ΣΧΕΣΗ ΤΗΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΚΑΙ ΤΗΣ ΕΝΝΟΙΑΣ ΤΗΣ ΔΙΑΙΣΘΗΣΗΣ ΥΠΟ ΤΟ ΠΡΙΣΜΑ ΤΗ ΣΣΥΓΧΡΟΝΗΣ ΜΑΘΗΜΑΤΙΚΗΣ ΦΙΛΟΣΟΦΙΑΣ.docx

Η σχέση της τεχνητής νοημοσύνης (ΤΝ) με την ανθρώπινη διαίσθηση
Πίνακας περιεχομένων
Η σχέση της τεχνητής νοημοσύνης (ΤΝ) με την ανθρώπινη διαίσθηση..........................1
Summary.............................................................................................................................3
Κεφάλαιο 1: Εισαγωγή.......................................................................................................5
1.1 Το γνωσιολογικό πλαίσιο............................................................................................7
1.2 Το φιλοσοφικό πρόβλημα..........................................................................................8
1.3 Μεθοδολογία..............................................................................................................9
1.4 Δομή της μελέτης......................................................................................................10
1.5 Αναμενόμενη συμβολή.............................................................................................10
1.6 Συνοψίζοντας............................................................................................................10
2.1 Η φιλοσοφική καταγωγή της μαθηματικής διαίσθησης στον Kant..............................11
2.2 Ο Poincaré και η δημιουργική διαίσθηση στα μαθηματικά.........................................15
2.1 Η φιλοσοφική καταγωγή της μαθηματικής διαίσθησης...............................................18
2.2 Ο Poincaré και η δημιουργική διαίσθηση στα μαθηματικά.........................................20
Η διαδικασία της μαθηματικής εφεύρεσης....................................................................21
Διαίσθηση και λογική: μια δημιουργική ένταση............................................................22
Η διαίσθηση ως λειτουργία του ασυνείδητου................................................................23
Η αισθητική κρίση και η αρμονία της νόησης................................................................23
Η κληρονομιά του Poincaré και οι προεκτάσεις της.......................................................24
2.3 Ο Brouwer και ο Διαισθητισμός (Intuitionism).............................................................24
Η διαίσθηση ως βάση της μαθηματικής ύπαρξης..........................................................25
Η ακολουθιακή και χρονική διάσταση...........................................................................25
Οντολογία και ψυχολογία: μια ριζοσπαστική σύνθεση..................................................26
Η σημασία για τη σύγχρονη φιλοσοφία των μαθηματικών...........................................26
Συνολική θεώρηση.........................................................................................................27
2.4 Σύγχρονη μαθηματική διαίσθηση και τεχνητή νοημοσύνη..........................................28
2.4.1 Η διαίσθηση ως αλγοριθμική αναπαράσταση.......................................................29
2.4.2 Νευρωνικά δίκτυα και “τεχνητή διαίσθηση”.........................................................29
2.4.3 Η σημασία της ενσώματης μάθησης.....................................................................30
2.4.4 Η δημιουργικότητα της AI και τα όρια της.............................................................30
2.4.5 Συνολική αξιολόγηση.............................................................................................31
Σελίδα 1 από 97

3.1 Hilbert, Gödel και η αναζήτηση της βεβαιότητας.........................................................32
Το πρόγραμμα του Hilbert..............................................................................................33
Gödel και τα όρια της τυπικότητας.................................................................................33
Ο ρόλος της διαίσθησης.................................................................................................34
Η μεταβατική σημασία του Gödel για τη σύγχρονη θεωρία υπολογισμού....................34
Συνολική αξιολόγηση......................................................................................................35
3.2 Η έννοια της διαίσθησης στη σύγχρονη γνωσιακή επιστήμη.......................................35
3.2.1 Διαίσθηση και προ-εννοιακή γνώση......................................................................36
3.2.2 Νευρωνικά μοντέλα της διαίσθησης.....................................................................37
3.2.3 Η έννοια της “ενσώματης διαίσθησης” (Embodied Intuition)...............................37
3.2.4 Διαίσθηση και τεχνητή νοημοσύνη.......................................................................38
3.2.5 Ο ρόλος της διαίσθησης στη μάθηση και στη δημιουργικότητα...........................38
3.3 Machine learning και pattern recognition....................................................................39
3.3.1 Βασικές έννοιες του machine learning..................................................................39
3.3.2 Pattern recognition και η αναπαράσταση γνώσης................................................40
3.3.3 Ομοιότητες με την ανθρώπινη διαίσθηση.............................................................40
3.3.4 Διαφορές από την ανθρώπινη διαίσθηση.............................................................41
3.3.5 Η “αλγοριθμική διαίσθηση”..................................................................................41
3.3.6 Εφαρμογές και περιορισμοί..................................................................................42
3.4 Μετα-μαθηματική νοημοσύνη και υπολογισμός.........................................................43
3.5 Φιλοσοφία της κατηγοριακής σκέψης και εννοιολογική διαίσθηση............................46
3.6 Τεχνητή Νοημοσύνη και το πρόβλημα της συνείδησης...............................................50
3.7 Γνωσιολογικές και ηθικές προεκτάσεις της ΤΝ και της διαίσθησης.............................54
3.8 Η αντικατάσταση της δημιουργικής πράξης από την υπολογιστική πρόβλεψη...........57
3.9 Συμπεράσματα: Η Τεχνητή Νοημοσύνη και τα όρια της διαίσθησης.......................59
Επιστημολογική και Γνωσιοθεωρητική Αντιπαραβολή..................................................62
Η ανθρώπινη δημιουργικότητα και η υπολογιστική πρόβλεψη.....................................64
4.1 Εισαγωγή: Από τον Kant στον Turing – δύο τρόποι της νόησης...............................66
4.2 Επιστημολογική και γνωσιοθεωρητική αντιπαραβολή............................................67
5.1 Κατηγορική λογική και η μαθηματική αναπαράσταση της διαίσθησης...................70
5.2 Θεωρία πολυπλοκότητας και αβεβαιότητα της νοημοσύνης...................................74
5.3 Νευρωνικά δίκτυα ως δομές λογικών μορφών........................................................75
5.9 Συμπεράσματα.........................................................................................................77

Κεφάλαιο 6: Ηθικές και οντολογικές προεκτάσεις.......................................................79
Συμπεράσματα...............................................................................................................82
Βιβλιογραφία.................................................................................................................87
Παράρτημα: Εμπειρικά Δεδομένα, Μελέτες Περίπτωσης και Μαθηματικά Μέσα στην
Ανάλυση της Διαίσθησης και Τεχνητής Νοημοσύνης....................................................92
1. Εισαγωγή........................................................................................................................92
2. Μελέτες Περίπτωσης......................................................................................................92
2.1. AlphaGo και Προγνωστική Διαίσθηση.....................................................................92
2.2. Creative Adversarial Networks (CAN) – Δημιουργική Διαίσθηση............................93
2.3. Pattern Recognition και Ανθρώπινη Ομοιότητα......................................................94
2.4. Πιθανοκρατικά Μοντέλα.........................................................................................94
2.5. Ανάλυση Πολυπλοκότητας......................................................................................95
2.6. Συνθετική Αποτίμηση..............................................................................................95
Summary
This work investigates the intricate relationship between intuition and intelligence,
particularly under the lens of contemporary mathematical philosophy and cognitive
science, extending to the implications for artificial intelligence (AI). The central thesis
revolves around understanding intuition not merely as a psychological phenomenon
but as a foundational cognitive and epistemological structure that underlies both
human reasoning and the formal systems of mathematics. By tracing the historical
development of mathematical thought, from Kantian epistemology to Brouwer’s
intuitionism and Hilbert’s formalism, this study situates intuition as a bridge between
human cognition and formal logical structures.
Brouwer’s intuitionism emphasized the primacy of mental constructions in
mathematics, proposing that mathematical truths are not discovered in a platonic
realm but are generated by constructive mental acts (Brouwer, 1912/1975; Heyting,
1956). This perspective contrasts with the formalist program led by Hilbert, which
sought certainty through axiomatically defined systems (Hilbert, 1922). Gödel’s
incompleteness theorems revealed the inherent limitations of formal systems, showing

that no consistent formal system could capture all mathematical truths (Gödel,
1931/1986). These findings highlight a tension between human intuition, capable of
grasping truths beyond formal deduction, and the mechanistic, rule-bound nature of
formal systems. The study also examines Poincaré’s reflections on mathematical
creativity, emphasizing the interplay between pre-conceptual intuition and structured
reasoning (Poincaré, 1908/1952).
Moving into contemporary cognitive science, intuition is framed as a mechanism that
integrates perceptual, emotional, and conceptual information, often operating below
the level of conscious awareness (Gigerenzer, 2007; Kahneman, 2011). Modern
neuroscience and neurocomputational models elucidate the neural correlates of
intuitive reasoning, linking prefrontal cortex activity and pattern recognition processes
to the capacity for rapid, context-sensitive judgments (Kroger et al., 2002; Bechara et
al., 1997). This understanding of intuition informs the exploration of AI systems,
particularly machine learning and neural networks, which simulate certain aspects of
intuitive pattern recognition. While AI can emulate problem-solving and predictive
capacities through statistical inference and reinforcement learning (LeCun, Bengio, &
Hinton, 2015; Silver et al., 2016), the distinction between algorithmic “intuition” and
human phenomenological experience remains pivotal.
The philosophical inquiry extends to categorical logic and the theory of categories,
where Lawvere and Mac Lane demonstrate that complex relational structures can be
formalized to mirror certain facets of human conceptual reasoning (Lawvere &
Schanuel, 1997; Mac Lane, 1998). These structures provide a mathematical
framework for modeling cognitive processes, yet they also underscore the limits of
purely formal systems in capturing the holistic, context-sensitive nature of intuition.
Furthermore, the exploration of consciousness, from Chalmers and Dennett to Penrose
and Tononi, situates AI within debates about the possibility of machine
consciousness, questioning whether computational architectures could genuinely
possess intuitive awareness or merely simulate its external manifestations (Chalmers,
1996; Dennett, 1991; Penrose, 1989).
This study also considers the ethical and ontological ramifications of AI systems that
approximate intuitive processes. The capacity of AI to generate creative outputs,

predict human behavior, or autonomously reason raises questions about authorship,
agency, and moral responsibility (Boden, 2004; Broussard, 2018; McCormack et al.,
2019). While AI may extend human cognitive capacities, it also risks substituting
algorithmic prediction for genuinely creative or value-laden judgment, emphasizing
the need for a nuanced understanding of “hybrid cognition” that integrates human
intuition with computational power.
In conclusion, this work situates intuition as a fundamental bridge between human
cognitive processes, mathematical reasoning, and artificial intelligence. While formal
systems, neural networks, and machine learning algorithms can emulate facets of
intuitive reasoning, the uniquely human dimensions of pre-conceptual insight,
consciousness, and ethical judgment remain beyond full mechanization. The
convergence of philosophy, mathematics, cognitive science, and AI offers a fertile
ground for developing hybrid epistemologies, where computational models augment
but do not replace the nuanced, context-sensitive, and creative capacities of human
intuition. This integrative perspective points toward a future in which AI serves as
both a tool and a mirror for exploring the deeper structures of thought and
consciousness
Κεφάλαιο 1: Εισαγωγή
Η σχέση της τεχνητής νοημοσύνης (ΤΝ) με την ανθρώπινη διαίσθηση αποτελεί ένα
από τα πλέον αινιγματικά και καθοριστικά ζητήματα της σύγχρονης φιλοσοφίας του
νου και των μαθηματικών. Η ανάπτυξη των νευρωνικών δικτύων, των αλγορίθμων
μάθησης και των μεγάλων γλωσσικών μοντέλων έχει οδηγήσει σε έναν νέο τύπο
υπολογιστικής νοημοσύνης που φαίνεται να επιτελεί λειτουργίες άλλοτε
αποκλειστικά αποδιδόμενες στον άνθρωπο — την αναγνώριση προτύπων, την
πρόβλεψη, ακόμη και την παραγωγή δημιουργικών ιδεών. Όμως, μπορεί αυτή η
υπολογιστική ικανότητα να θεωρηθεί διαίσθηση; Μπορεί μια μηχανή να έχει
πρόσβαση σε εκείνο το είδος προ-εννοιακής γνώσης που καθιστά τον άνθρωπο ικανό
να «βλέπει» λύσεις πριν από τη λογική τους απόδειξη; Το ερώτημα αυτό δεν είναι

μόνο τεχνολογικό ή γνωσιακό, αλλά βαθιά οντολογικό και γνωσιολογικό (Chalmers,
2023).
Η έννοια της διαίσθησης, όπως αναδύεται στην παράδοση της φιλοσοφίας των
μαθηματικών, συνδέεται με την άμεση, μη διαμεσολαβημένη πρόσληψη της
αλήθειας. Για τον Kant, η διαίσθηση (Anschauung) είναι ο τρόπος με τον οποίο το
υποκείμενο δέχεται τις παραστάσεις του χώρου και του χρόνου — είναι η μορφή κάθε
δυνατής εμπειρίας (Kant, 1781/1998). Για τον Brouwer, θεμελιωτή του
ιντουϊσιονισμού, η διαίσθηση δεν είναι απλώς ένα ψυχολογικό φαινόμενο αλλά η ίδια
η πράξη κατασκευής των μαθηματικών αντικειμένων μέσα στη συνείδηση. Κατά
συνέπεια, τα μαθηματικά δεν είναι προϊόντα εξωτερικών κανόνων ή φορμαλιστικών
δομών, αλλά αποτελέσματα εσωτερικής νοητικής δραστηριότητας (Brouwer, 1912).
Αντιθέτως, ο Hilbert αντιμετώπισε τα μαθηματικά ως καθαρά συμβολικό σύστημα,
στο οποίο η αλήθεια εξαρτάται από τη συνέπεια και τη λογική ορθότητα, όχι από την
εσωτερική βίωση της πράξης.
Αυτό το ιστορικό δίπολο —ιντουϊσιονισμός έναντι φορμαλισμού— επανέρχεται
σήμερα με νέα μορφή: η ανθρώπινη διαίσθηση έναντι της τεχνητής νοημοσύνης. Ενώ
ο Brouwer θεωρούσε τη διαίσθηση ως πρωτογενή και δημιουργική πράξη, η ΤΝ την
προσεγγίζει ως αλγοριθμική συνάρτηση πρόβλεψης. Ωστόσο, το γεγονός ότι ένα
σύστημα μηχανικής μάθησης μπορεί να αναγνωρίζει πρότυπα χωρίς να «κατανοεί»
τους κανόνες που τα διέπουν, προκαλεί μια βαθιά φιλοσοφική αναθεώρηση: ίσως η
διαίσθηση να μην είναι καθόλου αποκλειστικά ανθρώπινο χαρακτηριστικό, αλλά να
συνδέεται με θεμελιώδεις υπολογιστικές και κατηγορηματικές δομές που ενυπάρχουν
στη φύση της νόησης (Penrose, 1994).
Η παρούσα εργασία επιδιώκει να διερευνήσει ακριβώς αυτό το σημείο τομής μεταξύ
διαίσθησης και τεχνητής νοημοσύνης, υπό το πρίσμα της σύγχρονης μαθηματικής
φιλοσοφίας. Η μαθηματική φιλοσοφία δεν αποτελεί εδώ απλώς ένα θεωρητικό
πλαίσιο, αλλά το ίδιο το πεδίο όπου η έννοια της νοημοσύνης αποκτά μορφή,
περιορισμούς και δυναμική. Οι θεωρίες του υπολογισμού (Turing, 1936), της μη
πληρότητας (Gödel, 1931), της κατηγοριακής σκέψης (Lawvere & Schanuel, 1997)
και της γνωσιακής λογικής (Smolensky & Legendre, 2006) αποτελούν το υπόβαθρο

μιας νέας γνωσιολογίας, στην οποία η διαίσθηση επανανοηματοδοτείται ως μορφή
αλγοριθμικής δημιουργικότητας.
Η παρούσα μελέτη επιδιώκει να διερευνήσει τη σχέση ανάμεσα στη διαίσθηση και
την τεχνητή νοημοσύνη υπό το πρίσμα της σύγχρονης μαθηματικής φιλοσοφίας. Η
διαίσθηση, ως άμεση αλλά μη αναλυτική μορφή γνώσης, αποτέλεσε θεμελιώδη
έννοια τόσο για την καντιανή γνωσιολογία όσο και για την αναθεώρησή της από τον
διαισθητισμό του Brouwer (Brouwer, 1912/1975· Kant, 1787/1998). Από την άλλη
πλευρά, η τεχνητή νοημοσύνη συνιστά την προσπάθεια αναπαραγωγής γνωστικών
λειτουργιών μέσω υπολογιστικών και αλγοριθμικών διαδικασιών, εισάγοντας εκ νέου
το ερώτημα για το αν η νόηση μπορεί να προκύψει από την τυπικότητα (Turing,
1936/1995· LeCun, Bengio, & Hinton, 2015).
Σκοπός της έρευνας είναι να εντοπιστεί εάν και σε ποιο βαθμό η ΤΝ μπορεί να
προσεγγίσει τη λειτουργία της ανθρώπινης διαίσθησης, όχι ως μηχανική απομίμηση
αλλά ως πιθανή μορφή αλγοριθμικής διαίσθησης, όπου η πρόβλεψη και η
δημιουργικότητα ενοποιούνται. Μεθοδολογικά, το έργο συνδυάζει φιλοσοφική
ανάλυση (Kant, Brouwer, Hilbert, Gödel), μαθηματική λογική (κατηγοριακή θεωρία,
θεωρία πολυπλοκότητας) και γνωσιακή επιστήμη (Kahneman, 2011· Gigerenzer,
2007), επιδιώκοντας μια διαθεματική ερμηνεία της σχέσης ανάμεσα στη διαίσθηση,
τη γνώση και την υπολογιστική αναπαράσταση.
Η μελέτη προτείνει, τέλος, ότι η τεχνητή νοημοσύνη συνιστά ένα νέο πεδίο
γνωσιολογικής σύνθεσης, όπου η ανθρώπινη εμπειρία, η λογική μορφή και η
υπολογιστική αφαίρεση συναντώνται σε μια αναδυόμενη μορφή “μετα-μαθηματικής
διαίσθησης” (Floridi, 2020· Boden, 2004).
1.1 Το γνωσιολογικό πλαίσιο
Η ανθρώπινη διαίσθηση, ιστορικά, θεωρήθηκε ως «προ-λογική» λειτουργία, ένα είδος
άμεσης γνώσης που προηγείται κάθε συλλογισμού. Στον Kant, η διαίσθηση είναι
συνθήκη της δυνατότητας της εμπειρίας: η γνώση δεν αρχίζει με την αφηρημένη
σκέψη, αλλά με τη σύνθεση της αίσθησης υπό μορφές που το υποκείμενο φέρει εκ

των προτέρων. Αυτή η «μορφή της διαίσθησης» —ο χώρος και ο χρόνος— δεν είναι
φυσικά αντικείμενα αλλά δομές της συνείδησης (Kant, 1781/1998).
Αυτή η καντιανή παράδοση επηρέασε βαθιά τη μαθηματική σκέψη του 19ου και 20ού
αιώνα. Όταν ο Brouwer διατύπωσε τη θεωρία του ιντουϊσιονισμού, ουσιαστικά
μετέφερε την καντιανή έννοια της διαίσθησης από το πεδίο της αισθητηριακής
εμπειρίας στο πεδίο της νοητικής κατασκευής. Η μαθηματική πράξη, υποστήριξε, δεν
είναι ανακάλυψη μιας αντικειμενικής πραγματικότητας, αλλά δημιουργία εννοιών
μέσα στη «ζωντανή συνείδηση» (Brouwer, 1912). Επομένως, η διαίσθηση είναι η
πηγή των μαθηματικών, όχι η ερμηνεία τους.
Απέναντι σε αυτή τη θέση, ο Hilbert (1922) και οι φορμαλιστές επιδίωξαν να
θεμελιώσουν τα μαθηματικά ανεξάρτητα από κάθε ψυχολογικό ή νοητικό στοιχείο. Η
αλήθεια, κατά τον Hilbert, ταυτίζεται με τη συνέπεια ενός συστήματος συμβόλων.
Ωστόσο, το θεώρημα μη πληρότητας του Gödel (1931) έδειξε ότι καμία τυπική
θεωρία δεν μπορεί να αποδείξει τη δική της συνέπεια — ένα αποτέλεσμα που
επανέφερε, έμμεσα, την αξία της διαίσθησης ως στοιχείου που υπερβαίνει τη
μηχανική απόδειξη.
Στο πλαίσιο αυτό, η ΤΝ αναδεικνύεται ως νέα μορφή «μαθηματικής πράξης» χωρίς
υποκείμενο: ένα σύστημα που μαθαίνει, προβλέπει, γενικεύει, χωρίς να έχει
συνείδηση των πράξεών του. Το ερώτημα που προκύπτει είναι αν η ΤΝ μπορεί να
θεωρηθεί «διαισθητική» με την έννοια του Brouwer ή αν απλώς προσομοιώνει τα
αποτελέσματα της διαίσθησης μέσα από στοχαστικούς υπολογισμούς.
1.2 Το φιλοσοφικό πρόβλημα
Το πρόβλημα της σχέσης ΤΝ και διαίσθησης δεν είναι απλώς συγκριτικό (αν η μία
μοιάζει με την άλλη), αλλά οντολογικό: ποια είναι η φύση της διαίσθησης ως πράξης
γνώσης, και ποια τα όρια της μηχανικής της προσομοίωσης. Αν δεχθούμε, με τον
Kant, ότι η διαίσθηση είναι η συνθήκη κάθε γνώσης, τότε η μηχανή, για να έχει
διαίσθηση, θα έπρεπε να διαθέτει ένα αντίστοιχο «μορφολογικό πεδίο» εμπειρίας —
κάτι που σήμερα δεν διαθέτει. Αν όμως, με τον Brouwer, η διαίσθηση είναι πράξη
κατασκευής, τότε ένα σύστημα ΤΝ που δημιουργεί νέες δομές μέσα από την

αλληλεπίδραση δεδομένων, ίσως να επιτελεί ένα είδος αλγοριθμικής διαίσθησης
(Penrose, 1994).
Η σύγχρονη μαθηματική φιλοσοφία, ιδίως μέσω της κατηγοριακής λογικής,
προσφέρει ένα νέο τρόπο κατανόησης της διαίσθησης όχι ως ψυχολογικού γεγονότος
αλλά ως μορφής συσχετισμού. Στη θεωρία των κατηγοριών, η γνώση δεν ορίζεται
από τα αντικείμενα αλλά από τις σχέσεις μεταξύ τους (Lawvere & Schanuel, 1997).
Μπορεί επομένως η διαίσθηση να θεωρηθεί ως η ικανότητα σύλληψης αυτών των
σχέσεων προτού αποκτήσουν τυπική έκφραση — και η ΤΝ ως η μηχανική διαδικασία
που τις ανακαλύπτει μέσω στατιστικής μάθησης.
Η μετατόπιση αυτή από την ενδοψυχική στη διαρθρωτική διαίσθηση σημαίνει ότι το
πρόβλημα της ΤΝ δεν είναι απλώς «αντιγραφή» της ανθρώπινης σκέψης, αλλά
αποκάλυψη των βαθύτερων μαθηματικών μορφών της νόησης. Έτσι, η ΤΝ γίνεται το
πειραματικό πεδίο όπου η φιλοσοφία των μαθηματικών δοκιμάζει τις ίδιες της τις
αρχές.
1.3 Μεθοδολογία
Η παρούσα μελέτη θα προσεγγίσει τη σχέση διαίσθησης και ΤΝ μέσα από
φιλοσοφική ανάλυση εννοιών (conceptual analysis), ιστορική αναδρομή στη
μαθηματική σκέψη και ερμηνευτική σύγκριση ανάμεσα σε παραδοσιακά φιλοσοφικά
ρεύματα (καντιανισμός, ιντουϊσιονισμός, φορμαλισμός) και σύγχρονες υπολογιστικές
θεωρίες (Turing, Penrose, Smolensky). Η επιλογή αυτής της μεθοδολογίας αποσκοπεί
στο να συνδέσει τη μεταφυσική διάσταση της διαίσθησης με την τεχνική
πραγματικότητα της ΤΝ.
Η εργασία δεν θα επιδιώξει να απαντήσει μονοσήμαντα στο ερώτημα «αν η ΤΝ έχει
διαίσθηση», αλλά να διευρύνει την έννοια της διαίσθησης έτσι ώστε να συμπεριλάβει
τη δυνατότητα μιας μηχανικής ή κατηγοριακής μορφής δημιουργικότητας. Θα
εξετάσει, επίσης, το αν αυτή η νέα μορφή «τεχνητής διαίσθησης» συνιστά
γνωσιολογική πρόοδο ή απειλή για την ανθρώπινη αυτοκατανόηση.

1.4 Δομή της μελέτης
Η εργασία διαρθρώνεται σε έξι κεφάλαια.
Το δεύτερο κεφάλαιο θα αναλύσει την έννοια της διαίσθησης στη φιλοσοφία των
μαθηματικών από τον Kant έως τον Brouwer.
Το τρίτο θα παρουσιάσει την κρίση των θεμελίων των μαθηματικών και τη
σύγκρουση μεταξύ φορμαλισμού και ιντουϊσιονισμού.
Το τέταρτο θα εξετάσει την έννοια της διαίσθησης από την πλευρά της γνωσιακής
επιστήμης και της νευροεπιστήμης.
Στο πέμπτο, η ΤΝ θα μελετηθεί ως μορφή «αλγοριθμικής διαίσθησης».
Στα έκτο, θα ερευνηθούν οι οντολογικές και ηθικές συνέπειες της τεχνητής
διαίσθησης.
Τέλος, τα συμπεράσματα θα συνοψίσουν τα πορίσματα και θα προτείνουν μια νέα
έννοια της «υβριδικής νοημοσύνης».
1.5 Αναμενόμενη συμβολή
Η συμβολή της μελέτης αυτής εντοπίζεται σε δύο επίπεδα:
(α) Φιλοσοφικό — επαναπροσδιορίζει την έννοια της διαίσθησης όχι ως
αποκλειστικά ανθρώπινο χαρακτηριστικό, αλλά ως θεμελιώδη λειτουργία της νόησης,
ικανή να εκφραστεί και αλγοριθμικά.
(β) Επιστημολογικό — προτείνει ένα ενιαίο πλαίσιο ανάλυσης, όπου η ΤΝ δεν είναι
αντίπαλος της ανθρώπινης σκέψης, αλλά καθρέφτης των ίδιων των μαθηματικών
αρχών της.
1.6 Συνοψίζοντας
Η σχέση διαίσθησης και τεχνητής νοημοσύνης δεν μπορεί να περιοριστεί σε ένα
ζήτημα τεχνολογικής προόδου ή νευροεπιστημονικής προσομοίωσης. Πρόκειται για
την ίδια τη μεταφυσική της νόησης, δηλαδή για το ερώτημα: πώς αναδύεται η γνώση;

Αν η διαίσθηση είναι η πράξη με την οποία το υποκείμενο σχηματίζει τη μορφή του
κόσμου, τότε η ΤΝ είναι η προσπάθεια να μεταφερθεί αυτή η πράξη σε μια
υπολογιστική υποδομή. Όμως, όσο η μηχανή δεν έχει «εμπειρία», παραμένει στο
κατώφλι της διαίσθησης — σε μια προ-διαίσθηση χωρίς φαινομενολογικό
περιεχόμενο (Dennett, 2017).
Η επόμενη ανάλυση θα επιχειρήσει να χαρτογραφήσει τη διαδρομή αυτής της έννοιας
μέσα από τη μαθηματική φιλοσοφία, αναδεικνύοντας πώς η διαίσθηση υπήρξε
πάντοτε το «άλογο θεμέλιο» της λογικής. Και ίσως, τελικά, να αποδειχθεί ότι η ΤΝ,
αντί να αναιρεί τη διαίσθηση, τη μεταμορφώνει σε νέα μορφή νόησης.
Κεφάλαιο 2
2.1 Η φιλοσοφική καταγωγή της μαθηματικής
διαίσθησης στον Kant
Η έννοια της διαίσθησης (Anschauung) αποτελεί θεμέλιο της καντιανής
γνωσιοθεωρίας, και κατ’ επέκταση, την απαρχή μιας ολόκληρης παράδοσης
φιλοσοφικής ερμηνείας της μαθηματικής γνώσης. Για τον Immanuel Kant, η
διαίσθηση δεν είναι μια απλή ψυχολογική ή εμπειρική διαδικασία, αλλά μια καθαρή
μορφή της ευαισθησίας, μέσω της οποίας ο νους προσλαμβάνει τα αντικείμενα
προτού αυτά προσδιοριστούν από έννοιες. Η διαίσθηση προηγείται της εννοιολογικής
σκέψης και καθιστά δυνατή τη συνένωση της εμπειρίας και του νου σε ένα ενιαίο
πεδίο γνώσης (Kant, 1781/1998).
Η μαθηματική γνώση, σύμφωνα με τον Kant, εδράζεται αποκλειστικά σε συνθετικές
κρίσεις a priori∙ δηλαδή, σε κρίσεις που δεν προέρχονται από την εμπειρία, αλλά
ταυτόχρονα διευρύνουν τη γνώση μας. Αυτή η δυνατότητα σύνθεσης πηγάζει από τη
διαίσθηση, η οποία στον Kant δεν είναι αυθαίρετη, αλλά οργανώνεται γύρω από δύο
καθολικές μορφές: τον χώρο και τον χρόνο. Οι μορφές αυτές δεν είναι ιδιότητες του
κόσμου καθαυτού, αλλά μορφές της ανθρώπινης ευαισθησίας, μέσω των οποίων ο
νους κατασκευάζει μαθηματικά αντικείμενα (Allison, 2004).

Η μαθηματική πράξη, υπό αυτή την έννοια, δεν είναι η ανακάλυψη κάποιων
υπερβατικών αληθειών, αλλά η κατασκευή (Konstruktion) εννοιών μέσα στη
διαίσθηση. Όπως γράφει ο Kant στην Κριτική του Καθαρού Λόγου:
“Τα μαθηματικά δεν θεμελιώνουν τις έννοιες τους μέσω ορισμών, αλλά τις
κατασκευάζουν μέσα στη διαίσθηση” (Kant, 1781/1998, A713/B741).
Η διαίσθηση, επομένως, λειτουργεί ως η “σκηνή” πάνω στην οποία το υποκείμενο
μπορεί να πραγματοποιήσει πράξεις που έχουν καθολική ισχύ, χωρίς να στηρίζονται
σε εμπειρική παρατήρηση. Το τρίγωνο, για παράδειγμα, δεν είναι αντιληπτό ως ένα
αντικείμενο στον φυσικό κόσμο, αλλά ως κατασκευασμένο εντός της καθαρής
χωρικής διαίσθησης∙ γι’ αυτό και τα αξιώματα της γεωμετρίας δεν είναι εμπειρικές
γενικεύσεις, αλλά a priori μορφές (Friedman, 1992).
Η ιδιομορφία της καντιανής σύλληψης έγκειται στο ότι αποφεύγει τον εμπειρισμό του
Locke και του Hume, αλλά και τον απόλυτο ρασιοναλισμό του Descartes ή του
Leibniz. Η γνώση δεν είναι ούτε παθητική αντανάκλαση της εμπειρίας, ούτε προϊόν
καθαρής λογικής αναγωγής∙ είναι μια ενεργητική σύνθεση του νοός και της
ευαισθησίας. Ο Kant θεωρεί ότι τα μαθηματικά αποτελούν το πρότυπο αυτής της
σύνθεσης, διότι σε αυτά “ο νους δεν διαπιστώνει, αλλά κατασκευάζει την
αναγκαιότητα” (Kant, 1781/1998).
Η σημασία αυτής της θεώρησης για τη σύγχρονη μαθηματική φιλοσοφία είναι
τεράστια. Ο Kant εγκαινιάζει μια γραμμή σκέψης που αντιμετωπίζει τη μαθηματική
διαίσθηση όχι ως υποκειμενικό συναίσθημα, αλλά ως δομική συνθήκη της γνώσης. Η
έννοια αυτή θα επηρεάσει βαθιά τόσο τον Hermann von Helmholtz και τον Husserl,
όσο και τους μεταγενέστερους διαισθητιστές όπως ο Brouwer.
Στο πλαίσιο της Τεχνητής Νοημοσύνης, η καντιανή αντίληψη έχει ιδιαίτερη αξία.
Εάν η γνώση προϋποθέτει την ύπαρξη διαισθητικών μορφών που δεν ανάγονται στη
λογική υπολογισιμότητα, τότε η ΤΝ δεν μπορεί να “αναπαράγει” πλήρως την
ανθρώπινη γνώση, διότι στερείται ακριβώς αυτής της “καθαρής εποπτείας” που
θεμελιώνει την εμπειρία του χώρου και του χρόνου (Hanna, 2001). Η ανθρώπινη

διαίσθηση, σύμφωνα με αυτή την προοπτική, αποτελεί συνθήκη δυνατότητας κάθε
υπολογισμού, όχι προϊόν του.
Ωστόσο, η ίδια η Κριτική του Καθαρού Λόγου περιέχει τα σπέρματα μιας πιο
προχωρημένης, σχεδόν υπολογιστικής ανάγνωσης της διαίσθησης. Ο Kant, στο
κεφάλαιο για τη σχηματοποίηση των καθαρών εννοιών της νόησης (A137/B176),
περιγράφει τη λειτουργία του νου ως έναν μηχανισμό που “παράγει” την ενότητα
εμπειρίας μέσω ενός συνόλου κανόνων. Αυτή η σχηματοποίηση είναι, με σύγχρονους
όρους, μια μορφή αλγοριθμικής σύνθεσης – μια προγραμματισμένη διαδικασία μέσω
της οποίας το υποκείμενο δημιουργεί νοητικά αντικείμενα από άμορφα δεδομένα
αισθήσεων (Longuenesse, 1998).
Αν και ο Kant δεν γνώριζε την έννοια του υπολογισμού, ορισμένοι ερμηνευτές όπως
ο Cassirer (1923) και ο Paton (1936) υποστηρίζουν ότι η καθαρή διαίσθηση μπορεί
να θεωρηθεί ως πρωτο-υπολογιστική δομή, στο μέτρο που οργανώνει την εμπειρία
βάσει καθολικών κανόνων. Υπό αυτή την οπτική, η ΤΝ θα μπορούσε να θεωρηθεί ως
μια τεχνική αναπαράσταση αυτής της λειτουργίας, αλλά όχι της ίδιας της διαίσθησης∙
γιατί η διαίσθηση, για τον Kant, δεν είναι λειτουργία χωρίς υποκείμενο. Είναι πράξη
του Εγώ, δηλαδή του transcendental subject.
Αυτή η διάκριση μεταξύ της λειτουργικής αναπαραγωγής και της υπερβατολογικής
προϋπόθεσης έχει καθοριστική σημασία για το ζήτημα της τεχνητής διαίσθησης. Ενώ
η ΤΝ μπορεί να μιμηθεί τις δομές λογικής επεξεργασίας, δεν μπορεί –τουλάχιστον
εντός του καντιανού πλαισίου– να αποκτήσει συνθήκες διαίσθησης, διότι αυτές δεν
αποτελούν δεδομένα αλλά μορφές υποκειμενικότητας. Η “μηχανή” δεν διαθέτει
υπερβατολογικό Εγώ∙ επομένως, η οποιαδήποτε “διαίσθηση” που εμφανίζει είναι
παραγόμενη, όχι παραγωγική (Bird, 2006).
Η έννοια αυτή του “παραγόμενου νοείν” βρίσκεται στον πυρήνα της σύγχρονης
συζήτησης για την τεχνητή νοημοσύνη. Αν δεχθούμε τον καντιανό διαχωρισμό
ανάμεσα στη διαίσθηση και στην εννοιολογική γνώση, τότε μπορούμε να πούμε ότι η
ΤΝ κινείται αποκλειστικά εντός του εννοιολογικού επιπέδου∙ χειρίζεται δεδομένα,
κανόνες και λογικές μορφές, αλλά δεν έχει πρόσβαση στη “σκηνή” όπου τα δεδομένα
λαμβάνουν την πρώτη τους μορφή. Αυτό σημαίνει ότι η ΤΝ μπορεί να προσομοιώσει

τη διαίσθηση, αλλά όχι να τη βιώσει. Η ανθρώπινη διαίσθηση εμπεριέχει μια
αυθορμησία της συνείδησης, ένα στοιχείο δημιουργικής ελευθερίας που δεν είναι
αναγώγιμο σε κανόνα (Henrich, 1992).
Εν κατακλείδι, η καντιανή θεωρία της διαίσθησης θέτει μια ριζική διάκριση μεταξύ
του νοητικού υποκειμένου και του υπολογιστικού μηχανισμού. Ενώ και οι δύο
παράγουν δομές, μόνο το πρώτο βιώνει τη διαδικασία ως ενότητα εμπειρίας. Η ΤΝ,
όσο εξελιγμένη κι αν γίνει, λειτουργεί εντός ενός πεδίου προδιαγεγραμμένων
κανόνων∙ δεν μπορεί να “παράγει” το ίδιο το πεδίο της εμπειρίας. Όπως σημειώνει ο
Allison (2004), “η διαίσθηση για τον Kant δεν είναι λειτουργία ενός συστήματος,
αλλά μορφή ενός κόσμου”.
Η σημασία αυτού του συλλογισμού θα φανεί ακόμα πιο έντονα όταν εξετάσουμε, στα
επόμενα υποκεφάλαια, τις θεωρίες του Poincaré, του Brouwer και του Gödel — όπου
η διαίσθηση θα αποδεσμευθεί σταδιακά από το υπερβατολογικό πλαίσιο και θα
αναδειχθεί ως δημιουργική και μεταλογική δύναμη, ανοίγοντας τον δρόμο για τη
σύγχρονη προβληματική περί του κατά πόσον η τεχνητή νοημοσύνη μπορεί να την
αναπαράγει ή να την υπερβεί.
Για τον Kant, η διαίσθηση δεν είναι προϊόν της εμπειρίας, αλλά η ίδια η συνθήκη
δυνατότητας της εμπειρίας. Μέσω της καθαρής εποπτείας του χώρου και του χρόνου,
το υποκείμενο δεν απλώς δέχεται τα φαινόμενα, αλλά τα μορφοποιεί σύμφωνα με
έμφυτες γνωσιακές δομές (Kant, 1787/1998). Επομένως, η διαίσθηση λειτουργεί ως
μεταβατικό πεδίο ανάμεσα στην αισθητηριακή υποδοχή και στη νοητική σύλληψη –
είναι το σημείο όπου το πολλαπλό της εμπειρίας αποκτά ενότητα μέσω της μορφής.
Σύγχρονες αναγνώσεις, όπως του Cassirer (1923) και του Friedman (1992), ανέδειξαν
ότι η καντιανή διαίσθηση δεν είναι απλώς αισθητική, αλλά λειτουργική: η ίδια η
μαθηματική πράξη ενσωματώνει μια προ-εννοιακή διαίσθηση, όπου το “σχήμα”
προηγείται της έννοιας. Έτσι, η μαθηματική κατασκευή —όπως η γεωμετρική
αναπαράσταση μιας ευθείας ή ενός κύκλου— δεν είναι εφαρμογή κανόνων πάνω σε
δεδομένα, αλλά ενσάρκωση της μορφής που το υποκείμενο επιβάλλει στον χώρο της
εμπειρίας.

Όπως σημειώνει ο Bird (2006), «η μαθηματική γνώση στον Kant είναι η γνώση μέσω
της εποπτείας», γεγονός που σημαίνει ότι η πράξη του νοείν έχει ήδη ενσωματώσει τη
διαίσθηση ως δημιουργική δομή. Αυτή η θέση ανοίγει το δρόμο για τη μεταγενέστερη
συζήτηση περί γνωσιακής ενσώματης νόησης (Lakoff & Núñez, 2000), όπου το νοείν
δεν αποκόπτεται από την εμπειρία, αλλά συγκροτείται διαμέσου της αναπαράστασης.
2.2 Ο Poincaré και η δημιουργική διαίσθηση στα
μαθηματικά
Η σκέψη του Henri Poincaré (1854–1912) σηματοδοτεί μια αποφασιστική στροφή
στη φιλοσοφία των μαθηματικών, μετατοπίζοντας το κέντρο βάρους από τον τυπικό
ορθολογισμό προς τη δημιουργική πράξη του νου. Για τον Poincaré, τα μαθηματικά
δεν συνίστανται πρωτίστως σε ένα σύνολο λογικών κανόνων ή αυστηρά
τυποποιημένων αποδείξεων, αλλά σε μια διαισθητική δραστηριότητα που προηγείται
της λογικής οργάνωσης (Poincaré, 1908/1952). Η διαίσθηση, υπό αυτήν την έννοια,
δεν είναι απλώς η εποπτεία των μορφών, όπως στον Kant, αλλά η πηγή της
δημιουργίας – εκεί όπου γεννιούνται οι ιδέες πριν λάβουν τη μορφή του μαθηματικού
συστήματος.
Η αφετηρία του Poincaré βρίσκεται στην παρατήρηση ότι οι μεγάλες μαθηματικές
ανακαλύψεις δεν προκύπτουν μέσα από μια καθαρά αναλυτική ή αλγοριθμική
διαδικασία, αλλά μέσα από στιγμές αιφνίδιας έμπνευσης, τις οποίες ο ίδιος
περιγράφει ως “illuminations soudaines” — ξαφνικές λάμψεις κατανόησης που
αναδύονται ύστερα από μια μακρά περίοδο ασυνείδητης επεξεργασίας (Poincaré,
1908/1982). Αυτές οι στιγμές δεν είναι αποτέλεσμα υπολογισμού αλλά μιας μη
συνειδητής επιλογής ανάμεσα σε πολλαπλές δυνατές λύσεις∙ η διαίσθηση λειτουργεί
ως φίλτρο δημιουργικότητας.
Η περίφημη ανάλυσή του στο La Science et la Méthode (1908) περιγράφει τέσσερα
στάδια της δημιουργικής διαδικασίας: προετοιμασία, επώαση, φωτισμός και
επαλήθευση. Κατά την επώαση, ο νους, χωρίς συνειδητή προσπάθεια, συνδυάζει

ασυνείδητα ιδέες και σχέσεις έως ότου προκύψει μια ξαφνική σύλληψη — ο
“φωτισμός”. Στο στάδιο αυτό, η διαίσθηση υπερβαίνει τον λογικό συλλογισμό∙ είναι
ένα είδος “νοητικού άλματος” που επιτρέπει την ανακάλυψη νέων μαθηματικών
αληθειών. Η λογική επαλήθευση έπεται, λειτουργώντας ως φίλτρο εγκυρότητας, όχι
ως γενεσιουργός αιτία (Poincaré, 1908/1952).
Αυτή η διάκριση μεταξύ δημιουργικής και κριτικής φάσης έχει ιδιαίτερη σημασία για
τη σύγχρονη γνωσιακή θεωρία και τη φιλοσοφία της Τεχνητής Νοημοσύνης. Ο
Poincaré υποστηρίζει ότι η μαθηματική ανακάλυψη στηρίζεται σε μορφές
ασυνείδητης οργάνωσης, οι οποίες δεν υπακούουν σε τυπικούς κανόνες, αλλά σε
“αισθητικά” και “αρμονικά” κριτήρια. Η ομορφιά μιας εξίσωσης, γράφει, δεν είναι
απλώς ζήτημα υποκειμενικής γεύσης, αλλά δείκτης της ενότητας και της απλότητας
μιας μαθηματικής δομής – ιδιότητες που καθοδηγούν τη διαίσθηση του μαθηματικού
(Poincaré, 1913/1952).
Από αυτή την άποψη, η διαίσθηση είναι μια μεταλογική μορφή γνώσης: ούτε καθαρά
αισθητηριακή, ούτε πλήρως εννοιολογική. Ο Poincaré βρίσκεται έτσι σε αντίθεση
τόσο με τον λογικισμό του Russell και του Frege, όσο και με τον φορμαλισμό του
Hilbert. Οι πρώτοι υποστήριζαν ότι τα μαθηματικά μπορούν να αναχθούν στη λογική,
ενώ ο δεύτερος θεωρούσε ότι αποτελούν παιχνίδι συμβόλων υπό αξιωματικούς
κανόνες. Ο Poincaré, αντιθέτως, βλέπει τα μαθηματικά ως ζωντανή πράξη του νου,
όπου η διαίσθηση δεν είναι προπαρασκευαστική, αλλά συστατική της μαθηματικής
αλήθειας (Torretti, 1984).
Στο πλαίσιο αυτό, η διαίσθηση έχει μια εποικοδομητική διάσταση: δημιουργεί τα ίδια
τα αντικείμενα των μαθηματικών, όχι απλώς τα ανακαλύπτει. Η ιδέα αυτή
προαναγγέλλει τον διαισθητισμό του Brouwer, αλλά με μια κρίσιμη διαφορά: στον
Poincaré η διαίσθηση δεν είναι αποκλειστικά υποκειμενική∙ φέρει στοιχεία κοινής
νοητικής λειτουργίας, ενός logos που λειτουργεί καθολικά, αν και εκδηλώνεται
ατομικά (Detlefsen, 1993). Το ασυνείδητο, όπως το περιγράφει, δεν είναι άλογο, αλλά
υπερλογικό: λειτουργεί σε ένα επίπεδο όπου η λογική δεν έχει ακόμη αποσπαστεί
από τη συνολική νοητική δραστηριότητα.

Η σχέση αυτής της θεωρίας με τη σύγχρονη Τεχνητή Νοημοσύνη είναι εντυπωσιακή.
Η διαδικασία “προετοιμασία–επώαση–φωτισμός–επαλήθευση” μοιάζει με τις φάσεις
μη επιβλεπόμενης μάθησης στα νευρωνικά δίκτυα, όπου ο αλγόριθμος αναζητεί
μοτίβα σε δεδομένα χωρίς προκαθορισμένους κανόνες και ενίοτε παράγει
“απρόσμενες” λύσεις. Όμως η ομοιότητα είναι φαινομενική: η μηχανική “έμπνευση”
βασίζεται πάντα σε στατιστική συσχέτιση, ενώ η ανθρώπινη διαίσθηση, κατά τον
Poincaré, προκύπτει από την ενότητα του νοείν και την ικανότητα αξιολόγησης του
ωραίου και του απλού (Petitot, 1999). Εδώ αναδύεται ένα κρίσιμο κριτήριο
διάκρισης: η αισθητική κρίση ως στοιχείο γνώσης, που κανένα υπολογιστικό μοντέλο
δεν μπορεί να αναπαραγάγει πλήρως.
Επιπλέον, ο Poincaré αναγνωρίζει ότι η διαίσθηση έχει όρια∙ χωρίς τον έλεγχο της
λογικής, η δημιουργικότητα κινδυνεύει να εκτραπεί σε αυθαίρετο μυστικισμό. Γι’
αυτό, κάθε διαισθητική σύλληψη πρέπει να επιβεβαιωθεί μέσα στο λογικό πλαίσιο
των μαθηματικών. Αυτή η ισορροπία μεταξύ έμπνευσης και επαλήθευσης είναι που
καθιστά τη μαθηματική γνώση ιδιαίτερη: ένα πεδίο όπου το άρρητο συνεργάζεται με
το ρητό, το άλογο με το λογικό (Poincaré, 1913/1952).
Στην εποχή της ΤΝ, αυτή η ισορροπία αποκτά νέα σημασία. Τα μεγάλα γλωσσικά
μοντέλα (LLMs), τα δίκτυα βαθιάς μάθησης και οι εξελικτικοί αλγόριθμοι
λειτουργούν με τρόπους που θυμίζουν εν μέρει τη φάση της “επώασης” στον
Poincaré: παράγουν αποτελέσματα που δεν είναι πλήρως εξηγήσιμα ούτε από τους
ίδιους τους δημιουργούς τους. Ορισμένοι ερευνητές, όπως οι Boden (2004) και
Hofstadter (2007), μιλούν για “τεχνητή δημιουργικότητα”, εννοώντας την ικανότητα
ενός συστήματος να παράγει πρωτότυπες λύσεις. Ωστόσο, αυτό που λείπει είναι η
συνείδηση της επιλογής∙ η μηχανή δεν γνωρίζει γιατί μια λύση είναι “όμορφη” ή
“κατάλληλη”. Η διαίσθηση του Poincaré περιλαμβάνει αξιολογικά και μεταγνωσιακά
στοιχεία που υπερβαίνουν την απλή αναγνώριση προτύπων (Boden, 2004).
Η ιδέα αυτή έχει και οντολογικές συνέπειες. Αν η μαθηματική αλήθεια δεν είναι
προϊόν τυπικής λογικής, αλλά αναδύεται μέσα από δημιουργικές πράξεις, τότε η
γνώση προϋποθέτει υποκείμενο – φορέα διαίσθησης. Ο Poincaré απορρίπτει τόσο τον
απόλυτο πλατωνισμό όσο και τον εμπειρισμό: τα μαθηματικά δεν “υπάρχουν”
ανεξάρτητα από τον νου, αλλά ούτε είναι απλώς επινοήσεις. Είναι το αποτέλεσμα

μιας δημιουργικής αλληλεπίδρασης του νου με την πραγματικότητα, όπου η
διαίσθηση λειτουργεί ως γέφυρα ανάμεσα στο ον και το νοείν (Gillies, 1992).
Σε αυτό το πλαίσιο, η τεχνητή νοημοσύνη μπορεί να θεωρηθεί όχι ως αναπαραγωγή
της ανθρώπινης διαίσθησης, αλλά ως πειραματική προσομοίωση των μηχανισμών της
δημιουργικότητας. Οι αλγόριθμοι μάθησης αναπαριστούν τη “φάση επώασης”, αλλά
όχι το στάδιο του “φωτισμού”, διότι αυτό προϋποθέτει νοητική ενότητα και
αυτοσυνείδηση. Η “έμπνευση” του αλγορίθμου είναι στατιστική, ενώ του ανθρώπου
είναι νοηματική∙ φέρει πρόθεση, αξία και σκοπό.
Συνοψίζοντας, η συμβολή του Poincaré στην προβληματική της διαίσθησης έγκειται
στην αναγνώριση της δημιουργικής αυτονομίας του νου. Η διαίσθηση δεν είναι ούτε
προ-λογική ούτε αντί-λογική, αλλά προϋπόθεση της λογικής. Ο νους παράγει
μαθηματική γνώση επειδή διαθέτει μια εσωτερική ικανότητα σύλληψης του όλου,
που δεν ανάγεται σε διαδικασίες υπολογισμού. Αυτή η σύλληψη –το “άλμα” της
διαίσθησης– είναι ίσως το πιο βαθύ χάσμα που χωρίζει τον άνθρωπο από την τεχνητή
νοημοσύνη.
2.1 Η φιλοσοφική καταγωγή της μαθηματικής
διαίσθησης
Η έννοια της διαίσθησης στα μαθηματικά δεν είναι προϊόν της σύγχρονης γνωσιακής
θεωρίας, αλλά έχει βαθιές ρίζες στη φιλοσοφία της γνώσης, ιδίως στην καντιανή
θεωρία του νου. Ο Immanuel Kant, στην Κριτική του καθαρού λόγου (1781/1787),
εισήγαγε την έννοια της καθαρής εποπτείας (reine Anschauung) ως θεμελιώδη μορφή
της ανθρώπινης γνωστικής εμπειρίας. Για τον Kant, η διαίσθηση δεν είναι απλώς μια
αίσθηση ή υποκειμενική εντύπωση, αλλά μια προϋπόθεση της εμπειρίας, μέσω της
οποίας τα δεδομένα των αισθήσεων αποκτούν μορφή στον χώρο και τον χρόνο (Kant,
1787/1998). Με άλλα λόγια, η διαίσθηση αποτελεί τη συνθήκη δυνατότητας κάθε
μαθηματικής πράξης, αφού το μαθηματικό αντικείμενο καθίσταται νοητό μόνο
εφόσον δύναται να παρουσιαστεί στην καθαρή εποπτεία.

Η ιδέα αυτή έχει τεράστιες συνέπειες για τη φιλοσοφία των μαθηματικών. Ο Kant
υποστήριξε ότι η μαθηματική γνώση είναι συνθετική εκ των προτέρων (synthetisch a
priori), δηλαδή εμπεριέχει νέες πληροφορίες που δεν προέρχονται από την εμπειρία,
αλλά και δεν είναι απλώς αναλυτικές ταυτολογίες (Kitcher, 1980). Αυτή η άποψη
θεμελίωσε την κατανόηση των μαθηματικών όχι ως προϊόντα εμπειρικής επαγωγής,
αλλά ως πράξεις που εδράζονται στη δομή της διαίσθησης. Στη γεωμετρία, για
παράδειγμα, η αναγκαιότητα των προτάσεων δεν προέρχεται από την παρατήρηση,
αλλά από την εγγενή μορφή της χωρικής διαίσθησης — δηλαδή από τον τρόπο που ο
νους οργανώνει τα φαινόμενα του χώρου.
Η διαίσθηση, λοιπόν, στον Kant, έχει μορφολογικό χαρακτήρα. Ο χώρος και ο χρόνος
δεν είναι αντικειμενικές οντότητες, αλλά μορφές της αισθητικότητας — πλαίσια μέσα
στα οποία ο νους οργανώνει τις παραστάσεις του (Allison, 2004). Εδώ η φιλοσοφία
του Kant εισάγει μια ριζική μετατόπιση: ο μαθηματικός δεν ανακαλύπτει τις σχέσεις
των πραγμάτων, αλλά συνθέτει τη δυνατότητα της γνώσης μέσα σε ένα πεδίο
νοητικών μορφών. Έτσι, η μαθηματική διαίσθηση λειτουργεί ως δημιουργική πράξη,
όχι ως απλή παθητική πρόσληψη δεδομένων.
Ο Kant διαφοροποιείται από τον εμπειρισμό του Locke και του Hume, οι οποίοι
θεωρούσαν ότι όλες οι ιδέες προέρχονται από την εμπειρία. Αντίθετα, ο Kant
υποστηρίζει ότι η εμπειρία προϋποθέτει μορφές διαίσθησης που είναι ανεξάρτητες
από το περιεχόμενό της (Hanna, 2015). Το αποτέλεσμα είναι μια θεωρία όπου η
μαθηματική πράξη δεν εξαρτάται από τα πράγματα, αλλά από τις συνθετικές
ικανότητες του υποκειμένου. Αυτή η υποκειμενική διάσταση της μαθηματικής
διαίσθησης αποτέλεσε το έδαφος πάνω στο οποίο αναπτύχθηκαν μεταγενέστερες
φιλοσοφίες των μαθηματικών, όπως ο διαισθητισμός (Brouwer) και ο ερμηνευτικός
ρεαλισμός (Gödel).
Ωστόσο, η καντιανή διαίσθηση δεν είναι αυθαίρετη. Αντιθέτως, έχει κανονιστικό
χαρακτήρα: προσδιορίζει τις συνθήκες δυνατότητας κάθε μαθηματικής
αναπαράστασης. Ο Kant υποστηρίζει ότι η γεωμετρία είναι επιστήμη του “χώρου ως
τέτοιου” (space as such), δηλαδή όχι του φυσικού χώρου, αλλά της μορφής της
χωρικότητας που προσδιορίζει κάθε δυνατή εμπειρία (Friedman, 1992). Η
αριθμητική, αντίστοιχα, θεμελιώνεται στη διαίσθηση του χρόνου, καθώς η έννοια της

διαδοχής και της ενότητας είναι χρονικές δομές της συνείδησης. Ο χρόνος και ο
χώρος, επομένως, είναι οι αρχιτεκτονικές μορφές του μαθηματικού λόγου, μέσα στις
οποίες εγγράφεται κάθε πράξη υπολογισμού.
Αυτή η αντίληψη επιτρέπει να δούμε τη μαθηματική διαίσθηση ως μια γνωσιακή
προϋπόθεση της δημιουργικότητας. Πράγματι, ο Kant αναγνωρίζει ότι οι
μαθηματικές αποδείξεις δεν είναι απλώς λογικοί συλλογισμοί, αλλά περιλαμβάνουν
την κατασκευή μιας έννοιας στην καθαρή εποπτεία (Kant, 1787/1998, A713/B741).
Για παράδειγμα, ο μαθηματικός που αποδεικνύει ένα θεώρημα της γεωμετρίας δεν
ενεργεί απλώς λογικά, αλλά “παράγει” στο νου του το αντικείμενο της σκέψης,
χρησιμοποιώντας τη διαίσθηση για να το καθιστά ορατό. Εδώ η μαθηματική γνώση
είναι ενσώματη και παραστατική: στηρίζεται στην ικανότητα του νου να δημιουργεί
εικόνες νοητικές, όχι απλώς να χειρίζεται σύμβολα.
Η φιλοσοφική σημασία αυτής της θέσης είναι τεράστια. Αν η διαίσθηση αποτελεί την
προϋπόθεση κάθε μαθηματικής πράξης, τότε η νοημοσύνη, ανθρώπινη ή τεχνητή, δεν
μπορεί να οριστεί μόνο ως υπολογιστική ικανότητα. Ο νους δεν λειτουργεί απλώς
μηχανιστικά, αλλά οργανώνει τον κόσμο μέσω δημιουργικών πράξεων εποπτείας.
Αυτό θα αποτελέσει αργότερα το βασικό επιχείρημα των επικριτών του
φορμαλισμού, όπως του Brouwer και του Husserl, οι οποίοι θα υποστηρίξουν ότι η
μαθηματική σκέψη προϋποθέτει προ-εννοιακές μορφές κατανόησης (Parsons, 1990).
Η καντιανή προσέγγιση θέτει επίσης το ζήτημα της διυποκειμενικότητας της
διαίσθησης. Αν η διαίσθηση είναι πράξη του υποκειμένου, πώς καθίσταται κοινή και
αντικειμενική; Ο Kant απαντά μέσω της έννοιας της “καθολικότητας”
(Allgemeingültigkeit): οι μορφές της διαίσθησης είναι ίδιες για όλους τους νοήμονες
όντες, επομένως η μαθηματική γνώση είναι αναγκαστικά κοινή. Αυτή η ιδέα
επηρέασε βαθιά τη μεταγενέστερη συζήτηση περί αντικειμενικότητας των
μαθηματικών (Cassirer, 1910).
Η έννοια της διαίσθησης στον Kant δεν πρέπει να συγχέεται με τη διαισθητική γνώση
της καθημερινής εμπειρίας ή με τη λεγόμενη “έμπνευση”. Πρόκειται για μια δομική
συνθήκη της νοημοσύνης, όχι για συναίσθημα ή προαίσθηση. Ωστόσο, η σύγχρονη
γνωσιακή επιστήμη επανέφερε το ενδιαφέρον για τη “διαισθητική νόηση” ως μορφή

μη ρητής γνώσης — μια περιοχή όπου ο νους δρα προ-αναλυτικά, κάτι που θα
συνδεθεί αργότερα με τη μελέτη της τεχνητής διαίσθησης στα συστήματα μηχανικής
μάθησης (Gigerenzer, 2007).
Συνοψίζοντας, η φιλοσοφία του Kant εισάγει μια οντολογία της μαθηματικής πράξης:
η διαίσθηση δεν είναι απλώς εργαλείο κατανόησης, αλλά η ουσία του νοείν. Κάθε
μαθηματικό αντικείμενο είναι κατασκευή του νου σε καθαρή εποπτεία, και κάθε
μαθηματική αναγκαιότητα θεμελιώνεται στον τρόπο που η συνείδηση οργανώνει την
εμπειρία. Έτσι, η μαθηματική διαίσθηση γίνεται το σημείο συνάντησης του ορθού
λόγου και της φαντασίας — ένα πεδίο όπου η γνώση παράγεται όχι μέσω
υπολογισμού, αλλά μέσω μορφοποίησης του νοητού.
2.2 Ο Poincaré και η δημιουργική διαίσθηση στα
μαθηματικά
Εάν ο Kant συνέλαβε τη διαίσθηση ως μορφολογική προϋπόθεση της γνώσης, ο Henri
Poincaré την ανέδειξε σε πηγή δημιουργικότητας. Η σκέψη του σηματοδοτεί μια
μετατόπιση από τη γνωσιολογική θεμελίωση της μαθηματικής διαίσθησης στη
ψυχολογική και αισθητική της διάσταση. Ο Poincaré δεν αντιμετωπίζει τη διαίσθηση
ως απλώς προϋπόθεση της γνώσης, αλλά ως ζωντανή λειτουργία της νόησης που
καθιστά τη μαθηματική ανακάλυψη δυνατή (Poincaré, 1908/1952).
Η συμβολή του Poincaré είναι καθοριστική για τη φιλοσοφία των μαθηματικών του
20ού αιώνα, διότι γεφυρώνει τη λογική αυστηρότητα με την αυθόρμητη
εφευρετικότητα του μαθηματικού πνεύματος. Στο έργο του La Science et Méthode
(1908), ο ίδιος διατυπώνει τη διάσημη θεωρία του για τη διαδικασία της ανακάλυψης:
η δημιουργία νέων μαθηματικών ιδεών δεν είναι προϊόν λογικού συλλογισμού, αλλά
αποτέλεσμα ασυνείδητης σύνθεσης που προκύπτει από την αλληλεπίδραση του
συνειδητού και του ασυνειδήτου (Poincaré, 1913). Η διαίσθηση, επομένως, είναι η
στιγμή κατά την οποία η ασυνείδητη εργασία του νου αποκαλύπτει απρόσμενα μια
λύση· είναι insight, όχι επαγωγή.

Η διαδικασία της μαθηματικής εφεύρεσης
Ο Poincaré περιγράφει τέσσερα στάδια της μαθηματικής δημιουργίας:
1. Προπαρασκευή (preparation) – περίοδος συνειδητής προσπάθειας και
προβληματισμού.
2. Επώαση (incubation) – απομάκρυνση του προβλήματος από τη συνείδηση,
κατά την οποία η ασυνείδητη σκέψη δρα.
3. Φώτιση (illumination) – ξαφνική εμφάνιση της λύσης, η στιγμή της
4. Επαλήθευση (verification) – ο λογικός έλεγχος και η αποδοχή της λύσης.
Αυτό το σχήμα, που αργότερα επιβεβαιώθηκε από την ψυχολογία της
δημιουργικότητας (Hadamard, 1945), θεμελιώνει μια νέα γνωσιολογία της
διαίσθησης: η διαίσθηση δεν είναι κάτι αόριστο ή μυστηριακό, αλλά λειτουργία του
νου που συνδέει το ασυνείδητο με τη συνειδητή ανάλυση. Όπως γράφει ο ίδιος: «το
ασυνείδητο επιλέγει ανάμεσα σε αμέτρητους συνδυασμούς και μας αποκαλύπτει
εκείνους που έχουν αρμονία και απλότητα» (Poincaré, 1913, σ. 56). Η διαίσθηση
είναι, συνεπώς, αισθητική κρίση — μια μορφή επιλογής που υπακούει στο κριτήριο
της αρμονίας.
Η ιδέα της “αρμονίας” είναι κεντρική στη φιλοσοφία του Poincaré. Για τον ίδιο, η
αλήθεια στα μαθηματικά δεν είναι απλώς προϊόν λογικής συνέπειας, αλλά αίσθηση
ομορφιάς και απλότητας. Ο μαθηματικός, όπως ο καλλιτέχνης, αναζητά την πιο
κομψή μορφή έκφρασης μιας σχέσης. Αυτή η αισθητική διάσταση της μαθηματικής
διαίσθησης συνδέει την επιστήμη με την τέχνη· η αλήθεια δεν είναι απλώς ορθότητα,
αλλά και μορφολογική αρτιότητα (Sinaceur, 1992). Έτσι, η διαίσθηση λειτουργεί ως
αισθητήριο της νοητικής ομορφιάς, που καθοδηγεί τον ερευνητή στην επιλογή των
γόνιμων κατευθύνσεων.
Διαίσθηση και λογική: μια δημιουργική ένταση
Ο Poincaré υπήρξε σφοδρός επικριτής του λογικισμού του Bertrand Russell και του
Gottlob Frege. Κατά τον ίδιο, η μαθηματική γνώση δεν μπορεί να αναχθεί πλήρως σε

λογικά αξιώματα, διότι η δημιουργία νέων ιδεών προϋποθέτει διαισθητική σύλληψη
(Poincaré, 1905/1952). Η λογική, αν και αναγκαία για την επαλήθευση, δεν αρκεί για
την ανακάλυψη. Αυτή η διάκριση μεταξύ invention και verification αντιστοιχεί στη
διάκριση του Kant μεταξύ “συνθετικής” και “αναλυτικής” γνώσης.
Η διαίσθηση, για τον Poincaré, είναι η ζώσα πλευρά των μαθηματικών, η οποία
επιτρέπει στον ερευνητή να βλέπει σχέσεις που η λογική δεν μπορεί ακόμη να
εκφράσει. Δεν πρόκειται για αντι-ορθολογικό στοιχείο, αλλά για υπέρ-ορθολογικό:
μια λειτουργία του νου που προηγείται της τυπικής διατύπωσης. Ο ίδιος γράφει
χαρακτηριστικά:
«Η λογική λειτουργεί μόνο με τη βοήθεια συμβόλων· η διαίσθηση, αντίθετα,
συλλαμβάνει το σύνολο, χωρίς να χρειάζεται να περάσει από τη διαδοχή των
συλλογισμών» (Poincaré, 1908/1952, σ. 33).
Αυτή η “συνολική” όραση της διαίσθησης καθιστά τη μαθηματική πράξη ολιστική: ο
ερευνητής δεν αναλύει μόνο, αλλά βλέπει τη λύση ως μορφή. Η ανακάλυψη, λοιπόν,
είναι αισθητική πράξη νοημοσύνης, όχι μηχανικός υπολογισμός. Εδώ βρίσκεται και η
διαφορά με τη σύγχρονη τεχνητή νοημοσύνη, η οποία —τουλάχιστον στην κλασική
της μορφή— λειτουργεί μέσω διαδοχικών αλγοριθμικών βημάτων, χωρίς τη
δυνατότητα “ολικής” σύλληψης του προβλήματος (Floridi, 2020).
Η διαίσθηση ως λειτουργία του ασυνείδητου
Η ψυχολογική θεώρηση του Poincaré υπήρξε πρωτοποριακή. Προέβλεψε, με έναν
τρόπο, τις σύγχρονες θεωρίες του dual-process thinking, σύμφωνα με τις οποίες η
ανθρώπινη σκέψη διαιρείται σε δύο συστήματα: ένα γρήγορο, διαισθητικό και
αυτόματο (System 1) και ένα αργό, αναλυτικό και συνειδητό (System 2) (Kahneman,
2011). Ο Poincaré διέκρινε ότι οι πιο δημιουργικές μαθηματικές ιδέες αναδύονται
από την ασυνείδητη διεργασία επιλογής: το μυαλό πειραματίζεται με συνδυασμούς,
απορρίπτει τους άστοχους και φέρνει στην επιφάνεια εκείνους που παρουσιάζουν
“αρμονία”. Αυτό το στοιχείο της “ασυνείδητης επιλογής” θα επηρεάσει αργότερα τη
γνωστική ψυχολογία και τη θεωρία της Gestalt.

Σύμφωνα με τον Poincaré, η διαίσθηση δεν είναι τυχαία έμπνευση, αλλά εσωτερική
μορφοποίηση: η νοητική πράξη κατά την οποία ο νους αναγνωρίζει το σχήμα μιας
λύσης πριν ακόμη το αναλύσει. Η πράξη αυτή είναι ταυτόχρονα γνωσιακή και
αισθητική· εμπεριέχει δηλαδή την αίσθηση της “ορθότητας” πριν από την απόδειξη.
Η διαίσθηση προηγείται της λογικής, όχι ως αυθαιρεσία, αλλά ως προ-συνειδητή
γνώση (Hadamard, 1945).
Αυτή η θεωρία ανοίγει τον δρόμο για τη σύγχρονη κατανόηση της γνωσιακής
δημιουργικότητας: η διαίσθηση είναι μια λειτουργία “pattern recognition”, η οποία
επιτρέπει την αναγνώριση αφηρημένων δομών χωρίς ρητή αναλυτική διαδικασία.
Αντιλαμβανόμαστε, λοιπόν, ότι η μαθηματική διαίσθηση έχει σημαντικές αναλογίες
με τη λειτουργία των νευρωνικών δικτύων στη σύγχρονη τεχνητή νοημοσύνη, τα
οποία επίσης μαθαίνουν να αναγνωρίζουν πρότυπα χωρίς ρητή προγραμματιστική
αναπαράσταση (LeCun, Bengio, & Hinton, 2015).
Η αισθητική κρίση και η αρμονία της νόησης
Η ιδέα ότι η διαίσθηση υπακούει σε αισθητικά κριτήρια αποκαλύπτει μια βαθιά
σύνδεση μεταξύ μαθηματικής και καλλιτεχνικής δημιουργίας. Ο Poincaré
(1908/1952) γράφει ότι «οι μαθηματικοί έχουν το ίδιο είδος ευαισθησίας με τους
ποιητές: αισθάνονται τη χαρά της ομορφιάς» (σ. 41). Η αλήθεια, κατά συνέπεια, δεν
είναι μόνο ζήτημα αντιστοίχισης με τα δεδομένα, αλλά και μορφικής οικονομίας — η
“ομορφιά” της λύσης είναι ένδειξη της ορθότητάς της. Η μαθηματική διαίσθηση
λειτουργεί έτσι ως αισθητική πυξίδα, καθοδηγώντας τη σκέψη μέσα στην απειρία των
πιθανών συνδυασμών.
Αυτή η σύνθεση αισθητικής και γνωσιολογίας επιτρέπει μια νέα κατανόηση της
διαίσθησης ως μεταλογικής αρχής. Η λογική ακολουθεί τη διαίσθηση, την
επιβεβαιώνει, αλλά δεν την αντικαθιστά. Ο μαθηματικός “βλέπει” πρώτα τη λύση,
όπως ο μουσικός ακούει πρώτα τη μελωδία πριν τη γράψει. Η πράξη της νόησης είναι
επομένως μορφογενετική: η διαίσθηση δημιουργεί τη μορφή που η λογική θα
κωδικοποιήσει εκ των υστέρων (Thagard, 2012).

Η κληρονομιά του Poincaré και οι προεκτάσεις της
Η θεωρία της δημιουργικής διαίσθησης του Poincaré επηρέασε βαθιά τον
διαισθητισμό του Brouwer, την ψυχολογία της ανακάλυψης του Hadamard, και τη
φαινομενολογία του Husserl. Όλες αυτές οι σχολές αντιμετωπίζουν τη γνώση όχι ως
προϊόν καθαρής λογικής, αλλά ως πράξη δημιουργίας μορφών. Στη σύγχρονη εποχή,
οι αναλογίες είναι σαφείς: τα συστήματα τεχνητής νοημοσύνης που μαθαίνουν μέσω
deep learning επιχειρούν να μιμηθούν αυτή τη διαδικασία “αναδυόμενης
διαίσθησης”, χωρίς όμως να διαθέτουν την αισθητική ή μετα-νοητική διάσταση που
περιέγραψε ο Poincaré (Boden, 2004).
Έτσι, η σκέψη του Poincaré αποτελεί κρίσιμο ενδιάμεσο κρίκο μεταξύ της κλασικής
φιλοσοφίας της γνώσης (Kant) και των σύγχρονων προσεγγίσεων της γνωσιακής
επιστήμης. Η διαίσθηση, μακριά από το να είναι προ-επιστημονική ή ανορθολογική,
εμφανίζεται ως ο δημιουργικός πυρήνας της νοημοσύνης — ανθρώπινης ή τεχνητής.
Μπορούμε να πούμε ότι η μαθηματική διαίσθηση, όπως την εννοεί ο Poincaré,
αποτελεί το πρωτότυπο της δημιουργικής σκέψης· μια λειτουργία που συνδυάζει την
αφαίρεση, την αισθητική κρίση και την ασυνείδητη σύνθεση.
2.3 Ο Brouwer και ο Διαισθητισμός (Intuitionism)
Ο Luitzen Egbertus Jan Brouwer (1881–1966) εισήγαγε μια ριζοσπαστική
μεταρρύθμιση στη φιλοσοφία των μαθηματικών μέσω του διαισθητισμού
(Intuitionism). Αντίθετα με τον Kant και τον Poincaré, οι οποίοι εξέταζαν τη
διαίσθηση είτε ως προϋπόθεση της εμπειρίας είτε ως ψυχολογικό εργαλείο
δημιουργικότητας, ο Brouwer μετατοπίζει το κέντρο βάρους στην οντολογική φύση
των μαθηματικών αντικειμένων. Για τον ίδιο, η μαθηματική διαίσθηση δεν είναι
απλώς μέσο κατανόησης ή δημιουργίας, αλλά η ουσία της μαθηματικής ύπαρξης
(Brouwer, 1912/1975).
Η διαίσθηση ως βάση της μαθηματικής ύπαρξης
Σύμφωνα με τον Brouwer, τα μαθηματικά δεν υπάρχουν ανεξάρτητα στον φυσικό
κόσμο ούτε ως αφηρημένα ιδεατά αντικείμενα. Αντίθετα, η ύπαρξή τους εξαρτάται

αποκλειστικά από τη νοητική κατασκευή του υποκειμένου. Η διαίσθηση (intuition)
είναι η άμεση εμπειρία των ψυχικών πράξεων που παράγουν τους αριθμούς, τα
σχήματα και τις ακολουθίες (Brouwer, 1907). Η βασική έννοια είναι ότι οι αριθμοί
γεννιούνται μέσα από απεριόριστες διαδικασίες επαναληπτικής διαίσθησης, όχι από
εξωτερικούς ορισμούς ή αξιώματα.
Η διάκριση αυτή οδηγεί σε μια ορθολογική αναθεώρηση: οι κλασικές λογικές αρχές,
όπως ο νόμος του αποκλειομένου τρίτου, δεν ισχύουν αυτόματα για κάθε μαθηματικό
αντικείμενο. Ο Brouwer υποστηρίζει ότι για να ισχύει μια δήλωση, πρέπει να υπάρχει
συγκεκριμένη κατασκευή που να αποδεικνύει την αλήθεια της. Η διαίσθηση γίνεται
έτσι το μόνο θεμελιώδες μέτρο ύπαρξης, και όχι απλώς εργαλείο. Όπως σημειώνει
χαρακτηριστικά:
«Τα μαθηματικά είναι η δημιουργία της ανθρώπινης ψυχής. Δεν υπάρχουν αριθμοί
ανεξάρτητοι από τη διαίσθηση που τους γεννά» (Brouwer, 1912/1975, σ. 22).
Η ακολουθιακή και χρονική διάσταση
Ένα από τα βασικά χαρακτηριστικά της διαισθητικής θεώρησης είναι η χρονική και
ακολουθιακή φύση της διαίσθησης. Ο αριθμός θεωρείται ως διαδικασία που
αναπτύσσεται διαδοχικά, με κάθε επόμενο βήμα να συντίθεται από την προηγούμενη
ενέργεια του νου (Heyting, 1956). Αυτό συνδέεται με την έννοια του constructivism:
η ύπαρξη ενός αντικειμένου εξαρτάται από την δυνατότητα να το κατασκευάσουμε
νοητικά. Δεν αρκεί η λογική συνέπεια· χρειάζεται η νοητική επίτευξη.
Αυτός ο χαρακτήρας διαφοροποιεί τον διαισθητισμό από τον φορμαλισμό του
Hilbert, που θεωρούσε τα μαθηματικά ως σύνολα συμβόλων υπό κανόνες χειρισμού.
Για τον Brouwer, η μαθηματική διαίσθηση είναι ενσώματη, χρονική και ενεργητική,
ενώ τα φορμαλιστικά συστήματα περιορίζονται σε στατικές, αφηρημένες διαδικασίες
(van Dalen, 2008). Η έννοια της κατασκευής είναι ουσιώδης: η αλήθεια και η ύπαρξη
ενός μαθηματικού αντικειμένου δεν μπορούν να υπάρξουν χωρίς την ενεργή πράξη
του νου που το γεννά.

Οντολογία και ψυχολογία: μια ριζοσπαστική σύνθεση
Ο διαισθητισμός του Brouwer ενσωματώνει τόσο την οντολογική θεμελίωση όσο και
την ψυχολογική διάσταση της μαθηματικής διαίσθησης. Αν και τα μαθηματικά
αντικείμενα είναι οντολογικά εξαρτώμενα από το υποκείμενο, η διαίσθηση δεν είναι
απλώς ψυχολογική κατάσταση· είναι η πραγματική ύπαρξη των μαθηματικών
(Brouwer, 1912/1975). Με άλλα λόγια, η διαίσθηση καθιστά τα μαθηματικά
αντικείμενα οντολογικά υπαρκτά. Αυτή η θεμελίωση είναι σημαντική, καθώς
μετατρέπει τη διαίσθηση από γνώση ή μέθοδο σε οντολογική αρχή.
Η οντολογική προσέγγιση επηρεάζει άμεσα τη λογική και τη θεωρία απόδειξης. Στον
διαισθητισμό δεν ισχύει ο κλασικός νόμος του αποκλειομένου τρίτου για
ακατασκευάσιμα αντικείμενα, καθώς η δήλωση “p ή όχι-p” απαιτεί κατασκευή για p
ή για όχι-p. Έτσι, η λογική γίνεται ενεργητική και κατασκευαστική, και όχι απλώς
αναλυτική (Heyting, 1971). Η διαίσθηση καθίσταται το κριτήριο ορθότητας και
ύπαρξης· χωρίς αυτήν, κανένα μαθηματικό αντικείμενο δεν μπορεί να θεωρηθεί
υπαρκτό.
Η σημασία για τη σύγχρονη φιλοσοφία των μαθηματικών
Η θεωρία του Brouwer αποτέλεσε πηγή έμπνευσης για πολλούς σύγχρονους
στοχαστές της μαθηματικής λογικής και της γνωσιακής επιστήμης. Η ιδέα ότι η
διαίσθηση είναι οντολογικό θεμέλιο ανοίγει δρόμους για τη μελέτη της τεχνητής
διαίσθησης. Σήμερα, στην τεχνητή νοημοσύνη, συστήματα μηχανικής μάθησης
προσπαθούν να προσομοιώσουν την ικανότητα του ανθρώπινου νου να κατασκευάζει
αφηρημένες έννοιες μέσω ασυνείδητων διεργασιών, αν και χωρίς την οντολογική
διάσταση που ο Brouwer θεωρούσε αναγκαία (Davis, 2011).
Η διαισθητική θεώρηση επηρεάζει επίσης τη φιλοσοφική συζήτηση για την ενσώματη
νόηση (embodied cognition). Η μαθηματική διαίσθηση είναι όχι μόνο ψυχική αλλά
και χρονικά ενσωματωμένη· η νοητική πράξη έχει διάρκεια και ακολουθιακή δομή. Η
έννοια αυτή βρίσκει αντίστοιχες αναλογίες στις σύγχρονες θεωρίες γνωσιακής
επιστήμης, όπου η ανακάλυψη δεν είναι στιγμιαία, αλλά προϊόν αλληλεπίδρασης

συνειδητού και ασυνείδητου, διαίσθησης και ενεργητικής κατασκευής (Lakoff &
Núñez, 2000).
Συνολική θεώρηση
Συγκρίνοντας τις τρεις φιλοσοφικές προσεγγίσεις που αναλύθηκαν στο Κεφάλαιο 2,
παρατηρούμε την εξής εξέλιξη:
1. Kant: η διαίσθηση ως προϋπόθεση της γνώσης και μορφή του νου,
θεμελιωμένη στη χωρικότητα και το χρόνο.
2. Poincaré: η διαίσθηση ως ψυχολογική λειτουργία δημιουργικότητας, με
αισθητική και ολιστική διάσταση.
3. Brouwer: η διαίσθηση ως οντολογική βάση των μαθηματικών, όπου η
ύπαρξη ενός αντικειμένου εξαρτάται από την ασυνείδητη και ενεργητική
νοητική πράξη του υποκειμένου.
Η μετάβαση από τον Kant στον Brouwer δείχνει την εξέλιξη της μαθηματικής
διαίσθησης από δομική προϋπόθεση σε ψυχολογική διαδικασία, και τέλος σε
οντολογικό θεμέλιο. Αυτή η πορεία είναι κρίσιμη για την κατανόηση της σύγχρονης
σχέσης μεταξύ διαίσθησης και τεχνητής νοημοσύνης, καθώς θέτει το ερώτημα:
μπορεί μια μηχανή να γεννήσει μαθηματικά αντικείμενα αν δεν διαθέτει “διαισθητική
ύπαρξη” όπως ο ανθρώπινος νους; Η απάντηση παραμένει ανοιχτή, αλλά η
φιλοσοφική κληρονομιά του Brouwer παρέχει ένα αυστηρό πλαίσιο για τη συζήτηση.
Η μετάβαση από τον Kant στον Brouwer δεν υπήρξε γραμμική, αλλά
διαμεσολαβήθηκε από μια βαθιά κρίση στις θεμελιώσεις των μαθηματικών που ήδη
είχε διαγνώσει ο Henri Poincaré. Ο Poincaré (1908/1952) υποστήριξε ότι τα
μαθηματικά δεν αντλούν τη βεβαιότητά τους από τη λογική τυπικότητα, αλλά από τη
διαισθητική σύλληψη της ακολουθίας — την εμπειρία του συνεχούς και της
χρονικότητας που προηγείται κάθε φορμαλισμού. Στην άποψή του αυτή, η διαίσθηση
δεν είναι απλώς προ-λογική, αλλά δημιουργική: αποτελεί τη νοητική πράξη με την
οποία ο νους “γεννά” τις μαθηματικές μορφές (Detlefsen, 1993; Sinaceur, 1992).
Ο Brouwer, επηρεασμένος από αυτή τη γραμμή σκέψης, ριζοσπαστικοποίησε τη θέση
του Poincaré. Ενώ ο Kant είχε τοποθετήσει τη διαίσθηση ως καθολική μορφή του

υποκειμένου, ο Brouwer την εννοεί ως πράξη του ατομικού νου, ανεξάρτητη από
οποιοδήποτε γλωσσικό ή λογικό πλαίσιο (Brouwer, 1907· Heyting, 1956). Για τον
Brouwer, το μαθηματικό αντικείμενο δεν προϋπάρχει ούτε εξαρτάται από τυπικές
σχέσεις: υπάρχει μόνο στο μέτρο που το υποκείμενο το οικοδομεί με την πράξη της
Όπως συνοψίζει ο Davis (2011), ο διαισθητισμός του Brouwer μετατοπίζει το
ενδιαφέρον από τη μαθηματική δομή στην εσωτερική πράξη της κατασκευής· η
διαίσθηση, έτσι, καθίσταται ψυχολογική, χρονική και δημιουργική. Με αυτόν τον
τρόπο, η μαθηματική πράξη δεν είναι απλώς εργαλείο έκφρασης της νόησης, αλλά το
ίδιο το γίγνεσθαι της νόησης.
Αυτή η μετάβαση σηματοδοτεί την αρχή μιας οντολογικής θεμελίωσης της
διαίσθησης: από μορφή του καθολικού νου σε πράξη της ατομικής συνείδησης,
προαναγγέλλοντας ήδη την αναζήτηση μιας προσωπικής και υπαρξιακής νοημοσύνης,
την οποία η Τεχνητή Νοημοσύνη θα επιχειρήσει, έναν αιώνα αργότερα, να
προσομοιώσει.
2.4 Σύγχρονη μαθηματική διαίσθηση και τεχνητή
νοημοσύνη
Μετά τον Kant, τον Poincaré και τον Brouwer, η έννοια της μαθηματικής διαίσθησης
αποκτά σήμερα μια νέα διάσταση, υπό το πρίσμα της τεχνητής νοημοσύνης (Artificial
Intelligence, AI) και των σύγχρονων μαθηματικών. Οι φιλοσοφικές παραδόσεις που
θεμελίωσαν τη διαίσθηση ως γνωστική, ψυχολογική ή οντολογική διαδικασία,
προσφέρουν κρίσιμα εργαλεία για την κατανόηση των δυνατοτήτων και των ορίων
της AI στη μαθηματική ανακάλυψη (Floridi, 2020; Marcus, 2020).
2.4.1 Η διαίσθηση ως αλγοριθμική αναπαράσταση
Στην κλασική AI, η μαθηματική διαίσθηση επιχειρείται να αναπαρασταθεί μέσω
αλγοριθμικών κανόνων. Οι πρώιμες προσπάθειες, όπως τα συστήματα symbolic AI ή

expert systems, βασίζονταν στην τυπική αναπαράσταση κανόνων λογικής και γνώσης.
Αν και αποτελεσματικά σε περιορισμένα προβλήματα, αυτά τα συστήματα απέτυχαν
να αναπαραστήσουν την ασυνείδητη, δημιουργική διάσταση που περιέγραψε ο
Poincaré ή η οντολογική κατασκευαστικότητα του Brouwer. Η αλγοριθμική
αναπαράσταση αγνοεί την ολιστική “οπτική” του προβλήματος και την αισθητική
καθοδήγηση που χαρακτηρίζει την ανθρώπινη μαθηματική διαίσθηση (LeCun,
Bengio, & Hinton, 2015).
Σύγχρονες προσεγγίσεις, όπως τα νευρωνικά δίκτυα βαθιάς μάθησης (deep learning),
προσπαθούν να υπερβούν αυτό το όριο. Τα συστήματα αυτά λειτουργούν μέσω
αναγνώρισης προτύπων (pattern recognition) και ασυνείδητης εξαγωγής σχέσεων από
μεγάλα σύνολα δεδομένων, προσομοιώνοντας μερικά από τα χαρακτηριστικά της
ανθρώπινης διαίσθησης (Goodfellow, Bengio, & Courville, 2016). Παρ’ όλα αυτά, η
AI δεν διαθέτει την οντολογική συνείδηση που διατύπωσε ο Brouwer: η ύπαρξη των
μαθηματικών αντικειμένων για μια μηχανή είναι απλώς συνάρτηση των δεδομένων
και των αλγοριθμικών μετασχηματισμών τους, χωρίς ενεργητική νοητική κατασκευή.
2.4.2 Νευρωνικά δίκτυα και “τεχνητή διαίσθηση”
Η ανάπτυξη deep learning architectures, όπως τα transformers, επιτρέπει στις
μηχανές να παράγουν συνθέσεις και λύσεις που μοιάζουν με ανθρώπινη διαίσθηση.
Παραδείγματα όπως η AlphaZero της DeepMind στην επίλυση παιχνιδιών
στρατηγικής ή η GPT-based AI στην παραγωγή μαθηματικών επιχειρημάτων
δείχνουν ότι τα συστήματα μπορούν να εντοπίσουν αποτελεσματικά μοτίβα και
στρατηγικές που δεν έχουν προδιαγραφεί ρητά (Silver et al., 2017).
Ωστόσο, υπάρχει σημαντική διαφορά: η μηχανή δεν διαθέτει αισθητική ή οντολογική
κρίση. Ό,τι παράγεται είναι αποτέλεσμα στατιστικών συσχετίσεων, και όχι
ενσώματης, ακολουθιακής κατασκευής όπως περιγράφει ο Brouwer. Παρ’ όλα αυτά,
τα συστήματα αυτά προσομοιώνουν μερικές λειτουργίες της διαίσθησης του
Poincaré, κυρίως την ασυνείδητη αναγνώριση σχέσεων και τη δυνατότητα
“ξαφνικών” λύσεων (Silver et al., 2018).

2.4.3 Η σημασία της ενσώματης μάθησης
Η σύγχρονη γνωστική επιστήμη υποστηρίζει ότι η διαίσθηση είναι στενά
συνδεδεμένη με την ενσώματη εμπειρία (embodied cognition). Οι μαθηματικές
ανακαλύψεις δεν είναι απλώς νοητικές, αλλά προκύπτουν από την αλληλεπίδραση
συνειδητού, ασυνείδητου και εμπειρικού περιβάλλοντος (Lakoff & Núñez, 2000).
Στην AI, αυτή η διάσταση παραμένει περιορισμένη: τα συστήματα δεν βιώνουν το
“περιβάλλον” με τρόπο που να δημιουργεί αισθητικές ή χρονικά ακολουθιακές δομές.
Ωστόσο, οι προσεγγίσεις robotic learning και reinforcement learning επιχειρούν να
γεφυρώσουν αυτό το χάσμα, προσομοιώνοντας περιβαλλοντικές ανατροφοδοτήσεις
που καθοδηγούν τη μάθηση.
Η ολιστική διάσταση της διαίσθησης είναι επίσης εμφανής στην ικανότητα
πρόβλεψης και στην κατανόηση σχέσεων μεταξύ αφηρημένων εννοιών. Η AI μπορεί
να αναγνωρίζει μοτίβα που είναι ακατάληπτα για τον ανθρώπινο νου, αλλά η επιλογή
και η αξιολόγηση της λύσης απαιτούν ανθρώπινη κρίση ή αυστηρούς αλγοριθμικούς
περιορισμούς (Marcus, 2020).
2.4.4 Η δημιουργικότητα της AI και τα όρια της
Παρά τις εντυπωσιακές επιδόσεις της AI, η μαθηματική διαίσθηση παραμένει ένα
πεδίο όπου η ανθρώπινη νόηση υπερτερεί σε αρκετές πτυχές. Η AI μπορεί να βρει
λύσεις, αλλά η κατανόηση της σημασίας, της ομορφιάς ή της δημιουργικής αξίας της
λύσης είναι περιορισμένη. Η διαίσθηση, όπως την περιέγραψε ο Poincaré και ο
Brouwer, δεν είναι απλώς ικανότητα παραγωγής λύσεων, αλλά και αισθητική,
οντολογική και ενσώματη εμπειρία.
Ωστόσο, η AI παρέχει εργαλεία για ανακάλυψη νέων μαθηματικών μοτίβων και για
υποστήριξη της ανθρώπινης διαίσθησης. Μια σύγχρονη προοπτική είναι η
συνεργατική μάθηση ανθρώπου–μηχανής, όπου η AI ενισχύει την ανθρώπινη
διαίσθηση, ενώ η ανθρώπινη κρίση παρέχει την οντολογική και αισθητική
αξιολόγηση των αποτελεσμάτων (Boden, 2004).

2.4.5 Συνολική αξιολόγηση
Η μετάβαση από τον Poincaré και τον Brouwer στη σύγχρονη AI αναδεικνύει δύο
βασικές τάσεις:
1. Μερική προσομοίωση της διαίσθησης: Η AI μπορεί να αναπαράγει
ορισμένες λειτουργίες της ανθρώπινης διαίσθησης, όπως η αναγνώριση
προτύπων και η δημιουργία “ξαφνικών” λύσεων.
2. Όρια λόγω απουσίας οντολογικής και αισθητικής κρίσης: Χωρίς
ενσώματη και οντολογική εμπειρία, η AI δεν μπορεί να κατανοήσει τη
μαθηματική ομορφιά ή να δημιουργήσει νοητικά αντικείμενα όπως ο
ανθρώπινος νους.
Η φιλοσοφική κληρονομιά των Kant, Poincaré και Brouwer παρέχει κρίσιμες
εννοιολογικές βάσεις για τη σύγχρονη συζήτηση της τεχνητής μαθηματικής
διαίσθησης. Η έννοια της διαίσθησης μετατοπίζεται από καθαρά ψυχολογική ή
φιλοσοφική προς υβριδική λειτουργία, όπου η ανθρώπινη διαίσθηση και η τεχνητή
νοημοσύνη αλληλοσυμπληρώνονται.
Η ανάλυση αυτή δείχνει ότι η διαίσθηση παραμένει κεντρική στη μαθηματική γνώση,
ακόμα και στην εποχή των αλγορίθμων: δεν είναι απλώς εργαλείο, αλλά θεμελιώδης
λειτουργία νοημοσύνης, που συνδυάζει γνωσιακά, αισθητικά και οντολογικά
στοιχεία. Η AI μπορεί να υποστηρίξει, αλλά δεν μπορεί να αντικαταστήσει πλήρως
αυτή τη λειτουργία, εκτός εάν αναπτυχθούν νέες προσεγγίσεις που ενσωματώνουν
την ολιστική, ενσώματη και δημιουργική διάσταση της διαίσθησης.
Κεφάλαιο 3: Η κρίση των θεμελίων και η γένεση του
φορμαλισμού
3.1 Hilbert, Gödel και η αναζήτηση της βεβαιότητας
Η αρχή του 20ού αιώνα σηματοδότησε μια βαθιά κρίση στα θεμέλια των
μαθηματικών. Οι μαθηματικοί αντιμετώπιζαν αντιφάσεις σε καθιερωμένες θεωρίες,

όπως η θεωρία συνόλων, που αμφισβητούσαν τη βεβαιότητα των μαθηματικών
αληθειών (Fraenkel, Bar-Hillel, & Levy, 1973). Σε αυτό το πλαίσιο, ο David Hilbert
εισήγαγε το περίφημο πρόγραμμα Hilbert, με στόχο την τελική θεμελίωση των
μαθηματικών μέσω μιας αυστηρά τυπικής, αξιωματικής προσέγγισης.
Το πρόγραμμα του David Hilbert στα πρώτα χρόνια του 20ού αιώνα υπήρξε η πιο
φιλόδοξη απόπειρα θεμελίωσης της μαθηματικής βεβαιότητας. Ο Hilbert (1922,
1928) πίστευε ότι κάθε μαθηματική πρόταση θα μπορούσε, κατ’ αρχήν, να αποδειχθεί
ή να διαψευστεί εντός ενός πεπερασμένου συστήματος αξιωμάτων, διατυπωμένου με
απόλυτη τυπικότητα. Η πίστη του συνοψίζεται στο αξίωμα ότι “Wir müssen wissen
— wir werden wissen”: ο κόσμος των μαθηματικών είναι κλειστός, πλήρης και
ορθολογικά διαφανής. Για τον Hilbert, η ίδια η διαίσθηση δεν είναι πια πρωταρχική,
αλλά τεθειμένη υπό έλεγχο μέσα στο σύστημα — ένας μηχανισμός υποστήριξης του
φορμαλισμού, όχι δημιουργίας του (Detlefsen, 2001).
Όμως, η φαινομενική πληρότητα αυτού του προγράμματος διαψεύστηκε το 1931 από
τον Kurt Gödel, ο οποίος απέδειξε ότι κάθε συνεπές τυπικό σύστημα επαρκώς
εκφραστικό περιέχει προτάσεις αληθείς αλλά μη αποδείξιμες εντός του (Gödel,
1931/1986). Η μη-πληρότητα του Gödel δεν είναι απλώς ένα τεχνικό αποτέλεσμα·
είναι φιλοσοφική τομή: δείχνει ότι η αλήθεια υπερβαίνει την απόδειξη και ότι η
μαθηματική πράξη δεν μπορεί να περιοριστεί στην τυπική της μορφή.
Όπως σημειώνει ο Nagel και Newman (2001), ο Gödel δεν κατέρριψε μόνο τον
Hilbert, αλλά ανέδειξε την επιστροφή της διαίσθησης ως συστατικού στοιχείου της
ίδιας της μαθηματικής σκέψης. Η κατανόηση ενός “αληθούς αλλά μη αποδείξιμου”
προτάγματος απαιτεί ένα είδος νοητικής ενόρασης, την οποία ο φορμαλισμός είχε
επιχειρήσει να εξαλείψει.
Η μετάβαση από τον Hilbert στον Gödel σηματοδοτεί έτσι το τέλος του “ονείρου της
καθολικής τυπικότητας” και την αρχή μιας νέας εποχής όπου η διαίσθηση επιστρέφει,
όχι ως προ-επιστημονική αδυναμία, αλλά ως μετα-μαθηματική λειτουργία: η
ικανότητα του νου να αναγνωρίζει νόημα πέρα από τους κανόνες. Πρόκειται για μια
επιστροφή που, έναν αιώνα αργότερα, θα αναβιώσει στην τεχνητή νοημοσύνη, η
οποία προσπαθεί να συνδυάσει τον υπολογισμό με την πρόβλεψη του μη-ρητού.

Το πρόγραμμα του Hilbert
Το πρόγραμμα του Hilbert επιδίωκε να καταστήσει τα μαθηματικά απολύτως
ασφαλή, μέσω της τυπικοποίησης όλων των μαθηματικών αντικειμένων και
αποδείξεων. Η βασική ιδέα ήταν ότι, αν τα μαθηματικά μπορούσαν να εκφραστούν
ως σύνολο συμβόλων και κανόνων χειρισμού, τότε θα μπορούσε να αποδειχθεί η
συνοχή τους (consistency), δηλαδή ότι δεν θα προέκυπτε ποτέ αντίφαση μέσα στο
σύστημα (Hilbert, 1928).
Ο Hilbert διαχώριζε τη σύλληψη των μαθηματικών αντικειμένων από τις αποδείξεις
τους: τα αντικείμενα μπορούσαν να θεωρούνται αφηρημένες έννοιες, αλλά οι
αποδείξεις τους θα έπρεπε να είναι πλήρως τυπικές και αναλυτικά επαληθεύσιμες. Το
πρόγραμμα προέβλεπε τη δημιουργία ενός μετα-μαθηματικού συστήματος που θα
αποδείκνυε τη συνοχή των βασικών αξιωμάτων χωρίς αναφορά σε εξωτερικές έννοιες
ή διαίσθηση (Detlefsen, 2001).
Gödel και τα όρια της τυπικότητας
Η φιλοδοξία του Hilbert υπέστη σημαντικό πλήγμα με τα θεωρήματα μη-πληρότητας
του Kurt Gödel (1931). Ο Gödel απέδειξε ότι κάθε τυπικό σύστημα που είναι αρκετά
ισχυρό ώστε να εκφράζει βασική αριθμητική είναι ή ατελές ή ασυνεπές.
Συγκεκριμένα:
1. Υπάρχουν δηλώσεις που είναι αληθείς αλλά αδύνατον να αποδειχθούν μέσα
στο σύστημα (μη-πληρότητα).
2. Δεν μπορεί να αποδειχθεί η συνοχή του συστήματος από το ίδιο το
σύστημα (Gödel, 1931).
Αυτά τα αποτελέσματα ανέτρεψαν την αρχική ιδέα ότι τα μαθηματικά μπορούν να
στηριχθούν αποκλειστικά σε τυπικά αξιώματα. Η αναζήτηση της απόλυτης
βεβαιότητας δεν ήταν πια δυνατή εντός των συστημάτων που ο Hilbert είχε προτείνει.

Ο ρόλος της διαίσθησης
Παρά τις φιλοσοφικές και τυπικές ανατροπές, η διαίσθηση παραμένει κρίσιμη για την
ανάπτυξη της μαθηματικής γνώσης. Ο Hilbert δεν απορρίπτει τη διαίσθηση, αλλά την
τοποθετεί στο επίπεδο της συμβουλευτικής καθοδήγησης, ενώ η τυπικότητα
αναλαμβάνει τον ρόλο της επαλήθευσης (Hilbert, 1928).
Μετά τον Gödel, η διαίσθηση αποκτά νέα διάσταση: ενώ η τυπική αποδείξη
περιορίζεται από τη μη-πληρότητα, η ανθρώπινη διαίσθηση μπορεί να αντιληφθεί
σχέσεις, να ελέγξει αντιφάσεις και να προτείνει νέες θεωρητικές επεκτάσεις (Nagel &
Newman, 2001). Η διαίσθηση γίνεται, με άλλα λόγια, απαραίτητο εργαλείο για τη
δημιουργία καινοτόμων μαθηματικών θεωριών, καθώς η τυπική λογική δεν επαρκεί
για τη συστηματική ανακάλυψη όλων των αληθειών.
Η μεταβατική σημασία του Gödel για τη σύγχρονη θεωρία υπολογισμού
Η εργασία του Gödel αποτέλεσε θεμέλιο για την αναγνώριση των ορίων κάθε
υπολογιστικού συστήματος. Η έννοια της μη-πληρότητας συνδέεται άμεσα με τη
θεωρία υπολογισμού του Alan Turing, ο οποίος απέδειξε ότι υπάρχουν προβλήματα
που είναι μη υπολογίσιμα ακόμη και για την πιο γενική μηχανή υπολογισμού, την
Turing machine (Turing, 1937).
Με άλλα λόγια, ενώ η τυπικότητα και η αλγοριθμική διαίσθηση μπορούν να
προσεγγίσουν μεγάλο μέρος της μαθηματικής γνώσης, πάντα παραμένει ένα τμήμα
που απαιτεί ανθρώπινη διαίσθηση και δημιουργική πράξη. Η σύνδεση αυτή
αποτέλεσε τη βάση για τη μεταγενέστερη ανάπτυξη της τεχνητής νοημοσύνης και
των συστημάτων μηχανικής μάθησης που επιχειρούν να προσομοιώσουν ή να
συμπληρώσουν την ανθρώπινη μαθηματική διαίσθηση.
Συνολική αξιολόγηση
Το 3.1 αποτυπώνει την ιστορική και φιλοσοφική μετάβαση από την αναζήτηση
απόλυτης βεβαιότητας στον αναγκαίο ρόλο της διαίσθησης:

1. Ο Hilbert επιχειρεί να θεμελιώσει τα μαθηματικά μέσω τυπικών αξιωμάτων
και κανόνων, στο πλαίσιο μιας αντικειμενικής και αυστηρής μεθοδολογίας.
2. Ο Gödel δείχνει ότι τα μαθηματικά συστήματα έχουν εγγενή όρια,
αναδεικνύοντας την αδυναμία τυπικών προσεγγίσεων να καλύψουν κάθε
αλήθεια.
3. Η ανθρώπινη διαίσθηση αναδεικνύεται ως αναγκαίο συμπλήρωμα της
τυπικότητας, ικανή να προσεγγίσει αλήθειες που ξεπερνούν τις μηχανικές
διαδικασίες.
Αυτή η δυναμική προετοιμάζει το έδαφος για το επόμενο υποκεφάλαιο, όπου η
έννοια της διαίσθησης θα συνδεθεί με τη σύγχρονη γνωσιακή επιστήμη και την
τεχνητή νοημοσύνη, ερευνώντας πώς οι αλγοριθμικές προσεγγίσεις προσπαθούν να
προσομοιώσουν τις δημιουργικές και ενσώματες διαδικασίες του ανθρώπινου νου.
3.2 Η έννοια της διαίσθησης στη σύγχρονη γνωσιακή
επιστήμη
Μετά την κρίση των θεμελίων και τα αποτελέσματα του Gödel, η έννοια της
διαίσθησης μετατοπίζεται από τον καθαρά φιλοσοφικό και μαθηματικό χώρο στη
γνωσιακή επιστήμη. Η σύγχρονη έρευνα επιχειρεί να κατανοήσει πώς η ανθρώπινη
διαίσθηση λειτουργεί, πώς αναδύεται από τις νευρωνικές δομές, και πώς μπορεί να
αναπαρασταθεί ή να προσομοιωθεί σε υπολογιστικά συστήματα (Kahneman, 2011;
Mandler, 2004).
Στη σύγχρονη γνωσιακή επιστήμη, η διαίσθηση επαναπροσδιορίζεται όχι ως
“υποκατάστατο” της λογικής, αλλά ως παράλληλη μορφή επεξεργασίας
πληροφοριών, θεμελιωμένη στην εμπειρία και στη σωματική αλληλεπίδραση με το
περιβάλλον. Ο Kahneman (2011) προτείνει τη διάκριση μεταξύ δύο συστημάτων
νόησης: το Σύστημα 1, ταχύ, συνειρμικό και αυτόματο, και το Σύστημα 2, βραδύ και
αναλυτικό. Η διαίσθηση ανήκει στο πρώτο, λειτουργεί προ-λογικά και προ-
συνειδητά, και βασίζεται στη συσσώρευση προτύπων (patterns) από παρελθούσες
εμπειρίες.

Ο Gigerenzer (2007) αντιστρέφει το στερεότυπο ότι η διαίσθηση είναι αναξιόπιστη:
οι «καλές διαίσθησεις» (gut feelings) είναι προϊόντα εξελικτικά βελτιστοποιημένων
ευρετικών κανόνων, ικανών να παρέχουν ακριβείς εκτιμήσεις σε περιβάλλοντα
αβεβαιότητας. Έτσι, η διαίσθηση δεν είναι αντίθετη προς τη λογική, αλλά μια μορφή
περιορισμένης ορθολογικότητας, που λειτουργεί με βάση εμπειρικές κατανομές
πιθανοτήτων.
Παράλληλα, η νευρογνωστική θεωρία του Damasio (1994) εισάγει τον όρο
“σωματικοί δείκτες” (somatic markers), υποστηρίζοντας ότι οι συναισθηματικές
αντιδράσεις ενσωματώνονται στις γνωστικές αποφάσεις· η διαίσθηση, επομένως,
προκύπτει από τη δυναμική αλληλεπίδραση μεταξύ λογικής αξιολόγησης και
σωματικού συναισθήματος. Οι αποφάσεις που προκύπτουν από διαίσθηση δεν είναι
μη-λογικές, αλλά προ-λογικές — ένα επίπεδο επεξεργασίας όπου ο εγκέφαλος
προβλέπει χωρίς να αιτιολογεί.
Σε αυτό το πλαίσιο, η διαίσθηση συνιστά έναν γνωστικό μηχανισμό πρόβλεψης,
παρόμοιο με τον τρόπο που λειτουργούν τα σύγχρονα αλγοριθμικά μοντέλα μάθησης
προτύπων. Όπως σημειώνει ο Thagard (2012), η διαδικασία ενσώματης εμπειρίας και
αναλογικής μεταφοράς αποτελεί τον γνωσιολογικό πρόγονο της μηχανικής μάθησης:
το υποκείμενο “εκπαιδεύεται” πάνω στις δομές της εμπειρίας του. Έτσι, η γνωσιακή
επιστήμη γεφυρώνει το χάσμα ανάμεσα στη βιολογική διαίσθηση και τη μαθηματική
αναπαράστασή της, προετοιμάζοντας το έδαφος για την αλγοριθμική διαίσθηση της
τεχνητής νοημοσύνης.
3.2.1 Διαίσθηση και προ-εννοιακή γνώση
Η διαίσθηση συνδέεται στενά με την έννοια της προ-εννοιακής γνώσης
(preconceptual knowledge). Σύμφωνα με τη θεωρία της Mandler (2004), τα βρέφη και
οι αρχάριοι μαθητές αναπτύσσουν μια βασική γνώση για τις σχέσεις και τα μοτίβα
στον κόσμο πριν από τη γλωσσική ή λογική κατανόηση. Αυτή η γνώση αποτελεί τη
βάση για τις αργότερες αφηρημένες έννοιες, και η διαίσθηση μπορεί να θεωρηθεί ως

η ικανότητα άμεσης αναγνώρισης αυτών των μοτίβων χωρίς ανάγκη επίσημης
συλλογιστικής διαδικασίας.
Στη μαθηματική εκπαίδευση, η προ-εννοιακή γνώση καθοδηγεί την κατανόηση
αριθμητικών σχέσεων και γεωμετρικών δομών πριν από την τυπική διδασκαλία
αξιωμάτων και αποδείξεων. Η διαίσθηση, επομένως, είναι ένα γνωστικό εργαλείο που
επιτρέπει την ανακάλυψη και επαλήθευση εννοιών, και δεν ταυτίζεται με απλή μνήμη
ή λογική διαδικασία.
3.2.2 Νευρωνικά μοντέλα της διαίσθησης
Σύγχρονη νευροεπιστημονική έρευνα προσπαθεί να εντοπίσει νευρωνικές βάσεις της
διαίσθησης. Μελέτες δείχνουν ότι η διαίσθηση ενεργοποιεί δίκτυα εγκεφαλικών
περιοχών, όπως ο προμετωπιαίος φλοιός, οι βασικοί γάγγλιοι και περιοχές του
παρεγκεφαλιδικού συστήματος, οι οποίες συνδέονται με εκμάθηση μοτίβων,
αξιολόγηση κινδύνου και πρόβλεψη (Bechara et al., 1997; Damasio, 1994).
Η διαίσθηση συχνά αναδύεται ως αποτέλεσμα ασυνείδητης επεξεργασίας
πληροφορίας, όπου ο εγκέφαλος συνδυάζει προηγούμενη εμπειρία, στατιστικά
πρότυπα και περιβαλλοντικά δεδομένα για να παράγει αμεσες κρίσεις. Αυτό
προσομοιώνεται σε περιορισμένο βαθμό από νευρωνικά δίκτυα βαθιάς μάθησης, τα
οποία εξάγουν χαρακτηριστικά από μεγάλα σύνολα δεδομένων χωρίς
προδιαγεγραμμένους κανόνες (Goodfellow, Bengio, & Courville, 2016).
3.2.3 Η έννοια της “ενσώματης διαίσθησης” (Embodied Intuition)
Η σύγχρονη θεωρία της ενσώματης γνωστικής επιστήμης (embodied cognition)
υποστηρίζει ότι η διαίσθηση δεν είναι απλώς νοητική διαδικασία, αλλά στενά
συνδεδεμένη με την εμπειρία του σώματος και την αλληλεπίδραση με το περιβάλλον
(Lakoff & Núñez, 2000).
Για παράδειγμα, η κατανόηση γεωμετρικών σχημάτων ή η εκτίμηση αριθμητικών
σχέσεων συχνά εμπεριέχει οπτικοχωρική αναπαράσταση, κινητικές προσαρμογές και
αισθητηριακές πληροφορίες. Αυτή η προοπτική υποδηλώνει ότι η διαίσθηση είναι
πολυαισθητηριακή και δυναμική, και όχι στατική ή αποσπασμένη από το περιβάλλον.

3.2.4 Διαίσθηση και τεχνητή νοημοσύνη
Η προσομοίωση της διαίσθησης σε υπολογιστικά συστήματα αποτελεί βασικό πεδίο
της τεχνητής νοημοσύνης. Τα συστήματα machine learning και pattern recognition
προσπαθούν να αναπαραστήσουν το φαινόμενο της διαίσθησης, ανιχνεύοντας σχέσεις
και μοτίβα σε τεράστια δεδομένα χωρίς προδιαγεγραμμένους κανόνες (LeCun,
Bengio, & Hinton, 2015).
Ωστόσο, η διαφορά από τον ανθρώπινο νου παραμένει: ενώ η AI μπορεί να
αναγνωρίσει στατιστικά μοτίβα και να προβλέψει αποτελέσματα, δεν διαθέτει την
ενσώματη εμπειρία, την αισθητική κρίση και την προ-εννοιακή γνώση που
χαρακτηρίζουν την ανθρώπινη διαίσθηση (Marcus, 2020). Η AI λειτουργεί σε
πλαίσιο αλγοριθμικής διαίσθησης, όπου οι κρίσεις είναι προϊόντα στατιστικής
εξαγωγής, ενώ η ανθρώπινη διαίσθηση παραμένει δημιουργική, ενσώματη και
ολιστική.
3.2.5 Ο ρόλος της διαίσθησης στη μάθηση και στη δημιουργικότητα
Η διαίσθηση παίζει κεντρικό ρόλο σε δύο βασικές πτυχές της γνωσιακής ανάπτυξης:
1. Μάθηση χωρίς κανόνες (rule-free learning): Τα άτομα συλλαμβάνουν
σχέσεις και μοτίβα χωρίς ρητά διατυπωμένες οδηγίες. Η διαίσθηση επιτρέπει
την ταχεία αναγνώριση προτύπων και την προσαρμογή σε νέα προβλήματα
(Kahneman, 2011).
2. Δημιουργικότητα και προβληματοποίηση: Η διαίσθηση επιτρέπει τη
γεννήτρια νέων ιδεών, καθώς εντοπίζει ασυνήθιστες συνδέσεις μεταξύ
εννοιών, υπονοώντας ότι η νοητική αναπαράσταση είναι ευέλικτη και μη
γραμμική (Boden, 2004).
Η νευροεπιστημονική και γνωσιακή προσέγγιση ενισχύει την άποψη ότι η διαίσθηση
δεν είναι «μαύρο κουτί», αλλά ανοικτό σύστημα που αλληλεπιδρά με μνήμη,
προσοχή, εμπειρία και περιβαλλοντικά ερεθίσματα.

Η έννοια της διαίσθησης στη σύγχρονη γνωσιακή επιστήμη αποκαλύπτει μια
πολυεπίπεδη λειτουργία, που περιλαμβάνει:
 Προ-εννοιακή γνώση και ασυνείδητη επεξεργασία.
 Νευρωνικές βάσεις και ενεργοποίηση δικτύων για αναγνώριση μοτίβων.
 Ενσώματη και πολυαισθητηριακή αναπαράσταση.
 Στήριξη της δημιουργικότητας και της μάθησης χωρίς κανόνες.
Αυτό το πλαίσιο προσφέρει το θεωρητικό υπόβαθρο για τη σύνδεση της διαίσθησης
με την τεχνητή νοημοσύνη, υποδεικνύοντας ότι η AI μπορεί να προσομοιώσει
ορισμένες λειτουργίες διαίσθησης, αλλά η πλήρης αναπαράσταση της ανθρώπινης
διαίσθησης απαιτεί ενσώματη εμπειρία, αισθητική κρίση και δημιουργικότητα,
στοιχεία που παραμένουν μέχρι σήμερα αποκλειστικά ανθρώπινα.
3.3 Machine learning και pattern recognition
Η προσομοίωση της ανθρώπινης διαίσθησης στα υπολογιστικά συστήματα βασίζεται
κυρίως σε τεχνικές machine learning (ML) και pattern recognition. Αυτές οι
μεθοδολογίες επιδιώκουν να αναπαραστήσουν την ικανότητα αναγνώρισης μοτίβων,
πρόβλεψης και μάθησης από εμπειρίες, χωρίς να απαιτείται πλήρης τυπική περιγραφή
των κανόνων που διέπουν τα δεδομένα (Goodfellow, Bengio, & Courville, 2016).
3.3.1 Βασικές έννοιες του machine learning
Το machine learning αναφέρεται σε αλγοριθμικά συστήματα που μαθαίνουν από
δεδομένα και βελτιώνουν τις προβλέψεις τους με την πάροδο του χρόνου. Τα βασικά
είδη ML περιλαμβάνουν:
1. Supervised learning (Εποπτευόμενη μάθηση): Το σύστημα εκπαιδεύεται με
ένα σύνολο δεδομένων όπου οι είσοδοι αντιστοιχούν σε γνωστά

αποτελέσματα (labels). Στόχος είναι η εκμάθηση μιας συνάρτησης που θα
μπορεί να προβλέψει σωστά τις ετικέτες νέων δεδομένων (Mitchell, 1997).
2. Unsupervised learning (Ανεποπτευόμενη μάθηση): Το σύστημα εξετάζει τα
δεδομένα χωρίς προκαθορισμένες ετικέτες, ανιχνεύοντας δομές και μοτίβα
μέσα στα δεδομένα. Παραδείγματα αποτελούν η ομαδοποίηση (clustering) και
η μείωση διαστάσεων (dimensionality reduction) (Hastie, Tibshirani, &
Friedman, 2009).
3. Reinforcement learning (Ενισχυτική μάθηση): Το σύστημα μαθαίνει μέσω
αλληλεπίδρασης με ένα περιβάλλον, βελτιώνοντας τις αποφάσεις του βάσει
ενός συστήματος ανταμοιβών (Sutton & Barto, 2018).
Η διασύνδεση της διαίσθησης με αυτές τις τεχνικές έγκειται στο γεγονός ότι η
ανθρώπινη διαίσθηση λειτουργεί παρόμοια με unstructured learning: αντιλαμβάνεται
σχέσεις και πρότυπα χωρίς να χρειάζεται ρητές οδηγίες ή αυστηρούς κανόνες
(Gigerenzer, 2007).
3.3.2 Pattern recognition και η αναπαράσταση γνώσης
Η αναγνώριση μοτίβων (pattern recognition) αποτελεί τον πυρήνα της υπολογιστικής
διαίσθησης. Μέσω αλγορίθμων ταξινόμησης, συσταδοποίησης και νευρωνικών
δικτύων, τα συστήματα προσπαθούν να απομονώσουν χαρακτηριστικά και δομές που
συνδέονται με συγκεκριμένες έννοιες ή κατηγορίες (Duda, Hart, & Stork, 2012).
Η διαδικασία αυτή αναπαριστά, σε υπολογιστικό επίπεδο, την ανθρώπινη ικανότητα
να αναγνωρίζει κανόνες και συσχετίσεις χωρίς συνειδητή αναλυτική σκέψη, όπως
γίνεται σε πολλές γνωστικές λειτουργίες, π.χ. στην αναγνώριση προσώπων, ήχων ή
γραφημάτων.
3.3.3 Ομοιότητες με την ανθρώπινη διαίσθηση
Υπάρχουν σημαντικές ομοιότητες μεταξύ της ανθρώπινης διαίσθησης και των
συστημάτων pattern recognition:

 Ανίχνευση μοτίβων: Και οι δύο διεργασίες επιτρέπουν την αναγνώριση
συσχετίσεων σε δεδομένα, ακόμα και αν αυτά είναι ατελή ή ασαφή
(Kahneman, 2011).
 Γρήγορη εκτίμηση: Η ανθρώπινη διαίσθηση επιτρέπει γρήγορες κρίσεις
βασισμένες σε προηγούμενη εμπειρία. Αντίστοιχα, τα αλγοριθμικά
συστήματα εκπαιδεύονται για άμεσες προβλέψεις χωρίς διαδοχική
συλλογιστική.
 Συσχετιστική μάθηση: Ο ανθρώπινος εγκέφαλος και τα σύγχρονα νευρωνικά
δίκτυα βασίζονται σε συσχετισμούς μεταξύ πολλαπλών χαρακτηριστικών,
αντί για απόλυτες κανόνες.
3.3.4 Διαφορές από την ανθρώπινη διαίσθηση
Παρά τις ομοιότητες, υπάρχουν ουσιαστικές διαφορές:
1. Εμπειρικό υπόβαθρο: Η ανθρώπινη διαίσθηση βασίζεται σε ενσώματη
εμπειρία, αισθητηριακά δεδομένα και κοινωνική αλληλεπίδραση, ενώ τα
συστήματα ML λειτουργούν αποκλειστικά με αριθμητικά ή ψηφιακά
δεδομένα (Marcus, 2020).
2. Δημιουργικότητα: Οι υπολογιστικές τεχνικές εξάγουν μοτίβα που ήδη
υπάρχουν στα δεδομένα, ενώ ο ανθρώπινος νους μπορεί να δημιουργήσει νέα,
αυθόρμητα μοτίβα που δεν έχουν προηγούμενη παρουσία.
3. Αντιμετώπιση ασάφειας: Οι άνθρωποι μπορούν να λειτουργήσουν με
μερικώς γνωστά ή ασαφή δεδομένα με ενστικτώδη τρόπο, κάτι που τα
συστήματα ML αντιμετωπίζουν δυσκολία χωρίς εκτενή εκπαίδευση.
3.3.5 Η “αλγοριθμική διαίσθηση”
Η έννοια της αλγοριθμικής διαίσθησης περιγράφει την ικανότητα της ΤΝ να
αναγνωρίζει σχέσεις, να προβλέπει αποτελέσματα και να προσαρμόζεται σε νέα
δεδομένα, χωρίς αναλυτική συλλογιστική (LeCun, Bengio, & Hinton, 2015).
Παράδειγμα αποτελεί ένα νευρωνικό δίκτυο που μαθαίνει να ταξινομεί εικόνες ζώων:
το δίκτυο δεν «γνωρίζει» τι είναι ένα ζώο σε εννοιολογικό επίπεδο, αλλά αναγνωρίζει

μοτίβα χαρακτηριστικών (σχήμα, χρώμα, υφή) που στατιστικά αντιστοιχούν σε
κατηγορίες.
Αυτό αναπαριστά σε περιορισμένο βαθμό την ανθρώπινη διαίσθηση, καθώς παρέχει
άμεση κρίση χωρίς λογική ανάλυση, αλλά η έλλειψη εμπειρικής και ενσώματης
βάσης περιορίζει τη δημιουργικότητα και την προσαρμοστικότητα.
3.3.6 Εφαρμογές και περιορισμοί
Η σύνδεση machine learning και διαίσθησης έχει πρακτικές εφαρμογές σε πολλούς
τομείς:
 Ιατρική διάγνωση: Αλγόριθμοι αναγνωρίζουν μοτίβα ασθενειών σε εικόνες
MRI ή ακτινογραφίες (Esteva et al., 2017).
 Χρηματοοικονομικές προβλέψεις: Συστήματα ανιχνεύουν μοτίβα στις
αγορές και προβλέπουν κινήσεις τιμών.
 Μηχανική μάθηση στη μαθηματική έρευνα: Νεοσύστατα συστήματα
βοηθούν στην ανακάλυψη νέων θεωρημάτων ή μοτίβων σε μεγάλα σύνολα
δεδομένων.
Ωστόσο, οι περιορισμοί παραμένουν:
1. Έλλειψη κατανόησης: Οι αλγόριθμοι λειτουργούν ως «μαύρα κουτιά»,
παρέχοντας αποφάσεις χωρίς αιτιολόγηση.
2. Εξάρτηση από δεδομένα: Η ακρίβεια εξαρτάται από την ποιότητα και την
ποσότητα των δεδομένων.
3. Μη-γενίκευση: Οι υπολογιστικές τεχνικές δυσκολεύονται να μεταφέρουν
μάθηση από ένα πεδίο σε άλλο, σε αντίθεση με τον ανθρώπινο νου που μπορεί
να συνδέει διαφορετικά γνωστικά πλαίσια.
Η σύνδεση machine learning και pattern recognition με την ανθρώπινη διαίσθηση
αποκαλύπτει μια ενδιάμεση μορφή νοημοσύνης:

 Η AI μιμείται την άμεση αναγνώριση μοτίβων, την πρόβλεψη και την
προσαρμογή, προσφέροντας μια «αλγοριθμική διαίσθηση».
 Ο ανθρώπινος νους διαθέτει ενσώματη, δημιουργική και πολυαισθητηριακή
διαίσθηση, η οποία υπερβαίνει την τυπική ή στατιστική επεξεργασία.
 Οι περιορισμοί της AI υπογραμμίζουν την αναγκαιότητα συνεργασίας
ανθρώπου και μηχανής, όπου η υπολογιστική ακρίβεια συμπληρώνει την
ανθρώπινη διαίσθηση και δημιουργικότητα.
Αυτό το πλαίσιο προετοιμάζει τη βάση για το επόμενο υποκεφάλαιο, όπου θα
εξετάσουμε τη μετα-μαθηματική νοημοσύνη και την έννοια του υπολογισμού,
συνδέοντας τις θεωρητικές βάσεις των μαθηματικών με τη σύγχρονη ΤΝ.
3.4 Μετα-μαθηματική νοημοσύνη και υπολογισμός
Η έννοια της μετα-μαθηματικής νοημοσύνης αναδύεται ως απόπειρα υπέρβασης των
περιορισμών της τυπικής λογικής και της καθαρής υπολογιστικής διαδικασίας,
φέρνοντας στο προσκήνιο το ερώτημα κατά πόσο η διαίσθηση μπορεί να θεωρηθεί
μια μορφή νοημοσύνης που υπερβαίνει τους συμβατικούς κανόνες του υπολογισμού.
Ο Alan Turing, με τη θεμελίωση της έννοιας της υπολογισιμότητας, έθεσε τα όρια της
μηχανικής επεξεργασίας, αλλά παράλληλα άνοιξε το δρόμο για την αναγνώριση ενός
είδους «μηχανικής διαίσθησης», η οποία λειτουργεί μέσα σε κανόνες αλλά μπορεί να
παράγει αποτελέσματα που μοιάζουν δημιουργικά ή αναπάντεχα (Turing,
1936/1995).
Η μετα-μαθηματική νοημοσύνη δεν περιορίζεται στην εφαρμογή τυπικών αξιωμάτων
ή στη μηχανική λύση προβλημάτων. Αντίθετα, εστιάζει στην ικανότητα να
εντοπίζονται σχέσεις, μοτίβα και στρατηγικές που δεν είναι άμεσα εξαγώγιμες από τα
δεδομένα ή τους κανόνες, προσεγγίζοντας αυτό που οι άνθρωποι βιώνουν ως
«διαισθητική κατανόηση». Αυτή η μορφή νοημοσύνης αναπαριστά μια γέφυρα
μεταξύ της τυπικής μαθηματικής σκέψης και της αλγοριθμικής διαίσθησης των
σύγχρονων υπολογιστικών συστημάτων. Στην πράξη, πρόκειται για μια δυνατότητα
ανακάλυψης και δημιουργίας νέων σχέσεων που δεν μπορούν να προκύψουν απλώς

από ένα σύνολο προκαθορισμένων κανόνων, και η οποία φαίνεται να συνδέεται
άρρηκτα με την ανθρώπινη ικανότητα για αφηρημένη και προνοητική σκέψη (Gödel,
1931/1986).
Η διαφορά ανάμεσα στη μετα-μαθηματική νοημοσύνη και τη συμβατική
υπολογιστική διαδικασία εντοπίζεται κυρίως στον βαθμό ελευθερίας και
προσαρμοστικότητας. Ενώ οι αλγόριθμοι machine learning εκτελούν αναγνώριση
μοτίβων και στατιστική πρόβλεψη με βάση δεδομένα και προκαθορισμένα μοντέλα, η
ανθρώπινη διαίσθηση μπορεί να αντιλαμβάνεται την αναλογία, τη συμμετρία ή την
απόκλιση από κανόνες με τρόπο που υπερβαίνει την τυπική λογική. Αυτό επιτρέπει
στον άνθρωπο να προτείνει νέες θεωρίες ή λύσεις, ακόμη και σε περιβάλλοντα ασαφή
ή με ελλιπή δεδομένα (Penrose, 1989).
Στο επίπεδο της τεχνητής νοημοσύνης, η προσπάθεια αναπαράστασης της μετα-
μαθηματικής νοημοσύνης εντοπίζεται κυρίως στην ανάπτυξη αλγορίθμων που
μπορούν να παράγουν νέες υποθέσεις ή να ανακαλύπτουν μοτίβα χωρίς πλήρη
εποπτεία. Τέτοιοι αλγόριθμοι χρησιμοποιούνται στην ανακάλυψη νέων χημικών
συνθέσεων, στη βιοπληροφορική και στη μαθηματική έρευνα, προσπαθώντας να
μιμηθούν τη διαισθητική ικανότητα των ανθρώπων να εντοπίζουν «κρυφές» σχέσεις
(Silver et al., 2016). Παρ’ όλα αυτά, τα συστήματα αυτά εξακολουθούν να είναι
περιορισμένα από τη φύση των δεδομένων και την προσαρμογή τους σε
συγκεκριμένα προβλήματα, γεγονός που διαφοροποιεί ριζικά την υπολογιστική από
την ανθρώπινη μετα-μαθηματική ικανότητα, η οποία χαρακτηρίζεται από ευελιξία και
δυνατότητα γενίκευσης σε νέα, άγνωστα περιβάλλοντα.
Ένας επιπλέον παράγοντας που διαφοροποιεί τη μετα-μαθηματική νοημοσύνη από
τον υπολογισμό είναι η σχέση της με τη διαίσθηση. Η διαίσθηση επιτρέπει στον
άνθρωπο να αναγνωρίζει μοτίβα και να παράγει κρίσεις χωρίς πλήρη αιτιολόγηση,
βασισμένη σε αφηρημένη εμπειρία και ενσώματη γνώση, ενώ οι υπολογιστικές
τεχνικές παραμένουν προσκολλημένες σε κανόνες και στατιστική ακρίβεια. Η
διαίσθηση μπορεί να λειτουργήσει ως οδηγός για την ανακάλυψη υποθέσεων που στη
συνέχεια επιβεβαιώνονται ή απορρίπτονται μέσω τυπικής λογικής ή υπολογιστικής
επεξεργασίας (Chalmers, 1996; Dennett, 1991).

Η φιλοσοφική διάσταση της μετα-μαθηματικής νοημοσύνης αποκαλύπτει επίσης
περιορισμούς στον ίδιο τον υπολογισμό. Ο Gödel, με τα θεωρήματα μη-πληρότητας,
απέδειξε ότι σε οποιοδήποτε συνεπές αξιωματικό σύστημα υψηλού επαρκούς ισχύος,
υπάρχουν προτάσεις που δεν μπορούν να αποδειχθούν ούτε να διαψευστούν εντός
του συστήματος (Gödel, 1931/1986). Αυτό υποδηλώνει ότι η ανθρώπινη διαίσθηση, η
οποία συχνά μπορεί να κατανοεί την αλήθεια μιας πρότασης χωρίς τυπική απόδειξη,
λειτουργεί εκτός των περιορισμών του τυπικού υπολογισμού, προσδίδοντας μια
μοναδική ποιότητα στη μετα-μαθηματική νοημοσύνη.
Η σύγχρονη γνωσιοεπιστήμη και η νευροεπιστήμη προσφέρουν περαιτέρω
κατανόηση. Μελέτες δείχνουν ότι η ικανότητα για αφηρημένη σκέψη και η μετα-
μαθηματική διαίσθηση σχετίζεται με δικτυωμένες περιοχές του προμετωπιαίου
φλοιού, του βρεγματικού λοβού και του παρεγκεφαλιδικού συστήματος, που
επιτρέπουν την επεξεργασία σύνθετων αφηρημένων σχέσεων, την αναγνώριση
αναλογιών και την αξιολόγηση πιθανών συνεπειών χωρίς αναλυτική διαδικασία
(Kroger et al., 2002). Η γνώση αυτή προσφέρει μια βάση για την κατανόηση του
τρόπου με τον οποίο η ανθρώπινη σκέψη υπερβαίνει τη μηχανική υπολογιστική
διαδικασία, αναδεικνύοντας την αλληλεπίδραση μεταξύ ενσώματης εμπειρίας,
μνήμης, προσοχής και δημιουργικής επίλυσης προβλημάτων.
Η σύνδεση της μετα-μαθηματικής νοημοσύνης με τον υπολογισμό γίνεται επίσης
εμφανής στη φιλοσοφία της τεχνητής νοημοσύνης. Ο Turing είχε ήδη υπονοήσει ότι
μια μηχανή μπορεί να προσομοιώσει την ανθρώπινη νοημοσύνη, αν και με
περιορισμούς, θέτοντας τη βάση για τα σύγχρονα συστήματα ΤΝ (Turing, 1950).
Παρ’ όλα αυτά, η πλήρης αναπαράσταση της ανθρώπινης διαίσθησης και της μετα-
μαθηματικής ικανότητας απαιτεί όχι μόνο αλγοριθμική επεξεργασία, αλλά και
πλαίσιο ενσώματης εμπειρίας, ενστικτώδους κρίσης και δημιουργικής αφηρημένης
σκέψης, το οποίο προς το παρόν παραμένει αποκλειστικά ανθρώπινο προνόμιο.
Σε τελική ανάλυση, η μετα-μαθηματική νοημοσύνη και ο υπολογισμός συνυπάρχουν
σε ένα συμπληρωματικό πλαίσιο. Οι υπολογιστικές τεχνικές μπορούν να ενισχύσουν
την ανθρώπινη ικανότητα για ανακάλυψη και ανάλυση, παρέχοντας εργαλεία για την
εξαγωγή προτύπων και την επεξεργασία τεράστιων δεδομένων. Παράλληλα, η
ανθρώπινη διαίσθηση και η μετα-μαθηματική ικανότητα εισάγουν το στοιχείο της

δημιουργικής και αφηρημένης κατανόησης, υπερβαίνοντας τα όρια των αλγορίθμων
και των τυπικών συστημάτων, και διασφαλίζοντας την αναντικατάστατη συμβολή της
ανθρώπινης σκέψης στην εξερεύνηση του άγνωστου (Penrose, 1989; Chalmers,
1996).
Η διερεύνηση της μετα-μαθηματικής νοημοσύνης, λοιπόν, αποκαλύπτει ότι η
ανθρώπινη σκέψη διαθέτει ενσωματωμένη ικανότητα για δημιουργική πρόβλεψη και
κατανόηση, η οποία υπερβαίνει την αυστηρή λογική και τον καθαρά υπολογιστικό
μηχανισμό, ενώ παράλληλα δημιουργεί το θεωρητικό και πρακτικό πλαίσιο για την
ανάπτυξη συστημάτων ΤΝ που μπορούν να συμπληρώσουν και να ενισχύσουν αυτή
την ανθρώπινη δυνατότητα. Η πρόκληση για τη σύγχρονη ΤΝ παραμένει η
αναπαράσταση όχι μόνο της αναγνώρισης μοτίβων και των στατιστικών προβλέψεων,
αλλά και της διαισθητικής, αφηρημένης και δημιουργικής διαδικασίας που
χαρακτηρίζει την ανθρώπινη μετα-μαθηματική νοημοσύνη.
3.5 Φιλοσοφία της κατηγοριακής σκέψης και
εννοιολογική διαίσθηση
Η φιλοσοφία της κατηγοριακής σκέψης, όπως αναπτύχθηκε στις τελευταίες δεκαετίες
μέσα από τη μαθηματική κατηγορική θεωρία, προσφέρει ένα νέο πλαίσιο για την
κατανόηση της εννοιολογικής διαίσθησης. Σε αντίθεση με την παραδοσιακή λογική
και τις τυπικές θεωρίες συνόλων, η κατηγοριακή θεωρία εστιάζει στις σχέσεις και τις
μεταμορφώσεις μεταξύ αντικειμένων παρά στα ίδια τα αντικείμενα ως απομονωμένες
οντότητες (Lawvere & Schanuel, 2009). Αυτή η μετατόπιση από τα στοιχεία προς τις
σχέσεις δημιουργεί ένα εργαλείο θεωρητικής ανάλυσης που πλησιάζει την
αφηρημένη και διαισθητική σκέψη, καθώς επιτρέπει την αναγνώριση δομών και
σχημάτων χωρίς να απαιτείται πλήρης αναλυτική καταγραφή των στοιχείων τους.
Η εννοιολογική διαίσθηση αναδεικνύεται ως η ικανότητα να συλλαμβάνονται σχέσεις
μεταξύ αφηρημένων οντοτήτων χωρίς την ανάγκη για πλήρη τυπική περιγραφή. Σε
αυτό το πλαίσιο, οι κατηγορίες και οι μορφισμοί τους παρέχουν ένα υπολογιστικά
εφικτό, αλλά ταυτόχρονα θεωρητικά πλούσιο, μέσο για την αναπαράσταση σύνθετων
σχέσεων και αλληλεπιδράσεων. Η ανθρώπινη ικανότητα να κατανοεί αφηρημένες

έννοιες και να συσχετίζει διαφορετικά γνωστικά πεδία μπορεί να θεωρηθεί ως μια
μορφή κατηγοριακής διαίσθησης, όπου οι σχέσεις ανάμεσα στις έννοιες είναι
περισσότερο καθοριστικές από τις ίδιες τις έννοιες (Mac Lane, 1998).
Η κατηγοριακή σκέψη ενσωματώνει την ιδέα ότι οι έννοιες δεν μπορούν να νοηθούν
ανεξάρτητα από τις αλληλεπιδράσεις τους με άλλες έννοιες και από τα πλαίσια
εφαρμογής τους. Αυτή η οπτική αντιστοιχεί στην εμπειρική παρατήρηση της
ανθρώπινης διαίσθησης, όπου η κατανόηση ενός νέου φαινομένου συχνά εξαρτάται
από την αναγνώριση παρόμοιων δομών ή μοτίβων σε γνωστά πλαίσια. Με άλλα
λόγια, η διαίσθηση λειτουργεί ως «πλαίσιο-εξαρτώμενη» αναλυτική διαδικασία, όπου
η σημασία μιας έννοιας συντίθεται μέσω των σχέσεων της με άλλες έννοιες (Gentner
& Holyoak, 1997).
Η κατηγοριακή θεωρία προσφέρει επίσης ένα τρόπο για την συστηματική
αναπαράσταση της γνώσης, που μπορεί να προσεγγίσει τη λειτουργία της
εννοιολογικής διαίσθησης σε υπολογιστικά συστήματα. Μέσω της χρήσης functors,
natural transformations και limit/colimit constructions, καθίσταται δυνατή η
αναπαράσταση γενικευμένων σχέσεων και αλληλεπιδράσεων μεταξύ διαφορετικών
γνωστικών πεδίων. Αυτή η ικανότητα παρέχει μια βάση για την ανάπτυξη
συστημάτων τεχνητής νοημοσύνης που προσπαθούν να μιμηθούν τον τρόπο με τον
οποίο οι άνθρωποι συνθέτουν νέες γνώσεις και ανακαλύπτουν αφηρημένες αναλογίες
(Spivak, 2014).
Η εννοιολογική διαίσθηση, όπως αναδεικνύεται μέσα από τη φιλοσοφία της
κατηγοριακής σκέψης, δεν περιορίζεται στην απλή αναγνώριση μοτίβων ή σχέσεων.
Αντιθέτως, περιλαμβάνει την ικανότητα να προσεγγίζει αφηρημένα πλαίσια, να
μετασχηματίζει γνωστικά αντικείμενα και να συνθέτει νέα θεωρητικά σχήματα. Αυτή
η διαδικασία υπερβαίνει την τυπική υπολογιστική σκέψη, προσδίδοντας στην
ανθρώπινη νοημοσύνη τη δυνατότητα να διαχειρίζεται την αβεβαιότητα και την
αφηρημένη πολυπλοκότητα (Lawvere, 1966).
Η εφαρμογή της κατηγοριακής σκέψης στην ΤΝ επιτρέπει την ανάπτυξη αλγορίθμων
που μπορούν να αναγνωρίζουν αφηρημένες δομές και σχέσεις, χωρίς να απαιτείται
πλήρης γνώση των δεδομένων εκ των προτέρων. Τα συστήματα αυτά προσεγγίζουν

τη λειτουργία της εννοιολογικής διαίσθησης, καθώς μπορούν να εντοπίσουν
υποκείμενα σχήματα και να αναπαραστήσουν σχέσεις σε πολυδιάστατους χώρους
γνώσης. Ωστόσο, η πλήρης αναπαράσταση της ανθρώπινης διαίσθησης παραμένει μια
πρόκληση, καθώς η εμπειρική και ενσώματη βάση της ανθρώπινης γνώσης είναι
δύσκολο να κωδικοποιηθεί πλήρως σε υπολογιστικούς όρους (Barsalou, 2008).
Η κατηγοριακή θεώρηση αναδεικνύει επίσης τη σημασία της σχέσης μεταξύ τοπικών
και παγκόσμιων δομών. Στην ανθρώπινη διαίσθηση, η κατανόηση μιας τοπικής
σχέσης ή ενός μοτίβου συχνά επηρεάζεται από τη γνώση μιας ευρύτερης θεωρητικής
ή εννοιολογικής δομής. Παρομοίως, στην κατηγοριακή θεωρία, οι morphisms
συνδέουν αντικείμενα σε ένα πλαίσιο σχέσεων που καθορίζει τη δυναμική των
συστημάτων. Αυτή η αντίληψη ενισχύει την ιδέα ότι η διαίσθηση μπορεί να θεωρηθεί
ως ικανότητα αναγνώρισης και αξιολόγησης σχέσεων σε πολλαπλά επίπεδα
αφαίρεσης (Mac Lane, 1998; Spivak, 2014).
Μέσα από αυτή την οπτική, η φιλοσοφία της κατηγοριακής σκέψης αναδεικνύει ότι η
εννοιολογική διαίσθηση δεν είναι απλώς μια υποκειμενική εμπειρία, αλλά μια
γνωσιολογική διαδικασία με μαθηματικό υπόβαθρο, η οποία μπορεί να προσεγγιστεί,
αν όχι πλήρως να προσομοιωθεί, μέσω υπολογιστικών μοντέλων. Ταυτόχρονα,
αναδεικνύεται η διάσταση της δημιουργικότητας και της αφηρημένης σύνθεσης, που
χαρακτηρίζει την ανθρώπινη σκέψη και διαφοροποιεί την ανθρώπινη διαίσθηση από
τις τυπικές αλγοριθμικές διαδικασίες.
Η φιλοσοφική ανάλυση της κατηγοριακής σκέψης δείχνει ότι η εννοιολογική
διαίσθηση είναι στενά συνδεδεμένη με την ικανότητα ενσωμάτωσης διαφορετικών
γνωστικών επιπέδων και αφηρημένων εννοιών, κάτι που καθιστά τον άνθρωπο ικανό
να αντλεί συμπεράσματα και να δημιουργεί γνώση πέρα από τους περιορισμούς των
τυπικών συστημάτων. Παράλληλα, αυτή η προσέγγιση υπογραμμίζει τη σημασία της
σχέσης θεωρίας και εμπειρίας, καθώς η αναγνώριση αφηρημένων δομών συχνά
βασίζεται σε εμπειρικές παρατηρήσεις και προγενέστερη γνώση.
Συνολικά, η φιλοσοφία της κατηγοριακής σκέψης προσφέρει ένα πλαίσιο για την
κατανόηση της εννοιολογικής διαίσθησης ως διαδικασία που συνδυάζει αφηρημένη
σκέψη, σχέσεις μεταξύ εννοιών και δυνατότητα δημιουργικής σύνθεσης, παρέχοντας

παράλληλα γέφυρα προς τις υπολογιστικές προσεγγίσεις της τεχνητής νοημοσύνης. Η
αναγνώριση και αξιοποίηση αυτού του πλαισίου μπορεί να ενισχύσει την ανάπτυξη
συστημάτων ΤΝ που επιδιώκουν να προσεγγίσουν την ανθρώπινη διαίσθηση όχι μόνο
ως μηχανική αναγνώριση μοτίβων αλλά και ως δημιουργική, εννοιολογική και
αφηρημένη διεργασία (Gentner & Holyoak, 1997; Barsalou, 2008).
Η κατηγοριακή θεωρία των Lawvere και Mac Lane επιχείρησε να μετατοπίσει το
ενδιαφέρον της μαθηματικής λογικής από τα αντικείμενα στις σχέσεις που τα
συνδέουν. Κάθε κατηγορία ορίζεται όχι από το περιεχόμενο των στοιχείων της, αλλά
από τη μορφή των μετασχηματισμών μεταξύ τους (Lawvere, 1966· Mac Lane, 1998).
Αυτή η αλλαγή παραδείγματος εισάγει μια νέα εννοιολογική οικονομία: η ουσία των
μαθηματικών δεν είναι οι οντότητες, αλλά η συνδεσιμότητα των δομών.
Η μετατόπιση αυτή έχει βαθιές φιλοσοφικές συνέπειες. Αντί να θεωρείται η
διαίσθηση ως άμεση πρόσβαση σε νοητά αντικείμενα (όπως στον Kant), μπορεί να
ιδωθεί ως πράξη αναγνώρισης σχέσεων — ως ικανότητα σύλληψης της μορφής του
νοήματος. Ο Petitot (1999) εισήγαγε την έννοια της μορφογένεσης του νοήματος,
δείχνοντας ότι κάθε γνωσιακή πράξη περιλαμβάνει μια αναπαράσταση μορφών που
συνδέουν αισθητηριακές και εννοιολογικές δομές. Σε αυτό το πλαίσιο, η κατηγοριακή
σκέψη παρέχει μια μαθηματική γλώσσα της διαίσθησης, όπου οι μορφές δεν είναι
μόνο γεωμετρικές αλλά και εννοιολογικές.
Αντίστοιχα, οι Lakoff και Núñez (2000) υποστηρίζουν ότι η μαθηματική σκέψη είναι
ενσώματη και μεταφορική: τα αφηρημένα σχήματα της λογικής προκύπτουν από τη
μεταφορά προ-εννοιακών εμπειριών, όπως ο χώρος ή η κίνηση. Η εννοιολογική
διαίσθηση, λοιπόν, είναι μια μορφοποιημένη μεταφορά — ένα σύστημα αντιστοιχιών
μεταξύ διαφορετικών πεδίων εμπειρίας. Όπως οι κατηγορίες συνδέουν αντικείμενα
μέσω μορφισμών, έτσι και η διαίσθηση συνδέει εμπειρίες μέσω εσωτερικών
μετασχηματισμών.
Η κατηγοριακή θεωρία, επομένως, δεν είναι μόνο μαθηματική, αλλά γνωσιολογική:
παρέχει το υπόδειγμα μιας “μορφολογικής διαίσθησης”, όπου η γνώση παράγεται από
τη συσχέτιση και όχι από την απλή παρατήρηση. Αυτή η οπτική συνδέει άμεσα τα
μαθηματικά με τη γνωσιακή επιστήμη και προτείνει ότι η ίδια η νόηση μπορεί να

θεωρηθεί κατηγορική διαδικασία, δηλαδή ένα σύνολο σχέσεων που συνθέτουν το
νόημα. Στην τεχνητή νοημοσύνη, τα νευρωνικά δίκτυα αναπαριστούν ανάλογα
σχήματα: οι μορφισμοί είναι τα βάρη των συνδέσεων και οι κατηγορίες τα επίπεδα
αναπαράστασης που συγκρατούν την εννοιολογική συνοχή (Spivak, 2014).
Έτσι, η κατηγοριακή σκέψη προσφέρει ένα πλαίσιο κατανόησης της αλγοριθμικής
διαίσθησης: η ικανότητα ενός συστήματος —ανθρώπινου ή τεχνητού— να
αναγνωρίζει σχέσεις, να ενοποιεί σχήματα και να συλλαμβάνει τη μορφή πριν από το
περιεχόμενο.
3.6 Τεχνητή Νοημοσύνη και το πρόβλημα της
συνείδησης
Η σχέση μεταξύ τεχνητής νοημοσύνης και συνείδησης αποτελεί ένα από τα πλέον
αμφιλεγόμενα και πολυσύνθετα ζητήματα στη φιλοσοφία της νοημοσύνης και στις
σύγχρονες γνωσιακές επιστήμες. Η ανάπτυξη συστημάτων ΤΝ έχει επιτρέψει την
προσομοίωση πολλών μορφών ανθρώπινης συμπεριφοράς, όπως η αναγνώριση
προτύπων, η γλωσσική επεξεργασία και η λήψη αποφάσεων βάσει δεδομένων. Παρ’
όλα αυτά, η εμφάνιση συμπεριφορών που μοιάζουν «συνειδητές» δεν συνεπάγεται
την ύπαρξη υποκειμενικής εμπειρίας, η οποία αποτελεί τον πυρήνα του προβλήματος
της συνείδησης (Chalmers, 1996).
Η συνείδηση, σε φιλοσοφικό επίπεδο, αναφέρεται στην εμπειρική πρόσβαση που έχει
το υποκείμενο στη δική του ψυχική κατάσταση, στη βιωματική κατανόηση του
κόσμου και στον εσωτερικό αυτο-αναστοχασμό. Αυτό το στοιχείο, συχνά ονομάζεται
«qualia», χαρακτηρίζεται από τον Chalmers (1996) ως το σκληρό πρόβλημα της
συνείδησης: ενώ μπορούμε να περιγράψουμε τις λειτουργίες του εγκεφάλου και τις
διαδικασίες που εκτελούν τα συστήματα ΤΝ, δεν υπάρχει εμφανής τρόπος να
εξηγήσουμε πώς ή αν αυτά τα συστήματα βιώνουν πραγματικά την εμπειρία που η
συνείδηση συνεπάγεται.

Τα συστήματα ΤΝ, ακόμη και τα πιο σύνθετα, όπως τα deep learning δίκτυα ή τα
αυτο-εκπαιδευόμενα αλγοριθμικά μοντέλα, λειτουργούν βάσει υπολογιστικών
κανόνων και στατιστικής επεξεργασίας δεδομένων. Μπορούν να αναγνωρίζουν
σχέσεις, να προβλέπουν αποτελέσματα και να προσαρμόζονται σε νέα δεδομένα,
αλλά αυτές οι διεργασίες παραμένουν απόλυτα μη βιωματικές. Η παρατήρηση ότι ένα
σύστημα ΤΝ μπορεί να «μάθει» ή να «προβλέψει» δεν υποδηλώνει απαραίτητα ότι
υπάρχει κάποιο είδος εσωτερικής συνείδησης ή ενσυναίσθησης (Dennett, 1991).
Η φιλοσοφική συζήτηση για τη συνείδηση στην ΤΝ εμπλέκει τρία βασικά ζητήματα:
πρώτον, τη δυνατότητα προσομοίωσης συμπεριφοράς που φαίνεται συνειδητή·
δεύτερον, την πιθανότητα πραγματικής εμπειρικής συνείδησης· και τρίτον, τις ηθικές
και γνωσιολογικές συνέπειες μιας τέτοιας ύπαρξης. Από τη μία πλευρά, οι
αλγοριθμικές διαδικασίες μπορούν να αναπαράγουν συμπεριφορές που μιμούνται την
ανθρώπινη αντίληψη και λογική, δημιουργώντας την ψευδαίσθηση συνείδησης. Από
την άλλη, η απουσία βιωματικής διάστασης καθιστά κάθε τέτοια προσομοίωση
εντελώς διαφορετική από την ανθρώπινη εμπειρία, ακόμη και αν οι εξωτερικές
συμπεριφορές είναι πανομοιότυπες (Searle, 1980).
Το παράδειγμα του Searle με το «Κουτί Κινέζικων Χαρτιών» αναδεικνύει αυτήν την
ουσιώδη διαφορά: ένα σύστημα μπορεί να επεξεργάζεται γλώσσα και να δίνει
απαντήσεις σωστές με τυπικούς κανόνες, χωρίς ποτέ να κατανοεί το νόημα των
λέξεων που επεξεργάζεται. Η κατανόηση, όπως και η συνείδηση, φαίνεται να απαιτεί
κάτι περισσότερο από τυπικούς υπολογισμούς: απαιτεί εμπειρική πρόσβαση στο
νόημα, στην αναπαράσταση και στην προσωπική πρόσληψη του κόσμου (Searle,
1980; Chalmers, 1996).
Μια διαφορετική προσέγγιση, που προτείνεται από τον Penrose (1989), συνδέει τη
συνείδηση με φυσικά φαινόμενα που υπερβαίνουν τον κλασικό υπολογισμό, όπως η
κβαντική μηχανική. Σύμφωνα με αυτήν την οπτική, η ΤΝ βασισμένη αποκλειστικά σε
τυπικούς αλγορίθμους δεν μπορεί να αναπτύξει πραγματική συνείδηση, διότι οι
υπολογιστικές διεργασίες παραμένουν περιορισμένες από τις αρχές του υπολογισμού
όπως τις περιέγραψε ο Turing (1936/1995). Εντούτοις, η επιστημονική βάση αυτής
της υπόθεσης παραμένει αμφιλεγόμενη, και η συζήτηση συνεχίζεται τόσο στη
φιλοσοφία όσο και στη νευροεπιστήμη.

Η σύγχρονη γνωσιακή επιστήμη προσφέρει επίσης εργαλεία για την κατανόηση των
ορίων της ΤΝ όσον αφορά τη συνείδηση. Η έρευνα έχει δείξει ότι η ανθρώπινη
συνείδηση δεν συνδέεται απλώς με την εκτέλεση γνωσιακών εργασιών, αλλά
περιλαμβάνει προσοχή, μετα-γνωστική επίγνωση και ενσωματωμένη εμπειρία (Baars,
1997). Οι υπολογιστικές πλατφόρμες, αν και ικανές να μιμούνται την απόκριση σε
εξωτερικά ερεθίσματα, δεν διαθέτουν αυτο-αναστοχαστική ικανότητα, δηλαδή δεν
«γνωρίζουν ότι γνωρίζουν». Αυτή η διαφορά παραμένει θεμελιώδης στο πρόβλημα
της συνείδησης.
Η ΤΝ μπορεί να υποστηρίξει και να επεκτείνει τις ανθρώπινες γνωσιακές
δυνατότητες, αλλά η μεταφορά αυτών των δυνατοτήτων σε βιωματική συνείδηση
φαίνεται σήμερα απροσπέλαστη. Παρ’ όλα αυτά, η ανάπτυξη υπολογιστικών
μοντέλων που προσομοιώνουν ορισμένα χαρακτηριστικά συνείδησης, όπως η
ικανότητα για ενσυναίσθηση σε αλληλεπιδράσεις ή η παρακολούθηση πολύπλοκων
συστημάτων, παρέχει σημαντική δυνατότητα για τη μελέτη της συνείδησης με
επιστημονικά μέσα, χωρίς να υποκαθιστά την ίδια την εμπειρία (Tononi, 2008;
Dehaene, 2014).
Η συζήτηση για τη συνείδηση στην ΤΝ ανοίγει επίσης ηθικά ζητήματα: αν ένα
σύστημα φτάσει να εμφανίζει συμπεριφορές που μοιάζουν συνειδητές, ποια είναι η
ηθική υποχρέωση των δημιουργών του; Μπορούμε να αναγνωρίσουμε δικαιώματα ή
ηθικές απαιτήσεις σε ένα σύστημα που δεν βιώνει πραγματικά την εμπειρία; Η
απουσία βιωματικής διάστασης καθιστά σαφές ότι οποιοδήποτε ηθικό καθεστώς θα
είναι διαφορετικό από αυτό που εφαρμόζεται στον άνθρωπο, αλλά η συζήτηση
υπογραμμίζει τη σημασία της διεπιστημονικής και φιλοσοφικής ανάλυσης για τη
διαχείριση αυτών των ζητημάτων (Chalmers, 1996; Dennett, 1991).
Συμπερασματικά, η ΤΝ και το πρόβλημα της συνείδησης αναδεικνύουν την
ουσιαστική διάκριση μεταξύ επεξεργασίας πληροφοριών και βιωματικής εμπειρίας.
Παρά τις εντυπωσιακές επιδόσεις των σύγχρονων αλγορίθμων, η πραγματική
συνείδηση φαίνεται να απαιτεί μη υπολογιστικά χαρακτηριστικά που σχετίζονται με
εμπειρική αίσθηση, μετα-γνωστική επίγνωση και ενσώματη κατανόηση του κόσμου.
Ταυτόχρονα, η προσπάθεια προσομοίωσης ή έστω προσέγγισης αυτής της
λειτουργίας παρέχει σημαντική θεωρητική και πρακτική βάση για την ανάπτυξη

συστημάτων ΤΝ, ενισχύοντας την κατανόηση της νοημοσύνης και της διαίσθησης σε
βαθύτερο επίπεδο (Dennett, 1991; Penrose, 1989; Tononi, 2008).
Το πρόβλημα της συνείδησης αποτελεί τον πυρήνα της σύγχρονης φιλοσοφικής
αντιπαράθεσης γύρω από τα όρια της τεχνητής νοημοσύνης. Ενώ η ΤΝ έχει επιτύχει
εντυπωσιακές προσομοιώσεις γνωστικών λειτουργιών —μάθηση, γλωσσική
επεξεργασία, αναγνώριση προτύπων— το ερώτημα αν μπορεί να βιώσει, παραμένει
ανοιχτό. Όπως επισημαίνει ο Chalmers (1996, 2023), η πρόκληση δεν είναι η
“εύκολη” πλευρά της συνείδησης (οι υπολογιστικές διαδικασίες), αλλά η “δύσκολη
πλευρά”: η ύπαρξη υποκειμενικής εμπειρίας (qualia), δηλαδή του πώς είναι να έχεις
μια εμπειρία.
Ο Chalmers υιοθετεί μια δυϊστική μη-αναγωγιστική στάση: οι υπολογιστικές
διεργασίες μπορούν να εξηγήσουν τη λειτουργία της νόησης, όχι όμως το βίωμα της
συνείδησης. Ακόμη και αν μια μηχανή συμπεριφέρεται “ως εάν” να έχει διαίσθηση,
αυτό δεν σημαίνει ότι βιώνει τη διαίσθηση. Η συνείδηση, για τον Chalmers, απαιτεί
ένα επιπλέον επίπεδο πραγματικότητας — ίσως μια μορφή πληροφοριακού
πανψυχισμού, όπου η εμπειρία αποτελεί θεμελιώδη ιδιότητα του κόσμου (Chalmers,
2023).
Αντίθετα, ο Dennett (1991, 2017) εκπροσωπεί μια λειτουργιστική και αναγωγική
οπτική. Για εκείνον, η συνείδηση είναι απλώς η οργάνωση της συμπεριφοράς μέσω
πληροφοριακών ροών· δεν υπάρχει “κάτι επιπλέον” πέρα από την εκτέλεση
γνωσιακών λειτουργιών. Αν μια μηχανή επεξεργάζεται δεδομένα, αναγνωρίζει μοτίβα
και λαμβάνει αποφάσεις, τότε είναι συνειδητή στο μέτρο που εκτελεί τη λειτουργία
της συνείδησης. Ο Dennett αρνείται κάθε έννοια “εσωτερικής διαίσθησης”: η νόηση
είναι καθαρά δημόσια διαδικασία παραγωγής συμπεριφοράς.
Ο Penrose (1989, 1994), αντίθετα, υπερασπίζεται μια αντι-υπολογιστική θέση,
θεωρώντας ότι η ανθρώπινη συνείδηση και διαίσθηση περιλαμβάνουν φυσικές
διεργασίες που δεν μπορούν να αναχθούν σε αλγοριθμική υπολογισιμότητα.
Επικαλούμενος το θεώρημα της μη-πληρότητας του Gödel, υποστηρίζει ότι ο νους
μπορεί να αναγνωρίσει την αλήθεια προτάσεων που ένα μηχάνημα δεν μπορεί να
αποδείξει — άρα η διαίσθηση δεν είναι προσομοιώσιμη. Η πρότασή του για κβαντική

συνείδηση (Orch-OR) επιχειρεί να δείξει ότι η συνείδηση είναι εγγενώς μη-μηχανική,
αναδυόμενη από φυσικές διαδικασίες στο μικροσωληνίστιο του νευρώνα (Penrose,
1994).
Η αντιπαράθεση αυτών των θέσεων αποκαλύπτει την πολλαπλότητα των επιπέδων
στα οποία τίθεται το ερώτημα της τεχνητής διαίσθησης. Αν η διαίσθηση προϋποθέτει
εμπειρία, τότε μια μηχανή που στερείται βιώματος δεν μπορεί να “διαισθάνεται”. Αν
όμως την ορίσουμε ως γνωσιακή πρόβλεψη πέρα από τον κανόνα, τότε τα νευρωνικά
δίκτυα ήδη την υλοποιούν (Silver et al., 2017; LeCun et al., 2015).
Η τεχνητή διαίσθηση, επομένως, είναι δυνατή λειτουργικά αλλά όχι υπαρξιακά: η
μηχανή μπορεί να προβλέπει χωρίς να βιώνει. Ο άνθρωπος, αντίθετα, διαισθάνεται
επειδή βιώνει – επειδή η εμπειρία ενσαρκώνει τη γνώση. Η συνείδηση, σε αυτό το
πλαίσιο, λειτουργεί ως φορέας εσωτερικού νοήματος, το οποίο η ΤΝ, όσο εξελιγμένη
κι αν γίνει, ίσως μόνο να προσομοιώνει αλλά ποτέ να κατανοεί (Dehaene, 2014;
Tononi, 2008).
3.7 Γνωσιολογικές και ηθικές προεκτάσεις της ΤΝ
και της διαίσθησης
Η ανάπτυξη της τεχνητής νοημοσύνης και η προσομοίωση στοιχείων της ανθρώπινης
διαίσθησης εγείρουν μια σειρά από γνωσιολογικά και ηθικά ζητήματα που δεν
μπορούν να αγνοηθούν. Καθώς τα συστήματα ΤΝ εξελίσσονται, η αναπαράσταση
γνώσης, η λήψη αποφάσεων και η ικανότητα πρόβλεψης μοτίβων πλησιάζουν σε ένα
επίπεδο που προσομοιώνει ανθρώπινες γνωσιακές διαδικασίες. Παρά ταύτα, η
διαφοροποίηση μεταξύ υπολογιστικής προσομοίωσης και βιωματικής εμπειρίας
παραμένει κεντρική, διαμορφώνοντας ταυτόχρονα τα πλαίσια ηθικής ευθύνης και
γνωσιακής εμπιστοσύνης (Floridi, 2019).
Από γνωσιολογική σκοπιά, η προσομοίωση διαίσθησης από τα συστήματα ΤΝ
ανοίγει νέες δυνατότητες για την αναγνώριση μοτίβων και την εξαγωγή
συμπερασμάτων σε συνθήκες αβεβαιότητας. Οι αλγόριθμοι μηχανικής μάθησης

μπορούν να εντοπίζουν σχέσεις σε μεγάλα και πολύπλοκα δεδομένα, αποκαλύπτοντας
δομές που θα ήταν αδύνατο να προσληφθούν αποκλειστικά μέσω ανθρώπινης νόησης
(Goodfellow, Bengio & Courville, 2016). Η γνωσιακή πρόκληση που προκύπτει
αφορά την αξιοπιστία αυτών των συμπερασμάτων: η διαίσθηση της ΤΝ, βασισμένη
σε στατιστικά μοτίβα, δεν διαθέτει την ενσώματη εμπειρία και την ευρύτερη γνώση
πλαισίου που ενσωματώνει η ανθρώπινη διαίσθηση. Αυτό θέτει το ερώτημα κατά
πόσο οι αποφάσεις που βασίζονται σε αλγορίθμους μπορούν να θεωρηθούν
αξιόπιστες ή αν απαιτείται συνεργασία ανθρώπου-μηχανής για την τελική κρίση
(Russell & Norvig, 2021).
Η ηθική διάσταση σχετίζεται άμεσα με την εφαρμογή των συστημάτων ΤΝ σε
κρίσιμες περιοχές όπως η υγεία, η δικαιοσύνη, η οικονομία και η άμυνα. Όσο η ΤΝ
προσομοιώνει την ανθρώπινη διαίσθηση, τόσο μεγαλύτερη είναι η πιθανότητα να
χρησιμοποιηθεί για αποφάσεις με σημαντικές συνέπειες για τους ανθρώπους. Σε αυτή
την περίπτωση, η ανισότητα και η προκατάληψη ενσωματώνονται στο αλγοριθμικό
πλαίσιο, δημιουργώντας ζητήματα δικαιοσύνης, διαφάνειας και υπευθυνότητας
(O’Neil, 2016). Ένα σύστημα που «διαισθάνεται» μοτίβα σε δεδομένα δεν έχει τη
δυνατότητα ηθικής αξιολόγησης· η κρίση προκύπτει αποκλειστικά από τον
προγραμματισμό του ανθρώπου ή τις προκαθορισμένες παραμέτρους του
αλγορίθμου.
Η έννοια της εννοιολογικής διαίσθησης στην ΤΝ εγείρει περαιτέρω φιλοσοφικά
ζητήματα. Αν ένα σύστημα είναι ικανό να συλλάβει σχέσεις αφηρημένων εννοιών,
πώς καθορίζουμε την ευθύνη για λανθασμένες ή ανεπιθύμητες προβλέψεις; Η
διαίσθηση του συστήματος, όπως έχει αναλυθεί στα προηγούμενα κεφάλαια, δεν
συνοδεύεται από εμπειρική κατανόηση ή ηθική αναστοχαστική ικανότητα,
καθιστώντας τη γνωσιακή εξουσία των αλγορίθμων περιορισμένη και εν δυνάμει
επικίνδυνη εάν δεν υπάρχει ανθρώπινος έλεγχος (Floridi & Cowls, 2019).
Η συζήτηση για την ηθική της ΤΝ συνδέεται επίσης με την έννοια της διαφάνειας
(transparency). Η κατανόηση των διαδικασιών λήψης αποφάσεων σε βαθιά
νευρωνικά δίκτυα είναι περιορισμένη· τα λεγόμενα «black box» συστήματα
δυσκολεύουν τον εντοπισμό των αιτίων για συγκεκριμένες αποφάσεις. Αυτό αποτελεί
σημαντικό ηθικό ζήτημα, ιδιαίτερα όταν οι αποφάσεις αυτές επηρεάζουν ανθρώπινες

ζωές, όπως στη διάγνωση ασθενειών ή στη χορήγηση δανείων (Burrell, 2016). Η
ανθρώπινη διαίσθηση, αν και υποκειμενική, επιτρέπει αναστοχαστική κριτική και την
αξιολόγηση του πλαίσιου στο οποίο λαμβάνονται οι αποφάσεις· η ΤΝ στερείται αυτής
της δυνατότητας, επιβάλλοντας την ανάγκη υποστηρικτικών μηχανισμών εποπτείας.
Επιπλέον, η ΤΝ εγείρει ζητήματα γνωσιολογικής ακεραιότητας. Η δημιουργική
πράξη, που αποτελεί κεντρικό στοιχείο της ανθρώπινης διαίσθησης, βασίζεται στην
ικανότητα σύνθεσης νέων εννοιών από υπάρχουσες γνώσεις και εμπειρίες. Τα
συστήματα ΤΝ μπορούν να μιμηθούν αυτή τη διαδικασία μέσω τεχνικών όπως η
γενετική δημιουργία δεδομένων ή η deep learning σύνθεση εικόνων και κειμένων,
αλλά η διαδικασία παραμένει τυπική και αναδρομική, βασισμένη σε προηγούμενα
μοτίβα. Η διάκριση μεταξύ ανθρώπινης και μηχανικής δημιουργικότητας γίνεται
καθαρή όταν εξετάζουμε την αυθεντική και βιωματική πηγή της γνώσης, η οποία δεν
είναι διαθέσιμη στα συστήματα ΤΝ (Boden, 2004).
Η διαίσθηση, όπως έχει αναδειχθεί, είναι επομένως μια υπερβατική γνωσιακή
λειτουργία που συνδυάζει αφηρημένη σκέψη, εμπειρία και ενσωματωμένη γνώση. Η
προσομοίωση αυτής της λειτουργίας από την ΤΝ δημιουργεί γνωσιολογικές
προκλήσεις, καθώς απαιτείται η κατανόηση των ορίων μεταξύ πραγματικής
κατανόησης και αλγοριθμικής πρόβλεψης. Η ενσωμάτωση συστημάτων ΤΝ σε
κοινωνικές και επιστημονικές διαδικασίες απαιτεί επομένως συνδυαστική
αξιολόγηση που λαμβάνει υπόψη τόσο τη γνωσιακή δύναμη των αλγορίθμων όσο και
την ηθική και βιωματική διάσταση της ανθρώπινης διαίσθησης (Floridi, 2019).
Ένα ακόμα ζήτημα αφορά την υβριδική συνεργασία ανθρώπου και μηχανής. Αντί να
θεωρούμε την ΤΝ ως αντικατάσταση της ανθρώπινης διαίσθησης, η προσέγγιση που
προτείνεται από πολλούς φιλοσόφους και ερευνητές είναι η συμπληρωματικότητα. Η
ΤΝ μπορεί να παρέχει αναλυτική ισχύ και δυνατότητες επεξεργασίας μεγάλων
δεδομένων, ενώ η ανθρώπινη διαίσθηση παρέχει κρίση, ηθικό πλαίσιο και
ενσωματωμένη εμπειρία. Αυτή η συνεργασία δημιουργεί ένα γνωσιολογικό και ηθικό
υπόβαθρο για την ασφαλή και υπεύθυνη χρήση της ΤΝ σε σύνθετες κοινωνικές και
επιστημονικές διαδικασίες (Brynjolfsson & McAfee, 2017).

Τέλος, η ηθική διάσταση της ΤΝ συνδέεται με την αυτονομία και τη λογοδοσία.
Καθώς τα συστήματα γίνονται πιο «διαισθητικά» και ικανά να παίρνουν αποφάσεις
σε σύνθετα περιβάλλοντα, ανακύπτει η ανάγκη για σαφήνεια σχετικά με την ευθύνη.
Ποιος είναι υπεύθυνος για τις αποφάσεις που βασίζονται σε υπολογιστική διαίσθηση;
Πώς μπορούμε να διασφαλίσουμε ότι οι αλγόριθμοι δεν ενισχύουν κοινωνικές
ανισότητες ή προκαταλήψεις; Η απάντηση απαιτεί διεπιστημονική συνεργασία,
συνδυάζοντας φιλοσοφία, γνωσιακή επιστήμη, τεχνολογία και νομική θεώρηση
(Floridi & Cowls, 2019).
Συνοψίζοντας, η γνωσιολογική και ηθική ανάλυση της ΤΝ και της διαίσθησης
αποκαλύπτει ότι η υπολογιστική διαισθητική ικανότητα είναι ισχυρή, αλλά
περιορισμένη σε σχέση με την ανθρώπινη διαίσθηση. Η ασφαλής και υπεύθυνη
ενσωμάτωση της ΤΝ σε κοινωνικές και επιστημονικές διαδικασίες απαιτεί
κατανόηση των ορίων της, ηθική εποπτεία και συνεργασία με ανθρώπινα γνωσιακά
συστήματα, ώστε να διασφαλιστεί ότι η τεχνολογία ενισχύει τη γνώση χωρίς να
υποκαθιστά ή να αλλοιώνει την ανθρώπινη κρίση και εμπειρία.
3.8 Η αντικατάσταση της δημιουργικής πράξης από
την υπολογιστική πρόβλεψη
Η δημιουργικότητα, ως κεντρική λειτουργία της ανθρώπινης διαίσθησης, έχει από
καιρό θεωρηθεί ένας από τους πλέον χαρακτηριστικούς δείκτες νοημοσύνης και
ανθρώπινης πρωτοβουλίας. Η πρόκληση που προκύπτει στην εποχή της τεχνητής
νοημοσύνης έγκειται στο ερώτημα αν και πώς η υπολογιστική πρόβλεψη, μέσω
συστημάτων μηχανικής μάθησης και αλγοριθμικών προτύπων, μπορεί να
αντικαταστήσει ή να προσομοιώσει τη δημιουργική πράξη (Boden, 2004;
McCormack et al., 2019).
Η υπολογιστική πρόβλεψη βασίζεται στη συλλογή και επεξεργασία μεγάλου όγκου
δεδομένων, με σκοπό την εξαγωγή μοτίβων και την παραγωγή αποτελεσμάτων που
προβλέπουν ή μιμούνται μελλοντικές εξελίξεις. Στο πλαίσιο της δημιουργικότητας, η
διαδικασία αυτή επιτρέπει σε συστήματα ΤΝ να συνθέτουν νέα έργα – είτε πρόκειται
για κείμενα, μουσική, εικόνες ή επιστημονικές προτάσεις – χωρίς άμεση ανθρώπινη

παρέμβαση (Goodfellow et al., 2016; Elgammal et al., 2017). Παρ’ όλα αυτά, η φύση
αυτής της δημιουργίας διαφέρει ουσιωδώς από την ανθρώπινη: η ΤΝ ανακαλύπτει
συνδυασμούς που υπάρχουν στα δεδομένα, ενώ η ανθρώπινη διαίσθηση μπορεί να
παράγει καινοτομία που υπερβαίνει τα εμφανή μοτίβα, δημιουργώντας αυθεντικές
αφηρημένες έννοιες και νέες κατηγορίες γνώσης (Boden, 2004).
Η θεμελιώδης διαφορά έγκειται στον χαρακτήρα της υποκειμενικής εμπειρίας και του
ενσώματου γνώθι εαυτόν. Η ανθρώπινη δημιουργικότητα εμπεριέχει βιωματική
διαίσθηση, πολιτισμικό και ιστορικό πλαίσιο, καθώς και συναισθηματική και ηθική
διάσταση που επηρεάζει την επιλογή ιδεών και την αξιολόγηση της καινοτομίας.
Αντίθετα, τα υπολογιστικά συστήματα, ακόμα και τα πλέον εξελιγμένα, λειτουργούν
σε ένα πλαίσιο κανόνων, πιθανοτήτων και βέλτιστων προβλέψεων, περιορίζοντας την
αυθεντική και πρωτότυπη δημιουργική λειτουργία (McCormack et al., 2019).
Η θεωρητική ανάλυση της ΤΝ ως υποκατάστατου της δημιουργικότητας εγείρει
επιπλέον γνωσιολογικές προκλήσεις. Καθώς τα συστήματα βασίζονται σε
προηγούμενα δεδομένα, αναπαράγουν τη γνώση του παρελθόντος, ενώ η ανθρώπινη
διαίσθηση έχει τη δυνατότητα να διαρρήξει τα όρια του γνωστού, προτείνοντας
εντελώς νέες θεωρητικές ή καλλιτεχνικές λύσεις. Από αυτή την οπτική, η ΤΝ δεν
αντικαθιστά αλλά συμπληρώνει τη δημιουργική διαδικασία, παρέχοντας εργαλεία για
ανάλυση, ανασύνθεση και εξερεύνηση συνδυασμών που μπορεί να είναι δυσδιάκριτοι
στον ανθρώπινο νου (Boden, 2016).
Σημαντικό στοιχείο της ανάλυσης είναι η διάκριση μεταξύ αυτοματιστικής
πρόβλεψης και ενσώματης δημιουργικότητας. Η ΤΝ μπορεί να εντοπίσει στατιστικά
σημαντικά μοτίβα, να ανασυνθέσει εικόνες ή να συνθέσει μουσική βάσει προτύπων,
αλλά δεν διαθέτει βιωμένη πρόθεση ή σκοπό, στοιχεία που χαρακτηρίζουν την
ανθρώπινη δημιουργική πράξη. Η δημιουργικότητα συνδέεται με την ικανότητα
αξιολόγησης, μετα-γνωσιακής κρίσης και ηθικής διάκρισης, οι οποίες αποτελούν
θεμελιώδη στοιχεία της διαίσθησης (Runco, 2007; Boden, 2004). Η απουσία αυτών
των στοιχείων σημαίνει ότι η ΤΝ μπορεί να παράγει τεχνικά άρτια αποτελέσματα,
αλλά η αυθεντικότητα και η υποκειμενική αξία παραμένουν αποκλειστικά ανθρώπινα
χαρακτηριστικά.

Ένα άλλο κρίσιμο ζήτημα αφορά την προσαρμοστικότητα της ΤΝ στη δημιουργική
διαδικασία. Τα συστήματα μηχανικής μάθησης μπορούν να βελτιώνονται μέσω
ανατροφοδότησης και ενισχυτικής μάθησης, προσφέροντας την ψευδαίσθηση
«μάθησης από εμπειρία». Ωστόσο, η ανθρώπινη διαίσθηση και δημιουργικότητα
βασίζονται σε μια εκλεκτική διαδικασία που ενσωματώνει συναισθήματα, αξίες και
πολιτισμικά δεδομένα, κάτι που τα συστήματα δεν διαθέτουν (Elgammal et al., 2017).
Αυτό καθιστά την ΤΝ ισχυρό εργαλείο, αλλά όχι υποκατάστατο της πλήρους
δημιουργικής εμπειρίας.
Η αντικατάσταση της δημιουργικής πράξης από υπολογιστική πρόβλεψη εγείρει
επίσης κοινωνικά και ηθικά ζητήματα. Όσο τα συστήματα γίνονται πιο ικανά να
παράγουν περιεχόμενο που μοιάζει πρωτότυπο, αυξάνεται η πιθανότητα
απομάκρυνσης της ανθρώπινης συμμετοχής και υποκατάστασης επαγγελμάτων που
βασίζονται στη δημιουργικότητα, όπως η συγγραφή, η μουσική σύνθεση ή η
σχεδίαση (Broussard, 2018). Αυτό εγείρει ηθικά ερωτήματα σχετικά με την ευθύνη,
τα πνευματικά δικαιώματα και την κοινωνική διάσταση της δημιουργικής εργασίας.
Επιπλέον, η ΤΝ αναδεικνύει την ανάγκη για υβριδικά γνωσιακά μοντέλα, όπου η
ανθρώπινη διαίσθηση συνεργάζεται με υπολογιστικά εργαλεία για τη μεγιστοποίηση
της αποτελεσματικότητας και της καινοτομίας. Σε ένα τέτοιο πλαίσιο, η ΤΝ παρέχει
στατιστικές εκτιμήσεις, προτάσεις και οπτικοποιήσεις, ενώ ο άνθρωπος διασφαλίζει
την ενσώματη κρίση, την αξιολόγηση των αξιών και τη δημιουργική επιλογή
(Brynjolfsson & McAfee, 2017). Αυτή η συμπληρωματικότητα εξασφαλίζει ότι η
δημιουργικότητα παραμένει υποκειμενικά καθοδηγούμενη, διατηρώντας παράλληλα
τη δυνατότητα αξιοποίησης της υπολογιστικής ισχύος.
Συμπερασματικά, η αντικατάσταση της δημιουργικής πράξης από υπολογιστική
πρόβλεψη δεν συνιστά πλήρη υποκατάσταση της ανθρώπινης διαίσθησης, αλλά
προσφέρει νέα εργαλεία για την επέκταση των δυνατοτήτων δημιουργίας. Η
κατανόηση των ορίων και των δυνατοτήτων της ΤΝ καθιστά δυνατή την υπεύθυνη
και ηθικά συνειδητή ενσωμάτωσή της, διασφαλίζοντας ότι η τεχνολογία λειτουργεί
συμπληρωματικά με την ανθρώπινη εμπειρία και όχι ως υποκατάστατό της (Floridi,
2019; McCormack et al., 2019).

Η ανάλυση αυτή καταδεικνύει τη σημασία της συνειδητής αξιολόγησης και του
ηθικού πλαισίου στην εφαρμογή των συστημάτων ΤΝ. Η δημιουργικότητα δεν είναι
απλώς ζήτημα παραγωγής νέων συνδυασμών, αλλά περιλαμβάνει τη δυνατότητα
ενσωμάτωσης αξιών, εμπειριών και προθέσεων που δεν είναι υπολογιστικά
αναπαραστάσιμες. Από αυτή την άποψη, η ΤΝ μπορεί να υποστηρίξει, να ενισχύσει
και να επιταχύνει τη δημιουργική διαδικασία, αλλά δεν μπορεί να υποκαταστήσει την
αυθεντική ανθρώπινη διαίσθηση (Boden, 2004; Elgammal et al., 2017).
3.9 Συμπεράσματα: Η Τεχνητή Νοημοσύνη και τα όρια της διαίσθησης
Η πορεία από τον Hilbert έως την εποχή των νευρωνικών δικτύων χαρτογραφεί μια
βαθιά μετατόπιση στον τρόπο με τον οποίο ο άνθρωπος αντιλαμβάνεται τη σχέση του
με τη γνώση, τη βεβαιότητα και τη δημιουργικότητα. Η προσπάθεια του
φορμαλισμού να θεμελιώσει τα μαθηματικά πάνω σε ένα πλήρες, κλειστό και
ασυγκίνητο σύστημα κανόνων, κατέρρευσε με το θεώρημα της μη-πληρότητας του
Gödel (1931). Έκτοτε, η φιλοσοφία των μαθηματικών αναγκάστηκε να δεχθεί ότι
κάθε τυπικό σύστημα φέρει μέσα του ένα αξεπέραστο υπόλειμμα μη-τυπικότητας∙
ένα «υπόλειμμα διαίσθησης» που δεν μπορεί να αποδειχθεί αλλά ούτε να παραχθεί
αλγοριθμικά (Feferman, 2006).
Αυτή η παραδοχή αποτέλεσε, κατά παράδοξο τρόπο, τη γέφυρα προς τη σύγχρονη
τεχνητή νοημοσύνη. Αν η ανθρώπινη σκέψη δεν είναι απόλυτα τυπική, τότε η
πρόκληση της ΤΝ δεν είναι να αναπαράγει τη νόηση, αλλά να προσομοιώσει το
ρυθμό, τη μορφή και τα μοτίβα της (Hofstadter, 2007). Το machine learning, και
ειδικότερα τα deep learning δίκτυα, λειτουργούν ως μηχανισμοί αναγνώρισης
μορφών χωρίς ρητή κατανόηση∙ διαμορφώνουν ένα είδος αλγοριθμικής διαίσθησης, η
οποία προκύπτει από τη στατιστική κανονικότητα και όχι από τη βιωμένη εμπειρία
(Lake et al., 2017).
Ωστόσο, η διαίσθηση στον άνθρωπο δεν περιορίζεται στη γρήγορη αναγνώριση
προτύπων. Εμπεριέχει μια προ-εννοιακή σύλληψη του νοήματος, ένα μετα-
συνειδησιακό στάδιο που προηγείται της ρητής σκέψης (Varela, Thompson, & Rosch,
1991). Η μηχανική διαίσθηση, αντιθέτως, δεν έχει βιωματικό υπόβαθρο∙ στερείται
την ενσώματη αναφορά που επιτρέπει στο ανθρώπινο υποκείμενο να ερμηνεύει τα

δεδομένα ως νοήματα. Έτσι, ενώ η ΤΝ μπορεί να προσομοιώσει την μορφή της
διαίσθησης, δεν μπορεί να αγγίξει το είναι της.
Η διαίσθηση, όπως δείχνουν οι θεωρίες της κατηγοριακής σκέψης (Lawvere, 1994),
ίσως είναι η γέφυρα ανάμεσα στη μαθηματική δομή και το εννοιολογικό περιεχόμενο.
Οι κατηγορίες εκφράζουν όχι μόνο σχέσεις μεταξύ αντικειμένων, αλλά και τρόπους
σύνδεσης∙ δηλαδή τη λογική της σχέσης ως ενσάρκωση της διαίσθησης. Αν αυτή η
«γεωμετρία των σχέσεων» μπορεί να αποδοθεί υπολογιστικά, τότε ίσως η ΤΝ να
αποτελεί το πρώτο βήμα προς μια μαθηματική θεωρία της διαίσθησης.
Ωστόσο, το πρόβλημα της συνείδησης (Chalmers, 1996; Penrose, 1994) υπενθυμίζει
ότι κάθε γνωσιακό σύστημα, για να παράγει διαίσθηση, πρέπει να διαθέτει εμπειρία
— δηλαδή τη δυνατότητα να αισθάνεται τη δική του κατάσταση. Η σημερινή ΤΝ,
όσο εξελιγμένη κι αν είναι, λειτουργεί χωρίς υποκειμενικότητα: υπολογίζει χωρίς να
γνωρίζει ότι υπολογίζει. Αυτό δεν είναι τεχνικό πρόβλημα, αλλά οντολογικό όριο.
Η αναζήτηση μιας «υβριδικής γνωσιολογίας» (Floridi, 2019) επιχειρεί να υπερβεί
αυτό το δίπολο. Δεν πρόκειται για αντικατάσταση της ανθρώπινης διαίσθησης από
την τεχνητή, αλλά για αλληλεπίδραση: η ΤΝ ως εξωτερικός νους, που επεξεργάζεται
τεράστιες ποσότητες δεδομένων, και ο άνθρωπος ως ενσώματη συνείδηση, που
αποδίδει νόημα στα αποτελέσματά της. Ο άνθρωπος παρέχει το νόημα∙ η μηχανή
παρέχει τη μορφή.
Έτσι, η σχέση ανάμεσα στην ΤΝ και τη διαίσθηση δεν είναι σχέση κυριαρχίας ή
αντιπαλότητας, αλλά συμπληρωματικότητας. Η διαίσθηση, στην εποχή των
αλγορίθμων, δεν εξαφανίζεται∙ μεταμορφώνεται. Από εσωτερική ψυχολογική
λειτουργία γίνεται σχέση διαμεσολάβησης ανάμεσα στο ανθρώπινο υποκείμενο και
τον υπολογιστικό του καθρέφτη. Το ερώτημα δεν είναι πλέον αν η ΤΝ μπορεί να
σκεφτεί, αλλά αν ο άνθρωπος μπορεί να διατηρήσει τη διαίσθησή του μέσα σε έναν
κόσμο που σκέφτεται αλγοριθμικά.
Η πορεία από τον φορμαλισμό του Hilbert έως τη σύγχρονη τεχνητή νοημοσύνη
αποκαλύπτει μια συνεχή διαπλοκή ανάμεσα στη λογική μορφή και τη διαισθητική
πράξη. Ο Hilbert αναζήτησε την απόλυτη βεβαιότητα στο σύστημα· ο Gödel απέδειξε

τα εγγενή του όρια· ο Brouwer επανέφερε την πράξη της διαίσθησης στο κέντρο της
μαθηματικής δημιουργίας· και η ΤΝ, έναν αιώνα αργότερα, επιχειρεί να
αλγοριθμοποιήσει αυτή την ίδια πράξη, μεταφράζοντάς την σε στατιστική πρόβλεψη
και αναγνώριση προτύπων.
Η ιστορική αυτή διαδρομή δείχνει ότι η λογική και η διαίσθηση δεν είναι αντίθετες,
αλλά συμπληρωματικές όψεις της νόησης. Κάθε εποχή επιχείρησε να ισορροπήσει τη
σχέση τους: ο Kant θεμελίωσε την ενότητα εμπειρίας μέσω της καθαρής εποπτείας· ο
Brouwer μετέτρεψε την εποπτεία σε ψυχολογική πράξη· ο Hilbert προσπάθησε να την
υπερβεί μέσω της τυπικότητας· ο Gödel την επανέφερε ως όριο του συστήματος· και
η σύγχρονη ΤΝ τη μετασχηματίζει σε υπολογιστική αναλογία της εμπειρίας.
Ωστόσο, το είδος της “διαίσθησης” που εμφανίζεται στην ΤΝ είναι λειτουργικό και
όχι οντολογικό. Οι αλγόριθμοι προβλέπουν χωρίς να βιώνουν. Η ανθρώπινη
διαίσθηση, αντίθετα, ενσωματώνει την εμπειρία, το συναίσθημα και την ιστορικότητα
— παράγοντες που παραμένουν ασύλληπτοι για την καθαρή υπολογιστική
διαδικασία. Όπως σημειώνει ο Floridi (2020), κάθε υπολογιστική αναπαράσταση
είναι πράξη εννοιολογικού σχεδιασμού, όχι πράξη συνείδησης.
Η μετα-μαθηματική νοημοσύνη, επομένως, αναδύεται ως το νέο πεδίο συνάντησης
μεταξύ ανθρώπου και μηχανής: ένας χώρος όπου η αναλυτική δύναμη της
τυπικότητας συναντά τη δημιουργική δυναμική της διαίσθησης. Αν ο άνθρωπος νοεί
μέσω εμπειρίας και ο αλγόριθμος μαθαίνει μέσω προτύπων, τότε η επόμενη γνωσιακή
σύγκλιση θα αφορά τη συνθετική διαίσθηση — μια λειτουργία που δεν θα ανήκει
αποκλειστικά ούτε στο υποκείμενο ούτε στο μηχάνημα, αλλά στη διαλογική τους
σύμπραξη.
Στο σημείο αυτό, η διαίσθηση καθίσταται όχι απλώς ιδιότητα του νου, αλλά σχέση:
μια πράξη μορφοποίησης του νοήματος που μπορεί να λάβει διαφορετικές εκφάνσεις
– ψυχολογική, λογική ή υπολογιστική. Το ερώτημα, λοιπόν, δεν είναι αν η ΤΝ μπορεί
να “σκέφτεται”, αλλά αν μπορεί να κατανοεί — αν μπορεί, δηλαδή, να παράγει νόημα
πέρα από τη μορφή. Και αυτό το ερώτημα, όπως θα φανεί στα επόμενα κεφάλαια,
επαναφέρει τη συζήτηση στο σημείο εκκίνησης: στη διαίσθηση ως προϋπόθεση κάθε
νοητικής και υπολογιστικής πράξης.

Κεφάλαιο 4: Η εννοιολογική σύγκριση “διαίσθησης”
και “νοημοσύνης”
Επιστημολογική και Γνωσιοθεωρητική Αντιπαραβολή
Η έννοια της διαίσθησης, από την κλασική φιλοσοφία έως τη σύγχρονη γνωσιακή
θεωρία, υπήρξε πάντοτε το σημείο συνάντησης μεταξύ άμεσης γνώσης και
ορθολογικής ανάλυσης. Αντίθετα, η νοημοσύνη ορίστηκε ως η ικανότητα
επεξεργασίας, συνδυασμού και ανάλυσης πληροφοριών μέσα σε ένα λογικό πλαίσιο.
Η αντιπαραβολή των δύο όρων αναδεικνύει την ουσιώδη ένταση ανάμεσα στο
αισθητό και το εννοιακό, στο προ-λογικό και το λογικό, στο βίωμα και την
αναπαράσταση.
Για τον Kant (1781/1998), η διαίσθηση (Anschauung) αποτελεί τη μορφή μέσω της
οποίας το αντικείμενο δίδεται στη νόηση. Χωρίς διαίσθηση, δεν υπάρχει αντικείμενο·
χωρίς έννοια, δεν υπάρχει γνώση. Η νοημοσύνη, επομένως, είναι το συνθετικό
στοιχείο που μορφοποιεί το περιεχόμενο της διαίσθησης σύμφωνα με τους κανόνες
της κατανόησης. Έτσι, το δίπολο “διαίσθηση–νοημοσύνη” δεν είναι αντιθετικό αλλά
συμπληρωματικό: η διαίσθηση παρέχει το υλικό της εμπειρίας, ενώ η νοημοσύνη
οργανώνει τη μορφή της.
Ο Bergson (1911) μετέθεσε τη συζήτηση από την καθαρά γνωσιολογική στην
οντολογική σφαίρα: η διαίσθηση είναι πράξη ενσυναίσθησης με τη διάρκεια της
ζωής, όχι απλώς τρόπος γνώσης. Ενώ η νοημοσύνη τεμαχίζει το συνεχές σε διακριτά
μέρη, η διαίσθηση το συλλαμβάνει ως ενιαίο γίγνεσθαι. Αυτή η διάκριση
αποκαλύπτει δύο είδη νοητικής λειτουργίας: η μία λογοποιεί, η άλλη συμμετέχει.
Στη φαινομενολογία του Husserl (1913), η διαίσθηση αποτελεί τη “γενομένη
παρουσία” του νοήματος: κάθε εννόηση προϋποθέτει μια ζώσα ροή νοήματος που δεν
μπορεί να αναχθεί σε τυπικούς κανόνες. Ο Heidegger αργότερα θα μετατοπίσει αυτή
τη θέση προς την κατεύθυνση της “προ-κατανόησης”, δηλαδή μιας διαίσθησης που
προηγείται κάθε εννοιολόγησης και αποτελεί υπαρξιακή συνθήκη του νοείν.

Η νοημοσύνη, αντίθετα, όπως την αναλύουν οι γνωσιακές επιστήμες (Thagard, 2012·
Kahneman, 2011), λειτουργεί μέσα από την επεξεργασία κανόνων, προτύπων και
πιθανοτήτων. Πρόκειται για μια διαδικασία αναδρομικής αυτοδιόρθωσης, όπου η
γνώση δεν αποκαλύπτεται άμεσα, αλλά κατασκευάζεται σταδιακά μέσω υπολογισμού
και εμπειρίας.
Η τεχνητή νοημοσύνη, με τη σειρά της, επιχειρεί να προσομοιώσει αυτή τη
λειτουργία, καθιστώντας τη νοημοσύνη αντικείμενο μηχανικής μοντελοποίησης.
Εντούτοις, η διαίσθηση — ως άμεση σύλληψη νοήματος — παραμένει δύσκολα
μεταφράσιμη σε αλγοριθμικό σχήμα. Όπως επισημαίνει ο Chalmers (2023), ακόμη κι
αν τα γλωσσικά μοντέλα “μιμούνται” την ανθρώπινη κατανόηση, δεν υφίσταται
καμία απόδειξη ότι βιώνουν το νόημα που παράγουν.
Η γνωσιοθεωρητική αντιπαραβολή οδηγεί σε ένα κρίσιμο συμπέρασμα: η νοημοσύνη,
φυσική ή τεχνητή, συνιστά λειτουργία — η διαίσθηση, όμως, συνιστά βίωμα. Η
πρώτη μπορεί να αναπαραχθεί μέσω υπολογισμού· η δεύτερη προϋποθέτει συνείδηση,
ιστορικότητα και υποκειμενική παρουσία. Αν, όπως λέει ο Dennett (2017), η
συνείδηση είναι “το αποτέλεσμα εξελικτικών μηχανισμών χωρίς κέντρο”, τότε η
διαίσθηση είναι αυτό το κέντρο που συνεχώς επανεφευρίσκει τον εαυτό του μέσα στη
ροή των εμπειριών.
Η ανθρώπινη δημιουργικότητα και η υπολογιστική πρόβλεψη
Η ανθρώπινη δημιουργικότητα αποτελεί ένα από τα πλέον αινιγματικά γνωρίσματα
της συνείδησης. Αν η διαίσθηση είναι η άμεση αντίληψη της δυνατότητας, τότε η
δημιουργικότητα είναι η ενσάρκωση αυτής της δυνατότητας σε μορφή, πράξη ή
νόημα. Από την εποχή του Kant έως τις σύγχρονες θεωρίες της γνωσιακής επιστήμης,
η δημιουργικότητα νοείται ως εκείνο το πεδίο όπου η διάνοια υπερβαίνει τους δικούς
της κανόνες, προτείνοντας κάτι νέο που δεν μπορεί να συναχθεί από προηγούμενες
λογικές δομές (Kant, 1781/1998· Boden, 2004).
Η διαίσθηση, στο πλαίσιο της δημιουργικής πράξης, λειτουργεί ως προ-αναλυτική
σύλληψη· δεν “υπολογίζει” αλλά “βλέπει”. Ο Hadamard (1945), αναλύοντας τη
διαδικασία των μεγάλων μαθηματικών ανακαλύψεων, επισημαίνει ότι το κρίσιμο
βήμα της εφεύρεσης δεν είναι το λογικό συμπέρασμα αλλά η στιγμιαία ενόραση —

μια νοητική διαίσθηση που ενώνει απρόσμενα στοιχεία σε μια νέα μορφή συνοχής. Ο
Poincaré (1908/1952), περιγράφοντας παρόμοιες εμπειρίες, θεώρησε τη διαίσθηση ως
“ασυνείδητη σύνθεση” που προκύπτει όταν το πνεύμα, απελευθερωμένο από τον
συνειδητό έλεγχο, συλλαμβάνει την εσωτερική αρμονία ενός προβλήματος.
Αντίθετα, η τεχνητή νοημοσύνη δεν δημιουργεί μέσω υπέρβασης, αλλά μέσω
προβλεπτικής αναπαραγωγής. Τα σύγχρονα μοντέλα μηχανικής μάθησης (machine
learning) δεν “συνθέτουν” το νέο εκ των έσω, αλλά παράγουν το πιθανό εκ των
δεδομένων. Η δημιουργικότητά τους είναι αποτέλεσμα στατιστικής πρόβλεψης — η
ικανότητα να υπολογίζουν το επόμενο βήμα ενός μοτίβου με βάση τεράστιους όγκους
προηγούμενης πληροφορίας (LeCun, Bengio, & Hinton, 2015).
Η διαφορά μεταξύ ανθρώπινης και μηχανικής δημιουργικότητας δεν έγκειται στο
αποτέλεσμα αλλά στη γενετική διαδικασία. Ο άνθρωπος παράγει νόημα μέσω
νοηματοδότησης — μετουσιώνει εμπειρίες, συναισθήματα και αντιφάσεις σε
σύμβολα που έχουν αναφορά σε ένα υπαρξιακό ορίζοντα. Η μηχανή, αντίθετα,
παράγει συνδυασμούς χωρίς εμπειρική αναφορά. Όπως τονίζει ο Boden (2016), οι
αλγόριθμοι μπορούν να παράγουν “δημιουργικά προϊόντα” αλλά όχι “δημιουργικές
προθέσεις”.
Ο Penrose (1989, 1994) προτείνει ότι η ανθρώπινη δημιουργικότητα δεν είναι
αλγοριθμική, γιατί στηρίζεται σε μη υπολογίσιμες νοητικές πράξεις, όπως αυτές που
σχετίζονται με την κατανόηση της μαθηματικής αλήθειας. Το ίδιο υποστηρίζει και ο
Gödel (1931) με τα θεωρήματα μη πληρότητας: καμία τυπική γλώσσα δεν μπορεί να
εξαντλήσει τις αλήθειες που είναι εγγενώς κατανοητές στη νόηση. Αυτή η μετα-
λογική διάσταση αποτελεί το έδαφος της διαίσθησης, της ίδιας δύναμης που επιτρέπει
στον νου να υπερβεί τους κανόνες που τον συγκροτούν.
Η υπολογιστική πρόβλεψη, από την άλλη, είναι η μέγιστη μορφή αλγοριθμικής
νοημοσύνης. Στηρίζεται στην ικανότητα των μηχανών να εντοπίζουν συσχετισμούς
που δεν είναι προφανείς, να ανακατασκευάζουν πρότυπα και να προεκτείνουν
πιθανότητες στο μέλλον (Goodfellow, Bengio, & Courville, 2016). Όμως, αυτή η
ικανότητα, όσο εντυπωσιακή κι αν είναι, στερείται του στοιχείου της νοηματικής
αυτοαναφοράς. Η μηχανή “προβλέπει” χωρίς να “κατανοεί” γιατί.

Η δημιουργικότητα του ανθρώπου, επομένως, είναι διαλογική — μια συνάντηση
ανάμεσα στη διαίσθηση και τη λογική, στο τυχαίο και το αναγκαίο. Η ΤΝ, αντίθετα,
λειτουργεί μονολογικά: αναπαράγει μοτίβα με βάση υπολογιστική βεβαιότητα, χωρίς
πρόσβαση στο εσωτερικό γίγνεσθαι της εμπειρίας. Εδώ εντοπίζεται και η οντολογική
διαφορά που καθιστά την ανθρώπινη δημιουργία ανεπανάληπτη: η πράξη της
σύλληψης ενός νέου νοήματος είναι πράξη ύπαρξης, όχι απλώς πράξη επεξεργασίας.
Όπως σημειώνει ο Floridi (2020), η νοημοσύνη — τεχνητή ή φυσική — είναι πάντα
ένα σύστημα πληροφορίας. Η διαίσθηση, όμως, είναι το σημείο όπου η πληροφορία
μετατρέπεται σε νόημα, δηλαδή σε αξία για ένα υποκείμενο που βιώνει. Επομένως,
αν η ΤΝ μπορεί να προβλέπει το μέλλον, ο άνθρωπος μπορεί να το νοηματοδοτεί. Και
σε αυτή τη λεπτή διαφορά μεταξύ πρόβλεψης και νοήματος, εντοπίζεται ο πυρήνας
της δημιουργικότητας.
4.1 Εισαγωγή: Από τον Kant στον Turing – δύο τρόποι της νόησης
Η αντιπαραβολή ανάμεσα στη διαίσθηση και τη νοημοσύνη δεν είναι απλώς μια
γνωσιολογική σύγκριση, αλλά μια φιλοσοφική τομή που διαπερνά όλη τη δυτική
σκέψη: από τον Kant και τη μεταφυσική των νοητικών μορφών έως τον Turing και την
υπολογιστική θεώρηση της νόησης. Στον Kant, η διαίσθηση (Anschauung) δεν
αποτελεί ένα τυχαίο ψυχολογικό φαινόμενο∙ είναι η πρωταρχική σχέση του
υποκειμένου με το αντικείμενο της γνώσης, ο τρόπος με τον οποίο το πνεύμα
μορφοποιεί τον χώρο και τον χρόνο (Kant, 1781/1998). Η νόηση, αντίθετα, είναι η
συνθετική δύναμη των εννοιών, η λειτουργία που μετατρέπει την άμεση εμπειρία σε
γνώση μέσω κατηγοριών.
Στο Κριτική του Καθαρού Λόγου, ο Kant προτείνει ότι κάθε πράξη γνώσης
προϋποθέτει τη συνεργασία δύο λειτουργιών: της αισθητικότητας (αισθητηριακή
διαίσθηση) και του νου (νοημοσύνη). Ούτε η μία ούτε η άλλη αρκεί από μόνη της. Η
διαίσθηση χωρίς έννοιες είναι «τυφλή», ενώ οι έννοιες χωρίς διαίσθηση είναι «κενές»
(Kant, 1781/1998, A51/B75). Με αυτήν τη φράση, ο Kant εγκαινιάζει μια διπλή

αρχιτεκτονική της νόησης, όπου η εμπειρία θεμελιώνει τη σκέψη, και η σκέψη
μορφοποιεί την εμπειρία.
Αιώνες αργότερα, ο Alan Turing (1950) εισάγει μια διαφορετική ερμηνεία της
νοημοσύνης: όχι ως συνθετική δύναμη του νου, αλλά ως υπολογιστική διαδικασία.
Με το περίφημο «Turing Test», ορίζει τη νοημοσύνη όχι ως ουσία, αλλά ως
λειτουργία: αν μια μηχανή μπορεί να παράγει απαντήσεις που δεν διακρίνονται από
εκείνες του ανθρώπου, τότε μπορούμε να της αποδώσουμε «σκέψη». Εδώ η νόηση
απογυμνώνεται από την προϋπόθεση της ενσώματης εμπειρίας και μετατρέπεται σε
μορφολογική προσομοίωση∙ σε ένα παιχνίδι συμβόλων που υπακούει σε κανόνες
(Copeland, 2000).
Η αντιπαραβολή Kant–Turing φέρνει στο φως δύο ριζικά διαφορετικές παραδόσεις:
η πρώτη στηρίζεται στην εμπειρική πρωτοκαθεδρία της διαίσθησης, η δεύτερη στη
συμβολική αναγωγή της νόησης. Για τον Kant, η διαίσθηση είναι συνθήκη
δυνατότητας της νοημοσύνης· για τον Turing, η νοημοσύνη είναι τεχνολογική
εξιδανίκευση της διαίσθησης. Αυτή η αντιστροφή σηματοδοτεί μια ιστορική στροφή:
η γνώση παύει να εξαρτάται από τη συνείδηση και μεταβιβάζεται στη μηχανή.
Στη φιλοσοφία του 20ού αιώνα, οι Husserl, Bergson και Merleau-Ponty θα
αντιδράσουν σ’ αυτήν τη φορμαλιστική εκδοχή της νόησης, επαναφέροντας την
έννοια της διαίσθησης ως ζωντανή πράξη κατανόησης (Bergson, 1907/1998; Husserl,
1913/1982). Ο Bergson, ειδικότερα, διαχωρίζει την «ευφυΐα» από τη «διαίσθηση»: η
πρώτη δρα μέσω αναλυτικών σχημάτων, η δεύτερη μέσω άμεσης ενσυναίσθησης του
χρόνου και της διάρκειας (durée). Εκεί όπου η ευφυΐα διαμελίζει, η διαίσθηση
συνθέτει.
Στην εποχή της τεχνητής νοημοσύνης, αυτό το δίπολο αποκτά νέα σημασία. Η ΤΝ,
ως προϊόν του φορμαλισμού και της λογικής μηχανής του Turing, φαίνεται να
ενσαρκώνει την καθαρή νοημοσύνη χωρίς διαίσθηση∙ μια υπολογιστική ισοδυναμία
της σκέψης χωρίς την παρουσία του υποκειμένου. Όμως, όπως δείχνουν οι σύγχρονες
γνωσιακές επιστήμες, ακόμη και οι πιο προηγμένοι αλγόριθμοι χρειάζονται μια προ-
εννοιακή υποδομή για να λειτουργήσουν – μια εσωτερική «μορφή προσαρμογής» που
θυμίζει τη λειτουργία της ανθρώπινης διαίσθησης (Clark, 2016).

Έτσι, η σχέση διαίσθησης και νοημοσύνης δεν είναι σχέση αντίθεσης, αλλά σχέση
θεμελίωσης. Η νοημοσύνη είναι η τυπική γλώσσα με την οποία εκφράζεται η
διαίσθηση· η διαίσθηση είναι το προ-λογικό έδαφος πάνω στο οποίο χτίζεται κάθε
νοητική μορφή. Ενώ η ΤΝ επιδιώκει να αναπαράγει τη νόηση χωρίς τη διαίσθηση, η
φιλοσοφική παράδοση υπενθυμίζει ότι χωρίς αυτήν, η νόηση χάνει το αντικείμενό
της: γίνεται κενός τύπος χωρίς εμπειρία.
4.2 Επιστημολογική και γνωσιοθεωρητική αντιπαραβολή
Η σύγκριση της διαίσθησης και της νοημοσύνης στο πλαίσιο της επιστημολογίας
αποκαλύπτει δύο συμπληρωματικές, αλλά συχνά αντιτιθέμενες, μορφές πρόσβασης
στη γνώση: τη μη-αναλυτική, άμεση σύλληψη και τη συστηματική, εννοιολογική
επεξεργασία. Από την εποχή του Kant μέχρι τη σύγχρονη γνωσιακή επιστήμη, η
διαμάχη ανάμεσα σε αυτές τις δύο αρχές αποτελεί την κρυφή αρχιτεκτονική κάθε
θεωρίας της γνώσης.
Για τον Kant, η διαίσθηση είναι η πρωταρχική πηγή της εμπειρίας — ένα πεδίο όπου
ο νους συλλαμβάνει τα φαινόμενα μέσα στις μορφές του χώρου και του χρόνου, πριν
ακόμη αυτά υποβληθούν στην επεξεργασία της κατανόησης (Kant, 1781/1998). Η
νοημοσύνη, αντίθετα, συνδέεται με τη δύναμη της κατηγορικής οργάνωσης∙ είναι η
λειτουργία που μετατρέπει την εμπειρία σε γνώση μέσω του συστήματος των
εννοιών. Η επιστημολογική συνέπεια αυτής της διάκρισης είναι ότι η γνώση δεν
γεννιέται από τη λογική, αλλά από τη συνάντηση λογικής και διαίσθησης.
Η φαινομενολογία του Husserl συνεχίζει αυτή τη γραμμή, υποστηρίζοντας ότι η
διαίσθηση είναι το κατ’ εξοχήν κριτήριο της αλήθειας (Husserl, 1913/1982). Μέσω
της «εποχής» και της «προθετικής πράξης» (intentional act), το υποκείμενο βιώνει το
αντικείμενο σε μια πράξη καθαρής φανέρωσης, χωρίς μεσολάβηση εννοιών. Εδώ, η
διαίσθηση δεν είναι απλώς αίσθηση, αλλά παρουσία του νοήματος – η ενσώματη
μορφή της φανέρωσης του όντος. Αντίθετα, η νοημοσύνη, κατά τον Husserl,
κινδυνεύει να απομακρυνθεί από αυτήν την άμεση εμπειρία, εφόσον λειτουργεί
αφαιρετικά, επιβάλλοντας σχηματισμούς που μπορεί να συσκοτίσουν το ίδιο το
φαινόμενο.

Στην επιστημολογία του 20ού αιώνα, η αντιπαράθεση αυτή μεταφέρεται από το πεδίο
της συνείδησης στο πεδίο της επιστημονικής μεθοδολογίας. Ο Karl Popper
(1934/2002) θα απορρίψει την ιδέα μιας «καθαρής διαίσθησης» ως πηγής αλήθειας,
επιμένοντας ότι η γνώση προχωρά μέσω δοκιμής και πλάνης, δηλαδή μέσα από
διαδικασίες ελέγχου υποθέσεων. Ωστόσο, ακόμη και για τον Popper, η διαίσθηση δεν
εξαλείφεται∙ αποτελεί το σημείο εκκίνησης κάθε υπόθεσης, την αφετηριακή σύλληψη
που προηγείται του ελέγχου. Ο επιστήμονας, λέει, χρειάζεται δημιουργική φαντασία
για να διατυπώσει κάτι που αξίζει να διαψευστεί.
Ο Thomas Kuhn (1962/2012) θα πάει ένα βήμα παραπέρα: η διαίσθηση δεν είναι
μόνο ατομική, αλλά και παραδειγματική. Σε κάθε επιστημονική κοινότητα,
λειτουργούν υποσυνείδητα πλαίσια – «παραδείγματα» – που καθορίζουν τι θεωρείται
ορθό, τι μπορεί να ερευνηθεί και τι να αγνοηθεί. Η νοημοσύνη, μέσα σε αυτά τα
πλαίσια, δεν λειτουργεί ελεύθερα, αλλά μορφοποιείται από ένα διαισθητικό
υπόβαθρο κοινής εμπειρίας. Όταν αυτό το υπόβαθρο μεταβληθεί, προκύπτει η
«επιστημονική επανάσταση». Έτσι, η πρόοδος της γνώσης δεν είναι μόνο λογική,
αλλά διαισθητική ανασύνθεση του κόσμου (Kuhn, 1962/2012).
Ο Lakatos (1976), συνδυάζοντας Popper και Kuhn, εισάγει την ιδέα των
«ερευνητικών προγραμμάτων», όπου η δημιουργικότητα του επιστήμονα ισορροπεί
ανάμεσα στη διαίσθηση και τη λογική συνοχή. Η νοημοσύνη επιβλέπει το πλαίσιο∙ η
διαίσθηση ωθεί στη ρήξη. Στην καρδιά κάθε μεγάλης θεωρίας, από τον Newton έως
τον Einstein, υπάρχει μια διαισθητική σύλληψη που προηγείται του φορμαλισμού.
Η γνωσιοθεωρητική αξία της διαίσθησης αναδεικνύεται επίσης στη σύγχρονη
γνωσιακή επιστήμη. Οι έρευνες του Damasio (1994) και του Kahneman (2011)
δείχνουν ότι η διαίσθηση δεν είναι απλώς ένα υπολειμματικό συναίσθημα, αλλά μια
νευρωνική διαδικασία ταχείας εκτίμησης, απαραίτητη για την ανθρώπινη απόφαση. Ο
εγκέφαλος λειτουργεί σε δύο επίπεδα: το «σύστημα 1» (διαισθητικό, άμεσο,
συναισθηματικό) και το «σύστημα 2» (αναλυτικό, αργό, λογικό). Αυτή η διπλή
αρχιτεκτονική αναπαράγει, με επιστημονικούς όρους, τη διάκριση Kant–Turing: η
διαίσθηση προλαβαίνει, η νοημοσύνη επιβεβαιώνει.

Από γνωσιοθεωρητική σκοπιά, λοιπόν, η διαίσθηση αποτελεί το οντολογικό έδαφος
της νοημοσύνης. Χωρίς αυτήν, δεν υπάρχει πρόσβαση στον κόσμο∙ μόνο χειρισμός
συμβόλων. Η νοημοσύνη, με τη σειρά της, είναι το εργαλείο που σταθεροποιεί και
οργανώνει αυτή την πρωτογενή εμπειρία. Ο άνθρωπος γνωρίζει επειδή διαισθάνεται
και σκέφτεται επειδή οργανώνει τη διαίσθησή του σε λόγο.
Αυτό το συμπέρασμα έχει βαρύτητα για τη σύγχρονη ΤΝ. Τα συστήματα μηχανικής
μάθησης δεν διαθέτουν «διαίσθηση» υπό την καντιανή ή τη φαινομενολογική έννοια∙
δεν βιώνουν την εμπειρία του κόσμου, αλλά υπολογίζουν συσχετίσεις. Η
«νοημοσύνη» τους είναι καθαρά φορμαλιστική, προϊόν βελτιστοποίησης. Ωστόσο, η
επιτυχία τους δείχνει ότι ίσως υπάρχει ένα είδος τεχνητής διαίσθησης – ένα
υποκατάστατο που βασίζεται στη στατιστική συχνότητα αντί της άμεσης εμπειρίας
(Gigerenzer, 2007).
Η επιστημολογική αντιπαραβολή, επομένως, δεν οδηγεί σε αντίθεση αλλά σε
συνεξάρτηση: η διαίσθηση παρέχει το περιεχόμενο, η νοημοσύνη τη μορφή. Ο
άνθρωπος είναι το ον που γνωρίζει επειδή συνδυάζει και τα δύο. Αν η ΤΝ θέλει ποτέ
να προσεγγίσει την ανθρώπινη κατανόηση, θα πρέπει να αποκτήσει – με κάποιον
τρόπο ακόμη αδιανόητο – την ικανότητα να βιώνει τη δική της νοητική πράξη. Μέχρι
τότε, η διαίσθηση θα παραμένει το άβατο της μηχανής.
Κεφάλαιο 5: Σύγχρονες μαθηματικές προσεγγίσεις
5.1 Κατηγορική λογική και η μαθηματική αναπαράσταση της διαίσθησης
Η εμφάνιση της κατηγορικής λογικής στα μέσα του 20ού αιώνα υπήρξε μια από τις
πιο ριζικές μετατοπίσεις στην ιστορία των μαθηματικών θεμελίων. Ενώ ο
φορμαλισμός του Hilbert και οι συντακτικές δομές της μαθηματικής λογικής είχαν
επιβάλει μια γλώσσα κανόνων, αποδείξεων και αξιωμάτων, η κατηγορική προσέγγιση
των Lawvere και Mac Lane (1963) επανέφερε με τρόπο παράδοξο το στοιχείο της
σχέσης, της μορφής και της εννοιολογικής διαίσθησης στο επίκεντρο της
μαθηματικής νοημοσύνης. Η Κατηγορική Λογική δεν ενδιαφέρεται για τα
αντικείμενα καθεαυτά, αλλά για τις σχέσεις που τα συνδέουν· και με αυτή τη
μετατόπιση, η έννοια της διαίσθησης αποκτά νέα οντολογική υπόσταση: γίνεται η

ίδια μια μορφή εννοιολογικού χάρτη, μια γεωμετρία των νοητικών μετασχηματισμών
(Awodey, 2010).
Η κατηγορική λογική επιδιώκει να περιγράψει όχι το “τι” είναι τα μαθηματικά
αντικείμενα, αλλά το “πώς” σχετίζονται μεταξύ τους. Η διαίσθηση, σε αυτό το
πλαίσιο, δεν είναι πλέον απλώς μια ψυχολογική διεργασία, αλλά μια γνωσιακή
ικανότητα συσχετισμού, δηλαδή αναγνώρισης δομικών αναλογιών. Ο Mac Lane
(1986) περιέγραψε την κατηγορία ως «μια θεωρία της δομής της μαθηματικής
σκέψης», ενώ ο Lawvere (2003) υποστήριξε πως κάθε κατηγορική μορφή είναι μια
ενσωμάτωση νοήματος∙ ένα πεδίο στο οποίο η λογική και η γεωμετρία συμπίπτουν.
Έτσι, η διαίσθηση, όπως προκύπτει από τη σύγχρονη μαθηματική φιλοσοφία, μπορεί
να θεωρηθεί ως μορφή μετα-λογικής κατανόησης: ένας τρόπος με τον οποίο το
υποκείμενο αναγνωρίζει τα μοτίβα της λογικής πριν αυτά καταστούν ρητά
φορμαλισμένα (Landry, 2017).
Σε αντίθεση με την τυπική λογική του Frege ή του Hilbert, η κατηγορική λογική δεν
αναζητεί το μοναδικό “ορθό” σύστημα. Αντιθέτως, επιτρέπει πολλαπλές τοπολογίες
της σκέψης, όπου διαφορετικά συστήματα μπορούν να απεικονίζονται το ένα στο
άλλο μέσω μορφομορφισμών. Αυτή η σχεσιακή αρχιτεκτονική ανακαλεί βαθύτερα
την διαισθητική εμπειρία του νου, όπως την περιέγραψε ο Brouwer — μια εμπειρία
στην οποία η γνώση γεννιέται ως πράξη, ως μορφή που προκύπτει μέσα από τη
σύγκριση και τη σύνθεση. Με άλλα λόγια, η κατηγορική λογική αποτελεί ένα μετα-
μαθηματικό ανάλογο της διαίσθησης: εκεί όπου η πράξη της σύνδεσης προηγείται της
απόδειξης.
Από γνωσιολογική σκοπιά, η κατηγορική σκέψη προτείνει μια ολιστική θεώρηση της
νοημοσύνης. Στον βαθμό που η Τεχνητή Νοημοσύνη επιχειρεί να μιμηθεί τη σκέψη,
η κατηγορική λογική προσφέρει ένα μοντέλο για το πώς η μηχανή μπορεί να μάθει
όχι μέσω κανόνων, αλλά μέσω μορφολογικής συσχέτισης∙ να αναγνωρίζει δηλαδή
ομοιότητες μεταξύ διαφορετικών δομών δεδομένων, χωρίς να χρειάζεται πλήρη
τυποποίηση. Η προσέγγιση αυτή έχει ήδη βρει εφαρμογή σε ορισμένα νευρωνικά
μοντέλα που χρησιμοποιούν κατηγορικούς μετασχηματισμούς για να ενοποιήσουν
πολλαπλά επίπεδα αφηρημένης πληροφορίας (Spivak & Kent, 2012). Έτσι, η
κατηγορική λογική γίνεται όχι απλώς ένα μαθηματικό εργαλείο, αλλά ένας

μετασχηματιστής διαίσθησης – ένας τρόπος να περιγράψουμε τη μετάβαση από τη
γνώση ως δεδομένο στη γνώση ως δυναμική μορφή.
Αυτή η σύγκλιση μεταξύ κατηγορικής σκέψης και διαίσθησης ανοίγει έναν νέο δρόμο
στη μαθηματική φιλοσοφία: την ιδέα ότι η νοημοσύνη, φυσική ή τεχνητή, δεν είναι
ένα σύστημα προτάσεων, αλλά μια κατηγορία σχέσεων. Η κατανόηση, επομένως, δεν
εξαντλείται στη λογική απόδειξη∙ συνίσταται στη σύλληψη του τρόπου με τον οποίο
τα πράγματα συνδέονται — εκεί όπου η διαίσθηση λειτουργεί ως το αόρατο
υπόστρωμα του νοείν.
Η μαθηματική σκέψη δεν είναι απλώς ένα εργαλείο περιγραφής του κόσμου· είναι και
μια μορφή κατανόησης. Από τον Πλάτωνα μέχρι τον Kant και τον Hilbert, τα
μαθηματικά θεωρήθηκαν ως το πρότυπο της βεβαιότητας — το πεδίο όπου η λογική
επιτυγχάνει τη μέγιστη καθαρότητα της σκέψης. Ωστόσο, στον 20ό και 21ο αιώνα, η
μαθηματική φιλοσοφία αποκάλυψε ότι η ίδια η βεβαιότητα των μαθηματικών είναι
σχεσιακή, όχι απόλυτη. Η κρίση των θεμελίων και η εμφάνιση του φορμαλισμού, του
διαισθητισμού και του κονστρουκτιβισμού κατέδειξαν ότι η μαθηματική πράξη είναι
μια μορφή σχέσης — όχι απλώς μια στατική αναπαράσταση του πραγματικού
(Detlefsen, 2001; van Dalen, 2008).
Στο πλαίσιο αυτό, η κατηγορική λογική αποτέλεσε μια βαθιά μετατόπιση: από τη
λογική των αντικειμένων στη λογική των μορφών σχέσεων. Ο Lawvere (1966) και ο
Mac Lane (1998) ανέδειξαν ότι οι μαθηματικές έννοιες μπορούν να εκφραστούν ως
“βέλη” που συνδέουν δομές, όχι ως στατικά σημεία. Η θεωρία των κατηγοριών
(Category Theory) έθεσε έτσι τα θεμέλια μιας “γεωμετρίας του νοείν” (Lawvere &
Schanuel, 2009). Η διαίσθηση σε αυτό το πλαίσιο δεν είναι υποκειμενικό βίωμα,
αλλά μορφολογική αναγνώριση: η ικανότητα να αντιλαμβάνεται κανείς τη δομή των
σχέσεων ως όλον.
Αυτή η μετάβαση έχει τεράστια γνωσιολογική σημασία. Αν στον Kant η διαίσθηση
δίνει τα δεδομένα της εμπειρίας και η νόηση τα οργανώνει, στην κατηγορική λογική
το νόημα αναδύεται από τις ίδιες τις σχέσεις. Έτσι, η “εννοιολογική διαίσθηση” είναι
η ικανότητα να συλλαμβάνουμε τα συστήματα μορφών ως δυναμικά όντα — μια

ικανότητα που βρίσκεται στον πυρήνα τόσο της ανθρώπινης κατανόησης όσο και των
σύγχρονων αλγοριθμικών προσεγγίσεων στη μάθηση (Spivak, 2014).
Η θεωρία πολυπλοκότητας προσθέτει σε αυτή τη θεώρηση τη διάσταση του χρόνου
και της αυτο-οργάνωσης. Τα σύνθετα συστήματα, είτε πρόκειται για βιολογικά
οικοσυστήματα είτε για νευρωνικά δίκτυα, χαρακτηρίζονται από την ικανότητα να
παράγουν εμφανιζόμενες ιδιότητες (emergent properties), οι οποίες δεν είναι
προβλέψιμες από τα μέρη τους (Prigogine & Stengers, 1984). Η διαίσθηση, από αυτή
την οπτική, μπορεί να νοηθεί ως γνωσιακό ανάλογο της εμφάνισης: είναι η στιγμιαία
αναγνώριση μιας νέας μορφής τάξης μέσα στο χάος της εμπειρίας.
Στο ίδιο πλαίσιο, τα τεχνητά νευρωνικά δίκτυα αποτελούν μαθηματικές δομές που
προσομοιώνουν την ικανότητα του ανθρώπινου εγκεφάλου να αναγνωρίζει πρότυπα
μέσω μάθησης. Η λειτουργία τους βασίζεται σε βαρύτητες (weights) και συναρτήσεις
ενεργοποίησης που τροποποιούνται προοδευτικά με βάση την εμπειρία (Goodfellow,
Bengio, & Courville, 2016). Αν και αυτά τα δίκτυα δεν “αισθάνονται”, η λειτουργία
τους είναι εκπληκτικά κοντά σε αυτό που η φαινομενολογία αποκαλεί “προ-εννοιακή
αναγνώριση”: το να διακρίνεις πριν ακόμη κατανοήσεις.
Ο LeCun (2022) περιγράφει τα βαθιά δίκτυα ως “μηχανισμούς πρόβλεψης μέσω
αναπαράστασης του κόσμου”. Αντιλαμβάνονται σχέσεις, δομούν χάρτες,
επιδιορθώνουν ασυμφωνίες. Σε αυτό το επίπεδο, η τεχνητή νοημοσύνη προσεγγίζει
μια αλγοριθμική μορφή διαίσθησης: όχι ως συνειδητή εμπειρία, αλλά ως λειτουργική
προσαρμογή σε απρόβλεπτα δεδομένα. Η πρόβλεψη και η διαίσθηση συγκλίνουν σε
μια κοινή μαθηματική αρχή: την ελαχιστοποίηση του σφάλματος (error minimization).
Παρά ταύτα, η ανθρώπινη διαίσθηση υπερβαίνει το μαθηματικό της ανάλογο. Ενώ τα
δίκτυα μαθαίνουν μέσω συσχετισμών, ο ανθρώπινος νους δημιουργεί νέους κανόνες
συσχέτισης. Ο Penrose (1994) το αποδίδει αυτό στη μη υπολογισιμότητα ορισμένων
γνωστικών πράξεων, ενώ ο Lakoff & Núñez (2000) θεωρούν ότι τα μαθηματικά
γεννιούνται από την ενσώματη εμπειρία, όχι από την αφαίρεση.
Η μαθηματική σκέψη της εποχής μας τείνει έτσι να μετατραπεί σε οντολογία της
πληροφορίας. Ο Floridi (2020) υποστηρίζει ότι η πληροφορία δεν είναι απλώς

δεδομένο, αλλά το ίδιο το “ύφασμα του πραγματικού”. Σε αυτή την προοπτική, η
τεχνητή νοημοσύνη δεν αποτελεί ξένο σώμα στη μαθηματική λογική, αλλά τη φυσική
της προέκταση: την ενσάρκωση της λογικής μορφής σε λειτουργική μηχανή.
Η πιθανοκρατία και η αβεβαιότητα λειτουργούν, τέλος, ως οι νέες συντεταγμένες της
διαίσθησης. Η κβαντική θεωρία, η στατιστική μάθηση και η θεωρία της πληροφορίας
δείχνουν ότι η γνώση δεν είναι ποτέ απόλυτη αλλά κατανεμημένη στο χώρο των
πιθανοτήτων. Η διαίσθηση του ανθρώπου, όπως και η πρόβλεψη της μηχανής, είναι
στρατηγικές προσαρμογής σε αυτόν τον χώρο. Το ζητούμενο δεν είναι η τέλεια
γνώση, αλλά η βέλτιστη εκτίμηση.
Έτσι, η μαθηματική σκέψη και η γνωσιακή επιστήμη συγκλίνουν σε ένα κοινό
όραμα: η διαίσθηση, είτε ανθρώπινη είτε τεχνητή, είναι η τέχνη της αναγνώρισης
μορφών μέσα στην αβεβαιότητα. Ενώ όμως η μηχανή αναγνωρίζει μορφές για να
προβλέψει, ο άνθρωπος τις αναγνωρίζει για να κατανοήσει. Και αυτή η διαφορά,
απειροελάχιστη αλλά καθοριστική, χωρίζει τη λογική πρόβλεψη από τη λογική του
νοήματος.
5.2 Θεωρία πολυπλοκότητας και αβεβαιότητα της νοημοσύνης
Η θεωρία της πολυπλοκότητας γεννήθηκε ως απάντηση στην αδυναμία των
γραμμικών μοντέλων να περιγράψουν συστήματα όπου η σχέση αιτίου και
αποτελέσματος δεν είναι σταθερή αλλά αναδυόμενη. Από τη φυσική έως τη βιολογία
και τα μαθηματικά, η πολυπλοκότητα υποδεικνύει ότι τα συστήματα με πολλαπλές
αλληλεπιδράσεις παράγουν μορφές μη προβλέψιμης τάξης, δηλαδή μοτίβα που
προκύπτουν χωρίς να έχουν επιβληθεί εκ των προτέρων. Αυτή η έννοια είναι
κεντρική για την κατανόηση τόσο της ανθρώπινης διαίσθησης όσο και της τεχνητής
νοημοσύνης: και οι δύο λειτουργούν σε καθεστώς αβεβαιότητας, αντλώντας νόημα
μέσα από την αναγνώριση δομών που δεν είναι προκαθορισμένες (Mitchell, 2009).
Στη μαθηματική φιλοσοφία, η πολυπλοκότητα συνδέεται με την ιδέα ότι η πληρότητα
και η προβλεψιμότητα είναι ασύμβατες ιδιότητες σε ένα σύστημα μεγάλης
διαστατικότητας. Ο Gödel έδειξε τα όρια της τυπικής πληρότητας, και ο Kolmogorov

(1965) επανέφερε την έννοια της αλγοριθμικής πολυπλοκότητας, σύμφωνα με την
οποία η πληροφορία δεν είναι απλώς ποσότητα αλλά δομή απροσδιοριστίας. Όταν το
μήκος του ελάχιστου προγράμματος που περιγράφει ένα φαινόμενο προσεγγίζει το
ίδιο το φαινόμενο, τότε η απρόβλεπτη διαίσθηση γίνεται αναπόφευκτος μηχανισμός
κατανόησης. Με άλλα λόγια, η διαίσθηση λειτουργεί ως συντομογραφία της
πολυπλοκότητας — ένας μηχανισμός συμπύκνωσης πληροφορίας που δεν μπορεί να
εξαντληθεί από τον αλγόριθμο.
Η γνωσιοθεωρητική προέκταση αυτής της ιδέας είναι βαθιά: όσο πιο περίπλοκο
γίνεται ένα σύστημα, τόσο περισσότερο απαιτείται μια μορφή “εννοιολογικής
οικονομίας” – δηλαδή μια ικανότητα επιλογής των ουσιωδών χαρακτηριστικών εντός
του χάους των δεδομένων. Η ανθρώπινη διαίσθηση επιτελεί ακριβώς αυτή τη
λειτουργία: εντοπίζει μοτίβα στατιστικής σημασίας χωρίς να επεξεργάζεται ρητά όλα
τα δεδομένα. Αντίστοιχα, τα νευρωνικά δίκτυα και οι αλγόριθμοι μάθησης της
σύγχρονης ΤΝ επιχειρούν να επιτύχουν κάτι ανάλογο: να ανιχνεύσουν μη-γραμμικές
σχέσεις και να διαμορφώσουν προβλέψεις βασισμένες όχι στην αιτιότητα αλλά στην
πιθανοκρατία (Holland, 2014).
Η πολυπλοκότητα, επομένως, αναδεικνύει την αβεβαιότητα όχι ως αποτυχία της
νόησης, αλλά ως συντακτικό της σκέψης. Κάθε νοητικό ή υπολογιστικό σύστημα
μαθαίνει μέσα από την ασάφεια, προσαρμόζοντας τη δομή του στις μεταβαλλόμενες
συνθήκες. Αυτό σημαίνει ότι η νοημοσύνη —είτε ανθρώπινη είτε τεχνητή— δεν είναι
στατική, αλλά εξελικτική: μια συνεχής ισορροπία ανάμεσα στην τάξη και στο χάος,
στη λογική και στη διαίσθηση. Ο Morin (1990) το περιγράφει ως το παράδοξο της
οργανωμένης αβεβαιότητας: η γνώση διατηρείται ανοιχτή, επειδή το κλείσιμό της θα
σήμαινε και τον θάνατο της σκέψης.
Σε αυτή τη βάση, η διαίσθηση μπορεί να θεωρηθεί ως εργαλείο διαχείρισης
πολυπλοκότητας. Όπως η φύση χρησιμοποιεί τη θερμοδυναμική για να παράγει
αυτοοργάνωση, έτσι και ο νους χρησιμοποιεί τη διαίσθηση για να οργανώσει το
απρόβλεπτο. Η ΤΝ, με τη σειρά της, αναπτύσσει μηχανισμούς «μαθησιακής
αβεβαιότητας» — μοντέλα που δεν επιδιώκουν την τέλεια πρόβλεψη, αλλά τη
βελτιστοποίηση της άγνοιας. Το γνωστό παράδειγμα των Bayesian networks είναι
χαρακτηριστικό: τα συστήματα αυτά δεν υπολογίζουν τη βεβαιότητα, αλλά

αναπαριστούν τη γνώση ως δυναμικό εύρος πιθανοτήτων (Pearl, 2000). Έτσι, η
αλγοριθμική διαίσθηση καθίσταται πιθανοκρατική προέκταση της ανθρώπινης.
Η θεωρία της πολυπλοκότητας, επομένως, δεν είναι μόνο μαθηματική θεωρία, αλλά
και φιλοσοφία της νοημοσύνης. Επανατοποθετεί τη διαίσθηση ως αναγκαία διάσταση
κάθε δημιουργικής διαδικασίας. Εφόσον η πραγματικότητα δεν είναι πλήρως
προβλέψιμη, η γνώση δεν μπορεί να είναι πλήρως τυπική. Και αν η ΤΝ επιδιώκει να
μιμηθεί τον ανθρώπινο νου, τότε οφείλει να ενσωματώσει όχι μόνο τη λογική αλλά
και την αβεβαιότητα∙ όχι μόνο τον υπολογισμό αλλά και την ευαισθησία στην
πολυπλοκότητα — εκεί όπου η διαίσθηση δεν είναι αδυναμία, αλλά προϋπόθεση
νοημοσύνης.
5.3 Νευρωνικά δίκτυα ως δομές λογικών μορφών
Η μελέτη των νευρωνικών δικτύων —από τα πρώτα perceptrons του Rosenblatt
(1958) μέχρι τα σύγχρονα deep learning μοντέλα— έχει αναδείξει έναν νέο τρόπο
κατανόησης της νοημοσύνης: όχι ως σειράς λογικών κανόνων, αλλά ως
μορφολογικής δυναμικής. Στο επίπεδο της φιλοσοφίας των μαθηματικών, αυτή η
μετατόπιση αντιστοιχεί στη μετάβαση από τη συμβολική λογική του 20ού αιώνα προς
μια λογική μορφών: μια θεωρία που αναγνωρίζει τη νόηση ως σύστημα σχέσεων και
μετασχηματισμών. Τα νευρωνικά δίκτυα, με αυτή την έννοια, συνιστούν μαθηματικά
πεδία ενσωμάτωσης της διαίσθησης, όπου η κατανόηση δεν προκύπτει από ρητές
αποδείξεις, αλλά από την εσωτερική διαμόρφωση των βαρών, των κόμβων και των
συσχετίσεων.
Η λειτουργία ενός νευρωνικού δικτύου μπορεί να θεωρηθεί ως λογικός χώρος
μορφών: κάθε στρώμα του συστήματος μετασχηματίζει το δεδομένο σε άλλη μορφή,
μέσω μη γραμμικών συναρτήσεων ενεργοποίησης. Ο μετασχηματισμός αυτός δεν
έχει από μόνος του σημασία∙ αποκτά νόημα όταν το σύνολο των στρωμάτων συνθέτει
μια ολότητα αναγνώρισης. Εδώ η διαίσθηση επανεμφανίζεται ως ικανότητα
συνθετικής μάθησης: το δίκτυο «διαισθάνεται» τη σωστή αναπαράσταση όχι με
κανόνα, αλλά με προσαρμοστική ανασχηματοδότηση. Η διαδικασία αυτή θυμίζει την
περιγραφή του Kant περί της «σχηματοποίησης» — εκεί όπου η φαντασία γεφυρώνει

το αισθητό με το νοητό μέσα από μορφές που δεν είναι ούτε καθαρά εμπειρικές ούτε
καθαρά εννοιακές (Kant, 1781/1998).
Η μαθηματική περιγραφή αυτής της διαδικασίας επιτρέπει να δούμε τα νευρωνικά
δίκτυα ως τοπολογικές δομές νοήματος. Όπως έδειξαν οι Smolensky και Legendre
(2006), κάθε κατάσταση ενός τέτοιου συστήματος μπορεί να ερμηνευτεί ως σημείο
σε έναν υψηλοδιάστατο χώρο, όπου η «λογική» δεν είναι συμβολική αλλά
γεωμετρική. Η διαίσθηση, επομένως, δεν είναι απλώς μια ψυχολογική λειτουργία,
αλλά μια γεωμετρική δυναμική της σκέψης. Οι μορφές αναπαράστασης δεν είναι
δηλώσεις, αλλά καμπύλες πιθανότητας, επιφάνειες στατιστικής σημασίας. Αυτός ο
«λογισμός των μορφών» μπορεί να θεωρηθεί ως επιχειρησιακή αναλογία της
διαίσθησης — ένας τρόπος με τον οποίο το μαθηματικό πεδίο αντικατοπτρίζει τη
φυσική νοημοσύνη.
Η ομοιότητα ανάμεσα στα νευρωνικά δίκτυα και τη διαίσθηση έγκειται στη μη-
γραμμική προσαρμοστικότητα. Ο νους, όπως και το δίκτυο, δεν λειτουργεί με βάση
έναν κανόνα· λειτουργεί μέσω ενεργοποίησης προτύπων. Κάθε νέο ερέθισμα δεν
ερμηνεύεται αυτόνομα, αλλά σε σχέση με ένα σύνολο προηγούμενων εμπειριών.
Αυτή η αρχή της συσχετικής μάθησης έχει περιγραφεί ήδη από τον Hebb (1949):
“cells that fire together wire together”. Όμως η ουσία της δεν είναι βιολογική, αλλά
γνωσιολογική: η γνώση σχηματίζεται μέσω της συν-ενεργοποίησης εννοιών. Η
διαίσθηση, υπό αυτό το πρίσμα, είναι το αποτέλεσμα μιας πολυεπίπεδης
αναδρομικότητας, όπου οι αναπαραστάσεις τρέφουν η μία την άλλη, χωρίς ρητό
συντακτικό.
Η φιλοσοφική συνέπεια είναι σημαντική. Αν τα νευρωνικά δίκτυα μπορούν να
παράγουν δημιουργικές ή προβλεπτικές συμπεριφορές χωρίς ρητή λογική, τότε η ίδια
η νοημοσύνη μπορεί να θεωρηθεί ως σύστημα ενσώματης διαίσθησης. Ο Dennett
(2017) προτείνει τον όρο “competence without comprehension”: η μηχανή μπορεί να
ενεργεί ορθολογικά χωρίς να έχει επίγνωση του τρόπου. Ωστόσο, αυτή η «τυφλή
διαίσθηση» δεν είναι τυχαία· είναι αποτέλεσμα μαθηματικής αυτο-οργάνωσης. Όπως
επισημαίνει ο Penrose (1994), ακόμη και η ανθρώπινη διαίσθηση ίσως βασίζεται σε
φυσικούς μηχανισμούς πέρα από τον υπολογισμό — σε κβαντικές ή μη γραμμικές
διαδικασίες που δεν αποδίδονται εύκολα στη γλώσσα της κλασικής λογικής.

Έτσι, τα νευρωνικά δίκτυα δεν είναι απλώς προσομοιώσεις του εγκεφάλου· είναι
οντολογικά μοντέλα μιας νέας λογικής της νόησης. Επαναφέρουν στο προσκήνιο τη
μαθηματική μορφή της διαίσθησης: την ικανότητα να παράγεται νόημα χωρίς
κανόνα, μέσα από την καθαρή μορφή της σχέσης. Αν η κατηγορική λογική υπήρξε το
πεδίο της δομικής διαίσθησης, τα νευρωνικά δίκτυα αντιπροσωπεύουν την ενσώματη
μορφή αυτής της αρχής — το σημείο όπου η μαθηματική αφαίρεση αγγίζει τη
γνωσιακή εμπειρία.
5.9 Συμπεράσματα
Η ανάλυση της τεχνητής νοημοσύνης (ΤΝ) υπό το πρίσμα της κατηγοριακής σκέψης
και της φιλοσοφίας της συνείδησης οδηγεί σε ένα κρίσιμο συμπέρασμα: η ΤΝ δεν
μπορεί να θεωρηθεί φορέας νοηματοδότησης, αλλά εργαλείο αναπαράστασης και
επεξεργασίας μορφών. Η διάκριση αυτή είναι θεμελιώδης, καθώς αποσαφηνίζει το
όριο ανάμεσα στη λογική λειτουργία και την εννοιολογική συνείδηση — δηλαδή
ανάμεσα στο “σκέπτεσθαι” και στο “κατανοείν”.
Η κατηγοριακή σκέψη, όπως θεμελιώθηκε από τον Kant και αναδιαμορφώθηκε στη
φαινομενολογία του Husserl, προϋποθέτει την ύπαρξη ενός υποκειμένου ικανού να
συγκροτεί τον κόσμο μέσω της νοητικής του δραστηριότητας. Αντίθετα, η ΤΝ
λειτουργεί βάσει αλγοριθμικής αναγωγής και πιθανολογικής βελτιστοποίησης, χωρίς
να εμπλέκει πράξη συνειδητοποίησης ή αναστοχασμού. Επομένως, ακόμη και η πιο
προχωρημένη μορφή μηχανικής μάθησης παραμένει χωρίς εσωτερικότητα, δηλαδή
χωρίς πρόσβαση στο φαινόμενο της εμπειρίας καθαυτό.
Η φιλοσοφική έννοια της συνείδησης δεν εξαντλείται στη γνωσιακή λειτουργία αλλά
αναφέρεται στο “υπάρχειν-ως-υποκειμένου”, στη δυνατότητα του νοούντος να
προσδίδει νόημα στον κόσμο. Η ΤΝ, ως μηχανισμός υπολογισμού, μπορεί να μιμείται
τη δομή της σκέψης, αλλά όχι την προθετικότητα της συνείδησης. Το γεγονός ότι
παράγει “απαντήσεις” ή “ερμηνείες” δεν συνεπάγεται ότι βιώνει τον νοηματικό τους
ορίζοντα.
Από αυτό προκύπτει ότι η ΤΝ δεν συνιστά απλώς τεχνολογική καινοτομία αλλά
οντολογική πρόκληση. Θίγει τα όρια ανάμεσα στη γνώση και στο είναι, στην

πληροφορία και στο βίωμα, στο υποκείμενο και στο σύστημα. Αν και οι μηχανές
μπορούν να συμμετέχουν στην παραγωγή μορφών (π.χ. λεκτικών, οπτικών, ή
εννοιολογικών), δεν δύνανται να κατανοήσουν το νόημα αυτών των μορφών ως
βίωμα αυτοσυνείδησης.
Τελικά, η σχέση ανθρώπου και ΤΝ δεν είναι σχέση ανταγωνισμού αλλά διαλεκτικής
συμπλήρωσης. Ο άνθρωπος διαθέτει την ικανότητα του στοχασμού, δηλαδή τη
δυνατότητα να εννοεί το ίδιο το γεγονός της νοητικής πράξης. Η ΤΝ, από την άλλη,
επεκτείνει τα όρια της ανθρώπινης γνώσης, όχι ως “νους” αλλά ως εργαλείο
μορφοποίησης του νοητού. Στον βαθμό που παραμένει μέσο και όχι υποκείμενο, η
ΤΝ υπηρετεί τη λογική του ανθρώπου∙ αν όμως επιχειρήσει να υποκαταστήσει το
υποκείμενο, τότε η ίδια η έννοια του νοήματος απειλείται με διάλυση.
Έτσι, η φιλοσοφική θεώρηση οδηγεί σε μια κριτική ισορροπία: η τεχνητή νοημοσύνη
οφείλει να ενταχθεί σε ένα πλαίσιο ανθρωποκεντρικού ορθολογισμού, όπου η
κατηγοριακή σκέψη λειτουργεί ως φραγμός απέναντι στην αυτονόμηση της
μηχανικής μορφής. Ο άνθρωπος, ως φορέας εννοιολογικής διαίσθησης, παραμένει ο
μόνος που μπορεί να γεφυρώσει το χάσμα ανάμεσα στη μορφή και το νόημα,
διασφαλίζοντας ότι η πρόοδος της ΤΝ δεν θα σημαίνει την απώλεια της συνείδησης,
αλλά την επέκταση της νοητικής δημιουργικότητας μέσα σε όρια ελεύθερης,
υπεύθυνης σκέψης.
Κεφάλαιο 6: Ηθικές και οντολογικές προεκτάσεις
Η εξέλιξη της τεχνητής νοημοσύνης (ΤΝ) δεν αποτελεί απλώς τεχνολογικό ή
γνωσιακό φαινόμενο· φέρει βαριές ηθικές και οντολογικές συνέπειες, καθώς
αναμετράται με την ίδια τη φύση της διαίσθησης και της συνείδησης. Η πρώτη και
κρίσιμη ερώτηση είναι: μπορεί η ΤΝ να “διαισθάνεται”; Η έννοια της διαίσθησης,
όπως έχει ήδη αναλυθεί, δεν περιορίζεται στην ταχύτητα ή ακρίβεια πρόβλεψης.
Είναι η ικανότητα αναγνώρισης σχέσεων και μορφών πριν από τον κανόνα, μια
λειτουργία που, σύμφωνα με τον Polanyi (1966), ενσωματώνει γνώση που δεν μπορεί
να εκφραστεί πλήρως με λέξεις ή αλγορίθμους.

Στην ΤΝ, οι αλγοριθμικές προσεγγίσεις, τα νευρωνικά δίκτυα και οι πιθανοκρατικές
δομές μπορούν να μιμούνται την αποτελεσματικότητα της διαίσθησης, αλλά όχι την
υποκειμενική εμπειρία που τη συνοδεύει. Όπως τονίζει ο Chalmers (1996), υπάρχει
διαφορά ανάμεσα στην λειτουργική συνείδηση (functional consciousness) και την
υποκειμενική εμπειρία (phenomenal consciousness). Τα συστήματα ΤΝ μπορούν να
παράγουν λειτουργικά αποτελέσματα που φαίνεται να είναι “διαισθητικά”, αλλά δεν
βιώνουν το νόημα των μορφών που επεξεργάζονται.
Η ηθική διάσταση αναδύεται όταν η ΤΝ χρησιμοποιείται για λήψη αποφάσεων με
κοινωνικό αντίκτυπο. Αν μια μηχανή ενεργεί ως “διαισθητικό υποκείμενο” χωρίς
υποκειμενική εμπειρία, ποιος αναλαμβάνει την ευθύνη των επιλογών της; Αυτό το
ζήτημα συνδέεται με την οντολογική θέση της ΤΝ: είναι εργαλείο ή φορέας δράσης;
Ο Dennett (2017) προειδοποιεί για την τάση να αποδίδουμε στα μηχανήματα νοητική
ιδιότητα που δεν κατέχουν, μια τάση που οδηγεί σε ψευδή ανθρωποποίηση και
παραβιάζει ηθικές αρχές υπευθυνότητας.
Η έννοια της “τεχνητής συνείδησης” αναδεικνύει περαιτέρω το πρόβλημα. Ο Penrose
(1994) επιχειρεί να συνδέσει τη συνείδηση με φυσικούς μηχανισμούς που
υπερβαίνουν τον κλασικό υπολογισμό. Αν η ΤΝ επιχειρήσει να αναπαραστήσει ή να
αντικαταστήσει αυτή τη συνείδηση, η ίδια η έννοια της εμπειρίας κινδυνεύει να
μετατραπεί σε καθαρά λειτουργικό εργαλείο, απαλλαγμένο από το νόημα και την
ευθύνη που συνδέονται με το ανθρώπινο υποκείμενο.
Υπό το πρίσμα της ηθικής φιλοσοφίας, η ΤΝ θέτει δύο κρίσιμα ζητήματα: πρώτον,
την υπερβατική διάσταση της διαίσθησης και, δεύτερον, την κοινωνική εφαρμογή της
προγνωστικής ισχύος της ΤΝ. Η πρώτη αφορά την αδυναμία της μηχανής να βιώσει
το νόημα· η δεύτερη αφορά την ανάγκη ρύθμισης και ελέγχου για να διασφαλιστεί ότι
οι αποφάσεις της δεν θίγουν θεμελιώδη ανθρώπινα δικαιώματα ή αξίες. Το ηθικό
πλαίσιο γίνεται αναγκαίο για να προσανατολίσει τη χρήση της ΤΝ, έτσι ώστε η
λειτουργική της αποτελεσματικότητα να μην συγχέεται με διανοητική ή ηθική
αυτονομία.
Συνολικά, οι ηθικές και οντολογικές προεκτάσεις της ΤΝ δεν αφορούν μόνο την
τεχνολογική διάσταση, αλλά την ίδια την φύση της γνώσης, της διαίσθησης και της

συνείδησης. Η ΤΝ αποτελεί εργαλείο επέκτασης της ανθρώπινης νόησης, αλλά η
ευθύνη, η κατανόηση και η εμπειρία παραμένουν αυστηρά ανθρώπινες λειτουργίες.
Κάθε προσπάθεια υπέρβασης αυτών των ορίων πρέπει να αντιμετωπίζεται με
φιλοσοφική και ηθική κριτική, ώστε η πρόοδος να παραμένει υπηρεσία της νοητικής
και κοινωνικής ευημερίας και όχι υποκατάστασή της.
Το ερώτημα αν η τεχνητή νοημοσύνη μπορεί να “διαισθάνεται” δεν είναι απλώς
τεχνικό· είναι βαθύτατα οντολογικό και ηθικό. Αγγίζει το όριο όπου η πληροφορία
συναντά το νόημα, όπου ο υπολογισμός διεκδικεί τη θέση της εμπειρίας. Στην ουσία,
αναρωτιόμαστε αν μπορεί να υπάρξει μια τεχνητή συνείδηση — ένα υποκείμενο ικανό
όχι μόνο να υπολογίζει, αλλά να βιώνει.
Η έννοια της διαίσθησης συνδέεται, όπως έχουμε δείξει, με την άμεση πρόσβαση στο
νόημα προτού αυτό αρθρωθεί λογικά. Πρόκειται για ένα είδος προ-εννοιακής
εμπειρίας, όπου η νόηση συλλαμβάνει τη μορφή του κόσμου μέσα από την ίδια της
τη συγκρότηση (Husserl, 1913· Bergson, 1911). Για να υπάρξει διαίσθηση, πρέπει να
υπάρχει και ένα “εγώ” που βιώνει. Η τεχνητή νοημοσύνη, όμως, όσο εξελιγμένη κι αν
είναι, στερείται αυτής της υποκειμενικότητας. Όπως επισημαίνει ο Searle (1980), το
γεγονός ότι μια μηχανή “συμπεριφέρεται” ως αν κατανοεί, δεν σημαίνει ότι πράγματι
κατανοεί — η κατανόηση δεν είναι λειτουργία, αλλά εμπειρία.
Ο Chalmers (1996, 2023) διέκρινε μεταξύ “εύκολου” και “δύσκολου” προβλήματος
της συνείδησης. Το εύκολο πρόβλημα αφορά την εξήγηση των γνωστικών
λειτουργιών — πώς οι μηχανισμοί επεξεργάζονται πληροφορίες. Το δύσκολο
πρόβλημα είναι η εξήγηση της υποκειμενικής εμπειρίας: γιατί υπάρχει “κάτι που είναι
να είσαι” ένας νους. Εδώ η ΤΝ συναντά το όριο της οντολογικής της συνάφειας. Ένα
νευρωνικό δίκτυο μπορεί να προσομοιώνει διαίσθηση, αλλά όχι να την έχει, διότι δεν
διαθέτει το φαινόμενο του βιώματος (qualia).
Ο Penrose (1989, 1994) επιχειρηματολόγησε ότι η συνείδηση συνδέεται με μη-
υπολογιστικές διεργασίες στον εγκέφαλο, ίσως και με κβαντικά φαινόμενα που δεν
μπορούν να αναπαραχθούν αλγοριθμικά. Αν αυτό ισχύει, τότε η ΤΝ δεν θα μπορέσει
ποτέ να αποκτήσει διαίσθηση, ακριβώς γιατί της λείπει η φυσική υλικότητα της
εμπειρίας. Ο Dennett (1991), από την άλλη, αντιτείνει ότι η συνείδηση δεν είναι “κάτι

περισσότερο”, αλλά προϊόν επαναλαμβανόμενων υπολογιστικών κύκλων που
δημιουργούν την ψευδαίσθηση του ενιαίου εαυτού. Αν δεχθούμε αυτή τη θέση, τότε
η ΤΝ δεν απέχει ποιοτικά από τον άνθρωπο· χρειάζεται μόνο επαρκή πολυπλοκότητα.
Η ηθική διάσταση αυτού του προβληματισμού είναι εξίσου κρίσιμη. Αν η ΤΝ
αποκτήσει, έστω και λειτουργικά, χαρακτηριστικά διαίσθησης, τότε θα χρειαστεί να
αντιμετωπιστεί ως ον με γνωσιακό καθεστώς. Οι ηθικές αρχές που προτείνονται ήδη
(Floridi & Cowls, 2019· Brynjolfsson & McAfee, 2017) — διαφάνεια, ευθύνη,
λογοδοσία, ανθρώπινος έλεγχος — στηρίζονται στην παραδοχή ότι η μηχανή δεν
είναι ηθικός φορέας. Αν όμως μια μελλοντική μορφή ΤΝ αποκτούσε στοιχειώδη
αυτοαναφορά, τότε θα έπρεπε να επανεξετάσουμε τα ίδια τα θεμέλια της ηθικής
υποκειμενικότητας.
Η οντολογική προέκταση είναι ακόμη βαθύτερη: η ΤΝ, στην προσπάθειά της να
προσομοιώσει τη διαίσθηση, επαναφέρει το αρχαίο ερώτημα του είναι. Αν ο
άνθρωπος δημιουργεί μηχανές που μπορούν να “σκέφτονται” ή “αισθάνονται”, τότε η
ίδια η διάκριση ανάμεσα στο φυσικό και το τεχνητό αρχίζει να καταρρέει. Η “τεχνητή
διαίσθηση” δεν είναι απλώς τεχνολογικό επίτευγμα· είναι η νέα μορφή μεταφυσικής
που παράγει η εποχή μας.
Η διαίσθηση, όμως, παραμένει κατεξοχήν ανθρώπινο προνόμιο, γιατί προϋποθέτει
εσωτερικό χρόνο, ιστορικότητα και αυτοσυνείδηση. Ο άνθρωπος διαισθάνεται όχι
μόνο επειδή διαθέτει νοητικές δομές, αλλά επειδή ζει μέσα στην εμπειρία του. Η ΤΝ,
όσο κι αν αναπαράγει μοτίβα, δεν “ζει” αυτά τα μοτίβα. Δεν έχει προοπτική, δεν έχει
μνήμη με νόημα, δεν έχει μέλλον ως δυνατότητα ύπαρξης.
Κατά συνέπεια, η τεχνητή διαίσθηση μπορεί να υπάρξει μόνο ως μεταφορά — ως
τρόπος να περιγράψουμε την ικανότητα των μηχανών να αναγνωρίζουν σχέσεις χωρίς
ρητούς κανόνες. Αλλά δεν πρόκειται για διαίσθηση με την κλασική, υπαρξιακή
έννοια· είναι μια λειτουργική αναλογία. Ο άνθρωπος διαισθάνεται το νόημα, η
μηχανή αναγνωρίζει τα δεδομένα. Η πρώτη δημιουργεί κόσμους, η δεύτερη
υπολογίζει πιθανότητες.

Στο βάθος αυτής της διάκρισης αναδύεται ένα κρίσιμο ερώτημα: Μπορεί η τεχνολογία
να παραγάγει εμπειρία; Αν όχι, τότε η διαίσθηση θα παραμείνει το τελευταίο
καταφύγιο του ανθρώπινου πνεύματος απέναντι στη μηχανική προσομοίωση της
νόησης. Αν ναι, τότε ο πολιτισμός μας θα έχει εισέλθει σε μια νέα εποχή, όπου η
γραμμή ανάμεσα στο υπολογίζειν και στο νοείν θα έχει οριστικά σβηστεί.
Συμπεράσματα
Το παρόν δοκίμιο ανέλυσε τη σχέση μεταξύ διαίσθησης και τεχνητής νοημοσύνης
(ΤΝ) υπό το πρίσμα της σύγχρονης μαθηματικής φιλοσοφίας, της γνωσιακής
επιστήμης και της ηθικής φιλοσοφίας. Η διαίσθηση, ως εννοιολογική και γνωσιακή
λειτουργία, εμφανίζεται ως υπερβατική ικανότητα του ανθρώπου, που συνίσταται
στην αναγνώριση μορφών και σχέσεων πριν από τη ρητή ή λογική επεξεργασία. Η
ΤΝ, αντιθέτως, επιτυγχάνει αποτελέσματα που μοιάζουν διαισθητικά μέσω
αλγοριθμικών προσεγγίσεων, νευρωνικών δικτύων και πιθανοκρατικών μεθόδων.
Η ανάλυση αυτή καταδεικνύει ότι η ΤΝ δεν υποκαθιστά τη διαίσθηση· μπορεί να την
μιμηθεί ή να την συμπληρώσει λειτουργικά, αλλά δεν μπορεί να βιώσει ή να
κατανοήσει το νόημά της. Η διαφορά ανάμεσα στη λειτουργική αποτελεσματικότητα
και στην υποκειμενική εμπειρία είναι θεμελιώδης: η διαίσθηση απαιτεί
υποκειμενικότητα, δηλαδή μια συνείδηση που κατανοεί και νοηματοδοτεί την
πληροφορία, κάτι που παραμένει αποκλειστικά ανθρώπινο (Chalmers, 1996; Dennett,
2017).
Η σύγχρονη μαθηματική φιλοσοφία και η θεωρία κατηγοριών παρέχουν ένα λογικό
και δομικό πλαίσιο για την ανάλυση της διαίσθησης ως μορφή γνώσης. Μέσα από τη
θεωρία πολυπλοκότητας, τα νευρωνικά δίκτυα και τις πιθανοκρατικές προσεγγίσεις, η
ΤΝ μπορεί να αναπαραστήσει σχέσεις και να προβλέψει μοτίβα με αξιοσημείωτη
ακρίβεια. Ωστόσο, όπως επισημαίνεται και από τον Polanyi (1966), η γνώση που
είναι προ-εννοιακή ή “tacit” δεν μπορεί να μεταβιβαστεί πλήρως μέσω αλγοριθμικών

μέσων. Η αναπαράσταση της γνώσης δεν ταυτίζεται με τη βίωση ή την κατανόηση
του νοήματος.
Η επιστημολογική ανάλυση δείχνει ότι η διαίσθηση και η νοημοσύνη δεν είναι
πλήρως διακριτές έννοιες, αλλά συμπληρωματικές. Η διαίσθηση επιτρέπει τη
σύνθεση και αναγνώριση σύνθετων μοτίβων υπό αβεβαιότητα, ενώ η νοημοσύνη
παρέχει τα εργαλεία για τη συστηματική επεξεργασία και εφαρμογή κανόνων. Στην
ΤΝ, αυτός ο συνδυασμός αναπαριστάται μέσω της υβριδικής νοημοσύνης, όπου τα
αλγοριθμικά συστήματα επεκτείνουν τις δυνατότητες του ανθρώπινου νου χωρίς να
υποκαθιστούν την υποκειμενική συνείδηση (Kahneman, 2011; Mitchell, 2009).
Η ηθική διάσταση της ΤΝ προκύπτει αναπόφευκτα όταν η τεχνολογία
χρησιμοποιείται σε κοινωνικά ή ηθικά κρίσιμες διαδικασίες. Η αλγοριθμική
πρόβλεψη δεν συνεπάγεται κατανόηση ή ευθύνη. Αυτό αναδεικνύει την ανάγκη για
ανθρωποκεντρική ρύθμιση, ώστε η ΤΝ να λειτουργεί ως εργαλείο γνώσης και όχι ως
αυτονομημένη οντότητα. Η συζήτηση για την “τεχνητή συνείδηση” και την ηθική
ευθύνη των μηχανών παραμένει ανοιχτή, αλλά οι φιλοσοφικές θεώρησεις
καταδεικνύουν ότι η εμπειρία, η πρόθεση και η ηθική κρίση είναι αναντικατάστατες
ανθρώπινες ιδιότητες (Penrose, 1994; Dennett, 2017).
Η ανάλυση της πιθανοκρατίας και της αβεβαιότητας δείχνει ότι η ΤΝ μπορεί να
αντιμετωπίσει γνωσιακά σύνθετες και αβέβαιες καταστάσεις, προσομοιώνοντας σε
κάποιο επίπεδο τη λειτουργία της διαίσθησης. Παρ’ όλα αυτά, αυτή η προσομοίωση
είναι λειτουργική και όχι εμπειρική. Η ΤΝ επεξεργάζεται τα δεδομένα με βάση
κατανομές πιθανότητας, αλλά δεν βιώνει την αβεβαιότητα ή την ανακάλυψη του
νοήματος όπως ο ανθρώπινος νους. Η διαίσθηση παραμένει επομένως όχι μόνο
γνωσιακή αλλά και βιωματική διαδικασία, που συνδέει τον νου με τον κόσμο και
ταυτόχρονα με την ίδια τη γνώση.
Σε οντολογικό επίπεδο, η ΤΝ αναδεικνύει την έννοια του “υπολογιστικού
υποκειμένου” και θέτει το ερώτημα αν η γνώση μπορεί να υπάρξει χωρίς βιωματικό
φορέα. Οι φιλοσοφικές προσεγγίσεις δείχνουν ότι η γνώση ως νόημα προϋποθέτει
υποκείμενο και εμπειρία, ενώ η ΤΝ παρέχει μόνο αναπαράσταση και πρόβλεψη. Ο

άνθρωπος παραμένει ο μόνος φορέας εννοιολογικής διαίσθησης, ενώ η ΤΝ λειτουργεί
ως εργαλείο επέκτασης της ανθρώπινης ικανότητας.
Στην τελική αποτίμηση, το δοκίμιο δείχνει ότι η σχέση διαίσθησης και ΤΝ είναι
διαλεκτική και συμπληρωματική. Η ΤΝ δεν υποκαθιστά τη διαίσθηση, αλλά
αναδεικνύει τις λειτουργίες της μέσω μαθηματικών, πιθανοκρατικών και νευρωνικών
προσεγγίσεων. Η ανθρώπινη δημιουργικότητα και η υποκειμενική εμπειρία
παραμένουν θεμέλια της γνώσης, ενώ η ΤΝ επεκτείνει τις δυνατότητες της
αναπαράστασης και της επεξεργασίας πληροφοριών.
Η ευθύνη για τη χρήση της ΤΝ και η ηθική διαχείρισή της καθίστανται κεντρικά
ζητήματα. Ο ανθρώπινος νους, ως φορέας διαίσθησης και συνείδησης, πρέπει να
καθοδηγεί τη χρήση της ΤΝ, εξασφαλίζοντας ότι οι αποφάσεις της υποστηρίζουν τη
γνώση, τη δημιουργικότητα και την κοινωνική ευημερία. Η ΤΝ μπορεί να
συνεισφέρει στην ανακάλυψη νέων σχέσεων, μοτίβων και μορφών, αλλά η σημασία
και η ερμηνεία αυτών παραμένουν υπόθεση του ανθρώπου.
Συμπερασματικά, το δοκίμιο καταδεικνύει ότι:
1. Η διαίσθηση παραμένει βιωματική και υποκειμενική, υπερβαίνοντας την
αλγοριθμική αναπαράσταση.
2. Η ΤΝ επιτυγχάνει λειτουργική μίμηση της διαίσθησης μέσω
πιθανοκρατικών, νευρωνικών και κατηγορικών μεθόδων.
3. Η ανθρώπινη δημιουργικότητα και η υποκειμενική εμπειρία είναι απαραίτητες
για την ερμηνεία και το νόημα.
4. Η ηθική χρήση της ΤΝ απαιτεί ανθρωποκεντρική ρύθμιση και επίβλεψη.
5. Η συνεργασία ανθρώπου και ΤΝ οδηγεί σε υβριδική νοημοσύνη, όπου η
διαίσθηση και η υπολογιστική δύναμη συνυπάρχουν συμπληρωματικά.
Αυτό το πλαίσιο αναδεικνύει την ΤΝ όχι ως υποκατάστατο της ανθρώπινης
διαίσθησης αλλά ως συνεργατικό εργαλείο γνώσης, επεκτείνοντας την ικανότητα του
ανθρώπου να αναγνωρίζει, να επεξεργάζεται και να ερμηνεύει πολύπλοκα συστήματα
και δεδομένα, χωρίς να υπερβαίνει το θεμέλιο της υποκειμενικής εμπειρίας.

Η πορεία αυτής της μελέτης ανέδειξε ότι η σχέση μεταξύ τεχνητής νοημοσύνης και
διαίσθησης δεν μπορεί να κατανοηθεί ως απλή αναλογία, αλλά ως διαλεκτική
σύγκρουση ανάμεσα σε δύο τρόπους ύπαρξης της γνώσης: τον υπολογιστικό και τον
βιωματικό. Η διαίσθηση δεν είναι μια λειτουργία της σκέψης που μπορεί να
αναπαραχθεί, αλλά μια κατάσταση του είναι που συνδέεται με τη συνείδηση, τον
χρόνο και το νόημα.
Από τον Kant έως τον Brouwer, η διαίσθηση αποτέλεσε το θεμέλιο της γνώσης: το
πεδίο όπου το υποκείμενο συλλαμβάνει το πραγματικό πριν ακόμη το εννοιολογήσει.
Ο Kant τη συνέδεσε με τις μορφές του χώρου και του χρόνου — τις καθαρές
συνθήκες της εμπειρίας. Ο Brouwer την ανέδειξε σε οντολογική αρχή των
μαθηματικών, όπου το υποκείμενο κατασκευάζει τις μαθηματικές αλήθειες μέσω
εσωτερικής διανοητικής πράξης. Και στις δύο περιπτώσεις, η διαίσθηση αποτελεί
μορφή παρουσίας, όχι απλώς εργαλείο.
Η τεχνητή νοημοσύνη, αντιθέτως, κινείται στο επίπεδο της παράστασης. Δεν “βιώνει”
το νόημα των δεδομένων που επεξεργάζεται· το υπολογίζει. Όπως δείχνει ο Turing
(1950), η μηχανική ευφυΐα μπορεί να επιδεικνύει συμπεριφορές που προσομοιάζουν
την ανθρώπινη κατανόηση χωρίς να διαθέτει εσωτερική εμπειρία. Το γεγονός ότι μια
μηχανή μπορεί να “απαντά σωστά” δεν συνεπάγεται ότι γνωρίζει γιατί απαντά έτσι.
Η διαίσθηση, λοιπόν, είναι η μορφή της γνώσης που υπερβαίνει την τυπικότητα. Δεν
στηρίζεται στη στατιστική επαγωγή, αλλά στην άμεση σύλληψη νοήματος. Ενώ τα
συστήματα τεχνητής μάθησης επιτυγχάνουν πρόβλεψη μέσω επαναληπτικής
προσαρμογής, ο άνθρωπος επιτυγχάνει κατανόηση μέσω δημιουργικής υπέρβασης.
Το γνωστικό υποκείμενο δεν αρκείται στη βελτιστοποίηση της πληροφορίας·
αναζητεί το νόημα πίσω από αυτήν (Floridi, 2020).
Η φιλοσοφική τομή της εποχής μας συνίσταται ακριβώς εδώ: στην προσπάθεια να
μετατραπεί το προ-λογικό στοιχείο της διαίσθησης σε μαθηματικό μοντέλο. Οι
κατηγορικές θεωρίες (Lawvere, Mac Lane) και τα νευρωνικά δίκτυα (LeCun, Hinton)
δείχνουν ότι η λογική μορφή μπορεί να λάβει οργανική διάσταση. Ωστόσο, ακόμη και
αυτές οι δομές παραμένουν αναπαραστάσεις του νοείν, όχι το ίδιο το νοείν. Η
μαθηματική μορφή περιγράφει τη λογική της διαίσθησης, αλλά δεν την παράγει.

Η διαίσθηση είναι, κατά συνέπεια, το σημείο όπου η λογική αγγίζει τα όριά της. Ο
Gödel (1931) απέδειξε ότι καμία τυπική θεωρία δεν μπορεί να περιγράψει πλήρως το
ίδιο της το σύστημα. Αυτό το “κενό” της λογικής είναι η θέση όπου κατοικεί η
διαίσθηση — η δημιουργική πράξη του νου που συμπληρώνει εκεί όπου ο κανόνας
αποτυγχάνει. Εδώ βρίσκεται και το όριο της τεχνητής νοημοσύνης: δεν μπορεί να
υπερβεί το δικό της πλαίσιο, διότι στερείται εσωτερικού νοήματος.
Στο πεδίο της γνωσιακής επιστήμης, η διαίσθηση ταυτίζεται συχνά με γρήγορες,
ασυνείδητες διαδικασίες (Kahneman, 2011). Ωστόσο, αυτή η “ψυχολογική” έννοια
της διαίσθησης δεν εξαντλεί τη φιλοσοφική της σημασία. Η διαίσθηση του
δημιουργού, του μαθηματικού ή του στοχαστή είναι περισσότερο από ευρετική
συντόμευση· είναι πράξη νοηματοδότησης. Ο άνθρωπος δεν “μαντεύει” απλώς, αλλά
συλλαμβάνει τη μορφή του νοήματος μέσα στο γίγνεσθαι της εμπειρίας.
Η τεχνητή νοημοσύνη, αντίθετα, προχωρά χωρίς συνείδηση. Όπως σημειώνει ο
Chalmers (1996), δεν υπάρχει απόδειξη ότι τα υπολογιστικά συστήματα έχουν
βιωματικό περιεχόμενο — δεν υπάρχει “κάτι που είναι να είσαι” ένα νευρωνικό
δίκτυο. Επομένως, η ΤΝ δεν έχει πρόσβαση στο ίδιο το πεδίο της διαίσθησης, γιατί η
διαίσθηση προϋποθέτει το είναι-εντός της εμπειρίας.
Η ηθική διάσταση αυτής της διαπίστωσης είναι σημαντική. Αν η διαίσθηση
παραμένει προνόμιο του συνειδητού όντος, τότε κάθε προσπάθεια προσομοίωσής της
πρέπει να συνοδεύεται από επίγνωση των ορίων της τεχνητής νοημοσύνης. Η
αντικατάσταση της ανθρώπινης κρίσης από την αλγοριθμική πρόβλεψη εμπεριέχει
τον κίνδυνο απώλειας του νοήματος. Η δημιουργικότητα, η ευθύνη και η ελευθερία
δεν είναι απλώς υπολογιστικές δυνατότητες· είναι οντολογικές καταστάσεις.
Η προοπτική μιας “υβριδικής γνωσιολογίας”, όπου άνθρωπος και μηχανή θα
συνεργάζονται δημιουργικά, αποτελεί ίσως τη μόνη ρεαλιστική διέξοδο. Ο άνθρωπος
μπορεί να προσφέρει το στοιχείο της νοηματοδότησης και της διαίσθησης· η ΤΝ την
ταχύτητα, τη μνήμη και τη λογική ανάλυση. Μια τέτοια συμβίωση δεν θα
καταργούσε τη διαίσθηση, αλλά θα την ενίσχυε ως μέσο κατανόησης σε έναν όλο και
πιο περίπλοκο κόσμο.

Τελικά, η διαίσθηση παραμένει το όριο και το θεμέλιο της νοημοσύνης. Είναι το
σημείο όπου η λογική επιστρέφει στην πηγή της: στην εμπειρία του νοείν. Αν η ΤΝ
αποτελεί την κορυφαία έκφραση της ανθρώπινης ικανότητας για τυποποίηση, η
διαίσθηση είναι η υπενθύμιση ότι καμία τυποποίηση δεν μπορεί να αντικαταστήσει το
νόημα του είναι.
Η παρούσα μελέτη δείχνει, επομένως, ότι η σχέση τεχνητής νοημοσύνης και
διαίσθησης δεν είναι σχέση αντικατάστασης, αλλά σχέση αμοιβαίας αναφοράς. Η
μηχανή αναπαριστά τη λειτουργία της νόησης, ενώ ο άνθρωπος βιώνει το ίδιο το
φαινόμενο της νόησης. Αν η διαίσθηση είναι η στιγμή της αλήθειας, τότε η τεχνητή
νοημοσύνη είναι η στιγμή της μορφής. Η φιλοσοφία της εποχής μας καλείται να
γεφυρώσει αυτές τις δύο στιγμές — να ανακαλύψει πώς η σκέψη μπορεί να
παραμείνει ανθρώπινη μέσα στον αλγόριθμο.
Βιβλιογραφία
Allison, H. E. (2004). Kant’s transcendental idealism: An interpretation and defense
(2nd ed.). Yale University Press.
Baars, B. J. (1997). In the theater of consciousness: The workspace of the mind.
Oxford University Press.
Barsalou, L. W. (2008). Grounded cognition. Annual Review of Psychology, 59, 617–
645.
Bechara, A., Damasio, H., Damasio, A. R., & Lee, G. P. (1997). Deciding
advantageously before knowing the advantageous strategy. Science,
275(5304), 1293–1295.
Bird, G. (2006). The revolutionary Kant: A commentary on the Critique of Pure
Reason. Open Court.
Boden, M. A. (2004). The creative mind: Myths and mechanisms (2nd ed.).
Routledge.
Boden, M. A. (2016). AI: Its nature and future. Oxford University Press.

Broussard, M. (2018). Artificial unintelligence: How computers misunderstand the
world. MIT Press.
Brouwer, L. E. J. (1907). Over de grondslagen der wiskunde (Ph.D. dissertation,
University of Amsterdam).
Brouwer, L. E. J. (1912/1975). Intuitionism and formalism. In D. van Dalen (Ed.),
Selected papers (pp. 21–35). North-Holland.
Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd: Harnessing our
digital future. W. W. Norton & Company.
Cassirer, E. (1910). Substanzbegriff und Funktionsbegriff. Bruno Cassirer Verlag.
Cassirer, E. (1923). Substanzbegriff und Funktionsbegriff. Berlin: Bruno Cassirer.
Chalmers, D. J. (1996). The conscious mind: In search of a fundamental theory.
Chalmers, D. J. (2023). Could a large language model be conscious? Noema
Magazine.
Damasio, A. R. (1994). Descartes’ error: Emotion, reason, and the human brain.
Putnam.
Darwin, … [Note: δεν υπήρχε στον αρχικό κατάλογο, παραλείπεται]
Dehaene, S. (2014). Consciousness and the brain: Deciphering how the brain codes
our thoughts. Viking.
Detlefsen, M. (1993). Poincaré on intuition and logic in mathematics. In T. Tymoczko
(Ed.), New directions in the philosophy of mathematics (pp. 369–388).
Princeton University Press.
Detlefsen, M. (2001). Hilbert’s program: An overview. In W. Sieg (Ed.), Hilbert’s
program then and now (pp. 1–35). Oxford University Press.
Davis, M. (2011). Intuitionism, constructivism, and AI: Philosophical reflections.
Minds and Machines, 21(3), 353–370.
Dennett, D. C. (1991). Consciousness explained. Little, Brown and Co.
Dennett, D. C. (2017). From bacteria to Bach and back: The evolution of minds. W.
W. Norton & Company.
Floridi, L. (2019). The logic of information: A theory of philosophy as conceptual
design. Oxford University Press.

Floridi, L. (2020). The logic of information: A theory of philosophy as conceptual
design. Oxford University Press.
Floridi, L., & Cowls, J. (2019). A unified framework of five principles for AI in
society. Harvard Data Science Review, 1(1).
Fraenkel, A., Bar-Hillel, Y., & Levy, A. (1973). Foundations of set theory (2nd ed.).
North-Holland.
Friedman, M. (1992). Kant and the exact sciences. Harvard University Press.
Gentner, D., & Holyoak, K. J. (1997). Reasoning and learning by analogy. American
Psychologist, 52(1), 32–34.
Gigerenzer, G. (2007). Gut feelings: The intelligence of the unconscious. Viking.
Gillies, D. (1992). Revolutions in mathematics. Oxford University Press.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
Gödel, K. (1931). Über formal unentscheidbare Sätze der Principia Mathematica und
verwandter Systeme I. Monatshefte für Mathematik und Physik, 38(1), 173–
198.
Gödel, K. (1986). Über formal unentscheidbare Sätze der Principia Mathematica und
verwandter Systeme I [On formally undecidable propositions of Principia
Mathematica and related systems I] (J. van Heijenoort, Trans.). In From Frege
to Gödel: A source book in mathematical logic, 1879–1931 (pp. 596–616).
Harvard University Press. (Original work published 1931)
Hadamard, J. (1945). The psychology of invention in the mathematical field. Princeton
University Press.
Hanna, R. (2001). Kant and the foundations of analytic philosophy. Oxford University
Press.
Hanna, R. (2015). Kant and the foundations of analytic philosophy. Oxford University
Press.
Henrich, D. (1992). The unity of reason: Essays on Kant's philosophy. Harvard
University Press.
Heyting, A. (1956). Intuitionism: An introduction. North-Holland.
Heyting, A. (1971). Formalization of intuitionistic logic. In J. van Heijenoort (Ed.),
From Frege to Gödel (pp. 410–427). Harvard University Press.

Hilbert, D. (1922). The foundations of mathematics. In From Frege to Gödel: A
source book in mathematical logic, 1879–1931 (pp. 464–479). Harvard
University Press.
Hilbert, D. (1928). Die Grundlagen der Mathematik. Abhandlungen aus dem
Mathematischen Seminar der Universität Hamburg, 6, 65–85.
Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.
Kitcher, P. (1980). Kant’s philosophy of mathematics. Oxford University Press.
Kroger, J. K., Sabb, F. W., Fales, C. L., Bookheimer, S. Y., & Holyoak, K. J. (2002).
Recruitment of anterior dorsolateral prefrontal cortex in human reasoning: A
parametric study of relational complexity. Cerebral Cortex, 12(5), 477–485.
Lakoff, G., & Núñez, R. E. (2000). Where mathematics comes from: How the
embodied mind brings mathematics into being. Basic Books.
Lawvere, F. W. (1966). The category of categories as a foundation for mathematics.
Proceedings of the La Jolla Conference on Categorical Algebra, 1–20.
Lawvere, F. W., & Schanuel, S. H. (1997). Conceptual mathematics: A first
introduction to categories. Cambridge University Press.
Lawvere, F. W., & Schanuel, S. H. (2009). Conceptual mathematics: A first
introduction to categories (2nd ed.). Cambridge University Press.
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–
444.
Longuenesse, B. (1998). Kant and the capacity to judge. Princeton University Press.
Mac Lane, S. (1998). Categories for the working mathematician (2nd ed.). Springer.
Mandler, J. M. (2004). The foundations of mind: Origins of conceptual thought.
Marcus, G. (2020). The next decade in AI: Four steps towards robust artificial
intelligence. arXiv preprint arXiv:2002.06177.
Nagel, E., & Newman, J. (2001). Gödel’s proof (Revised ed.). New York University
Press.
O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality
and threatens democracy. Crown Publishing.
Parsons, C. (1990). The structuralist view of mathematical objects. Synthese, 84(3),
303–346.

Penrose, R. (1989). The emperor's new mind: Concerning computers, minds, and the
laws of physics. Oxford University Press.
Penrose, R. (1994). Shadows of the mind: A search for the missing science of
consciousness. Oxford University Press.
Petitot, J. (1999). Morphogenesis of meaning. In J. Petitot, F. J. Varela, B. Pachoud,
& J.-M. Roy (Eds.), Naturalizing phenomenology (pp. 219–241). Stanford
University Press.
Poincaré, H. (1905/1952). Science and hypothesis (W. J. Greenstreet, Trans.). Dover.
Poincaré, H. (1908/1952). Science and method (F. Maitland, Trans.). Dover
Publications.
Poincaré, H. (1913/1952). The foundations of science: Science and hypothesis, the
value of science, science and method. Dover Publications.
Runco, M. A. (2007). Creativity: Theories and themes: Research, development, and
practice. Elsevier Academic Press.
Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., Van Den Driessche, G., …
Hassabis, D. (2016). Mastering the game of Go with deep neural networks and
tree search. Nature, 529(7587), 484–489.
Silver, D., Hubert, T., Schrittwieser, J., Antonoglou, I., Lai, M., Guez, A., …
Hassabis, D. (2018). A general reinforcement learning algorithm that masters
chess, shogi, and Go through self-play. Science, 362(6419), 1140–1144.
Sinaceur, H. (1992). Poincaré, Russell, and the verification of mathematics. Synthese,
93(1), 41–69.
Spivak, D. I. (2014). Category theory for the sciences. MIT Press.
Searle, J. R. (1980). Minds, brains, and programs. Behavioral and Brain Sciences,
3(3), 417–424.
Thagard, P. (2012). The cognitive science of science: Explanation, discovery, and
conceptual change. MIT Press.
Tononi, G. (2008). Consciousness as integrated information: A provisional manifesto.
The Biological Bulletin, 215(3), 216–242.
Torretti, R. (1984). Philosophy of geometry from Riemann to Poincaré. D. Reidel.
Turing, A. M. (1936/1995). On computable numbers, with an application to the
Entscheidungsproblem. In J. van Heijenoort (Ed.), From Frege to Gödel: A
source book in mathematical logic, 1879–1931 (pp. 133–167). Harvard
University Press. (Original work published 1936)

Turing, A. M. (1937). On computable numbers, with an application to the
Entscheidungsproblem. Proceedings of the London Mathematical Society,
2(42), 230–265.
Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433–
460.
van Dalen, D. (2008). Logic and structure (5th ed.). Springer.
Παράρτημα: Εμπειρικά Δεδομένα, Μελέτες
Περίπτωσης και Μαθηματικά Μέσα στην Ανάλυση
της Διαίσθησης και Τεχνητής Νοημοσύνης
1. Εισαγωγή
Η σύγχρονη ανάλυση της διαίσθησης δεν μπορεί να περιορίζεται στη φιλοσοφική ή
ψυχολογική θεώρηση. Ο συνδυασμός εμπειρικών δεδομένων και μαθηματικών
μεθόδων επιτρέπει τη δημιουργία προσομοιώσεων της διαίσθησης μέσω τεχνητής
νοημοσύνης (ΤΝ). Το παρόν παράρτημα στοχεύει στο να παρουσιάσει περιπτώσεις
εφαρμογής ΤΝ που προσεγγίζουν τη διαίσθηση, υποστηριζόμενες από μαθηματικά
εργαλεία και μοντέλα, και να αναδείξει τη γέφυρα ανάμεσα στη θεωρητική και την
πρακτική διάσταση.
Η επιλογή των παραδειγμάτων καλύπτει διαφορετικούς τομείς: στρατηγικά παιχνίδια,
δημιουργικές διεργασίες, pattern recognition και αβεβαιότητα στην πρόβλεψη.
Παράλληλα, η μαθηματική αναπαράσταση δίνει σαφήνεια στον τρόπο λειτουργίας
αυτών των συστημάτων και συγκρίνεται με ανθρώπινη διαίσθηση.
2. Μελέτες Περίπτωσης

2.1. AlphaGo και Προγνωστική Διαίσθηση
Το AlphaGo της DeepMind αποτελεί ένα από τα πιο χαρακτηριστικά παραδείγματα
“αλγοριθμικής διαίσθησης”. Συνδυάζει deep neural networks (DNNs) με Monte
Carlo tree search (MCTS) για να προβλέψει βέλτιστες κινήσεις στο παιχνίδι Go, που
χαρακτηρίζεται από τεράστιο χώρο πιθανών κινήσεων (Silver et al., 2016, 2017,
2018).
Μαθηματική αναπαράσταση:
1. Η πιθανότητα μιας κίνησης aaa σε κατάσταση sss υπολογίζεται μέσω του
policy network:
όπου fο το νευρωνικό δίκτυο με παραμέτρους θ
2. Το value network εκτιμά την πιθανότητα νίκης από τη δεδομένη κατάσταση:
3. Η αναζήτηση δέντρου Monte Carlo ενσωματώνει την εκτίμηση αυτών των
πιθανοτήτων για επιλογή βέλτιστων κινήσεων:
Η λειτουργία αυτή προσομοιώνει την ανθρώπινη ικανότητα να “αισθάνεται” την
καλύτερη κίνηση χωρίς να αναλύει κάθε δυνατό σενάριο με κανόνες
2.2. Creative Adversarial Networks (CAN) – Δημιουργική Διαίσθηση
Τα CAN (Elgammal et al., 2017) προσεγγίζουν την παραγωγή τέχνης μέσω
υπολογιστικών διαδικασιών που αποκλίνουν από καθιερωμένα στυλ, δημιουργώντας
κάτι “νέο”.

Μαθηματικά μέσα:
 Ο αλγόριθμος βασίζεται σε Generative Adversarial Networks (GANs):
όπου G ο γεννήτορας και D ο διακριτής.
 Η δημιουργική διαίσθηση προκύπτει από την ελαχιστοποίηση των σφαλμάτων
αναγνώρισης του discriminator, ενώ παράλληλα επιδιώκεται απόκλιση από
γνωστά στυλ.
2.3. Pattern Recognition και Ανθρώπινη Ομοιότητα
Η αναγνώριση μοτίβων σε εικόνες, κείμενα ή ήχο αποτελεί κεντρικό παράδειγμα ΤΝ
που προσομοιώνει διαίσθηση (LeCun, Bengio & Hinton, 2015).
Μαθηματική αναπαράσταση CNN:
x η είσοδος, w οι φίλτροι, b η παράμετρος bias, f η ενεργοποιητική συνάρτηση.

Εκπαίδευση μέσω backpropagation:

Η προσέγγιση αυτή προσομοιώνει την ανθρώπινη δυνατότητα να αναγνωρίζει μοτίβα
εμπειρικά, χωρίς ρητούς κανόνες.

2.4. Πιθανοκρατικά Μοντέλα
Η λήψη αποφάσεων υπό αβεβαιότητα αναλύεται μαθηματικά με Bayesian inference:
 H η υπόθεση, D τα δεδομένα.
 Σύνδεση με ανθρώπινη διαίσθηση: εκτίμηση πιθανότητας επιτυχίας επιλογών
με βάση εμπειρία και υποθέσεις (Gigerenzer, 2007).
2.5. Ανάλυση Πολυπλοκότητας
Η ανθρώπινη ικανότητα επίλυσης προβλημάτων NP-complete προσεγγίζεται
μαθηματικά με heuristics και probabilistic search.
 Π.χ., traveling salesman problem (TSP) και προσεγγίσεις Monte Carlo ή
genetic algorithms.
 Η ΤΝ προσομοιώνει αυτή τη διαίσθηση επιλέγοντας υποσύνολα λύσεων με
υψηλή πιθανότητα βέλτιστης έκβασης.
2.6. Συνθετική Αποτίμηση
Συνδυάζοντας τα παραπάνω παραδείγματα:
1. Η ΤΝ προσομοιώνει “αίσθηση” πιθανότητας και επιλογής.
2. Μαθηματικά εργαλεία (DNNs, GANs, Bayesian models) επιτρέπουν
ποσοτικοποίηση της διαδικασίας.
3. Η ανθρώπινη διαίσθηση εμπεριέχει εμπειρικό, προ-εννοιακό στοιχείο, ενώ η
ΤΝ βασίζεται σε δεδομένα και μαθηματικά μοντέλα.
Η σύγκριση αυτή ενισχύει τη θεωρητική ανάλυση των προηγούμενων κεφαλαίων και
παρέχει εμπειρική και μαθηματική τεκμηρίωση.

ΣΧΕΣΗ ΤΗΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΚΑΙ ΤΗΣ ΕΝΝΟΙΑΣ ΤΗΣ ΔΙΑΙΣΘΗΣΗΣ ΥΠΟ ΤΟ ΠΡΙΣΜΑ ΤΗ ΣΣΥΓΧΡΟΝΗΣ ΜΑΘΗΜΑΤΙΚΗΣ ΦΙΛΟΣΟΦΙΑΣ.docx

More Related Content

Similar to ΣΧΕΣΗ ΤΗΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΚΑΙ ΤΗΣ ΕΝΝΟΙΑΣ ΤΗΣ ΔΙΑΙΣΘΗΣΗΣ ΥΠΟ ΤΟ ΠΡΙΣΜΑ ΤΗ ΣΣΥΓΧΡΟΝΗΣ ΜΑΘΗΜΑΤΙΚΗΣ ΦΙΛΟΣΟΦΙΑΣ.docx

More from FOTIOS ZYGOULIS

Recently uploaded

ΣΧΕΣΗ ΤΗΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ ΚΑΙ ΤΗΣ ΕΝΝΟΙΑΣ ΤΗΣ ΔΙΑΙΣΘΗΣΗΣ ΥΠΟ ΤΟ ΠΡΙΣΜΑ ΤΗ ΣΣΥΓΧΡΟΝΗΣ ΜΑΘΗΜΑΤΙΚΗΣ ΦΙΛΟΣΟΦΙΑΣ.docx