‘Την θυγατέρα μου την ζητούσαν Ηλεκτρολόγοι, Μηχανολόγοι και Υδραυλικοί, αλλά δυστυχώς αυτή προτίμησε να παντρευτεί Πληροφορικό’ (παραφράζοντας τον Αρκά)
Το άρθρο αυτό αφιερώνεται σε όσους συμμετείχαν στις φετινές Πανελλήνιες εξετάσεις με όρεξη για Πανεπιστημιακές σπουδές ποιότητας και ανάπτυξη κριτικής σκέψης, μακριά από κάθε είδους αποστήθιση. Αντί να έχουν το ‘εύγε’ μας για την προσπάθειά τους, ακούν θεωρίες εξ υψηλών κύκλων της Εσπερίας προερχόμενες, που ήταν αδιανόητες μόλις πριν λίγα χρόνια: ότι οι Πανεπιστημιακές σπουδές είναι άχρηστες, και ότι για την επιτυχία φθάνει μια καλή ιδέα και κεφάλαιο (κατά προτίμηση του μπαμπά).
Κάθε άλλο παρά έτσι είναι τα πράγματα. Αν και, χάρις στην Τεχνητή Νοημοσύνη, η προσωποποιημένη μόρφωση ή η αυτομόρφωση (π.χ., ‘το σχολείο της ζωής’) είναι δυνατές, δεν μπορούν να υποκαταστήσει την Πανεπιστημιακή εκπαίδευση, τουλάχιστον όχι στο ορατό μέλλον. Το Πανεπιστήμιο προσφέρει όχι μόνον γνώσεις αλλά και περιβάλλον ανάπτυξης της προσωπικότητας και έναν άλλο τρόπο ζωής. Νέες/οι ‘αγράμματοι’ ή ημιμαθείς, ακόμα και οι ελάχιστοι από αυτούς που θα είναι ‘πετυχημένοι’, δεν θα μπορέσουν να επιβιώσουν στο επόμενο τεχνολογικό κύμα, που δεν ξέρουμε που και πότε θα έρθει. Βέβαια, φωτεινές εξαιρέσεις πάντα θα υπάρχουν. Αντίθετα, όσοι ‘μάθουν να μαθαίνουν’ και έχουν θεμελιακές γνώσεις σε κάποια επιστήμη που αποκτούνται σε ένα καλό ακαδημαϊκό περιβάλλον, όχι απλώς θα επιβιώσουν, αλλά θα ηγηθούν των νέων επιστημονικών και τεχνολογικών εξελίξεων.
Ακριβώς τέτοιους μορφωμένους πολίτες και επιστήμονες χρειάζεται η ανθρωπότητα και για να προχωρήσει σε μια Κοινωνία Γνώσης , να επιβληθεί στις μηχανές και να μεταβιβάσει τις γνώσεις στις επόμενες γενιές. Στην προσπάθεια αυτή χρειάζονται όλα τα μυαλά και μόρφωση όλων των ανθρώπων και των φτωχότερων στο Παγκόσμιο Νότο και των γυναικών (στις Ισλαμικές χώρες). Θεωρίες μη-μόρφωσης κάνουν μεγάλο κακό στην προσπάθεια αυτή. Ακόμη μεγαλύτερο κακό κάνουν τα πανεπιστημιακά δίδακτρα, τα φοιτητικά δάνεια και η έλλειψη πολιτικών οικονομικής ενίσχυσης των συνεπών φοιτητριών/ών. Σήμερα, η καλύτερη και πιο αποδοτική κρατική επένδυση είναι στην μόρφωση επιστημόνων και πολιτών. Κάθε έκπτωση στην δωρεάν παιδεία ποιότητας θα έχει ακόμα και βραχυπρόθεσμες συνέπειες. Δέστε το πόσο εύκολα οι υπερήλικες πέφτουν θύματα απατών καθημερινά. Δεν φταίει μόνον το ευαίσθητο της ηλικίας τους, φταίει και η πλήρης άγνοια, π.χ., Φυσικής, με αποτέλεσμα να εξαπατώνται εύκολα από άσχετους ατσίδες ‘ηλεκτρολόγους της ΔΕΗ’.
Βέβαια το επαγγελματικό τοπίο έχει αλλάξει κυρίως λόγω της χρήσης της Τεχνητής Νοημοσύνης (ΤΝ) σχεδόν σε κάθε ανθρώπινη δραστηριότητα. Υπάρχουν επαγγέλματα που θα εξαφανιστούν ή θα αλλάξουν δραματικά. Αυτό όμως συνέβη στο παρελθόν σε κάθε τεχνολογική επανάσταση. Το γεγονός ότι, βραχυπρόθεσμα, μερικά χειρωνακτικά επαγγέλματα δεν θα επηρεαστούν πάρα πολύ, δεν σημαίνει ότι όλοι πρέπει να γίνουν υδραυλικοί ή ηλεκτροτεχνίτες. Άλλωστε, με την αναμενόμενη αυτοματοποίηση των κατασκευών κάθε είδους, πολλά χειρωνακτικά επαγγέλματα θα αλλάξουν δραστικά μεσοπρόθεσμα. Ήδη, η επαγγελματική οδήγηση θα οδηγηθεί σύντομα στην εξαφάνιση. Αντίθετα, μια Κοινωνία της Γνώσης και της επιστήμης πάντα θα έχει ανάγκη από καλούς επιστήμονες και ανθρώπους των τεχνών. Βέβαια, η μορφή και της πνευματικής και της χειρωνακτικής εργασίας θα αλλάξει. Η συνεργασία των ανθρώπων με τις μηχανές, που θα ενισχύουν τις ικανότητές μας, θα είναι εκ των ουκ άνευ. Μπορείτε να βρείτε περισσότερα στο βιβλίο μου: “Artificial Intelligence Science and Society Part C: AI Science and Society“ https://www.amazon.com/dp/9609156487?ref_=pe_3052080_397514860
Όλα τα παραπάνω έχουν τεράστιες επιπτώσεις στην Πανεπιστημιακή εκπαίδευση, που μόλις τώρα αρχίζουν να αναδεικνύονται. Φαίνεται ότι Πληροφορική (και η Ηλεκτρολογία) είναι σήμερα στην ίδια φάση που ήταν η Φυσική, η Χημεία και τα Μαθηματικά στα τέλη του 19ου αιώνα. Όπως η Φυσική γέννησε π.χ., τις επιστήμες Ηλεκτρολόγων Μηχανικών και Μηχανολόγων Μηχανικών, έτσι σήμερα η Πληροφορική γεννά θυγατρικές επιστήμες, όπως π.χ., την Τεχνητή Νοημοσύνη, την Επιστήμη Δεδομένων και την Επιστήμη Δικτύων. Αν και η Τεχνητή Νοημοσύνη είναι μεθοδολογικά συναφής με την Πληροφορική, έχει ίδια χαρακτηριστικά, και έντονη διεπιστημονικότητα (π.χ., σχετική με τις Νευροεπιστήμες, την Ψυχολογία και την Γλωσσολογία).
Τα προπτυχιακά προγράμματα σπουδών Τεχνητής Νοημοσύνης δεν φαίνεται πιά να χωρούν στα προγράμματα σπουδών Πληροφορικής και Ηλεκτρολογίας. Βεβαίως γεννάται το ερώτημα το τι θα γίνει με τις σπουδές Πληροφορικής ή Μηχανικών Υπολογιστών (ή ΗΜΜΥ), αν δημιουργηθούν ανεξάρτητες σπουδές Τεχνητής Νοημοσύνης. Πολλά τμήματα Computer Science και Electrical (and Computer) Engineering στις ΗΠΑ έχουν ήδη πτώση στις εγγραφές προπτυχιακών φοιτητών της τάξης του 50% (!) και 10%, αντίστοιχα, διότι δεν ακολούθησαν καλή πολιτική σε θέματα διδασκαλίας Τεχνητής Νοημοσύνης. Οι ενδιαφερόμενοι μελλοντικοί φοιτητές θεωρούν ότι ο προγραμματισμός ΗΥ (πυρήνας της Πληροφορικής, κατά την γνώμη τους, αν και λάθος) έχει χαθεί λόγω των Μεγάλων Γλωσσικών Μοντέλων (τύπου Claude Code). Ταυτόχρονα, δεν βρίσκουν επαρκή μαθήματα ΤΝ στο προπτυχιακό πρόγραμμα των τμημάτων αυτών. Φαίνεται ότι τελικά οι υπάρχει ο κίνδυνος οι σπουδές Τεχνητής Νοημοσύνης μπορεί να κανιβαλίσουν τις σπουδές Πληροφορικής (και λιγότερο των ΗΜΜΥ).
Κατά την γνώμη μου, πάντα θα υπάρχει ανάγκη για σπουδές ποιότητας και στην Τεχνητή Νοημοσύνη και στην Πληροφορική που θα δίνουν θεμελιώδεις αλγοριθμικές/μαθηματικές γνώσεις στους φοιτητές και την απαραίτητη μόρφωση ώστε να ‘μάθουν να μαθαίνουν’. Θα υπάρχει τεράστια ζήτηση τέτοιων επιστημόνων στο προβλεπτό μέλλον, σε αντίθεση με την ζήτηση ‘καταρτισμένων προγραμματιστών ΗΥ’, που θα πέσει λόγω της χρήσης της Τεχνητής Νοημοσύνης. Η εναλλακτική λύση θα ήταν η υπερεξειδίκευση (π.χ., Μηχανικοί Μεγάλων Γλωσσικών Μοντέλων). Όμως μια τέτοια λύση είναι βραχύβια, αν οι επιστήμονες δεν έχουν θεμελιώδεις γνώσεις ΤΝ, Πληροφορικής και Μαθηματικών.
Ήδη υπάρχουν 1100+ προπτυχιακά προγράμματα σπουδών Τεχνητής Νοημοσύνης παγκοσμίως. Έχουν μια αύξηση πάνω από 120% στο διάστημα 2023-2025. Πρωταθλητής είναι η Κίνα με 600+ τέτοια προγράμματα. Ο υπόλοιπος κόσμος, ειδικά ασιατικές χώρες (π.χ. Ινδία) και Ευρωπαϊκές (π.χ., Ηνωμένο Βασίλειο) ακολουθούν. Οι ΗΠΑ είναι πιο πίσω. Πολλές χώρες (και η δικιά μας) δεν έχουν τέτοια προγράμματα.
Η εξέλιξη αυτή έχει βαθύτερα αίτια. Καθώς τα πάντα, π.χ. εικόνες, λέξεις, μετατρέπονται σε αριθμούς (διανύσματα), όλες οι επιστήμες μαθηματικοποιούνται ήδη στο ένα ή άλλο βαθμό. Αυτό το γεγονός συνεπάγεται έναν ανασχεδιασμό του εκπαιδευτικού συστήματος σε όλα τα επίπεδα. Προς αυτή την κατεύθυνση, θα πρέπει να επιδιώκουμε την καλλιέργεια κριτικής σκέψης και μόρφωσης πολιτών και επιστημόνων αντί της απλής κατάρτισης δεξιοτήτων, ώστε να μπορούν να χειριστούν αυτές τις επαναστατικές αλλαγές. Ευτυχώς, οι βασικές έννοιες της ΤΝ είναι απλές και κατανοητές και μπορούν να διδαχθούν μέσω μιας αναδιάρθρωσης των μαθημάτων Μαθηματικών και Πληροφορικής στα Γυμνάσια και Λύκεια (και σε Πανεπιστημιακά τμήματα), με στόχο την ενίσχυση της μαθηματικής και αλγοριθμικής σκέψης. Έχω καταθέσει τέτοιες προτάσεις πολλές φορές την τελευταία διετία σε επιτροπές που συμμετείχα. Ήδη η Ιταλία προχωρά ακριβώς προς αυτή την κατεύθυνση (σύμφωνα με δημοσιογραφικές πληροφορίες). Κάτι περισσότερο θα ξέρουν. Αντίθετα, μου φαίνεται ότι στην χώρα μας μάλλον κινούμαστε σε άλλες λιγότερο παραγωγικές κατευθύνσεις, κινδυνεύοντας να παράγουμε καλούς χρήστες ΤΝ αντί επιστήμονες που ξέρουν ΤΝ.
Γενικά, η εκπαίδευση ποιότητας σε κάθε βαθμίδα αναμένεται να γίνεται με μεγαλύτερη διδακτική προσπάθεια σε μικρότερα ακροατήρια. Αυτό σημαίνει ότι θα γίνει πολύ πιο ακριβή και θα απευθύνεται μόνον σε όσους έχουν την σχετική οικονομική δυνατότητα (αν δεν υπάρξει δραστική κρατική/κοινωνική παρέμβαση). Η εκπαίδευση των πολλών θα στηρίζεται όλο και περισσότερο σε μαζική χρήση εργαλείων ΤΝ, με πολύ αμφίβολα αποτελέσματα και θα διευρύνει το μορφωτικό χάσμα προνομιούχων-μη προνομιούχων. Μια τέτοια χρήση της ΤΝ στην εκπαίδευση θα είναι φθηνή για το κράτος, αλλά καταστροφική σε κοινωνικό επίπεδο. Η ΤΝ πρέπει να υπηρετεί την ποιότητα της εκπαίδευσης, όχι την μείωση του κόστους της. Απλά, η ανθρωπότητα χρειάζεται όχι λίγα, αλλά όσο το δυνατόν περισσότερα καλά μυαλά.
Η καλή μόρφωση πρέπει να παρέχεται σε όλους, ανεξαρτήτως χώρας, φύλου ή κοινωνικής τάξης. Η ψηφιακή ανισότητα πρέπει να μειωθεί, ώστε όλα τα κοινωνικά στρώματα, οι γυναίκες (σε πολλές χώρες) και ο Παγκόσμιος Νότος να ωφεληθούν, να εξασφαλιστεί η παγκόσμια πρόσληψη γνώσης, ώστε να μειωθούν οι απειλές για τη δημοκρατία λόγω παραπληροφόρησης ή τεχνοφοβίας. Διαφορετικά, η ανθρωπότητα δεν θα μπορεί να δημιουργήσει την απαραίτητη νέα γνώση και να την μεταλαμπαδεύσει στις νεότερες γενιές, κινδυνεύοντας να υποστεί εσωτερική κατάρρευση, χειρότερη από αυτήν που σήμανε το τέλος του αρχαίου κόσμου (και την αρχή του σκοταδιστικού Μεσαίωνα).
Οι επιπτώσεις των εξελίξεων αυτών στην Πανεπιστημιακή εκπαίδευση αναμένεται να είναι επαναστατικές. Από την στιγμή που η Πληροφορία έρχεται, επιστημολογικά, στο ίδιο επίπεδο σημαντικότητας με την ύλη και την φύση (αντικείμενα των Φυσικών Επιστημών) και το ανθρωπογενές περιβάλλον (αντικείμενο των Πολυτεχνικών Επιστημών), οδηγούμαστε νομοτελειακά σε νέα Πανεπιστημιακή οργάνωση, π.χ., με δημιουργία ‘Σχολών Πληροφοριακής Επιστήμης και Μηχανικής’. Εκεί ανήκουν όλα τα τμήματα που αναλύουν πληροφορίες, και τα παραδοσιακά, π.χ., Μαθηματικών, Ηλεκτρολόγων, Πληροφορικής και νέα, π.χ., τμήματα Τεχνητής Νοημοσύνης. Είναι σημαντικό να εκτεθούν όλοι οι φοιτητές τους και σε θέματα Ηθικής και Κοινωνιολογίας/Ψυχολογίας, αν θέλουμε την δημιουργία νέων μορφωμένων επιστημόνων και ανθρωποκεντρικών τεχνολογιών.
Οι επιπτώσεις σε όλους τους κλάδους της Πανεπιστημιακής εκπαίδευσης, πέραν των Θετικών και Πολυτεχνικών Επιστημών θα είναι ακόμα πιο δραματικές. Σήμερα, οι Επιστήμες αυτές, π.χ., οι Ανθρωπιστικές ή Νομικές, δεν είναι έτοιμες να αντιμετωπίσουν την μαθηματικοποίηση των αντικειμένων τους. Όμως, δεν είναι δυνατόν να γίνει έρευνα μεσοπρόθεσμα, π.χ., στην Γλωσσολογία, χωρίς εισαγωγή σοβαρών μαθημάτων Μαθηματικών και Πληροφορικής στις προπτυχιακές σπουδές. Δεν είναι προφανές αν αυτό είναι ανθρωπίνως δυνατόν να γίνει, ούτε πως θα γίνει. Και άλλες επιστήμες, π.χ., Υγείας, Βιοεπιστήμες έχουν αντίστοιχα προβλήματα, αλλά είναι πιο διαχειρίσιμα. Εκτός από την προφανή λύση Πανεπιστημιακών σπουδών του τύπου ‘Χ (οποιαδήποτε επιστήμη σαν κύρια κατεύθυνση) και Τεχνητή Νοημοσύνη/Πληροφορική/Μαθηματικά (δευτερεύουσα κατεύθυνση)’, η δημιουργία ειδικών τμημάτων, π.χ., ‘Βιο-μηχανικής/Βιο-πληροφορικής’ (στις Σχολές Υγείας) και ‘Ψηφιακών Ανθρωπιστικών Σπουδών’ (στις Φιλοσοφικές Σχολές) θα μπορούσε να ήταν μια καλή εξέλιξη.
Τα προαναφερόμενα προβλήματα εκπαίδευσης και μόρφωσης είναι παγκόσμια. Χρειάζεται συστηματικός διάλογος και έρευνα για το πως θα αντιμετωπιστούν. Πρέπει να αρχίσει άμεσα στην χώρας μας, διότι ήδη έχουμε καθυστερήσει σημαντικά. Για παράδειγμα, στην Ελλάδα, πέραν μερικών Μεταπτυχιακών Προγραμμάτων Σπουδών ΤΝ, δεν υπάρχουν Τμήματα ή Προπτυχιακά Προγράμματα Σπουδών Τεχνητής Νοημοσύνης, παρά μόνον μεμονωμένα προπτυχιακά μαθήματα ή, στην καλύτερη περίπτωση (όπως στο Τμήμα Πληροφορικής ΑΠΘ) σχετικές ροές προπτυχιακών μαθημάτων.
Ελπίζω οι διαλέξεις μου για τις επιπτώσεις της Τεχνητής Νοημοσύνης στην Πανεπιστημιακή Εκπαίδευση στο Τμήμα Πληροφορικής Πανεπιστημίου Αθηνών (ΕΚΠΑ, Αίθουσα Α56, 16/6/2026, 11 πμ) και στο Ινστιτούτο Πληροφορικής του Ιδρύματος Τεχνολογίας και Έρευνας στο Ηράκλειο Κρήτης (Κεντρικό κτίριο ΙΤΕ, αίθουσα Κ. Φωτάκη, 18/6/2026, 12μμ) να συνεισφέρουν στον διάλογο αυτό. Μπορείτε να βρείτε τις διαλέξεις στην σελίδα: https://icarus.csd.auth.gr/university-ai-education/
Δρ. Ιωάννης Πήτας
pitas@csd.auth.gr, pitas@iti.gr, 6981031009
Πρόεδρος της Διεθνούς Ακαδημίας Διδακτορικών Σπουδών στην Τεχνητή Νοημοσύνη (AIDA)
Κύριος Ερευνητής Τμήματος Πληροφορικής ΑΠΘ και ΕΚΕΤΑ/ΙΠΤΗΛ
