Όταν τα άλυτα μαθηματικά προβλήματα γίνονται πεδίο ανταγωνισμού των εταιρειών ΤΝ

Καφενείο χρηστών
1

Γιατί τα μαθηματικά έγιναν πεδίο επίδειξης ισχύος

Για δεκαετίες, η επίλυση ενός δύσκολου μαθηματικού προβλήματος αποτελούσε πρωτίστως υπόθεση της επιστημονικής κοινότητας. Σήμερα αποκτά και μια δεύτερη λειτουργία. Γίνεται ένας εξαιρετικά ισχυρός τρόπος με τον οποίο μια εταιρεία τεχνητής νοημοσύνης μπορεί να αποδείξει, σε ανταγωνιστές, πελάτες και επενδυτές, ότι το σύστημά της διαθέτει ικανότητες που τα προηγούμενα μοντέλα δεν είχαν.

Υπάρχει σοβαρός λόγος γι’ αυτό. Οι περισσότερες εντυπωσιακές επιδόσεις της ΤΝ είναι δύσκολο να μετρηθούν αντικειμενικά. Τι ακριβώς σημαίνει ότι ένα μοντέλο «γράφει καλύτερα», «καταλαβαίνει περισσότερο» ή «είναι πιο δημιουργικό»; Στα μαθηματικά, αντίθετα, το μήνυμα μπορεί να γίνει εξαιρετικά απλό: ένα πρόβλημα παρέμενε άλυτο, το μοντέλο παρήγαγε μια λύση και η απόδειξη μπορεί να ελεγχθεί.

Αυτό μετατρέπει τα μαθηματικά σε ένα από τα καθαρότερα πεδία επίδειξης προηγμένων ικανοτήτων ΤΝ. Μια μαθηματική επιτυχία μπορεί να συμπυκνωθεί σε τίτλο, να συγκριθεί με προηγούμενες επιδόσεις και να λειτουργήσει ως δείκτης τεχνολογικής προόδου. Αυτά τα χαρακτηριστικά έχουν μεγάλη αξία σε έναν κλάδο που χρειάζεται τεράστια κεφάλαια για υπολογιστικές υποδομές, εξειδικευμένο προσωπικό και εκπαίδευση νέων μοντέλων.

Από τις Μαθηματικές Ολυμπιάδες στα άλυτα προβλήματα

Η εξέλιξη είναι ήδη ορατή. Το 2024 η Google DeepMind ανακοίνωσε ότι τα AlphaProof και AlphaGeometry 2 πέτυχαν επίδοση αντίστοιχη με αργυρό μετάλλιο στη Διεθνή Μαθηματική Ολυμπιάδα. Το αποτέλεσμα ήταν εύκολο να γίνει κατανοητό ακόμη και από κάποιον που δεν γνωρίζει τις τεχνικές λεπτομέρειες: μια μηχανή έφτασε σε επίπεδο κορυφαίων μαθητών. Αργότερα η σχετική τεχνολογία παρουσιάστηκε αναλυτικά σε επιστημονική δημοσίευση με ομότιμη κρίση.

Η κλίμακα του ανταγωνισμού όμως μετακινείται πλέον από γνωστά σύνολα προβλημάτων σε πραγματικά ανοιχτά ερευνητικά προβλήματα. Στις 8 Σεπτεμβρίου 2026 η OpenAI ανακοίνωσε ότι εσωτερικό της σύστημα παρήγαγε απόδειξη για την υπόθεση Navier-Stokes, ένα από τα Millennium Prize Problems. Για τη συγκεκριμένη προσπάθεια η εταιρεία αναφέρει περίπου 130 δισεκατομμύρια διακριτές μονάδες εξόδου και εκατομμύρια μηνύματα μεταξύ πρακτόρων. Η αναζήτηση της λύσης διήρκεσε περίπου 88 ώρες και ακολούθησε τυποποίηση της απόδειξης στο Lean.

Αυτό μοιάζει πλέον λιγότερο με τον παραδοσιακό μαθηματικό που εργάζεται μήνες πάνω σε ένα πρόβλημα και περισσότερο με βιομηχανική ερευνητική υποδομή που κινητοποιεί τεράστια υπολογιστική ισχύ.

Στις 10 Σεπτεμβρίου 2026 το Clay Mathematics Institute εξακολουθεί να κατατάσσει το Navier-Stokes στα άλυτα προβλήματα. Οι κανόνες του απαιτούν δημοσίευση σε αναγνωρισμένο επιστημονικό μέσο, παρέλευση τουλάχιστον δύο ετών και γενική αποδοχή του αποτελέσματος από τη διεθνή μαθηματική κοινότητα πριν εξεταστεί επίσημα μια λύση.

Άρα άλλο πράγμα είναι η εταιρική ανακοίνωση μιας λύσης και άλλο η επιστημονική και θεσμική αποδοχή της.

Το οικονομικό κίνητρο πίσω από τον αναταγωνισμό

Εδώ βρίσκεται η ουσία της κριτικής του Terence Tao. Ο Tao υποστηρίζει ότι τα οικονομικά κίνητρα της βιομηχανίας ΤΝ ανταμείβουν επιτεύγματα που μπορούν να παρουσιαστούν, να παρατεθούν και να μετρηθούν εύκολα.

Σε έναν κλάδο όπου οι μεγαλύτερες εταιρείες χρειάζονται κεφάλαια πρωτοφανούς κλίμακας, ένα εντυπωσιακό τεχνικό επίτευγμα λειτουργεί ως σήμα προς την αγορά. Δείχνει ότι η εταιρεία βρίσκεται στην τεχνολογική πρωτοπορία, δικαιολογεί περαιτέρω επενδύσεις σε υπολογιστικές υποδομές και ενισχύει την αφήγηση ότι το σημερινό τεράστιο κόστος μπορεί να μετατραπεί αύριο σε επιστημονική και οικονομική υπεροχή.

Μια μαθηματική ανακοίνωση από εταιρείες ΤΝ γίνεται και για να προσελκύσει επενδυτές, στο πλαίσιο του ανταγωνισμού τους, η τεχνική επίδοση, η θέση στους δείκτες επηρεάζει την εταιρική αποτίμηση και τη δυνατότητα άντλησης κεφαλαίων από την αγορά.

Όταν ο δείκτης γίνεται ο σκοπός

Ο Tao συνδέει αυτή την κατάσταση με τον νόμο του Goodhart: όταν ένα μέτρο μετατρέπεται σε στόχο, παύει σταδιακά να αποτελεί καλό μέτρο αυτού που πραγματικά μας ενδιαφέρει.

Στα μαθηματικά το πρόβλημα είναι ιδιαίτερα σοβαρό. Επί αιώνες, η προσπάθεια επίλυσης ενός δύσκολου προβλήματος παρήγαγε όχι μόνο μια τελική απάντηση αλλά και νέες μεθόδους, θεωρίες, ερωτήματα, συνεργασίες και μαθηματικούς. Η διαδρομή προς τη λύση ήταν συχνά σημαντικότερη από τη λύση.

Ένα πολύ ισχυρό σύστημα ΤΝ μπορεί να αλλάξει αυτή την ισορροπία. Μπορεί να παράγει μια τεράστια, τυπικά ορθή απόδειξη χωρίς η μαθηματική κοινότητα να έχει κατανοήσει γιατί λειτουργεί, ποιες νέες ιδέες περιέχει και πώς συνδέεται με την υπάρχουσα γνώση.

Έτσι μπορεί να έχουμε περισσότερες σωστές απαντήσεις αλλά όχι αναγκαστικά περισσότερη μαθηματική κατανόηση.

Αυτό είναι το παράδοξο που πρέπει να μας απασχολήσει περισσότερο από το ερώτημα αν «η ΤΝ έλυσε ένα άλυτο πρόβλημα».

Τα άλυτα προβλήματα ως περιορισμένος επιστημονικός πόρος

Ο Tao προχωρά ακόμη περισσότερο. Τα πραγματικά σημαντικά ανοιχτά προβλήματα δεν είναι απεριόριστος πόρος για εταιρικές δοκιμές. Υπάρχουν άπειρες μαθηματικές ερωτήσεις, αλλά πολύ λίγες έχουν επιλεγεί μέσα από δεκαετίες επιστημονικής εργασίας ως προβλήματα που αξίζει πραγματικά να μελετηθούν.

Αν κάθε τέτοιο πρόβλημα μετατραπεί σε πεδίο ανταγωνισμού για το ποια εταιρεία θα ανακοινώσει πρώτη μια λύση, υπάρχει κίνδυνος να δημιουργηθεί μια «μονοκαλλιέργεια ΤΝ». Χρηματοδότηση, κύρος και ανθρώπινο ενδιαφέρον μπορεί να στραφούν στα προβλήματα που προσφέρονται για αυτοματοποιημένη επίλυση, ενώ η αργή εργασία της οικοδόμησης θεωρίας, της εξήγησης και της διδασκαλίας θα αποτιμάται λιγότερο.

Το μάθημα για την εκπαίδευση

Το ζήτημα έχει άμεση εκπαιδευτική σημασία. Αν μάθουμε στους μαθητές ότι η αξία των μαθηματικών βρίσκεται μόνο στο να βρίσκουν γρήγορα τη σωστή απάντηση, τότε η ΤΝ πράγματι φαίνεται να κάνει μεγάλο μέρος της μαθηματικής εκπαίδευσης περιττό.

Αν όμως θεωρούμε ότι μαθηματική παιδεία σημαίνει να διατυπώνεις υποθέσεις, να αποτυγχάνεις, να εντοπίζεις το λάθος, να κατανοείς γιατί μια μέθοδος λειτουργεί και να μπορείς να εξηγήσεις την απόδειξη σε άλλον άνθρωπο, τότε η ΤΝ αλλάζει τον τρόπο μάθησης αλλά δεν καταργεί τον σκοπό της.

Η πρόκληση για το σχολείο και το πανεπιστήμιο είναι επομένως να μεταφέρουν το βάρος από την παραγωγή απαντήσεων στην κατανόηση, στην επαλήθευση και στην κριτική αξιολόγηση.

Χρειαζόμαστε ανοιχτή επαληθευσιμότητα, όχι εταιρική αυθεντία

Η απάντηση στην κούρσα δεν είναι η απόρριψη της ΤΝ. Είναι η απαίτηση για ανοιχτή επιστήμη. Δημοσιευμένες αποδείξεις, ανοιχτός κώδικας, ανοιχτές τυποποιήσεις, τεκμηριωμένες μέθοδοι, ομότιμη κρίση και εργαλεία όπως το Lean και η Mathlib μπορούν να επιτρέψουν στην επιστημονική κοινότητα να ελέγχει τις εταιρικές ανακοινώσεις αντί να τις αποδέχεται ως πράξεις αυθεντίας.

Τα μαθηματικά μπορούν έτσι να αποτελέσουν όχι μόνο πεδίο επίδειξης της ισχύος των εταιριών ΤΝ, αλλά και πρότυπο για το πώς πρέπει να χρησιμοποιείται: με διαφάνεια, επαληθευσιμότητα, ανθρώπινη κατανόηση και ανοιχτή επιστημονική συνεργασία***.***

Το κρίσιμο ερώτημα δεν είναι ποια εταιρεία θα λύσει πρώτη το επόμενο διάσημο πρόβλημα. Είναι αν, όταν συμβεί αυτό, θα έχουμε αποκτήσει περισσότερη γνώση ή απλώς έναν ακόμη εντυπωσιακό δείκτη για την επόμενη παρουσίαση στους επενδυτές.

Πηγές άρθρου:

Terence Tao, Mathematics in the age of AI: Το δοκίμιο του Tao, βασισμένο στη διάλεξή του στο ICM 2026, τεκμηριώνει άμεσα τον νόμο του Goodhart και αναφέρει ρητά ότι τα οικονομικά κίνητρα της βιομηχανίας ΤΝ ανταμείβουν επιτεύγματα που είναι εύκολα επιδείξιμα, παραθέσιμα και μετρήσιμα: [2608.16753] Mathematics in the age of AI.

Terence Tao, Terence Tao on AI in mathematics (and beyond): Η ελεγμένη από τον ίδιο συγκεντρωτική παρουσίαση των θέσεών του εξηγεί τη διάκριση μεταξύ παραγωγής απόδειξης, επαλήθευσης και ουσιαστικής κατανόησης, καθώς και τον κίνδυνο μιας «μονοκαλλιέργειας ΤΝ» που κατευθύνεται από δείκτες και οικονομικά κίνητρα: Terence Tao on AI — a living summary — Terence Tao,

OpenAI, On the Navier-Stokes Millennium Prize Problem: Η πρωτογενής ανακοίνωση της OpenAI της 8ης Σεπτεμβρίου 2026 περιγράφει την παραγωγή της απόδειξης, τη χρήση πολλών πρακτόρων, περίπου 130 δισεκατομμυρίων διακριτών μονάδων εξόδου για το συγκεκριμένο πρόβλημα και την τυποποίησή της στο Lean: https://openai.com/index/navier-stokes-solution/,

Clay Mathematics Institute, Rules for the Millennium Prize Problems: Οι κανόνες που διευκρινίζουν ότι μια προτεινόμενη λύση δεν αναγνωρίζεται με μια ανακοίνωση, αλλά απαιτεί δημοσίευση σε κατάλληλο επιστημονικό μέσο, παρέλευση τουλάχιστον δύο ετών και γενική αποδοχή από τη διεθνή μαθηματική κοινότητα: https://claymath.org/millennium-problems/rules/,

Google DeepMind, AI achieves silver-medal standard solving International Mathematical Olympiad problems: Η ανακοίνωση του AlphaProof και του AlphaGeometry 2 αποτελεί χαρακτηριστικό παράδειγμα μετατροπής μιας μαθηματικής επίδοσης σε σαφή και διεθνώς κατανοητό μετροδείκτη ικανότητας συστήματος ΤΝ: AI achieves silver-medal standard solving International Mathematical Olympiad problems — Google DeepMind,

Hubert et al., Olympiad-level formal mathematical reasoning with reinforcement learning, Nature: Η δημοσίευση με ομότιμη κρίση παρουσιάζει την επιστημονική βάση του AlphaProof, τη χρήση του Lean για τυπικά ελέγξιμες αποδείξεις και την επίδοση επιπέδου μεταλλίου στη Διεθνή Μαθηματική Ολυμπιάδα: Olympiad-level formal mathematical reasoning with reinforcement learning | Nature,

Reuters, AI models’ capabilities leap comes with new safety warnings: Το ρεπορτάζ της 9ης Σεπτεμβρίου 2026 τεκμηριώνει το εξαιρετικά υψηλό οικονομικό διακύβευμα του σημερινού ανταγωνισμού μεταξύ των κορυφαίων εταιρειών ΤΝ, το ισχυρό ενδιαφέρον επενδυτών και την πίεση που δημιουργούν οι τεράστιες αποτιμήσεις για συνεχή επίδειξη τεχνολογικής προόδου: https://www.reuters.com/technology/artificial-intelligence/ai-models-capabilities-leap-comes-with-new-safety-warnings-2026-09-09/.

Πηγή:

6 «Μου αρέσει»
2

Καταλαβαίνω τον προβληματισμό που βάζει το άρθρο της ΕΕΛΛΑΚ. Όταν οι εταιρείες κυνηγάνε την επόμενη μεγάλη ανακοίνωση για να τραβήξουν επενδυτές, έχει σημασία να μπορεί κάποιος να ελέγξει το αποτέλεσμα και να καταλάβει πώς βγήκε. Το “το έλυσε το μοντέλο μας” από μόνο του δεν αρκεί, ειδικά όταν μιλάμε για επιστήμη.

Εγώ πάντως βλέπω και το κομμάτι της καθημερινότητας, της καθημερινής μας χρήσης, όπου αυτά τα εργαλεία μπορούν από το να σε βοηθήσουν λίγο έως και να σου λύσουν τα χέρια. Προφανώς το να επαναφέρεις ένα Linux σύστημα που το brickαρες δεν είναι το ίδιο με το να λύνεις ένα άλυτο μαθηματικό πρόβλημα (duh). Είναι όμως ένα πολύ χειροπιαστό παράδειγμα του τι κερδίζουμε εμείς ως χρήστες από όλη αυτή την εξέλιξη.

Θεωρώ πως αν έχεις ένα proper Ai, είτε cli είτε gui, και έχεις φορτώσει μερικά skills, μπορείς να πάρεις πολύ ουσιαστική βοήθεια. Για παράδειγμα, το Omarchy έχει το omarchy-skill, ο Chris Titus έχει το linux-sysadmin-skill. Αν του δώσεις και τα σωστά στοιχεία για το σύστημά σου και το πρόβλημα που έχεις, μπορείς να λάβεις από pointers για το πού να ψάξεις μέχρι και επίλυση του Χ προβλήματος. Δεν σημαίνει ότι θα τα πετυχαίνει όλα, αλλά το να σε ξεκολλήσει εκεί που ψάχνεσαι με τις ώρες έχει τεράστια αξία. (βέβαια ισχύει για openweight ή frontier models, πολύ δύσκολα χωράνε skills σε context width σε τοπικά μοντέλα με δικό σου hardware, εκτός κι αν είσαι λεφτάς και έχεις dgxspark)

Παλιά αυτό μπορούσε να θέλει από μερικά λεπτά μέχρι ώρες ή και ημέρες. Σκάψιμο τρελό σε forums, reddit, διάβασμα logs, δοκιμές και guides που μπορεί τελικά να μην ταίριαζαν καν στη δική σου περίπτωση και να προσπαθείς να κατανοήσεις κυκλώματα που δεν είχες ούτε περάσει ξιστά για να μπορέσεις να προσαρμόσεις αυτά που βρίσκεις προς δικό σου fix για το εκάστοτε πρόβλημα.

Τρανό παράδειγμα ένας φίλος μου που του έπεσε το ρεύμα όταν έκανε update το Nobara μετά από 5-6 μήνες χωρίς updates και δεν bootαρε καθόλου. Κατάφερε με δωρεάν OpenCode + Zen platform και το Big Pickle μοντέλο να βγάλει άκρη και να ξαναπάρει τον έλεγχο του συστήματος του. Μάλιστα, το επανέφερε σε φάση που μπορούσε να πάρει τα 1000+ updates που εκκρεμούσαν και να ολοκληρώσει την αναβάθμιση εκείνη και επόμενη. Μεγάλη δουλειά μόνο που επανέφερε σύστημα από bootlaoder.

Και εκεί κολλάει για μένα και το θέμα της κατανόησης που αναφέρει το άρθρο τους @Asfodelus. Μπορείς να ζητήσεις να σου εξηγήσει “τι χάλασε”, “γιατί” προτείνει τη συγκεκριμένη αλλαγή και πως θα δεις αν όντως διορθώθηκε. Έτσι έχεις την ευκαιρία να μάθεις και κάτι μέσα από τη διαδικασία, πέρα από το να ξαναδουλέψει το μηχάνημα.

Ζούμε στην εποχή των εργαλείων που βελτιώνουν την καθημερινότητά μας και όσο μιλάμε για το Linux ως βασική μας θεματολογία πραγματικά θεωρώ πως δεν υπάρχει ταβάνι στο που μπορούμε να πάμε από εδώ και πέρα. Από αποσφαλμάτωση προβλημάτων μέχρι βελτίωση διαδικασιών και νέες λειτουργίες, από ένα κύκλωμα μέχρι μια ολοκληρωμένη διανομή. Γι’ αυτό προσωπικά με ενδιαφέρει η όλη αυτή πρόοδος να φτάνει και στα χέρια του κόσμου όπως πολύ καλά τη χρησιμοποιώ εγώ τόσα χρόνια με έμφαση την τελευταία περίοδο που έχει αναπτυχθεί σε πραγματικό “εργαλείο”, με γνώση και εργαλεία που μπορούμε να χρησιμοποιούμε, να ελέγχουμε και να βελτιώνουμε με σκοπό να βελτιωθούμε σε όλους τους τομείς.

2 «Μου αρέσει»
3

Σαν ένα πρακτικό παράδειγμα είχε σταματήσει το libvirt να βγαίνει έξω. Ναι, θα μπορούσα να έτρωγα κάμποσο χρόνο, ή να έσβηνα και ξαναέφτιαχνα τις μηχανές. Αλλά του ζήτησα checklist μου έδωσε λύση, το ξαναζήτησα μου έδωσε άλλη λύση. Επέμεινα στο βοήθησε με να διαγνώσω το πρόβλημα δε θέλω λύση και το πρόβλημα ήταν μια εσωτερική ρύθμιση firewall που το sed που μου είχε δώσει θα έλυνε, αλλά δε θα με έκανε καθόλου εξυπνότερο. Η πρώτη λύση μάλλον θα έκανε χειρότερα τα παράγματα.

Αλλά πέραν αυτού, δείτε:

Είμαι λάτρης της Ε.Φ. και του Dr Who. To παραπάνω είναι ένα επεισόδιο φτιαγμένο από κάποιο fan εξολοκλήρου με ΑΙ. Και αν δεν το ξέρεις δεν το καταλαβαίνεις. Πραγματικά εντυπωσιακό, αλλά αν ήταν κανονικό επεισόδιο θα ήταν ίσως το χειρότερο της σειράς. Προσπαθεί να είναι συναισθηματικό αλλά εκεί αποτυγχάνει εντελώς να μεταφέρει συναίσθημα.

Αυτό που μου άφησε ήταν η γεύση ξαναζεσταμένου φαγητού. Τις περισσότερες σκηνές μπορώ να τις ανάγω κάπου άλλου (ή αυτό είναι κάτω από την επιφάνεια της γλώσσας μου) και άλλες στιγμές νόμιζα πως ήταν επεισόδιο του Dr Martin. Όλα στο μίξερ. Everything is a remix ναι, αλλά δεν έχει αυτό το άπιαστο του ανθρώπινου ψυχισμού.

Και κάπου στα μαθηματικά, ειδικά αν κλέψεις συνομιλίες - όπως έχει λεχθεί - μπορείς απλά να βάλεις πράγματα στο mixer και κάτι να βγει. Η κουβέντα για τη χρήση υπολογιστή στα μαθηματικά δεν είναι καινούργια, έχει ξεκινήσει από την απόδειξη του θεωρήματος χρωματισμού του χάρτη στην τοπολογία. Αλλά κινδυνεύει και η μαθηματική ανακάλυψη να έχει τη γεύση ξαναζεσταμένου φαγητού.

Ένα άλλο ενδιαφέρον θέμα είναι το ζήτημα της μαθηματικής εμπειρίας. Στο παρελθόν ένα μαθηματικό τμήμα ήταν το φτηνότερο για ένα πανεπιστήμιο. Ήθελε μόνο κιμωλίες. Πλέον πάει να γίνει ένα ακριβό τμήμα. Και εδώ μπαίνει το θέμα της πρόσβασης στο εργαλείο. Μέχρι πρόσφατα οι υπολογιστές ήταν σχετικά φτηνοί, και το Linux μπορούσε να αναστήσει παλιότερους υπολογιστές. Δεν αρκεί πλέον να ζείς σε μια καλύβα στο δάσος και να κάνεις μαθηματικές ανακαλύψεις. Πλέον η πρόσβαση στο ΑΙ περνάει από το πορτοφόλι εντείνοντας τις κρατικές και κοινωνικές ανισότητες. Και αυτό θα συνεχιστεί για πολλά χρόνια ακόμα.

Κάπου αυτά μας αφορούν και σαν φόρουμ. Αυτή τη στιγμή κανένας δεν ξέρει πως να χειριστεί την ΑΙ. Υποτίθεται όλοι θα συμφωνήσουν σε μια “λελογισμένη” χρήση, το θέμα είναι πως κανείς δε θα συμφωνήσει στο ποια είναι αυτή. Όχι, δεν υπάρχουν απαντήσεις, μόνο η επιθυμία να μην τρως ξαναζεσταμένο φαγητό. Ίσως, στα επόμενα χρόνια, αν υπάρχουν ακόμα φόρουμ, να βρεθεί ή απάντηση. Ας ελπίσουμε πως όποιο φόρουμ υπάρχει τότε θα εξακολουθεί να έχει μια χρησιμότητα, πέραν ενός πάρκου ηλικιωμένων δεινοσαύρων.

Ένα πάντως είναι σίγουρο. Ζούμε σε μια ενδιαφέρουσα εποχή …

3 «Μου αρέσει»
4

..και να συμπληρώσω εγώ κι εσύ θα είμαστε εδώ να ζήσουμε και αυτά που έρχονται.

Και θα μείνουμε με τη φράση «τα καλύτερα έπονται»

1 «Μου αρέσει»
5

Πάντως, προ AI, πάμπολλες φορές τα σκάτωσα με τα μηχανήματά μου, και πάντα τελικά έβγαζα άκρη. Προφανώς με εκτενείς αναζητήσεις στον γκούγκλη και άπειρα διαβάσματα και την τύχη να μην είμαι ο πρώτος που είχε το συγκεκριμένο πρόβλημα.

Η διαδικασία αυτή μπορεί να ήταν πιο χρονοβόρα (όχι πάντα όμως), αλλά σαφώς πιο εκπαιδευτική, πιο ενδιαφέρουσα και πιο ασφαλής.

Με το ΑΙ έχουμε την ψευδαίσθηση ότι το troubleshooting περπατάει πιο γρήγορα, αλλά όχι σπάνια το ΑΙ με έχει παραπλανήσει πάρα πολύ πειστικά. Επίσης, κάποιος λιγότερο έμπειρος που δεν καταλαβαίνει τι κάνει copy paste από αυτά που του λέει το ΑΙ, μπορεί τελικά να τα κάνει ακόμα πιο μαντάρα από ό,τι αρχικά είναι.

Και, όσο περνάνε οι μήνες και τα χρόνια και τα διάφορα κομπιουτεροπροβλήματά του ο κόσμος δεν τα συζητάει στο ιντερνέτι αλλά τα κουβεντιάζει και τα λύνει κατά μόνας με ένα ΑΙ, θέλω να δω τι στα κομμάτια υλικό θα ψάχνουν τα ΑΙ του μέλλοντος, για να λύσουν τα μελλοντικά κομπιουτεροπροβλήματα.

Μην με παρεξηγείτε, δεν είμαι αρνητής του ΑΙ. Είμαι απλά εξαιρετικά προβληματισμένος από τους περιορισμούς και τα προβλήματά του και με προβληματίζει το μέλλον έτσι όπως εξελίσσεται.

2 «Μου αρέσει»
6

Δεν θα μπορούσα να συμφωνήσω περισσότερο με τη δημοσίευση του ΕΛ/ΛΑΚ, και είναι πολύ λεπτά τα σημεία που θέτει χωρίς να ακυρώνει την πραγματική αξία του εργαλείου. Τα σημεία αυτά, είναι βαθύτερα, από την ίδια τη λύση, βέβαια:

όχι μόνο μια τελική απάντηση αλλά και νέες μεθόδους, θεωρίες, ερωτήματα, συνεργασίες και μαθηματικούς

Όταν κάποιος πεινάει, μην του δίνεις ψάρια, μάθε του να ψαρεύει, λέει μια κινέζικη παροιμία…
Η αυξανόμενη επιτάχυνση της τεχνολογικής ανάπτυξης των LLMs και η δυνατότητα χρήσης τους, με “μικρό” κόστος, από τον καθένα, παρ’ όλο που φαίνεται αρχικά σαν μία ενδυνάμωση της γνωστικής ικανότητας και της αποδοτικότητας του ατόμου, κρύβει έναν αόρατο κίνδυνο.
Ψηλώνουμε όλοι με σαθρά πόδια.
Όσο για το ξαναζεσταμένο φαγητό που αναφέρεις @Asfodelus, θα επισυνάψω αυτό το βίντεο από αυτόν τον τύπο, δεν τον παρακολουθώ φανατικά, έχει πολύ υπερένταση για τα γούστα μου, αλλά καταλαβαίνω το συναίσθημα που αναφέρει στο συγκεκριμένο βίντεο:

και ένα βίντεό του για τη λύση του προβλήματος:

Όχι, δεν υπάρχουν απαντήσεις

Εδώ θα διαφωνήσω, ο Ανοιχτός Κώδικας, το Ανοιχτό Hardware, τα Open Weights Models, η Διαφάνεια στις αποφάσεις, και η Ελεύθερη Πρόσβαση είναι για εμένα μία απάντηση σε αυτά τα προβλήματα που θέτεις, και εάν δεν είναι απάντηση προς το παρόν, ίσως είναι η κατεύθυνση προς την απάντηση που ψάχνεις.

3 «Μου αρέσει»