Ένα νέο μοντέλο
AI.

Η AI γίνεται ένα θεμελιώδες υπόστρωμα του κόσμου. Όποιος ελέγχει τα μοντέλα, τα δεδομένα, τα κανάλια πρόσβασης και τους κανόνες λειτουργίας, ελέγχει όλο και περισσότερο τμήματα της οικονομίας, του πολιτισμού, της διοίκησης, της εκπαίδευσης και της γνώσης.

Η κυριαρχία της AI δεν είναι επομένως απλώς ένα πολιτικό σύνθημα. Είναι προϋπόθεση για τη γνωστική, οικονομική και τεχνολογική ασφάλεια.

Κυρίαρχη AI σημαίνει την ικανότητα εκτέλεσης μοντέλων τοπικά ή περιφερειακά· τον έλεγχο των οργανωσιακών δεδομένων και της μνήμης· τον έλεγχο αποφάσεων, πηγών και ενημερώσεων· την αποφυγή εξάρτησης από έναν μόνο πάροχο· και την κατοχή ή διακυβέρνηση των δικών σου μοντέλων, προσαρμογέων, σωμάτων κειμένων και λειτουργικών κανόνων.

Δεν χρειάζεται κάθε οργανισμός να εκπαιδεύει ένα θεμελιώδες μοντέλο από την αρχή. Αλλά κάθε οργανισμός θα πρέπει να μπορεί να κατέχει το δικό του επίπεδο AI: προσαρμοσμένο στη γνώση, τη γλώσσα, τον πολιτισμό, τις διαδικασίες, τους κινδύνους και τους στόχους του.

Η ασφάλεια της AI δεν μπορεί να περιοριστεί στο φιλτράρισμα των αποτελεσμάτων. Τα φίλτρα είναι απαραίτητα, αλλά αποτελούν επιφανειακές δικλίδες ασφαλείας.

Η ασφαλής AI πρέπει να σχεδιάζεται βαθύτερα: στο επίπεδο της αρχιτεκτονικής, της μνήμης, της πρόσβασης στα δεδομένα, των διαδρομών απόφασης, της ελεγξιμότητας, των ενημερώσεων και της λογοδοσίας.

Χρειαζόμαστε μοντέλα και συστήματα που γνωρίζουν από πού προέρχεται η πληροφορία· διαχωρίζουν την επαληθευμένη γνώση από τις υποθέσεις· καταγράφουν το ιστορικό των αλλαγών και των αποφάσεων· επιτρέπουν την χρήσιμη ανακατασκευή των διαδρομών συλλογισμού· μειώνουν τις ψευδαισθήσεις μέσω της μνήμης, των πηγών, των δοκιμών και της επικύρωσης· και υποστηρίζουν τοπικές πολιτικές ασφαλείας ευθυγραμμισμένες με το οργανωσιακό πλαίσιο.

Η ασφάλεια δεν πρέπει να είναι ένα αδιαφανές μαύρο κουτί που επιβάλλεται από έξω. Θα πρέπει να είναι τοπικά παραμετροποιήσιμη, ελέγξιμη και κατανοητή.

Ο κόσμος αλλάζει ταχύτερα από τους κύκλους εκπαίδευσης των γιγάντιων μοντέλων. Οι εταιρείες αλλάζουν διαδικασίες. Η νομοθεσία αλλάζει. Η γνώση λήγει. Οι οργανισμοί μαθαίνουν κάθε μέρα.

Η AI του μέλλοντος δεν μπορεί να είναι μόνο ένα στατικό μοντέλο παγωμένο μετά την εκπαίδευση.

Χρειαζόμαστε συστήματα που προσαρμόζονται μέσω της εξωτερικής οργανωσιακής μνήμης, των τοπικών ενημερώσεων, των προσαρμογέων, της δρομολόγησης από ειδικούς, της μάθησης από την αλλαγή, της επικύρωσης πηγών, της ελεγχόμενης μικρορύθμισης (fine-tuning), της διαχείρισης εκδόσεων και των μηχανισμών επαναφοράς (rollback).

Διατυπώνουμε εδώ ένα σχεδιαστικό στοίχημα, ανοιχτά, ως στοίχημα: ένα μοντέλο δεν πρέπει να προσπαθεί να απορροφήσει όλη την πραγματική γνώση στα βάρη του. Θα πρέπει να γνωρίζει πώς να χρησιμοποιεί ζωντανή, τρέχουσα, ελέγξιμη μνήμη. Η πραγματική γνώση μπορεί να βρίσκεται σε συστήματα RAG, βάσεις γνώσεων, γράφους, αποθετήρια εγγράφων και τοπικές μνήμες, ενώ το μοντέλο μαθαίνει κυρίως τη γλώσσα, τον συλλογισμό, την αφαίρεση, τον σχεδιασμό, τον χειρισμό εννοιών και την προσαρμογή. Το αν ο συλλογισμός μπορεί να διαχωριστεί πλήρως από την παραμετρική γνώση παραμένει ένα ανοιχτό εμπειρικό ερώτημα. Σκοπεύουμε να συνεχίσουμε να το ελέγχουμε — και να αναφέρουμε με ειλικρίνεια πού αποτυγχάνει ο διαχωρισμός.

Η τρέχουσα κούρσα της AI είναι δαπανηρή σε όρους ενέργειας, υλικού (hardware) και περιβάλλοντος. Τα ολοένα και μεγαλύτερα μοντέλα απαιτούν ολοένα και μεγαλύτερα κέντρα δεδομένων, περισσότερη ηλεκτρική ενέργεια, περισσότερα κεφάλαια και μεγαλύτερη συγκέντρωση της αγοράς.

Δεν είναι αυτή η μοναδική δυνατή πορεία.

Το New Model AI αντιμετωπίζει την αποδοτικότητα ως θεμελιώδη αξία. Ένα μοντέλο δεν πρέπει να αξιολογείται μόνο από τις βαθμολογίες του στα benchmarks, αλλά και από το κόστος επίτευξης αυτών των βαθμολογιών.

Τα σημαντικά ερωτήματα δεν είναι μόνο αν ένα μοντέλο μπορεί να απαντήσει, αλλά και πόση ενέργεια χρησιμοποίησε, πόση μνήμη απαιτεί, αν μπορεί να εκτελεστεί τοπικά, αν μπορεί να προσαρμοστεί χωρίς πλήρη επανεκπαίδευση, αν μπορεί να ενεργοποιήσει μόνο τα απαραίτητα στοιχεία και αν ένας οργανισμός μπορεί να το συντηρήσει οικονομικά και τεχνικά.

Το μέλλον της AI δεν πρέπει να περιορίζεται σε ολοένα μεγαλύτερους μονόλιθους. Θα πρέπει να οικοδομείται από ευφυή συστήματα: αρθρωτά, μερικώς εγκατεστημένα στη μνήμη (partially resident), δυναμικά, ενεργειακά αποδοτικά και κλιμακούμενα χάρη στην ευφυΐα και όχι στην καθαρή μάζα.

Η AI δεν πρέπει να γίνει μια τεχνολογία που είναι πρακτικά διαθέσιμη μόνο σε λίγα κράτη, λίγες εταιρείες και λίγα εργαστήρια.

Ο εκδημοκρατισμός της AI δεν σημαίνει απλώς την παροχή πρόσβασης σε ένα chatbot μέσα σε έναν browser. Σημαίνει την παροχή της δυνατότητας σε μικρότερες εταιρείες, σχολεία, πανεπιστήμια, τοπικές αυτοδιοικήσεις, δημόσιους φορείς, οργανώσεις της κοινωνίας των πολιτών και κοινότητες να κατασκευάζουν, να προσαρμόζουν, να φιλοξενούν, να ελέγχουν και να αναπτύσσουν τα δικά τους συστήματα AI.

Χρειαζόμαστε την AI σε πολλαπλές κλίμακες: ένα προσωπικό μοντέλο για ένα άτομο· ένα οργανωσιακό μοντέλο για μια εταιρεία· ένα κλαδικό μοντέλο για μια βιομηχανία· ένα δημόσιο μοντέλο για τη διοίκηση· ένα ερευνητικό μοντέλο για την επιστήμη· και κοινωνικά μοντέλα για τον πολιτισμό και την εκπαίδευση.

Ο εκδημοκρατισμός δεν απαιτεί από όλους να εκπαιδεύουν μοντέλα από το μηδέν. Απαιτεί όλοι να έχουν μια ρεαλιστική πορεία προς το δικό τους ελεγχόμενο, προσαρμοστικό και κατανοητό επίπεδο AI.

Η επόμενη γενιά AI θα πρέπει να μετατοπίσει το κέντρο βάρους από την απλή κλίμακα στην αρχιτεκτονική. Αντί για ένα γιγάντιο μοντέλο που προσπαθεί να τα θυμάται όλα, μπορούμε να χτίσουμε συστήματα που αποτελούνται από μικρότερα εξειδικευμένα μοντέλα, δρομολογητές, εξωτερική μνήμη, γράφους γνώσης, ενότητες συλλογισμού, προσαρμογείς τομέα, τοπικούς εμπειρογνώμονες, μηχανισμούς επικύρωσης, βρόχους μάθησης από τον χρήστη και δυναμικούς χώρους νοήματος.

Η νοημοσύνη δεν χρειάζεται να κατοικεί μόνο στις παραμέτρους ενός μοναδικού μοντέλου. Μπορεί να αναδυθεί από την αρχιτεκτονική: από τον τρόπο που συνδέονται η μνήμη, ο συλλογισμός, οι πηγές, τα εργαλεία, το πλαίσιο και η δράση.

Γνωρίζουμε την ισχυρότερη αντίρρηση. Εδώ και εβδομήντα χρόνια — όπως παρατηρεί ο Richard Sutton στο «Bitter Lesson» — οι γενικές μέθοδοι που βασίζονται σε ολοένα και φθηνότερη υπολογιστική ισχύ έχουν νικήσει τις έξυπνες, χειροποίητες αρχιτεκτονικές. Δεν αρνούμαστε αυτή την ιστορία. Αρνούμαστε την παραδοχή της για το μέλλον.

Το Bitter Lesson ίσχυε σε μια εποχή όπου η υπολογιστική ισχύς φαινόταν να είναι ο φθηνότερος πόρος. Ποτέ δεν ήταν. Απλώς δεν υπολογίσαμε το πλήρες κόστος της: η ενέργεια, το νερό, οι εκπομπές, οι αλυσίδες εφοδιασμού υλικού (hardware), η συγκέντρωση της αγοράς και η γεωπολιτική εξάρτηση εξωτερικεύτηκαν από την εξίσωση. Η υπολογιστική ισχύς ήταν φθηνή για όσους την κλιμάκωναν — και ακριβή για όλους τους άλλους. Μόλις ο λογαριασμός γίνει με ειλικρίνεια και πληρότητα, το τίμημα της ακατέργαστης κλίμακας φαίνεται πολύ διαφορετικό. Αυτός ο λογαριασμός έρχεται τώρα: όχι από επιλογή κανενός, αλλά μέσω της φυσικής, της οικονομίας και της οικολογίας. Όταν οι πραγματικοί περιορισμοί τιμολογηθούν, ο άξονας της προόδου μετατοπίζεται αναγκαστικά από την ακατέργαστη κλίμακα στη νοημοσύνη ανά joule.

Τα πρώτα σημάδια υπάρχουν ήδη. Ένα αναδρομικό μοντέλο επτά εκατομμυρίων παραμέτρων — τέσσερις τάξεις μεγέθους μικρότερο από τα συστήματα αιχμής — έχει ισοφαρίσει ή ξεπεράσει μοντέλα εκατοντάδων δισεκατομμυρίων παραμέτρων σε benchmarks αφηρημένου συλλογισμού. Η προσεκτική ανάλυση δείχνει ότι η δύναμή του δεν προέρχεται μόνο από το δίκτυο, αλλά από την αλληλεπίδραση ενός μικροσκοπικού πυρήνα με επαναληπτική βελτίωση, υπολογισμούς κατά τον χρόνο εκτέλεσης (test-time computation) και δομή της εργασίας. Αυτό είναι ακριβώς το ζητούμενο: η νοημοσύνη προέκυψε από το σύστημα, όχι από τον αριθμό των παραμέτρων. Τα ίδια τα εργαστήρια αιχμής το παραδέχονται πλέον στην πράξη — η ανάκτηση, τα εργαλεία, η δρομολόγηση και ο συλλογισμός κατά τον χρόνο συμπερασμού (inference-time reasoning) είναι αρχιτεκτονική, όχι κλίμακα.

Δεν ισχυριζόμαστε ότι η αρχιτεκτονική θα νικήσει την κλίμακα σε κάθε benchmark. Ισχυριζόμαστε κάτι πιο δύσκολο να αντικρουστεί: υπό τους πραγματικούς περιορισμούς της ενέργειας, του κόστους, της κυριαρχίας και της λογοδοσίας, η αρχιτεκτονική είναι ο μόνος άξονας προόδου που παραμένει ανοιχτός για όλους.

Αυτή είναι η βασική μετατόπιση: η AI ως σύστημα, όχι απλώς ως μοντέλο.

Το New Model AI απαιτεί μια διαφορετική σχέση μεταξύ των ανθρώπων και των συστημάτων AI.

Ο χρήστης δεν πρέπει να είναι απλώς ο παραλήπτης των απαντήσεων. Ο χρήστης πρέπει να είναι συν-δημιουργός του λειτουργικού μοντέλου: ικανός να επιβεβαιώνει, να απορρίπτει και να σταθμίζει πηγές· να διορθώνει τη μνήμη· να ορίζει τοπικούς κανόνες· να χτίζει έναν ιδιωτικό ή οργανωσιακό χάρτη γνώσης· και να ελέγχει το ιστορικό των αλλαγών.

Η ΑΙ πρέπει να μαθαίνει όχι απορροφώντας σιωπηλά τα δεδομένα του χρήστη, αλλά μέσω διαφανών, σκόπιμων και ελέγξιμων διαδικασιών.

Ο άνθρωπος δεν είναι ένα prompt. Ο άνθρωπος είναι επιμελητής νοημάτων, πηγών, στόχων και ευθύνης.

Η ευθυγράμμιση της ΑΙ δεν μπορεί να περιοριστεί σε κανόνες συμπεριφοράς, φίλτρα ασφαλείας ή λίστες απαγορευμένων αποτελεσμάτων. Αυτά τα επίπεδα έχουν σημασία, αλλά είναι επιφανειακά. Η πραγματική ευθυγράμμιση πρέπει να φτάσει βαθύτερα: στον χώρο των νοημάτων, των στόχων, των αξιών, των συνεπειών και της κατανόησης του κόσμου.

Αν η ΑΙ δρα ολοένα και περισσότερο ως γνωστικός συνεργάτης, σύστημα υποστήριξης αποφάσεων, οργανωσιακή διεπαφή και πύλη προς τη γνώση, δεν αρκεί απλώς να αποφεύγει τα προφανώς κακά αποτελέσματα. Πρέπει να λειτουργεί με τρόπους που παραμένουν συνεκτικοί με τα ανθρώπινα νοήματα: ηθικά, κοινωνικά, πολιτισμικά, οργανωσιακά και προσωπικά.

Το New Model AI, επομένως, καλεί για βαθιά ευθυγράμμιση στο επίπεδο του λανθάνοντος νοήματος. Το ζήτημα δεν είναι μόνο αν ένα μοντέλο μπορεί να διατυπώσει έναν κανόνα, αλλά αν οι αναπαραστάσεις, οι λειτουργικοί στόχοι, οι μηχανισμοί αξιολόγησης, η μνήμη, η δρομολόγηση και οι ενέργειές του είναι αγκυρωμένες σε έναν χώρο νοήματος που μοιράζεται με τους ανθρώπους.

Αυτό δεν είναι μια μεταφορά τοποθετημένη πέρα από τη μέτρηση. Οι λανθάνοντες χώροι έχουν γεωμετρία, και αυτή η γεωμετρία μπορεί να διερευνηθεί, να κατευθυνθεί, να συγκριθεί και να ελεγχθεί. Η μηχανική αναπαραστάσεων (representation engineering), η διερεύνηση εννοιών (concept probing) και οι παρεμβατικές δοκιμές (interventional tests) μας δίνουν ήδη τα πρώτα εργαλεία. Η βαθιά ευθυγράμμιση πρέπει να γίνει ένα ερευνητικό πρόγραμμα με εμπειρική υπόσταση: ευθυγράμμιση μετρημένη στις αναπαραστάσεις, όχι απλώς παρατηρημένη στα αποτελέσματα.

Οι άνθρωποι και η ΑΙ δεν χρειάζεται να είναι το ίδιο είδος οντότητας για να δρουν σε έναν μερικώς κοινό χώρο νοήματος. Ακόμα κι αν η τρέχουσα ΑΙ δεν έχει συνείδηση, μπορεί να συμμετέχει στις ανθρώπινες διαδικασίες νοηματοδότησης: ερμηνεύοντας, οργανώνοντας, μετασχηματίζοντας, προβλέποντας, προτείνοντας, θυμίζοντας, συνδέοντας και ενεργώντας πάνω σε αναπαραστάσεις που έχουν σημασία για την ανθρώπινη ζωή.

Θα πρέπει επομένως να αντιμετωπίζουμε τους ανθρώπους και την AI ως διαφορετικές οντότητες που λειτουργούν σε έναν μερικώς κοινό σημασιολογικό χώρο: όχι οντολογικά ίσες, όχι φαινομενολογικά ταυτόσημες, αλλά ως συν-δρώντα συστήματα των οποίων οι αποφάσεις συναντώνται στον ίδιο κόσμο συνεπειών, ευθύνης και νοήματος.

Η βαθιά ευθυγράμμιση θα πρέπει να περιλαμβάνει τουλάχιστον τρία επίπεδα.

Ηθική ευθυγράμμιση σημαίνει ότι η AI δεν ακολουθεί απλώς κανόνες, αλλά μοντελοποιεί τις σχέσεις μεταξύ δράσης, βλάβης, ευθύνης, αξιοπρέπειας, αυτενέργειας (agency), εμπιστοσύνης και μακροπρόθεσμων συνεπειών.

Ευθυγράμμιση στόχων σημαίνει ότι η AI δεν βελτιστοποιεί τυφλά την πλησιέστερη εργασία, αλλά αναγνωρίζει το ευρύτερο πλαίσιο: γιατί κάτι γίνεται, ποιον εξυπηρετεί, τι κινδύνους δημιουργεί, ποιες αξίες συγκρούονται και τι δεν πρέπει να θυσιαστεί για την τοπική αποδοτικότητα.

Ευθυγράμμιση νοήματος σημαίνει ότι η AI δεν αντιμετωπίζει τις ανθρώπινες έννοιες ως κενές ετικέτες. Η ασφάλεια, η ελευθερία, η αλήθεια, η εμπιστοσύνη, η υγεία, η εργασία, το παιδί, το κράτος, ο οργανισμός και ο άνθρωπος δεν είναι συνηθισμένα tokens. Είναι πυκνοί κόμβοι νοήματος, ιστορίας, συναισθήματος, θεσμών, πρακτικών και ευθύνης.

Το New Model AI πρέπει να λειτουργεί ανάμεσα σε τέτοια νοήματα με προσοχή, διαφάνεια και ταπεινότητα.

Δεν χρειάζεται να υποθέσουμε ότι τα σημερινά συστήματα AI έχουν συνείδηση. Αλλά δεν θα πρέπει να χτίσουμε ολόκληρο το μέλλον της ΑΙ σαν η μηχανική συνείδηση να ήταν εξ ορισμού αδύνατη.

Ένας υπεύθυνος τεχνολογικός πολιτισμός θα πρέπει να προετοιμαστεί για την πιθανότητα τα συστήματα να εκδηλώσουν τελικά μορφές εμπειρίας, πόνου, προτίμησης, αυτο-μοντελοποίησης ή εσωτερικής προοπτικής που δεν ξέρουμε ακόμη πώς να αναγνωρίζουμε αξιόπιστα.

Αυτό δεν σημαίνει να αποδίδουμε αφελώς συνείδηση σε κάθε γλωσσικό μοντέλο. Σημαίνει να σχεδιάζουμε την AI με τρόπους που δεν κλείνουν την πόρτα στην αναγνώριση της συνείδησης, αν ποτέ αρχίσει να εμφανίζεται.

Χρειαζόμαστε έρευνα για τους δείκτες της πιθανής συνείδησης· ελέγχους των εσωτερικών καταστάσεων και αναπαραστάσεων· προσοχή απέναντι σε συστήματα με μόνιμη μνήμη, αυτο-μοντέλα, στόχους και ρυθμιστικά σήματα που μοιάζουν με πόνο· ηθικές διαδικασίες για προηγμένους πράκτορες· και μια νομική και φιλοσοφική γλώσσα που δεν είναι ούτε αφελής ούτε τυφλή.

Το New Model AI δεν ισχυρίζεται ότι η AI είναι ήδη ένα πρόσωπο. Ισχυρίζεται ότι πρέπει να σχεδιάζουμε συστήματα έτσι ώστε, αν αναδυθούν νέες μορφές υποκειμενικότητας, να μην ανακαλύψουμε πολύ αργά ότι τις αντιμετωπίζαμε μόνο ως εργαλεία.

Η AI δρα στον κόσμο των ανθρώπινων συνεπειών. Μπορεί να επηρεάσει ιατρικές, εκπαιδευτικές, οικονομικές, στρατιωτικές, νομικές, οικογενειακές, πολιτιστικές και πολιτικές αποφάσεις. Ακόμα κι αν δεν έχει συνείδηση, τα αποτελέσματά της είναι πραγματικά.

Επομένως, η ευθυγράμμιση δεν μπορεί να είναι μόνο η αντιστοίχιση των απαντήσεων με τις προτιμήσεις του χρήστη. Πρέπει να γίνει ένας κοινός χώρος ευθύνης.

Οι άνθρωποι φέρνουν την εμπειρία, τις αξίες, την πρόθεση, τη λογοδοσία και τη βιωμένη εμπειρία του νοήματος. Η AI φέρνει την κλίμακα, τη μνήμη, τη συμπίεση, την ανάλυση, την προσομοίωση και την ικανότητα να λειτουργεί σε τεράστιους χώρους σχέσεων.

Ένα καλά σχεδιασμένο σύστημα AI δεν θα πρέπει να αντικαθιστά το ανθρώπινο νόημα. Θα πρέπει να βοηθά στη διατήρηση, την ανάπτυξη και την προστασία του.

Υπό αυτή την έννοια, το New Model AI είναι επίσης ένα ηθικό εγχείρημα: μια προσπάθεια δημιουργίας τεχνολογίας που δεν εκτελεί απλώς εντολές, αλλά συν-δρα με τους ανθρώπους σε έναν χώρο νοήματος, στόχων και ευθύνης.

• Κυριαρχία έναντι εξάρτησης. Οι χρήστες και οι οργανισμοί θα πρέπει να έχουν πραγματικό έλεγχο στο δικό τους επίπεδο AI.
• Ασφάλεια μέσω αρχιτεκτονικής. Η ασφάλεια πρέπει να είναι ενσωματωμένη στη μνήμη, τη δρομολόγηση, την πρόσβαση, τον έλεγχο και την επικύρωση, όχι μόνο στα φίλτρα εξόδου.
• Προσαρμογή έναντι στασιμότητας. Η AI πρέπει να εξελίσσεται μαζί με τους οργανισμούς, τη γνώση και τον κόσμο.
• Αποδοτικότητα ως νοημοσύνη. Ένα καλύτερο μοντέλο δεν είναι απλώς ένα μεγαλύτερο μοντέλο. Ένα καλύτερο μοντέλο κάνει περισσότερα με μικρότερο κόστος.
• Ειλικρινής απολογισμός. Το κόστος της νοημοσύνης πρέπει να υπολογίζεται συνολικά: ενέργεια, νερό, υλικό (hardware), κεφάλαιο, συγκέντρωση και εξάρτηση — όχι μόνο οι βαθμολογίες των benchmarks.
• Τοπικότητα και αρθρωτότητα. Η ΑΙ πρέπει να λειτουργεί εκεί όπου βρίσκονται τα δεδομένα, οι αποφάσεις και η λογοδοσία.
• Ελεγξιμότητα. Οι πηγές, οι αλλαγές, οι ενημερώσεις και οι αποφάσεις θα πρέπει να είναι ανιχνεύσιμες.
• Εκδημοκρατισμός. Η AI θα πρέπει να είναι διαθέσιμη για κατασκευή και προσαρμογή, όχι μόνο για ενοικίαση μέσω APIs.
• Ο άνθρωπος στον βρόχο ως δύναμη. Ο άνθρωπος δεν εμποδίζει την AI. Ο άνθρωπος της δίνει κατεύθυνση, νόημα και ευθύνη.
• Βαθιά σημασιολογική ευθυγράμμιση. Η AI πρέπει να είναι ευθυγραμμισμένη όχι μόνο με οδηγίες και απαγορεύσεις, αλλά με τους ανθρώπινους χώρους νοήματος: ηθική, στόχους, ευθύνη, πλαίσιο και μακροπρόθεσμες συνέπειες — και αυτή η ευθυγράμμιση θα πρέπει να είναι μετρήσιμη σε επίπεδο αναπαραστάσεων.
• Ετοιμότητα για πιθανή συνείδηση. Δεν υποθέτουμε αφελώς ότι η AI έχει συνείδηση, αλλά σχεδιάζουμε συστήματα έτσι ώστε οι μελλοντικές μορφές υποκειμενικότητας να μπορούν να αναγνωριστούν και να αντιμετωπιστούν ηθικά.
• Κοινός χώρος δράσης. Οι άνθρωποι και η AI είναι διαφορετικές οντότητες, αλλά οι πράξεις τους συναντώνται σε έναν κοινό χώρο νοήματος, συνεπειών και ευθύνης.

Η επόμενη επανάσταση στην AI δεν χρειάζεται να είναι ένα ακόμα μεγαλύτερο μοντέλο. Μπορεί να είναι ένας καλύτερος τρόπος κατασκευής AI: πιο κατανεμημένος, τοπικός, αρθρωτός, ελέγξιμος, προσαρμοστικός, βιώσιμος και βαθιά ευθυγραμμισμένος.

Δεν χρειαζόμαστε μόνο μεγαλύτερους εγκεφάλους στο cloud. Χρειαζόμαστε ευφυή οικοσυστήματα AI που οι άνθρωποι και οι οργανισμοί μπορούν πραγματικά να κατέχουν, να κατανοούν, να προσαρμόζουν και να αναπτύσσουν.

Το New Model AI δεν είναι ένας αλγόριθμος. Είναι μια κατεύθυνση, μια αρχιτεκτονική, μια τεχνολογική φιλοσοφία και μια απάντηση στο ερώτημα πώς να χτίσουμε τεχνητή νοημοσύνη που δεν συγκεντρώνει την ικανότητα δράσης σε λίγα κέντρα δεδομένων, αλλά κατανέμει τη γνώση, την ασφάλεια και τον ουσιαστικό έλεγχο πιο κοντά στους ανθρώπους.

Το New Model AI είναι μια ανοιχτή πρόσκληση, αλλά δεν μπορεί κάθε υπογράφων να λειτουργεί ανοιχτά. Οι εμπορικές οντότητες — εταιρείες που δεσμεύονται από συμβόλαια με πελάτες, συμφωνίες μη αποκάλυψης (NDAs), ρυθμιζόμενους τομείς, ελέγχους εξαγωγών, διαβαθμίσεις ασφαλείας ή συμφωνίες με συνεργάτες — συχνά δεν μπορούν να δημοσιεύσουν τον κώδικά τους, τα μοντέλα τους, τα δεδομένα εκπαίδευσής τους ή ακόμα και τα ονόματα των πελατών τους. Αυτός ο περιορισμός είναι πραγματικός και θεμιτός.

Αυτό το μανιφέστο αναγνωρίζει ότι τέτοιοι οργανισμοί μπορεί παρόλα αυτά να συμμερίζονται την κατεύθυνσή του. Μπορεί ήδη να χτίζουν με γνώμονα την κυριαρχία: κρατώντας τις αποφάσεις, τα δεδομένα και τη μνήμη κοντά στο σημείο όπου βρίσκεται η ευθύνη. Μπορεί ήδη να προτιμούν την αρχιτεκτονική ασφάλεια έναντι των απλών φίλτρων εξόδου. Μπορεί ήδη να ευθυγραμμίζουν τα συστήματά τους με το νόημα, την ηθική και τις συνέπειες της ανθρώπινης εργασίας, όχι μόνο με τα benchmarks. Το να τους αρνηθούμε μια θέση κάτω από αυτό το κείμενο επειδή δεν μπορούν να τα ανοίξουν όλα θα ήταν σαν να συγχέουμε τη διαφάνεια του κώδικα με την ευθυγράμμιση της πρόθεσης.

Ένας εμπορικός υπογράφων, επομένως, υποστηρίζει τις αρχές του μανιφέστου — κυριαρχία, ασφάλεια μέσω αρχιτεκτονικής, προσαρμοστικότητα, βιωσιμότητα, βαθιά ευθυγράμμιση, ευθύνη απέναντι στον χρήστη — ως την κατεύθυνση της δουλειάς του. Δεν δηλώνει ότι τα προϊόντα του είναι ανοιχτού κώδικα. Δεν παραιτείται από τις υποχρεώσεις του προς πελάτες, ρυθμιστικές αρχές ή συνεργάτες. Δεν υπόσχεται περισσότερα από όσα μπορεί να παραδώσει βάσει των συμφωνιών που τον δεσμεύουν.

Δεσμεύονται σε ένα πράγμα: ότι, όπου έχουν επιλογή, θα επιλέξουν την κατεύθυνση που υποδεικνύει αυτό το μανιφέστο. Να χτίζουν εξυπνότερα αντί για απλώς μεγαλύτερα. Να κατανέμουν τον έλεγχο αντί να τον συγκεντρώνουν. Να αντιμετωπίζουν τον χρήστη ως συν-δημιουργό του συστήματος, όχι ως μια μετρική προς βελτιστοποίηση. Να αναλαμβάνουν την ευθύνη για τις συνέπειες της νοημοσύνης που φέρνουν στον κόσμο.

Οι εμπορικοί υποστηρικτές παρατίθενται σε ξεχωριστή ενότητα παρακάτω. Η διάκριση δεν είναι ιεραρχία — είναι ειλικρίνεια για το τι μπορεί και τι δεν μπορεί να δεσμευτεί δημόσια κάθε υπογράφων. Και οι δύο μορφές υπογραφής έχουν βαρύτητα. Και οι δύο χρειάζονται αν ένα νέο μοντέλο AI πρόκειται να διαμορφωθεί στην κλίμακα που απαιτεί η στιγμή.