Ο πόλεμος στο Ιράν χτυπά στην καρδιά της τεχνητής νοημοσύνης

Η σύγκρουση στη Μέση Ανατολή αποκαλύπτει πόσο εύθραυστη είναι η υποδομή πάνω στην οποία χτίστηκε η έκρηξη της τεχνητής νοημοσύνης. Κέντρα δεδομένων, τσιπ και κεφάλαια από τον Περσικό Κόλπο — όλα βρίσκονται ξαφνικά σε ζώνη κινδύνου. Όχι όμως εξίσου.

Υπάρχει ένα παράδοξο στον πυρήνα της τρέχουσας κρίσης: τα κεφάλαια που χρηματοδότησαν την άνοδο της τεχνητής νοημοσύνης προέρχονται σε μεγάλο βαθμό από χώρες του Περσικού Κόλπου — τις ίδιες χώρες που βρίσκονται τώρα στη σκιά μιας σύγκρουσης που οι ΗΠΑ ξεκίνησαν. Ορισμένες εκτιμήσεις κάνουν λόγο για έως και 2 τρισεκατομμύρια δολάρια σε μακροπρόθεσμες επενδύσεις στην AI από χώρες της Μέσης Ανατολής. Αυτά τα κεφάλαια φαίνονται πλέον επισφαλή — και μαζί τους, ένα μεγάλο κομμάτι της υποδομής που κρατά ζωντανή την τεχνολογική επανάσταση της εποχής μας.

Το πρώτο και πιο άμεσο πρόβλημα είναι η ενέργεια. Τα κέντρα δεδομένων που τρέφουν τα μεγάλα γλωσσικά μοντέλα καταναλώνουν τεράστιες ποσότητες ρεύματος, και περίπου το 40% της ενέργειας των αμερικανικών κέντρων δεδομένων προέρχεται από φυσικό αέριο, σύμφωνα με τη Διεθνή Υπηρεσία Ενέργειας. Οι εταιρείες που έχουν χτίσει αυτή την υποδομή — Amazon, Google, Microsoft, Meta, Oracle — είναι άμεσα εκτεθειμένες σε οποιαδήποτε αναταραχή στις τιμές ή στην αλυσίδα εφοδιασμού ενέργειας.

Το δεύτερο πρόβλημα είναι πιο λεπτό αλλά εξίσου σοβαρό: τα τσιπ. Η Taiwan Semiconductor Manufacturing παράγει σχεδόν όλα τα προηγμένα ημιαγωγά που σχεδιάζει η Nvidia. Η Ταϊβάν εξαρτάται από τη Μέση Ανατολή για περίπου το ένα τρίτο του καυσίμου της, αλλά κυρίως από το Κατάρ για το ήλιο — ένα αέριο κρίσιμο στην κατασκευή ημιαγωγών, καθώς ψύχει και προστατεύει τις φέτες πυριτίου κατά την παραγωγή. Η εγκατάσταση παραγωγής ηλίου της QatarEnergy στο Ras Laffan χτυπήθηκε από ιρανικό drone την προηγούμενη εβδομάδα. Αποτέλεσμα: πιθανές καθυστερήσεις μηνών στην παραγωγή τσιπ. Για τη Nvidia, την πιο πολύτιμη εταιρεία στον κόσμο με κεφαλαιοποίηση άνω των 4 τρισεκατομμυρίων δολαρίων, αυτό είναι ένα σοβαρό χτύπημα — ιδίως τη στιγμή που μόλις εγκρίθηκε η πώληση 70.000 προηγμένων τσιπ στα ΗΑΕ και τη Σαουδική Αραβία, μια συμφωνία που τώρα μοιάζει να αιωρείται στον αέρα.

Ωστόσο, δεν κινδυνεύουν όλοι εξίσου. Η αγορά της τεχνητής νοημοσύνης αποτελείται από δύο διακριτά στρώματα: την κεφαλαιουχικά απαιτητική υποδομή και την πιο ευέλικτη αγορά λογισμικού. Εταιρείες όπως η OpenAI και η Anthropic ανήκουν στη δεύτερη κατηγορία. Δεν κατέχουν κέντρα δεδομένων, δεν εκτίθενται άμεσα στις τιμές ενέργειας και τα έσοδά τους στηρίζονται σε συνδρομές και εταιρικά συμβόλαια που οι πελάτες δύσκολα ακυρώνουν σε περιόδους αβεβαιότητας — αντίθετα, τα διατηρούν ακριβώς επειδή ελπίζουν ότι η AI θα τους βοηθήσει να αντέξουν τις οικονομικές πιέσεις. Η Anthropic έχει υπερδιπλασιάσει τα ετήσια έσοδά της στους τελευταίους τρεις μήνες, φτάνοντας τα 19 δισεκατομμύρια δολάρια, ενώ η OpenAI κινείται κοντά στα 25 δισεκατομμύρια.

Αυτή η διάκριση — ανάμεσα σε όσους κατέχουν φυσική υποδομή και όσους πουλάνε πρόσβαση σε μοντέλα — μπορεί να αποδειχθεί η πιο σημαντική γραμμή διαχωρισμού στον κλάδο τα επόμενα χρόνια. Η έκρηξη της τεχνητής νοημοσύνης χτίστηκε πάνω σε φθηνή ενέργεια, φθηνά κεφάλαια και μια παγκόσμια αλυσίδα εφοδιασμού που λειτουργούσε αθόρυβα στο παρασκήνιο. Ο πόλεμος στη Μέση Ανατολή δεν αλλάζει τη βασική ζήτηση για AI — αλλά υπενθυμίζει με τον πιο απτό τρόπο ότι ακόμα και οι πιο ψηφιακές επαναστάσεις έχουν πολύ φυσικές, πολύ εύθραυστες ρίζες.

Το Sora έκλεισε — και μαζί του μια ολόκληρη υπόσχεση για το AI βίντεο

Η OpenAI ανακοίνωσε αιφνιδιαστικά τον τερματισμό του Sora, της εφαρμογής δημιουργίας βίντεο με AI που είχε προκαλέσει ενθουσιασμό όταν παρουσιάστηκε το 2024. Μαζί με την εφαρμογή κλείνει και η πρόσβαση στο Sora 2 μέσω API, ενώ ακυρώνεται και η συμφωνία με τη Disney για δημιουργία βίντεο με αδειοδοτημένους χαρακτήρες.

Λίγες ώρες αφότου η OpenAI δημοσίευε ακόμα ενημερώσεις για το Sora, ήρθε η ανακοίνωση που κανείς δεν περίμενε: η εφαρμογή κλείνει. Μαζί της κλείνει και η πρόσβαση στο Sora 2 μέσω API για developers. Η εταιρεία δεν έδωσε συγκεκριμένη ημερομηνία τερματισμού, υποσχόμενη να κοινοποιήσει χρονοδιαγράμματα και λεπτομέρειες για τη διατήρηση του υλικού των χρηστών.

Το Sora είχε κάνει εντυπωσιακό ντεμπούτο τον Φεβρουάριο του 2024, όταν τα πρώτα δείγματα ρεαλιστικών σκηνών που παρήγαγε έκαναν τον γύρο του διαδικτύου. Η υπόσχεση ήταν μεγάλη: ένα εργαλείο που θα μπορούσε να αλλάξει τον τρόπο παραγωγής οπτικού περιεχομένου. Όμως η κυκλοφορία της ενημερωμένης έκδοσης με το μοντέλο Sora Turbo, δέκα μήνες αργότερα, αντιμετωπίστηκε με επιφυλακτικότητα. Εν τω μεταξύ, ανταγωνιστές όπως οι Runway και Luma, αλλά και κινεζικές εταιρείες όπως οι Kling και Minimax, είχαν ήδη παρουσιάσει ισχυρές εναλλακτικές που κέρδιζαν έδαφος.

Παρά τις πιέσεις, η OpenAI συνέχισε να επενδύει στο προϊόν. Στο δεύτερο μισό του 2025 κυκλοφόρησε το Sora 2 μέσω API και εφαρμογών για iOS και Android, με την εφαρμογή για iPhone να φτάνει στιγμιαία στην πρώτη θέση του App Store. Το Sora δεν ήταν απλώς ένα εργαλείο δημιουργίας βίντεο — είχε σχεδιαστεί και ως κοινωνικό δίκτυο, όπου οι χρήστες μπορούσαν να εισάγουν AI-generated εκδοχές του εαυτού τους σε βίντεο. Τον Δεκέμβριο του 2025, η Disney ανακοίνωσε επένδυση ενός δισεκατομμυρίου δολαρίων σε μετοχικό κεφάλαιο της OpenAI, με στόχο την ενσωμάτωση δημοφιλών χαρακτήρων της στο Sora και τη διάθεση του περιεχομένου μέσω Disney+. Σύμφωνα με το The Hollywood Reporter, η συμφωνία αυτή έχει πλέον ακυρωθεί.

Το κλείσιμο του Sora δεν είναι τυχαίο timing. Η OpenAI έχει δηλώσει πρόθεση να συγκεντρώσει τις δυνάμεις της σε ένα ενιαίο «super app» που θα ενσωματώνει δυνατότητες από το ChatGPT, το Codex και άλλα προϊόντα της. Η στροφή αυτή συνδέεται, σύμφωνα με δημοσιεύματα της Wall Street Journal, με την ανάγκη να αντιμετωπιστεί η άνοδος της Anthropic και της σειράς Claude, ιδιαίτερα στον χώρο των επιχειρήσεων και των software developers. Παράλληλα, η εταιρεία βρίσκεται σε φάση αναδιάρθρωσης της ηγεσίας και του μη κερδοσκοπικού Foundation της, με δεσμεύσεις για επενδύσεις σε βιοεπιστήμες, θέσεις εργασίας και προγράμματα κοινότητας.

Το ερώτημα που μένει ανοιχτό είναι αν η απόσυρση του Sora σηματοδοτεί μια ευρύτερη επανεκτίμηση του τι μπορεί πραγματικά να κάνει το AI βίντεο σήμερα — ή αν απλώς η OpenAI αποφάσισε ότι η μάχη για αυτή την αγορά δεν αξίζει τον κόπο, όταν υπάρχουν μεγαλύτερες μάχες να δοθούν αλλού.

Το κυνήγι που άλλαξε όσα ξέραμε για τους Νεάντερταλ

Μια νέα ανάλυση οστών ελέφαντα και ξύλινου δόρατος που βρέθηκαν στη Γερμανία το 1948 επιβεβαιώνει ότι οι Νεάντερταλ ήταν ικανοί κυνηγοί μεγάλων θηραμάτων — όχι απλοί τροφοσυλλέκτες. Η ανακάλυψη, που για δεκαετίες παρέμενε στη σκιά λόγω ελλιπούς τεκμηρίωσης, αποκτά επιτέλους τη σημασία που της αξίζει.

Το 1948, ένας δάσκαλος και ερασιτέχνης αρχαιολόγος έφτασε βιαστικά σε ένα αμμοχάλικο στο Lehringen της Γερμανίας, αφού έμαθε ότι εργάτες ορυχείου είχαν αρχίσει να ξεθάβουν κάτι ασυνήθιστο. Εκεί, μέσα σε μια αρχαία λιμναία κοίτη, βρισκόταν ο σκελετός ενός ευθύκερου ελέφαντα ηλικίας 125.000 ετών — με ένα δόρυ από ξύλο ίταμου καρφωμένο ανάμεσα στα πλευρά του. Το δόρυ, μήκους 2,3 μέτρων, ήταν τότε το αρχαιότερο πλήρες όπλο που είχε βρεθεί ποτέ, και το μοναδικό που εντοπίστηκε μέσα στον σκελετό εξαφανισμένου ζώου.

Η ανακάλυψη θα έπρεπε να είχε γίνει παγκοσμίως γνωστή. Αντ’ αυτού, βυθίστηκε στη λήθη. Ο Alexander Rosenbrock δεν είχε μαζί του φωτογραφική μηχανή, δεν σχεδίασε τη θέση των ευρημάτων, και πέθανε στη δεκαετία του ’50 χωρίς να δημοσιεύσει τα αποτελέσματά του. Ακολούθησε μια επταετής νομική διαμάχη για το πού θα φυλαχτούν τα οστά, ενώ μέρος τους είχε ήδη κλαπεί πριν καν φτάσει ο Rosenbrock στο σημείο. Για τις επόμενες δεκαετίες, η επιστημονική κοινότητα αμφέβαλλε: ήταν άραγε τυχαίο που το δόρυ βρέθηκε δίπλα στα οστά;

Η απάντηση ήρθε το 2025, όταν ο Ivo Verheijen, ειδικός στα οστά στο Ερευνητικό Κέντρο Schöningen, αποφάσισε να εξετάσει από την αρχή τα ευρήματα του Lehringen. Αντί για μερικά κουτιά που περίμενε, βρήκε ένα φορτηγό γεμάτο υλικό αποθηκευμένο στη σοφίτα ενός μουσείου. Μέσα σε αυτό, εκτός από οστά και πυριτόλιθους, υπήρχαν και γραπτά αρχεία που είχε συνεχίσει η κόρη του Rosenbrock μετά τον θάνατό του.

Η εξέταση των οστών δεν άφησε περιθώρια αμφιβολίας. Τα σημάδια κοπής ήταν, όπως λέει ο ίδιος ο Verheijen, «σχεδόν αδύνατο να τα αγνοήσεις». Ο ελέφαντας δεν ήταν γέρος, όπως είχε αναφερθεί αρχικά — πέθανε στην ακμή του, γύρω στα 30 χρόνια, πιθανότατα αρσενικός, με ύψος πάνω από 3,5 μέτρα στον ώμο. Τα αρσενικά ελέφαντα κινούνται συχνά μόνα τους, γεγονός που τα καθιστά ευκολότερους στόχους από τα θηλυκά που ζουν σε αγέλες. Η επεξεργασία του ζώου έγινε τόσο εξωτερικά όσο και εσωτερικά, κάτι που δείχνει ότι οι Νεάντερταλ αφαίρεσαν και τα όργανα — άρα το ζώο ήταν νεκρό πρόσφατα όταν το βρήκαν, και δεν ήταν τυχαίο που το δόρυ βρισκόταν εκεί.

Η εικόνα που αναδύεται είναι ζωντανή: ένας τραυματισμένος ελέφαντας, με το δόρυ καρφωμένο στο πλευρό του, κατευθύνεται προς το νερό — όπως κάνουν και τα σύγχρονα ελέφαντα όταν πληγωθούν. Οι κυνηγοί τον ακολουθούν. Όταν το ζώο πέφτει, συνθλίβει κάτω του το δόρυ. Εκεί θα το βρουν 125.000 χρόνια αργότερα. Στο ίδιο σημείο βρέθηκαν και οστά αρκούδων, βίδρων και αγριοβόδων με ίχνη επεξεργασίας — ένδειξη ότι η λίμνη ήταν τακτικό σημείο κυνηγιού και σφαγής.

Το Lehringen δεν είναι πλέον μια αμφιλεγόμενη ανακάλυψη. Είναι μία από τις πιο ανάγλυφες σκηνές κυνηγιού που έχουμε από ολόκληρη την Παλαιολιθική εποχή — και μια υπενθύμιση ότι μερικές φορές η ιστορία δεν χρειάζεται νέες ανακαλύψεις, αλλά απλώς κάποιον που θα ανοίξει τα σωστά κουτιά.

Κλωνοποίηση: Η επιστήμη που αντιγράφει αλλά δεν αναπαράγει

Μια μελέτη 20 ετών αποκάλυψε ότι οι κλώνοι δεν είναι πραγματικά πανομοιότυπα αντίγραφα — συσσωρεύουν τριπλάσιες μεταλλάξεις σε σχέση με τα φυσικά γεννημένα ζώα. Στη 58η γενιά κλωνοποίησης κλώνων, κανένα ποντίκι δεν επέζησε. Τα ευρήματα επηρεάζουν τα πάντα, από τη γεωργία και τη διατήρηση ειδών μέχρι τα φιλόδοξα σχέδια επαναφοράς εξαφανισμένων ζώων.

Το 1996, η πρόβατο Dolly άλλαξε για πάντα την αντίληψή μας για τη βιολογία. Για πρώτη φορά, ένα θηλαστικό είχε κλωνοποιηθεί από ενήλικο κύτταρο — κάτι που μέχρι τότε θεωρούνταν αδύνατο. Ένα χρόνο αργότερα, ο Teruhiko Wakayama στο Πανεπιστήμιο Yamanashi της Ιαπωνίας δημιούργησε την Cumulina, το πρώτο κλωνοποιημένο ποντίκι. Από τότε, η κλωνοποίηση έμοιαζε να ανοίγει έναν δρόμο χωρίς τέλος. Μια νέα μελέτη δείχνει ότι αυτός ο δρόμος έχει τοίχο.

Ο Wakayama ξεκίνησε το 2005 ένα πείραμα απλό στη σύλληψη αλλά εντυπωσιακό στη διάρκεια: να κλωνοποιεί κλώνους, γενιά μετά γενιά, για να δει πόσο καλά αντέχει η μέθοδος. Μέχρι το 2013, η ομάδα του είχε παράγει πάνω από 500 ποντίκια σε 25 διαδοχικές γενιές — όλα υγιή, με φυσιολογικό προσδόκιμο ζωής. Φαινόταν ότι η κλωνοποίηση μπορούσε να συνεχιστεί επ’ αόριστον. Δεν μπορούσε.

Καθώς το πείραμα συνεχιζόταν, το ποσοστό επιτυχίας άρχισε να πέφτει. Στη 58η γενιά, κανένας κλώνος δεν επέζησε. Για να καταλάβουν γιατί, οι ερευνητές ανέλυσαν το γονιδίωμα δέκα ποντικιών από διαφορετικές γενιές. Το αποτέλεσμα ήταν αποκαλυπτικό: κάθε γενιά κλώνων συσσώρευε κατά μέσο όρο πάνω από 70 μεταλλάξεις — τριπλάσιες από αυτές που εμφανίζονται σε ποντίκια που αναπαράγονται φυσιολογικά. Μετά τη 27η γενιά, άρχισαν να εμφανίζονται μεγάλης κλίμακας γενετικές βλάβες, με αποκορύφωμα την πλήρη απώλεια ενός χρωμοσώματος Χ.

Το ερώτημα που μένει ανοιχτό είναι αν αυτές οι μεταλλάξεις προέρχονται από τα ίδια τα κύτταρα-δότες ή από τη διαδικασία της κλωνοποίησης. Τα σωματικά κύτταρα — αυτά που χρησιμοποιούνται στην κλωνοποίηση — συσσωρεύουν μεταλλάξεις πολύ πιο γρήγορα από τα αναπαραγωγικά κύτταρα. Μια πρόσφατη έρευνα έδειξε ότι τα αιμοσφαίρια μεταλλάσσονται οκτώ φορές ταχύτερα από τα σπερματοζωάρια. Αν λοιπόν ο κλώνος φτιάχνεται από ένα κύτταρο που ήδη φέρει πολλές μεταλλάξεις, αυτές μεταφέρονται αυτόματα στον απόγονο. Ο Wakayama, ωστόσο, πιστεύει ότι και η ίδια η διαδικασία μεταφοράς πυρήνα μπορεί να προκαλεί επιπλέον βλάβες στο DNA — κάτι που, αν ισχύει, κάνει το πρόβλημα δυσκολότερο να λυθεί.

Τα ευρήματα δεν καταδικάζουν την κλωνοποίηση ως τεχνολογία, αλλά περιπλέκουν σημαντικά τις εφαρμογές της. Στη γεωργία, η κλωνοποίηση χρησιμοποιείται για την αναπαραγωγή ζώων υψηλής απόδοσης. Στη διατήρηση ειδών, εξετάζεται ως εργαλείο για να σωθούν πληθυσμοί που βρίσκονται στα πρόθυρα εξαφάνισης. Και στο πεδίο της de-extinction — της επαναφοράς εξαφανισμένων ειδών όπως ο μαμούθ — η κλωνοποίηση είναι κεντρικό στοιχείο των σχεδίων. Σε όλες αυτές τις περιπτώσεις, η συσσώρευση μεταλλάξεων δεν είναι απλώς ακαδημαϊκό πρόβλημα — είναι πρακτικός κίνδυνος.

Η κλωνοποίηση ήταν πάντα μια τεχνολογία με υψηλό κόστος αποτυχίας. Τώρα ξέρουμε ότι ακόμα και όταν φαινομενικά πετυχαίνει, κουβαλά μέσα της τους σπόρους της αποτυχίας της. Το ερώτημα δεν είναι πλέον αν μπορούμε να κλωνοποιούμε — αλλά αν καταλαβαίνουμε αρκετά καλά τι κλωνοποιούμε.

Gemini 3.1 Flash-Lite: Το νέο μοντέλο της Google που σκέφτεται γρήγορα και κοστίζει λίγο

Η Google παρουσίασε το Gemini 3.1 Flash-Lite, το ταχύτερο και πιο οικονομικό μοντέλο της σειράς Gemini 3. Σχεδιασμένο για εφαρμογές μεγάλης κλίμακας, συνδυάζει χαμηλό κόστος με αξιοσημείωτες επιδόσεις σε tasks που απαιτούν γρήγορη απόκριση και λογική σκέψη.

Η Google έχει συνηθίσει να κυκλοφορεί μοντέλα AI που στοχεύουν στην κορυφή των benchmarks. Αυτή τη φορά, όμως, η εταιρεία στρέφει την προσοχή της αλλού: στο κόστος, στην ταχύτητα και στη δυνατότητα να τρέχουν εκατομμύρια αιτήματα χωρίς να σπάει ο προϋπολογισμός. Το Gemini 3.1 Flash-Lite είναι το νέο της στοίχημα σε αυτή την κατεύθυνση.

Το μοντέλο είναι ήδη διαθέσιμο σε preview για developers μέσω του Gemini API στο Google AI Studio, καθώς και για εταιρείες μέσω του Vertex AI. Η τιμολόγηση είναι εντυπωσιακά χαμηλή: 0,25 δολάρια ανά εκατομμύριο tokens εισόδου και 1,50 δολάριο ανά εκατομμύριο tokens εξόδου. Για σύγκριση, τα μεγαλύτερα μοντέλα κοστίζουν πολλαπλάσια για παρόμοιες εργασίες.

Η ταχύτητα είναι ένα από τα βασικά του χαρακτηριστικά. Σύμφωνα με τα benchmarks της Artificial Analysis, το 3.1 Flash-Lite είναι 2,5 φορές πιο γρήγορο από το προηγούμενο 2.5 Flash στον χρόνο που χρειάζεται για να εμφανίσει την πρώτη απάντηση, ενώ η συνολική ταχύτητα εξόδου έχει αυξηθεί κατά 45%. Αυτό δεν είναι απλώς τεχνική λεπτομέρεια: σε εφαρμογές που χειρίζονται χιλιάδες αιτήματα ανά λεπτό, κάθε millisecond μετράει.

Παρά το χαμηλό του κόστος, το μοντέλο δεν υστερεί σε ποιότητα. Στο Arena.ai Leaderboard έχει καταγράψει Elo score 1432, ενώ στα benchmarks λογικής σκέψης και πολυτροπικής κατανόησης ξεπερνά άλλα μοντέλα της ίδιας κατηγορίας — και μάλιστα σε ορισμένες περιπτώσεις υπερτερεί ακόμα και παλαιότερων, μεγαλύτερων μοντέλων της Google, όπως το 2.5 Flash. Στο GPQA Diamond, ένα δύσκολο test επιστημονικής συλλογιστικής, σκόραρε 86,9%, ενώ στο MMMU Pro έφτασε το 76,8%.

Ένα από τα πιο ενδιαφέροντα χαρακτηριστικά του είναι τα ρυθμιζόμενα “thinking levels” — ο developer μπορεί να ορίσει πόσο βαθιά θα “σκεφτεί” το μοντέλο για κάθε εργασία. Για απλές, επαναλαμβανόμενες εργασίες όπως μετάφραση ή έλεγχο περιεχομένου, το μοντέλο λειτουργεί με ελάχιστη επεξεργαστική επιβάρυνση. Για πιο σύνθετα tasks — δημιουργία interfaces, προσομοιώσεις, multi-step agents — μπορεί να ενεργοποιήσει βαθύτερη λογική σκέψη. Αυτή η ευελιξία το κάνει ιδιαίτερα χρήσιμο για εταιρείες που θέλουν να βελτιστοποιήσουν κόστος και απόδοση ταυτόχρονα.

Εταιρείες όπως η Latitude, η Cartwheel και η Whering έχουν ήδη αρχίσει να το χρησιμοποιούν σε πραγματικές εφαρμογές. Τα πρώτα σχόλια μιλούν για ένα μοντέλο που χειρίζεται σύνθετα inputs με την ακρίβεια μεγαλύτερων συστημάτων, ακολουθεί οδηγίες με συνέπεια και διατηρεί υψηλή αξιοπιστία ακόμα και σε μεγάλο όγκο αιτημάτων.

Το ερώτημα που μένει ανοιχτό είναι πού τελικά βρίσκεται το όριο ανάμεσα σε “αρκετά έξυπνο” και “πραγματικά έξυπνο” στα μοντέλα AI. Το Flash-Lite δείχνει ότι αυτό το όριο μετακινείται συνεχώς — και ότι η ισχύς δεν ανήκει πλέον μόνο στα μεγάλα, ακριβά μοντέλα.

Πόλη στη Σελήνη: Το υλικό πρόβλημα που κανείς δεν συζητά

Ο Έλον Μασκ μιλά για «αυτοαναπτυσσόμενη πόλη» στη Σελήνη ως το 2030. Το εμπόδιο δεν είναι η εκτόξευση — είναι το κόστος μεταφοράς υλικών από τη Γη. Η λύση βρίσκεται στο ίδιο το σεληνιακό έδαφος.

Δεν είναι η πρώτη φορά που ο Έλον Μασκ ανακοινώνει κάτι που ακούγεται σαν επιστημονική φαντασία. Αυτή τη φορά μιλά για μια «αυτοαναπτυσσόμενη πόλη» στη Σελήνη ως το 2030. Μπορεί να μην το πετύχει ο ίδιος, και μπορεί να μην το πετύχει μέχρι το 2030 — αλλά το ερώτημα δεν είναι πλέον αν θα χτιστεί ποτέ μια μόνιμη ανθρώπινη παρουσία στη Σελήνη. Είναι πότε και πώς.

Το πρόβλημα δεν είναι τεχνολογικό με την έννοια που φαντάζεται κανείς. Ξέρουμε πώς να φτάσουμε στη Σελήνη — το έχουμε κάνει. Το πρόβλημα είναι πιο καθημερινό και πιο σκληρό: κόστος. Μια πόλη χρειάζεται κτίρια, δρόμους, υποδομές. Χρειάζεται υλικά. Και αν αυτά τα υλικά πρέπει να ταξιδέψουν από τη Γη, τότε κάθε κιλό κοστίζει μια περιουσία. Δεν υπάρχει οικονομικό μοντέλο που να κάνει βιώσιμη μια αποικία αν χρειάζεται να στέλνεις τσιμέντο με πύραυλο.

Η απάντηση βρίσκεται στο ίδιο το σεληνιακό έδαφος. Το λεγόμενο regolith — η λεπτή σκόνη που καλύπτει την επιφάνεια της Σελήνης — είναι στην ακατέργαστη μορφή του αδύναμο και άχρηστο για κατασκευές. Αλλά επεξεργασμένο, αλλάζει χαρακτήρα εντελώς. Αν μετατραπεί σε ίνα, γίνεται πάνω από 20 φορές πιο ανθεκτικό από οποιοδήποτε άλλο προϊόν που παράγεται από τήξη ή συμπίεση του ίδιου υλικού. Συνδυάζει αντοχή σε εφελκυσμό, ευελιξία και μεγάλη επιφάνεια — ιδανικό για να ενισχύσει δομές προσγείωσης, δρόμους και καταφύγια, αλλά και για μόνωση, φιλτράρισμα ή ακόμα και ως υπόστρωμα για παραγωγή τροφής. Άλλες έρευνες έχουν δείξει ότι το ίδιο υλικό μπορεί να εκτυπωθεί σε τρισδιάστατα τούβλα τύπου LEGO που συνδέονται μεταξύ τους — μια αρθρωτή λογική κατασκευής που επιτρέπει ευελιξία και τροποποιήσεις σε ένα περιβάλλον όπου τίποτα δεν είναι δεδομένο.

Ο Ευρωπαϊκός Οργανισμός Διαστήματος έχει ήδη ξεκινήσει πρωτοβουλίες για την ανάπτυξη τεχνολογιών in-situ resource utilisation — δηλαδή χρήση των πόρων που υπάρχουν ήδη στη Σελήνη αντί να μεταφέρεται τα πάντα από τη Γη. Είναι μια λογική που αλλάζει τελείως τη φύση του εγχειρήματος: από αποστολή εφοδιασμού σε αυτάρκη αποικία.

Αυτό που συχνά χάνεται στη συζήτηση είναι ότι δεν πρόκειται μόνο για διαστημική ιστορία. Είναι βιομηχανική ιστορία. Εταιρείες εξόρυξης, παραγωγοί τσιμέντου, βιομηχανίες ινών, εταιρείες επεξεργασίας υλικών — όλοι αυτοί έχουν ήδη τη γνώση και την υποδομή που χρειάζεται η Σελήνη. Δεν χρειάζεται να επινοηθεί τίποτα από το μηδέν, αλλά να προσαρμοστεί σε ακραίες συνθήκες: ακτινοβολία, θερμοκρασιακές διακυμάνσεις εκατοντάδων βαθμών, κενό. Νέα επιχειρηματικά μοντέλα θα αναδυθούν γύρω από μικρο-εργοστάσια εκτός Γης, αυτόνομα συστήματα εξόρυξης και αρθρωτές κατασκευαστικές μονάδες.

Είτε η πόλη στη Σελήνη χτιστεί το 2030 είτε το 2045, είτε την υλοποιήσουν οι Αμερικανοί είτε οι Κινέζοι, ένα πράγμα είναι σαφές: αν τα υλικά αντιμετωπιστούν ως δευτερεύον ζήτημα, η σεληνιακή πόλη θα παραμείνει σλόγκαν. Αν αντιμετωπιστούν ως θεμέλιο, τότε έχουμε σχέδιο. Και ίσως αυτό — όχι η εκτόξευση, όχι η προσσελήνωση — να είναι το πιο σημαντικό βήμα που πρέπει να γίνει τώρα.

Το λογισμικό που θέλει να ξεμπλοκάρει το ραδιοφάσμα του διαστήματος

Η αμερικανική startup Airbase βγήκε από την αφάνεια με 5 εκατομμύρια δολάρια χρηματοδότηση, στοχεύοντας να εκσυγχρονίσει τον τρόπο που κυβερνήσεις και εταιρείες συντονίζουν τις ραδιοσυχνότητες για δορυφόρους, δίκτυα 5G και στρατιωτικές επικοινωνίες. Το timing δεν είναι τυχαίο: η αμερικανική FCC βρίσκεται ακριβώς τώρα σε διαδικασία απελευθέρωσης νέων συχνοτήτων για διαστημικές χρήσεις.

Το ραδιοφάσμα είναι ένας από τους πιο πολύτιμους και πιο υποεκτιμημένους πόρους της σύγχρονης τεχνολογίας. Κάθε δορυφόρος, κάθε κεραία 5G, κάθε στρατιωτικό σύστημα επικοινωνίας χρειάζεται τις δικές του συχνότητες — και ο χώρος δεν είναι απεριόριστος. Το πρόβλημα όμως δεν είναι μόνο φυσικό. Είναι κυρίως γραφειοκρατικό.

Αυτό ακριβώς υποστηρίζει η Airbase, μια νεοϋορκέζικη startup που αναδύθηκε από την αφάνεια στα τέλη Μαρτίου, έχοντας εξασφαλίσει 5 εκατομμύρια δολάρια από επενδυτές με επικεφαλής την κορυφαία εταιρεία venture capital Andreessen Horowitz. Η εταιρεία λέει ότι έχει χτίσει λογισμικό που αντικαθιστά τα δεκαετίας παλιά, χειροκίνητα συστήματα συντονισμού συχνοτήτων με αυτοματοποιημένα εργαλεία — από τη διαχείριση παρεμβολών και αδειοδοτήσεων μέχρι την πρόσβαση σε συχνότητες σε πραγματικό χρόνο.

«Η φυσική ορίζει τα σκληρά όρια της διαθεσιμότητας του φάσματος, αλλά το πραγματικό εμπόδιο είναι ο αναλογικός συντονισμός», εξήγησε ο CEO Ari Rosner, που έχει παρελθόν στη NASA και σε αμυντικές διαστημικές εταιρείες. Με άλλα λόγια: οι συχνότητες υπάρχουν, αλλά η διαδικασία για να τις αποκτήσεις και να τις χρησιμοποιήσεις νόμιμα είναι τόσο αργή και πολύπλοκη που γίνεται η ίδια εμπόδιο στην ανάπτυξη νέων τεχνολογιών.

Η εταιρεία λέει ότι εργάζεται ήδη υπό κυβερνητικό συμβόλαιο στις ΗΠΑ για να αυτοματοποιήσει μέρος αυτής της διαδικασίας, χωρίς να δίνει περισσότερες λεπτομέρειες. Παράλληλα, το λογισμικό της έχει σχεδιαστεί για διπλή χρήση: από εμπορικές εφαρμογές και ρυθμιστικές αρχές μέχρι στρατιωτικά συστήματα ηλεκτρονικού πολέμου και τακτικές επικοινωνίες.

Το παρασκήνιο είναι εξίσου σημαντικό με την ίδια την εταιρεία. Η αμερικανική Ομοσπονδιακή Επιτροπή Επικοινωνιών (FCC) βρίσκεται σε φάση επανεξέτασης του τρόπου που διαχειρίζεται το φάσμα για διαστημικές χρήσεις. Ο επίτροπος Brendan Carr πρότεινε νέους κανόνες που θα διευκολύνουν την πρόσβαση σε συχνότητες για αποστολές όπως η συντήρηση δορυφόρων στο διάστημα, τα τροχιακά εργαστήρια και άλλες αναδυόμενες χρήσεις — αυτό που ο ίδιος αποκάλεσε με κάποια αυτοσαρκασμό «περίεργα διαστημικά πράγματα».

Σε έναν κλάδο που μεγαλώνει με ταχύτητα — χιλιάδες νέοι δορυφόροι εκτοξεύονται κάθε χρόνο, τα δίκτυα 5G επεκτείνονται και οι στρατιωτικές επικοινωνίες γίνονται ολοένα πιο εξαρτημένες από το διάστημα — η διαχείριση του φάσματος δεν είναι πλέον τεχνική λεπτομέρεια. Είναι στρατηγικό ζήτημα. Αν η Airbase μπορεί να κάνει αυτή τη διαδικασία πιο γρήγορη και πιο έξυπνη, το αγοραστικό κοινό της δεν θα είναι μόνο μηχανικοί και ρυθμιστικές αρχές — θα είναι κυβερνήσεις και εταιρείες που ανταγωνίζονται για πόρους που δεν μπορούν να δημιουργηθούν από το μηδέν.

Daredevil: Born Again — η δεύτερη σεζόν διορθώνει τα λάθη της πρώτης, αλλά όχι όλα

Η δεύτερη σεζόν του Daredevil: Born Again είναι πιο σκοτεινή, πιο βίαιη και πιο συνεκτική από την πρώτη. Ο Matt Murdock επιστρέφει με νέα ένταση, η Jessica Jones κάνει πολυαναμενόμενη επιστροφή, και το σόου βρίσκει επιτέλους τον ρυθμό του — χωρίς όμως να λύσει όλα τα παλιά του προβλήματα.

Έξι μήνες μετά το φινάλε της πρώτης σεζόν, ο Matt Murdock συνεχίζει τον ανελέητο πόλεμό του ενάντια στον Wilson Fisk, τον δικτατορικό δήμαρχο της Νέας Υόρκης. Ο Fisk έχει μετατρέψει την καταστολή των vigilantes σε επίσημη πολιτική, χρησιμοποιώντας την ταυτόχρονα ως κάλυψη για τις εγκληματικές του δραστηριότητες. Όταν ο Murdock και η Karen Page ανακαλύπτουν και διαταράσσουν μια πολυεκατομμυριούχα αποστολή όπλων στον ποταμό Hudson, το παιχνίδι κλιμακώνεται με τρόπους που κανείς δεν περίμενε.

Από την πρώτη σκηνή — ο Daredevil εισβάλλει σε ένα φορτηγό πλοίο στη μέση της νύχτας — η σεζόν δηλώνει ξεκάθαρα τις προθέσεις της. Η δράση είναι ωμή, χαοτική και εντυπωσιακή, με σκηνές μάχης που παραπέμπουν στα καλύτερα στιγμιότυπα της αρχικής σειράς του Netflix — τον διάδρομο της πρώτης σεζόν, τη σκάλα της δεύτερης, τη φυλακή της τρίτης. Το νέο μαύρο κοστούμι του Murdock, εμπνευσμένο από τα κόμικς Shadowland, λειτουργεί ως οπτική μεταφορά για τη σκοτεινότερη ψυχολογική κατάσταση στην οποία βρίσκεται ο χαρακτήρας.

Το πέμπτο επεισόδιο είναι ξεχωριστό. Χωρίς σχεδόν καμία σκηνή δράσης, χωρίζει τον χρόνο του ανάμεσα σε παρόν και παρελθόν, γεμίζοντας κενά από την εποχή του Netflix και φέρνοντας πίσω τον Foggy Nelson μέσα από flashbacks. Η επιστροφή του Elden Henson είναι ταυτόχρονα ανακουφιστική και οδυνηρή. Παράλληλα, η παρούσα αφήγηση εστιάζει στον Fisk και στον Bullseye — δύο χαρακτήρες που αποδεικνύουν γιατί η Marvel πρέπει να σταματήσει να σκοτώνει τους καλούς της κακούς.

Η επιστροφή της Krysten Ritter ως Jessica Jones είναι το μεγάλο στοίχημα της σεζόν. Εμφανίζεται αργά — μόνο στο δεύτερο μισό — αλλά η χημεία της με τον Murdock είναι αμέσως αναγνωρίσιμη, σαν να μην πέρασε μέρα από τους The Defenders. Η Deborah Ann Woll ως Karen Page έχει επιτέλους ουσιαστικό ρόλο, και η σχέση της με τον Murdock εξελίσσεται με τρόπο που δεν αποφεύγει τη σύγκρουση. Νέοι χαρακτήρες όπως ο μυστηριώδης Mister Charles και η κυβερνήτης McCaffrey προσθέτουν πολιτικές διαστάσεις στο σκάκι εξουσίας που παίζεται γύρω από τον Fisk.

Παρ’ όλα αυτά, η σεζόν δεν ξεφεύγει από τα παλιά της προβλήματα. Τα πρώτα τέσσερα επεισόδια κουβαλούν τα ίδια ελαττώματα με την πρώτη σεζόν: απότομες εναλλαγές σκηνών, παρεμβολές του The B.B. Report που διακόπτουν τη ροή, και δευτερεύουσες ιστορίες που δεν αναπτύσσονται αρκετά για να αποκτήσουν συναισθηματικό βάρος. Ο χαρακτήρας της Heather Glenn ακολουθεί προβλέψιμη πορεία, ενώ η ιστορία του Daniel Blake φτάνει σε αδύναμο τέλος λόγω ασυνεπούς χειρισμού. Είναι απογοητευτικό, γιατί το υλικό υπάρχει — απλώς δεν αξιοποιείται.

Το δεύτερο μισό της σεζόν είναι σαφώς πιο συνεκτικό και οδηγεί σε ένα φινάλε που ανοίγει νέους δρόμους για την ήδη επιβεβαιωμένη τρίτη σεζόν. Το Daredevil: Born Again δεν έχει γίνει ακόμα η τέλεια σειρά που θα μπορούσε να είναι — αλλά πλησιάζει.

Η Ισπανία δεν κάνει πίσω: Airbnb πληρώνει πρόστιμο 64 εκατ. ευρώ

Το Ανώτατο Δικαστήριο της Μαδρίτης απέρριψε το αίτημα της Airbnb να αναστείλει την καταβολή προστίμου 64 εκατομμυρίων ευρώ που της επέβαλε το ισπανικό Υπουργείο Καταναλωτών. Η πλατφόρμα κατηγορείται για δεκάδες χιλιάδες παράνομες αγγελίες τουριστικών καταλυμάτων. Η υπόθεση συνεχίζεται, αλλά το πρόστιμο πρέπει να πληρωθεί τώρα.

Η Airbnb έχασε μια σημαντική νομική μάχη στην Ισπανία. Το Ανώτατο Δικαστήριο Δικαιοσύνης της Μαδρίτης απέρριψε το αίτημά της να παγώσει την καταβολή προστίμου σχεδόν 64 εκατομμυρίων ευρώ, το οποίο της επιβλήθηκε τον Δεκέμβριο του 2025 από το Υπουργείο Καταναλωτών. Αυτό σημαίνει ότι η εταιρεία υποχρεούται να πληρώσει, ακόμα και αν η δικαστική διαμάχη για την ουσία της υπόθεσης συνεχίζεται.

Το δικαστήριο δεν εξέτασε αν το πρόστιμο είναι δίκαιο ή όχι — αυτό θα κριθεί αργότερα. Αρκέστηκε στο να απορρίψει το αίτημα αναστολής, αφήνοντας την Airbnb να αντιμετωπίσει μια άμεση οικονομική υποχρέωση ενώ παράλληλα προετοιμάζει την υπεράσπισή της. Η εταιρεία έχει ήδη δηλώσει ότι σκοπεύει να συνεχίσει τη νομική της πορεία, υποστηρίζοντας ότι το πρόστιμο αντιβαίνει τόσο στο ισπανικό όσο και στο ευρωπαϊκό νομικό πλαίσιο.

Τι ακριβώς κατηγορείται η Airbnb; Σύμφωνα με τις ισπανικές αρχές, η πλατφόρμα φιλοξενούσε χιλιάδες αγγελίες τουριστικών καταλυμάτων χωρίς έγκυρη άδεια, με ψευδείς ή λανθασμένους αριθμούς καταχώρισης και χωρίς επαρκή στοιχεία για τους ιδιοκτήτες. Το Υπουργείο Καταναλωτών χαρακτήρισε αυτές τις πρακτικές ως παραπλανητικές για τους καταναλωτές. Το ύψος του προστίμου — 64 εκατομμύρια ευρώ — αντιστοιχεί, σύμφωνα με τις αρχές, σε έξι φορές το παράνομο κέρδος που αποκόμισε η εταιρεία από αυτές τις παραβάσεις.

Η υπόθεση δεν είναι απλώς μια νομική διαμάχη μεταξύ μιας εταιρείας και ενός κράτους. Είναι μέρος μιας ευρύτερης ευρωπαϊκής στροφής απέναντι στις πλατφόρμες βραχυχρόνιας μίσθωσης. Η Ισπανία, όπως και η Γαλλία, η Ιταλία και η Πορτογαλία, έχει σφίξει τους κανόνες για τα τουριστικά καταλύματα, καθώς η έκρηξη του Airbnb και παρόμοιων πλατφορμών έχει συνδεθεί με αυξανόμενα ενοίκια και έλλειψη κατοικιών στις μεγάλες πόλεις. Στη Βαρκελώνη, για παράδειγμα, η δημοτική αρχή έχει ήδη ανακοινώσει ότι δεν θα ανανεώσει άδειες τουριστικών καταλυμάτων όταν λήξουν.

Το ερώτημα που μένει ανοιχτό είναι αν αυτή η σκληρότερη στάση των ευρωπαϊκών κυβερνήσεων θα αλλάξει πραγματικά τον τρόπο λειτουργίας των πλατφορμών ή αν θα οδηγήσει απλώς σε μια σειρά από νομικές διαμάχες που θα κρατήσουν χρόνια. Για την Airbnb, η Ισπανία είναι μια από τις μεγαλύτερες αγορές της στην Ευρώπη — και αυτή η απόφαση στέλνει ένα σαφές μήνυμα ότι η εποχή της ανεξέλεγκτης ανάπτυξης έχει τελειώσει.

Τα AI που μαθαίνουν πώς να μαθαίνουν καλύτερα — και το κάνουν μόνα τους

Ερευνητές από κορυφαία πανεπιστήμια και τα Meta AI Labs παρουσίασαν τους Hyperagents — συστήματα τεχνητής νοημοσύνης που δεν βελτιώνουν απλώς την απόδοσή τους, αλλά ξαναγράφουν τον ίδιο τον μηχανισμό με τον οποίο βελτιώνονται. Πρόκειται για ένα από τα πιο φιλόδοξα βήματα προς την αυτόνομη αυτο-βελτίωση στην ιστορία του AI.

Υπάρχει ένα ερώτημα που στοιχειώνει την έρευνα στο AI εδώ και δεκαετίες: μπορεί ένα σύστημα να γίνει καλύτερο όχι μόνο στο να λύνει προβλήματα, αλλά στο να μαθαίνει πώς να τα λύνει; Η θεωρητική απάντηση υπήρχε από καιρό — μοντέλα όπως το Gödel Machine το είχαν περιγράψει με μαθηματική ακρίβεια. Το πρακτικό βήμα, όμως, έλειπε. Μέχρι τώρα.

Ερευνητές από το Πανεπιστήμιο της Βρετανικής Κολομβίας, το Vector Institute, το Πανεπιστήμιο του Εδιμβούργου, το NYU και τα Meta AI Labs παρουσίασαν ένα νέο πλαίσιο που ονομάζουν Hyperagents. Η βασική ιδέα είναι απλή στη διατύπωση, αλλά βαθιά στις συνέπειές της: το σύστημα δεν έχει απλώς έναν πράκτορα που λύνει προβλήματα και έναν άλλον που τον βελτιώνει — έχει έναν ενιαίο, αυτο-αναφορικό κώδικα που μπορεί να ξαναγράψει και τα δύο ταυτόχρονα. Ο μηχανισμός βελτίωσης είναι ο ίδιος επεξεργάσιμος.

Το πρόβλημα που έλυσαν δεν είναι τεχνικής φύσης μόνο — είναι φιλοσοφικό. Αν έχεις έναν πράκτορα που λύνει ένα πρόβλημα και έναν μετα-πράκτορα που τον βελτιώνει, ποιος βελτιώνει τον μετα-πράκτορα; Η προσθήκη ενός τρίτου επιπέδου απλώς μετακινεί το ερώτημα ένα σκαλί πιο πάνω. Οι Hyperagents σπάνε αυτή την άπειρη αναδρομή ενσωματώνοντας όλα τα επίπεδα σε ένα ενιαίο, τροποποιήσιμο πρόγραμμα. Αυτό που οι ερευνητές αποκαλούν μεταγνωστική αυτο-τροποποίηση.

Τα αποτελέσματα των πειραμάτων είναι εντυπωσιακά. Σε ένα τεστ ρομποτικής, το σύστημα έπρεπε να σχεδιάσει συναρτήσεις ανταμοιβής για να εκπαιδεύσει ένα τετράποδο ρομπότ. Ξεκίνησε με σκορ 0,060 και έφτασε στο 0,372 — ανακαλύπτοντας από μόνο του ότι το άλμα ήταν καλύτερη στρατηγική για να μεγιστοποιήσει το ύψος από το απλό να σταθεί όρθιο. Σε αξιολόγηση επιστημονικών άρθρων, η απόδοση πήγε από μηδέν στο 0,710, με το σύστημα να αναπτύσσει από μόνο του πολυσταδιακές διαδικασίες αξιολόγησης με ρητά κριτήρια.

Το πιο σημαντικό εύρημα, ωστόσο, είναι η μεταφερσιμότητα. Οι ερευνητές πήραν μετα-πράκτορες που είχαν εκπαιδευτεί σε αξιολόγηση άρθρων και ρομποτική, και τους εφάρμοσαν σε ένα εντελώς διαφορετικό πεδίο: βαθμολόγηση μαθηματικών προβλημάτων ολυμπιάδας. Τα παραδοσιακά συστήματα απέτυχαν παταγωδώς. Οι Hyperagents πέτυχαν βελτίωση 0,630 στις 50 τροποποιήσεις. Αυτό σημαίνει ότι το σύστημα δεν έμαθε απλώς να λύνει ένα πρόβλημα — έμαθε να μαθαίνει με τρόπο που μεταφέρεται αλλού.

Αν αυτή η προσέγγιση αποδειχθεί κλιμακώσιμη, αλλάζει θεμελιακά τον τρόπο που σκεφτόμαστε την εκπαίδευση AI συστημάτων. Αντί να χρειαζόμαστε ανθρώπους που σχεδιάζουν κάθε βήμα βελτίωσης, τα ίδια τα συστήματα θα μπορούν να αναπτύσσουν τις δικές τους στρατηγικές — και να τις εφαρμόζουν σε πεδία που δεν είχαν προβλεφθεί. Το ερώτημα που μένει ανοιχτό είναι πόσο μακριά μπορεί να φτάσει αυτή η αυτονομία, και ποιος θα αποφασίζει πότε σταματά.

1...359360361...1,695Page 360 of 1,695