Σύνοψη:
- Ο Demis Hassabis εκτιμά ότι μια AGI μπορεί να έρθει σε 5–10 χρόνια, αλλά όχι ως σύνθημα μάρκετινγκ.
- Περιγράφει τα σημερινά μοντέλα ως «χρυσόψαρο»: αναζητούν πληροφορίες, αλλά δεν μαθαίνουν διαρκώς.
- Για να φτάσουμε εκεί, χρειάζονται πολλαπλά breakthroughs (συνεχής μάθηση, καλύτερο context, μακροπρόθεσμος σχεδιασμός) και νέα προϊόντα όπως smart glasses.
Η «αιώνια υπόσχεση» της AGI και η κούραση της αγοράς
Είναι η διαχρονική υπόσχεση του κλάδου και το φύλλο συκής για να δικαιολογείται, μέχρι τότε, το κάψιμο δισεκατομμυρίων δολαρίων και τεράστιων ποσοτήτων ενέργειας: η αναζήτηση της AGI.
Η Artificial General Intelligence (Τεχνητή Γενική Νοημοσύνη) θεωρείται το ιερό δισκοπότηρο των ερευνητών AI.
Αν το λογισμικό μάθει να μαθαίνει χωρίς ανθρώπινη βοήθεια, υποτίθεται ότι θα γίνουν εφικτές αδιανόητες πρόοδοι. Κάποιοι φοβούνται επίσης ότι τότε η AI θα στραφεί εναντίον του ανθρώπου.
Όλο και περισσότεροι, όμως, θεωρούν αυτή τη μελλοντική εικόνα μια φενάκη και τον δρόμο προς τα εκεί πολύ μακρινό.
Ο Demis Hassabis, επικεφαλής του τομέα AI της Google, DeepMind, θεωρεί την AGI εφικτή — αλλά όχι πριν περάσουν πέντε έως δέκα χρόνια.
Σε συνέντευξη με τον Alex Kantrowitz (Big Technology), άσκησε μάλιστα κριτική για τον ανταγωνιστή OpenAI και τον Sam Altman.
Μεταξύ άλλων προειδοποίησε ότι δεν πρέπει να χρησιμοποιείται η AGI ως όρος μάρκετινγκ.
Η γενική τεχνητή νοημοσύνη, λέει, είναι ένα σύστημα που μπορεί να επιδείξει όλες τις γνωστικές ικανότητες που έχουν οι άνθρωποι: «Και εννοώ όλες».
Info Box — Προειδοποίηση
Αν η AGI γίνεται «ετικέτα» προϊόντος, χάνει το νόημά της ως τεχνικός στόχος. Ο Hassabis ζητά σαφή ορισμό, όχι διαφημιστικό σύνθημα.
Τι πρέπει να μπορεί να κάνει η AGI (και που είναι το όφελος)
Γιατί θα έχει νόημα για την ανθρωπότητα
Κατά τον Hassabis, χρησιμότητα για την ανθρωπότητα αυτή η μορφή AI θα έχει μόνο όταν βοηθήσει σε νέες μεγάλες ανακαλύψεις.
Δεν αρκεί να λύνει μια μαθηματική εξίσωση ή μια εικασία. Χρειάζονται ανατρεπτικές υποθέσεις, ένας νέος Einstein. Ή, στον καλλιτεχνικό χώρο, ένας Picasso ή ένας Mozart — με ικανότητες και ρυθμό παραγωγής που για τους ανθρώπους είναι σχεδόν αδύνατοι.
«Χρυσόψαρο» η σημερινή AI
Παρότι πιστεύει ότι οι δυνατότητες των σημερινών μοντέλων δεν έχουν αναγνωριστεί και αξιοποιηθεί πλήρως, ο Hassabis εμφανίζεται βέβαιος ότι απέχουν πολύ από την AGI.
Η σημερινή AI έχει «εγκέφαλο χρυσόψαρου»: μπορεί να ψάξει στο Διαδίκτυο, αλλά αυτή η γνώση δεν αλλάζει το μοντέλο και μετά τη συνεδρία «ξεχνιέται».
Μια υπερνοημοσύνη θα πήγαινε ακόμη πιο πέρα: θα μπορούσε να ενσωματώνει άλλα συστήματα, όπως μετεωρολογικούς δορυφόρους, ή να «σκέφτεται» σε 14 διαστάσεις — πράγματα που κανένας άνθρωπος δεν μπορεί να κάνει.
Πίνακας: Από τα σημερινά μοντέλα προς την AGI/υπερνοημοσύνη
| Χαρακτηριστικό | Σημερινά LLMs/Chatbots | AGI (στόχος) | Υπερνοημοσύνη (υποθετική) |
|---|---|---|---|
| Μάθηση μετά την αλληλεπίδραση | Περιορισμένη/έμμεση | Συνεχής μάθηση | Συνεχής + αυτοβελτιστοποίηση σε κλίμακα |
| Μνήμη/διατήρηση γνώσης | Συχνά προσωρινή | Σταθερή, αξιοποιήσιμη γνώση | Πολυεπίπεδη, διασυνδεδεμένη με συστήματα |
| Γενίκευση δεξιοτήτων | Καλή σε μοτίβα, άνιση σε πράξεις | Ανθρώπινο εύρος δεξιοτήτων | Πέρα από ανθρώπινα όρια |
| Ενσωμάτωση εξωτερικών συστημάτων | Μέσω εργαλείων/agents | Ενοποιημένη αντίληψη & δράση | Συστημική ενοποίηση (π.χ. δορυφόροι, υποδομές) |
Χρειάζονται πολλαπλά breakthroughs
Η AI, στον δρόμο προς την AGI, χρειάζεται αρκετές κρίσιμες ανακαλύψεις: πέρα από τη συνεχή μάθηση, ο Hassabis αναφέρει πιο αποδοτικά context windows και μακροπρόθεσμο σχεδιασμό.
Ενώ ο ανθρώπινος εγκέφαλος, με επιλεκτική προσοχή, επεξεργάζεται μόνο τα σημαντικά, η AI αντιμετωπίζει όλες τις πληροφορίες στο context ως ισότιμες.
Αυτό είναι αναποτελεσματικό και ακριβό.
Πίνακας: Τα «κενά» που περιγράφει ο Hassabis
| Πεδίο | Τι λείπει σήμερα | Γιατί έχει σημασία |
|---|---|---|
| Συνεχής μάθηση | Μοντέλο που «βελτιώνεται» πραγματικά από νέα εμπειρία | Για σταθερή πρόοδο χωρίς επανεκπαίδευση από την αρχή |
| Αποδοτικό context | Επιλεκτική προσοχή με χαμηλότερο κόστος | Μείωση compute/ενέργειας και καλύτερη ακρίβεια |
| Μακροπρόθεσμος σχεδιασμός | Αξιόπιστη στρατηγική σε βάθος χρόνου | Για έργα πολλών βημάτων, επιστήμη, μηχανική, προϊόντα |
Info Box — Στατιστικό (ενδεικτικό πλαίσιο)
Όσο μεγαλώνει το context και η υπολογιστική απαίτηση, αυξάνεται και το λειτουργικό κόστος. Η «αποδοτικότητα» γίνεται κεντρικός περιορισμός, όχι λεπτομέρεια.
Davos, διαφήμιση σε chatbots και το «καρφί» για τον ανταγωνισμό
Στη σκηνική συζήτηση στο Νταβός, ο Hassabis αναφέρθηκε και στο αν η Google σκοπεύει — όπως η OpenAI — να ενσωματώσει διαφημίσεις στο chatbot της.
Μοίρασε επίσης επαίνους στο start-up Anthropic, στο οποίο η Google έχει ήδη επενδύσει δισεκατομμύρια δολάρια.
Το εργαλείο ανάπτυξης Claude Code το χαρακτήρισε ιδιαίτερα επιτυχημένο.
Η ίδια η Google θέλει να αναδείξει καλύτερα τις δυνατότητες του μοντέλου της Gemini με τη νεοκυκλοφορημένη IDE Antigravity.
Τα σχέδια της Google για smart glasses
Ο Hassabis μίλησε συγκεκριμένα για smart glasses: η Google συνεργάζεται με εταίρους όπως Warby Parker, Gentle Monster και Samsung πάνω σε μια νέα γενιά γυαλιών με υποστήριξη AI, που «ίσως μέχρι το καλοκαίρι» να βγουν στην αγορά.
Σε αντίθεση με το αποτυχημένο Google Glass πριν από περίπου δέκα χρόνια, τώρα — λέει — έχει ωριμάσει τόσο η φόρμα όσο και, κυρίως, η «killer app»: ένας καθολικός ψηφιακός βοηθός που βοηθά στην καθημερινότητα χωρίς να χρειάζονται τα χέρια.
Ο ίδιος ο Hassabis συμμετέχει προσωπικά στο project.
Πίνακας: Ποιοι παίκτες/προϊόντα αναφέρονται
| Κατηγορία | Ονόματα που αναφέρονται | Ρόλος στο αφήγημα |
|---|---|---|
| Εταιρείες | Google, DeepMind, OpenAI, Anthropic | Ανταγωνισμός/επενδύσεις/στρατηγική |
| Μοντέλα/προϊόντα | Gemini, Claude Code, Chatbot | Δυνατότητες και εργαλεία ανάπτυξης |
| Smart glasses partners | Warby Parker, Gentle Monster, Samsung | Συνεργασίες για νέα συσκευή |
Πως να «ερμηνεύσετε» τις προβλέψεις για AGI και τι να προσέξετε
Οι προβλέψεις για AGI σε 5–10 χρόνια είναι εντυπωσιακές, αλλά ως αναγνώστης (ή ως επαγγελματίας του χώρου) αξίζει να τις αξιολογείτε με συγκεκριμένα κριτήρια.
Πρώτον, ζητήστε μετρήσιμους ορισμούς: όταν κάποιος λέει «AGI», εννοεί επίδοση σε ένα σύνολο benchmarks, ικανότητα μεταφοράς γνώσης σε άγνωστα πεδία, ή πραγματική αυτονομία σε πραγματικά περιβάλλοντα; Χωρίς καθαρό ορισμό, η συζήτηση γλιστρά εύκολα σε εντυπώσεις και PR.
Δεύτερον, κοιτάξτε αν υπάρχει πρόοδος στα τρία σημεία που ανέφερε ο Hassabis: συνεχής μάθηση, αποδοτικό context και μακροπρόθεσμος σχεδιασμός.
Αν τα νέα μοντέλα απλώς μεγαλώνουν (περισσότερες παράμετροι, περισσότερα δεδομένα, μεγαλύτερα context windows) χωρίς ανάλογη βελτίωση στην αποδοτικότητα και στη σταθερότητα, τότε το «ταβάνι» μπορεί να είναι κοντά.
Στην πράξη, οι οργανισμοί χρειάζονται μοντέλα που να είναι αναπαραγώγιμα, να συμπεριφέρονται με συνέπεια και να μπορούν να ελεγχθούν σε failure modes (π.χ. παραισθήσεις, prompt injections, leakage).
Τρίτον, ειδικά για smart glasses, το κρίσιμο δεν είναι μόνο το hardware αλλά οι κανόνες χρήσης:
- Πότε και πώς γίνεται καταγραφή ή επεξεργασία εικόνας/ήχου;
- Υπάρχει σαφής ένδειξη προς τρίτους ότι «τρέχει» βοηθός;
- Πού αποθηκεύονται τα δεδομένα και για πόσο;
Ένας «καθολικός ψηφιακός βοηθός» που λειτουργεί διαρκώς, μετατρέπει την ιδιωτικότητα σε προϊόν σχεδιασμού, όχι σε ρύθμιση μενού.
Τέλος, αν είστε developer ή product owner, μια πρακτική στρατηγική είναι να σχεδιάζετε με την υπόθεση ότι η AGI δεν είναι άμεση: επενδύστε σε καθαρά δεδομένα, σε καλά εργαλεία αξιολόγησης, σε human-in-the-loop διαδικασίες και σε αρχιτεκτονικές που «δέχονται» καλύτερα μοντέλα όταν εμφανιστούν.
Έτσι, κερδίζετε αξία τώρα, χωρίς να στοιχηματίζετε το πλάνο σας σε μια τεχνολογική υπόσχεση που μπορεί να μετακινηθεί χρονικά.
