Η μεγάλη αυταπάτη της Τεχνητής Νοημοσύνης: Γιατί κυβερνήσεις και εταιρείες κινδυνεύουν να μπερδέψουν την εντύπωση με την πραγματικότητα
Πολλές επιχειρήσεις συνεχίζουν να επιδιώκουν υψηλές αποτιμήσεις και να επενδύουν σε ολοένα μεγαλύτερα μοντέλα Τεχνητής Νοημοσύνης
Η έκρηξη της γενετικής Τεχνητής Νοημοσύνης (Generative AI) τα τελευταία χρόνια δημιούργησε προσδοκίες που για πολλούς θύμιζαν τεχνολογική επανάσταση αντίστοιχη με την έλευση του διαδικτύου. Εταιρείες έσπευσαν να επενδύσουν δισεκατομμύρια δολάρια, κυβερνήσεις ανακοίνωσαν εθνικές στρατηγικές για την Τεχνητή Νοημοσύνη και οι μεγαλύτεροι τεχνολογικοί κολοσσοί επιδόθηκαν σε έναν αγώνα ανάπτυξης ολοένα και ισχυρότερων μοντέλων.
σχετικά άρθρα
Ωστόσο, καθώς η αρχική ευφορία αρχίζει να υποχωρεί, πληθαίνουν οι φωνές που υποστηρίζουν ότι το χάσμα ανάμεσα στην πραγματική αξία της τεχνολογίας και στην εικόνα που έχει δημιουργηθεί γύρω από αυτήν γίνεται ολοένα και μεγαλύτερο.
Σύμφωνα με την ανάλυση του GM, πολλές επιχειρήσεις συνεχίζουν να επιδιώκουν υψηλές αποτιμήσεις και να επενδύουν σε ολοένα μεγαλύτερα μοντέλα Τεχνητής Νοημοσύνης, την ώρα που οι πραγματικές αποδόσεις εμφανίζονται πιο περιορισμένες και οι τεχνικές και οικονομικές δυσκολίες αυξάνονται.
Παράλληλα, κυβερνήσεις στην περιοχή του Ινδο-Ειρηνικού, αλλά και σε χώρες της Δυτικής Ευρώπης και της Βόρειας Αμερικής, αρχίζουν να αντιλαμβάνονται έναν κίνδυνο που μέχρι πρόσφατα περνούσε απαρατήρητος: την τάση να αντιμετωπίζονται οι πειστικές και καλογραμμένες απαντήσεις των συστημάτων Τεχνητής Νοημοσύνης ως αξιόπιστη γνώση.
Ο όρος που χρησιμοποιείται για να περιγράψει αυτό το φαινόμενο είναι «παραμόρφωση αντίληψης» (perception dysmorphia). Πρόκειται ουσιαστικά για την τάση ανθρώπων και θεσμών να συγχέουν την ευφράδεια και την αυτοπεποίθηση μιας απάντησης με την ακρίβεια και την αξιοπιστία της.
Η συγκεκριμένη παρανόηση, σύμφωνα με τον συντάκτη της ανάλυσης, δημιουργεί ένα σοβαρό στρατηγικό πρόβλημα. Οι κυβερνήσεις εξακολουθούν να επικεντρώνονται κυρίως στον ορατό ανταγωνισμό γύρω από τα τσιπ, την ενέργεια, τις πρώτες ύλες και τις εφοδιαστικές αλυσίδες, ενώ αφιερώνουν πολύ λιγότερη προσοχή σε λιγότερο εμφανείς αλλά εξίσου κρίσιμους τομείς, όπως η συμπεριφορά των μοντέλων, η διακυβέρνηση των δεδομένων, η αξιοπιστία των μετρήσεων και η επιρροή που ασκούν οι ίδιες οι πλατφόρμες.
Το αποτέλεσμα είναι ένα περιβάλλον στο οποίο οι χώρες προσπαθούν να ελέγξουν τα μέσα παραγωγής της Τεχνητής Νοημοσύνης, αλλά παραμελούν τη διαχείριση των αποτελεσμάτων που αυτή παράγει.
Η μάχη δεν δίνεται μόνο στα τσιπ και στα εργοστάσια
Οι πρόσφατες γεωπολιτικές εξελίξεις δείχνουν πόσο περίπλοκο έχει γίνει το οικοσύστημα της Τεχνητής Νοημοσύνης.
Οι εντάσεις γύρω από το Ιράν και οι διαταραχές στην περιοχή των Στενών του Ορμούζ επηρέασαν ακόμη και τη διαθεσιμότητα του ηλίου, ενός υλικού απαραίτητου για συγκεκριμένες βιομηχανικές διαδικασίες που συνδέονται με την παραγωγή προηγμένων μνημών υψηλού εύρους ζώνης (HBM).
Το παράδειγμα δείχνει ότι ακόμη και υλικά που θεωρούνται δευτερεύοντα μπορούν να αποκτήσουν ιδιαίτερη στρατηγική σημασία μέσα σε εξαιρετικά πολύπλοκες τεχνολογικές αλυσίδες.
Παράλληλα, πολλές εταιρείες μεταφέρουν κρίσιμες υποδομές και λειτουργίες στο εξωτερικό, προκειμένου να επεκταθούν γρηγορότερα και με χαμηλότερο κόστος. Στη συνέχεια επανεισάγουν τα προϊόντα και τις υπηρεσίες τους στις εγχώριες αγορές, περιορίζοντας ουσιαστικά τη δυνατότητα των κρατών να ασκούν αποτελεσματικό έλεγχο.
Η υπόθεση του TikTok στις Ηνωμένες Πολιτείες αποτελεί χαρακτηριστικό παράδειγμα. Μια αρχική προσπάθεια περιορισμού της κινεζικής επιρροής εξελίχθηκε τελικά σε ευρύτερη γεωπολιτική αντιπαράθεση γύρω από τα δεδομένα, την ψηφιακή κυριαρχία και τον έλεγχο της πληροφορίας.
Παρόμοιες τάσεις εμφανίζονται πλέον και σε χώρες της Νοτιοανατολικής Ασίας, όπως το Βιετνάμ και η Ινδονησία, όπου οι ρυθμιστικές φιλοδοξίες συχνά ξεπερνούν τις πραγματικές δυνατότητες εφαρμογής των κανόνων.
Την ίδια στιγμή, η Ινδία φαίνεται να εξετάζει πιο πρακτικές και συμβατικές προσεγγίσεις, βασισμένες σε νομικές συμφωνίες και συγκεκριμένες υποχρεώσεις των εμπλεκομένων.
Η ανάλυση υποστηρίζει ότι το πρόβλημα δεν περιορίζεται μόνο στις εταιρείες τεχνολογίας. Σε πολλές περιπτώσεις, οι ίδιες οι διαδικασίες ελέγχου και αξιολόγησης κινδυνεύουν να επηρεαστούν από τους οργανισμούς που αναπτύσσουν τα μοντέλα.
Χαρακτηριστικό παράδειγμα αποτελεί το International Conference on Machine Learning 2026 (ICML 2026), όπου σχεδόν 795 αξιολογήσεις επιστημονικών εργασιών αποσύρθηκαν, όταν διαπιστώθηκε ότι αξιολογητές είχαν χρησιμοποιήσει μοντέλα μεγάλων γλωσσικών συστημάτων παρά τις σχετικές απαγορεύσεις.
Παρότι ο αριθμός αυτός θεωρείται περιορισμένος σε σχέση με το συνολικό μέγεθος του συνεδρίου, το περιστατικό ανέδειξε τα πρώτα σημάδια αμφισβήτησης της αξιοπιστίας των επιστημονικών διαδικασιών στην εποχή της Τεχνητής Νοημοσύνης.
Ανάλογες ανησυχίες εμφανίζονται και στην αγορά εργασίας. Το 2025, μεγάλες εταιρείες όπως η Meta και η xAI προσέφεραν αποδοχές που παρομοιάζονταν με συμβόλαια επαγγελματιών αθλητών προκειμένου να προσελκύσουν κορυφαία ταλέντα. Ωστόσο, σύμφωνα με την ανάλυση, αρκετές από αυτές τις πρωτοβουλίες ακολούθησαν πορεία αναδιάρθρωσης, αποχωρήσεων προσωπικού και αυξημένης κινητικότητας εργαζομένων.
Η μάχη για τους κανόνες της Τεχνητής Νοημοσύνης
Ένα από τα σημαντικότερα ζητήματα που αναδεικνύονται είναι αυτό που η ανάλυση περιγράφει ως «κατάληψη των σημείων αναφοράς» (benchmark capture).
Σύμφωνα με τα στοιχεία που παρατίθενται, περίπου το 46% των δεικτών αξιολόγησης της ασφάλειας της Τεχνητής Νοημοσύνης δημιουργήθηκαν την περίοδο 2023-2024, συχνά από τους ίδιους οργανισμούς που αναπτύσσουν τα μοντέλα.
Αυτό δημιουργεί ανησυχίες ότι τα συστήματα σχεδιάζονται κυρίως για να επιτυγχάνουν υψηλές επιδόσεις στα τεστ που έχουν ήδη καθοριστεί, χωρίς αυτό να σημαίνει απαραίτητα ότι είναι πραγματικά ασφαλή ή αξιόπιστα.
Με άλλα λόγια, οι μεγάλες εταιρείες μπορεί να συμμετέχουν στη διαμόρφωση των κανόνων με τους οποίους θα αξιολογηθούν αργότερα οι ίδιες.
Η κατάσταση αυτή δημιουργεί πρόσθετες δυσκολίες για μικρότερες επιχειρήσεις και νεοφυείς εταιρείες, οι οποίες καλούνται να συμμορφωθούν με πρότυπα που έχουν διαμορφωθεί με βάση τις δυνατότητες και τους πόρους των τεχνολογικών γιγάντων.
Καθώς ο ενθουσιασμός γύρω από την Τεχνητή Νοημοσύνη υποχωρεί, οι κυβερνήσεις αρχίζουν να επανεξετάζουν τις στρατηγικές τους. Σύμφωνα με την ανάλυση, οι χώρες του Ινδο-Ειρηνικού στρέφονται πλέον περισσότερο προς την ανθεκτικότητα των εφοδιαστικών αλυσίδων, την αντιμετώπιση εξωτερικών πιέσεων και τη γεωοικονομική ασφάλεια, παρά προς τις γενικές υποσχέσεις τεχνολογικής προόδου.
Ωστόσο, παραμένει ένα σημαντικό πρόβλημα: η έλλειψη επαρκούς τεχνογνωσίας μέσα στους ίδιους τους κρατικούς μηχανισμούς.
Χωρίς επενδύσεις στην κατανόηση της Τεχνητής Νοημοσύνης, στην εκπαίδευση δημοσίων λειτουργών και στην ανάπτυξη εξειδικευμένων γνώσεων, ακόμη και οι πιο φιλόδοξες ρυθμιστικές πρωτοβουλίες κινδυνεύουν να μείνουν στα χαρτιά.
Η ανάλυση προβλέπει ότι μέσα στους επόμενους 6 έως 12 μήνες θα διαμορφωθούν τρεις βασικές τάσεις.
Η πρώτη αφορά την αποσύνδεση των συζητήσεων για την οικονομική διπλωματία από τα ζητήματα της Τεχνητής Νοημοσύνης και της διασυνοριακής διακίνησης δεδομένων. Παρότι τα θέματα αυτά θα συνεχίσουν να υπάρχουν στην ατζέντα, δεν αναμένεται να αποτελέσουν τον πυρήνα των διεθνών διαπραγματεύσεων.
Η δεύτερη τάση αφορά τη δημιουργία ξεχωριστών διπλωματικών μηχανισμών για την Τεχνητή Νοημοσύνη. Από τη μία πλευρά θα βρίσκονται οι εταιρείες λογισμικού και υπηρεσιών που θα δίνουν έμφαση στη διαλειτουργικότητα και στη μεταφορά δεδομένων. Από την άλλη θα βρίσκονται οι βιομηχανικοί κλάδοι που θα επικεντρώνονται στην παραγωγή, στις εφοδιαστικές αλυσίδες και στη βιομηχανική πολιτική.
Η τρίτη τάση σχετίζεται με την ίδια τη ρύθμιση της Τεχνητής Νοημοσύνης. Αρχικά αναμένεται να δοθεί έμφαση στην έρευνα γύρω από την ασφάλεια των συστημάτων και στη συνέχεια στην ανάπτυξη νομικών εργαλείων για την προστασία της πνευματικής ιδιοκτησίας και τη διαχείριση των δεδομένων.
Το βασικό συμπέρασμα της ανάλυσης είναι ότι οι κυβερνήσεις δεν μπορούν πλέον να αντιμετωπίζουν την Τεχνητή Νοημοσύνη αποκλειστικά ως τεχνολογικό ή βιομηχανικό ζήτημα. Οφείλουν να εστιάσουν στις πραγματικές επιπτώσεις της, στις αποτυχίες των συστημάτων, στις αλλαγές που προκαλεί στις αγορές και στις κοινωνικές και οικονομικές συνέπειες της αυτοματοποίησης.
Σε διαφορετική περίπτωση, υπάρχει ο κίνδυνος οι πολιτικές αποφάσεις να βασίζονται περισσότερο στον εντυπωσιασμό που προκαλεί η τεχνολογία παρά στην πραγματική κατανόηση των δυνατοτήτων και των περιορισμών της. Και όπως επισημαίνει ο συντάκτης, η διαχείριση της Τεχνητής Νοημοσύνης έχει πλέον μετατραπεί σε ζήτημα πολιτικής στρατηγικής και κρατικής ισχύος, όχι απλώς σε θέμα τεχνολογικής καινοτομίας.
