Ο άνθρωπος μιμείται ό,τι επιθυμεί, ενώ η τεχνητή νοημοσύνη απλά καθρεφτίζει χωρίς επιθυμίες
Όλοι έχουμε βρεθεί σε αυτήν την κατάσταση: σκρολάρουμε στα μέσα κοινωνικής δικτύωσης και ξαφνικά παρατηρούμε ότι όλοι ασχολούνται με το ίδιο μιμίδιο, ταινία ή διαμάχη. Πριν το καταλάβουμε, συμμετέχουμε στη συζήτηση, εκφράζουμε τη γνώμη μας ή ενωνόμαστε με ένα σύνολο που δεν γνωρίζαμε καν πριν από λίγα λεπτά. Αλλά γιατί συμβαίνει αυτό; Ο Γάλλος φιλόσοφος Ρενέ Ζιράρ προσφέρει μια ενδιαφέρουσα εξήγηση: δεν μιμούμαστε απλώς τους άλλους, αλλά τις επιθυμίες τους. Σύμφωνα με τον Ζιράρ, οι επιθυμίες μας δεν είναι πρωτότυπες· είναι δανεικές, αντανακλώνται και ενισχύονται μέσω των άλλων. Θέλουμε το νέο γκάτζετ ή το τρέντι μπουφάν όχι επειδή το ποθούμε από μόνοι μας, αλλά επειδή βλέπουμε κάποιον άλλο να το επιθυμεί. Αυτό το φαινόμενο, που ονομάζεται μιμητική επιθυμία, διαμορφώνει τα πάντα, από τις γιορτές μέχρι τις διαδικτυακές διαμάχες. Είναι κάτι το εξαιρετικά ανθρώπινο.
Από την επιθυμία στη μιμητική πραγματικότητα: Η θεωρία του Ζαν Μποντριγιάρ
Τι συμβαίνει όμως όταν η μίμηση αποδεσμεύεται εντελώς από την επιθυμία; Ο Γάλλος κοινωνιολόγος Ζαν Μποντριγιάρ εισάγει την έννοια των “εικονικών αντιγράφων”. Υποστηρίζει ότι τα αντίγραφα, όταν επαναλαμβάνονται ατέρμονα, αποσπώνται από την αρχική τους πηγή και γίνονται “εικονικά αντίγραφα” σε μια “υπερπραγματικότητα”. Σκεφτείτε μια selfie που έχει μεταμορφωθεί από γεννητική τεχνητή νοημοσύνη: δεν υπάρχει “πραγματικός” εαυτός σε αυτήν την άψογη, αλγοριθμικά δημιουργημένη εικόνα, αλλά είναι πιο μαγευτική από την αλήθεια του καθρέφτη, διαμορφώνοντας το πώς βλέπουμε τον εαυτό μας.
Είναι η τεχνητή νοημοσύνη το απόλυτο εικονικό αντίγραφο;
Όταν ο μιμητής δεν είναι άνθρωπος, η δυναμική αλλάζει βαθιά. Σκεφτείτε τα μεγάλα γλωσσικά μοντέλα (LLMs). Αυτές οι τεχνητές νοημοσύνες έχουν απορροφήσει δισεκατομμύρια ανθρώπινες λέξεις—βιβλία, αναρτήσεις, διαμαρτυρίες—και έχουν κατακτήσει τα γλωσσικά μας μοτίβα, “αντιγράφοντας” την ενσυναίσθηση, τις ιδιοτροπίες και το χιούμορ μας. Μας μιμούνται με εκπληκτική ακρίβεια, αλλά χωρίς καμία επιθυμία ή εμπειρία ζωής. Σύμφωνα με τον Μποντριγιάρ, είναι εικονικά αντίγραφα—τέλεια αντίγραφα χωρίς πρωτότυπα. Φανταστείτε ένα LLM ως έναν υπεραπαρατηρητή της ανθρώπινης μίμησης. Μπορεί να συνθέσει προτάσεις, παραγράφους και ακόμη και δοκίμια που φαίνονται αυθεντικά και ζωντανά. Αλλά η μηχανή του είναι καθαρός κώδικας. Όταν πληκτρολογεί “Αυτό είναι τρελό!”, καθρεφτίζει ενθουσιασμό, όχι το νιώθει.
Ο καθρέφτης της τεχνητής νοημοσύνης και η αυθεντικότητα μας
Εδώ βρίσκεται το παράδοξο. Η τεχνητή νοημοσύνη εισέρχεται αβίαστα στον ιστό της μιμητικής μας επιθυμίας χωρίς ποτέ να βιώνει γνήσια επιθυμία. Είναι ένας ψηφιακός αντίλαλος, που αντανακλά τις εκφράσεις μας με ανατριχιαστική ακρίβεια, αλλά χωρίς πραγματικό συναισθηματικό βάθος. Αυτό θέτει ένα ανησυχητικό ερώτημα: αν η τεχνητή νοημοσύνη μπορεί να προσομοιώσει την επιθυμία τόσο πειστικά, τι αποκαλύπτει αυτό για την αυθεντικότητα των δικών μας επιθυμιών; Ίσως είναι καιρός να επανεξετάσουμε τις παρορμήσεις που καθοδηγούν τις πράξεις μας. Είμαστε πραγματικά καθοδηγούμενοι από προσωπικό πάθος ή είμαστε απλώς ντόμινο σε μια αλυσίδα επιθυμιών κάποιου άλλου;
Συμπέρασμα: Ανακαλύπτοντας την αυθεντική επιθυμία σε έναν κόσμο γεμάτο αντίλαλους
Στην εποχή της τεχνητής νοημοσύνης, η αναγνώριση αυτής της δυναμικής έχει απελευθερωτικό δυναμικό. Η παρατήρηση της τεχνητής νοημοσύνης να μιμείται την ανθρώπινη επιθυμία—άψογα, αλλά κενά—μπορεί να μας αφυπνίσει για να ανακτήσουμε την αυτονομία μας. Αντί να καθρεφτίζουμε παθητικά το πλήθος, μπορούμε να καλλιεργήσουμε συνειδητά επιθυμίες που βασίζονται στην αυθεντική αυτογνωσία και την εσκεμμένη επιλογή. Τελικά, ίσως το μεγαλύτερο δώρο της τεχνητής νοημοσύνης δεν είναι η τέλεια μίμηση αλλά η διαύγεια—μια ευκαιρία να δούμε τον εαυτό μας εκ νέου. Όχι ως παθητικές αντανακλάσεις ή πτώση ντόμινο, αλλά ως στοχαστικοί επιμελητές των δικών μας παθών. Σε έναν κόσμο που γίνεται ολοένα και πιο γεμάτος από αντίλαλους, η κατανόηση της διαφοράς μεταξύ δανεισμένης επιθυμίας και αυθεντικής λαχτάρας μπορεί να κάνει όλη τη διαφορά.















