Αίθουσα 9, τάσεις, σενάρια και αβεβαιότητα
Η αίθουσα δεν προσπαθεί να προβλέψει το μέλλον σαν να ήταν βέβαιο. Ξεχωρίζει όσα συμβαίνουν ήδη, τις ισχυρές τεχνολογικές τάσεις και όσα παραμένουν ουσιαστικά αβέβαια.
Άνοιξε τη διαδραστική αίθουσα →Τα συστήματα ΤΝ αρχίζουν να χρησιμοποιούν υπολογιστές και εργαλεία για να ολοκληρώνουν ακολουθίες ενεργειών. Στο OSWorld, οι επιδόσεις agents ανέβηκαν περίπου από 12% σε 66,3% μέσα σε έναν χρόνο, αλλά εξακολουθούν να αποτυγχάνουν περίπου στη μία από τις τρεις δοκιμές.
Η ρομποτική συνδέεται με μοντέλα όρασης και γλώσσας. Παρ’ όλα αυτά, η απόσταση ανάμεσα σε ένα ελεγχόμενο εργαστήριο και ένα απρόβλεπτο σπίτι παραμένει μεγάλη: ο AI Index αναφέρει μόλις 12% επιτυχία σε πραγματικές οικιακές εργασίες.
Τα self-driving laboratories συνδυάζουν ΤΝ, ρομποτική και αυτοματισμό: το σύστημα προτείνει ένα πείραμα, το εκτελεί και χρησιμοποιεί τα αποτελέσματα για το επόμενο βήμα. Σήμερα λειτουργούν κυρίως σε στενά, καλά ορισμένα πεδία.
Η ΤΝ χρησιμοποιείται ήδη σε διάγνωση, σχεδιασμό φαρμάκων και έρευνα για ιατρικά digital twins. Τα πρώτα αποτελέσματα είναι υποσχόμενα, αλλά η κλινική αξιοπιστία και η γενίκευση χρειάζονται αυστηρή αξιολόγηση.
Η παραγωγική ΤΝ έχει ήδη μπει μαζικά στη μελέτη και στην εκπαίδευση. Το κρίσιμο ερώτημα μετακινείται από το «θα τη χρησιμοποιήσουν οι μαθητές;» στο «τι πρέπει να μαθαίνει ο άνθρωπος όταν η μηχανή μπορεί να γράψει, να λύσει και να εξηγήσει;».
Η ILO εκτιμά ότι ένας στους τέσσερις εργαζομένους βρίσκεται σε επάγγελμα με κάποιο βαθμό έκθεσης στη generative AI. Η πιο πιθανή βραχυπρόθεσμη επίδραση είναι ο μετασχηματισμός καθηκόντων και όχι η αυτόματη εξαφάνιση ολόκληρων επαγγελμάτων.
Η πρόοδος δεν ακολουθεί μόνο την κλιμάκωση. Μικρότερα και εξειδικευμένα μοντέλα μπορούν σε ορισμένες εργασίες να είναι ιδιαίτερα ανταγωνιστικά, ενώ η τοπική εκτέλεση μπορεί να μειώσει κόστος, καθυστέρηση ή έκθεση δεδομένων.
Η ΤΝ απαιτεί φυσική υποδομή: chips, data centres, ψύξη και ηλεκτρική ενέργεια. Στο βασικό σενάριο της IEA, η κατανάλωση ηλεκτρισμού των data centres παγκοσμίως περίπου διπλασιάζεται και φτάνει γύρω στις 945 TWh το 2030.
Όσο η ΤΝ περνά σε κρίσιμες αποφάσεις, αυξάνονται οι απαιτήσεις για διαφάνεια, αξιολόγηση, προέλευση περιεχομένου και λογοδοσία. Στην Ευρώπη ο AI Act εφαρμόζεται σταδιακά και αυτή η εφαρμογή θα συνεχιστεί τα επόμενα χρόνια.
Δεν υπάρχει επιστημονική συμφωνία για το αν ή πότε θα υπάρξει γενική τεχνητή νοημοσύνη. Τα σημερινά συστήματα εμφανίζουν όλο και πιο αυτόνομες ικανότητες, αλλά αυτό δεν ισοδυναμεί με αποδεδειγμένη πορεία προς AGI ή με αναπόφευκτη απώλεια ελέγχου.