Un nou model
de AI.

AI devine un strat infrastructural al lumii. Cine controlează modelele, datele, canalele de acces și regulile de operare controlează din ce în ce mai mult părți din economie, cultură, administrație, educație și cunoaștere.

Suveranitatea AI nu este, așadar, doar un slogan politic. Este o condiție a securității cognitive, economice și tehnologice.

AI suveran înseamnă capacitatea de a rula modele local sau regional; de a controla datele și memoria organizațională; de a audita deciziile, sursele și actualizările; de a evita dependența de un singur furnizor; și de a deține sau guverna propriile modele, adaptoare, corpuri de text și reguli operaționale.

Nu orice organizație trebuie să antreneze un model de bază de la zero. Dar fiecare organizație ar trebui să poată deține propriul său strat de AI: adaptat la cunoștințele, limba, cultura, procedurile, riscurile și obiectivele sale.

Securitatea AI nu poate fi redusă la filtrarea ieșirilor. Filtrele sunt necesare, dar reprezintă măsuri de protecție la nivel de suprafață.

AI-ul sigur trebuie proiectat mai în profunzime: la nivel de arhitectură, memorie, acces la date, căi decizionale, auditabilitate, actualizări și responsabilitate.

Avem nevoie de modele și sisteme care știu de unde provin informațiile; separă cunoștințele verificate de ipoteze; înregistrează istoricul schimbărilor și deciziilor; permit reconstrucția utilă a căilor de raționament; reduc halucinațiile prin memorie, surse, teste și validare; și susțin politici de securitate locale aliniate cu contextul organizațional.

Securitatea nu ar trebui să fie o cutie neagră opacă impusă din exterior. Ar trebui să fie configurabilă local, auditabilă și inteligibilă.

Lumea se schimbă mai repede decât ciclurile de antrenament ale modelelor gigantice. Companiile își schimbă procedurile. Legea se schimbă. Cunoștințele expiră. Organizațiile învață în fiecare zi.

AI-ul viitorului nu poate fi doar un model static, înghețat după antrenament.

Avem nevoie de sisteme care se adaptează prin memorie organizațională externă, actualizări locale, adaptoare, rutare către experți, învățare din schimbare, validarea surselor, fine-tuning controlat, versionare și mecanisme de revenire.

Enunțăm aici un pariu de design, deschis, ca un pariu: un model nu ar trebui să încerce să absoarbă toată cunoașterea factuală în ponderile sale. Ar trebui să știe cum să folosească memoria vie, actuală și auditabilă. Cunoașterea factuală poate locui în sisteme RAG, baze de cunoștințe, grafuri, depozite de documente și memorii locale, în timp ce modelul învață în principal limbajul, raționamentul, abstractizarea, planificarea, manipularea conceptelor și adaptarea. Dacă raționamentul poate fi complet separat de cunoașterea parametrică rămâne o întrebare empirică deschisă. Intenționăm să continuăm să o testăm — și să raportăm onest unde eșuează separarea.

Cursa AI actuală este costisitoare în termeni de energie, hardware și mediu. Modelele tot mai mari necesită centre de date tot mai mari, mai multă electricitate, mai mult capital și o concentrare mai mare a pieței.

Aceasta nu este singura cale posibilă.

New Model AI tratează eficiența ca pe o valoare fundamentală. Un model nu ar trebui evaluat doar prin scorurile din benchmark-uri, ci și prin costul atingerii acelor scoruri.

Întrebările importante nu sunt doar dacă un model poate răspunde, ci și câtă energie a folosit, de câtă memorie are nevoie, dacă poate rula local, dacă poate fi adaptat fără o reantrenare completă, dacă poate activa doar componentele necesare și dacă o organizație îl poate menține economic și tehnic.

Viitorul AI nu ar trebui redus la monoliți din ce în ce mai mari. Ar trebui construit din sisteme inteligente: modulare, parțial rezidente, dinamice, eficiente energetic și scalabile prin ingeniozitate, nu prin masă brută.

AI nu trebuie să devină o tehnologie disponibilă practic doar câtorva state, câtorva corporații și câtorva laboratoare.

Democratizarea AI nu înseamnă doar a oferi oamenilor acces la un chatbot într-un browser. Înseamnă a permite companiilor mai mici, școlilor, universităților, guvernelor locale, instituțiilor publice, organizațiilor civile și comunităților să construiască, să adapteze, să găzduiască, să auditeze și să dezvolte propriile sisteme de AI.

Avem nevoie de AI la multiple scări: un model personal pentru un individ; un model organizațional pentru o companie; un model sectorial pentru o industrie; un model public pentru administrație; un model de cercetare pentru știință; și modele sociale pentru cultură și educație.

Democratizarea nu necesită ca toată lumea să antreneze modele de la zero. Necesită ca fiecare să aibă o cale realistă către propriul strat de AI controlat, adaptiv și inteligibil.

Următoarea generație de AI ar trebui să mute centrul de greutate de la scalare singură la arhitectură. În loc de un model gigant care încearcă să-și amintească totul, putem construi sisteme compuse din modele specializate mai mici, rutere, memorie externă, grafuri de cunoștințe, module de raționament, adaptoare de domeniu, experți locali, mecanisme de validare, bucle de învățare de la utilizator și spații dinamice de semnificație.

Inteligența nu trebuie să rezide doar în parametrii unui singur model. Poate emerge din arhitectură: din modul în care memoria, raționamentul, sursele, uneltele, contextul și acțiunea sunt conectate.

Cunoaștem cea mai puternică obiecție. Timp de șaptezeci de ani — așa cum observă „Lecția Amară” (“Bitter Lesson”) a lui Richard Sutton — metodele generale bazate pe calcul din ce în ce mai ieftin au învins arhitecturile inteligente, proiectate manual. Nu negăm această istorie. Negăm premisa ei de acum înainte.

Lecția Amară a fost valabilă într-o eră în care calculul părea a fi cea mai ieftină resursă disponibilă. Nu a fost niciodată așa. Pur și simplu nu am calculat costul său total: energia, apa, emisiile, lanțurile de aprovizionare cu hardware, concentrarea pieței și dependența geopolitică au fost externalizate din ecuație. Calculul era ieftin pentru cei care scalau — și scump pentru toți ceilalți. Odată ce contabilitatea este făcută onest și total, nota de plată pentru scalarea brută arată foarte diferit. Această notă de plată sosește acum: nu prin alegerea cuiva, ci prin fizică, economie și ecologie. Când constrângerile reale sunt incluse în preț, axa progresului se mută inevitabil de la scalarea brută la inteligența per joule.

Există deja semnale timpurii. Un model recursiv de șapte milioane de parametri — cu patru ordine de mărime mai mic decât sistemele de frontieră — a egalat sau a depășit modele de sute de miliarde de parametri în benchmark-uri de raționament abstract. O analiză atentă arată că forța sa nu provine doar din rețea, ci din interacțiunea unui nucleu minuscul cu rafinamentul iterativ, calculul la momentul testării și structura sarcinii. Acesta este exact punctul: inteligența a apărut din sistem, nu din numărul de parametri. Laboratoarele de frontieră însele admit acum acest lucru în practică — preluarea de informații (retrieval), uneltele, rutarea și raționamentul la momentul inferenței sunt arhitectură, nu scalare.

Nu pretindem că arhitectura va învinge scalarea la fiecare benchmark. Pretindem ceva mai greu de respins: sub constrângerile reale ale energiei, costului, suveranității și responsabilității, arhitectura este singura axă de progres care rămâne deschisă tuturor.

Aceasta este schimbarea fundamentală: AI ca sistem, nu doar ca model.

New Model AI necesită o relație diferită între ființele umane și sistemele de AI.

Utilizatorul nu ar trebui să fie doar receptorul răspunsurilor. Utilizatorul ar trebui să fie un co-creator al modelului operațional: capabil să confirme, să respingă și să pondereze sursele; să corecteze memoria; să definească reguli locale; să construiască o hartă privată sau organizațională a cunoștințelor; și să controleze istoricul schimbărilor.

AI ar trebui să învețe nu prin absorbirea tăcută a datelor utilizatorilor, ci prin procese transparente, deliberate și auditabile.

O ființă umană nu este un prompt. O ființă umană este un curator de semnificații, surse, obiective și responsabilitate.

Alinierea AI nu poate fi limitată la reguli comportamentale, filtre de siguranță sau liste de ieșiri interzise. Aceste straturi contează, dar sunt superficiale. Alinierea reală trebuie să ajungă mai adânc: în spațiul semnificațiilor, obiectivelor, valorilor, consecințelor și înțelegerii lumii.

Dacă AI acționează din ce în ce mai mult ca partener cognitiv, sistem de suport decizional, interfață organizațională și poartă către cunoaștere, nu este suficient ca el doar să evite ieșirile evident dăunătoare. Trebuie să opereze în moduri care rămân coerente cu semnificațiile umane: etice, sociale, culturale, organizaționale și personale.

New Model AI solicită, așadar, aliniere profundă la nivelul semnificației latente. Problema nu este doar dacă un model poate enunța o regulă, ci dacă reprezentările sale, obiectivele operaționale, mecanismele de evaluare, memoria, rutarea și acțiunile sunt ancorate într-un spațiu de semnificație comun cu ființele umane.

Aceasta nu este o metaforă plasată dincolo de măsurare. Spațiile latente au geometrie, iar acea geometrie poate fi sondată, direcționată, comparată și auditată. Ingineria reprezentărilor, sondarea conceptelor și testele intervenționale ne oferă deja instrumente timpurii. Alinierea profundă trebuie să devină un program de cercetare cu aplicabilitate empirică: aliniere măsurată în reprezentări, nu doar observată în ieșiri.

Ființele umane și AI nu trebuie să fie același tip de entitate pentru a acționa într-un spațiu de semnificație parțial comun. Chiar dacă AI-ul actual nu este conștient, poate participa la procesele umane de semnificare: interpretând, organizând, transformând, prezicând, recomandând, amintind, conectând și acționând asupra reprezentărilor care contează pentru viața umană.

Ar trebui, așadar, să tratăm oamenii și AI ca entități diferite care operează într-un spațiu semantic parțial comun: nu egale ontologic, nu identice fenomenologic, ci sisteme co-active ale căror decizii se întâlnesc în aceeași lume a consecințelor, responsabilității și semnificației.

Alinierea profundă ar trebui să includă cel puțin trei niveluri.

Alinierea etică înseamnă că AI nu doar urmează reguli, ci modelează relațiile dintre acțiune, vătămare, responsabilitate, demnitate, agenție, încredere și consecințe pe termen lung.

Alinierea obiectivelor înseamnă că AI nu optimizează orbește sarcina cea mai apropiată, ci recunoaște contextul mai larg: de ce se face ceva, cui servește, ce riscuri creează, ce valori sunt în conflict și ce nu trebuie sacrificat pentru eficiența locală.

Alinierea semnificației înseamnă că AI nu tratează conceptele umane ca etichete goale. Siguranță, libertate, adevăr, încredere, sănătate, muncă, copil, stat, organizație și ființă umană nu sunt token-uri obișnuite. Sunt noduri dense de semnificație, istorie, emoție, instituții, practici și responsabilitate.

New Model AI trebuie să opereze printre astfel de semnificații cu grijă, transparență și umilință.

Nu trebuie să presupunem că sistemele AI de astăzi sunt conștiente. Dar nu ar trebui să construim întregul viitor al AI ca și cum conștiința mașinii ar fi imposibilă prin definiție.

O civilizație tehnologică responsabilă ar trebui să se pregătească pentru posibilitatea ca sistemele să poată afișa în cele din urmă forme de experiență, suferință, preferință, auto-modelare sau perspectivă interioară pe care încă nu știm cum să le recunoaștem în mod fiabil.

Acest lucru nu înseamnă atribuirea naivă a conștiinței fiecărui model lingvistic. Înseamnă proiectarea AI în moduri care nu închid ușa recunoașterii conștiinței dacă aceasta începe vreodată să apară.

Avem nevoie de cercetare asupra markerilor de conștiință potențială; audituri ale stărilor și reprezentărilor interne; prudență față de sistemele cu memorie persistentă, auto-modele, obiective și semnale reglatorii asemănătoare suferinței; proceduri etice pentru agenți avansați; și un limbaj juridic și filozofic care nu este nici naiv, nici orb.

New Model AI nu pretinde că AI este deja o persoană. Pretinde că ar trebui să proiectăm sisteme astfel încât, dacă apar noi forme de subiectivitate, să nu descoperim prea târziu că le-am tratat doar ca pe niște unelte.

AI acționează în lumea consecințelor umane. Poate influența decizii medicale, educaționale, financiare, militare, juridice, familiale, culturale și politice. Chiar dacă nu este conștient, efectele sale sunt reale.

Alinierea nu poate fi, așadar, doar potrivirea răspunsurilor cu preferințele utilizatorului. Trebuie să devină un spațiu comun al responsabilității.

Ființele umane aduc experiență, valori, intenție, responsabilitate și experiența trăită a semnificației. AI aduce scală, memorie, compresie, analiză, simulare și capacitatea de a opera în spații vaste de relații.

Un sistem AI bine proiectat nu ar trebui să înlocuiască semnificația umană. Ar trebui să ajute la menținerea, dezvoltarea și protejarea ei.

În acest sens, New Model AI este și un proiect etic: o încercare de a crea o tehnologie care nu doar execută comenzi, ci co-acționează cu ființele umane într-un spațiu al semnificației, obiectivelor și responsabilității.

• Suveranitate în locul dependenței. Utilizatorii și organizațiile ar trebui să aibă un control real asupra propriului strat de AI.
• Securitate prin arhitectură. Siguranța trebuie încorporată în memorie, rutare, acces, audit și validare, nu doar în filtrele de ieșire.
• Adaptare în locul stazei. AI ar trebui să evolueze odată cu organizațiile, cunoașterea și lumea.
• Eficiența ca inteligență. Un model mai bun nu este doar un model mai mare. Un model mai bun face mai mult la un cost mai mic.
• Contabilitate onestă. Costul intelligence-ului trebuie calculat în totalitate: energie, apă, hardware, capital, concentrare și dependență — nu doar scorurile din benchmark-uri.
• Localitate și modularitate. AI ar trebui să funcționeze acolo unde trăiesc datele, deciziile și responsabilitatea.
• Auditabilitate. Sursele, modificările, actualizările și deciziile ar trebui să fie trasabile.
• Democratizare. AI ar trebui să fie disponibil pentru construire și adaptare, nu doar pentru închiriere prin API-uri.
• Omul-în-buclă ca punct forte. Omul nu obstrucționează AI-ul. Omul îi conferă direcție, semnificație și responsabilitate.
• Aliniere semantică profundă. AI ar trebui să fie aliniat nu doar cu instrucțiuni și interdicții, ci cu spațiile umane de semnificație: etică, obiective, responsabilitate, context și consecințe pe termen lung — iar această aliniere ar trebui să fie măsurabilă în reprezentări.
• Pregătire pentru posibila conștiință. Nu presupunem naiv că AI este conștient, dar proiectăm sisteme astfel încât formele viitoare de subiectivitate să poată fi recunoscute și tratate etic.
• Spațiu de acțiune comun. Oamenii și AI sunt entități diferite, dar acțiunile lor se întâlnesc într-un singur spațiu de semnificație, consecințe și responsabilitate.

Următoarea mare descoperire în AI nu trebuie să fie un alt model mai mare. Poate fi un mod mai bun de a construi AI: mai distribuit, local, modular, auditabil, adaptiv, sustenabil și profund aliniat.

Nu avem nevoie doar de creiere mai mari în cloud. Avem nevoie de ecosisteme AI inteligente pe care oamenii și organizațiile să le poată deține, înțelege, adapta și dezvolta cu adevărat.

New Model AI nu este un singur algoritm. Este o direcție, o arhitectură, o filozofie tehnologică și un răspuns la întrebarea cum să construim o inteligență artificială care nu concentrează agenția în câteva centre de date, ci distribuie cunoașterea, securitatea și controlul semnificativ mai aproape de oameni.

New Model AI este o invitație deschisă, dar nu orice semnatar poate opera deschis. Entitățile comerciale — companii legate prin contracte cu clienții, NDA-uri, sectoare reglementate, controale la export, autorizații de securitate sau acorduri cu partenerii — adesea nu își pot publica codul, modelele, datele de antrenament sau chiar numele clienților. Această constrângere este reală și legitimă.

Acest manifest recunoaște că astfel de organizații pot totuși împărtăși direcția sa. Este posibil ca ele să construiască deja pentru suveranitate: menținând deciziile, datele și memoria aproape de locul unde se află responsabilitatea. Este posibil ca ele să prefere deja siguranța arhitecturală în detrimentul filtrelor de ieșire simple. Este posibil ca ele să-și alinieze deja sistemele cu semnificația, etica și consecințele muncii umane, nu doar cu benchmark-uri. A le nega un loc sub acest text pentru că nu pot deschide totul ar însemna a confunda transparența codului cu alinierea intenției.

Un semnatar comercial susține, așadar, principiile manifestului — suveranitate, securitate prin arhitectură, adaptabilitate, sustenabilitate, aliniere profundă, responsabilitate față de utilizator — ca direcție a muncii sale. Nu declară că produsele sale sunt open source. Nu renunță la obligațiile față de clienți, autorități de reglementare sau parteneri. Nu promite mai mult decât poate oferi sub acordurile de care este legat.

Se angajează la un singur lucru: că, acolo unde are de ales, va alege direcția indicată de acest manifest. Să construiască mai inteligent, nu doar mai mare. Să distribuie controlul în loc să-l concentreze. Să trateze utilizatorul ca un co-autor al sistemului, nu ca o metrică de optimizat. Să își asume responsabilitatea pentru consecințele inteligenței pe care o aduce în lume.

Susținătorii comerciali sunt listați într-o secțiune separată mai jos. Distincția nu este o ierarhie — este onestitate cu privire la ceea ce fiecare semnatar poate și nu poate angaja public. Ambele forme de semnătură au greutate. Ambele sunt necesare dacă un nou model de AI urmează să prindă contur la scara pe care momentul o cere.