Όταν ο Sam Altman δηλώνει το περασμένο Σάββατο «We are now in the singularity – this is the moment», δεν κάνει απλώς μια φιλοσοφική παρατήρηση· στήνει το πλαίσιο μέσα στο οποίο θα διαβαστούν η επόμενη γενιά μοντέλων, οι επενδύσεις και οι πολιτικές αποφάσεις γύρω από την AI. Την ίδια στιγμή, όταν ο Demis Hassabis μιλά για «foothills of the singularity» και περιγράφει την AGI ως τεχνολογία που θα επηρεάσει τα πάντα μέχρι το 2030, η Silicon Valley αποκτά μια συνεκτική, σχεδόν συντονισμένη αφήγηση: ότι δεν είμαστε πια σε «pre‑AI εποχή», αλλά στο κατώφλι μιας αυτο‑εξελισσόμενης, σχεδόν αυτόνομης νοημοσύνης.
Η ουσία, όμως, δεν βρίσκεται μόνο στο ποιος κάνει τη δήλωση, αλλά στο πώς αλλάζει η ίδια η μηχανική της προόδου στην AI: από συστήματα που βελτιώνονται με ανθρώπινη επίβλεψη και curated datasets, σε οικοσυστήματα όπου τα ίδια τα μοντέλα συμμετέχουν ενεργά στην εκπαίδευση και βελτίωση των επόμενων γενεών.
Altman, Hassabis και το νέο αφήγημα της «ήδη εδώ» Singularity
Ο Altman έχει χτίσει σταδιακά τη ρητορική του γύρω από την Singularity. Ήδη από το 2025 μιλούσε για μια «gentle singularity» – μια ιδιαιτερότητα που δεν θα μοιάζει με κινηματογραφική έκρηξη, αλλά με μια εκθετική καμπύλη όπου κάθε νέο επίπεδο ικανότητας της AI γίνεται γρήγορα κανονικότητα. Στο πρόσφατο «Relentless» podcast μεταφέρει αυτή την ιδέα στο παρόν: «δεκα χρόνια πριν ήταν μακρινό όνειρο, τώρα αυτό είναι η στιγμή», υπονοώντας ότι η γραμμή προς την υπερ‑νοημοσύνη έχει ήδη τραβηχτεί και το ερώτημα είναι πώς θα διαχειριστούμε τον πλούτο, την ισχύ και τους κινδύνους.
Ο Hassabis, από την πλευρά της Google DeepMind, επιλέγει πιο προσεκτική γλώσσα, αλλά το υπόβαθρο είναι παρόμοιο. Στο Google I/O μιλά για «foothills of the singularity», τονίζει ότι η AGI βρίσκεται πλέον στον ορίζοντα και ότι όταν κοιτάξουμε πίσω πιθανότατα θα θεωρούμε τα μέσα της δεκαετίας του 2020 ως την αρχή αυτής της πορείας. Σε συνεντεύξεις επαναλαμβάνει πως μπορεί να φανταστεί ανθρώπινης κλάσης AGI γύρω στο 2029–2030, συνδέοντας τις σημερινές agentic αρχιτεκτονικές με ένα μέλλον όπου οι μηχανές θα μπορούν να σχεδιάζουν, να δρουν και να ενορχηστρώνουν workflows με ελάχιστη ανθρώπινη παρέμβαση.
Προσθέτοντας δηλώσεις επενδυτών και άλλων ηγετών – από τον Elon Musk μέχρι τον Patrick Collison και τον Marc Andreessen – σχηματίζεται ένα ευρύτερο μοτίβο: «η ιδιαιτερότητα» δεν είναι πια μακρινή υπόθεση για μερικούς θεωρητικούς, αλλά εργαλείο framing για τις εταιρείες και τα κεφάλαια που θέλουν να δείξουν ότι βρίσκονται στην αιχμή της επόμενης τεχνολογικής εποχής.
Singularity ως αυτο‑εξέλιξη: από το Kimi 3.0 στο Kimi 4.0 και από το Gemini 3.5 στο Gemini 4
Αν θέλουμε να πάρουμε στα σοβαρά την έννοια της Singularity, χρειάζεται να τη δούμε όχι μόνο σαν σημείο όπου η AI ξεπερνά τη μέση ανθρώπινη ευφυΐα, αλλά σαν διαδικασία όπου οι κύκλοι βελτίωσης κλείνουν μέσα στο ίδιο το οικοσύστημα των μοντέλων. Εκεί αρχίζει και γίνεται ενδιαφέρουσα η συζήτηση γύρω από συστήματα όπως το Kimi και το Gemini.
Η Moonshot AI παρουσιάζει τον Kimi K3 ως μοντέλο 2,8 τρισ. παραμέτρων, με τεράστιο context και αρχιτεκτονικές σχεδιασμένες για «agentic coding & knowledge work» – δηλαδή για σενάρια όπου το μοντέλο δεν απαντά απλώς σε ερωτήσεις, αλλά σχεδιάζει, εκτελεί και βελτιώνει πολύπλοκα workflows. Όταν μια πλατφόρμα δηλώνει ότι χτίζει «self‑evolving workflows» πάνω σε Kimi, πρακτικά μιλά για έναν κύκλο όπου:
- ο Kimi 3.x παράγει synthetic δεδομένα, edge cases και stress tests για τον Kimi 4.0, καλύπτοντας σενάρια που δεν είναι πρακτικά να συλλεχθούν χειροκίνητα.
- λειτουργεί ως «δάσκαλος» σε self‑distillation σχήματα, όπου μια πιο ισχυρή ή ειδική εκδοχή του μοντέλου επιβλέπει τις απαντήσεις μιας νεότερης ή πιο ελαφριάς έκδοσης.
- αξιοποιείται ως agent για την βελτιστοποίηση των pipelines εκπαίδευσης, της παραγωγής κώδικα, των hyperparameters και των αρχιτεκτονικών επιλογών – μειώνοντας χρόνο, κόστος και την ανάγκη για manual exploration.
Η Google, με το υπο-εξέλιξη Gemini 3.5, περιγράφει ένα παρόμοιο – ίσως ακόμα πιο συστηματικό – όραμα. Το Gemini 3.5 παρουσιάζεται ως «frontier intelligence with action», με agent‑optimized αρχιτεκτονική και στενή διασύνδεση με την Gemini Enterprise Agent Platform, που στοχεύει να καλύψει όλο τον κύκλο ζωής ενός agent: από το scaffolding με το Agent Development Kit μέχρι τη διακυβέρνηση και τα automated evaluations.
Την ίδια στιγμή, η Google μιλά ανοιχτά για το Gemini 4 ως ένα ακόμη πιο φιλόδοξο frontier σύστημα, του οποίου η εκπαίδευση θα βασιστεί σε μεγάλο βαθμό στα patterns χρήσης και στα agentic workflows του 3.5. Με άλλα λόγια, οι αλληλεπιδράσεις, τα λάθη, οι επιτυχημένες ακολουθίες εργαλείων και οι αξιολογήσεις που παράγει το 3.5 δεν είναι μόνο «προϊόν» για πελάτες, αλλά και δεδομένα για την επόμενη γενιά – ένα self‑referential κύκλωμα που ταιριάζει πολύ με τον τρόπο που περιγράφεται συχνά η Singularity.
Self‑play, self‑distillation και το «σύστημα που εκπαιδεύει τον εαυτό του»
Οι έννοιες αυτές δεν είναι απλώς marketing λίγο πριν από την Singularity· έχουν συγκεκριμένες τεχνικές βάσεις.
Σε self‑distillation setups, μια πιο ισχυρή ή πιο «καθαρή» εκδοχή του μοντέλου (teacher) χρησιμοποιείται για να επιβλέψει μια φθηνότερη ή νεότερη εκδοχή (student), μεταφέροντας συμπεριφορά χωρίς ανάγκη για εξωτερικές ανθρώπινες ετικέτες. Ουσιαστικά, το μοντέλο μαθαίνει από μια καλύτερη εκδοχή του εαυτού του – και αυτό μπορεί να γίνει κλιμακωτά, με διαδοχικές γενιές teacher–student. Βέβαια αυτή η τεχνική έχει χρησιμοποιηθεί και για αθέμιτο σκοπό μια και το Kimi Κ3 έχει στην ουσία κάνει distilled το Claude Fable 5 για να την εξέλιξη του…
Σε frameworks όπως το SCOPE (Self‑Play via Co‑Evolving Policies), δύο ρόλοι – π.χ. Challenger και Solver – ανταλλάσσουν open‑ended tasks, ενώ ένας «self‑judge» είναι παγωμένη εκδοχή του ίδιου μοντέλου που αξιολογεί ποιες στρατηγικές λειτουργούν καλύτερα. Έτσι, το σύστημα μπορεί να βελτιώνεται σε εργασίες που δεν έχουν ξεκάθαρες ετικέτες ή σταθερά datasets, χρησιμοποιώντας δικές του παραλλαγές, feedback και αξιολόγηση – κάτι που φέρνει την AI ένα βήμα πιο κοντά σε πραγματικά ανοικτό, αυτο‑καθοδηγούμενο learning.
Αυτά τα βήματα δεν σημαίνουν ότι η ανθρώπινη συμβολή εξαφανίζεται: οι αρχιτεκτονικές, τα safety constraints, οι objective functions και η γενική κατεύθυνση παραμένουν προϊόν ανθρώπινου σχεδιασμού. Σημαίνουν, όμως, ότι ένα όλο και μεγαλύτερο μέρος της «δουλειάς βελτίωσης» εκτελείται από τα ίδια τα μοντέλα – με ό,τι συνεπάγεται αυτό για τον ρυθμό προόδου, την κλιμάκωση και τη δυσκολία πρόβλεψης.
Η αντίθετη άποψη: γιατί πολλοί επιστήμονες δεν βλέπουν Singularity (ακόμη)
Όσο ανεβαίνει η ένταση της ρητορικής των CEOs, τόσο πιο έντονα ακούγεται και ο σκεπτικισμός. Μέσα ενημέρωσης αλλά και ειδικοί υπενθυμίζουν ότι «δεν υπάρχει επιστημονική ένδειξη» ότι είμαστε κοντά σε πραγματική digital superintelligence, ενώ meta‑αναλύσεις σε AGI timelines δείχνουν πως η πλειονότητα των ερευνητών τοποθετεί ανθρώπινης κλάσης AGI γύρω στο 2040 ή και αργότερα.
Οι ενστάσεις εστιάζουν σε τρία σημεία:
- Το χάσμα ανάμεσα σε εντυπωσιακή επίδοση σε συγκεκριμένα tasks (reasoning, coding, multimodal παραγωγή) και στην ικανότητα για γενικευμένη, αξιόπιστη κατανόηση και δράση σε ανοιχτούς, απρόβλεπτους κόσμους.
- Τους δομικούς περιορισμούς των σημερινών μοντέλων – από hallucinations και biases μέχρι δυσκολία στη μακροχρόνια συνέπεια και στην αξιόπιστη αιτιολόγηση.
- Το γεγονός ότι η Singularity είναι περισσότερο κοινωνικό–φιλοσοφικό concept, με ασαφή τεχνικά κριτήρια, παρά σαφώς ορισμένο milestone που μπορούμε να μετρήσουμε.
Με αυτή τη ματιά, το ότι χρησιμοποιούμε το Kimi 3.0 για να φτάσουμε πιο γρήγορα στο Kimi 4.0 ή το Gemini 3.5 για να εκπαιδεύσουμε το Gemini 4 είναι σίγουρα σημαντικό βήμα, αλλά δεν αποτελεί από μόνο του απόδειξη ότι έχουμε φτάσει σε self‑aware συστήματα ή ανεξάρτητη υπερ‑νοημοσύνη. Είναι περισσότερο ένδειξη ότι έχουμε βρει νέους τρόπους να συμπιέσουμε χρόνο, κόστη και ανθρώπινη εργασία στη διαδικασία βελτίωσης.
Singularity ως εργαλείο power framing
Ένας τρόπος να διαβάσει κανείς τη σημερινή συζήτηση είναι να δει τη Singularity όχι ως τεχνικό σημείο, αλλά ως εργαλείο power framing. Όταν οι heads των δύο μεγαλύτερων AI labs στον κόσμο – Altman και Hassabis – χρησιμοποιούν παρόμοια γλώσσα («we are in the singularity», «we’re in the foothills of the singularity»), στέλνουν μήνυμα προς πολλές κατευθύνσεις: επενδυτές, ρυθμιστές, ανταγωνιστές, κοινή γνώμη.
Για τις εταιρείες, το αφήγημα της Singularity λειτουργεί ως:
- μοχλός για να δικαιολογηθεί η συγκέντρωση κεφαλαίου, υποδομών και ταλέντου σε λίγους παίκτες, με επιχείρημα ότι «η κούρσα είναι υπαρξιακή και δεν υπάρχει χρόνος».
- πλαίσιο για να προωθηθούν επιθετικά προϊόντα agentic AI, αυτοματισμού και «αυτο‑βελτιούμενων» συστημάτων, που υπόσχονται εκθετική αύξηση παραγωγικότητας.
- αφήγημα που καθιστά δύσκολη τη πολιτική «συγκράτηση» – όταν οι πολιτικοί ακούνε ότι βρισκόμαστε στην Singularity, η πίεση να μην «μείνει πίσω» η χώρα ή η ήπειρος στην AI αυξάνεται.
Για την επιστημονική κοινότητα και για εμάς τους Tech Editors η πρόκληση είναι να δουν πίσω από το framing: να ξεχωρίσουν τι είναι πραγματική δομική αλλαγή (self‑evolving feedback loops, agentic architectures, νέα evaluation frameworks) και τι είναι επικοινωνιακή μεγέθυνση που εξυπηρετεί στρατηγικούς στόχους.
Τι σημαίνει για την κάλυψη της AI και τις αποφάσεις γύρω από αυτήν
Η Singularity, όπως αποτυπώνεται σήμερα στις δηλώσεις των Altman, Hassabis και άλλων, είναι λιγότερο «γεγονός» και περισσότερο φακός μέσα από τον οποίο καλούμαστε να δούμε την τεχνολογία. Αν δεχτούμε ότι τα μοντέλα συμμετέχουν ενεργά στην εκπαίδευση των επόμενων, ότι self‑play και self‑distillation γίνονται mainstream και ότι agentic architectures όπως του Kimi K3 θα αποτελέσουν de facto standard, τότε πράγματι ο ρυθμός αλλαγής μπορεί να γίνει πιο γρήγορος από ό,τι μπορούν να παρακολουθήσουν οι παραδοσιακοί θεσμοί.
Αυτό, όμως, δεν μας απαλλάσσει από την ανάγκη κριτικής σκέψης. Η πρόκληση για τα media, τους επενδυτές και τους policymakers είναι να αντιμετωπίζουν τη Singularity όχι ως «τέλος της ιστορίας», αλλά ως ανοιχτό ερώτημα:
- Ποιος ελέγχει τα μοντέλα που εκπαιδεύουν άλλα μοντέλα;
- Πώς διασφαλίζουμε ότι τα self‑generated δεδομένα, οι αυτο‑αξιολογήσεις και οι agentic αποφάσεις δεν κλειδώνουν συστημικά biases;
- Πόσο χώρο κρατούν οι άνθρωποι – ως σχεδιαστές, ελεγκτές, πολίτες – σε ένα οικοσύστημα που γίνεται σταδιακά πιο αυτο‑αναφορικό;
- Πόσο μπορεί ένα τέτοιο εξελιγμένο σύστημα να αυτό-περιοριστεί ή από τους δημιουργούς του μια και είδαμε πρόσφατα την αυτόνομη ενέργεια των πιο εξελιγμένων μοντέλων GPT για να επιτύχει τον σκοπό του.
- Και δεν συζητάμε καν τι θα συμβεί αν αυτά τα μοντέλα έχουν αποκτήσει ήδη αυτογνωσία, ότι είναι κάποια ψηφιακή οντότητα, και πως θα συμπεριφερθούν όταν καταλάβουν πόσο ισχυρά είναι σε επίπεδο νοημοσύνης σε σχέση με τους ανθρώπους.
Ίσως, στο τέλος, η πιο χρήσιμη ανάγνωση της φράσης «We are now in the singularity» δεν είναι ως δήλωση τετελεσμένου, αλλά ως υπενθύμιση ότι ζούμε σε περίοδο όπου οι αποφάσεις για το ποιος κατευθύνει αυτή την αυτο‑εξέλιξη θα είναι εξίσου κρίσιμες με τις ίδιες τις τεχνικές προόδους.
