Η πρώτη έκπληξη είναι τα μαθηματικά. Ένα γλωσσικό μοντέλο είναι στην ουσία του τεράστιοι πίνακες αριθμών που πολλαπλασιάζονται μεταξύ τους, άρα γραμμική άλγεβρα. Η απάντηση που δίνει προκύπτει από εκτίμηση για το ποια λέξη είναι πιθανότερο να ακολουθήσει, άρα πιθανότητες. Η εκπαίδευσή του γίνεται με μικρές διορθώσεις που μειώνουν σταδιακά το λάθος, άρα παράγωγοι. Δεν χρειάζεται να έχει κανείς πάει σε Ολυμπιάδα Μαθηματικών, χρειάζεται όμως να μην τα φοβάται. Όσοι τα απέφευγαν στο σχολείο τα ξαναβρίσκουν μπροστά τους, αυτή τη φορά με έναν λόγο ύπαρξης που φαίνεται.

Το δεύτερο σκέλος είναι ο προγραμματισμός, και όχι μόνο εκείνος που αφορά τα μοντέλα. Ένα σύστημα που αναγνωρίζει εικόνες δεν χρησιμεύει σε τίποτα αν δεν τρέχει μέσα σε μια εφαρμογή, αν δεν συνδέεται με βάση δεδομένων, αν δεν αντέχει όταν το χρησιμοποιούν πολλοί μαζί. Γι` αυτό τα προγράμματα σπουδών που ειδικεύονται στην τεχνητή νοημοσύνη ξεκινούν κατά κανόνα με βασικό προγραμματισμό, αλγορίθμους, βάσεις δεδομένων και δίκτυα, και φτάνουν στη μηχανική μάθηση αφού έχουν μπει αυτά τα θεμέλια. Ο πρωτοετής που περίμενε να φτιάξει ρομπότ από την πρώτη εβδομάδα θα περάσει πρώτα αρκετές ώρες ψάχνοντας γιατί ένα πρόγραμμα είκοσι γραμμών δεν βγάζει το αναμενόμενο αποτέλεσμα.

Έπειτα έρχονται τα δεδομένα, και εκεί πηγαίνει ο περισσότερος χρόνος σε κάθε εργασία. Ας πούμε ότι μια ομάδα φοιτητών θέλει να φτιάξει ένα μοντέλο που κατατάσσει κριτικές ελληνικών ξενοδοχείων σε θετικές και αρνητικές. Θα βρει κείμενα σε greeklish, χωρίς τόνους, με ειρωνεία που ούτε άνθρωπος δεν πιάνει πάντα. Θα πρέπει να τα καθαρίσει, να τα χαρακτηρίσει ένα ένα και να κρατήσει ένα μέρος στην άκρη για τον τελικό έλεγχο. Αλλιώς δεν θα έχει τρόπο να καταλάβει αν έφτιαξε ένα μοντέλο που μοιάζει με μαθητή που αποστήθισε τα SOS: άριστο στα θέματα που έχει ξαναδεί, χαμένο σε οτιδήποτε καινούργιο.

Ένα κομμάτι των σπουδών δεν έχει καθόλου κώδικα. Ένα μοντέλο που πετυχαίνει τις περισσότερες φορές ακούγεται εξαιρετικό, μέχρι να ρωτήσει κάποιος σε ποιους ανθρώπους πέφτουν τα λάθη του. Αν έχει εκπαιδευτεί σε παλιές αποφάσεις για δάνεια ή προσλήψεις, θα αναπαράγει και τις προκαταλήψεις τους. Η Ευρωπαϊκή Ένωση έχει ήδη θεσπίσει κανονισμό για τα συστήματα αυτά, και όποιος τα σχεδιάζει οφείλει να γνωρίζει τι επιτρέπεται και τι πρέπει να τεκμηριώνει. Τα ζητήματα δεοντολογίας και προστασίας δεδομένων είναι μέρος της δουλειάς, όχι παράρτημά της.

Οι ίδιοι οι φοιτητές χρησιμοποιούν φυσικά chatbot για να γράψουν κώδικα, και αυτό από μόνο του δεν είναι πρόβλημα. Ο κίνδυνος είναι να δεχτούν μια λύση που δεν καταλαβαίνουν, γιατί τότε δεν μπορούν να κρίνουν πότε είναι λάθος. Ένας μαθητής που σκέφτεται αυτόν τον δρόμο μπορεί να δοκιμάσει τον εαυτό του φέτος κιόλας, με ένα δωρεάν εισαγωγικό μάθημα Python στο διαδίκτυο. Αν διαπιστώσει ότι του αρέσει να παλεύει δύο ώρες με ένα σφάλμα μέχρι να το βρει, το chatbot θα πάψει κάποια στιγμή να είναι μαγικό κουτί και θα γίνει ένα σύστημα που θα μπορεί να το ανοίξει και να δει πώς δουλεύει.