Τεχνητή Νοημοσύνη: Ψηφιακή Ουτοπία ή Δυστοπικός Εφιάλτης

«Τυπώνουν χωρίς ντροπή, με ελάχιστο κόστος, υλικό που μπορεί να αναστατώσει ευεπηρέαστους νέους, ενώ ένας αληθινός συγγραφέας πεθαίνει από την πείνα. Θεραπεύστε την πανούκλα που καταλύει τους νόμους της ευπρέπειας και συγκρατήστε τους τυπογράφους. Επιμένουν στις αρρωστημένες τους διαστροφές, στοιχειοθετώντας τον Τίβουλλο, ενώ ένα νεαρό κορίτσι διαβάζει Οβίδιο και μαθαίνει την αμαρτία. [...] Η γραφή, που μας φέρνει χρυσάφι, πρέπει να τιμάται και να θεωρείται ευγενέστερη από κάθε αγαθό, εκτός κι αν έχει εξευτελιστεί στον οίκο ανοχής των πιεστηρίων.»

Έτσι έγραφε ο Ιταλός βενεδικτίνος μοναχός Filippo de Strata σε επιστολή του προς τον Δόγη της Βενετίας το 1490, διαμαρτυρόμενος για την εισαγωγή της τυπογραφίας στην πόλη.

Στην πορεία της Ιστορίας, κάθε κύμα τεχνολογικής καινοτομίας αντιμετωπίστηκε με μίγμα περιέργειας και φόβου. Πάρτε για παράδειγμα την ανακάλυψη του ηλεκτρισμού· αρχικά θεωρήθηκε ένα ευχάριστο παιχνίδι, με δημόσιες επιδείξεις που κυμαίνονταν από την ήπια ψυχαγωγία της ηλεκτρικής γραφίδας του Τόμας Έντισον μέχρι το μακάβριο θέαμα της ηλεκτροπληξίας ζώων. Ο ηλεκτρισμός άρχισε να θεωρείται και ως πιθανός κίνδυνος για τη δημόσια υγεία. Με το πέρασμα των δεκαετιών, οι φόβοι υποχώρησαν, καθώς η βαθιά χρησιμότητά του έγινε φανερή ακόμη και στους πλέον σκεπτικιστές, εγκαθιστώντας τον ως το θεμέλιο της σύγχρονης κοινωνίας.

 Η εικόνα είναι σχέδιο του 1889 κατά του ηλεκτρισμού και τιτλοφορείται "Ο Αδέσμευτος Δαίμων" ("The Unrestrained Demon").

Ένα άλλο παράδειγμα: οι Λουδίτες, μια ομάδα εργατών υφαντουργίας στην Αγγλία του 19ου αιώνα, που κατέστρεφαν αργαλειούς σε ένδειξη διαμαρτυρίας για την απώλεια θέσεων εργασίας και δεν δίσταζαν να προσφύγουν στη βία.

Αυτά τα ιστορικά περιστατικά αντικατοπτρίζουν μια διαρκή αγωνία: την ανησυχία που συνοδεύει τις νέες τεχνολογίες και τον φόβο ότι οι ανθρώπινες δεξιότητες θα καταστούν παρωχημένες. Παρόμοιες ανησυχίες εκφράζονται σήμερα απέναντι στην τεχνητή νοημοσύνη (AI).

Η AI βρίσκεται ανάμεσά μας εδώ και δεκαετίες, έχοντας σημειώσει σημαντική πρόοδο από την εποχή των συστημάτων βασισμένων σε κανόνες (rules-based systems), στη δεκαετία του '60. Μόνο όμως τα τελευταία χρόνια καταγράφηκε μια σημαντική καμπή, χάρη στον συνδυασμό των Μεγάλων Γλωσσικών Μοντέλων (LLMs) — που αποτελούν παραδείγματα διαδικασιών Βαθιάς Μάθησης (Deep Learning) — και των τεράστιων συνόλων δεδομένων (Big Data) με τα οποία εκπαιδεύονται. Παρότι η Τεχνητή Γενική Νοημοσύνη (AGI), που θεωρείται από πολλούς το Άγιο Δισκοπότηρο της έρευνας AI, παραμένει προς το παρόν άπιαστο όνειρο, η «στενή» AI ήδη ξεπερνά τους ανθρώπους σε πληθώρα εξειδικευμένων εργασιών.

Τι κάνουμε λοιπόν μπροστά στην αδυσώπητη προέλαση της AI; Να σταυρώσουμε τα δάχτυλα και να ελπίσουμε στο καλύτερο, σαν σύγχρονες Πολυάννες; Ή να γίνουμε νεολουδίτες, γκρεμίζοντας κάθε ψηφιακό δημιούργημα της AI που εμφανίζεται μπροστά μας;

Η απάντηση είναι: τίποτε από τα δύο. Καταρχάς, είμαστε ακόμη στα πρώτα βήματα. Η τεχνολογία βρίσκεται σε νηπιακό στάδιο. Ναι, έχει ήδη αποδείξει ότι μπορεί να προσφέρει χρήσιμη βοήθεια σε διάφορους τομείς, αλλά κάνει λάθη, παραληρεί και δεν είναι ιδιαίτερα δημιουργική αν δεν καθοδηγείται προσεκτικά από έμπειρο χρήστη.

Ένας πράκτορας AI μπορεί να δώσει φαινομενικά διορατικές απαντήσεις σε ερωτήματα εξειδικευμένων θεμάτων, εκεί όπου ένας μέσος χρήστης, χωρίς ειδικές γνώσεις, θα αδυνατούσε. Ειδικοί σε συγκεκριμένα αντικείμενα — προγραμματιστές, μηχανικοί, καλλιτέχνες, επιστήμονες κ.ά. — διαθέτουν την απαραίτητη κατάρτιση ώστε να θέσουν πολύπλοκα τεχνικά ερωτήματα χρησιμοποιώντας εξειδικευμένη ορολογία και είναι σε θέση να κατανοήσουν τις ειδικές, συμφραζόμενες απαντήσεις της AI. Αυτοί οι έμπειροι χρήστες μπορούν επίσης να εντοπίζουν προβλήματα και αδυναμίες στις απαντήσεις και να τις βελτιώνουν μέσα από διαδοχικά ερωτήματα — κάτι που ο μέσος χρήστης δεν είναι σε θέση να κάνει λόγω έλλειψης εξειδίκευσης.

Σε πρακτικό επίπεδο, ένας εξειδικευμένος χρήστης μπορεί επομένως να χρησιμοποιήσει τα σημερινά συστήματα AI ως ημι-ειδικευμένους συνεργάτες και να επιτύχει σταδιακές βελτιώσεις, ζητώντας επιπλέον βοήθεια όπου χρειάζεται. Μόνο οι ειδικοί, που έχουν αφιερώσει τη ζωή τους στην καλλιέργεια των δεξιοτήτων τους, διαθέτουν την τεχνογνωσία να ωθήσουν αυτή την τεχνολογία στα άκρα — πέρα από τις δυνατότητες ενός απλού χρήστη.

Για παράδειγμα, ας υποθέσουμε ότι κάποιος συνθέτει μουσική επαγγελματικά και έχει στη διάθεσή του έναν πράκτορα AI που μπορεί να βοηθήσει στη σύνθεση. Θα μπορούσε να του ζητήσει να δημιουργήσει ένα πρότυπο θέματος που, αν και δεν έχει ακόμα πλήρως αποκρυσταλλωθεί στο μυαλό του, γνωρίζει πως πρέπει να είναι σε Ντο ελάσσονα και να θυμίζει μπαρόκ έργα του Τέλεμαν και του Περγκολέζι. Υποθέτει ότι ο ήχος που έχει στο μυαλό του μοιάζει κατά 80% με Τέλεμαν και 20% με Περγκολέζι. Ίσως υπάρχει και μια πινελιά Κορέλλι, αλλά δεν είναι σίγουρος. Ξέρει ακριβώς ποια όργανα θέλει να χρησιμοποιήσει, γνωρίζει την αρμονία κ.λπ., και μεταβιβάζει αυτές τις πληροφορίες στην AI ζητώντας της να δημιουργήσει ένα δοκιμαστικό θέμα.

Ίσως να μην του αρέσει το αποτέλεσμα. Ζητάει παραλλαγές μέχρι να βρει κάτι που πλησιάζει αυτό που είχε στο μυαλό του ή κάτι που τον εμπνέει. Έπειτα ζητά από την AI να περάσει τις νότες στο πεντάγραμμο, να εκτυπώσει την παρτιτούρα, ώστε να κάνει τις τελικές ρυθμίσεις ο ίδιος. Σκανάρει το τροποποιημένο έργο και το στέλνει ξανά στην AI για να του βελτιώσει το τέμπο ή να αλλάξει την ταχύτητα κάποιων φράσεων, μέχρι το αποτέλεσμα να τον ικανοποιεί και να πλησιάζει την αρχική του έμπνευση. Συνοπτικά, αυτή η συνεργασία με την AI απλουστεύει σημαντικά τη δουλειά του συνθέτη, ενώ εκείνος παραμένει ο δημιουργικός διευθυντής της όλης διαδικασίας.

Είναι αυτό ανάρμοστο; Σκεφτείτε τον Hans Zimmer, τον διάσημο συνθέτη κινηματογραφικής μουσικής, ο οποίος έχει τη δυνατότητα να προσλαμβάνει πλήθος άλλων συνθετών, ενορχηστρωτών και ηχοληπτών για να τον βοηθούν στη σύνθεση και διαμόρφωση της μουσικής του για ταινίες. Η χρήση της AI θα μπορούσε να επιτρέψει σε συνθέτες με περιορισμένο προϋπολογισμό και μικρότερη αναγνωρισιμότητα να κάνουν κάτι παρόμοιο – και ίσως να γίνουν περισσότερο ανταγωνιστικοί, με τη μουσική τους να προσεγγίζει ευκολότερα νέο κοινό.

Όλα αυτά οδηγούν σε μια δημοκρατικοποίηση της δημιουργικής διαδικασίας και σε έναν πληθωρισμό δημιουργικότητας που θα έχει μακροπρόθεσμο αντίκτυπο σε κάθε επαγγελματικό τομέα. Για να κατανοήσουμε τι μπορεί να σημαίνει αυτό στην πράξη, ας επιστρέψουμε στο υποθετικό μας σενάριο στον χώρο της μουσικής. Η προσφορά και ο ανταγωνισμός θα αυξηθούν σημαντικά, με βασική διαφορά ότι το πεδίο του ανταγωνισμού θα είναι πιο ισότιμο – με μικρότερους συνθέτες να έχουν πλέον τη δυνατότητα να ανταγωνίζονται τους πιο καταξιωμένους. Η παραγωγή θα αυξηθεί εκθετικά, καθιστώντας πολύ πιο δύσκολη την οικοδόμηση και διατήρηση μακροπρόθεσμης φήμης. Σε μια θάλασσα μέτριων συνθέσεων, ο καθοριστικός παράγοντας θα είναι, αναπόφευκτα, η μοναδικά προσωπική σφραγίδα που αφήνει ο δημιουργός στη μουσική του.

Τίποτε από αυτά δεν επαρκεί για να συμπεράνουμε ότι λιγότεροι άνθρωποι θα θεωρούν τη μουσική βιώσιμη επαγγελματική επιλογή· σίγουρα όμως θα αλλάξει ο τρόπος με τον οποίο οι μουσικοί χτίζουν καριέρα. Είναι επίσης απίθανο οι άνθρωποι να πάψουν ξαφνικά να θέλουν να μάθουν μουσικά όργανα – μια απαιτητική διαδικασία που δεν εξαφανίστηκε ούτε όταν εμφανίστηκαν τα συνθεσάιζερ ή η ηλεκτρονική μουσική. Ίσα-ίσα, μπορεί να υπάρξει αυξημένο ενδιαφέρον για ζωντανές εκδηλώσεις, όπως συναυλίες και ρεσιτάλ.

Ας πάρουμε για παράδειγμα τη ζωγραφική και τη φωτογραφία. Η φωτογραφία δεν κατέστρεψε τη ζωγραφική· την ανανέωσε. Επαναπροσδιόρισε το νόημα της τέχνης της ζωγραφικής και, ως μπόνους, δημιούργησε έναν νέο κλάδο: την καλλιτεχνική φωτογραφία και τα συναφή επαγγέλματα. Όταν η πιστή αναπαράσταση υποχώρησε μπροστά στην αδιαμφισβήτητη υπεροχή της ακρίβειας του φωτογραφικού φακού στα τέλη του 19ου και στις αρχές του 20ού αιώνα, ο δημιουργός απελευθερώθηκε από τη ρεαλιστική προσήλωση και γεννήθηκε η μοντέρνα τέχνη. Μια νέα γενιά ρηξικέλευθων καλλιτεχνών βγήκε στο προσκήνιο: Πικάσο, Νταλί, Μονέ, Μανέ, Καντίνσκι, Βαν Γκογκ και πολλοί άλλοι καβάλησαν αυτό το νέο κύμα.

Δεν υπάρχει αρκετός χώρος εδώ για να αναλύσουμε τα πολύ σημαντικά κοινωνικά επακόλουθα που είχαν αυτές οι εξελίξεις – αυτό είναι έργο που αρμόζει καλύτερα στους ιστορικούς. Το συμπέρασμα όμως είναι ότι θα ήταν τουλάχιστον παραπλανητικό να επιμείνει κανείς ότι η φωτογραφία κατέστρεψε τη ζωγραφική. Και για έναν πρόσθετο λόγο: οι ρεαλιστικές αναπαραστάσεις εξακολουθούν να αποτελούν ενεργό κλάδο της ζωγραφικής μέχρι και σήμερα.

Στον σύγχρονο κόσμο, όσοι βιοπορίζονται αποκλειστικά από τη δημιουργική ζωγραφική έχουν σαφώς ευκολότερη πρόσβαση στην αγορά σε σχέση με τους προκατόχους τους στον 18ο και 19ο αιώνα, οι οποίοι δύσκολα προχωρούσαν χωρίς την υποστήριξη πλούσιων χορηγών. Φυσικά, αυτό οφείλεται σε θεμελιώδεις βελτιώσεις των κοινωνικών συνθηκών – αλλά και αυτές επηρεάστηκαν σημαντικά από τις ιστορικές εξελίξεις που αναφέρθηκαν. Είναι δύσκολο να ξεμπλέξει κανείς με ακρίβεια πώς τροφοδότησε η μία τάση την άλλη. Η κοινωνία φυσώντας και ξεφυσώντας, έριξε τις πόρτες και αντικατέστησε ένα ξεπερασμένο οικοδόμημα με ένα πιο σύνθετο.

Στις αριθμητικές επιστήμες, η αριθμομηχανή τσέπης – και αργότερα ο υπολογιστής – δεν εξάλειψαν την ανάγκη εκμάθησης της άλγεβρας. Επιτάχυναν τη δυνατότητα εκτέλεσης πολύπλοκων υπολογισμών σε εντυπωσιακό βαθμό, αλλά δεν κατέστησαν τη μάθηση των υποκείμενων μαθηματικών κανόνων και μεθόδων άχρηστη. Εξακολουθούμε να διδάσκουμε αυτούς τους κανόνες από το δημοτικό σχολείο μέχρι το πανεπιστήμιο.

Εκεί που αυτές οι τεχνολογικές εξελίξεις έκαναν σαφή διαφορά, είναι στην αναγνώριση ότι διαθέτουμε πλέον καλύτερους μηχανισμούς για να ελέγξουμε την ακρίβεια των αποτελεσμάτων μας και να ελαχιστοποιήσουμε τα σφάλματα – και αυτούς χρησιμοποιούμε. Κανένας ερευνητής σήμερα δεν θα απαιτούσε από τον διδακτορικό του φοιτητή να εκτελέσει όλους τους υπολογισμούς στο χέρι, καθώς είναι πολύ πιο πιθανό να παρεισφρήσουν μικρά σφάλματα που μπορεί να κοστίσουν σε χρόνο και απογοήτευση. Εκείνο που ενδιαφέρει τους ερευνητές είναι η ορθή επιστημονική ανάλυση των μετρήσεών τους.

Σε κάθε περίπτωση, η περαιτέρω ανάπτυξη της τεχνητής νοημοσύνης είναι τόσο κρίσιμης σημασίας, ώστε πλέον συνιστά στρατηγική αναγκαιότητα για κάθε χώρα. Οποιαδήποτε συζήτηση περί επιπτώσεων και περιορισμών οφείλει να ξεκινά από αυτό το δεδομένο. Υπάρχουν πράγματι σοβαρά προβλήματα και προκλήσεις, αλλά είναι δυνητικά επιλύσιμα, είτε με την προσαρμογή των υφιστάμενων κοινωνικοοικονομικών μοντέλων είτε με την υιοθέτηση καινοτόμων λύσεων – όπως έχει συμβεί πολλές φορές στο παρελθόν. Καθώς οι κοινωνίες εξοικειώνονται σταδιακά με τις αλλαγές αυτές, είναι σε καλύτερη θέση να απορροφούν πολιτισμικά σοκ και να αναδιοργανώνονται γύρω από νέα σημεία ισορροπίας.

Ίσως οι μεγαλύτερες προκλήσεις που θα φέρει η AI να είναι διαφορετικής φύσεως. Για παράδειγμα: πώς θα αποτρέψουμε έναν αγώνα προς τον πάτο στον τομέα των αυτόνομων έξυπνων όπλων; Πώς μπορούμε να ευθυγραμμίσουμε ηθικά τους στόχους μιας γενικευμένης AI με τους ανθρώπινους στόχους; Η AI έχει σχεδιαστεί για να βρίσκει μοναδικές λύσεις σε πολύ συγκεκριμένα προβλήματα – και οι λύσεις αυτές δεν είναι πάντα εκείνες που θα ελπίζαμε. Αυτό ισχύει ιδιαίτερα όταν καλείται να λάβει πολύπλοκες ηθικές αποφάσεις.

Ας εξετάσουμε τώρα τι μπορεί να προσφέρει η AI στη διδασκαλία και την έρευνα. Ναι, η AI θα μπορέσει τελικά να λύνει τις τυπικές σχολικές ασκήσεις και να εξηγεί λεπτομερώς όλα τα ενδιάμεσα βήματα. Δηλαδή, θα είναι ικανή να προσφέρει συγκεκριμένες λύσεις σε καλά διατυπωμένα ερωτήματα από ένα εύρος γνωστών τύπων προβλημάτων. Αυτό υποδηλώνει ότι το εκπαιδευτικό σύστημα θα χρειαστεί να προσαρμοστεί και να επικεντρωθεί λιγότερο στη μεθοδολογία και τη συλλογή πληροφοριών – πράγματα που μπορούν εύκολα να αυτοματοποιηθούν – και περισσότερο στην καλλιέργεια της κριτικής σκέψης και των αναλυτικών δεξιοτήτων.

Στα όρια της επιστημονικής έρευνας, συχνά δεν έχουμε καν σαφώς διατυπωμένα ερωτήματα. Δεν γνωρίζουμε ούτε τι ακριβώς πρέπει να ρωτήσουμε, ούτε πώς να ερμηνεύσουμε τα αποτελέσματα αν τα δεδομένα είναι ανεπαρκή. Οι λύσεις είναι συχνά πολυδιάστατες και μη μοναδικές – και οι μέθοδοι της AI μπορούν να μας βοηθήσουν να περιηγηθούμε σε αυτό το πολύπλοκο παραμετρικό τοπίο.

Πολλοί γονείς και εκπαιδευτικοί έχουν εκφράσει ανησυχίες για την κατάσταση της μαθηματικής παιδείας, κυρίως στη Δύση, σε σύγκριση με προηγούμενες δεκαετίες. Αυτές οι ανησυχίες συχνά διατυπώνονται με την άρρητη υπόθεση ότι όλα τα άλλα παραμένουν σταθερά (ceteris paribus) – κάτι που προφανώς δεν ισχύει. Οι δεξιότητες των μαθητών σε πολλούς άλλους τομείς, πολλοί εκ των οποίων δεν υπήρχαν καν πριν μερικές δεκαετίες, βρίσκονται σε εντελώς διαφορετικό επίπεδο όσον αφορά τη συλλογή και αξιοποίηση διαθέσιμων πληροφοριών. Ακόμα κι αν αποδεχτούμε ότι οι μαθητές σήμερα μπορεί να είναι πιο αδύναμοι στα μαθηματικά, το γεγονός παραμένει ότι οι ειδικές τους δεξιότητες το αντισταθμίζουν και με το παραπάνω.

Σαφώς, πρόκειται για ένα ζήτημα που πρέπει να μας απασχολεί — αλλά δεν είναι τόσο καταστροφικό όσο συχνά παρουσιάζεται. 

Συγκρίνετε, για παράδειγμα, το επίπεδο των φοιτητών στην υπολογιστική ανάλυση και τις αριθμητικές μεθόδους τη δεκαετία του ’70 με αυτά που μπορούν να επιτύχουν σήμερα. Καμία σύγκριση. Ο αριθμός των φοιτητών που επιλέγουν κλάδους STEM στα πανεπιστήμια παρουσιάζει σταθερή άνοδο, αν και τα ποσοστά εγκατάλειψης σπουδών, ιδίως στη Φυσική, παραμένουν υψηλά.

Πρέπει λοιπόν όλες οι ανησυχίες για την ανάπτυξη και χρήση της AI να απορριφθούν ως απλό κινδυνολογικό παραλήρημα; Φυσικά και όχι· κάτι τέτοιο θα ήταν αφελές και επικίνδυνο. Υπάρχουν πολλές εύλογες και βάσιμες ανησυχίες. Σε κοινωνικό επίπεδο, πρέπει να σκεφτούμε σοβαρά πώς θα ρυθμιστεί η βιομηχανία της AI και να βρεθούν τρόποι ώστε οι επαγγελματίες να αποζημιώνονται όταν η δουλειά τους έχει χρησιμοποιηθεί για την εκπαίδευση μοντέλων AI. Πώς ακριβώς θα λειτουργήσει αυτό στην πράξη παραμένει ασαφές, αλλά καλό είναι να ξεκινήσει η σχετική συζήτηση από τώρα.

Αργά ή γρήγορα, κάθε τομέας και κάθε επάγγελμα θα επηρεαστεί. Το «Τοπίο των ανθρώπινων ικανοτήτων» του Moravec κατακλύζεται σταδιακά, χρόνο με τον χρόνο. Επαγγέλματα με υψηλό δημιουργικό φορτίο, τα οποία μέχρι πρόσφατα θεωρούνταν ασφαλή τουλάχιστον για μερικές ακόμη δεκαετίες, έχουν ήδη αρχίσει να νιώθουν τις πρώτες πιτσιλιές. Σήμερα υπάρχουν AI copilots που μπορούν να βοηθήσουν στη συγγραφή κώδικα, και οι μηχανικοί λογισμικού τα δοκιμάζουν ήδη. Τα χρησιμοποιούν με ένα κράμα ενθουσιασμού και ανησυχίας.

Στο δικό μου επιστημονικό πεδίο, βασιζόμαστε όλο και περισσότερο στη μηχανική μάθηση (machine learning) για την ανίχνευση μοτίβων (pattern recognition) μέσα σε τεράστιες βάσεις δεδομένων. Τα δεδομένα είναι πάρα πολλά. Χωρίς τέτοια εργαλεία, θα χρειαζόμασταν δεκαετίες για να φέρουμε εις πέρας το ίδιο έργο.

Η αργή αλλά σταθερή πορεία της AI αναμένεται να επιφέρει βαθιές ανατροπές στον τρόπο λειτουργίας της κοινωνίας όπως την ξέρουμε – και υποψιάζομαι έντονα ότι θα καταστήσει αναπόφευκτη την εισαγωγή κάποιου είδους Καθολικού Βασικού Εισοδήματος (UBI).

Ο δρόμος είναι μακρύς.

[Δοκίμιο που έγραψα στα Αγγλικά το 2023, μεταφρασμένο στα Ελληνικά απο το ChatGPT4o (με μικρές παρεμβάσεις δικές μου)]

"Το τέλος της Φυσικής;"

Το ερώτημα αν «τελείωσε» η Φυσική έχει τεθεί πολλές φορές στην ιστορία. Ένα χαρακτηριστικό παράδειγμα είναι η δήλωση του Michelson (του γνωστού από το πείραμα Michelson-Morley) το 1894: “The more important fundamental laws and facts of physical science have all been discovered, and these are now so firmly established that the possibility of their ever being supplanted in consequence of new discoveries is exceedingly remote.” Λίγο αργότερα ήρθαν η θεωρία της σχετικότητας και η κβαντομηχανική και αναποδογύρισαν τα τραπέζια.

Τέτοιες δηλώσεις, νομίζω, συνήθως παραβλέπουν κάποια σημαντικά για μένα σημεία:

1) Την ύπαρξη των “αγνώστων αγνώστων”. Δεν ξέρουμε τι δεν ξέρουμε. Οι μεγαλύτερες ανατροπές προήλθαν από φαινόμενα που δεν είχαμε καν φανταστεί.

2) Τη φαντασία ως θεμελιώδες στοιχείο της επιστημονικής προόδου. Η επιστήμη δεν είναι μόνο παρατήρηση και μέτρηση, αλλά και ριζικές αλλαγές στον τρόπο που σκεφτόμαστε. Η θεωρία της σχετικότητας, για παράδειγμα, δεν προέκυψε από έλλειψη δεδομένων, αλλά από μια αλλαγή οπτικής.

3) Την τεχνολογική πρόοδο ως καταλύτη. Στην Αστρονομία, για παράδειγμα, η αντικατάσταση των φωτογραφικών πλακών από τα CCDs επέφερε μια μικρή επανάσταση. Πολλά πειράματα που σήμερα φαίνονται ανέφικτα, ίσως να είναι θέμα ρουτίνας σε λίγες δεκαετίες.

4) Την εξέλιξη της μεθοδολογίας. Η Φυσική δεν είναι βέβαια στατική ούτε απολύτως καθορισμένη. Η παραδοσιακή πειραματική προσέγγιση δεν εγκαταλείπεται, αλλά εμπλουτίζεται και συνεχώς μετασχηματίζεται. Πλέον βασιζόμαστε ολοένα και περισσότερο σε προηγμένα μαθηματικά και υπολογιστικά μοντέλα, υποστηριζόμενα από τεράστιες υπολογιστικές δυνατότητες. Νέοι ερευνητικοί τομείς αναδύονται, ανοίγοντας καινούριους δρόμους.

Ίσως πράγματι να διανύουμε μια περίοδο σχετικής νηνεμίας, όμως η ιστορία της Φυσικής δείχνει πως τέτοιες φάσεις δεν είναι συχνά παρά το προοίμιο απρόσμενων εξελίξεων. Εν πάση περιπτώσει, ένα τέτοιο ενδεχόμενο δεν μπορούμε να το αποκλείσουμε ελαφρά τη καρδία.

Και ακόμη κι αν κάποια όρια, όπως η κλίμακα Planck, φαίνονται θεμελιώδη και απροσπέλαστα, αυτό δεν σημαίνει ότι οι ανακαλύψεις σταματούν εκεί. 

Δεν είναι μόνο το «τι» μπορούμε να μετρήσουμε, αλλά και το πώς το εντάσσουμε σε νέους τρόπους σκέψης. Το ουσιώδες είναι να μπορούμε να διατυπώνουμε υποθέσεις που οδηγούν σε ελέγξιμες προβλέψεις. Όσο αυτό παραμένει εφικτό, δεν νομίζω ότι χρειάζεται να ανησυχούμε ιδιαίτερα για την κατάσταση της Φυσικής.

The Unraveling of American Leadership

The recent Oval Office dispute between President Donald Trump and Ukrainian President Volodymyr Zelenskyy was more than a diplomatic embarrassment. What was meant to be a strategic discussion on mineral trade and ceasefire negotiations with Russia unraveled into a televised confrontation. Trump accused Zelenskyy of ingratitude, while Vice President J.D. Vance questioned Ukraine’s appreciation for the Trump administration’s support. This moment laid bare a much deeper shift in American foreign policy, one that moves away from diplomacy and alliance-building in favor of nationalist posturing and transactional coercion.

For Trump’s supporters, this is not a failure but a correction. They see past U.S. foreign policy as an outdated system where America shouldered the burden of global stability while allies reaped the benefits. Their solution is to strip diplomacy down to its rawest form, where alliances are not based on trust or shared values but on immediate advantage. This mindset, however, fundamentally misreads how influence works. Power is not just about economic or military pressure. It is about credibility, reliability, and long-term engagement.

The post-World War II international order, carefully constructed and maintained by both Democratic and Republican administrations, was never an act of charity. NATO, trade agreements, and multilateral institutions were not handouts but mechanisms for sustaining U.S. influence. They allowed the U.S. to set the terms of global security, trade, and technological advancement. By withdrawing from these commitments, the U.S. is not reclaiming dominance but surrendering the very tools that have safeguarded its leadership for decades.

This retreat is driving the world toward a more fragmented and unstable order, where great powers assert control not through cooperation but through force. This is precisely what the U.S. sought to prevent after World War II, recognizing that global stability was best preserved when smaller nations had autonomy rather than being reduced to pawns in power struggles. As the U.S. weakens its alliances, Europe is already recalibrating, moving toward greater strategic independence and diversifying partnerships, including deeper economic ties with China.

The consequences extend far beyond military strategy. Global trade, technological innovation, and scientific collaboration all rely on strong international cooperation. Some of the most important breakthroughs in artificial intelligence, medicine, and space exploration have come from multinational efforts led by American institutions. By retreating into nationalist isolation, the U.S. risks cutting itself off from these networks and losing its competitive edge in the industries that will define the future.

Soft power, long one of America's greatest assets, is also suffering. The U.S. has maintained global leadership not just through strength but through the perception that it is a stable and principled force. If it is seen as unreliable, allies will make decisions based on self-preservation rather than shared values. Instead of being the uncontested leader of the free world, the U.S. will become just one of many competing powers.

Some argue that Trump’s approach is a necessary shift toward a more pragmatic, interest-driven foreign policy. But this is not strategic realism. Realpolitik, as practiced by Bismarck or Nixon, was about shrewdly balancing power, not impulsively discarding allies. The Trump administration’s approach is short-sighted and incoherent, driven more by spectacle than by strategy. It assumes that coercion will maintain U.S. dominance, but history suggests otherwise.

Thucydides’ Melian Dialogue serves as a warning. The Athenians, believing that raw power would secure their empire, crushed the small island of Melos, declaring that the strong do what they can and the weak suffer what they must. Their arrogance alienated allies, eroded trust, and ultimately hastened their downfall. America now risks repeating this mistake. By treating alliances as disposable and diplomacy as weakness, it is isolating itself at the very moment global competitors are expanding their influence.

Meanwhile, Europe faces an urgent dilemma. Can it maintain its democratic stability without its most powerful ally? The U.S. has historically served as a counterweight against rising authoritarianism, but with its retreat, Europe is being forced to take on a greater leadership role. So far, European leaders have reaffirmed their commitments to Ukraine and democracy, but without U.S. backing, this resolve may not hold indefinitely.

What is unfolding is not just a shift in policy but a fundamental reordering of America’s place in the world. The U.S. is not merely stepping back from leadership; it is actively dismantling the systems that sustained its influence. Nations do not decline solely due to external threats. They fall when they abandon their alliances, betray their values, and undermine their own foundations of power.

The real question is not whether Trump’s supporters will recognize the damage before it is too late. They will not. The real question is whether American institutions, at home and abroad, can endure the harm before it becomes irreversible. The world has already changed, and long-term strategic realignments are taking shape. Even if a future Democratic administration seeks to restore alliances, the trust that once anchored U.S. leadership has been compromised. America is no longer seen as a bastion of democracy or a reliable partner.

U.S. allies are adapting, focusing on building independent security frameworks and forging economic ties that reduce their dependence on Washington. Europe is already moving toward greater autonomy, while China and Russia will continue exploiting fractures in the Western alliance. The U.S.-led global order is giving way to a more fragmented, multipolar world where influence is no longer centered in Washington. Perhaps this shift was inevitable. The question is no longer whether America can reclaim its former role, but whether it can navigate a world that has already moved on.

Feynman, a complicated legacy

Ethan Siegel is the author of the “Starts with a Bang” newsletter on BigThink, which is a great read and I recommend it to everyone interested in the latest developments in Astronomy, but also in Physics in general. He is also a facebook friend. In his Nov 1st newsletter Ethan addresses a question from one of his readers, which ends with: “It seems to me that you have a somewhat ambivalent relationship with R. Feynman. Is there a deeper reason for this?”. Ethan here gives a very detailed answer acknowledging Feynman’s scientific accomplishments before going on to highlight some of Feynman’s more controversial character aspects, and I certainly agree with his conclusion that “We can rightfully laud [Feynman] for his great accomplishments while still being critical of his unacceptable behaviors, and I would argue we have an obligation to share the full truth about Feynman, both the physicist and the human being, with subsequent generations of scientists and science-literate citizens.” But after reading the whole article, and not finding anything specific I could disagree with, I was left with a feeling that something was missing, and it took me a while to fully conceptualise the origins of my discomfort and put it down to words.

Feynman was born in 1918, was mostly active during the 40s to the 60s, and died in 1988 when he was 69 years old. He was successfully treated for abdominal cancer in 1980, but then the cancer came back with a vengeance in 1988, at which point it had gotten so bad that Feynman refused treatment. In many ways his social views were a product of his time, yet his patterns of behaviour were not predictably consistent. Ethan’s article does a good job of pointing out the negatives, when viewed anachronistically through a modern lens, but in leaving out the aspects of Feynman’s character that made him “curious”, ends up with an incomplete picture of who Feynman really was as a person.

Fundamentally, Feynman was an iconoclast, and it is through this lens that his character contradictions can be reconciled. He was also a prankster with  little regard for authority. While working for the Manhattan project, he famously amused himself by breaking into secure safes containing nuclear secrets—not to undermine the project, but to expose how lax security was. Sometimes he would even leave notes in the safes, like “I borrowed document no. LA4312–Feynman the safecracker.” He loved the arts and was an avid bongo player who also learned to paint for fun (even holding an exhibition under a pseudonym), occasionally having intense discussions about art vs. science with his artist/mentor/friend Jirayr “Jerry” Zorthian (check out the Ode to a Flower monologue). An older contemporary colleague of his from Caltech once told me that Feynman could sometimes be found smoking weed in the Professor’s common room, much to the chagrin of everyone else. He was also a regular at the local strip club, and knew all the girls working there. He would pick up an orange juice from the bar (by that time he wasn’t a big fan of alcohol), together with a bunch of napkins or place mats, and he would watch the show or just sit there and think, scribbling down equations on the napkins, alone or with company. This was the kind of environment he felt more at ease in and he actually did quite a number of his calculations in that place. When the county tried to close the place down on account of “uncovered breasts”, he was the bar’s only regular customer willing to come forward and testify publicly in court in defense of the bar. 

Such stories reveal Feynman as a gadfly—a horsefly, if you will—who delighted in seeing how the social and academic order would reconfigure itself when challenged. He cared little for social norms or accolades and famously eschewed honorary degrees and pomp. His devotion was to truth, inquiry, and the freedom to explore without inhibition.

Ethan’s article rightly discusses the biases prevalent in academia during Feynman’s time (and later) and how he sometimes mirrored those biases. Like most people of his time, it doesn’t seem like Feynman had carefully thought through the harmful implications of maintaining these problematic attitudes. Take, for example, a talk he gave in 1966 at the National Science Teachers Association. The topic he was asked to talk about was “What is Science?”, a title that he didn’t really like. It is a fantastic talk and I strongly encourage everyone to read the transcript, but it is also a product of its time. At some point during this talk Feynman says the following: 

“I listened to a conversation between two girls, and one was explaining that if you want to make a straight line, you see, you go over a certain number to the right for each row you go up–that is, if you go over each time the same amount when you go up a row, you make a straight line–a deep principle of analytic geometry! It went on. I was rather amazed. I didn’t realize the female mind was capable of understanding analytic geometry. She went on and said, “Suppose you have another line coming in from the other side, and you want to figure out where they are going to intersect.  Suppose on one line you go over two to the right for every one you go up, and the other line goes over three to the right for every one that it goes up, and they start twenty steps apart,” etc.–I was flabbergasted.  She figured out where the intersection was. It turned out that one girl was explaining to the other how to knit argyle socks.“ 

This passage clearly comes across as sexist, reflecting the prevalent attitudes of that time. However, what is more revealing about how Feynman thought, is what comes after it. Feynman doesn’t end there, but continues the thought in this fashion: “I, therefore, did learn a lesson: The female mind is capable of understanding analytic geometry. Those people who have for years been insisting (in the face of all obvious evidence to the contrary) that the male and female are equally capable of rational thought may have something. The difficulty may just be that we have never yet discovered a way to communicate with the female mind.” 

Feynman here seems to acknowledge the possibility that systemic issues, rather than innate differences, limited women’s participation in science. But he offers no solution to this problem and moves back to his main topic. He does not own it as his problem to solve for the whole of the country. Society for him is one thing, the scientific enterprise another, and he is primarily interested in the latter. 

Richard Feynman also had a younger sister, Joan. Although they were separated by nine years, Joan and Richard were close, as Joan was also very curious about how the world worked. Their mother was a sophisticated woman who had marched for women’s suffrage in her youth, but believed that women lacked the capacity to understand maths and physics. Despite that negative attitude at home, the young Richard encouraged Joan’s interest in science. From a very young age, he would train her to solve simple math problems and rewarded each correct answer by letting her tug on his hair while he made funny faces. By the time she was 5, Richard was hiring her for 2 cents a week to assist him in the electronics lab he’d built in his room. Joan grew up to become an astrophysicist, crediting her brother’s mentorship as a key influence. In his later years, Richard became acutely aware of the discrimination women faced in physics, because he saw how it affected his sister. For her part, Joan Feynman was awarded NASA’s Exceptional Science Achievement medal in 2002, for her continued support and encouragement for women to persevere and make their marks in science.

Feynman’s first marriage, to Arline Greenbaum, adds another layer of complexity. They were high-school sweethearts and by all accounts their love was profound and marked by mutual respect. Feynman wrote her heartfelt letters that revealed his deep admiration for her intellect and spirit. Arline was sick for a long time, even before their marriage, and eventually died of tuberculosis in 1945, while Richard was working on the Manhattan project. When she was near death, he rushed from Los Alamos to be by her side. You can read here a remarkable letter he wrote two years after Arlene’s death, where he pours out his heart. The letter was discovered in a stash of old letters by Feynman’s biographer James Gleick.

Richard Feynman got married again in 1952 to Mary Louise Bell. This second marriage was difficult, strained by differences in temperament and lifestyle choices, and ended in divorce. Mary had very conservative views and they quarrelled often. She was so fed up with his obsession with calculus and physics and reported that on several occasions, when she disturbed his calculations, which he would sometimes even do while he was lying in bed at night, or his bongo playing, he would fly into a rage. She filed for divorce in 1956. His third marriage, to Gweneth Howarth, who shared his enthusiasm for travelling and playfulness, was far more harmonious.

In the book “What do YOU care about what other people think?” Feynman recalls an incident where feminist protesters (led by a man, ironically) entered a hall and picketed a lecture he was about to make in San Francisco, holding up placards and handing out leaflets calling him a "sexist pig". As soon as he got up to speak, some of the protesters marched to the front of the lecture hall and, holding their placards signs high, started chanting “Feynman sexist pig!”. Instead of reacting defensively, Feynman addressed the protesters saying: “Perhaps, after all, it is good that you came. For women do indeed suffer from prejudice and discrimination in Physics, and your presence here today serves to remind us of these difficulties and the need to remedy them”.

Feynman’s attitudes certainly weren’t those of a consistent advocate for gender equality, as we might expect today, but they weren’t wholly regressive either. The idea of dismantling systemic barriers wasn’t part of his worldview, but he was not resistant to change and was willing to support those who defied convention.

Criticisms of Feynman’s legacy through the lens of presentism risks overlooking the full complexity of his character and how progressive some of his views were for his time. He was a complicated individual, whose brilliance was tempered by human imperfections.

He achieved remarkable things in his lifetime and inspired many physicists that came after him, both male and female. 

As with every figure who has left a mark on the landscape of history, fairness requires that we should be honest about who he was, acknowledging both his achievements and flaws, while considering the context of his time. His legacy cannot be flattened into an uncomplicated hero or villain narrative. 

Perhaps Feynman's most enduring legacy is to remind us that progress is born from questioning, curiosity, and the willingness to defy convention --all driven by the joy of discovery. To reduce such a complicated life to binary judgments, to refuse to celebrate it, pointing out warts and all, would be to forget why we study these figures at all—to question, to learn, and to grow.