Στο τέλος της δεκαετίας του 1960, όταν η ανθρωπότητα παρακολουθούσε εκστατική την προσεδάφιση των δύο πρώτων ανθρώπων στο φεγγάρι, μουδιασμένη ακόμη από τα δεινά της ατομικής βόμβας, ούτε η πιο καλπάζουσαφαντασία δεν μπορούσε να διανοηθεί την επέλαση της τεχνολογίας που θα ακολουθούσε. Η επιστημονική φαντασία επινοούσε τεχνολογικά “θαύματα”, όμως κανείς δεν περίμενε ότι μισό αιώνα αργότερα, θα γίνονταν πραγματικότητα κάθε είδους επιτεύγματα, από την κλωνοποίηση μέχρι τον κυβερνοχώρο και από το ψηφιακό χρήμα μέχρι τις άπειρες εφαρμογές της ψηφιακής τεχνολογίας. Καθώς, λοιπόν, οι μηχανές γίνονται όλο και πιο παρούσες στη ζωή μας και απαιτείται να μάθουμε να συνεργαζόμαστε μαζί τους, χωρίς ταυτόχρονα να ξεχνάμε αυτά που μας καθιστούν ανθρώπους, κάνω και πάλι μια απόπειρα να βουτήξω σε βαθιά νερά, για να σας πω με απλά λόγια τι τουλάχιστον έχω εγώ καταλάβει για την πολυσυζητημένη τεχνητήνοημοσύνη, σαν ένα μικρό οδηγό επιβίωσης στον κόσμο που ζούμε. Προτού όμως μπω στο θέμα θα ήθελα να δώσω δύο βασικούς ορισμούς που αποτελούν τον κορμό της ΑΙ τεχνητής νοημοσύνης.
Αλγόριθμος Αλγόριθμο ονομάζουμε μια σειράαπόεντολές που έχουν αρχή και τέλος, είναι σαφείς και έχουν ως σκοπό την επίλυση κάποιου προβλήματος.
Τεχνητήνοημοσύνη Ο όρος τεχνητή νοημοσύνη αναφέρεται στην ικανότητα μιας μηχανής να αναπαράγει τις γνωστικέςλειτουργίες ενός ανθρώπου, όπως είναι η μάθηση, ο σχεδιασμός και η δημιουργικότητα.
Ο μαθηματικός ΤζονΜακάρθι μία σημαντική φυσιογνωμία της θεωρητικής πληροφορικής, όρισε τον τομέα αυτόν ως «επιστήμη και μεθοδολογία της δημιουργίας νοημόνωνμηχανών». Η τεχνητή νοημοσύνη αποτελεί σημείο τομής πολλών επιστημών, όπως της πληροφορικής, της ψυχολογίας, της φιλοσοφίας, της νευρολογίας, της γλωσσολογίας και της επιστήμηςμηχανικών, με στόχο τη σύνθεση ευφυούς συμπεριφοράς, με στοιχεία συλλογιστικής, μάθησης και προσαρμογής στο περιβάλλον, ενώ συνήθως εφαρμόζεται σε μηχανές ή υπολογιστές ειδικής κατασκευής.
Ηπροϊστορία Η πηγαία ανάγκη του ανθρώπου για συνεχή εξέλιξη, σε συνδυασμό με την εφευρετικότητα οδήγησαν στη σταδιακή δημιουργία μίας νέας επιστημονικής περιοχής, τα λεγόμενα ΝευρωνικάΔίκτυα. Τα τεχνητά νευρωνικά δίκτυα (ΤΝ∆) είναι προγράµµατα σε ηλεκτρονικό υπολογιστή, που βασίζονται στο πρότυπο του ανθρώπινου εγκεφάλου. ∆εν περιέχουν όλες τις λεπτοµέρειες της δοµής και λειτουργίας του εγκεφάλου, οι οποίες εξάλλου δεν είναι γνωστές ακόµα και σήµερα. Χρησιµοποιούν µόνο την κεντρική ιδέα της λογικής λειτουργίας του, ξεκινώντας από µία συλλογή µονάδων, που είναι αντίστοιχες προς τους νευρώνες, και προσπαθούν να επιτελέσουν τις ανάλογες διεργασίες. Η ανάπτυξη αυτού του κλάδου ξεκίνησε σε παγκόσμιο επίπεδο μόλις τις τελευταίες δεκαετίες του 20ούαιώνα, γνωρίζοντας μεγαλύτερη αναγνώριση στο κοινό μετά το 1980. Στηριζόμενοι στη φρενήρη ανάπτυξη του υλικού των Η/Υ, όσο και στην ανάπτυξη νέων αλγόριθμων εκπαίδευσης, οι επιστήμονες κατόρθωσαν να βάλουν τα θεμέλια στον τομέα των Νευρωνικών Δικτύων. Ήδη από το 1943 ο νευροφυσιολόγος McCulloch και ο 18χρονος πρωτοετής φοιτητής μαθηματικών Pitts, παρουσιάζουν το πρώτο μοντέλο Νευρωνικού Δικτύου, στο οποίο προτείνουν τους νευρώνες ως τη βασική μονάδατουδικτύου. Μάλιστα, οι επιστήμονες παρομοίασαν τον τρόπο λειτουργίας των νευρώνων και των συνδέσεών τους με αυτή του ηλεκτρικού ρεύματος. Με βάση την εργασία των δύο ερευνητών, εισάγεται για πρώτη φορά η ιδέα ότι ένα Νευρωνικό Δίκτυο αποτελείται από μια συλλογή μεγάλου αριθμού νευρώνων. Το 1956 είναι το έτος που γεννήθηκε η Τεχνητή Νοημοσύνη. Το 1950 ο ΆλανΤούρινγκ δημοσιεύει το βιβλίο Computing Machines and Intelligence, στο οποίο προτείνει το επονομαζόμενο «Τεστ του Τούρινγκ» για τον προσδιορισμό της ικανότητας μιας μηχανής να επιδεικνύει νοημοσύνη που μοιάζει με την ανθρώπινη. Έκτοτε άλλοι 19 πρωτοπόροι έκαναν σημαντικά βήματα για την εξέλιξη της τεχνητής νοημοσύνης μέχρι τον Νοέμβριο του 2022 που κυκλοφόρησε από την εταιρεία OpenAΙ, ιδρυτής της οποίας είναι ο ElonMusk, το ChatGPT (Generative Pre-trained Transformer - Παραγωγικός Προεκπαιδευμένος Μετασχηματιστής) μία εφαρμογή τεχνητής νοημοσύνης που επιτρέπει διάλογο και απαντήσεις (chatbot). Μετά την κυκλοφορία του στο κοινό, το ChatGPT έχει γίνει ένα δημοφιλέςεργαλείο μεταξύ πολλών χρηστών του Διαδικτύου για τη φαινομενική ικανότητά του να παράγει πειστικόκείμενο. Βασίζεται στην οικογένεια μεγάλων γλωσσικών μοντέλων GPT-3.5 της OpenAI και είναι βελτιστοποιημένο τόσο με εποπτευόμενες όσο και με ενισχυτικές τεχνικές εκμάθησης.
Θα μπορούσε η τεχνητή νοημοσύνη να μεταμορφώσει την ίδια την επιστήμη; Οι προηγούμενες επιστημονικές επαναστάσεις καθοδηγούνταν από ακαδημαϊκάπεριοδικά και εργαστήρια. Τα ρομπότ μπορούν άραγε να δημιουργήσουν την επόμενη; «Ενισχύοντας την ανθρώπινη νοημοσύνη, η τεχνητή νοημοσύνη μπορεί να προκαλέσει μια νέα Αναγέννηση, ίσως μια νέα φάση του Διαφωτισμού», δήλωσε ο YannLeCun, ένας από τους νονούς της σύγχρονης τεχνητής νοημοσύνης. Η τεχνητή νοημοσύνη μπορεί ήδη να κάνει ορισμένες υπάρχουσες επιστημονικές διαδικασίες ταχύτερες και αποτελεσματικότερες, αλλά μπορεί να κάνει περισσότερα, μεταμορφώνοντας τον τρόπο με τον οποίο γίνεται η ίδια η επιστήμη; Τέτοιες μεταμορφώσεις έχουν συμβεί και στο παρελθόν. Με την εμφάνιση της επιστημονικής μεθόδου τον 17ο αιώνα, οι ερευνητές άρχισαν να εμπιστεύονται τις πειραματικές παρατηρήσεις και τις θεωρίες που προέκυπταν από αυτές, πέρα από την παραδεδομένη σοφία της αρχαιότητας. Η διαδικασία αυτή υποστηρίχθηκε ουσιαστικά από την εμφάνιση επιστημονικώνπεριοδικών, τα οποία επέτρεπαν στους ερευνητές να μοιράζονται τα ευρήματά τους, τόσο για να διεκδικήσουνπροτεραιότητα όσο και για να ενθαρρύνουν άλλους να αναπαράγουν και να βασιστούν στα αποτελέσματά τους. Τα περιοδικά δημιούργησαν μια διεθνήεπιστημονικήκοινότητα γύρω από ένα κοινό σώμα γνώσεων, προκαλώντας ένα κύμα ανακαλύψεων που είναι γνωστό ς ως επιστημονικήεπανάσταση. Ένας περαιτέρω μετασχηματισμός ξεκίνησε στα τέλη του 19ουαιώνα, με τη δημιουργία ερευνητικών εργαστηρίων-εργοστασίωνκαινοτομίας όπου ιδέες, άνθρωποι και υλικά μπορούσαν να συνδυαστούν σε βιομηχανική κλίμακα. Αυτό οδήγησε σε μια περαιτέρω έκρηξη της καινοτομίας, από τα χημικά και τους ημιαγωγούς έως τα φαρμακευτικάπροϊόντα. Αυτές οι αλλαγές έκαναν περισσότερα από το να αυξήσουν απλώς την επιστημονική παραγωγικότητα. Μεταμόρφωσαν την ίδια τηνεπιστήμη, ανοίγοντας νέα πεδία έρευνας και ανακάλυψης. Πώς θα μπορούσε η ΑΙ να κάνει κάτι παρόμοιο, όχι απλώς δημιουργώντας νέα αποτελέσματα, αλλά νέουςτρόπους για τη δημιουργία νέων αποτελεσμάτων; Μια πολλά υποσχόμενη προσέγγιση είναι η “ανακάλυψημεβάσητηβιβλιογραφία” [literature-based discovery” (lbd)] η οποία, όπως υποδηλώνει και το όνομά της, στοχεύει στην πραγματοποίηση νέων ανακαλύψεων αναλύοντας την επιστημονική βιβλιογραφία. Το πρώτο σύστημα lbd, που κατασκευάστηκε από τον DonSwanson στο Πανεπιστήμιο του Σικάγο τη δεκαετία του 1980, αναζητούσε νέες συνδέσεις στη Medline, μια βάση δεδομένων ιατρικών περιοδικών. Σε μια πρώιμη επιτυχία, συνέδεσε δύο ξεχωριστές παρατηρήσεις –ότι η νόσοςRaynaud, μια διαταραχή του κυκλοφορικού συστήματος, σχετίζεται με το ιξώδεςτουαίματος και ότι το ιχθυέλαιομειώνει το ιξώδες του αίματος– και πρότεινε το ιχθυέλαιο ως μια μια χρήσιμηθεραπεία. Η υπόθεση αυτή επαληθεύτηκε στη συνέχεια πειραματικά. Εκτός από το να προτείνουν νέες υποθέσεις προς διερεύνηση, τα συστήματα lbd που λαμβάνουν υπόψη τη συγγραφική ιδιότητα μπορούν επίσης να προτείνουνπιθανούςσυνεργάτες που μπορεί να μην γνωρίζουν ο ένας τον άλλον. Η προσέγγιση αυτή θα μπορούσε να είναι ιδιαίτερα αποτελεσματική κατά τον εντοπισμό επιστημόνων που εργάζονται σε διαφορετικά πεδία, γεφυρώνοντας συμπληρωματικούς τομείςέρευνας. Στο μέλλον, οι ερευνητές μπορεί να βασίζονται σε τέτοια συστήματα για να παρακολουθούν τον κατακλυσμό νέων επιστημονικών εργασιών, να επισημαίνουν σχετικά αποτελέσματα, να προτείνουν νέες υποθέσεις για έρευνα – και ακόμη και να τις συνδέουν με πιθανούς ερευνητικούς εταίρους, όπως μια υπηρεσία επιστημονικού “προξενιού”. Τα εργαλεία της τεχνητής νοημοσύνης θα μπορούσαν έτσι να επεκτείνουν και να μετασχηματίσουν την υπάρχουσα μακραίωνη υποδομή των επιστημονικών εκδόσεων. Παρενθετικά θα αναφέρω ένα παράδειγμα, το οποίο με εντυπωσίασε και είναι ένας από τους λόγους που έγραψα αυτό το άρθρο.
Το 2019, οι επιστήμονες του Τεχνολογικού Ινστιτούτου Μασαχουσέτης (ΜΙΤ) έκαναν κάτι ασυνήθιστο στη σύγχρονη ιατρική – βρήκαν ένα νέο αντιβιοτικό, την αλισίνη. Τον Μάιο του τρέχοντος έτους μια άλλη ομάδα βρήκε ένα δεύτερο αντιβιοτικό, την αβαουκίνη. Αυτό που ξεχώρισε αυτές τις δύο ενώσεις δεν ήταν μόνο η δυνατότηταχρήσης τους κατά δύο πολύ επικίνδυνων βακτηρίων, ανθεκτικών στα αντιβιοτικά, αλλά και ο τρόπος με τον οποίο εντοπίστηκαν. Και στις δύο περιπτώσεις, οι ερευνητές χρησιμοποίησαν ένα μοντέλο τεχνητής νοημοσύνης (AI) για να αναζητήσουν εκατομμύρια υποψήφιες ενώσεις και να εντοπίσουν εκείνες που θα λειτουργούσαν καλύτερα ενάντια σε κάθε “υπερμικρόβιο”. Όπως καταλαβαίνετε, αν η ανακάλυψη νέων φαρμάκων είναι σαν να ψάχνεις βελόνα στα άχυρα, η ΑΙ λειτουργεί σαν ανιχνευτήςμετάλλων. Η ανακάλυψη φαρμάκων δεν είναι η μόνη συγκλονιστική δυνατότητα της τεχνητής νοημοσύνης. Οι ερευνητές που αντιμετωπίζουν πολλά από τα πιο περίπλοκα και σημαντικά προβλήματα του κόσμου –από την πρόγνωση του καιρού μέχρι την αναζήτηση νέων υλικών για μπαταρίες και ηλιακούς συλλέκτες και τον έλεγχο των αντιδράσεων πυρηνικής σύντηξης– στρέφονται στην τεχνητή νοημοσύνη για να ενισχύσουν ή να επιταχύνουντηνπρόοδό τους. Οι δυνατότητες είναι τεράστιες. «Η τεχνητή νοημοσύνη θα μπορούσε να εγκαινιάσει μια νέα αναγέννηση της ανακάλυψης», υποστηρίζει ο DemisHassabis, συνιδρυτής του GoogleDeepMind, ενός εργαστηρίου τεχνητής νοημοσύνης με έδρα το Λονδίνο, «λειτουργώντας ως πολλαπλασιαστής της ανθρώπινηςεφευρετικότητας». Έχει συγκρίνει την τεχνητή νοημοσύνη με το τηλεσκόπιο, μια απαραίτητη τεχνολογία που θα επιτρέψει στους επιστήμονες να δουν μακρύτερα και να κατανοήσουν περισσότερα από ό,τι μόνο με γυμνό μάτι. Αυτό που παλαιότερα απαιτούσε πτυχίο πληροφορικής και σειρές απόκρυφων γλωσσών προγραμματισμού μπορεί τώρα να γίνει με φιλικά προς το χρήστη εργαλεία τεχνητής νοημοσύνης, τα οποία συχνά λειτουργούν μετά από μία ερώτηση στο Chatgpt, το chatbot της Openai. Έτσι, οι επιστήμονες έχουν εύκολη πρόσβαση σε αυτό που είναι ουσιαστικά ένας επίμονος, υπεράνθρωποςερευνητικόςβοηθός που θα λύνειεξισώσεις και θα κοσκινίζει ακούραστα τεράστιους σωρούς δεδομένων για να αναζητήσει τυχόν μοτίβα ή συσχετισμούς μέσα σε αυτά. Η αυτοματοποίηση και η επιτάχυνση των φυσικών πειραμάτων και των εργαστηριακών εργασιών είναι ένας άλλος τομέας ενδιαφέροντος. Τα “αυτοκινούμεναεργαστήρια” μπορούν να σχεδιάσουν ένα πείραμα, να το εκτελέσουν χρησιμοποιώντας έναν ρομποτικό βραχίονα και στη συνέχεια να αναλύσουν τα αποτελέσματα. Ο αυτοματισμός μπορεί να κάνει την ανακάλυψηνέωνενώσεων ή την εξεύρεση καλύτερων τρόπων παρασκευής παλαιών ενώσεων έως και χίλιεςφορέςταχύτερη. Επίσης, ακριβώς όπως ένα μεγάλο γλωσσικόμοντέλο [large language model – (llm)] μπορεί να δημιουργήσειρέουσεςπροτάσεις προβλέποντας την επόμενη καλύτερη λέξη σε μια ακολουθία, τα γενετικά μοριακά μοντέλα είναι σε θέση να δημιουργήσουν μόρια, άτομο προς άτομο, δεσμό προς δεσμό.Τα llmχρησιμοποιούν ένα μείγμα αυτοδίδακτων στατιστικών και τρισεκατομμύριαλέξεις εκπαιδευτικού κειμένου που συλλέγονται από το διαδίκτυο για να γράψουν με τρόπους που μιμούνται εύλογα έναν άνθρωπο. Οι ερευνητές μέχρι στιγμής προσπαθούσαν κυρίως να κατανοήσουν αυτά τα θέματα χρησιμοποιώντας κανόνες, εξισώσεις και προσομοιώσεις από πάνω προς τα κάτω. Η τεχνητή νοημοσύνη μπορεί να βοηθήσει τους επιστήμονες να προσεγγίσουν τα προβλήματα από κάτωπροςταπάνω – να μετρήσουν πρώτα πολλά δεδομένα και να χρησιμοποιήσουν αλγορίθμους για να καταλήξουν αργότερα στους κανόνες, τα μοτίβα, τις εξισώσεις και την επιστημονική κατανόηση. Επιστήμονες-ρομπότ Οι επιστήμονες-ρομπότ θα μπορούσαν επίσης να μεταμορφώσουντηνεπιστήμη με έναν άλλο τρόπο: βοηθώντας να διορθωθούν ορισμένα από τα προβλήματα που ταλανίζουν το επιστημονικό εγχείρημα. Ένα από αυτά είναι η ιδέα ότι η επιστήμη γίνεται, σύμφωνα με διάφορες μετρήσεις, λιγότερο παραγωγική και η προώθηση των συνόρων της γνώσης γίνεται πιο δύσκολη και ακριβότερη. Υπάρχουν διάφορες θεωρίες για το γιατί μπορεί να συμβαίνει αυτό: οι ευκολότερες ανακαλύψεις μπορεί να έχουν ήδη γίνει, για παράδειγμα, και τώρα χρειάζεται περισσότερηεκπαίδευση για να φτάσουν οι επιστήμονες στα όρια. Τα συστήματα με κινητήρια δύναμη την τεχνητή νοημοσύνη θα μπορούσαν να βοηθήσουν, κάνοντας τις εργαστηριακέςεργασίες πιο γρήγορα, φθηνότερα και ακριβέστερα από τους ανθρώπους. Σε αντίθεση με τους ανθρώπους, τα ρομπότ μπορούν να εργάζονται όλο το εικοσιτετράωρο. Και όπως ακριβώς οι υπολογιστές και τα ρομπότ επέτρεψαν έργα μεγάλης κλίμακας στην αστρονομία (όπως οι τεράστιες έρευνες του ουρανού ή η αυτοματοποιημένη αναζήτησηεξωπλανητών), οι επιστήμονες-ρομπότ θα μπορούσαν να αντιμετωπίσουν μεγάλα προβλήματα στη βιολογία συστημάτων, ας πούμε, τα οποία διαφορετικά θα ήταν ανέφικτα λόγω της κλίμακάς τους. «Δεν χρειαζόμαστε ριζικά νέα επιστήμη για να το κάνουμε αυτό, απλά πρέπει να κάνουμε “πολλή” επιστήμη», λέει ο Δρ King. Μετά από τις σπουδές μου στο Μόναχο, το 1962, είχα την ευκαιρία να εργαστώ σε ένα πρωτοποριακό superlab (μεγάλο ερευνητικό κέντρο), της πολυεθνικής Siemens, σε μια μικρή πόλη της Γερμανίας, το Έρλανγκεν. Εκεί εργαζόμαστε 3000 επιστήμονες και ως διπλωματούχος ήμουν επικεφαλής μιας μικρής ομάδας υπομηχανικών. Το αντικείμενό μας ήταν να υπολογίζουμε τις θερμικές τάσεις του καλύμματος του ατομικού αντιδραστήρα, κάνοντας υπολογισμούς με πολλές άγνωστες παραμέτρους χρησιμοποιώντας λογαριθμικούς κανόνες. Σκέφτομαι ότι η εργασία που κάναμε τότε σε ενάμιση χρόνο, μπορεί να γίνει σήμερα ίσως σε μερικά δευτερόλεπτα και με πολύ μεγαλύτερη ακρίβεια. Και πάλι, οι επιστήμονες-ρομπότ θα μπορούσαν να βοηθήσουν σε ορισμένους τομείς έρευνας, όπως η μοριακήβιολογία. Μια μελέτη που δημοσιεύθηκε το 2022 από την Katherine Roper, του Πανεπιστημίου του Μάντσεστερ, ανέλυσε περισσότερες από 12.000 εργασίες για τον καρκίνοτουμαστού και επέλεξε 74 βιοϊατρικά αποτελέσματα για επαλήθευση, χρησιμοποιώντας το ρομπότ Eve, το οποίο μπόρεσε να αναπαράγει 43 από αυτά. Οι περισσότερες προσπάθειες για την ενσωμάτωση της τεχνητής νοημοσύνης στην επιστημονική έρευνα προήλθαν από ερευνητές της τεχνητής νοημοσύνης, οι οποίοι συχνά αντιμετωπίστηκαν με σκεπτικισμό ή εχθρότητα. Όμως, ο αντίκτυπος της τεχνητής νοημοσύνης είναι πλέον «βαθύς και διάχυτος», λέει ο Δρ Gil και συμπληρώνει «πολλοί επιστήμονες αναζητούν τώρα προληπτικά συνεργάτες της τεχνητής νοημοσύνης. Η αναγνώριση των δυνατοτήτων της τεχνητής νοημοσύνης αυξάνεται, ιδίως στην επιστήμη των υλικών και την ανακάλυψη φαρμάκων, όπου οι επαγγελματίες δημιουργούν τα δικά τους συστήματα με τεχνητή νοημοσύνη. Αν μπορούσαμε να κάνουμε τις μηχανές να είναι τόσο καλές στην επιστήμη όσο οι άνθρωποι, αυτό θα ήταν μια ριζική τομή, επειδή μπορείς ναφτιάξειςπολλές από αυτές» Πράγματι, οτιδήποτε επαναστατικά νέο αντιμετωπίζεται τουλάχιστον με καχυποψία, αν όχι με εχθρότητα. Κυρίως ξυπνάει ο φόβος ότι τάχα πολύς κόσμος θα χάσει τη δουλειά του –την εποχή που βγήκε η ραπτομηχανή, επαναστάτησαν οι ραφτάδες– ή ότι τα ρομπότ στη βιομηχανία θα αντικαταστήσουν τους εργάτες, παρόλο που είναι αναγκαία λόγω της γήρανσης του πληθυσμού. Από την άλλη πλευρά εγείρονται καίρια ερωτήματα για τη σχέσητουανθρώπου με την τεχνολογία και προπαντός για την επικινδυνότητά της με δεδομένο τον παραλογισμότηςανθρώπινηςφύσης, την τάση της να εθελοτυφλεί και να χρησιμοποιεί το επίτευγμα για να προκαλέσει ακόμη και τον όλεθρο. Όλα αυτά πρέπει να μας προβληματίζουν χωρίς να φρενάρουν την πρόοδο, ιδιαίτερα των νέων ανθρώπων, που αν δεν ακολουθήσουν, θα μείνουν πολύ πίσω. Μελετώντας, όσο μπορώ, τα θέματα, αισιοδοξώ ότι τα θετικά θα είναι περισσότερα και πάντως αν τα τελευταία χρόνια οι επιστήμονες έβρεξαν τα δάχτυλα των ποδιών τους στα ρηχά νερά της τεχνητής νοημοσύνης, από τώρα και μετά θα πρέπει να βουτήξουν στα βάθη της και να κολυμπήσουν προς τον ορίζοντα.
ΥΓ Η επέλαση της τεχνητής νοημοσύνης και ειδικότερα των εφαρμογών του είδους της ChatGPT ή της «δημιουργικής τεχνητής νοημοσύνης», δημιούργησε και πολλά ανέκδοτα, πιθανόν ως αντίδοτο στην αμηχανίατουκαινούργιου. Ρώτησαν έναν guru της Al, «τι είναι και πού βρίσκεται ο Θεός;» και αυτός απάντησε «είναι μπροστά σου και μιλάς μαζί του»… Στον αντίποδα, ο καθηγητής Νικ Μπόστρομ, σε συνέντευξή του στην Καθημερινή, όταν η συζήτηση άγγιξε το λεπτό ζήτημα της πίστης στον Θεό, είπε: «Θα μπορούσε να υπάρχει κάποια ανώτερηδύναμη και όσο περισσότερο σκέφτεται κανείς αυτές τις μεγάλεςερωτήσεις τόσο μικρότερος νιώθει και τόσο μεγαλύτερη γίνεται ίσως η ανάγκη για μια χείραβοηθείας».
