Η υπόσχεση της Τεχνητής Νοημοσύνης ως ενός αμερόληπτου, πάντα διαθέσιμου συμβούλου έχει αρχίσει να ραγίζει κάτω από το βάρος των κοινωνικών προκαταλήψεων που είναι ενσωματωμένες στα δεδομένα εκπαίδευσής της. Μια πρόσφατη έκθεση, που αναδείχθηκε από το The Good Men Project, φέρνει στο φως μια ανησυχητική τάση: όταν τα Μεγάλα Γλωσσικά Μοντέλα (LLMs) καλούνται να δώσουν κοινωνικές συμβουλές σε αυτιστικά άτομα, συχνά καταφεύγουν σε στερεότυπα που προωθούν την «κοινωνική κάλυψη» (masking) αντί για την αυθεντική επικοινωνία.

Η κοινωνική κάλυψη είναι η διαδικασία κατά την οποία τα νευροδιαφορετικά άτομα καταστέλλουν τις φυσικές τους αντιδράσεις και υιοθετούν νευροτυπικές συμπεριφορές για να γίνουν αποδεκτά. Ενώ η ΤΝ παρουσιάζεται ως εργαλείο συμπερίληψης, στην πραγματικότητα φαίνεται να λειτουργεί ως ένας ψηφιακός μηχανισμός επιβολής της κανονικότητας, αγνοώντας τις μοναδικές ανάγκες και τις προκλήσεις της αυτιστικής κοινότητας.

Η Παγίδα της «Κοινωνικής Κάλυψης» και η Τεχνητή Νοημοσύνη

Η έρευνα δείχνει ότι όταν χρήστες ζητούν από εργαλεία όπως το ChatGPT ή το Claude συμβουλές για το πώς να διαχειριστούν κοινωνικές καταστάσεις —από μια συνέντευξη εργασίας έως μια φιλική συγκέντρωση— η ΤΝ τείνει να προτείνει στρατηγικές που απαιτούν από το αυτιστικό άτομο να «διορθώσει» τον εαυτό του. Αντί να ενθαρρύνει το περιβάλλον να προσαρμοστεί ή να προσφέρει συμβουλές που σέβονται τη νευροδιαφορετικότητα, η ΤΝ συχνά προτείνει την αποφυγή της οπτικής επαφής (ή την εξαναγκασμένη χρήση της), την καταστολή των επαναλαμβανόμενων κινήσεων (stimming) και την υιοθέτηση ενός «κοινωνικού σεναρίου» που εξαντλεί ψυχικά το άτομο.

Αυτή η προσέγγιση είναι βαθιά ριζωμένη στα δεδομένα με τα οποία εκπαιδεύτηκαν αυτά τα μοντέλα. Το διαδίκτυο είναι γεμάτο από κείμενα που αντιμετωπίζουν τον αυτισμό ως ένα «πρόβλημα προς επίλυση» και όχι ως μια διαφορετική λειτουργία του εγκεφάλου. Ως αποτέλεσμα, η ΤΝ λειτουργεί ως ένας καθρέφτης των πιο συντηρητικών και ξεπερασμένων ιατρικών μοντέλων για την αναπηρία, αγνοώντας το σύγχρονο κοινωνικό μοντέλο που προκρίνει την αποδοχή.

«Η Τεχνητή Νοημοσύνη δεν εφευρίσκει την προκατάληψη· την αυτοματοποιεί. Όταν ζητάμε από έναν αλγόριθμο να μας πει πώς να είμαστε 'φυσιολογικοί', του δίνουμε την άδεια να διαγράψει κάθε ίχνος διαφορετικότητας», αναφέρει χαρακτηριστικά η έκθεση.

Το Πρόβλημα της «Διπλής Ενσυναίσθησης»

Ένα κρίσιμο σημείο που η ΤΝ αποτυγχάνει να κατανοήσει είναι το «πρόβλημα της διπλής ενσυναίσθησης» (double empathy problem), μια θεωρία του Damian Milton. Η θεωρία αυτή υποστηρίζει ότι οι επικοινωνιακές δυσκολίες μεταξύ αυτιστικών και νευροτυπικών ατόμων δεν οφείλονται σε ένα έλλειμμα των αυτιστικών, αλλά σε μια αμοιβαία αδυναμία κατανόησης δύο διαφορετικών τρόπων επεξεργασίας του κόσμου.

Η ΤΝ, εκπαιδευμένη κατά πλειοψηφία σε νευροτυπικά δεδομένα, υιοθετεί τη σκοπιά της πλειοψηφίας. Έτσι, το βάρος της προσαρμογής πέφτει πάντα στον αυτιστικό χρήστη. Αυτό δημιουργεί έναν επικίνδυνο βρόχο ανατροφοδότησης: οι αυτιστικοί άνθρωποι χρησιμοποιούν την ΤΝ για να βοηθηθούν, και η ΤΝ τους λέει ότι για να επιτύχουν πρέπει να πάψουν να φαίνονται αυτιστικοί. Η μακροχρόνια κοινωνική κάλυψη έχει συνδεθεί επιστημονικά με την επαγγελματική εξουθένωση, την κατάθλιψη και την απώλεια ταυτότητας.

Δεδομένα Εκπαίδευσης και η Τυραννία του Μέσου Όρου

Το πρόβλημα δεν είναι μόνο η έλλειψη ενσυναίσθησης, αλλά η ίδια η φύση της στατιστικής μάθησης. Τα μοντέλα ΤΝ είναι σχεδιασμένα να προβλέπουν την «πιο πιθανή» ή «πιο κοινή» απάντηση. Σε έναν κόσμο όπου η νευροτυπική συμπεριφορά είναι ο κανόνας, η «πιο πιθανή» συμβουλή θα είναι πάντα αυτή που ευνοεί τη συμμόρφωση.

  • Ομογενοποίηση: Η ΤΝ τείνει να εξαλείφει τις ιδιαιτερότητες, προωθώντας μια αποστειρωμένη εκδοχή της ανθρώπινης αλληλεπίδρασης.
  • Έλλειψη Πλαισίου: Οι αλγόριθμοι αδυνατούν να κατανοήσουν το συναισθηματικό κόστος της κοινωνικής κάλυψης για ένα συγκεκριμένο άτομο.
  • Ενίσχυση Στερεοτύπων: Η χρήση λέξεων όπως «ακατάλληλο» ή «περίεργο» για να περιγραφούν αυτιστικές συμπεριφορές ενισχύει το κοινωνικό στίγμα.

Προς μια Συμπεριληπτική Τεχνητή Νοημοσύνη

Για να ξεπεραστούν αυτά τα εμπόδια, η βιομηχανία της τεχνολογίας πρέπει να αλλάξει ριζικά τον τρόπο με τον οποίο προσεγγίζει τη νευροδιαφορετικότητα. Δεν αρκεί να «φιλτράρονται» οι προσβολές· πρέπει να ενσωματωθούν ενεργά δεδομένα και εμπειρίες από την ίδια την αυτιστική κοινότητα στη φάση της εκπαίδευσης και της αξιολόγησης των μοντέλων (RLHF - Reinforcement Learning from Human Feedback).

Η Τεχνητή Νοημοσύνη έχει τη δυνατότητα να γίνει ένας εξαιρετικός μεταφραστής μεταξύ διαφορετικών τρόπων σκέψης. Θα μπορούσε, για παράδειγμα, να εξηγεί σε έναν νευροτυπικό διευθυντή γιατί ένας αυτιστικός υπάλληλος προτιμά τη γραπτή επικοινωνία, αντί να πιέζει τον υπάλληλο να υποστεί μια επώδυνη κοινωνική αλληλεπίδραση. Η αληθινή πρόοδος δεν θα έρθει όταν η ΤΝ μάθει στους αυτιστικούς πώς να υποκρίνονται, αλλά όταν μάθει στην κοινωνία πώς να κατανοεί.