Εταιρεία Πυραύλων και Διαστήματος Energia Εκτόξευση του Progress MS-33 στον ISS Το όχημα εκτόξευσης Soyuz-2.1a που μεταφέρει το διαστημόπλοιο μεταφοράς Progress MS-33 εκτοξεύτηκε από την Εξέδρα 31 στο Κοσμοδρόμιο του Μπαϊκονούρ. Η εισαγωγή του διαστημόπλοιου στην καθορισμένη τροχιά, ο διαχωρισμός του από το τρίτο στάδιο του οχήματος εκτόξευσης και η ανάπτυξη των ηλιακών πάνελ του προχώρησαν σύμφωνα με το πρόγραμμα. Το Progress θα παραδώσει 2.509 κιλά φορτίου στον ISS: ▪️828 κιλά προωθητικού για ανεφοδιασμό του σταθμού· ▪️420 κιλά πόσιμου νερού· ▪️619 κιλά δοχείων με μερίδες τροφίμων πληρώματος· ▪️393 κιλά εξοπλισμού για επισκευή, προγραμματισμένη συντήρηση και ανεφοδιασμό του σταθμού· ▪️135 κιλά εξοπλισμού για υγειονομικές και υγιεινές ανάγκες· ▪️52 κιλά εξοπλισμού για επιστημονικά πειράματα· ▪️50 κιλά οξυγόνου για την αναπλήρωση της εσωτερικής ατμόσφαιρας του ISS· ▪️12 κιλά ιατρικών εφοδίων, συμπεριλαμβανομένων στολών μεταφοράς φορτίου για την πρόληψη των αρνητικών επιπτώσεων της έλλειψης βαρύτητας. Η σύνδεση με τη μονάδα Poisk έχει προγραμματιστεί για τις 24 Μαρτίου στις 4:35 μ.μ. ώρα Μόσχας. Συγχαρητήρια σε όλους τους συναδέλφους μας για την επιτυχημένη εκτόξευση και σύνδεση! https://vk.com/rsc_energia?z=video-167742670_456239667%2Fde329a2d7ac33ee525%2Fpl_post_-167742670_24179 https://vk.com/rsc_energia?w=wall-167742670_24179     Roscosmos Ο Όλεγκ Κονονένκο διορίστηκε επικεφαλής του Κέντρου Εκπαίδευσης Κοσμοναυτών Ο Όλεγκ Κονονένκο, κοσμοναύτης, Ήρωας της Ρωσίας και διοικητής σώματος κοσμοναυτών, θα ηγηθεί του Κέντρου Εκπαίδευσης Κοσμοναυτών. Η Roscosmos αντιμετωπίζει πολλές προκλήσεις σήμερα, συμπεριλαμβανομένης της προετοιμασίας των κοσμοναυτών για εργασία στο Κέντρο Εκπαίδευσης Κοσμοναυτών. «Είμαι βέβαιος ότι η εμπειρία του Oleg Dmitrievich ως κοσμοναύτη και ως διευθυντή θα αποφέρει τα απαραίτητα αποτελέσματα», δήλωσε στους δημοσιογράφους ο Dmitry Bakanov, επικεφαλής της Κρατικής Εταιρείας Roscosmos. Ο Oleg Kononenko έχει ολοκληρώσει πέντε διαστημικές πτήσεις, επτά διαστημικούς περιπάτους και 1.111 ημέρες συνολικού τροχιακού χρόνου - ένα ρεκόρ για την ανθρώπινη παρουσία και εργασία στο διάστημα. https://vk.com/roscosmos?w=wall-30315369_603751

Rohit Patel (Meta) στη “Ν”: Η αλήθεια για τη Γενική Τεχνητή Νοημοσύνη και η Νο1 δεξιότητα για τους επιτυχημένους CEOs  Ο Διευθυντής της Meta Superintelligence Labs εξηγεί γιατί τα LLMs στερούνται χρόνου και μνήμης, τι σημαίνει το "jagged frontier" της AI και πώς οι επιχειρήσεις πρέπει να μετρούν πραγματικά το ROI   Όταν ο Rohit Patel ανεβαίνει στη σκηνή του EmTech Europe 2026, δεν μιλάει για το μέλλον της τεχνητής νοημοσύνης με τον τρόπο που το κάνουν οι περισσότεροι. Ξεκινάει με άλγεβρα. «Θα κάνουμε λίγη άλγεβρα σήμερα», λέει στο κοινό. «Δεν αστειεύομαι». Ο Διευθυντής της Meta Superintelligence Labs, του κεντρικού AI research hub της Meta, με PhD στη Θεωρία Παιγνίων από το Kellogg School of Management και ιδρυτής της QuickAI, έχει δει την τεχνητή νοημοσύνη και από την πλευρά της έρευνας αιχμής αλλά και της επιχειρηματικής πραγματικότητας. Και έχει ένα μήνυμα για τους Έλληνες CEOs: «Αν δεν μάθετε να αξιολογείτε την AI, θα αποτύχετε». Στη συνέντευξή του στη Ναυτεμπορική, λίγο πριν ανέβει στη σκηνή του συνεδρίου, ο Patel μιλα για τους μύθους γύρω από την AGI (Γενική Τεχνητή Νοημοσύνη), εξηγεί γιατί τα Μεγάλα Γλωσσικά Μοντέλα (LLMs) είναι θεμελιωδώς «διαισθητικά» αντί για «λογικά», και προειδοποιεί ότι τα εντυπωσιακά AI demos δεν είναι συχνά παρά «συγκυριακές επιτυχίες». Η Φούσκα που (ίσως) δεν είναι φούσκα και το ερώτημα ποιος πληρώνει Ξεκινάμε με το προφανές: Dot-com boom, crypto boom, τώρα AI boom. Κατά πόσο οι θηριώδεις επενδύσεις σε AI είναι παραγωγικές και κατά πόσο πρόκειται για μια κερδοσκοπική φούσκα;«Αν αναλογιστούμε τις καινοτομίες του παρελθόντος, όπως την επανάσταση των υπολογιστών, ο κόσμος τοποθέτησε τεράστια ποσά σε CapEx και τελικά σήμερα τις χρησιμοποιούμε, σωστά;» απαντά ο Patel. «Υπήρξε μια απότομη άνοδος και πτώση τότε, αλλά θεωρώ ότι ήταν θέμα χρονισμού».Η διαφορά με το παρελθόν; «Το μόνο αδιαμφισβήτητο είναι ότι η χρήση της τεχνητής νοημοσύνης είναι ήδη καθολική. Εξ όσων γνωρίζω, όλη η υπολογιστική ισχύς εκεί έξω χρησιμοποιείται στο έπακρο. Οι άνθρωποι ήδη αλληλεπιδρούν με τα μοντέλα και δεν υπάρχει επιστροφή».Το πραγματικό ερώτημα, υποστηρίζει, δεν είναι αν η AI θα επιβιώσει. Είναι ποιος θα πληρώσει για αυτήν.  «Κάποιος παρουσίαζε σήμερα μια startup που παλαιότερα χρέωνε 30 δολάρια ανά εκατομμύριο tokens για ένα chatbot. Τώρα η τιμή είναι 30 σεντς. Το κόστος έχει μειωθεί δραματικά. Δεν ανησυχώ για τις αποδόσεις των επενδύσεων (ROI), αλλά αναρωτιέμαι για το επιχειρηματικό μοντέλο του μέλλοντος. Τα έσοδα θα προέλθουν από τους καταναλωτές ή από τις επιχειρήσεις;»Η αναδιάρθρωση της αγοράς που προβλέπει δεν είναι κατάρρευση, αλλά μετατόπιση. «Επειδή η προστιθέμενη αξία είναι τεράστια, το σύστημα θα λειτουργήσει. Αν δεν βρούμε αγορά σε έναν τομέα, θα βρούμε σε άλλον. Ίσως η αναδιάρθρωση να είναι απλώς μια αλλαγή στο ποιος επωμίζεται το κόστος». AGI: Περιμένοντας τη Γενική Τεχνητή Νοημοσύνη και το διάγραμμα Venn Του ζητάμε να ορίσει τους όρους που όλοι χρησιμοποιούμε χωρίς να τους καταλαβαίνουμε πραγματικά: AGI (Γενική Τεχνητή Νοημοσύνη) και superintelligence (υπερφυΐα). «Ο τρόπος που το σκέφτομαι είναι σαν ένα διάγραμμα Venn», εξηγεί ο Patel. «Φανταστείτε έναν κύκλο με όλες τις δυνατότητες της AI και έναν κύκλο με όλα όσα είναι ικανοί να κάνουν οι άνθρωποι. Και μια τομή ανάμεσά τους». Η κατανόηση έρχεται με το παράδειγμα: «Υπάρχουν πράγματα που η AI μπορεί να κάνει και οι άνθρωποι όχι. Για παράδειγμα, μπορεί να απαντήσει σε ερωτήσεις για ένα εξαιρετικά ευρύ φάσμα θεμάτων, από τη μικροβιολογία μέχρι τη θεωρητική φυσική, μέσα σε λίγα λεπτά. Κανένας άνθρωπος δεν μπορεί να το κάνει αυτό».Και η αντίστροφη όψη: «Οι άνθρωποι μπορούν να δωρίζουν τα όργανά τους. Δεν νομίζω ότι θα φτάσουμε σε σημείο που τα LLMs θα δωρίζουν νεφρά». Superintelligence, λοιπόν, δεν σημαίνει ότι η AI θα κάνει τα πάντα που κάνει ο άνθρωπος. «Σημαίνει ότι επεκτείνουμε το φάσμα των πραγμάτων που η AI μπορεί να επιτύχει, εξοπλίζοντας τους ανθρώπους με δυνατότητες που δεν είχαν ποτέ πριν. Τα AI bots είναι δημοφιλή όχι επειδή μιμούνται τον άνθρωπο, αλλά επειδή κάνουν κάτι που ο άνθρωπος ΔΕΝ μπορεί».Πότε θα φτάσουμε, λοιπόν, στην AGI;  «Δεν νομίζω ότι θα υπάρξει μια συγκεκριμένη “στιγμή”, γιατί ό,τι κι αν θεωρούμε ως Γενική Τεχνητή Νοημοσύνη σήμερα, όταν φτάσουμε σε αυτό το ορόσημο, θα πούμε: “ε, δεν είναι ακριβώς αυτό” και θα θέσουμε έναν νέο ορισμό». Χωρίς χρόνο και μνήμη: Το θεμελιώδες έλλειμμα στον εγκέφαλο των LLMs Αναφέρουμε τη θέση του Yann LeCun για τα World Models, την ιδέα ότι τα LLMs έχουν εγγενείς περιορισμούς επειδή δεν έχουν σώματα και δεν «νιώθουν» τη βαρύτητα, παρότι μπορούν να μιλήσουν γι’ αυτήν τέλεια. Ο Patel συμφωνεί, αλλά με μια διαφορετική οπτική. «Πρώτον: με τα LLMs, όπως είναι τώρα, έχουμε ήδη μια επανάσταση της AI και τρομερή πρόοδο. Σκεφτείτε το τρανζίστορ, έναν απλό τεχνολογικό πυρήνα (kernel). Το συνδυάσαμε με εκατομμύρια τρόπους και χτίσαμε ολόκληρη την υπολογιστική επανάσταση. Το packet switching – μια απλή ιδέα – έγινε το Διαδίκτυο». Και μετά τα LLMs: «Με τον ίδιο τρόπο, ξέρουμε ότι έχουμε βρει έναν πυρήνα νοημοσύνης και ακόμα κι αν δεν σημειωθεί καμία άλλη πρόοδος, έχουμε μια ολόκληρη επανάσταση AI. Αυτό είναι εγγυημένο». Αλλά υπάρχουν θεμελιώδη κενά. «Ο χρόνος είναι αναπόσπαστο κομμάτι της ύπαρξής μας. Αντιλαμβανόμαστε τον χρόνο, κινούμαστε μέσα σε αυτόν. Τα LLMs δεν έχουν αντίληψη του χρόνου. Μπορείς να κλείσεις το μοντέλο, να το ανοίξεις αργότερα, να του δώσεις τα ίδια tokens και θα σου δώσει το ίδιο αποτέλεσμα».Στην ομιλία του αργότερα, ο Patel θα εξηγήσει: «Ακόμα κι αν το μοντέλο ξέρει την ώρα, είναι κυρίως επειδή κάποιος την κοιτάζει και τη βάζει ως input. Αν κάθομαι εδώ και κανείς δεν μου πει την ώρα, ξέρω ότι πέρασαν κάποια δευτερόλεπτα. Έχω την αίσθηση του “περισσότερου” ή “λιγότερου” χρόνου. Αλλά στην AI, μπορείς να της πεις την ώρα και θα πει “εντάξει, αυτή είναι η σωστή ώρα”. Και πέντε λεπτά αργότερα, μπορείς να της δώσεις ακριβώς την ίδια ώρα και θα πει “υπέροχα, αυτή είναι η σωστή”. Δεν υπάρχει εσωτερική κατανόηση του χρόνου». Το ίδιο συμβαίνει και με τη μνήμη. «Τα LLMs δεν έχουν την έννοια της μνήμης. Υπάρχει ένα θεμελιώδες κενό στον ίδιο τον “εγκέφαλο” του συστήματος, στην κεντρική αρχιτεκτονική». Χρειαζόμαστε λοιπόν ρομπότ ή «σώματα» για την AI; «Δεν με ενδιαφέρει τόσο πολύ από πού έρχονται τα σήματα. Ακόμα και τα δικά μας σώματα είναι interfaces για τον εγκέφαλό μας. Το ερώτημα δεν είναι αν τα ερεθίσματα πρέπει να έρχονται από ρομπότ ή από κάποιο εξωτερικό interface. Αυτό είναι καθαρά θέμα “καλωδίωσης”. Αυτό που έχει σημασία είναι να αναπτύξουμε νέες αρχιτεκτονικές AI που μπορούν να κατανοήσουν έννοιες όπως η μνήμη και ο χρόνος». Numbers Only: Η μαθηματική διαίσθηση πίσω από τα νευρωνικά δίκτυα «Όλα τα νευρωνικά δίκτυα μπορούν να κάνουν μόνο ένα πράγμα: να παίρνουν αριθμούς και να δίνουν αριθμούς. Δεν υπάρχει εξαίρεση σε αυτό. Δεν υπάρχει “μαγικό” δίκτυο που κατανοεί φυσικά τη γλώσσα ή τις εικόνες. Όλα τα άλλα είναι έξυπνα σχήματα, τρόποι ερμηνείας αυτών των αριθμών». Το παράδειγμά του είναι πάλι διαφωτιστικό: «Φτιάχνουμε ένα δίκτυο που παράγει δύο αριθμούς. Ονομάζουμε τον έναν “φύλλο” και τον άλλον “λουλούδι”. Έτσι μετατρέπουμε τους αριθμούς σε κάτι πραγματικό».Και εδώ έρχεται μια διευκρίνιση: «Ο τρόπος που λειτουργούν τα νευρωνικά δίκτυα είναι θεμελιωδώς διαισθητικός. Δεν είναι λογικά συστήματα. Όταν παρατηρείς πώς λειτουργούν, βλέπεις ότι δεν κάνουν πραγματικά συλλογισμούς. Υπάρχει απλώς πολλή “διαίσθηση” – όπως θα κάναμε εμείς -σε αντίθεση με τον συμβολικό δομημένο συλλογισμό (symbolic structured reasoning)».«Δεν νομίζω ότι οι άνθρωποι το περίμεναν. Αν δεις όλη την ποπ κουλτούρα για το πώς θα εξελισσόταν η AI, ήταν λίγο “θα είναι σαν τον Data στο Star Trek”, σούπερ λογική αλλά καθόλου διαισθητική. Συμβαίνει το αντίθετο: λιγότερη λογική, περισσότερο ένστικτο. Και τώρα προσπαθούμε να χρησιμοποιήσουμε αυτό το ένστικτο για να “χτίσουμε” λογική μέσω των μοντέλων συλλογισμού». Το Jagged Frontier της AI: H λεπτή γραμμή ανάμεσα στην ευφυΐα και το σφάλμα Μεταφέρουμε τη συζήτηση στην επιχειρηματική πραγματικότητα. Υπάρχει χάσμα στο πώς οι άνθρωποι των επιχειρήσεων καταλαβαίνουν την AI; «Ναι, δυστυχώς ναι. Υπάρχει χάσμα σε πολλά επίπεδα», απαντά ο Patel. Εδώ εισάγει μια έννοια-κλειδί: το Jagged Frontier.«Ένα από τα πιο θεμελιώδη χαρακτηριστικά στην Τεχνητή Νοημοσύνη είναι ότι δεν διαθέτει ομαλή καμπύλη ικανοτήτων (convex intelligence envelope). Έχει αυτό το jagged frontier (ακανόνιστη κατανομή δυνατοτήτων). Τι σημαίνει αυτό; Αν δούμε ότι ένας άνθρωπος μπορεί να εκτελέσει την εργασία Α πολύ καλά και την εργασία Β επίσης καλά, περιμένουμε λογικά ότι μπορεί να κάνει και μια εργασία που είναι συνδυασμός των δύο. Αυτό ισχύει γενικά για την ανθρώπινη νοημοσύνη».Το πρόβλημα; «Στην AI αυτό δεν ισχύει. Μπορεί να λύνει σύνθετα προβλήματα, αλλά να αποτυγχάνει σε κάτι ενδιάμεσο και εξαιρετικά απλό, κάνοντάς το τρομερά χάλια». Το αποτέλεσμα; «Αυτό δημιουργεί τεράστια πρόκληση, γιατί οδηγεί σε υπερ-γενίκευση του τι είναι δυνατό. Πολλές φορές, οι CEOs βλέπουν ένα εντυπωσιακό demo και υποθέτουν ότι η AI θα αποδώσει παντού, αλλά η πραγματικότητα της ΑΙ είναι “ακανόνιστη”». AI Evaluations: Η Νο1 Δεξιότητα που Χρειάζονται οι CEOs Κάθε CEO λέει ότι η AI είναι στρατηγική προτεραιότητα. Αλλά πού είναι η απόδοση της επένδυσης; «Το μεγαλύτερο ζήτημα είναι ότι τα στελέχη δεν ξέρουν πώς να αξιολογήσουν αν η επένδυσή τους στην AI θα αποδώσει. Δεν έχουν τα εργαλεία. Μπορείς να το κάνεις για όλα τα άλλα, αλλά αυτό είναι ένα νέο στοίχημα», τονίζει ο Patel. «Πιστεύω ότι η πιο σημαντική ικανότητα που θα χρειαστούν τα στελέχη εταιρειών είναι να καταλάβουν τα AI Evaluations (Evals)».Το πρόβλημα με τα demos: «Στο παραδοσιακό λογισμικό, τα demos είναι ντετερμινιστικά. Αλλά η AI δεν είναι. Είναι τυχαία, πιθανοκρατική. Είναι συχνά “συγκυριακές επιτυχίες”: Σαν να έχεις μια βάρκα που διασχίζει ένα ποτάμι 10 φορές. Τις 9 θα αναποδογυρίσει αλλά αρκεί μόνο η μία φορά που τα κατάφερε για να “στηθεί” το demo».Η λύση; Τα Evals. «Αν είσαι CEO και δεν ξέρεις τι είναι αυτό, δεν θα έχεις τύχη». Ο Patel αναλύει τη διαδικασία εξηγώντας ότι στην πράξη όλα ξεκινούν με τη συλλογή δεδομένων, όπου παίρνεις το σενάριο χρήσης και βρίσκεις ένα αντιπροσωπευτικό δείγμα 500 ή 1.000 παραδειγμάτων. Στη συνέχεια, δημιουργείς τις απαντήσεις-κλειδιά, γράφοντας τις τέλειες απαντήσεις που θα αποτελέσουν το μέτρο σύγκρισης.Το «κόλπο» έρχεται στο τρίτο στάδιο, την αυτοματοποιημένη αξιολόγηση: αντί να έχεις έναν άνθρωπο να ελέγχει 1.000 outputs, βάζεις μια άλλη AI να κρίνει αν η απάντηση είναι σωστή βάσει της πρότυπης απάντησης, μετατρέποντας μια πολυήμερη εργασία σε άσκηση 20 λεπτών. Τέλος, προχωράς στη συνεχή βελτίωση. Αν το αποδεκτό σου όριο είναι το 60% και σήμερα είσαι στο 40%, συνεχίζεις να “εκπαιδεύεις” το μοντέλο μέχρι να φτάσεις τον επιθυμητό στόχο. Κλείνοντας με μια αναλογία, ο Patel σημειώνει: «Στο παρελθόν, ηγεσία ήταν να εντοπίζεις το ανθρώπινο ταλέντο και να το αναπτύσσεις. Αυτή είναι η AI εκδοχή της ηγεσίας: πώς εντοπίζω ποιοι ψηφιακοί πράκτορες (agents) δουλεύουν για εμένα, πού κρύβεται το πραγματικό ταλέντο και πώς το βελτιώνω». Agents, άνθρωποι και απελευθέρωση της επιχειρηματικότητας Το ερώτημα που όλοι φοβούνται: ΑΙ εναντίον Ανθρώπων στην εργασία; Ο Patel εμφανίζεται ιδιαίτερα αισιόδοξος. «Είμαι ενθουσιασμένος, ειλικρινά. Η δουλειά μου ως ερευνητή έχει γίνει τρομερά πιο αποτελεσματική. Παλαιότερα περνούσα πολύ χρόνο γράφοντας κώδικα. Και όσο κι αν μου άρεσε, στην καρδιά μου είμαι μαθηματικός και στατιστικολόγος. Τώρα δεν χρειάζεται να τον γράφω χειροκίνητα  – το σύνδρομο καρπιαίου σωλήνα μου εξαφανίστηκε», λέει γελώντας. Πού θα δούμε όμως το μεγαλύτερο αντίκτυπο; Στην Επιχειρηματικότητα. «Δεν υπάρχει κάποιο καθολικά ορισμένο όριο στο πόσο γρήγορα μπορεί να κινηθεί ένας οργανισμός ή ένα άτομο. Αν μπορούμε να κινηθούμε πιο γρήγορα, αυτό θα κάνουμε. Καθώς η εκτέλεση μιας ιδέας γίνεται φθηνή, θα δείτε πολύ περισσότερους ανθρώπους να κάνουν πράξη τα οράματά τους».Ήδη, όπως επισημαίνει, το φαινόμενο βρίσκεται σε εξέλιξη: «Άνθρωποι που δεν θα το σκέφτονταν ποτέ, λένε πλέον: “μπορώ να στήσω μια επιχείρηση με χειροποίητα δέρματα επειδή είναι το χόμπι μου”. Το βλέπω να συμβαίνει γύρω μου και είναι απίστευτο πώς η τεχνητή νοημοσύνη ξεκλειδώνει τη δημιουργικότητα». Μια ευκαιρία να διορθώσουμε τον κόσμο (;) Κάθε τεχνολογία έχει ηθικές συνέπειες. Ποιες είναι οι προτεραιότητες για την AI; «Ζούμε σε έναν κόσμο θεμελιωδώς προκατειλημμένο. Υπάρχουν μελέτες για το πώς η απλή αλλαγή ενός ονόματος σε ένα βιογραφικό από ανδρικό σε γυναικείο επηρεάζει καθοριστικά την πρόσληψη σε πολλές κοινωνίες. Αν αναπτύξουμε τεχνητή νοημοσύνη που εκπαιδεύεται αποκλειστικά σε ανθρώπινα δεδομένα με τις ίδιες προκαταλήψεις, το μέλλον θα είναι δυσοίωνο», προειδοποιεί ο Patel.Αλλά εδώ ακριβώς εντοπίζει και μια μεγάλη ευκαιρία: «Έχουμε τα εργαλεία τώρα. Αν επενδύσουμε ενέργεια και προσπάθεια, μπορούμε να εξαλείψουμε αυτές τις προκαταλήψεις και να κάνουμε το σύστημα πιο δίκαιο και ισότιμο.Έτσι, για παράδειγμα, ένας AI selector βιογραφικών θα μπορούσε να αξιολογεί το ταλέντο χωρίς τις υποσυνείδητες προκαταλήψεις που θα είχε ένας άνθρωπος». 2036: Agents παντού, υβριδική AI – Ο κόσμος μετά από 10 χρόνια Φτάνουμε προς το τέλος με μια πρόβλεψη: Πώς θα είναι ο κόσμος το 2036; «Είναι απίστευτα δύσκολο να κάνεις προβλέψεις σε βάθος δεκαετίας. Αλλά ένα πράγμα θα πω: μερικές φορές οι άνθρωποι προτρέχουν. Ο κόσμος έχει αλλάξει δραματικά τα τελευταία δέκα χρόνια, αλλά δεν βλέπουμε ακόμα ιπτάμενα αυτοκίνητα», σημειώνει ο Patel.Η πρόβλεψη: «Σε δέκα χρόνια θα υπάρχει ένας τεράστιος αριθμός ψηφιακών πρακτόρων (AI agents) στις ζωές μας, στους οποίους θα αναθέτουμε πολλές εργασίες, ειδικά μόλις επιλυθούν τα ζητήματα ιδιωτικότητας και δεοντολογίας».Από την ομιλία του προκύπτει και μια ακόμα σημαντική εκτίμηση: «Εστιάζω πολύ στην multimodal AI – συστήματα που συνδυάζουν διαφορετικές μορφές δεδομένων. Σήμερα υπάρχουν ξεχωριστά μοντέλα με εξαιρετικές ικανότητες σε διαφορετικούς τομείς. Το ερώτημα είναι πώς θα τα ενσωματώσουμε ώστε να λειτουργούν ως ολοκληρωμένα συστήματα. Αυτή είναι μια περιοχή όπου ελπίζω φέτος να σημειώσουμε σημαντική πρόοδο».«Ο ρυθμός πάντως της τεχνολογικής προόδου είναι ένα πράγμα. Ο ρυθμός της ανθρώπινης προόδου είναι κάτι εντελώς διαφορετικό». Τι Μένει Ανθρώπινο; Αφήνοντας πίσω τον Patel, επιστρέφουμε σε ένα θεμελιώδες ερώτημα: Αν η λογική και η διαίσθηση δεν είναι πλέον «αποκλειστικά ανθρώπινα» χαρακτηριστικά, τότε τι μένει ανθρώπινο; Ο Patel δεν απαντά άμεσα σε αυτό. Αλλά τα κενά που εντόπισε – το γεγονός ότι τα LLMs δεν έχουν χρόνο, δεν έχουν μνήμη, δεν διαθέτουν ενσώματη εμπειρία –  δείχνουν προς μια συγκεκριμένη κατεύθυνση.Το «μοναδικά ανθρώπινο» στοιχείο δεν είναι ότι σκεφτόμαστε γρήγορα (διαίσθηση). Δεν είναι ούτε ότι σκεφτόμαστε αργά (λογική). Είναι ότι ζούμε μέσα στον χρόνο. Ότι θυμόμαστε. Ότι αισθανόμαστε την πάροδο των δευτερολέπτων, ακόμα και όταν κανείς δεν μας λέει την ώρα. Ο Patel το έθεσε με έναν απλό, σχεδόν ποιητικό τρόπο: «Αν κάθομαι εδώ και κανείς δεν μου πει την ώρα, ξέρω ακόμα ότι κάποια δευτερόλεπτα πέρασαν. Έχω την αίσθηση του “περισσότερου” ή “λιγότερου” χρόνου». Αυτό δεν είναι λογική. Δεν είναι διαίσθηση. Είναι συνείδηση, επίγνωση εαυτού σε ένα σώμα που κινείται μέσα στον χρόνο. Και αυτό, τουλάχιστον προς το παρόν, μας διαχωρίζει από τις μηχανές. (To EmTech Europe διοργανώνεται από το MIT Technology Review σε συνεργασία με την Καθημερινή)

Ανακαλύφθηκαν νέοι δορυφόροι σε Δία και Κρόνο. Πρόκειται για μικρού μεγέθους διαστημικά σώματα που βρίσκονται πολύ μακριά από τους πλανήτες τους. Μια σειρά από νέες ανακαλύψεις αύξησε σημαντικά τον αριθμό των γνωστών δορυφόρων γύρω από τους μεγάλους πλανήτες αερίου του ηλιακού μας συστήματος, το Δία και τον Κρόνο.Εντοπίστηκαν 4 νέοι δορυφόροι γύρω από το Δία  ανεβάζοντας τον αριθμό τους σε 101 ενώ εντοπίστηκαν 11 νέοι δορυφόροι γύρω από τον Κρόνο ανεβάζοντας τον αριθμό των δορυφόρων σε 285. Συνολικά, οι γνωστοί δορυφόροι στο ηλιακό σύστημα (πλανητών και νάνων πλανητών) έφτασαν τους 442.Οι ανακοινώσεις έγιναν από το Minor Planet Center, το κέντρο δεδομένων της Διεθνούς Αστρονομικής Ένωσης που καταγράφει επίσημα τέτοιες ανακαλύψεις. Όλοι οι νέοι δορυφόροι που εντοπίστηκαν έχουν ως κοινά χαρακτηριστικά το πολύ μικρό τους μέγεθος που δεν ξεπερνάει σε διάμετρο τα 3 χλμ., την μεγάλη απόσταση από τους πλανήτες τους και τις μακρινές τροχιές τους και ότι είναι εξαιρετικά αμυδροί πρακτικά αόρατοι για ερασιτεχνικά τηλεσκόπια. Εντοπίστηκαν από διάφορα μεγάλα και ισχυρά επίγεια τηλεσκόπια.Εκτιμάται ότι αυτά τα μικρά φεγγάρια είναι  αιχμαλωτισμένοι από τη βαρύτητα των πλανητών αστεροειδείς και η ανακάλυψη τους δείχνει ότι τα οι εξωτερικές περιοχές των πλανητών, ειδικά των μεγάλων, είναι πολύ πιο χαοτικές και πλούσιες από ό,τι νομίζαμε.Οι επερχόμενες αποστολές Europa Clipper και JUICE που θα εξερευνήσουν το σύστημα του Δία και ορισμένους δορυφόρους του που πιστεύεται ότι διαθέτουν υπόγειους ωκεανούς και άρα ίσως υπάρχουν εκεί κάποιες μορφές ζωής ενδέχεται να ανακαλύψουν ακόμη περισσότερους δορυφόρους τη δεκαετία του 2030. https://www.naftemporiki.gr/techscience/2088768/anakalyfthikan-neoi-doryforoi-se-dia-kai-krono/