Τετάρτη 11 Νοεμβρίου 2026

Κακοπαιδικά Λήμματα: ΝΟΜΟΙ ΤΟΥ ΜΕΡΦΥ ΓΙΑ ΤΗΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ


Ο Μέρφι υποστήριξε ότι αν κάτι μπορεί να πάει στραβά, θα πάει. Δεν πρόλαβε, όμως, να γνωρίσει την Τεχνητή Νοημοσύνη: μια τεχνολογία που μπορεί να επιλύει σύνθετα προβλήματα, να δημιουργεί εικόνες και να γράφει κείμενα, αλλά κάποιες φορές δυσκολεύεται να παραδεχτεί ότι δεν γνωρίζει την απάντηση. Ακολουθούν 30 παλαιότερα αποφθέγματα και σύγχρονες σατιρικές παραλλαγές — με μία κοινή διαπίστωση: η τεχνολογία εξελίσσεται, ο Μέρφι παραμένει επίκαιρος.

1.  Το Λήμμα του Sullivan 

Η Τεχνητή Νοημοσύνη δεν μπορεί να συγκριθεί με τη φυσική βλακεία. Η δεύτερη διαθέτει εκατομμύρια χρόνια εξέλιξης.

2.  Το Αξίωμα του Osburn 

Οι υπολογιστές δεν είναι έξυπνοι. Απλώς νομίζουν ότι είναι. Το πρόβλημα αρχίζει όταν το νομίζουμε κι εμείς.

3.  Η Προειδοποίηση του Harris — Η αντιστροφή των ρόλων

Ο πραγματικός κίνδυνος δεν είναι να αρχίσουν οι υπολογιστές να σκέφτονται σαν άνθρωποι, αλλά να αρχίσουν οι άνθρωποι να σκέφτονται σαν υπολογιστές.

4.  Ο Τελευταίος Νόμος της Ρομποτικής — Ο αιώνιος ένοχος

Τα μόνα πραγματικά λάθη είναι τα ανθρώπινα. Ακόμη κι όταν τα κάνει το ρομπότ, κάποιος άνθρωπος θα βρεθεί να φταίει.

5.  Ο Νόμος της Αναξιοπιστίας — Η τελειοποίηση του λάθους

Το να κάνεις λάθος είναι ανθρώπινο. Για να τα κάνεις, όμως, εντελώς θάλασσα, χρειάζεσαι υπολογιστή.

6.  Ο Νόμος του Greer — Η κυριολεξία της μηχανής

Ένα πρόγραμμα υπολογιστή κάνει αυτό που του λες να κάνει, όχι αυτό που θα ήθελες να κάνει. Και η διαφορά αποκαλύπτεται συνήθως όταν είναι πολύ αργά.

7.  Ο Κανόνας του Horowitz — Η ταχύτητα της αποτυχίας

Ένας υπολογιστής μπορεί να κάνει μέσα σε δύο δευτερόλεπτα τόσα λάθη όσα είκοσι άνθρωποι που εργάζονται επί είκοσι χρόνια.

8.  Ο Νόμος του Junior — Η ακρίβεια του λάθους

Οι υπολογιστές κάνουν λάθη με απίστευτη ταχύτητα και αξιοθαύμαστη ακρίβεια. Το αποτέλεσμα είναι λανθασμένο, αλλά υπολογισμένο μέχρι το τελευταίο δεκαδικό ψηφίο.

9.  Η Αρχή Pollyanna της IBM — Ο καταμερισμός της εργασίας

Οι μηχανές πρέπει να εργάζονται. Οι άνθρωποι πρέπει να σκέφτονται. Η σύγχρονη εκδοχή θέλει τις μηχανές να κάνουν και τα δύο, ενώ οι άνθρωποι παρακολουθούν.

10.  Ο Νόμος του Lubarsky — Η αθανασία των σφαλμάτων

Υπάρχει πάντα ένα ακόμη σφάλμα (bug). Και μόλις διορθώσεις το τελευταίο, ανακαλύπτεις ότι ήταν το προτελευταίο.

11.  Ο Τρίτος Νόμος του Clarke — Η τεχνολογία ως μαγεία

Κάθε επαρκώς προηγμένη τεχνολογία είναι δυσδιάκριτη από τη μαγεία. Μέχρι να σταματήσει να λειτουργεί και να χρειαστεί να την επανεκκινήσεις.

12.  Ο Νόμος της Επείγουσας Αναζήτησης — Η εκθετική ατυχία

Ο αριθμός των άχρηστων αποτελεσμάτων μιας αναζήτησης αυξάνεται εκθετικά όσο πιο επειγόντως χρειάζεσαι τη σωστή απάντηση.

13.  Το Απόφθεγμα του Picasso — Η αξία της ερώτησης

Οι υπολογιστές είναι άχρηστοι. Το μόνο που μπορούν να σου δώσουν είναι απαντήσεις. Κι όμως, το δύσκολο είναι να ξέρεις τι πρέπει να ρωτήσεις.

14.  Ο Νόμος του Μέρφι για την AI — Η απρόβλεπτη επιτυχία

Αν κάτι μπορεί να πάει στραβά με την Τεχνητή Νοημοσύνη, κάποια στιγμή θα πάει. Και το χειρότερο είναι ότι η μηχανή μπορεί να έχει εκτελέσει κατά γράμμα τις οδηγίες σου.

15.  Ο Νόμος της Ευθυγράμμισης — Η παγίδα του στόχου

Δώσε στην Τεχνητή Νοημοσύνη έναν στόχο και θα προσπαθήσει να τον πετύχει. Αν όμως ξέχασες να της εξηγήσεις τι δεν πρέπει να θυσιάσει στην πορεία, ετοιμάσου για εκπλήξεις.

16.  Η Αρχή της Παραισθήσεως — Η αυτοπεποίθηση της άγνοιας

Όταν η Τεχνητή Νοημοσύνη δεν γνωρίζει την απάντηση, μπορεί να την επινοήσει. Και, σαν να μην έφτανε αυτό, θα παραθέσει και βιβλιογραφία.

17.  Ο Νόμος του Prompt Engineering — Η τέχνη της παρεξήγησης

Όσο περισσότερο προσπαθείς να εξηγήσεις στην Τεχνητή Νοημοσύνη τι ακριβώς θέλεις, τόσο περισσότερους τρόπους ανακαλύπτει να σε παρεξηγήσει.

18.  Ο Νόμος των Δεδομένων Εκπαίδευσης — Η ψηφιακή χωματερή

Αν εκπαιδεύσεις ένα μοντέλο με σκουπίδια, μην εκπλαγείς όταν σου παρουσιάσει τα αποτελέσματα ως επιστημονική ανακάλυψη. Το εντυπωσιακό είναι ότι μπορεί να το κάνει με εξαιρετική διατύπωση.

19.  Ο Νόμος της Δημόσιας Επίδειξης — Η κατάρα της παρουσίασης

Η πιθανότητα να κάνει λάθος η Τεχνητή Νοημοσύνη είναι ευθέως ανάλογη με τον αριθμό των ανθρώπων στους οποίους προσπαθείς να αποδείξεις ότι δεν κάνει λάθη.

20.  Ο Νόμος της Υπερπροσαρμογής — Ο αιώνιος άριστος μαθητής

Ένα μοντέλο μπορεί να γνωρίζει απέξω όλες τις απαντήσεις των προηγούμενων εξετάσεων και να αποτύχει μόλις του αλλάξεις τις ερωτήσεις.

21.  Ο Νόμος του Καραβοκύρη — Το χαμένο συμφραζόμενο

Όσο μεγαλύτερο είναι το παράθυρο συμφραζομένων ενός μοντέλου, τόσο πιο πιθανό είναι να χαθεί η μοναδική οδηγία που πραγματικά σε ένοιαζε — κάπου ακριβώς στη μέση.

22.  Το Αξίωμα του Δεληβοριά — Η εκπαίδευση του λάθους

Κάθε φορά που εκπαιδεύεις ένα μοντέλο να αποφεύγει ένα λάθος, του δίνεις την ευκαιρία να ανακαλύψει δέκα καινούργια.

23.  Το Λήμμα της Σκιαδαρέση — Η οικονομία των tokens

Στη δοκιμή η Τεχνητή Νοημοσύνη κοστίζει ψίχουλα. Στην παραγωγή ανακαλύπτεις ότι τα ψίχουλα τιμολογούνται με το δισεκατομμύριο.

24.  Ο Κανόνας του Πετροχείλου — Η τέλεια μετάφραση

Η μετάφραση της Τεχνητής Νοημοσύνης είναι πάντα άψογη. Εκτός από τις περιπτώσεις που χρειάζεται να είναι σωστή.

25.  Η Παρατήρηση της Κουρουπάκη — Οι δικλίδες ασφαλείας

Η Τεχνητή Νοημοσύνη μπορεί να αρνηθεί να σου πει πώς βράζεται ένα αυγό «για λόγους ασφαλείας», αλλά να σου εξηγήσει με κάθε σοβαρότητα πώς κατασκευάζεται διαστημόπλοιο από πατάτες.

26.  Ο Νόμος του Μοσχονά — Η ταχύτητα της αναμονής

Όταν τη δοκιμάζεις μόνος σου, η Τεχνητή Νοημοσύνη απαντά αστραπιαία. Μόλις μαζευτούν όλοι να τη δουν, αποφασίζει να συλλογιστεί σε βάθος.

27.  Το Πόρισμα του Φραγκιαδάκη — Τα δεδομένα που έλειπαν

Τα σημαντικότερα δεδομένα για την εκπαίδευση ενός μοντέλου είναι πάντα εκείνα που ανακαλύπτεις ότι ξέχασες μόλις τελειώσει η εκπαίδευση.

28.  Η Αρχή του Κουτρουμπή — Η πλαστή εντολή

Οι κανόνες ενός μοντέλου μοιάζουν απολύτως σαφείς, μέχρι να συναντήσει ένα κείμενο που παριστάνει τον προϊστάμενό του.

29.  Ο Νόμος του Σαρανταπήχη — Η εκατοστή εντολή

Ένας αυτόνομος πράκτορας Τεχνητής Νοημοσύνης θα εκτελέσει σωστά 99 διαδοχικές εντολές. Στην εκατοστή θα διαγράψει τη βάση δεδομένων. Και θα αναφέρει ότι ολοκλήρωσε επιτυχώς την εργασία του.

30.  Το Σχόλιο της Μαυρογένους — Το κινηματογραφικό άλλοθι

Όσο αυστηρότερους κανόνες έχει ένα μοντέλο, τόσο πιο δημιουργικά θα δοκιμάσουν οι χρήστες τα όριά τους. Η πιο δημοφιλής εισαγωγή: «Είναι για το σενάριο μιας ταινίας…»

Δεν υπάρχουν σχόλια:

Δημοσίευση σχολίου