Οι Πιο Σημαντικές Συνεντεύξεις για την AI που Όλοι Έχασαν

Οι πιο σημαντικές αποκαλύψεις για το μέλλον της τεχνητής νοημοσύνης σπάνια βρίσκονται σε γυαλισμένα δελτία τύπου ή φανταχτερά keynotes. Αντίθετα, είναι θαμμένες στις παύσεις, στις νευρικές απαντήσεις και στις τεχνικές λεπτομέρειες των long-form συνεντεύξεων που οι περισσότεροι προσπερνούν. Όταν ένας CEO μιλάει για τρεις ώρες σε ένα τεχνικό podcast, η εταιρική μάσκα κάποια στιγμή πέφτει. Αυτές οι στιγμές αποκαλύπτουν μια πραγματικότητα που έρχεται σε κόντρα με το επίσημο marketing. Ενώ οι δηλώσεις εστιάζουν στην ασφάλεια και τον εκδημοκρατισμό, τα αυθόρμητα σχόλια δείχνουν έναν ξέφρενο αγώνα για ωμή ισχύ και μια σιωπηλή παραδοχή ότι ο δρόμος μπροστά γίνεται πιο ακριβός και λιγότερο προβλέψιμος. Το βασικό συμπέρασμα από τον τελευταίο χρόνο διαλόγου υψηλού επιπέδου είναι ότι η βιομηχανία απομακρύνεται από τα chatbots γενικής χρήσης και κατευθύνεται προς εξειδικευμένους, high-compute agents που απαιτούν τεράστιες αλλαγές στο infrastructure. Αν διαβάζεις μόνο τους τίτλους των ειδήσεων, έχασες την παραδοχή ότι οι τρέχουσες μέθοδοι scaling ίσως χτυπάνε σε τοίχο. Η πραγματική ιστορία κρύβεται στον τρόπο που αυτοί οι ηγέτες περιγράφουν τους περιορισμούς στο hardware και τους ορισμούς της νοημοσύνης που αλλάζουν.

Για να καταλάβεις αυτές τις αλλαγές, πρέπει να δεις συγκεκριμένες συζητήσεις με ηγέτες από την OpenAI, την Anthropic και την Google DeepMind. Πρόσφατα, η εστίαση μετατοπίστηκε από το τι μπορούν να κάνουν τα μοντέλα στο πώς κατασκευάζονται. Για παράδειγμα, όταν ο Dario Amodei της Anthropic μιλάει για scaling laws, δεν αναφέρεται απλώς στο να γίνουν τα μοντέλα μεγαλύτερα. Αφήνει υπονοούμενα για ένα μέλλον όπου το κόστος εκπαίδευσης ενός μόνο μοντέλου θα μπορούσε να φτάσει τα δεκάδες δισεκατομμύρια δολάρια. Αυτή είναι μια τεράστια αλλαγή από τις πρώτες μέρες του κλάδου, όταν μερικά εκατομμύρια δολάρια αρκούσαν για να ανταγωνιστείς. Αυτές οι συνεντεύξεις αποκαλύπτουν ένα αυξανόμενο χάσμα ανάμεσα στις εταιρείες που αντέχουν αυτό το “compute tax” και σε εκείνες που όχι. Οι υπεκφυγές είναι εξίσου αποκαλυπτικές με τις απαντήσεις. Όταν ερωτώνται για την προέλευση των training data, τα στελέχη συχνά στρέφουν τη συζήτηση στα synthetic data. Αυτό είναι ένα στρατηγικό hint ότι το internet έχει ουσιαστικά εξαντληθεί ως πόρος. Η βιομηχανία προσπαθεί τώρα να βρει πώς θα κάνει τα μοντέλα να μαθαίνουν από τη δική τους λογική αντί να μιμούνται απλώς ανθρώπινο κείμενο. Αυτή η αλλαγή στρατηγικής σπάνια ανακοινώνεται σε ένα blog post, αλλά είναι το κύριο θέμα συζήτησης σε τεχνικούς κύκλους.

Οι παγκόσμιες επιπτώσεις αυτών των σιωπηλών παραδοχών είναι βαθιές. Βλέπουμε την αρχή αυτού που κάποιοι αποκαλούν compute sovereignty. Τα έθνη δεν ψάχνουν πια για software. Ψάχνουν για το φυσικό infrastructure για να τρέξουν αυτά τα μοντέλα. Οι συνεντεύξεις υποδηλώνουν ότι η επόμενη φάση ανάπτυξης θα καθοριστεί από την παραγωγή ενέργειας και τα chip supply chains, παρά από το έξυπνο coding. Αυτό επηρεάζει τους πάντες, από τους ρυθμιστικούς φορείς μέχρι τους ιδιοκτήτες μικρών επιχειρήσεων. Αν τα κορυφαία μοντέλα απαιτούν την ενέργεια μιας μικρής πόλης για να εκπαιδευτούν, η δύναμη θα συγκεντρωθεί φυσικά στα χέρια λίγων οντοτήτων. Αυτό έρχεται σε αντίθεση με το αφήγημα του open access που πολλές εταιρείες ακόμα προωθούν. Τα στρατηγικά hints σε τεχνικές συζητήσεις δείχνουν ότι η “ανοιχτή” εποχή της AI έχει ουσιαστικά τελειώσει για τα πιο προηγμένα συστήματα. Αυτή η στροφή επηρεάζει ήδη το πώς κατανέμεται το venture capital και πώς γράφονται οι εμπορικές πολιτικές στην Ουάσιγκτον και στις Βρυξέλλες. Ο κόσμος αντιδρά στην πραγματικότητα αυτών των συνεντεύξεων, ακόμα κι αν το ευρύ κοινό ασχολείται ακόμα με τα τελευταία features ενός chatbot. Για περισσότερο βάθος σε αυτές τις αλλαγές, μπορείς να παρακολουθήσεις την τελευταία ανάλυση της βιομηχανίας AI για να δεις πώς αυτά τα εταιρικά σήματα μεταφράζονται σε κινήσεις της αγοράς.

Για να καταλάβεις τον αντίκτυπο στον πραγματικό κόσμο, σκέψου τη μέρα ενός lead developer σε μια μεσαία εταιρεία software. Πλέον, αυτός ο developer δεν γράφει απλώς κώδικα. Περνάει ώρες βλέποντας raw πλάνα από συνεντεύξεις ερευνητών για να καταλάβει ποια APIs θα καταργηθούν και ποια θα λάβουν περισσότερο compute. Ακούει έναν ερευνητή να αναφέρει ότι τα “reasoning tokens” είναι η νέα προτεραιότητα. Ξαφνικά, ο developer συνειδητοποιεί ότι η τρέχουσα στρατηγική integration είναι ξεπερασμένη. Πρέπει να κάνει pivot από το να φτιάχνει απλά wrappers στο να σχεδιάζει συστήματα που μπορούν να διαχειριστούν long-form βήματα συλλογιστικής. Αυτό δεν είναι μια θεωρητική αλλαγή. Είναι μια πρακτική ανάγκη που οδηγείται από την τεχνική κατεύθυνση που αποκαλύφθηκε σε μια δίωρη συζήτηση σε ένα niche κανάλι στο YouTube. Η σύγχυση που έχουν οι περισσότεροι είναι η ιδέα ότι η AI είναι ένα έτοιμο προϊόν. Στην πραγματικότητα, είναι ένας κινούμενος στόχος. Όταν ένα στέλεχος αποφεύγει μια ερώτηση για την κατανάλωση ενέργειας του τελευταίου μοντέλου, σου λέει ότι το κόστος των API calls σου πιθανότατα θα ανέβει. Όταν δείχνουν ένα demo ενός μοντέλου που “σκέφτεται” πριν μιλήσει, σε προετοιμάζουν για ένα μέλλον όπου το latency είναι feature και όχι bug. Αυτά τα σήματα πληροφορίας είναι ο μόνος τρόπος να μείνεις μπροστά από τις εξελίξεις.

Το οπτικό υλικό σε αυτές τις συνεντεύξεις παρέχει αποδείξεις που τα transcripts από μόνα τους δεν μπορούν να πιάσουν. Όταν ένας CEO ερωτάται για την πιθανότητα τα μοντέλα να αντικαταστήσουν συγκεκριμένους τομείς εργασίας, η γλώσσα του σώματος συχνά προδίδει έναν βαθμό βεβαιότητας που τα λόγια του προσπαθούν να μετριάσουν. Ένα νευρικό γέλιο ή μια γρήγορη ματιά μακριά από την κάμερα μπορεί να σημαίνει ότι οι εσωτερικές προβλέψεις είναι πολύ πιο επιθετικές από τις δημόσιες δηλώσεις. Το βλέπουμε αυτό όταν οι ηγέτες συζητούν το χρονοδιάγραμμα για την AGI. Η λεκτική απάντηση μπορεί να είναι “μέσα στη δεκαετία”, αλλά η ένταση της συζήτησης δείχνει ότι λειτουργούν με ένα πολύ πιο σφιχτό πρόγραμμα. Αυτό δημιουργεί μια αποσύνδεση ανάμεσα σε αυτό που περιμένει το κοινό και σε αυτό που πραγματικά χτίζουν οι εταιρείες. Το διακύβευμα είναι μεγάλο. Αν οι επιχειρήσεις προετοιμάζονται για μια αργή μετάβαση ενώ η τεχνολογία κινείται με επιταχυνόμενο ρυθμό, η οικονομική τριβή θα είναι σοβαρή. Τα παραδείγματα νέων προϊόντων όπως η σειρά OpenAI o1 δείχνουν ότι το επιχείρημα για μοντέλα που “σκέφτονται” είναι αληθινό. Δεν είναι πια μια θεωρία για καλύτερο autocomplete. Είναι μια θεμελιώδης αλλαγή στον τρόπο που οι μηχανές επεξεργάζονται τη λογική.

Εφαρμόζοντας Σωκρατικό σκεπτικισμό σε αυτές τις συνεντεύξεις, αποκαλύπτονται κρυφά κόστη και ανεπίλυτες εντάσεις. Αν αυτά τα μοντέλα γίνονται πιο αποδοτικά, γιατί η ζήτηση για ενέργεια αυξάνεται με εκθετικό ρυθμό; Οι ηγέτες του κλάδου μιλούν συχνά για κέρδη στην αποδοτικότητα, ενώ ταυτόχρονα ζητούν εκατοντάδες δισεκατομμύρια δολάρια για νέα data centers. Αυτή είναι μια αντίφαση που παραμένει σε μεγάλο βαθμό αναπάντητη. Ποιος θα πληρώσει τελικά για αυτό το infrastructure; Το κρυφό κόστος μπορεί να μην είναι μόνο οικονομικό, αλλά και περιβαλλοντικό και κοινωνικό. Υπάρχει επίσης το ερώτημα της ιδιωτικότητας σε μια εποχή “agentic” AI. Αν μια AI πρόκειται να ενεργεί για λογαριασμό σου, χρειάζεται πρόσβαση στα πιο ευαίσθητα δεδομένα σου. Οι συνεντεύξεις σπάνια δίνουν μια σαφή απάντηση για το πώς αυτά τα δεδομένα θα προστατεύονται με τρόπο που να ικανοποιεί τόσο τη χρηστικότητα όσο και την ασφάλεια. Πρέπει επίσης να ρωτήσουμε για την εργασία που απαιτείται για αυτά τα μοντέλα. Ο “human in the loop” είναι συχνά ένας χαμηλόμισθος εργαζόμενος σε μια αναπτυσσόμενη χώρα που κάνει labeling σε εξαντλητικές συνθήκες. Αυτό το κομμάτι της ιστορίας σχεδόν πάντα παραλείπεται από τις visionary ομιλίες υψηλού επιπέδου.

Η σιωπή σε αυτά τα θέματα είναι από μόνη της μια μορφή επικοινωνίας. Μας δείχνει πού βρίσκονται τα τρωτά σημεία της βιομηχανίας. Μας ζητείται να εμπιστευτούμε ένα όραμα για το μέλλον που δεν έχει ακόμη λογαριάσει τις δικές του φυσικές και ηθικές βάσεις.

Έχετε μια ιστορία, εργαλείο, τάση ή ερώτηση σχετικά με την τεχνητή νοημοσύνη που πιστεύετε ότι πρέπει να καλύψουμε; Στείλτε μας την ιδέα σας για άρθρο — θα χαρούμε να την ακούσουμε.

Για τους power users και τους developers, το geek section αυτών των συνεντεύξεων είναι εκεί που βρίσκεται η πραγματική αξία. Η συζήτηση συχνά στρέφεται στα συγκεκριμένα όρια των τρεχουσών αρχιτεκτονικών. Ακούμε όλο και περισσότερα για το “memory wall”, όπου η ταχύτητα μεταφοράς δεδομένων μεταξύ επεξεργαστή και μνήμης γίνεται το κύριο bottleneck. Γι’ αυτό το τοπικό storage και το edge computing γίνονται βασικά θέματα συζήτησης. Αν το cloud είναι πολύ αργό ή πολύ ακριβό για real-time εφαρμογές, η βιομηχανία πρέπει να στραφεί σε μικρότερα, πιο αποδοτικά μοντέλα που μπορούν να τρέξουν σε hardware καταναλωτών. Οι συνεντεύξεις δείχνουν ότι θα δούμε μια διχοτομημένη αγορά. Θα υπάρχουν τεράστια μοντέλα με τρισεκατομμύρια παραμέτρους στο cloud για σύνθετες εργασίες και εξαιρετικά βελτιστοποιημένα, distilled μοντέλα για καθημερινή χρήση. Οι developers πρέπει να προσέχουν τις αναφορές σε “quantization” και “speculative decoding”. Αυτές είναι οι τεχνικές που θα καθορίσουν αν μια εφαρμογή είναι βιώσιμη για το μαζικό κοινό. Τα όρια στα API είναι ένας άλλος κρίσιμος παράγοντας. Ενώ το marketing υπόσχεται απεριόριστες δυνατότητες, η τεχνική πραγματικότητα είναι μια συνεχής μάχη με τα rate limits και το κόστος των tokens. Η κατανόηση των workflow integrations που αναφέρουν οι ερευνητές είναι το κλειδί για τη δημιουργία βιώσιμων προϊόντων. Κινούμαστε προς έναν κόσμο όπου το μοντέλο είναι μόνο ένα μέρος ενός μεγαλύτερου “compound AI system” που περιλαμβάνει βάσεις δεδομένων, εργαλεία αναζήτησης και εξωτερικούς εκτελεστές κώδικα.

• Η στροφή από τη λογική του ενός μοντέλου σε compound systems που χρησιμοποιούν πολλαπλά εργαλεία για την επαλήθευση των απαντήσεων.
• Η αυξανόμενη σημασία του inference-time compute, όπου το μοντέλο αφιερώνει περισσότερο χρόνο στην επεξεργασία ενός μεμονωμένου ερωτήματος.

Η ουσία είναι ότι οι πιο σημαντικές πληροφορίες στον κόσμο της AI είναι κρυμμένες σε κοινή θέα. Αγνοώντας τις long-form συνεντεύξεις και εστιάζοντας μόνο στα highlights, οι περισσότεροι χάνουν τη στρατηγική στροφή που συντελείται αυτή τη στιγμή. Η βιομηχανία περνάει από μια φάση ανακάλυψης σε μια φάση μαζικής εκβιομηχάνισης. Αυτό απαιτεί διαφορετικές δεξιότητες και έναν διαφορετικό τρόπο σκέψης για την τεχνολογία. Οι υπεκφυγές και οι αντιφάσεις των ηγετών του χώρου δεν είναι απλώς εταιρικό PR. Είναι ο χάρτης των προκλήσεων που θα καθορίσουν τα επόμενα πέντε χρόνια. Κινούμαστε προς ένα μέλλον όπου η “νοημοσύνη” είναι ένα εμπόρευμα που εξορύσσεται, διυλίζεται και πωλείται όπως ο ηλεκτρισμός. Το αν αυτό θα οδηγήσει σε μια πιο παραγωγική κοινωνία ή σε μια πιο συγκεντρωτική, εξαρτάται από το πώς ερμηνεύουμε αυτά τα πρώιμα σήματα και ποιες ερωτήσεις επιλέγουμε να κάνουμε τώρα. Τα σήματα είναι εκεί για όποιον είναι διατεθειμένος να ακούσει πέρα από το hype.

Σημείωση συντάκτη: Δημιουργήσαμε αυτόν τον ιστότοπο ως έναν πολύγλωσσο κόμβο ειδήσεων και οδηγών τεχνητής νοημοσύνης για άτομα που δεν είναι φανατικοί των υπολογιστών, αλλά εξακολουθούν να θέλουν να κατανοήσουν την τεχνητή νοημοσύνη, να τη χρησιμοποιούν με μεγαλύτερη αυτοπεποίθηση και να παρακολουθούν το μέλλον που ήδη έρχεται.

Βρήκατε κάποιο λάθος ή κάτι που χρειάζεται διόρθωση; Ενημερώστε μας.