δημιουργηθεί μέχρι σήμερα.
Το συγκεκριμένο τεστ περιλαμβάνει περίπου 2.500 ερωτήσεις υψηλής δυσκολίας, καλύπτοντας σχεδόν 100 επιστημονικά πεδία, από την πυραυλική επιστήμη έως τη μυθολογία και τη φυσιολογία, με επίπεδο που αντιστοιχεί σε διδακτορικές σπουδές. Ένα σκορ κοντά στο 100% θεωρείται ότι αντιστοιχεί σε έναν «καθολικό ειδικό», κάτι που μέχρι σήμερα θεωρούνταν πρακτικά αδύνατο για μηχανές.
Ωστόσο, η πρόοδος των συστημάτων τεχνητής νοημοσύνης είναι ραγδαία. Πριν από δύο χρόνια, μοντέλα όπως το ChatGPT σημείωναν μόλις 3% στο τεστ, ενώ άλλα αντίστοιχα συστήματα κινούνταν σε παρόμοια χαμηλά επίπεδα, επιβεβαιώνοντας τότε το σημαντικό χάσμα μεταξύ ανθρώπινης και μηχανικής γνώσης.
Η εικόνα αυτή αλλάζει δραματικά: το σύστημα Gemini της Google κατάφερε να φτάσει το 45,9% ήδη από τον Φεβρουάριο, σημειώνοντας θεαματική άνοδο από το 18,8% μέσα σε λίγους μήνες. Οι ερευνητές που βρίσκονται πίσω από το τεστ εκτιμούν πλέον ότι η επίτευξη σχεδόν τέλειας βαθμολογίας είναι ζήτημα χρόνου, γεγονός που θα σημάνει ότι η τεχνητή νοημοσύνη θα μπορεί να ανταγωνίζεται, και ενδεχομένως να ξεπερνά, τη συλλογική γνώση των κορυφαίων επιστημόνων.
Όπως εξηγούν οι δημιουργοί του HLE, ο στόχος ήταν να δημιουργηθεί ένα αυστηρό σημείο αναφοράς που να αντανακλά το επίπεδο των κορυφαίων ανθρώπινων ειδικών, το οποίο μόνο ελάχιστοι μπορούν να προσεγγίσουν. Η ταχύτητα με την οποία τα μοντέλα τεχνητής νοημοσύνης πλησιάζουν αυτό το επίπεδο αναδεικνύει τη ριζική επιτάχυνση της τεχνολογικής εξέλιξης.
Η εξέλιξη αυτή δεν αφορά μόνο την τεχνολογία, αλλά και τον ίδιο τον ορισμό της γνώσης και της ειδίκευσης. Η τεχνητή νοημοσύνη δεν λειτουργεί πλέον απλώς ως εργαλείο υποστήριξης, αλλά ως σύστημα που μπορεί να συνδυάζει, να αναλύει και να παράγει γνώση σε κλίμακα που ξεπερνά τις ανθρώπινες δυνατότητες.
Παράλληλα, η εξέλιξη αυτή εγείρει και κρίσιμα ερωτήματα για το μέλλον της επιστημονικής εργασίας, της εκπαίδευσης και της αγοράς εργασίας, καθώς η αξία της γνώσης μετατοπίζεται από τη συσσώρευση πληροφοριών στην ικανότητα κατανόησης, αξιολόγησης και αξιοποίησής τους.