Η έλευση της τεχνητής νοημοσύνης πολλές φορές θέτει το ερώτημα για το ποια επαγγέλματα θα διατηρήσουν τη σημερινή υπόστασή τους στο μέλλον. Πολλές φορές οι συνειρμοί παραπέμπουν τον φιλόλογο ως προς τον πρώτο που θα αντικατασταθεί από τις πολύπλοκες εργασίες της τεχνητής νοημοσύνης. Υπάρχουν όμως δεδομένα που ανατρέπουν τη παρούσα υπόθεση και δύναται να ισχύσει το τελείως αντίθετο.
Ο φιλόλογος ως παραμετροποιός της Τεχνητής Νοημοσύνης και όχι ως καθηγητής στην τάξη.
Αρχικά η σχέση της Τεχνητής Νοημοσύνης με τα φιλολογικά μαθήματα δεν πρέπει να προσεγγιστεί υπό το πρίσμα της στενής εκπαιδευτικής προοπτικής και της στενής χρήσης των φιλολογικών μαθημάτων στην εκπαιδευτική διαδικασία αλλά ευρύτερα στη χρήση του λόγου και την παραμετροποίηση της τεχνητής νοημοσύνης ως προς τη πιο στοχευμένη χρήση της.
Ο φιλόλογος ουσιαστικά αν διδάξει το Λόγο ως ένα μόνο παθητικό εργαλείο κατανόησης και σχολιασμού κειμένων, θα εγκλωβιστεί εξίσου και στη στενή χρήση της τεχνητής νοημοσύνης στην εκπαίδευση.
Η Φιλολογική Νοημοσύνη ως Ρυθμιστής της Τεχνολογίας: Από την Εκπαίδευση στη Στρατηγική του Λόγου
Η σχέση της Τεχνητής Νοημοσύνης με τις φιλολογικές σπουδές το 2025 υπερβαίνει τα στενά όρια μιας βοηθητικής εκπαιδευτικής εφαρμογής. Η ΤΝ δεν είναι απλώς ένας ψηφιακός βοηθός στο μάθημα της λογοτεχνίας λόγω ή της γλώσσας λόγω του ύφους που παραμετροποιεί ούτε λόγω των ασκήσεων και άλλων εργασιών που δημιουργεί. Πρόκειται για ένα σύστημα που η ίδια η ουσία του, ο ίδιος ο λόγος—αποτελεί το αντικείμενο εργασίας του φιλολόγου.
Ο Λόγος είναι ο κινητήριος μοχλός της τεχνητής νοημοσύνης διότι μέσω αυτού εισάγονται οι κατάλληλες παράμετροι στις διάφορες μηχανές (τεχνητής νοημοσύνης )AI , οι οποίες επί το πλείστον είναι διαδικτυακά sites επί πληρωμή.
Πως θα φτιαχτεί μια εικόνα, ένα βίντεο ή πως θα γραφεί ένα κείμενο ή μια επιστημονική εργασία από μια μηχανή τεχνητής νοημοσύνης, αν δεν περιγράψουμε με σαφήνεια αυτό που θέλουμε να παράξει;
Και πως θα περιγράψουμε με σαφήνεια αυτό που θέλουμε να παράξει αν δεν είμαστε άριστοι γνώστες της γραμματικής, του συντακτικού και του γνωστικού αντικειμένου που πραγματευόμαστε;
Πως θα παραμετροποιήσουμε άριστα το ζητούμενο της μηχανής αναζήτησης, αν δεν μάθουμε από τη Γλώσσα του Γυμνασίου και του Λυκείου να χρησιμοποιούμε άριστα την περιγραφή ή την αφήγηση ή τα επιχειρήματα για να δημιουργήσουμε το αντίστοιχο ψηφιακό προϊον.
Επομένως η στοχευμένη χρήση του λόγου στην παραμετροποίηση των συστημάτων αυτών (prompt design και alignment) καθορίζει την ποιότητα, την ηθική και την ακρίβεια της παραγόμενης πληροφορίας.
Ποιο είναι όμως το θεωρητικό πλαίσιο που καθορίζεται η στοχευμένη χρήση, το οποίο μπορεί να λειτουργήσει ως προϋπόθεση σε όλο αυτό;
1. Ο Λόγος ως Παράμετρος Σχεδιασμού
Η μετάβαση από τα γενικά μοντέλα σε εξειδικευμένους «ψηφιακούς πράκτορες» απαιτεί μια βαθιά γλωσσολογική παρέμβαση. Οι φιλόλογοι πλέον δεν καταναλώνουν απλώς περιεχόμενο ΤΝ, αλλά συμμετέχουν στη διαδικασία «ευθυγράμμισης» (alignment) των μοντέλων με τις ανθρώπινες αξίες και το πολιτισμικό πλαίσιο. Χαρακτηριστικό παράδειγμα σε αυτό το πλαίσιο είναι η πρόκληση που αντιμετωπίζει η φιλολογική επιστήμη να ευθυγραμμιστεί με με το έλλειμα λέξεων που υπάρχουν σε άλλες γλώσσες όπως τα Γερμανικά, τα Αγγλικά ή και τα Κινέζικα που προσδιορίζουν καλύτερα τεχνολογικά εργαλεία. Η ελληνική γλώσσα και δη η αρχαία συμβάδισε με τη γέννηση της φιλοσοφίας και των ανθρωπιστικών σπουδών και παρήγαγε πολλαπλές λέξεις για αξίες όπως φιλότιμο, ευδαιμονία, αγαθός. Δε συνέβη το ίδιο όμως με το τομέα της τεχνολογίας. Υπάρχουν δομικές αδυναμίες για να εκφραστεί ένα εξάρτημα από ένα αμάξι για το οποίο μπορεί να υπάρχουν πολλές γερμανικές ή κινέζικες λέξεις στην παρουσιάζει σημαντικά λεξιλογικά κενά (lexical gaps) στον τομέα των εφαρμοσμένων τεχνικών επιστημών σε σύγκριση με γλώσσες όπως στη γερμανική γλώσσα, λόγω του παράδοξου της γλωσσικής εξειδίκευσης και συγκεκριμένα της βιομηχανικής της παράδοσης. Αμοιβαία η κινεζική παρουσιάζει το ίδιο φαινόμενο λόγω της δομής των ιδεογραμμάτων που επιτρέπουν την ταχεία σύνθεση τεχνικών όρων, υπερτερόντας στον τομέα της τεχνολογικής ονοματοδοσίας.
Συγκεκριμένα Παραδείγματα Λεξιλογικών Διαφορών:
- Τεχνική Ορολογία (Αυτοκίνητο/Μηχανική): Στα Γερμανικά, λέξεις όπως το Fahrvergnügen (απόλαυση της οδήγησης) ή συγκεκριμένοι όροι για εξαρτήματα (π.χ. Zylinderkopfdichtung - φλάντζα κεφαλής κυλίνδρου) περιγράφουν με μία λέξη σύνθετες τεχνικές έννοιες που στα Ελληνικά απαιτούν περιφραστική απόδοση.
- Τεχνολογικά Εργαλεία και ΤΝ: Στα Αγγλικά και τα Κινέζικα, η δημιουργία όρων για την Τεχνητή Νοημοσύνη (π.χ. prompt, fine-tuning, hallucinations) γίνεται με τέτοια ταχύτητα που η ελληνική ορολογία συχνά καταφεύγει στον δανεισμό (Greeklish) ή σε αδόκιμες μεταφράσεις, δημιουργώντας ένα κενό στην «τεχνολογική ονοματολογία».
2. Η Φιλολογική Σκοπιά στην Κριτική Ανάλυση
Η παραμετροποίηση των αλγορίθμων μέσω φιλολογικών κριτηρίων δίνει τη δυνατότητα για μια «βαθιά ανάγνωση» (deep reading) σε κλίμακα, όπου η μηχανή εντοπίζει ιδεολογικά φορτισμένες λέξεις ή υφολογικές αποκλίσεις βάσει προκαθορισμένων γλωσσολογικών παραμέτρων. Για να μπορέσει όμως η μηχανή να εντοπίσει και να ταξινομήσει πολύσημους όρους, προϋποθέτει να λάβει δεδομένα από χειριστές της τεχνητής νοημοσύνης που έχουν άρτια και βαθιά γνώση της ελληνικής γλώσσας, ίσως όχι μόνο της νέας αλλά και της αρχαίας ελληνικής, η οποία κληρονόμησε στην δικιά μας αντίληψη τα πολλαπλά νοήματα μέσω δομικών σχηματισμών συμπυκνωμένου νοήματος όπως του απαρεμφάτου και των μετοχών. Χαρακτηριστικό παράδειγμα άραγε είναι τι θα εξήγαγε μια μηχανή τεχνητής νοημοσύνης, αν ο χρήστης ζητούσε να κάνει μια ιστορία με το αρχαίο ρητό “Πρασσειν άλογα;» Θα εξήγαγε πράσινα αλογάκια, παράλογα πράγματα και πόσες παραπάνω παραμέτρους θα χρειάζονταν για την ορθή ταξινόμησή της;
Ας δώσουμε μερικά ακόμα παραδείγματα για το πως η ΤΝ μπορεί να παραμετροποιηθεί ώστε να εντοπίζει «ιδεολογικά φορτισμένες αποκλίσεις» σε ιστορικά κείμενα, κάτι που ένας άνθρωπος θα χρειαζόταν χρόνια για να χαρτογραφήσει.
- Η Εφαρμογή: Ένας φιλόλογος παραμετροποιεί έναν αλγόριθμο να αναζητήσει τη χρήση της λέξης «ελευθερία» σε κείμενα του 19ου αιώνα. Η ΤΝ δεν μετρά απλώς τη λέξη, αλλά αναλύει τα συμφραζόμενα (context).
- Το Αποτέλεσμα: Η μηχανή εντοπίζει ότι σε ορισμένα κείμενα η λέξη συνδέεται με την «ατομική ιδιοκτησία» (φιλελεύθερο πλαίσιο), ενώ σε άλλα με την «εθνική ανεξαρτησία» (επαναστατικό πλαίσιο). Αυτή η «βαθιά ανάγνωση» αποκαλύπτει λανθάνουσες ιδεολογικές συγκρούσεις που η στατιστική ανάλυση θα έχανε.
3. Πολιτισμική Ταυτότητα και Παραμετροποίηση
Ένα κρίσιμο ζήτημα για το 2025 είναι η εκπαίδευση των μοντέλων σε τοπικά πολιτισμικά περιβάλλοντα. Η φιλολογική παρέμβαση διασφαλίζει ότι η ΤΝ δεν θα λειτουργεί ως ένας ισοπεδωτικός παράγοντας «γλωσσικού ιμπεριαλισμού», αλλά θα παραμετροποιείται με βάση τις ιδιαιτερότητες της κάθε γλώσσας και τις ιστορικές της καταβολές.
Η ΤΝ συχνά τείνει να «μεταφράζει» έννοιες με βάση τα αγγλοσαξονικά πρότυπα. Η φιλολογική παρέμβαση το 2025 διασφαλίζει την «πολιτισμική ευθυγράμμιση».
- Το Πρόβλημα: Αν ζητήσετε από μια μη παραμετροποιημένη ΤΝ να περιγράψει τη «φιλοξενία», μπορεί να παράγει ένα κείμενο για την ποιότητα των υπηρεσιών σε ένα ξενοδοχείο (hospitality industry).
- Η Φιλολογική Παρέμβαση: Ο φιλόλογος εισάγει παραμέτρους που συνδέουν τον όρο με την ομηρική «ξενία» και το ιερό καθήκον προς τον άγνωστο.
- Το Αποτέλεσμα: Η ΤΝ παράγει λόγο που σέβεται την ιστορικότητα της λέξης, αποφεύγοντας τον «γλωσσικό ιμπεριαλισμό» που επιβάλλει η κυριαρχία των αγγλόφωνων δεδομένων εκπαίδευσης.
Συμπέρασμα: Ο ζωντανός Λόγος, γραπτός και προφορικός αντικατέστησε πλέον την γλώσσα προγραμματισμού που ήταν κοινόχρηστη τη δεκαετία του ’90, πριν αντικατασταθεί από τα προγράμματα με εργαλεία εισαγωγής με εικονίδια τέλη της ίδιας δεκαετίας. Η τεχνητή νοημοσύνη δεν έχει κουμπάκια όπως το photoshop για να επεξεργάζεται κανείς εικόνες, ούτε κώδικα όπως το Dreamweaver για να φτιαχτούν sites ή το app inventor για εφαρμογές. Τα εργαλεία της τεχνητής νοημοσύνης γράφουν κώδικα με τον ίδιο το λόγο. Αν λοιπόν ο επίδοξος προγραμματιστής δεν είναι ο ίδιος ένας καλός φιλόλογος, δε θα παράξει ποτέ το επιθυμητό αποτέλεσμα. Γιατί ακόμα και αν ένα εργαλείο τεχνητής νοημοσύνης καταφέρει και γεφυρώσει όλες τις μορφοσυντακτικές παραμέτρους οριζόντια όλων των γλωσσών , νέων και αρχαίων και κάθετα όλων των χρονικών περιόδων, πάλι η γλώσσα θα είναι ζωντανός οργανισμός που πρώτα διαμορφώνεται από τους ίδιους τους ανθρώπους και μετά από τις μηχανές.
Για κάτι ζωντανό επομένως χρειάζεται ένας που θα ασχολείται με την πιο ζωντανή επιστήμη της τεχνητής νοημοσύνης, τον ανθρώπινο Λόγο που εισάγεται εκεί: Ο Φιλόλογος. Για αυτό και θα έχει πάντα δουλειά!
Υ.Γ. Με ειλικρίνεια: Ακόμα και τμήματα αυτού του άρθρου γράφτηκαν με βοήθεια της τεχνητής νοημοσύνης. Το συμπέρασμα όμως θα μπορούσε να είναι μόνο αποτέλεσμα ενός ανθρωπίνου προβληματισμού.
Και δω χρειάστηκε ένας φιλόλογος…
- Το Πλήρες άρθρο δημοσιεύτηκε στο περιοδικό του Συνδέσμου Φιλολόγων Αιτωλοακαρνανίας e-Δημοσίευση, τεύχος 5, Ιανουάριος-Δεκέμβριος 2025.
* Ηλίας (Λίνος) Υφαντής, Επιμορφωτής ΤΠΕ, Διευθυντής 6ου Γενικού Λυκείου Αγρινίου. E-mail επικοινωνίας: [email protected]
Βιβλιογραφία
Βιδάλης, Τ., Μολλάκη, Β., & Τροκάνας, Θ. (2025). Έκθεση για τις εφαρμογές τεχνητής νοημοσύνης στο ελληνικό σχολείο. Εθνική Επιτροπή Βιοηθικής. Σελ. 22-25 (Προτάσεις για τη διδασκαλία των ανθρωπιστικών μαθημάτων). Διαθέσιμο στο bioethics.gr.
McGillivray, B. (2025). AI for Classics: Understanding semantic change across centuries. Oxford University Press / Seminar Notes. Σελ. 45 (Ενότητα: "Machine Learning in Epigraphy"). Σχετικές πληροφορίες στο University of Oxford. https://classics.web.ox.ac.uk/sitefiles/ah-sf-seminar-classics-ai-mt-2025.pdf]. [Προσπελάστηκε: 21-12-2025]
Nature - Humanistic Sciences (2025). Lexical Richness and Gaps. Σελ. 5. (Για τη δημιουργία νέων τεχνικών όρων βάσει ετυμολογίας). https://www.nature.com/articles/s41599-025-05560-x. [Προσπελάστηκε: 21-12-2025]
ResearchGate (2025). The Impact of Artificial Intelligence on the Development of Methods of Critical Text Analysis in Modern Philology. Σελ. 12-14 (Ανάλυση για τη χρήση νευρωνικών δικτύων στην κριτική των κειμένων). Διαθέσιμο στο ResearchGate. [Προσπελάστηκε: 21-12-2025]
Παύλου, Β. (2025). Ορθή Χρήση της Τεχνητής Νοημοσύνης στην Εκπαίδευση και την Έρευνα: Συνοπτικός Οδηγός. ΕΚΠΑ. Σελ. 8-10 (Κεφάλαιο για την αποφυγή της λογοκλοπής και την κριτική σκέψη). Λήψη από το αρχείο του ΕΚΠΑ.ekpa.gr. [Προσπελάστηκε: 21-12-2025]
Springer - Shormani (2025). What fifty-one years of linguistics and artificial intelligence research tell us. Σελ. 4-6. Μια ιστορική και σύγχρονη ανασκόπηση που αποδεικνύει ότι η ΤΝ παραμένει ουσιαστικά μια γλωσσολογική κατασκευή που απαιτεί φιλολογική εποπτεία. https://link.springer.com/article/10.1007/s10462-025-11332-5. . [Προσπελάστηκε: 21-12-2025]
[4] Stanford HAI (2025). The 2025 AI Index Report. Stanford University. Σελ. 112 (Ενότητα: "AI in Humanities and Linguistic Attribution"). https://hai.stanford.edu/ai-index/2025-ai-index-report. [Προσπελάστηκε: 21-12-2025]
Tsioumanis, N. (2025). European Linguistics and Languages Technologies. Σελ. 46. (Για τη σύγκριση γερμανικής τεχνικής ορολογίας και ελληνικής απόδοσης) Πηγή. https://ikee.lib.auth.gr/record/361585/files/GRI-2025-47877.pdf. [Προσπελάστηκε: 21-12-2025]
UNESCO (2025). Who educates the LLMs?. Σελ. 1-2. Τονίζεται η ανάγκη συμμετοχής των ανθρωπιστικών επιστημών στην «εκπαίδευση» των μοντέλων, ώστε να ενσωματώνουν τη διαφορετικότητα των παγκόσμιων κοινοτήτων μέσω του στοχευμένου λόγου. Πηγή: UNESCO 2025. https://www.unesco.org/en/articles/who-educates-llms. [Προσπελάστηκε: 21-12-2025].
Όλες οι σημαντικές και έκτακτες ειδήσεις σήμερα
Παν.Πατρών: Tο 1ο στην Ελλάδα Πανεπιστημιακό Πιστοποιητικό ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ για εκπαιδευτικούς
Η πιο εύκολη Πιστοποίηση Αγγλικών στην Ελλάδα σε 2 ημέρες στα χέρια σου - Δίνεις από το σπίτι σου
Πανεπιστήμιο Αιγαίου: Το κορυφαίο πρόγραμμα ειδικής αγωγής στην Ελλάδα - Αιτήσεις έως 18/12
Μοριοδοτούμενο σεμινάριο Ειδικής Αγωγής Πανεπιστημίου Πατρών με μόνο 60 ευρώ
