Η Ελλάδα χρειάζεται ανοιχτά τοπικά γλωσσικά μοντέλα και ελεγχόμενη agentic AI, όχι ακριβές και αδιαφανείς πλατφόρμες
Η δημόσια συζήτηση για την τεχνητή νοημοσύνη κυριαρχείται ακόμη από υπερβολές, διαφημιστικές υποσχέσεις και την ψευδαίσθηση ότι τα πιο ισχυρά εμπορικά συστήματα μπορούν σύντομα να υποκαταστήσουν κρίσιμες λειτουργίες στην οικονομία, στη διοίκηση και στην έρευνα. Η πραγματικότητα είναι πολύ πιο σύνθετη. Ιδίως στην περίπτωση της agentic AI, δηλαδή των συστημάτων που δεν περιορίζονται στη δημιουργία κειμένου αλλά αναλαμβάνουν αλληλουχίες ενεργειών, χρησιμοποιούν εργαλεία, εκτελούν εντολές και αλληλεπιδρούν με πληροφοριακά συστήματα, το βασικό πρόβλημα δεν είναι η έλλειψη εντυπωσιασμού. Είναι η έλλειψη αξιοπιστίας, λογοδοσίας και ελέγχου.
Αυτό ακριβώς είναι που πρέπει να αλλάξει τη στρατηγική μας. Η Ελλάδα, όπως και κάθε ευρωπαϊκή χώρα που θέλει να έχει ουσιαστική ψηφιακή κυριαρχία, δεν έχει λόγο να επενδύσει το μέλλον της σε ακριβά, απομακρυσμένα, ιδιόκτητα μοντέλα που λειτουργούν ως κλειστά κουτιά. Δεν είναι σοβαρή στρατηγική να μεταφέρουμε δημόσια δεδομένα, επιχειρησιακή γνώση και κρίσιμες ροές εργασίας σε υποδομές που δεν ελέγχουμε, δεν μπορούμε να επιθεωρήσουμε και δεν μπορούμε να προσαρμόσουμε στις ανάγκες μας. Αντίθετα, χρειαζόμαστε χαμηλού κόστους, πλήρως ανοιχτά τοπικά μεγάλα γλωσσικά μοντέλα, τα οποία μπορούν να εγκατασταθούν, να μελετηθούν, να βελτιωθούν και να αξιοποιηθούν από ελληνικούς και ευρωπαϊκούς φορείς με πραγματικούς όρους αυτονομίας.
Το πολιτικό συμπέρασμα είναι σαφές. Η τεχνητή νοημοσύνη δεν είναι ουδέτερη υποδομή. Όποιος ελέγχει τα μοντέλα, τα δεδομένα, τα εργαλεία ενορχήστρωσης και το υπολογιστικό περιβάλλον, ελέγχει και τους όρους της παραγωγικότητας, της καινοτομίας και σε ένα βαθμό της ίδιας της διοικητικής ισχύος. Για αυτό το λόγο, η στήριξη της ανοιχτής τεχνητής νοημοσύνης δεν είναι τεχνική λεπτομέρεια. Είναι επιλογή βιομηχανικής πολιτικής, ερευνητικής πολιτικής και δημοκρατικής λογοδοσίας.
Σε ερευνητικό επίπεδο, η χώρα χρειάζεται συντονισμένη επένδυση στην ανάπτυξη ελληνόφωνων και πολυγλωσσικών ανοιχτών μοντέλων, σε ανοιχτά σύνολα δεδομένων, σε εργαλεία αξιολόγησης και σε πειραματικές υποδομές που να επιτρέπουν σε πανεπιστήμια και ερευνητικά κέντρα να συνεργάζονται με διαφάνεια. Η έρευνα δεν πρέπει να εγκλωβιστεί σε μια ατελείωτη προσπάθεια αντιγραφής των αμερικανικών πολυεθνικών. Πρέπει να εστιάσει σε αυτό που είναι κοινωνικά και παραγωγικά κρίσιμο: αποδοτικά μοντέλα μικρότερου μεγέθους, εξειδίκευση ανά κλάδο, αξιοπιστία σε πραγματικά σενάρια χρήσης, και μηχανισμούς ανθρώπινης εποπτείας μέσα στις agentic ροές εργασίας. Το ζητούμενο δεν είναι η τεχνητή νοημοσύνη ως θέαμα. Είναι η τεχνητή νοημοσύνη ως ελέγξιμο δημόσιο και παραγωγικό εργαλείο.
Σε επίπεδο δημόσιας πολιτικής, απαιτείται άμεση στροφή. Οι δημόσιες προμήθειες πρέπει να ευνοούν λύσεις με ανοιχτό κώδικα, τοπική εγκατάσταση, ανοιχτά πρότυπα και δυνατότητα ελέγχου και μεταφοράς. Κανένα κρίσιμο πληροφοριακό σύστημα του Δημοσίου δεν πρέπει να εξαρτάται αποκλειστικά από ιδιωτικές πλατφόρμες τεχνητής νοημοσύνης που δεν μπορούν να ελεγχθούν ανεξάρτητα. Το κράτος οφείλει να χρηματοδοτήσει εθνικά αποθετήρια κώδικα, κοινές βιβλιοθήκες μοντέλων, ανοιχτές διεπαφές και θεσμικά πλαίσια που θα επιβάλλουν καταγραφή αποφάσεων, έλεγχο σφαλμάτων και υποχρεωτική ανθρώπινη έγκριση όπου διακυβεύονται δικαιώματα, πόροι ή δημόσιο συμφέρον. Αν δεν μπει αυτό το όριο τώρα, το κόστος θα μεταφερθεί αργότερα σε κοινωνία, διοίκηση και οικονομία.
Οι επιχειρήσεις επίσης χρειάζονται πιο ώριμη στρατηγική. Η σωστή επιλογή δεν είναι να κυνηγούν το επόμενο εμπορικό εργαλείο που υπόσχεται πλήρη αυτοματοποίηση. Είναι να επενδύσουν σε εσωτερική τεχνογνωσία, σε ανοιχτά τοπικά μοντέλα, σε ασφαλείς υποδομές και σε συγκεκριμένες χρήσεις όπου η τεχνητή νοημοσύνη ενισχύει τους εργαζόμενους αντί να λειτουργεί ως αδιαφανής αντικαταστάτης τους. Οι επιχειρήσεις που θα κερδίσουν δεν θα είναι εκείνες που θα παραδοθούν πιο γρήγορα στις πολυεθνικές πλατφόρμες, αλλά εκείνες που θα χτίσουν δικές τους δυνατότητες, θα προστατεύσουν τα δεδομένα τους και θα μειώσουν το κόστος εξάρτησης στο βάθος του χρόνου.
Η μεγάλη πρόκληση, λοιπόν, δεν είναι αν θα υιοθετήσουμε την τεχνητή νοημοσύνη. Είναι με ποιους όρους θα την υιοθετήσουμε. Αν επιλέξουμε τον δρόμο της κλειστής εξάρτησης, η agentic AI θα γίνει ακόμη ένα κανάλι μεταφοράς πόρων, γνώσης και ελέγχου προς λίγους διεθνείς παρόχους. Αν επιλέξουμε τον δρόμο των πλήρως ανοιχτών τοπικών μοντέλων, της δημόσιας επένδυσης, της ερευνητικής συνεργασίας και της δημοκρατικής λογοδοσίας, τότε η τεχνητή νοημοσύνη μπορεί να γίνει εργαλείο παραγωγικής ανασυγκρότησης, τεχνολογικής αυτονομίας και κοινωνικά χρήσιμης καινοτομίας. Αυτή είναι η επιλογή που πρέπει να γίνει τώρα.
Πηγές:
Open Source Initiative, The Open Source AI Definition 1.0: Ο πιο χρήσιμος σύγχρονος ορισμός για το τι συνιστά πραγματικά ανοιχτή τεχνητή νοημοσύνη και ποια είναι τα ελάχιστα κριτήρια διαφάνειας, επαναχρησιμοποίησης και ελέγχου: https://opensource.org/ai/open-source-ai-definition
Hugging Face, smolagents Documentation: Πρακτική τεκμηρίωση για ανοιχτού κώδικα ανάπτυξης agentic εφαρμογών με έμφαση στην απλότητα, την προσαρμογή και τη δυνατότητα αξιοποίησης τοπικών μοντέλων: https://huggingface.co/docs/smolagents/index
ggml-org, llama.cpp: Κρίσιμο έργο ανοιχτού κώδικα για αποδοτική τοπική εκτέλεση μεγάλων γλωσσικών μοντέλων σε οικονομικότερο εξοπλισμό, με άμεση σημασία για low cost local AI υποδομές: https://github.com/ggml-org/llama.cpp