Ο ανταγωνισμός της τεχνητής νοημοσύνης

Πώς αναγνωρίζουμε όταν μια τεχνολογία παύει να είναι απλώς εντυπωσιακή και αρχίζει να αποκτά ουσιαστική σημασία για τη ζωή και την εργασία μας; Σε κάθε τεχνολογία που εισέρχεται στην καθημερινότητά μας υπάρχει ένα σημείο καμπής. Στην περίπτωση της τεχνητής νοημοσύνης, αυτό το σημείο είναι η μετάβαση από την «έξυπνη συνομιλία» στην πραγματική εκτέλεση: μοντέλα που σκέφτονται πιο συστηματικά, ενεργούν με μεγαλύτερη αξιοπιστία και αναλαμβάνουν αθόρυβα εργασίες που μέχρι πρόσφατα θεωρούσαμε αποκλειστικά ανθρώπινες.

Tο 2023 και το 2024, η δημόσια συζήτηση για την τεχνητή νοημοσύνη περιστρεφόταν κυρίως γύρω από τη γνώση: πόσα «ξέρει» ένα μοντέλο, αν παρουσιάζει παραισθήσεις και πόσο πειστικά μπορεί να μιμηθεί την ανθρώπινη εμπειρογνωμοσύνη. Το 2025, αυτή η οπτική άρχισε να φαντάζει… ξεπερασμένη. Η καθοριστική αλλαγή δεν ήταν ότι τα μοντέλα έγιναν ξαφνικά παντογνώστες, αλλά ότι έγιναν λειτουργικά, ικανά να σχεδιάζουν, να χρησιμοποιούν εργαλεία, να παραμένουν συνεπή για αρκετό χρονικό διάστημα και να διατηρούν συνοχή αρκετή ώστε να ολοκληρώνουν σύνθετες εργασίες με απτά παραδοτέα.

Αυτή η μετατόπιση έγινε ορατή και στην καθημερινή χρήση. Οι άνθρωποι πλέον σταμάτησαν να αξιοποιούν την τεχνητή νοημοσύνη μόνο για να «γράψουν μια παράγραφο» και άρχισαν να τη χρησιμοποιούν για να «παραδώσουν την πρώτη έκδοση ενός προϊόντος», να «διορθώσουν ολόκληρη μια βάση κώδικα», να «συγκεντρώσουν πηγές και να δημιουργήσουν ένα δομημένο υπόμνημα» ή να «εκτελέσουν μια πλήρη ροή εργασίας από την αρχή μέχρι το τέλος». Το όριο μετακινήθηκε από το έξυπνο κείμενο σε κάτι που μοιάζει περισσότερο με έναν νεαρό συνάδελφο με αντοχή: ακόμη επιρρεπή σε λάθη, ακόμη με ανάγκη εποπτείας, αλλά πλέον ικανό για συνεχή και ουσιαστική συνεισφορά.

Η αλλαγή αυτή αποτυπώθηκε και σε μετρήσεις που έχουν πραγματικό νόημα. Τον Μάρτιο του 2025, η METR παρουσίασε έναν τρόπο ποσοτικοποίησης του «χρονικού ορίζοντα» ολοκλήρωσης μιας εργασίας από ένα μοντέλο – δηλαδή, για πόσο καιρό μπορεί να εργάζεται σε μια σύνθετη εργασία χωρίς να αποτυγχάνει συχνότερα απ’ ό,τι επιτυγχάνει. Τα ευρήματα έδειξαν μια εντυπωσιακή τάση: οι χρονικοί ορίζοντες διπλασιάζονταν περίπου κάθε επτά μήνες. Στα τέλη του 2025, η Epoch AI υποστήριξε ότι η συνολική πρόοδος στις δυνατότητες των μοντέλων φαίνεται να έχει επιταχυνθεί, σε ευθυγράμμιση με την άνοδο των μοντέλων συλλογιστικής και τη στροφή των κορυφαίων εργαστηρίων προς την ενισχυτική μάθηση.

Το κρίσιμο ερώτημα, επομένως, δεν είναι αν το 2025 έφερε «πιο έξυπνα chatbots», αλλά αν σηματοδότησε την αρχή μιας νέας φάσης: μοντέλα που δίνουν προτεραιότητα στη λογική και μηχανές που χρησιμοποιούν εργαλεία, εξελισσόμενες τόσο γρήγορα ώστε ο βασικός περιορισμός να μετατοπίζεται από το «IQ του μοντέλου» στην υποδομή, τη διακυβέρνηση και την ικανότητα μαζικής ανάπτυξης.

Τι προδιαγράφεται για το 2026; Η Κίνα ήδη αναδιαμορφώνει σιωπηλά τον παγκόσμιο ανταγωνισμό στην τεχνητή νοημοσύνη. Το πενταετές σχέδιό της, που φαίνεται να ολοκληρώνεται τον Μάρτιο του 2026, στοχεύει στη μετατροπή της τεχνητής νοημοσύνης σε καθημερινή υποδομή για εργοστάσια, σχολεία, νοσοκομεία, δημόσιους φορείς και την καταναλωτική ζωή. Η έμφαση μετατοπίζεται από τις πιο εντυπωσιακές καινοτομίες στη γρήγορη, πανεθνική υιοθέτηση υπαρχόντων μοντέλων, παράλληλα με αυστηρότερους περιορισμούς για συστήματα που προσομοιάζουν έντονα με τον άνθρωπο.

Η στρατηγική της Κίνας θέτει συγκεκριμένους στόχους: ευρεία χρήση της τεχνητής νοημοσύνης σε συγκεκριμένους τομείς (έρευνα, παραγωγή, κατανάλωση, υγεία, εκπαίδευση, ψηφιακή διακυβέρνηση και εξαγώγιμη τεχνολογία) έως το 2027, καθολική διάδοση έως το 2030 και οικοδόμηση μιας «έξυπνης κοινωνίας» έως το 2035. Το διακύβευμα είναι σαφές: στην τεχνητή νοημοσύνη, η διάδοση μπορεί να ξεπεράσει την εφεύρεση, μετατρέποντας τα «αρκετά καλά» μοντέλα σε τεράστια άλματα παραγωγικότητας. Την ίδια στιγμή, η κυκλοφορία ανοιχτών μοντέλων όπως το WeDLM-8B-Instruct της Tencent και οι ανησυχίες των Δυτικών για διαρκείς «κόκκινους συναγερμούς» αντανακλούν έναν κλιμακούμενο ανταγωνισμό.

Ολο και περισσότερο γίνεται σαφές ότι η πραγματική μάχη δεν αφορά μόνο τα καλύτερα μοντέλα, αλλά την πιο έξυπνη ανάπτυξη, την αξιόπιστη διακυβέρνηση και – τελικά – την προσέλευση της αποσπασμένης προσοχής μας.

Ο Στέλιος Παπαθανασόπουλος είναι καθηγητής στο Τμήμα Επικοινωνίας και ΜΜΕ του Εθνικού και Καποδιστριακού Πανεπιστημίου Αθηνών