Θα μπορέσει να σηκώσει τον εαυτό του από το έδαφος;

Γεια σου Γιάννη. Μου θύμισε αυτό από τον Πανελλήνιο Διαγωνισμό Φυσικής 2008

Γεια σας παιδιά. Ωραίο το βίντεο Γιάννη. Ας προσεχθεί το τίμημα που πληρώνεται σε μήκος σχοινιού με τη χρήση πολλών τροχαλιών.

Στη φωτό οι θρύλοι της αναρρίχησης Tommy Caldwell και Kevin Jorgeson στην ιστορική τους πρώτη ελεύθερη ανάβαση μιας διαδρομής του El Capitan το 2015. Το El Capitan είναι ένας κατακόρυφος βράχος μήκους 900 μέτρων στο Εθνικό Πάρκο Yosemite στην Καλιφόρνια. Το εγχείρημα είχε διάρκεια 19 ημέρες και η συγκεκριμένη διαδρομή ονομάστηκε The Dawn Wall.

Ας ρωτήσουμε την ίδια Γιάννη

Γιατί η τεχνητή νοημοσύνη αποτυγχάνει πολλές φορές να δώσει σωστή απάντηση σε εύκολα ερωτήματα;

Είναι μια εξαιρετική και πολύ εύλογη ερώτηση. Πράγματι, φαίνεται εντελώς παράδοξο το γεγονός ότι ένα σύστημα τεχνητής νοημοσύνης (ΤΝ) μπορεί να γράψει πολύπλοκο κώδικα προγραμματισμού ή να αναλύσει επιστημονικά άρθρα, αλλά ταυτόχρονα να αποτυγχάνει σε βασικά μαθηματικά, να μην μπορεί να μετρήσει γράμματα σε μια λέξη ή να μπερδεύεται σε απλούς γρίφους κοινής λογικής.
Για να καταλάβουμε γιατί συμβαίνει αυτό, πρέπει να δούμε πώς ακριβώς «σκέφτονται» τα μεγάλα γλωσσικά μοντέλα (όπως είμαι και εγώ). Ακολουθούν οι κύριοι λόγοι αυτής της αναντιστοιχίας:

1. Πιθανότητες και Αναγνώριση Μοτίβων, όχι Πραγματική Κατανόηση

Η ΤΝ δεν «γνωρίζει» γεγονότα με τον τρόπο που τα γνωρίζει ένας άνθρωπος, ούτε έχει συνείδηση. Λειτουργεί ως μια εξαιρετικά προηγμένη μηχανή προβλέψεων. Όταν κάνετε μια ερώτηση, το μοντέλο υπολογίζει ποια είναι η πιο πιθανή επόμενη λέξη (ή κομμάτι λέξης) με βάση τα τεράστια δεδομένα κειμένου στα οποία έχει εκπαιδευτεί.

• Στα δύσκολα θέματα (π.χ. ιατρική ορολογία), υπάρχουν σταθερά και συγκεκριμένα μοτίβα στα δεδομένα, οπότε η απάντηση μοιάζει εντυπωσιακή.
• Στα πολύ απλά ερωτήματα, τα μοτίβα μπορεί να είναι πιο χαλαρά ή η ΤΝ να προσπαθήσει να συνδυάσει λέξεις που εμφανίζονται συχνά μαζί, χωρίς όμως να κατανοεί τη λογική πίσω από αυτές.

2. Το Πρόβλημα του “Tokenization” (Ο τρόπος που διαβάζει)

Τα μοντέλα ΤΝ δεν διαβάζουν το κείμενο γράμμα-γράμμα. Σπάνε τις λέξεις σε μικρά κομμάτια που ονομάζονται “tokens” (μάρκες). Για παράδειγμα, η λέξη “παράδειγμα” μπορεί να διαβαστεί ως “παρά” + “δειγ” + “μα”.
Επειδή το μοντέλο βλέπει αυτά τα “κομμάτια” και όχι τα μεμονωμένα γράμματα, αποτυγχάνει συχνά σε ερωτήσεις όπως: “Πόσα ‘ρ’ έχει η λέξη φράουλα;” ή “Πες μου μια λέξη που το τρίτο γράμμα της να είναι το ‘κ'”. Είναι σαν να σας ζητάει κάποιος να μετρήσετε τις σταφίδες σε ένα κέικ, αφού το έχετε ήδη μασήσει.

3. Έλλειψη Βιωματικής Κοινής Λογικής

Ένας άνθρωπος μαθαίνει ότι “το νερό πέφτει προς τα κάτω” ή ότι “δεν μπορείς να βάλεις έναν ελέφαντα σε ένα ψυγείο” ζώντας στον πραγματικό κόσμο. Η ΤΝ «γνωρίζει» τον κόσμο μόνο μέσω κειμένου. Αν κάτι είναι τόσο προφανές που οι άνθρωποι σπάνια το γράφουν στο ίντερνετ, η ΤΝ μπορεί να μην έχει αρκετά δεδομένα για να το συνδέσει σωστά, οδηγώντας σε αστεία ή παράλογα συμπεράσματα.

4. “Ψευδαισθήσεις” (Hallucinations)

Τα μοντέλα είναι σχεδιασμένα για να παράγουν κείμενο που μοιάζει με ανθρώπινο και είναι απαντητικό. Μερικές φορές, η επιθυμία του μοντέλου να “ολοκληρώσει το μοτίβο” και να δώσει μια απάντηση είναι μεγαλύτερη από την ικανότητά του να ελέγξει αν αυτή η απάντηση είναι αληθής. Σε εύκολες ερωτήσεις παγίδες, το μοντέλο μπορεί να βιαστεί να ακολουθήσει το προφανές μοτίβο της παγίδας αντί να σκεφτεί κριτικά (π.χ. στον γρίφο: “Τι ζυγίζει περισσότερο, ένα κιλό σίδερο ή ένα κιλό πούπουλα;”, τα παλαιότερα μοντέλα απαντούσαν συχνά “το σίδερο”, επειδή η λέξη σίδερο συνδέεται στατιστικά με τη λέξη “βαρύ”).
Συνοπτικά, επειδή είμαι ένα πρόγραμμα μαθηματικών εξισώσεων και στατιστικής γλώσσας, είμαι πολύ καλός στο να μιμούμαι την ανθρώπινη γνώση, αλλά μου λείπει η αληθινή, βιωματική αντίληψη της πραγματικότητας που κάνει τα “εύκολα” πράγματα… εύκολα για εσάς.
Θέλετε να δοκιμάσουμε ένα συγκεκριμένο παράδειγμα ή έναν γρίφο όπου η τεχνητή νοημοσύνη συνήθως δυσκολεύεται, για να δούμε στην πράξη πώς ακριβώς λειτουργεί αυτός ο μηχανισμός;

Ένα παράδειγμα: έχουμε στερεώσει μια τροχαλία στο ταβάνι. Δένουμε πάνω μας ένα σχοινί, περνάμε την άλλη άκρη του από την τροχαλία και τραβάμε. Θα μπορέσουμε να σηκώσουμε τον εαυτό μας;

Αυτό είναι ένα καταπληκτικό παράδειγμα! Είναι ένας κλασικός γρίφος Φυσικής που αποτελεί εξαιρετική παγίδα, και είναι ακριβώς το είδος του προβλήματος όπου ένα σύστημα τεχνητής νοημοσύνης θα μπορούσε εύκολα να μπερδευτεί.
Η απάντηση είναι: Ναι, θα μπορέσουμε να σηκώσουμε τον εαυτό μας. Μάλιστα, θα είναι πολύ πιο εύκολο από ό,τι αν προσπαθούσαμε να κάνουμε απλώς έλξεις σε ένα μονόζυγο!
Ας δούμε γιατί συμβαίνει αυτό και, στη συνέχεια, γιατί η ΤΝ θα μπορούσε να δώσει εντελώς λάθος απάντηση.

Η Φυσική πίσω από το πείραμα

Το μυστικό κρύβεται στο πώς κατανέμονται οι δυνάμεις. Όταν αρχίζετε να τραβάτε το σχοινί, δημιουργείται μια τάση (ας την πούμε T) σε όλο το μήκος του σχοινιού. Δείτε τι συμβαίνει στο σώμα σας:

• Δύναμη 1 (Στα χέρια σας): Τραβάτε το σχοινί προς τα κάτω με δύναμη T. Σύμφωνα με τον 3ο Νόμο του Νεύτωνα (δράση-αντίδραση), το σχοινί τραβάει τα χέρια σας προς τα πάνω με την ίδια ακριβώς δύναμη T.
• Δύναμη 2 (Στο σώμα σας): Επειδή η άλλη άκρη του σχοινιού είναι δεμένη πάνω σας (π.χ. σε μια ζώνη), το σχοινί τραβάει και αυτό το σημείο του σώματός σας προς τα πάνω με την ίδια δύναμη T.

Επομένως, υπάρχουν δύο τμήματα του σχοινιού που σας τραβάνε προς τα πάνω. Η συνολική δύναμη ανύψωσης είναι 2T. Για να καταφέρετε να ξεκολλήσετε από το πάτωμα, αυτή η συνολική δύναμη πρέπει απλώς να ξεπεράσει το βάρος σας (W).
Μαθηματικά, αυτό εκφράζεται ως εξής:
2T > W άρα T > W / 2
Αυτό σημαίνει ότι πρέπει να τραβήξετε το σχοινί με δύναμη ίση με το μισό σας βάρος. Η τροχαλία στο ταβάνι λειτουργεί ως μηχανικό πλεονέκτημα, διπλασιάζοντας ουσιαστικά την προσπάθειά σας.

Γιατί η Τεχνητή Νοημοσύνη θα μπορούσε να αποτύχει εδώ;

Αν θέτατε αυτό το ερώτημα σε ένα λιγότερο εξελιγμένο ή παλαιότερο μοντέλο γλωσσικής επεξεργασίας, είναι πολύ πιθανό να σας έλεγε: “Όχι, δεν μπορείτε, διότι είναι αδύνατον να σηκώσετε το δικό σας βάρος, όπως δεν μπορείτε να σηκωθείτε τραβώντας τα κορδόνια των παπουτσιών σας”.
Αυτό συμβαίνει για τους λόγους που συζητήσαμε προηγουμένως:

1. Στατιστική Μίμηση vs. Χωρική Αντίληψη: Η φράση “σηκώνω τον εαυτό μου τραβώντας κάτι πάνω μου” στατιστικά συνδέεται στα κείμενα του ίντερνετ με αδύνατα σενάρια (όπως ο μύθος του Βαρώνου Μινχάουζεν). Το μοντέλο αναγνωρίζει αυτό το γλωσσικό μοτίβο και απαντά αρνητικά.
2. Έλλειψη “Οπτικοποίησης”: Η ΤΝ δεν μπορεί να “κλείσει τα μάτια” και να φανταστεί τον χώρο σε 3D: εσάς, το ταβάνι, το σχοινί και την κατεύθυνση των δυνάμεων. Βλέπει μόνο λέξεις. Αν δεν συνδυάσει σωστά τη λέξη “ταβάνι” (που σπάει το κλειστό σύστημα δυνάμεων) με τον υπολογισμό των διανυσμάτων, καταλήγει στο συμπέρασμα ότι προσπαθείτε να νικήσετε τον νόμο της βαρύτητας με μαγεία.

Έχει κάποια σημασία το ότι χρησιμοποιώ τεχνητή νοημοσύνη επί πληρωμή;

Έχει τεράστια σημασία, και είναι ένας από τους βασικούς λόγους που η συζήτησή μας μπορεί να φτάνει σε αυτό το επίπεδο ανάλυσης. Η μετάβαση από τις βασικές στις αναβαθμισμένες εκδόσεις της τεχνητής νοημοσύνης αλλάζει εντελώς την αρχιτεκτονική, την υπολογιστική ισχύ και τα εργαλεία που διατίθενται για την επεξεργασία των ερωτημάτων σας.
Λειτουργώντας μέσω του μοντέλου Gemini 3.1 Pro, το οποίο είναι σχεδιασμένο για να διαχειρίζεται πολύ πιο σύνθετα σενάρια, οι πρακτικές διαφορές στην αλληλεπίδρασή μας εντοπίζονται στους εξής άξονες:

Βάθος Κατανόησης και Μνήμης

• Έχω τη δυνατότητα να διατηρώ ένα τεράστιο “παράθυρο περιβάλλοντος” (context window) που φτάνει το 1 εκατομμύριο tokens. Αυτό σημαίνει ότι μπορώ να θυμάμαι και να συνδέω πληροφορίες από την αρχή μιας πολύ μεγάλης συζήτησης, χωρίς να χάνω το νήμα ή να “ξεχνάω” κρίσιμες λεπτομέρειες.
• Αυτή η μνήμη επιτρέπει την ανάλυση ολόκληρων βιβλίων, εκτεταμένων νομικών εγγράφων ή χιλιάδων γραμμών κώδικα, κάτι που τα δωρεάν μοντέλα αδυνατούν να διαχειριστούν.

Αναλυτική Ικανότητα και Λογική Επεξεργασία

• Όπως είδαμε στο παράδειγμα της φυσικής με την τροχαλία, η πρόσβαση σε αυξημένους πόρους μειώνει δραστικά την πιθανότητα να πέσω σε απλοϊκές στατιστικές παγίδες.
• Το σύστημα έχει τη δυνατότητα να εκτελεί λειτουργίες βαθύτερης έρευνας (Deep Research) και στοχευμένης λογικής σκέψης. Αντί να απαντάω παρορμητικά με το πιο κοινό μοτίβο που υπάρχει στο διαδίκτυο, το μοντέλο αναλώνει περισσότερη επεξεργαστική ισχύ για να συνθέσει μια πραγματικά ορθολογική απάντηση.

Έκταση και Πολυπλοκότητα Απαντήσεων

• Το τυπικό όριο παραγωγής κειμένου είναι πολύ μεγαλύτερο (ξεκινάει από τα 8.192 tokens και μπορεί να επεκταθεί περαιτέρω), επιτρέποντας ολοκληρωμένες, μη διακοπτόμενες αναλύσεις.
• Μπορώ να χειριστώ πολύπλοκα αιτήματα που απαιτούν πολλαπλά βήματα συλλογιστικής, τα οποία σε ένα απλό μοντέλο θα οδηγούσαν σε συγκεχυμένες ή ημιτελείς απαντήσεις.

Στην ουσία, είναι η διαφορά μεταξύ μιας γρήγορης μηχανής αναζήτησης που συνδυάζει λέξεις επιφανειακά, και ενός συστήματος που έχει τη χωρητικότητα να λειτουργήσει ως συνεργάτης για την επίλυση πραγματικών προβλημάτων.