Η τεχνητή νοημοσύνη δεν προχωρά πλέον με βήματα που απλώς εντυπωσιάζουν· προχωρά με άλματα που αναγκάζουν την επιστήμη, την εκπαίδευση, την οικονομία και την ίδια την ανθρώπινη αυτοαντίληψη να επαναπροσδιορίσουν τα όριά τους. Εκεί όπου πριν από λίγα μόλις χρόνια τα πιο εξελιγμένα συστήματα έκαναν λάθη που πρόδιδαν την ανωριμότητά τους, σήμερα πλησιάζουμε σε μια φάση όπου η ΑΙ απειλεί να υπερβεί όχι έναν άνθρωπο, όχι μια ειδικότητα, αλλά το συγκεντρωμένο γνωστικό απόθεμα ολόκληρων επιστημονικών πεδίων. Το ερώτημα πλέον δεν είναι αν η τεχνητή νοημοσύνη θα γίνει καλύτερη. Αυτό θεωρείται ήδη δεδομένο. Το πραγματικό ερώτημα είναι πόσο γρήγορα θα φτάσει σε σημείο όπου θα απαντά με επάρκεια σε προβλήματα που μέχρι τώρα θεωρούνταν προνόμιο ελάχιστων κορυφαίων ειδικών στον κόσμο.

Η νέα αυτή συζήτηση τροφοδοτείται από ένα εξαιρετικά απαιτητικό τεστ αξιολόγησης, το λεγόμενο «Humanity’s Last Exam (HLE)», ένα τεστ σχεδιασμένο όχι για μέσους γνώστες, αλλά για να μετρήσει εάν ένα σύστημα τεχνητής νοημοσύνης μπορεί να σταθεί στο ύψος των πιο εξειδικευμένων ανθρώπινων μυαλών. Πρόκειται για μια δοκιμασία με 2.500 ερωτήσεις, οι οποίες καλύπτουν περίπου 100 γνωστικά αντικείμενα, από την πυραυλική επιστήμη και τη βιολογία μέχρι τη μυθολογία, τη γλωσσολογία και τη φυσιολογία. Το κρίσιμο στοιχείο είναι ότι δεν πρόκειται για ερωτήσεις επιφανειακής γνώσης. Κάθε μία απαιτεί κατανόηση επιπέδου διδακτορικού, δηλαδή βάθος, συνδυαστική σκέψη, ακρίβεια και ικανότητα χειρισμού σύνθετων εννοιών. Με απλά λόγια, όποιος κατακτά αυτό το τεστ δεν θεωρείται απλώς καλά ενημερωμένος· πλησιάζει την έννοια του «καθολικού ειδικού».

Το πιο εντυπωσιακό, όμως, δεν είναι μόνο η δυσκολία του τεστ αλλά η ταχύτητα με την οποία η τεχνητή νοημοσύνη πλησιάζει να το κατακτήσει. Πριν από δύο χρόνια, τα πιο γνωστά γλωσσικά μοντέλα έμεναν πολύ χαμηλά στις επιδόσεις τους. Το ChatGPT, για παράδειγμα, είχε επιτύχει μόλις 3%, ενώ άλλα ανταγωνιστικά συστήματα κινούνταν σε παρόμοια περιορισμένα επίπεδα. Τότε, το χάσμα ανάμεσα στις δυνατότητες των LLMs και στην κορυφαία ανθρώπινη ακαδημαϊκή γνώση έμοιαζε βαθύ και σταθερό. Σήμερα, αυτή η εικόνα έχει αλλάξει δραματικά. Το Gemini της Google έφτασε στο 45,9% τον Φεβρουάριο, έχοντας ανέβει από 18,8% μέσα σε μόλις λίγους μήνες, ενώ και άλλα συστήματα βελτιώνονται με ταχύτητα που δύσκολα συναντά κανείς σε οποιαδήποτε άλλη τεχνολογική κατηγορία. Η Anthropic, με το Claude, έχει ήδη φτάσει στο 34,2%, και η αίσθηση που αφήνουν οι δημιουργοί του HLE είναι ότι το απόλυτο σκορ δεν ανήκει πια στη σφαίρα της επιστημονικής φαντασίας, αλλά σε ένα πολύ κοντινό μέλλον.

Αυτό από μόνο του αρκεί για να καταλάβει κανείς γιατί ο δημόσιος διάλογος γύρω από την ΑΙ αλλάζει χαρακτήρα. Μέχρι πρότινος, η συζήτηση περιστρεφόταν γύρω από το αν τα μοντέλα μπορούν να παράγουν κείμενα, να μεταφράζουν, να γράφουν κώδικα ή να αναγνωρίζουν πρότυπα. Τώρα, η αντιπαράθεση μεταφέρεται αλλού: στο αν η μηχανή μπορεί να αποκτήσει τόσο μεγάλο εύρος γνώσεων και τόσο ώριμη συλλογιστική ικανότητα, ώστε να ξεπερνά τη συνολική γνωστική ισχύ των ειδικών ενός κλάδου. Αυτό σημαίνει ότι η ΑΙ δεν θα λειτουργεί απλώς ως βοηθός ή εργαλείο επιτάχυνσης, αλλά ως οντότητα που μπορεί να εισέρχεται σε επιστημονικά πεδία με αξίωση αυθεντίας, ταχύτητας και ίσως, σε ορισμένες περιπτώσεις, υπεροχής.

Το ίδιο το HLE δημιουργήθηκε ακριβώς για να εξετάσει αυτό το όριο. Σχεδιάστηκε από ερευνητές της Scale και του μη κερδοσκοπικού οργανισμού Center for AI Safety, με σκοπό να αξιολογήσει όχι μόνο το εύρος γνώσεων, αλλά και το βάθος της συλλογιστικής των συστημάτων τεχνητής νοημοσύνης. Για τη δημιουργία του κινητοποιήθηκαν ειδικοί από περίπου 50 χώρες, οι οποίοι υπέβαλαν συνολικά 70.000 ερωτήσεις, ανταποκρινόμενοι σε διεθνή πρόσκληση το 2024 που συνοδευόταν από έπαθλο 500.000 δολαρίων. Από αυτό το τεράστιο υλικό, οι ερωτήσεις φιλτραρίστηκαν αυστηρά: έπρεπε να έχουν σύντομη και σαφή απάντηση, να μην είναι εύκολο να εντοπιστούν στο διαδίκτυο και να μην μπορούν να λυθούν ήδη από τα υπάρχοντα μοντέλα. Μετά από πολλαπλές φάσεις επιλογής, περιορίστηκαν στις 2.500, ενώ κάποιες τροποποιήθηκαν ή αφαιρέθηκαν με βάση σχόλια χρηστών και αξιολογητών.

Η σημασία ενός τέτοιου τεστ δεν βρίσκεται μόνο στη δυσκολία του, αλλά και στο τι συμβολίζει. Όταν η ΑΙ αρχίζει να «σπάει» δοκιμασίες σχεδιασμένες για τους κορυφαίους ανθρώπους, τότε η ίδια η έννοια του benchmark αλλάζει. Οι δημιουργοί του HLE υποστηρίζουν ότι, αν κάποτε επιτευχθεί το 100%, το επόμενο στάδιο αξιολόγησης δεν θα μπορεί πλέον να βασίζεται σε ερωτήσεις με γνωστές απαντήσεις. Θα χρειάζονται προβλήματα των οποίων τη λύση δεν γνωρίζει κανένας άνθρωπος εκ των προτέρων. Με άλλα λόγια, το επόμενο τεστ για την τεχνητή νοημοσύνη δεν θα είναι αν ξέρει όσα ξέρει η ανθρωπότητα, αλλά αν μπορεί να παράγει γνώση πέρα από τα υφιστάμενα ανθρώπινα σύνορα.

Η προοπτική αυτή φέρνει στη μνήμη ιστορικές τεχνολογικές τομές. Όπως κάποτε η νίκη του Deep Blue απέναντι στον Γκάρι Κασπάροφ στο σκάκι θεωρήθηκε σημείο καμπής, έτσι και η ενδεχόμενη πλήρης κατάκτηση του HLE θα μπορούσε να σηματοδοτήσει μια νέα εποχή στην οποία τα παλαιά μέτρα σύγκρισης ανθρώπου και μηχανής παύουν να επαρκούν. Ήδη, άλλα γνωστά benchmarks, όπως το MMLU, έχασαν την αξία τους όταν τα σύγχρονα συστήματα άρχισαν να τα λύνουν υπερβολικά εύκολα, συχνά με βαθμολογίες άνω του 90%. Αυτό δείχνει ότι κάθε φορά που η τεχνολογία πλησιάζει το ανώτατο όριο ενός τεστ, το τεστ παύει να είναι κριτήριο κορυφής και μετατρέπεται σε σκαλοπάτι για το επόμενο επίπεδο.

Παρά τη θεαματική αυτή άνοδο, η εικόνα δεν είναι μονοσήμαντη. Η πρόοδος της ΑΙ στην ακαδημαϊκή γνώση και στον αφηρημένο συλλογισμό δεν συνεπάγεται αυτομάτως ότι η ανθρώπινη εξειδίκευση καθίσταται άχρηστη. Αντιθέτως, ακόμη και οι άνθρωποι που βρίσκονται κοντά στην ανάπτυξη αυτών των συστημάτων αναγνωρίζουν πως θα συνεχίσουν να υπάρχουν πεδία όπου η ανθρώπινη παρουσία παραμένει κρίσιμη. Πρακτικά επαγγέλματα υψηλής ευθύνης, όπως η χειρουργική, αλλά και δραστηριότητες που απαιτούν σύνθετη κρίση, ευαισθησία, επινοητικότητα, ηθική στάθμιση και πραγματική δημιουργικότητα, δεν μεταφράζονται τόσο εύκολα σε δομές που κατακτώνται αποκλειστικά μέσω υπολογιστικής ισχύος και στατιστικής μάθησης. Η ΑΙ μπορεί να πλησιάζει την πανεπιστημιακή αριστεία σε χιλιάδες θεματικές, αλλά η ανθρώπινη εμπειρία παραμένει κάτι περισσότερο από μια δεξαμενή απαντήσεων.

Ωστόσο, η ουσία της είδησης δεν βρίσκεται μόνο στο αν η ΑΙ θα φτάσει το τέλειο σκορ σε ένα τεστ. Βρίσκεται στο ότι αυτό μπορεί να συμβεί τόσο σύντομα. Η φράση «σε λίγους μήνες» δεν ακούγεται πια ως υπερβολή, αλλά ως ρεαλιστικό ενδεχόμενο που προκύπτει από τις ίδιες τις επιδόσεις των μοντέλων. Αυτό αλλάζει την ένταση του προβληματισμού. Η ανθρωπότητα δεν συζητά πλέον ένα θεωρητικό σενάριο για το απώτερο μέλλον. Συζητά μια επικείμενη συνθήκη, στην οποία οι μηχανές θα έχουν αποκτήσει τέτοιο βαθμό γνωστικής συγκέντρωσης ώστε να αμφισβητούν το μονοπώλιο της ανθρώπινης ειδίκευσης.

Το πραγματικό βάθος αυτής της εξέλιξης είναι φιλοσοφικό, επιστημονικό και κοινωνικό μαζί. Αν η τεχνητή νοημοσύνη φτάσει στο σημείο να συγκεντρώνει περισσότερο δομημένο γνωστικό υλικό και να το χειρίζεται ταχύτερα από οποιαδήποτε ανθρώπινη κοινότητα ειδικών, τότε το ζήτημα δεν θα είναι μόνο ποιος γνωρίζει περισσότερα. Θα είναι ποιος αποφασίζει, ποιος ερμηνεύει, ποιος φιλτράρει, ποιος αναλαμβάνει την ευθύνη και ποιος έχει τελικά τον τελευταίο λόγο όταν η γνώση μετατρέπεται σε πράξη. Γιατί η γνώση χωρίς ευθύνη μπορεί να γίνει ισχύς χωρίς έλεγχο, και η ισχύς χωρίς ανθρώπινο μέτρο μπορεί να ανοίξει μια νέα εποχή θαυμαστών δυνατοτήτων, αλλά και επικίνδυνων ανισορροπιών.

Η τεχνητή νοημοσύνη φαίνεται πως πλησιάζει σε ένα ιστορικό σημείο καμπής: από εργαλείο ενίσχυσης της ανθρώπινης εργασίας μετατρέπεται σταδιακά σε δύναμη που αμφισβητεί τα ίδια τα όρια της ανθρώπινης γνώσης. Το ενδεχόμενο να φτάσει σύντομα σε επιδόσεις που ξεπερνούν το συγκεντρωμένο γνωστικό δυναμικό ολόκληρων επιστημονικών κοινοτήτων δεν είναι απλώς μια τεχνολογική είδηση. Είναι ένα μήνυμα ότι ο κόσμος εισέρχεται σε μια περίοδο όπου οι παλαιές βεβαιότητες δεν αρκούν πλέον. Οι επιστήμονες, τα πανεπιστήμια, οι θεσμοί, οι κυβερνήσεις και οι κοινωνίες συνολικά θα κληθούν να απαντήσουν όχι μόνο στο πώς θα αξιοποιήσουν αυτή τη δύναμη, αλλά και στο πώς θα τη συγκρατήσουν μέσα σε πλαίσια λογοδοσίας, ηθικής και ανθρώπινης προτεραιότητας.

Ίσως τελικά το σημαντικότερο δίδαγμα αυτής της εξέλιξης να μην είναι ότι η μηχανή ξέρει όλο και περισσότερα. Το σημαντικότερο είναι ότι ο άνθρωπος πρέπει τώρα να αποδείξει πως, απέναντι σε μια νοημοσύνη που γιγαντώνεται με ιλιγγιώδη ταχύτητα, εξακολουθεί να διαθέτει εκείνο που καμία μηχανή δεν έχει κατακτήσει πλήρως: συνείδηση ευθύνης, ηθικό μέτρο, ιστορική μνήμη και σοφία στη χρήση της γνώσης. Εκεί θα κριθεί το μέλλον. Όχι μόνο στο ποιος απαντά γρηγορότερα, αλλά στο ποιος καταλαβαίνει βαθύτερα τι σημαίνουν αυτές οι απαντήσεις για τον άνθρωπο και τον πολιτισμό του.