«Στην υπολογιστική γλωσσολογία κινείσαι ανάμεσα σε δύο κόσμους»
Μια μέρα στη δουλειά με τον Υπολογιστικό Γλωσσολόγο Αλέξανδρο Τάντο
Snapshot
- Η υπολογιστική γλωσσολογία συνδυάζει τη γλωσσολογία με την τεχνολογία, επιτρέποντας στους υπολογιστές να επεξεργάζονται και να κατανοούν τη γλώσσα με υπολογιστικές μεθόδους.
- Η έρευνα περιλαμβάνει ανάλυση μεγάλων όγκων γλωσσικών δεδομένων, ανάπτυξη και δοκιμή προγραμμάτων τεχνητής νοημοσύνης που αναγνωρίζουν γλωσσικά μοτίβα και λαθάκια μαθητών.
- Παρά τα εντυπωσιακά αποτελέσματα των τεχνητών συστημάτων, αυτά δεν κατανοούν τη γλώσσα όπως ένας άνθρωπος και ενέχουν κινδύνους αναπαραγωγής προκαταλήψεων, που απαιτούν ηθική και κοινωνική προσοχή.
- Ο ρόλος του υπολογιστικού γλωσσολόγου εξελίσσεται με την πρόοδο της τεχνητής νοημοσύνης, απαιτώντας διεπιστημονική γνώση και συνεχόμενη μάθηση για την κατανόηση και βελτίωση των συστημάτων.
- Η δουλειά συνδυάζει θεωρητική έρευνα, πρακτικές εφαρμογές, διδασκαλία και συνεργασίες, με στόχο την ανάπτυξη εργαλείων που έχουν πραγματικό όφελος στην εκπαίδευση και την επικοινωνία.
Πώς λειτουργεί η γλώσσα και πώς μπορούμε να χρησιμοποιήσουμε τους υπολογιστές για να την κατανοήσουμε καλύτερα;
Για τον Αλέξανδρο Τάντο, αυτό το φαινομενικά απλό ερώτημα στάθηκε η αφετηρία μιας επαγγελματικής διαδρομής στην οποία οι λέξεις συναντούν τον κώδικα και η γλωσσολογία την τεχνητή νοημοσύνη. Ο υπολογιστικός γλωσσολόγος, που εργάζεται στο Τμήμα Φιλολογίας του Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης, περιγράφει μια καθημερινότητα χωρίς σταθερό σενάριο, αλλά με έναν διαρκή στόχο: η έρευνα να μετατρέπεται σε κάτι χρήσιμο για τους ανθρώπους.
Μια ημέρα μπορεί να τον βρει να εξετάζει χιλιάδες κείμενα, να μελετά τα λάθη όσων μαθαίνουν ελληνικά ως δεύτερη γλώσσα ή να γράφει ένα πρόγραμμα που αναγνωρίζει και ταξινομεί γλωσσικές πληροφορίες. Μια άλλη, να δοκιμάζει ένα μοντέλο τεχνητής νοημοσύνης, να αναζητά τι συμβαίνει «μέσα» του ή να περνά από ένα θεωρητικό ερώτημα στην αίθουσα διδασκαλίας σε μια πρακτική εφαρμογή με τους φοιτητές του. Ανάμεσα στην έρευνα, τα μαθήματα, τις συνεργασίες και τις διοικητικές υποχρεώσεις, η μεγαλύτερη πρόκληση είναι συχνά να εξασφαλίσει τον αδιάσπαστο χρόνο που χρειάζεται για να προχωρήσει μια ιδέα.
Οι στιγμές που τον δικαιώνουν δεν έρχονται απαραίτητα γρήγορα. Θυμάται, όμως, πώς, ύστερα από χρόνια συλλογής και επεξεργασίας γραπτών μαθητών, ένα υπολογιστικό μοντέλο ανέδειξε διαφορετικά προφίλ λαθών, τα οποία συνέπιπταν σε μεγάλο βαθμό με τις αξιολογήσεις των ειδικών. Με το πάτημα ενός κουμπιού, η πολυετής δουλειά αποκτούσε ορατή μορφή: μέσα από χιλιάδες κείμενα εμφανιζόταν μια εικόνα της γλωσσικής ανάπτυξης των μαθητών. Πίσω από τέτοια αποτελέσματα, πάντως, βρίσκονται ώρες καθαρισμού δεδομένων, δοκιμών και αναζήτησης μιας μικρής λεπτομέρειας που μπορεί να εμποδίζει ένα ολόκληρο πρόγραμμα να λειτουργήσει.
Ο ενθουσιασμός του για τις δυνατότητες της τεχνολογίας συνοδεύεται από επίγνωση της ευθύνης. Όπως επισημαίνει, το γεγονός ότι ένας υπολογιστής συνομιλεί με φυσικό τρόπο δεν σημαίνει πως κατανοεί τη γλώσσα όπως ένας άνθρωπος. Τον απασχολούν τόσο τα όρια των συστημάτων τεχνητής νοημοσύνης όσο και οι προκαταλήψεις που ενδέχεται να αναπαράγουν, ιδιαίτερα όταν επηρεάζουν την ενημέρωση, την εκπαίδευση και τη δημόσια επικοινωνία. Για τον ίδιο, η δουλειά δεν τελειώνει όταν ένα σύστημα δώσει μια απάντηση· χρειάζεται να διερευνηθεί πώς έφτασε σε αυτήν και πού μπορεί να αποτυγχάνει.
Παρά τις απαιτήσεις και τη διαρκή ανάγκη να μαθαίνει ξανά, δεν σκέφτεται να αλλάξει επαγγελματική πορεία. Τον κρατούν τα ερωτήματα που παραμένουν ανοιχτά, τα εργαλεία που μπορούν να γίνουν καλύτερα και οι φοιτητές που αρχίζουν να βλέπουν τη γλώσσα και την τεχνολογία με διαφορετικό τρόπο. «Πάντα υπάρχει ένα επόμενο ερώτημα», λέει — μια φράση που συνοψίζει τη σχέση του με την έρευνα, αλλά και τον λόγο για τον οποίο, αντί να αναζητά μια άλλη καριέρα, σκέφτεται πόσα πράγματα μένουν ακόμη να κάνει μέσα σε αυτήν.
Διαβάστε τη συνέντευξη:
Αλέξανδρος Τάντος: Με ενδιέφερε πάντοτε ένα ερώτημα που ακούγεται απλό, αλλά στην πραγματικότητα είναι εξαιρετικά σύνθετο: πώς λειτουργεί η γλώσσα και πώς μπορούμε να χρησιμοποιήσουμε τους υπολογιστές για να την κατανοήσουμε καλύτερα. Από πολύ νωρίς με γοήτευσε αυτή η συνάντηση της γλώσσας με την τεχνολογία, δηλαδή η ιδέα ότι μπορούμε να «διδάξουμε» σε έναν υπολογιστή να επεξεργάζεται τη γλώσσα που χρησιμοποιούμε καθημερινά.
Αυτό το πρακτικό μέρος είχε πάντα ιδιαίτερη σημασία για μένα. Σκεφτείτε πόσες ανάγκες συνδέονται με τη γλώσσα: να επικοινωνήσουμε με κάποιον που μιλάει μια άλλη γλώσσα, να μάθουμε Ελληνικά ή Αγγλικά, να αναζητήσουμε μια πληροφορία, να μετατρέψουμε την ομιλία σε γραπτό κείμενο. Η σκέψη ότι η έρευνά μας μπορεί να συμβάλει σε εργαλεία που κάνουν τέτοιες καθημερινές διαδικασίες ευκολότερες ήταν ένας ουσιαστικός λόγος να ακολουθήσω αυτόν τον δρόμο.
Αυτό που με κρατά ακόμη σε αυτόν τον χώρο είναι ότι αυτή η σχέση γίνεται συνεχώς πιο ενδιαφέρουσα και, κυρίως, πιο ουσιαστική για την καθημερινή μας ζωή. Η γλωσσική τεχνολογία βρίσκεται πλέον πίσω από πράγματα που χρησιμοποιούμε σχεδόν χωρίς να το σκεφτόμαστε, όπως πίσω από την αυτόματη μετάφραση και τις μηχανές αναζήτησης μέχρι τα διαλογικά συστήματα τεχνητής νοημοσύνης με τα οποία συνομιλούμε καθημερινά, πλέον.
Η αλήθεια είναι ότι δεν υπάρχει μία απολύτως τυπική μέρα, αλλά ο βασικός άξονας της δουλειάς μου είναι σχεδόν πάντα ο ίδιος, δηλαδή να προσπαθώ να καταλάβω καλύτερα πώς λειτουργεί η γλώσσα, χρησιμοποιώντας υπολογιστικές μεθόδους, και, παράλληλα, πώς μπορούμε να κάνουμε τους υπολογιστές να την επεξεργάζονται πιο αποτελεσματικά.
Στην πράξη, αυτό μπορεί να σημαίνει πολύ διαφορετικά πράγματα. Μπορεί μια μέρα να εξετάζω χιλιάδες κείμενα για να εντοπίσω μοτίβα στη χρήση της γλώσσας, να μελετώ τα λάθη μαθητών της ελληνικής ως δεύτερης γλώσσας ή να υλοποιώ ένα πρόγραμμα για την αυτόματη ταξινόμηση ή αναγνώριση γλωσσικής πληροφορίας. Για την επίτευξη αυτών των στόχων, άλλοτε μπορεί να γράφω κώδικα, να οργανώνω και να επισημειώνω γλωσσικά δεδομένα και άλλοτε να δοκιμάζω ένα μοντέλο τεχνητής νοημοσύνης ή να προσπαθώ να καταλάβω τι συμβαίνει «μέσα» σε αυτό, όταν επεξεργάζεται μια πρόταση ή ένα κείμενο και καταλήγει σε μια συγκεκριμένη απάντηση.
Ένα πολύ ενδιαφέρον στοιχείο της υπολογιστικής γλωσσολογίας είναι ότι κινείσαι συνεχώς ανάμεσα σε δύο κόσμους. Από τη μία, πρέπει να σκέφτεσαι σαν γλωσσολόγος: πώς δομείται ένα κείμενο και πώς συνδέονται τα μέρη του, πώς οργανώνεται μια πρόταση ή γιατί επιλέγουμε μια συγκεκριμένη ομάδα λέξεων σε ένα συγκεκριμένο συγκείμενο ή κειμενικό είδος. Από την άλλη, πρέπει να μετατρέψεις αυτά τα ερωτήματα σε κάτι που μπορεί να αναλυθεί με τη βοήθεια δεδομένων και να αξιοποιηθεί από αλγορίθμους και υπολογιστικά μοντέλα. Αυτή η μετάβαση από ένα γλωσσικό φαινόμενο σε ένα υπολογιστικό πρόβλημα είναι ίσως ένα από τα πιο δημιουργικά κομμάτια της δουλειάς.
Επειδή εργάζομαι στο Τμήμα Φιλολογίας του Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης, η ημέρα περιλαμβάνει φυσικά και διδασκαλία. Ένα μάθημα μπορεί, για παράδειγμα, να ξεκινήσει από μια απλή ερώτηση, όπως «πώς ιεραρχεί ένας υπολογιστής την πληροφορία μέσα σε ένα κείμενο;», και να καταλήξει στην προσπάθεια να υλοποιήσουμε με κώδικα ένα πολύ συγκεκριμένο υποπρόβλημα. Αυτό που μου αρέσει περισσότερο είναι ότι μέσα σε μία ημέρα μπορεί να περάσεις από ένα πολύ θεωρητικό ερώτημα για τη γλώσσα σε ένα πραγματικό σύνολο δεδομένων και από εκεί σε ένα πρόγραμμα που προσπαθεί να δώσει μια απάντηση. Και αρκετές φορές ένα απρόσμενο αποτέλεσμα ή μια ερώτηση ενός φοιτητή αρκεί για να σε κάνει να ξανασκεφτείς κάτι που θεωρούσες δεδομένο.
Καθημερινά, βέβαια, υπάρχουν επίσης συναντήσεις για ερευνητικά προγράμματα, επίβλεψη εργασιών, συνεργασίες με συναδέλφους και, αναπόφευκτα, ένα σημαντικό κομμάτι διοικητικής δουλειάς.
Το μεγάλο πλεονέκτημα είναι ότι πρόκειται για ένα αντικείμενο που δύσκολα σε αφήνει να βαρεθείς. Η γλώσσα από μόνη της είναι εξαιρετικά σύνθετη. Όταν τη συνδυάζεις με τους υπολογιστές και την τεχνητή νοημοσύνη, προκύπτουν συνεχώς καινούργια ερωτήματα και εφαρμογές. Και το θεωρώ πολύ δημιουργικό να βλέπεις μια ιδέα που ξεκίνησε ως ερευνητικό ερώτημα να μπορεί κάποτε να μετατραπεί σε κάτι χρήσιμο στην εκπαίδευση, στην επικοινωνία ή στην πρόσβαση στην πληροφορία.
Η άλλη πλευρά είναι ότι οι εξελίξεις τρέχουν με τέτοια ταχύτητα, ώστε πρέπει συνεχώς να μαθαίνεις και να επανεξετάζεις όσα θεωρούσες δεδομένα. Και υπάρχει βέβαια και μια πιο «σκοτεινή» διάσταση: τα συστήματα τεχνητής νοημοσύνης γίνονται όλο και πιο ισχυρά, χωρίς να καταλαβαίνουμε πάντοτε πλήρως πώς παίρνουν τις αποφάσεις τους ή ποιες προκαταλήψεις μπορεί να αναπαράγουν. Όταν τέτοιες τεχνολογίες επηρεάζουν την ενημέρωση, την εκπαίδευση και γενικότερα τη δημόσια επικοινωνία, τα ερωτήματα δεν είναι πλέον μόνο τεχνικά, αλλά είναι και ηθικά και κοινωνικά.
Και επειδή εργάζομαι στο Πανεπιστήμιο, υπάρχει και η πιο πεζή δυσκολία: να βρίσκεις μέσα στη διδασκαλία, τις συνεργασίες και τις διοικητικές υποχρεώσεις τον αδιάσπαστο χρόνο που απαιτεί η πραγματική έρευνα.
Μια στιγμή που θυμάμαι έντονα ήταν σε μια έρευνα πάνω στον λόγο μαθητών της ελληνικής ως δεύτερης γλώσσας. Είχαμε έναν μεγάλο όγκο γλωσσικών δεδομένων, κυρίως γραπτές παραγωγές, από μαθητές διαφορετικών επιπέδων γλωσσομάθειας και χρησιμοποιήσαμε μεθόδους μηχανικής μάθησης, για να δούμε αν μέσα στα δεδομένα αυτά θα αναδύονταν από μόνα τους κάποια μοτίβα: τόσο ως προς τα είδη των λαθών που κάνουν οι μαθητές όσο και ως προς τον τρόπο με τον οποίο επαναλαμβάνουν ολόκληρες φράσεις ή προτάσεις και, επομένως, χρησιμοποιούν έναν ιδιότυπο παγιωμένο λόγο.
Όταν είδαμε τα αποτελέσματα, ύστερα από μια ερευνητική διαδρομή αρκετών ετών, προέκυψαν πολύ καθαρά διαφορετικά «προφίλ» λαθών ανάλογα με το επίπεδο των μαθητών, χωρίς να έχουμε υποδείξει εκ των προτέρων στο μοντέλο ποιες ομάδες περιμέναμε να εντοπίσει. Αυτό που ήταν πραγματικά εντυπωσιακό ήταν ότι η εικόνα που αναδύθηκε αυτόματα από τα δεδομένα, με τη μορφή ενός εννοιακού χάρτη, συνέπιπτε σε πολύ μεγάλο βαθμό με τις αξιολογήσεις που είχαν ήδη κάνει οι ειδικοί για το επίπεδο των μαθητών. Ήταν από εκείνες τις στιγμές όπου, έπειτα από χρόνια συλλογής, οργάνωσης και μελέτης των δεδομένων, κυριολεκτικά με το πάτημα ενός κουμπιού, βλέπεις να εμφανίζεται μπροστά σου μια δομή που μέχρι τότε υπήρχε μόνο ως επιστημονική υπόθεση ή ανθρώπινη διαίσθηση.
Στην ίδια έρευνα ζήσαμε μια αντίστοιχη στιγμή, εξετάζοντας ακολουθίες λέξεων που εμφανίζονταν συστηματικά μαζί στο λόγο των μαθητών. Ύστερα από μια ερευνητική διαδρομή αρκετών ετών, με το πάτημα ενός κουμπιού εμφανίστηκε μπροστά μας ένα διαδραστικό δίκτυο αυτών των ακολουθιών, μέσα από το οποίο μπορούσαμε να δούμε κάτι εξίσου εντυπωσιακό αλλά διαφορετικό: πώς οργανώνεται ο λόγος των μαθητών, ποιες έτοιμες φράσεις χρησιμοποιούν και πώς αυτά τα μοτίβα μεταβάλλονται καθώς εξελίσσεται η γλωσσική τους ικανότητα.
Αυτές είναι από τις στιγμές που βλέπεις πολύ παραστατικά τι μπορεί να προσφέρει η υπολογιστική γλωσσολογία: να ξεκινάς από χιλιάδες κείμενα και καταγεγραμμένα λάθη και, μέσα από αυτά, να αρχίζει ξαφνικά να εμφανίζεται μια εικόνα της ίδιας της γλωσσικής ανάπτυξης των μαθητών.
Ίσως το μεγαλύτερο κλισέ σήμερα είναι ότι, επειδή ένας υπολογιστής μπορεί να συνομιλεί μαζί μας με τόσο φυσικό τρόπο, σημαίνει ότι «καταλαβαίνει» τη γλώσσα όπως την καταλαβαίνει ένας άνθρωπος. Τα πράγματα είναι πολύ πιο σύνθετα.
Τα σύγχρονα μοντέλα μπορούν να εντοπίζουν εξαιρετικά περίπλοκα μοτίβα μέσα σε τεράστιες ποσότητες γλωσσικών δεδομένων και να κάνουν πράγματα που πριν από λίγα χρόνια θα μας φαίνονταν σχεδόν αδιανόητα. Αυτό όμως δεν σημαίνει ότι πρέπει να ταυτίζουμε αυτή την ικανότητα με την ανθρώπινη κατανόηση.
Εδώ, πιστεύω, βρίσκεται και ένα από τα πιο ενδιαφέροντα κομμάτια της δουλειάς του υπολογιστικού γλωσσολόγου, δηλαδή να προσπαθεί να καταλάβει όχι μόνο τι μπορεί να κάνει ένα υπολογιστικό σύστημα χρησιμοποιώντας φυσική γλώσσα και πού αποτυγχάνει, αλλά και τι μας λέει τελικά αυτό τόσο για τις μηχανές όσο και για την ίδια τη φυσική γλώσσα.
Θα του έλεγα πρώτα απ’ όλα να καλλιεργήσει πραγματική περιέργεια για τη γλώσσα και να μην τη βλέπει αποκομμένη από την τεχνολογία. Η υπολογιστική γλωσσολογία έχει ενδιαφέρον ακριβώς επειδή σε βάζει να κινείσαι ανάμεσα στα δύο: να ξεκινάς είτε από ένα ερώτημα για το πώς λειτουργεί η γλώσσα είτε από ένα πρακτικό πρόβλημα -για παράδειγμα, πώς μπορούμε να βελτιώσουμε την εκμάθηση μιας γλώσσας, την αυτόματη μετάφραση ή την πρόσβαση στην πληροφορία- και να προσπαθείς να βρεις πώς μπορείς να το προσεγγίσεις με δεδομένα, υπολογιστικές μεθόδους και μοντέλα.
Θα του έλεγα επίσης να μη φοβάται αν δεν είναι «δυνατός» σε όλα από την αρχή. Δεν χρειάζεται σήμερα να είναι κανείς ειδικός ταυτόχρονα στη γλωσσολογία, στα μαθηματικά, στη στατιστική και στον προγραμματισμό. Χρειάζεται όμως να έχει ένα καλό υπόβαθρο, να ξέρει αρκετά από κάθε πεδίο ώστε να να μπορεί να διακρίνει τι χρειάζεται κάθε φορά και πώς να το αξιοποιήσει. Πιο σημαντική είναι η διάθεση να μαθαίνει συνεχώς, να πειραματίζεται και να μην απογοητεύεται όταν κάτι δεν λειτουργεί με την πρώτη.
Και τι θα του έκρυβα για να μην τρομάξει; Ίσως πόσο μεγάλο μέρος της δουλειάς δεν είναι η χρήση εντυπωσιακές εφαρμογών της τεχνητής νοημοσύνης, αλλά το να καθαρίζεις δεδομένα, να ψάχνεις γιατί κάτι δεν λειτουργεί όπως περίμενες και να ανακαλύπτεις, ύστερα από ώρες, ότι το πρόβλημα ήταν μια πολύ μικρή λεπτομέρεια. Θα του το έλεγα αργότερα!
Κανείς δεν μπορεί πραγματικά να γνωρίζει πώς θα είναι η υπολογιστική γλωσσολογία σε πέντε ή δέκα χρόνια. Ο κλάδος αλλάζει σήμερα με τέτοια ταχύτητα, ώστε ακόμη και πολύ πιο βραχυπρόθεσμες προβλέψεις είναι δύσκολες.
Αυτό που φαίνεται, όμως, είναι ότι η τεχνητή νοημοσύνη και τα μεγάλα γλωσσικά μοντέλα, που αποτελούν σήμερα ίσως την πιο καθοριστική εξέλιξη στην επεξεργασία της φυσικής γλώσσας, αλλάζουν ήδη τον ίδιο τον τρόπο με τον οποίο δουλεύουμε. Πολλά προβλήματα που μέχρι πρόσφατα αντιμετωπίζαμε με ξεχωριστά εργαλεία και μοντέλα μπορούν πλέον να προσεγγιστούν μέσα από πολύ πιο γενικά συστήματα. Αυτό σημαίνει ότι αλλάζει και ο ρόλος του υπολογιστικού γλωσσολόγου, αφού δεν αρκεί πλέον μόνο να κατασκευάζει ένα σύστημα που «δουλεύει», αλλά χρειάζεται να κατανοεί πώς λειτουργεί, πώς αξιολογείται και πώς μπορεί να προσαρμοστεί σε διαφορετικές γλώσσες ή γλωσσικές ποικιλίες.
Φαντάζομαι, λοιπόν, έναν κλάδο ακόμη πιο διεπιστημονικό, πιο κοντά στην τεχνητή νοημοσύνη, αλλά ταυτόχρονα με ακόμη μεγαλύτερη ανάγκη για βαθιά γνώση της ίδιας της γλώσσας.
Το να βρίσκομαι μέσα σε αυτή την εξέλιξη είναι συναρπαστικό, γιατί έχουμε την ευκαιρία όχι μόνο να παρακολουθούμε αλλά, σε έναν βαθμό, και να συμμετέχουμε σε μια μεγάλη αλλαγή στον τρόπο με τον οποίο η τεχνολογία επεξεργάζεται και χρησιμοποιεί τη γλώσσα. Και αυτό δημιουργεί, μαζί με τον ενθουσιασμό, και μια σημαντική ευθύνη.
Στο τέλος της ημέρας, είστε χαρούμενος με την προσφορά σας;
Ναι, είμαι, αν και νομίζω ότι στην έρευνα δύσκολα αισθάνεσαι ότι έχεις ολοκληρώσει αυτό που θέλεις να προσφέρεις. Πάντα υπάρχει ένα επόμενο ερώτημα, ένα εργαλείο που μπορεί να γίνει καλύτερο ή κάτι καινούργιο που θέλεις να δοκιμάσεις.
Αυτό που με ενδιαφέρει περισσότερο είναι η δουλειά μας να αφήνει κάτι χειροπιαστό και να έχει πραγματικό όφελος για τους ανθρώπους: δεδομένα και εργαλεία που μπορούν να χρησιμοποιήσουν και άλλοι ερευνητές, εφαρμογές που μπορούν να βοηθήσουν στην εκπαίδευση, στην πρόσβαση στη γνώση και, φυσικά, φοιτητές που αρχίζουν να βλέπουν τη γλώσσα και την τεχνολογία με έναν διαφορετικό τρόπο.
Θα σκεφτόσασταν να αλλάξετε εντελώς δουλειά ή καριέρα, και γιατί;
Όχι, δεν το σκέφτομαι. Ο βασικός λόγος είναι ότι αισθάνομαι πως υπάρχουν ακόμη πάρα πολλά που δεν έχω κάνει και πολλά ερωτήματα με τα οποία θα ήθελα να συνεχίσω να ασχολούμαι.
Η υπολογιστική γλωσσολογία είναι ένα πεδίο που αλλάζει διαρκώς και, ειδικά αυτή την περίοδο, ανοίγονται δυνατότητες που πριν από λίγα χρόνια δύσκολα μπορούσαμε να φανταστούμε. Και υπάρχει, βέβαια, και η διδασκαλία. Το να βλέπεις φοιτητές να μπαίνουν σε αυτόν τον χώρο, να αρχίζουν να διατυπώνουν τα δικά τους ερωτήματα και να προχωρούν ένα βήμα παραπέρα είναι από μόνο του ένας πολύ καλός λόγος για να θέλεις να συνεχίσεις.
Οπότε, περισσότερο από το να σκέφτομαι μια διαφορετική καριέρα, σκέφτομαι πόσα πράγματα μένουν ακόμη να κάνω μέσα σε αυτήν.
