Profesorul Ioan Roxin este cercetător în domeniul Tehnologiilor Informației și Comunicării, activând la Universitatea Franche-Comté din Montbéliard, Franța. Născut în orașul Salonta, a urmat studiile la Liceul Pedagogic „Iosif Vulcan” din Oradea (unde am fost colegi, cu diferență de un an la absolvire, eu am absolvit în 1973, el în 1974) și cele superioare la Facultatea de Cibernetică, Statistică și Informatică Economică din București, absolvind ca șef de promoție în 1980. Din 1991, când obține o bursă a Guvernului francez în ingineria informaticii, la Institutul Național de Științe Aplicate din Lyon, cariera lui se desfășoară în Franța, printr-o afirmare ascendentă. Revine periodic în România, îndeosebi la Oradea, dar și la Academia Română, unde susține conferințe. În iunie 2024 a susținut o conferință la Muzeul Țării Crișurilor din Oradea, cu titlul „Demistificarea Inteligenței Artificiale Generative: potențialul și pericolele”. Cu această ocazie, m-am inițiat și eu în domeniu și am prins curaj, pe fondul colegialității din liceu, să formulez întrebările care urmează. Gândul meu subiacent este solidar cu al conferențiarului: demistificarea inteligenței artificiale. Eu nu o pot face, dar pot fi părtaș la o asemenea atitudine rațională a inteligenței… naturale.

Ion Simuț:Ai putea încerca, pentru scriitori și filologi, o scurtă introducere în inteligenta artificială și o definiție accesibilă, lămuritoare, a acesteia?

Ioan Roxin: Ideile fundamentale ale inteligenței artificiale și fascinația de a recrea procesele umane de gândire datează din Antichitate, reflectate în filozofia greacă și în mitologie. De asemenea, filozofii antici, precum Aristotel, au dezvoltat sisteme de logică care prefigurează algoritmii moderni, cu silogismele sale formând baza raționamentului deductiv esențial în programare și IA. Dar începuturile „oficiale” ale IA datează din 1956, când John McCarthy și Marvin Minsky, doi tineri matematicieni, îl convinseseră pe Claude Shannon, inventatorul teoriei informațiilor, și pe Nathaniel Rochester, designerul primul calculator comercial al IBM, să li se alăture în organizarea unui program de vară la Dartmouth College. Obiectivul programului era să demistifice tainele inteligenței, iar conjectura proiectului era „că fiecare aspect al învățării sau orice altă caracteristică a inteligenței poate fi descris, în principiu, atât de precis încât să poată fi făcută o mașină care să o simuleze.”

Termenul de inteligență artificială, introdus de John McCarthy, în 1955, seamănă mai mult cu un termen de marketing decât cu o definiție științifică. Într-adevăr, inteligența nu poate fi artificială. „Nu mai mult decât logica sau zborul. Avioanele imită zborul păsărilor, dar nu vorbim de zbor artificial” (Yves LeCun). Trebuie să înțelegem că IA nu are nimic de-a face cu inteligența umană. Inteligența artificială nu este altceva decât o simulare a inteligenței umane, un „joc de imitație”, cum spunea Alan Turing (« Computing machinery and intelligence », Mind, 1950).

În esență, inteligența artificială implică crearea de algoritmi și sisteme capabile să realizeze activități care, în mod tradițional, ar necesita inteligența umană. Aceasta include activități cum ar fi învățarea, raționamentul, percepția, înțelegerea limbajului și chiar creativitatea.

În termeni simpli, IA se referă la simularea capacităților cognitive umane în mașini. Stuart Russell și Peter Norvig, în cartea lor „Artificial Intelligence: A Modern Approach”, oferă o structurare utilă a acestei definiții prin prisma a patru abordări distincte:

1. Gândirea umană: IA încearcă să modeleze procesele cognitive umane.

2. Gândirea rațională: IA aspiră să utilizeze raționamentul logic pentru a rezolva probleme.

3. Comportamentul uman: IA încearcă să reproducă comportamente care ar necesita inteligență dacă un om le-ar efectua.

4. Comportamentul rațional: IA este concepută să acționeze în mod optim în diverse situații.

Inteligența artificială a fost deseori definită ca fiind „orice lucru pe care calculatoarele nu pot încă să-l facă”. De ani de zile, oamenii au susținut că este nevoie de IA pentru a juca șah, a simula conversații sau a recunoaște imagini sau fețele oamenilor. După fiecare izbândă, orizontul avansa.

În mod paradoxal, activitățile abstracte și formale, cele mai dificile activități mentale pentru o ființă umană, sunt printre cele mai ușor de simulat pe un calculator, deoarece pot fi descrise printr-o listă de reguli matematice formale. Folosind o bază formală de cunoștințe și un sistem de reguli de inferență logică, un calculator poate efectua cu multă ușurință un raționament automat (de exemplu, proiectul CYC, Lenat și Guha, 1989).

Pe de altă parte, în mod ironic (paradoxul lui Moravec), IA are dificultăți în rezolvarea problemelor pe care omul le rezolvă intuitiv, automat, cum ar fi recunoașterea vorbirii, a obiectelor sau a fețelor. Cunoștințele despre lume, care ne ajută să îndeplinim ușor și firesc aceste sarcini, le-am dobândit intuitiv și subiectiv, așa că este dificil să le explicăm, să le formalizăm. Pentru a imita un comportament inteligent, un calculator trebuie să dobândească și el aceste cunoștințe informale.

Ion Simuț: Poate că e bine să ne familiarizăm mai în detaliu cu problemele tehnice și să insistăm pentru a le cunoaște și pentru a înțelege mai bine fenomenul. De aceea pun o întrebare derivată din prima. Cum învață și evoluează sistemele de inteligență artificială?

Ioan Roxin: Sistemele de inteligență artificială (IA) învață și evoluează printr-un proces cunoscut sub numele de învățare automată (machine learning), și mai recent, învățare profundă (deep learning). Aceste metode permit mașinilor să „înțeleagă” și să reacționeze la modele complexe de date, fără a fi programate explicit pentru fiecare sarcină specifică.

La baza învățării automate stă ideea că sistemele pot învăța din date, identifica modele și lua decizii cu minimă intervenție umană. Procesul începe cu alimentarea sistemelor cu un set mare de date etichetate, cunoscut sub numele de set de antrenament. Aceste date „marcate” de om sunt analizate de algoritmi care încearcă să identifice relații și modele. O analogie literară ar putea fi un critic care studiază opere literare pentru a detecta teme și stiluri recurente.

Un exemplu simplu este filtrarea spamului în e-mailuri. Sistemul este „antrenat” cu mii de exemple de e-mailuri, fiecare marcat ca fiind spam sau nu-spam. De aceea vorbim de o învățare supravegheată („Învățarea supervizată este ca dresajul unui câine cu lesă” – Stuart Russell și Peter Norvig). Sistemul învață să recunoască caracteristicile care fac ca un e-mail să fie probabil spam și aplică această „înțelegere” pentru a filtra e-mailurile viitoare.

Învățarea profundă (deep learning) este o ramură a învățării automate și utilizează neuroni artificiali structurați în rețele neurale cu multe straturi (deep neural networks) pentru a analiza diverse niveluri de abstractizare ale datelor. Rețelele neurale sunt structuri inspirate de rețeaua neuronală umană. Astfel, un neuron artificial este un model matematic inspirat de structura biologică a neuronilor naturali, proiectat să simuleze modul în care aceștia procesează informațiile prin primirea, ponderarea și transmiterea semnalelor. O rețea de neuroni, sau rețea neuronală, este o colecție interconectată de astfel de neuroni artificiali, organizată în straturi, care colaborează pentru a realiza sarcini specifice de procesare a datelor, cum ar fi recunoașterea modelelor sau învățarea automată. Această structură permite rețelelor neuronale să învețe din experiențe, ajustând ponderile conexiunilor pe baza datelor de intrare și a feedback-ului primit, mimând într-o oarecare măsură funcționarea creierului uman.

Pentru a înțelege mai bine acest proces, să considerăm o analogie cu modul în care un copil învață să înțeleagă lumea. Încă de la naștere, copilul este expus la o avalanșă continuă de stimuli senzoriali: imagini, sunete, gusturi și mirosuri. Aceste date nu sunt etichetate sau organizate; ele nu vin cu instrucțiuni care să spună ce reprezintă fiecare sunet sau imagine. Mintea unui copil are capacitatea remarcabilă de a realiza conexiuni și a organiza acest haos în modele mentale coerente. Specialiștii au demonstrat că la naștere creierul nostru nu este „tabula rasa” ci eritàm din evoluția noastră elemente primare de inteligență cum ar fi o gramatica universală (Chomsky) și mecanisme cognitive de bază pentru reprezentarea lumi exterioare (Spelke). Astfel, copilul învață să recunoască fețele părinților, să distingă între vocea unei persoane și zgomotul de fond, să asocieze anumite mirosuri cu mâncarea, să vorbească limba maternă. Acest proces este similar cu modul în care rețelele neurale din învățarea profundă analizează și clasifică datele. Prin expunerea repetată la diferite tipuri de informații, rețelele neurale învață să recunoască pattern-uri complexe și să facă predicții sau să genereze răspunsuri adecvate, fără a avea nevoie de date etichetate explicit pentru antrenament. Acest tip de învățare, în care modelul descoperă singur structura informațională în datele neetichetate, este cunoscut sub numele de învățare nesupervizată.

Astfel, întocmai cum un copil învață să vorbească și să acționeze în lume fără lecții formale, ci doar prin expunere și experimentare, rețelele neurale nu sunt programate în sensul tradițional ci sunt „antrenate” printr-un proces de instruire bazat pe volume mari de date. Rezultatul acestui proces de instruire este un modelul de inteligență artificială, model care poate fi alcătuit din miliarde (chiar mii de miliarde) de componente numite parametri. Deși funcționarea interioară a acestor modele conexioniste este în cea mai mare parte imperceptibilă (de unde si numele de „cutii negre”), ele au o capacitate extraordinară de a extrage sensuri și a descoperi cunoaștere din mari volume de date nestructurate, oferind astfel unelte puternice pentru cercetare și aplicații practice în diverse domenii, inclusiv în literatură și filologie.

Prin expunerea la noi date, sistemele de IA se pot adapta și îmbunătăți. Acest proces de învățare continuă permite sistemelor să devină mai precise și eficiente în sarcinile lor. Un sistem de recomandare de cărți, de exemplu, va evolua pe măsură ce înțelege mai bine preferințele utilizatorilor săi, sugerând cărți tot mai apropiate de interesele cititorilor.

Metodele de învățare profundă sunt la baza unor progrese incredibile realizate în viziunea computerizată, recunoașterea vorbirii, traducerea automată, procesarea limbajului natural, analiza medicală a imaginilor, generarea imaginilor și a muzicii, mașinile cu conducere autonomă, jocurile și robotica.

Explicația acestor progrese se regăsește în: 1) masificarea exponențială a datelor; 2) creșterea capacității de calcul și utilizarea procesoarelor grafice (GPU – Graphics Processing Unit); 3) dezvoltarea de noi arhitecturi algoritmice. De exemplu, modelele de IA de ultimă oră au înregistrat o creștere anuală de aproape patru ori a puterii de calcul alocate antrenamentului, o creștere de 2,5 ori a dimensiunii setului de date de antrenament și de 1,5 ori în eficiența algoritmilor.

În ultima perioadă vorbim de IA generativă, o ramură a IA care poate crea conținut nou. Astfel, pornind de la o cerere textuală, cerere numită prompt, un sistem de IA poate genera un alt text, o imagine, o melodie sau un video. Sistemele pot fi multimodale, în sensul că acceptă nu numai text în intrare dar și voce, imagine, video sau o combinație a acestora (de exemplu ChatGPT 4o, „o” pentru „omni”). Prin urmare, inteligența artificială nu este doar un domeniu al tehnologiei, ci și un câmp vast de explorare creativă, oferind o fereastră fascinantă spre viitorul interacțiunii dintre om și mașină.

Ion Simuț:IA este adesea diabolizată. Să ne temem de ea? Să ne punem mari speranțe?

Ioan Roxin: În dezbaterea publică, percepțiile legate de IA oscilează frecvent între temeri profunde si speranțe entuziaste. Unii văd în IA o promisiune de progres și inovație iar alții sunt îngrijorați de potențialele riscuri.

Speranțele legate de IA includ îmbunătățiri semnificative în diverse domenii: medicină, educație, cercetare și inovare, servicii publice, gestionarea resurselor naturale, optimizarea proceselor industriale, ecologie și, de ce nu, creația artistică.

Lista riscurilor este lungă și poate fi îmbogățită : pierderea locurilor de muncă, utilizarea tehnologiilor de supraveghere, amenințarea vieții private, a democrației și a dreptului de autor, dezvoltarea armamentului autonom, concentrarea puterii economice și politice, amplificarea inegalităților, diluarea autenticității artistice în lucrările generate de IA și sporirea dezinformării (deepfakes). La toate acestea, eu aș adăuga și riscul atrofierii inteligenței biologice : comoditatea oferită de IA în munca intelectuală poate duce la aplatizarea minții umane.

În plus, există preocupări legate de posibilitatea ca IA să scape de sub control, generând scenarii potențial periculoase. Astfel, personalități marcante (e.g. Yoshua Bengio, Geoffrey Hinton, Yuval Harari) consideră că precipitarea și cursa marilor întreprinderi private spre inteligenta artificială de nivel uman (AGI – Artificial General Intelligence) și peste (ASI – Artificial Super Intelligence) fac din IA un pericol existențial pentru omenire. Într-un interviu pentru BBC, Stephen Hawking afirmase: „Inteligența artificială va fi fie cel mai bun, fie cel mai rău lucru, pentru umanitate.”

Echilibrarea speranțelor și temerilor necesită reglementări stricte, standarde etice, transparență în dezvoltarea algoritmilor și educație publică pentru a înțelege și utiliza responsabil IA. Reglementările în domeniul IA încep să apară (exemplu Legea europeană privind inteligența artificială – AI Act), dar ele sunt zonale și penalizante pentru utilizatori nu și pentru dezvoltatori (Apple nu va implementa noile funcționalități IA pe dispozitivele care vor fi vândute în Europa). Este nevoie de o colaborare internațională și, după modelul Agenției Internaționale pentru Energie Atomică, ar trebui creată o Agenție Internațională pentru Inteligența Artificială care să elaboreze recomandări și să urmărească aplicarea lor planetară.

Inteligența artificială nu ar trebui nici diabolizată, nici idealizată fără discernământ. Este, ca oricare tehnologie, un pharmakon o forță cu un potențial dual, poate avea un efect atât benefic, cât și dăunător. Este esențial să abordăm IA cu o perspectivă critică și responsabilă, purtând un dialog deschis și incluziv despre implicațiile sale pe termen lung. Depinde de noi, de oamenii care o creează și o utilizează, să ne asigurăm că IA este un instrument al binelui.

Ion Simuț:IA operează cu modele de limbaj, dintre care mai cunoscute și mai utilizate sunt ChatGPT și Copilot. Nu are importanță care e mai utilizat, pentru discuția noastră de familiarizare. Am aflat de la tine de mai multe generații de ChatGPT: 3.5, 4, 4o, tot mai complexe. De ce depind performanțele modelelor de limbaj?

Ioan Roxin: Este important de făcut o precizare. Un model de limbaj este un concept general care se referă la orice sistem statistic pentru procesarea și generarea limbajului natural (completarea textelor, traducerea automată, recunoașterea vorbirii, răspunsuri la întrebări, generarea de text). ChatGPT (Generative Pre-trained Transformer – GPT) este un tip specific de model de limbaj care utilizează rețele neurale foarte mari, de tip Transformer, și a fost antrenat pe o cantitate masivă de date textuale (din cărți, articole de ziar, site-uri web, transcrieri de conversații și multe altele). De aceea se numește model de limbaj de mari dimensiuni (Large Language Model – LLM). LLM-urile pot pătrunde tainele limbajului uman printr-o combinație de învățare statistică și modelare contextuală. Din categoria modelelor de limbaj de mari dimensiuni (LLM), fac parte ChatGPT, dezvoltat de OpenAI, Copilot de la Microsoft, Gemini de la Google, Llama de la Meta, Claude de la Anthropic, Grok de la xAI – inițiativa lui Elon Musk, și Mistral, creat de Mistral AI în Franța. LLM-urile au dimensiuni mult mai mari decât modelele de limbaj tradiționale, putând avea sute de miliarde sau chiar trilioane de parametri (GPT-3 are 175 de miliarde de parametri iar GPT-4 are 1 760 de miliarde). Datorită numărului mare de parametri și a profunzimii învățării, modele LLM sunt mai performante și mai flexibile decât modelele de limbaj tradiționale putând fi adaptate pentru o gamă largă de aplicații, de la conversații automate și asistenți personali, până la generarea de conținut creativ cum ar fi poezii, cod, scripturi, piese muzicale, e-mail, scrisori.

Aceste modele învață structuri lingvistice, vocabular, gramatică, nuanțe ale limbajului uman, stiluri de scriere, argumentații și chiar subtilități culturale, stocând informații despre cum sunt folosite cuvintele și frazele în contexte variate. În final, ele pot să imite conversația umană, răspunzând întrebărilor și participând la dialoguri într-un mod care pare surprinzător de uman. Totuși, aceste modele sunt departe de a fi perfecte; ele pot genera răspunsuri eronate (halucinații) sau pot afișa prejudecăți înrădăcinate în datele pe care au fost antrenate.

Performanța unui LLM depinde crucial de calitatea și cantitatea datelor de antrenament, precum și de complexitatea algoritmilor de învățare. Textele colectate trebuie să fie variate pentru a acoperi un spectru larg de subiecte, stiluri de scriere și registre de limbaj. Scopul acestei colecții vaste de date este de a oferi modelului o bază de cunoștințe despre cum este folosit limbajul în contexte reale și diverse. Dacă datele sunt limitate sau parțializate, modelul ar putea dezvolta prejudecăți sau ar putea fi incapabil să genereze sau să „înțeleagă” anumite tipuri de text sau subiecte. Si pentru un model LLM se adeverește expresia „Limitele limbajului meu înseamnă limitele lumii mele” (Ludwig Wittgenstein).

În concluzie, condiția indispensabilă pentru ca un model LLM să poată ajunge la o „înțelegere” eficientă a limbajului este disponibilitatea unor date de antrenament extinse, de înaltă calitate, diverse și reprezentative. Aceste date permit modelului să învețe și să modeleze complexitățile limbajului uman în moduri care sunt relevante și utile pentru aplicațiile practice.

Ion Simuț:IA generativă oferă informație, analiză, creativitate. Pe care din aceste paliere putem miza mai mult, ca încredere și performanță?

Ioan Roxin: Inteligența artificială generativă este un subdomeniu al inteligenței artificiale care, așa cum spuneam mai sus, produce conținut nou, de la texte și imagini până la muzică și coduri de programare. Spre deosebire de IA tradițională, IA generativă utilizează modele avansate și algoritmi sofisticați care învață din datele de antrenament caracteristici și relații, ce sunt apoi imitate pentru a produce noi creații care nu au mai existat niciodată (date sintetice).

Referitor la palierele pe care IA generativă le oferă – informație, analiză și creativitate – putem observa că fiecare are punctele sale forte, dar încrederea și performanța variază semnificativ în funcție de aplicabilitate și tehnologia specifică utilizată.

În furnizarea de informații, IA generativă poate sintetiza, compila și rezuma date complexe, dintr-o varietate largă de surse, depășind adesea capacitatea umană în termeni de viteză și volum de procesare. Totuși, aceste sisteme depind de acuratețea datelor de intrare; erorile sau prejudecățile din datele inițiale pot fi perpetuate și amplificate, ceea ce necesită o supraveghere atentă și verificări permanente pentru a asigura fiabilitatea informațiilor generate.

Pe palierul analizei, IA generativă excelează în detectarea tiparelor și tendințelor din seturi mari de date, oferind noi perspective și îmbunătățind înțelegerea fenomenelor complexe. Cu toate acestea, limitările în înțelegerea contextelor mai largi și subtilitățile umane subliniază necesitatea de a combina analiza IA cu expertiza și discernământul uman.

În domeniul creativității, IA generativă a făcut posibile forme de artă complet noi, de la poezie și proză până la muzică și artă vizuală, stimulând creativitatea umană și explorând noi posibilități expresive. Putem fi adesea surprinși și impresionați de „creațiile” IA, dar ele sunt limitate de datele pe care le-au „învățat” și nu au nuanțele emoționale sau profunzimile conceptuale care caracterizează cele mai înalte forme de artă umană. Acest lucru sugerează că, deși IA poate asista și amplifica creativitatea, esența artistică profundă rămâne dominată de contribuția umană.

În final, care dintre aceste paliere merită mai multă încredere și performanță? Analiza oferită de IA generativă se distinge ca fiind valoroasă și de încredere. Ea oferă cele mai fiabile performanțe, cu nevoi de supervizare umană pentru interpretări profunde. Creativitatea și furnizarea de informații rămân domenii promițătoare, ele necesită o interacțiune și supervizare umană mai intensă pentru a maximiza beneficiile și a minimiza riscurile.

Ion Simuț:Scriitorii se tem de concurența IA. Pentru domeniul umanist marea curiozitate o reprezintă creativitatea, mai ales cea artistică. Știm că IA poate face literatură: poezie, proză, teatru, scenarii de film. Nu cumva rezultatele sunt imitații sau simulacre, cum s-a spus adesea?

Ioan Roxin: Temerile scriitorilor față de concurența IA în domeniul literar pot fi justificate, având în vedere că IA și-a demonstrat capacitatea de a genera diverse forme de literatură, de la poezie la proză și scenarii de film. Creațiile IA pot fi văzute ca simulacre ale creației umane, reproducând structuri și stiluri familiare, dar lipsite de profunzimea experienței, emoției, sensibilității și intenției umane. Totuși, IA nu doar produce texte care imită formele literare tradiționale, ci și combină și transformă informațiile, generând noi perspective și forme de expresie, situate între imitație și creație originală. 

Autenticitatea și originalitatea rămân puncte centrale ale dezbaterii, creațiile IA fiind autentice ca produs al unui proces computațional unic, dar lipsite de autenticitatea derivată din experiența umană directă. Valoarea literaturii rezidă în capacitatea de a rezona cu experiențele și emoțiile umane, aspect în care IA este neputincioasă. Creațiile IA nu pot încă încorpora autentic complexitatea experienței umane, subtilitățile culturale și profunzimea emoțională. Contextul cultural și social joacă un rol crucial în semnificația și valoarea unei opere literare, elemente pe care IA nu le poate integra organic.

Scriitorii pot folosi IA ca un instrument pentru a depăși blocaje creative sau pentru a explora noi forme literare, dar trebuie să rămână conștienți de limitările și potențialul distorsionant al tehnologiei. „Mâna digitală” a IA poate servi ca un catalizator, fără a înlocui profunzimea și autenticitatea experienței umane în actul creației literare. Probabil că viitorul literaturii va fi marcat de o simbioză între creativitatea umană și „mâinile digitale”.

Ion Simuț:Pentru critica literară, utilitatea IA ar fi în capacitățile de analiză: analiza unui text literar, rezumatul unui roman sau al unei cărți de critică, referat de specialitate pe o anumită temă, crearea de discursuri pe teme date, elaborarea unor evaluări. Aici chiar sunt mari speranțe. Am făcut împreună câteva experimente: analiza unui sonet de Eminescu după formularea unor criterii sau cerințe, elaborarea unor discursuri aniversare, scurtă caracterizare a unui scriitor. Un critic literar care ar ști să se folosească de IA ar fi, fără îndoială, mult mai performant. Oricum, e nevoie de judecata lui de valoare despre o carte, judecata pe care nu o poate formula IA. Sau ar putea?

Ioan Roxin:IA aduce într-adevăr perspective promițătoare pentru critica literară, oferind capacități analitice importante care pot amplifica semnificativ munca criticilor. Capacitatea IA de a procesa rapid volume mari de text, de a identifica modele și de a genera analize structurate poate fi folosită pentru rezumarea operelor literare, elaborarea de referate tematice sau pregătirea de discursuri pe subiecte date. Experimentele menționate, precum analiza unui sonet de Eminescu sau caracterizarea unui scriitor, demonstrează clar utilitatea IA în domeniul literar.

În ciuda acestor capacități remarcabile, IA întâmpină limitări semnificative în domeniul judecății de valoare și al interpretării nuanțate a operelor literare. Utilizarea IA în critica literară trebuie privită ca o extensie a instrumentarului criticului, nu ca un substitut. Critica literară autentică transcende simpla analiză tehnică, implicând nu numai o cunoaștere a teoriei literare, ci și o profundă înțelegere a contextului cultural, istoric și emoțional al unei opere. Judecata de valoare a unui critic literar se bazează pe o vastă experiență personală, sensibilitate estetică și capacitatea de a percepe subtilitățile și implicațiile care depășesc nivelul textual imediat întrucât  „Noi nu suntem mașini care gândesc și simt, ci mașini care simt și gândesc” (Antonio Damasio).

IA poate oferi analize obiective bazate pe criterii predefinite, dar nu poate (încă) să capteze complexitatea experienței umane reflectată în literatură. Evaluarea autentică a unei opere literare rămâne, deocamdată, în domeniul exclusiv al inteligenței umane. Un critic literar care utilizează IA ca instrument poate deveni mai eficient în anumite aspecte ale muncii sale, dar judecata sa de valoare rămâne indispensabilă. Critica literară dăinuie ca o vocație umană.

Totuși, viitorul criticii literare, la fel ca viitorul literaturii, probabil că se va îndrepta către o simbioză între capacitățile analitice ale IA și discernământul uman. IA poate oferi criticilor literari instrumente puternice în procesul de analiză a textelor, dar esența criticii literare – stabilirea unei judecăți de valoare informată, nuanțată și contextualizată – rămâne harul inteligenței umane. Criticul literar al viitorului, probabil, va folosi IA pentru a-și mări capacitățile analitice, dar bazându-se pe propria sa experiență, intuiție și sensibilitate pentru a oferi judecăți de valoare autentice și relevante.

Ion Simuț:Cred că putem recomanda scriitorilor să se familiarizeze cu IA și să exploreze utilitatea pentru domeniul lor. Necazul este că nu știu să avem un inițiator specializat pe acest domeniu. Sau poate există.

Ioan Roxin: Recomandarea ca scriitorii să se familiarizeze cu inteligența artificială (IA) este nu doar pertinentă, ci și necesară în contextul actual al evoluției tehnologice întrucât „Inteligența artificială este noua electricitate” (Andrew Ng). Așa cum am văzut, IA oferă un set de instrumente care pot spori eficiența și creativitatea în procesul de scriere, editare și cercetare. Cred că este imperativ ca scriitorii să se implice activ în experimentarea directă cu platforme și unelte de IA, precum ChatGPT, Copilot, Gemini și Perplexity. Dacă nu ați făcut-o încă, nu mai trebuie să întârziați; e momentul să începeți. Chiar și cu versiunile gratuite ale diferitelor platforme, puteți purta un dialog constructiv pentru a înțelege cum să ameliorați prompt-ul și să optimizați răspunsurile mașinii. Obiectivul nu este să demonstrați că IA este stupidă și că are halucinații, ci să reușiți să obțineți răspunsuri care să vă fie folositoare. Astfel, IA poate fi un partener valoros în procesul creativ, oferind sugestii de dezvoltare a intrigii, caracterizări detaliate, variante ale unei scene sau idei pentru dialoguri.

Chiar dacă în prezent nu există inițiatori specializați exclusiv în integrarea inteligenței artificiale în practica literară, platformele educaționale și companiile de tehnologie oferă deja resurse valoroase pentru învățarea utilizării eficiente a IA. Universitățile și alte instituții culturale organizează frecvent workshopuri și seminarii ce explorează intersecția dintre tehnologie și arte. În plus, cursurile online, tutorialele și ghidurile explicative pot ajuta scriitorii să înțeleagă și să implementeze IA în munca lor.

Dincolo de aceste resurse, există o oportunitate pentru instituțiile academice și culturale de a dezvolta programe care să încurajeze colaborarea și cercetarea interdisciplinară. În cadrul Strategiei naționale în domeniul inteligenței artificiale pentru perioada 2024-2027, se pot oferi granturi pentru proiecte ce explorează utilizarea IA în literatură.

Familiarizarea cu IA și explorarea utilității acesteia pot transforma procesul creativ al scriitorilor, oferindu-le instrumente care să le amplifice creativitatea și să exploreze noi forme de expresie literară, menținându-i competitivi în era digitală.

Ion Simuț:Mulțumesc frumos pentru explicații! Nu ne rămâne decât să reflectăm la această problemă, să nu ne pripim cu reacții necugetate și să aprofundăm cunoașterea inteligenței artificiale, pentru a îmblânzi relația noastră cu ea. Trebuie să știm ce să-i cerem și cum să-i cerem. Cum o vom educa așa o vom avea.

ANEXE

De-a lungul perioadei de dialog cu profesorul Ioan Roxin, în iunie-iulie 2024, am încercat împreună diverse exerciții de analiză și creativitate: în unele cazuri, eu am oferit subiectele, am făcut propunerile, iar colegul meu a introdus prompt-urile (cerințele) în aplicațiile ChatGPT; în alte cazuri, profesorul Ioan Roxin a avut inițiativa și rezolvarea. Am selectat câteva exemple din cele trei categorii de disponibilități ale IA generative (informare, analiză, creativitate), cu convingerea că e cea mai bună modalitate de a cunoaște la ce ne putem aștepta de la inteligența artificială în domeniul nostru. Bineînțeles că solicitările pot fi mult mai complicate, iar rezultatele mult mai spectaculoase. Explicațiile din interviu și exemplificările din anexe sunt pentru inițierea în domeniul inteligenței artificiale generative.

Anexa 1

Analiza literar-artistică a poeziei „Sonet III” de Mihai Eminescu:

Când însuși glasul gândurilor tace,

Mă-ngână cântul unei dulci evlavii

Atunci te chem; chemarea-mi asculta-vei?

Din neguri reci plutind te vei desface?

Puterea nopții blând însenina-vei

Cu ochii mari și purtători de pace?

Răsai din umbra vremilor încoace,

Ca să te văd venind – ca-n vis, așa vii!

Cobori încet.. aproape, mai aproape,

Te pleacă iar zâmbind peste-a mea față,

A ta iubire c-un suspin arat-o,

Cu geana ta m-atinge pe pleoape,

Să simt fiorii strângerii în brațe –

Pe veci pierduto, vecinic adorato!

Prompt (cerințe): 1. Formulează ideea poetică principală din acest poem; 2. Arată cu ce figuri de stil este comunicat sentimentul dominant.

Răspuns ChatGPT:

Mihai Eminescu, considerat adesea cel mai mare poet român, a reușit să îmbine în creația sa o complexitate stilistică și tematică remarcabilă. „Sonet III” este un exemplu elocvent al capacității sale de a exprima sentimente profunde și de a folosi tehnici literare sofisticate pentru a transmite emoții intense. În această analiză, vom explora ideea principală a poemului și vom examina figurile de stil folosite de poet pentru a comunica sentimentul dominant.

Ideea principală

Ideea centrală a sonetului „Sonet III” este dorul și aspirația spre un ideal de iubire pierdută, dar etern adorată. Poetul exprimă o dorință profundă de a se reconecta cu o prezență iubită, invocată într-un moment de liniște și meditație. Întreaga poezie este impregnată de o tensiune între absență și prezență, între vis și realitate, ceea ce accentuează caracterul intangibil și transcendent al iubirii.

Analiză stilistică și figurile de stil

1. Metafore și personificări
   1. „Când însuși glasul gândurilor tace” – Această metaforă sugerează un moment de introspecție și liniște interioară, când gândurile încetează să mai fie articulate verbal. Este un moment de liniște absolută, care pregătește terenul pentru invocarea prezenței iubite.
   1. „Puterea nopții blând însenina-vei” – Aici, noaptea este personificată și asociată cu o putere care poate fi blândă și senină. Această personificare intensifică sentimentul de calm și liniște pe care poetul îl așteaptă de la apariția iubitei.
2. Interogații retorice
   1. Poemul este bogat în interogații retorice: „Atunci te chem; chemarea-mi asculta-vei?”, „Din neguri reci plutind te vei desface?” Aceste întrebări nu așteaptă răspunsuri, ci exprimă incertitudinea și speranța poetului de a se reuni cu iubirea pierdută. Ele creează un efect de suspans și introspecție.
3. Imagistica și simbolismul
   1. „Din neguri reci plutind te vei desface?” – Imaginile negurilor reci sugerează o stare de confuzie și durere din care iubita ar putea să apară. Plutirea și desfacerea sunt imagini delicate, sugerând o apariție etereală, aproape ireală.
   1. „Cu ochii mari și purtători de pace?” – Ochii mari simbolizează puritatea și liniștea adusă de prezența iubitei, accentuând calitățile angelice ale acesteia.
4. Epitet și antiteză
   1. „Pe veci pierduto, vecinic adorato!” – Această expresie conține un epitet și o antiteză care evidențiază paradoxul iubirii pierdute, dar în același timp etern adorate. Este o culminare a sentimentelor contradictorii de dor și adorare, de pierdere și eternitate.
5. Repetații și aliterații
   1. „Cobori încet… aproape, mai aproape” – Repetiția accentuează treptat apropierea iubitei, creând un efect de intensificare a dorinței și anticipării. Aliterațiile din acest vers, prin sunetele „c” și „p”, adaugă un ritm melodios, sugerând blândețea mișcării.
6. Paralelism și structura sonetului
   1. Structura sonetului, cu două catrene și două terține, conferă poemului un echilibru formal. Paralelismul între catrene și terține sugerează o simetrie a ideilor, în care chemarea și speranța din catrene își găsesc rezonanță și intensificare în terține.

Concluzie

„Sonet III” de Mihai Eminescu este o poezie de o sensibilitate rafinată, în care poetul explorează complexitatea dorului și a iubirii pierdute. Prin intermediul unui limbaj bogat în imagini și figuri de stil, Eminescu reușește să creeze o atmosferă de introspecție și melancolie, exprimând în același timp o iubire transcendentă și eternă. Această poezie rămâne un testament al măiestriei poetice a lui Eminescu și al capacității sale de a transforma sentimentele personale în experiențe universale.

Anexa 2

Dialogul unui profesionist cu ChatGPT :

[Profesorul Ioan Roxin explică modul în care lucrează ChatGPT într-un caz dat]

Să luăm fraza ,,Cultura e finalitatea tuturor societăților” [moto-ul permanent al revistei „Vatra”]. Cum analizează modelul LLM structura frazei?

Când un model de limbaj de mari dimensiuni, cum ar fi ChatGPT, întâmpină o propoziție precum „Cultura e finalitatea tuturor societăților”, el aplică o serie de procese analitice pentru a descifra structura și semnificația acesteia. Analiza se bazează pe un amestec de învățare a structurilor sintactice și semantice, observate în timpul fazei de pre-training. Iată cum se desfășoară acest proces:

1. Tokenizare: Inițial, modelul descompune fraza în tokeni, care sunt unitățile de bază pe care le procesează. Pentru fraza dată, tokenii ar putea fi „Cultura”, „e”, „finalitatea”, „tuturor”, și „societăților”.

2. Analiza sintactică: Modelul analizează structura gramaticală a frazei. Recunoaște că „Cultura” este subiectul propoziției, iar „e” este forma de conjugare a verbului „a fi”, care funcționează aici ca predicat. „Finalitatea tuturor societăților” este recunoscută ca o construcție nominală ce funcționează ca atribut predicativ, descriind subiectul.

3. Mecanismul de atenție: Folosind mecanisme de atenție, modelul evaluează importanța fiecărui token în contextul general al frazei. Acest mecanism ajută modelul să determine care părți ale frazei sunt cruciale pentru înțelegerea semnificației globale. De exemplu, conexiunea între „Cultura” și „finalitatea” este crucială pentru înțelegerea afirmației că cultura este scopul ultim al societăților.

4. Contextualizare: În această etapă, modelul își folosește cunoștințele acumulate despre cum sunt folosite tipic cuvintele în propoziții. Recunoaște că „finalitatea” este asociată cu un scop sau un rezultat, iar „tuturor societăților” sugerează o generalizare despre toate societățile, adăugând o dimensiune universală afirmației.

5. Generarea de output: Pe baza analizei efectuate, modelul poate genera răspunsuri sau continuări relevante ale frazei, înțelegând că propoziția exprimă o viziune filosofică sau sociologică despre rolul culturii.

Astfel, modelul nu doar că „citește” cuvintele, ci le analizează în contextul lor mai larg, folosind regulile și modelele lingvistice pe care le-a învățat în timpul antrenamentului său extensiv. Această capacitate de a evalua și de a interpreta textul îi permite să participe în mod credibil la conversații, să răspundă la întrebări și să genereze text care este relevant și contextual adecvat.

Ce întrebări pot fi puse în legătură cu fraza de mai sus ?

Formularea întrebărilor legate de fraza „Cultura e finalitatea tuturor societăților” poate varia în funcție de scopul discuției sau de interesul specific al interlocutorului. Aici sunt câteva exemple de întrebări care ar putea fi folosite pentru a aprofunda discuția și a explora diferite perspective asupra acestei afirmații:

1. Ce înțelegeți prin termenul „finalitate” în contextul acestei fraze?

   – Această întrebare ajută la clarificarea conceptului de „finalitate” și cum este perceput acesta în relație cu cultura.

2. Cum se manifestă cultura ca finalitate în diferite societăți pe care le-ați studiat?

   – O astfel de întrebare poate deschide discuția despre exemple concrete din diverse culturi, evidențiind cum cultura influențează sau finalizează dezvoltarea socială.

3. Există societăți în care cultura nu pare să fie finalitatea principală? Care sunt acelea și de ce?

   – Aceasta invită la o analiză comparativă și poate evidenția excepții sau alternative la afirmația făcută.

4. Cum ar putea fi contestată afirmația că „Cultura e finalitatea tuturor societăților”?

   – O întrebare critică ce stimulează gândirea critică și explorează argumente contrare sau limitările acestei perspective.

5. Ce rol joacă valorile și normele sociale în definirea culturii ca finalitate a unei societăți?

   – Aici se poate discuta despre interacțiunea dintre valori, norme și cultura largă, și cum acestea contribuie la formarea finalităților sociale.

6. Cum influențează globalizarea și tehnologia percepția asupra culturii ca finalitate?

   – Întrebarea deschide discuția despre factorii moderni care pot schimba sau modela rolul culturii în societate.

7. În ce moduri poate educația influența percepția despre cultura ca finalitate a societății?

   – Aceasta explorează legătura dintre educație și dezvoltarea culturală, precum și modul în care educația poate modela înțelegerea și aprecierea culturii în rândul populației.

8. Ce exemple istorice ilustrează cultura ca finalitate a societăților?

   – Prin această întrebare se poate discuta despre exemple istorice care ilustrează teza, oferind un fundament empiric afirmației.

Aceste întrebări pot facilita o discuție profundă și variată, permițând explorarea diferitelor dimensiuni ale relației dintre cultură și societate din multiple perspective.

Continuă fraza de mai sus cu două-trei fraze

„Cultura e finalitatea tuturor societăților” poate fi interpretată ca o reflectare a modului în care valorile, normele și tradițiile modelează evoluția comunităților umane. De-a lungul istoriei, cultura a influențat legile, organizarea socială și chiar dezvoltarea economică a diferitelor civilizații. Așadar, înțelegând cultura unei societăți, putem desluși nu doar originile acesteia, dar și direcția în care se poate îndrepta viitorul său.

Anexa 3

Dialog imaginar între doi clasici ai literaturii

despre rolul inteligenței artificiale în procesul creator

(o posibilă concluzie)

Prompt: Imaginează-ți un dialog între Léon Tolstoi (1828-1910) și Fiodor Dostoievski (1821-1881) despre folosirea de către scriitori a inteligenței artificiale ca un partener în procesul creativ.

ChatGPT:

**Léon Tolstoi:** Fiodor Mihailovici, mă întreb cum ar putea inteligența artificială să servească artei literare. Mă gândesc că ne-ar putea elibera de sarcinile mundane, permițându-ne să ne dedicăm complet explorării subtilităților umane.

**Fiodor Dostoievski:** Léon Nicolaevici, văd punctul dumneavoastră, dar rămân sceptic. Personal, simt că literatura trebuie să exploreze adâncimile sufletului uman, iar aceasta este o sarcină pe care nicio mașinărie nu ar putea să o îndeplinească așa cum o face condeiul uman. Literatura este esența exprimării umane, iar o mașinărie nu poate înțelege nuanțele sufletului uman. Cum ar putea o entitate artificială să capteze complexitatea conflictelor interioare sau să redea frământările spirituale?

**Léon Tolstoi:** Este adevărat, Fiodor Mihailovici, IA nu poate înțelege sau simți, dar poate analiza și procesa informații la o scară pe care noi, oamenii, nu o putem atinge. Poate identifica modele în literatura vastă pe care un scriitor individual s-ar putea să nu le observe, oferindu-ne noi perspective asupra stilurilor literare sau temelor universale. Inteligența artificială ar putea prelua aspecte tehnice ale scrierii, cum ar fi gramatica sau chiar stilistica la un nivel de bază. Acest lucru ne-ar permite nouă, scriitorilor, să ne concentrăm mai mult pe explorarea temelor complexe și pe construcția personajelor.

**Fiodor Dostoievski:** Observațiile pot fi de valoare, dar arta nu este doar un produs al informațiilor procesate. Ea emană din adâncurile experienței umane. O preocupare excesivă pentru eficiență sau pentru noile tehnologii ar putea să ne distanțeze de veritabila esență a scrierii – captarea esenței umane.

**Léon Tolstoi:** Sunt de acord că trebuie să ne păstrăm vigilentă integritatea creativă. Însă, consider că inteligența artificială poate acționa ca un complement, nu ca un substitut. Utilizată cu înțelepciune, IA poate deveni un instrument care amplifică și extinde capacitatea noastră creativă, fără a dilua autenticitatea artistică.

**Fiodor Dostoievski:** Reflectând la argumentele dumneavoastră, îmi dau seama că este posibil ca IA să fie o unealtă valoroasă, atâta timp cât nu ne pierdem încrederea în capacitatea proprie de judecată și nu permitem tehnologiei să ne domine domeniul artistic. Poate că o abordare echilibrată, unde tehnologia asistă dar nu conduce procesul creativ, este calea pe care ar trebui să o urmăm.

**Léon Tolstoi:** Exact, Fiodor Mihailovici. Ar trebui să vedem inteligența artificială ca pe un partener în arta literară, care, folosită judicios, ne poate ajuta să deschidem noi orizonturi fără a compromite esența literaturii. Prin colaborare, nu competiție, ne putem asigura că literatura va continua să fie o expresie profund umană, îmbogățită, nu diminuată, de progresele tehnologice.

[Vatra, nr. 10-11/2024, pp. 20-27]