Δροσος Γεωργιος

Το SpaceX Crew-11 της NASA θα συζητήσει την επιστημονική αποστολή του Διαστημικού Σταθμού. Μετά από 167 ημέρες στο διάστημα, τα μέλη του πληρώματος της αποστολής SpaceX Crew-11 της NASA θα παραχωρήσουν συνέντευξη Τύπου στις 2:15 μ.μ. EST, την Τετάρτη 21 Ιανουαρίου, στο Διαστημικό Κέντρο Johnson του οργανισμού στο Χιούστον για να συζητήσουν την επιστημονική τους αποστολή στον Διεθνή Διαστημικό Σταθμό.Οι αστροναύτες της NASA, Ζένα Κάρντμαν και Μάικ Φίνκε , η αστροναύτης της JAXA (Ιαπωνική Υπηρεσία Αεροδιαστημικής Εξερεύνησης) Κίμια Γιούι και ο κοσμοναύτης της Roscosmos, Όλεγκ Πλατόνοφ, θα απαντήσουν σε ερωτήσεις σχετικά με την αποστολή τους. Τα μέλη του πληρώματος επέστρεψαν στη Γη στις 15 Ιανουαρίου, κάνοντας καταδύσεις στα ανοιχτά των ακτών του Σαν Ντιέγκο, και έφτασαν στο Χιούστον την Παρασκευή, όπου θα υποβληθούν σε τυπική ανακατασκευή και αξιολογήσεις μετά την πτήση.Η NASA θα παρέχει ζωντανή κάλυψη στο κανάλι YouTube του οργανισμού . Μάθετε πώς να παρακολουθείτε περιεχόμενο της NASA μέσω μιας ποικιλίας πρόσθετων διαδικτυακών πλατφορμών, συμπεριλαμβανομένων των μέσων κοινωνικής δικτύωσης.Τα μέσα ενημέρωσης καλούνται να παραστούν αυτοπροσώπως ή διαδικτυακά. Για αυτοπρόσωπη παρουσία, επικοινωνήστε με το γραφείο σύνταξης της NASA Johnson το αργότερο έως τις 5 μ.μ. CST, την Τρίτη 20 Ιανουαρίου, στη διεύθυνση jsccommu@mail.nasa.gov ή στο 281-483-5111. Τα μέσα ενημέρωσης που συμμετέχουν τηλεφωνικά πρέπει να καλέσουν στη συνέντευξη Τύπου το αργότερο 10 λεπτά πριν από την έναρξη της εκδήλωσης για να υποβάλουν ερωτήσεις. Ερωτήσεις μπορούν επίσης να υποβληθούν στα μέσα κοινωνικής δικτύωσης χρησιμοποιώντας το #AskNASA. Ένα αντίγραφο της πολιτικής διαπίστευσης μέσων ενημέρωσης της NASA είναι διαθέσιμο στον ιστότοπο του οργανισμού.Το πλήρωμα πέρασε περισσότερους από πέντε μήνες στο διάστημα, συμπεριλαμβανομένων 165 ημερών στο εργαστήριο σε τροχιά, ταξιδεύοντας σχεδόν 71 εκατομμύρια μίλια και ολοκληρώνοντας περισσότερες από 2.670 τροχιές γύρω από τη Γη. Ενώ ζούσε και εργαζόταν στον σταθμό, το πλήρωμα ολοκλήρωσε εκατοντάδες επιστημονικά πειράματα και τεχνολογικές επιδείξεις.Λάβετε τα τελευταία νέα, εικόνες και χαρακτηριστικά για τον διαστημικό σταθμό της NASA στο Instagram , το Facebook και το X.Το Πρόγραμμα Εμπορικών Πληρωμάτων της NASA έχει επιτύχει τον στόχο του για ασφαλή, αξιόπιστη και οικονομικά αποδοτική μεταφορά από και προς τον Διεθνή Διαστημικό Σταθμό από τις Ηνωμένες Πολιτείες μέσω μιας συνεργασίας με την αμερικανική ιδιωτική βιομηχανία. Αυτή η συνεργασία ανοίγει την πρόσβαση στη χαμηλή τροχιά της Γης και στον διαστημικό σταθμό σε περισσότερους ανθρώπους, περισσότερη επιστήμη και περισσότερες εμπορικές ευκαιρίες. Για περισσότερα από 25 χρόνια, άνθρωποι ζουν και εργάζονται συνεχώς στον διαστημικό σταθμό, προωθώντας την επιστημονική γνώση και επιδεικνύοντας νέες τεχνολογίες που μας επιτρέπουν να προετοιμαστούμε για την ανθρώπινη εξερεύνηση της Σελήνης καθώς προετοιμαζόμαστε για τον Άρη. Μάθετε περισσότερα για το Πρόγραμμα Εμπορικών Πληρωμάτων της NASA στη διεύθυνση: https://www.nasa.gov/commercialcrew Το πλήρωμα του SpaceX Crew-11 της NASA επιστρέφει στο υπόστεγο Guppy του Ellington Field στο Χιούστον στις 16 Ιανουαρίου 2026. Από αριστερά προς τα δεξιά είναι ο κοσμοναύτης της Roscosmos, Όλεγκ Πλατόνοφ, οι αστροναύτες της NASA, Μάικ Φίνκε και Ζένα Κάρντμαν, και η αστροναύτης της JAXA (Ιαπωνική Υπηρεσία Αεροδιαστημικής Εξερεύνησης) Κίμια Γιούι. Ελληνικοί μικροδορυφόροι φωτογράφισαν από το Διάστημα τη φρεγάτα «Κίμων» Η έναρξη της λειτουργίας αυτών των δορυφόρων υπόσχεται πλήθος νέων σημαντικών υπηρεσιών στο ελληνικό κράτος και τους πολίτες.Πέντε ελληνικοί δορυφόροι βρίσκονται πλέον σε τροχιά γύρω από τη Γη στο πλαίσιο του «Εθνικού Προγράμματος Μικροδορυφόρων» και ανάμεσα στις πρώτες εικόνες που μετέδωσαν είναι και η φρεγάτα Belharra «ΚΙΜΩΝ» κατά την άφιξή της στη χώρα μας από την Γαλλία.«Η προοπτική παρουσίας της Ελλάδας στο Διάστημα, κάποτε έμοιαζε, είτε αστείο, είτε ουτοπία. Ευτυχώς έχουμε αφήσει αυτές τις εποχές πίσω μας. Μέσα σε μόλις ενάμιση μήνα από την εκτόξευσή τους, έχουμε στα χέρια μας τις πρώτες εικόνες των δορυφόρων του ‘Εθνικού Προγράμματος Μικροδορυφόρων’. Πρόκειται για ένα ορόσημο που επιβεβαιώνει ότι ως χώρα περνάμε από τον σχεδιασμό στην πράξη και αποκτούμε ουσιαστική παρουσία στο Διάστημα με άμεσο όφελος για το κράτος και τον πολίτη. Πέρα από την τεράστια συμβολική αξία της λήψης εικόνων ελληνικού εδάφους από ελληνικούς δορυφόρους στο Διάστημα έχει και τεράστια πρακτική» είπε στο ΑΠΕ-ΜΠΕ ο υπουργός Ψηφιακής Διακυβέρνησης Δημήτρης Παπαστεργίου.Η Ελλάδα βρίσκεται πλέον σε μια νέα εποχή στον τομέα της ψηφιακής και διαστημικής υποδομής με την υλοποίηση μιας ενιαίας, κεντρικής ψηφιακής πλατφόρμας, που θα συγκεντρώνει και θα αξιοποιεί δεδομένα από όλους τους ελληνικούς και διεθνείς δορυφόρους. Αυτή η υποδομή θα επιτρέπει τη μετατροπή της πληροφορίας που προέρχεται από το Διάστημα σε άμεσα εφαρμόσιμα εργαλεία πολιτικής, επιφέροντας σημαντικές αλλαγές στην καθημερινότητα των πολιτών.Η κεντρική υποδομή θα λειτουργεί ως ο κοινός επιχειρησιακός πυρήνας του κράτους, διαχειριζόμενη τη συλλογή, τον προγραμματισμό λήψεων, την αποθήκευση και την επεξεργασία δορυφορικών δεδομένων. Η δημιουργία αυτής της πλατφόρμας, επιτρέπει σε όλα τα υπουργεία και δημόσιες υπηρεσίες να έχουν πρόσβαση σε αξιόπιστα και επικαιροποιημένα δεδομένα, χωρίς την ανάγκη εξειδικευμένης τεχνικής γνώσης. Ο κεντρικός κυβερνητικός κόμβος θα είναι εγκατεστημένος στην Αθήνα και θα συνεργαστεί με το Ελληνικό Κέντρο Διαστήματος παρέχοντας ένα σημείο πρόσβασης στις δορυφορικές υπηρεσίεςΣτην πράξη η χώρα αποκτά τη δυνατότητα συστηματικής χαρτογράφησης ολόκληρης της επικράτειας, αλλά και άμεσης ανταπόκρισης σε κρίσιμα γεγονότα. Οπτικά, θερμικά και ραντάρ δορυφορικά δεδομένα συνδυάζονται, ώστε να υπάρχει εικόνα ημέρα και νύχτα, ακόμη και με συννεφιά. Η ύπαρξη αστερισμών δορυφόρων επιτρέπει πολλαπλές λήψεις μέσα στην ίδια ημέρα σε όλο τον ελλαδικό χώρο δίνοντας συνεχή και επικαιροποιημένη εικόνα της χώρας. Τα δεδομένα φτάνουν σε ελάχιστο χρόνο στο σύστημα και μετατρέπονται αυτόματα σε «έτοιμα προς ανάλυση» προϊόντα, μειώνοντας δραστικά τον χρόνο λήψης αποφάσεων. Η εικόνα της φρεγάτας από τους μικροδορυφόρους. https://www.naftemporiki.gr/techscience/2060197/ellinikoi-mikrodoryforoi-fotografisan-apo-to-diastima-ti-fregata-kimon/

Ο πύραυλος Artemis II της NASA που κατευθύνεται προς τη Σελήνη φτάνει στην εξέδρα εκτόξευσης. Στις 6:42 μ.μ. EST το Σάββατο 17 Ιανουαρίου, ο πύραυλος Artemis II SLS (Space Launch System) της NASA και το διαστημόπλοιο Orion έφτασαν στην εξέδρα εκτόξευσης 39Β μετά από ένα ταξίδι σχεδόν 12 ωρών από το Κτίριο Συναρμολόγησης Οχημάτων (VAB) στο Διαστημικό Κέντρο Κένεντι του οργανισμού στη Φλόριντα.Ώρες νωρίτερα, το ερπυστριοφόρο διαστημόπλοιο 2 της NASA ξεκίνησε την πορεία του, μήκους 4 μιλίων, με το ενσωματωμένο SLS και το Orion στοιβαγμένα στην κορυφή. Κινούμενο με μέγιστη ταχύτητα μόλις 0,82 μίλια/ώρα, το ερπυστριοφόρο διαστημόπλοιο μετέφερε αργά αλλά σταθερά τον πανύψηλο πύραυλο της Σελήνης και το διαστημόπλοιο προς την εξέδρα προσγείωσης. Μόλις βγήκε έξω από τις πόρτες υψηλού χώρου του VAB, ο πύραυλος πραγματοποίησε μια προγραμματισμένη παύση επιτρέποντας στις ομάδες να επανατοποθετήσουν τον βραχίονα πρόσβασης του πληρώματος - μια γέφυρα που παρέχει στους αστροναύτες και στο πλήρωμα κλεισίματος πρόσβαση στο Orion την ημέρα της εκτόξευσης.Τις επόμενες ημέρες, μηχανικοί και τεχνικοί θα προετοιμάσουν τον πύραυλο Artemis II για την πρόβα τζενεράλε, μια δοκιμή των εργασιών ανεφοδιασμού με καύσιμα και των διαδικασιών αντίστροφης μέτρησης. Με στόχο το αργότερο έως τις 2 Φεβρουαρίου, η ομάδα θα φορτώσει τον πύραυλο με κρυογονικά, ή υπερψυχρά, προωθητικά, θα εκτελέσει την αντίστροφη μέτρηση και θα εξασκηθεί στην ασφαλή αποστράγγιση των προωθητικών από τον πύραυλο - όλα απαραίτητα βήματα πριν από την πρώτη επανδρωμένη αποστολή Artemis. Ενδέχεται να απαιτηθούν πρόσθετες πρόβες για υγρή πτήση, ώστε να διασφαλιστεί ότι το όχημα έχει ελεγχθεί πλήρως και είναι έτοιμο για πτήση. Εάν χρειαστεί, η NASA μπορεί να επαναφέρει το SLS και το Orion στο Κτίριο Συναρμολόγησης Οχημάτων για πρόσθετες εργασίες πριν από την εκτόξευση, μετά την πρόβα για υγρή πτήση.Η δοκιμαστική πτήση του Artemis II θα στείλει τους αστροναύτες της NASA Reid Wiseman, Victor Glover και Christina Koch, και τον αστροναύτη της CSA (Καναδική Διαστημική Υπηρεσία) Jeremy Hansen σε ένα ταξίδι περίπου 10 ημερών γύρω από τη Σελήνη και πίσω. Πρόκειται για ένα ακόμη βήμα προς νέες αποστολές με αμερικανικό πλήρωμα στην επιφάνεια της Σελήνης, που θα οδηγήσουν σε μια διαρκή παρουσία στη Σελήνη, η οποία θα βοηθήσει τον οργανισμό να προετοιμαστεί για την αποστολή των πρώτων αστροναυτών - Αμερικανών - στον Άρη. https://www.nasa.gov/blogs/missions/2026/01/17/nasas-moonbound-artemis-ii-rocket-reaches-launch-pad/ Ο πύραυλος Artemis II Space Launch System (SLS) της NASA και το διαστημόπλοιο Orion φωτίζονται από φώτα στο Launch Complex 39B, το Σάββατο 17 Ιανουαρίου 2026, στο Διαστημικό Κέντρο Κένεντι της NASA στη Φλόριντα.

Το James Webb εισέβαλε στον πυρήνα ενός ενεργού γαλαξία. Νέα στοιχεία για την ύπαρξη και τους μηχανισμούς των μαύρων τρυπών. Αστρονόμοι που χρησιμοποίησαν το διαστημικό τηλεσκόπιο James Webb κατέγραψαν την πιο λεπτομερή υπέρυθρη εικόνα μέχρι σήμερα του κέντρου του γαλαξία του Διαβήτη ενός από τους πιο κοντινούς σε εμάς ενεργούς γαλαξίες του Σύμπαντος.Οι ενεργοί γαλαξίες είναι γαλαξίες που έχουν έναν εξαιρετικά φωτεινό πυρήνα, ο οποίος τροφοδοτείται από μια υπερμεγέθη μαύρη τρύπα που συσσωρεύει ύλη απελευθερώνοντας τεράστια ποσά ενέργειας σε όλο το ηλεκτρομαγνητικό φάσμα.Ο γαλαξίας του Διαβήτη (Circinus) είναι ένας σπειροειδής γαλαξίας περίπου 13 εκατομμύρια έτη φωτός μακριά από τη Γη στο νότιο αστερισμό Circinus. Οι παρατηρήσεις του James Webb δείχνουν ότι μεγάλο μέρος της θερμής σκόνης κοντά στην υπερμεγέθη μαύρη τρύπα του γαλαξία τροφοδοτεί την ίδια τη μαύρη τρύπα αντί να εκτοξεύεται προς τα έξω με ισχυρές ροές όπως προέβλεπαν προηγούμενα μοντέλα.Γνωστός επίσης ως ESO 97-G13 ή LEDA 50779 ο γαλαξίας αυτός έχει από καιρό κινήσει το ενδιαφέρον των αστρονόμων επειδή ο πυρήνας του είναι κρυμμένος πίσω από πυκνά νέφη αερίου και σκόνης.Τα επίγεια τηλεσκόπια δυσκολεύονταν να απομονώσουν την περιοχή κοντά στην κεντρική μαύρη τρύπα, όπου η ύλη σπειροειδώς κατευθύνεται προς τα μέσα και εκπέμπει έντονο υπέρυθρο φως. Οι προηγμένες δυνατότητες του James Webb επέτρεψαν στον Δρ. Ζυλιέν Ζιράρ από το Ινστιτούτο Διαστημικού Τηλεσκοπίου και στους συνεργάτες του να διαπεράσουν αυτό το πέπλο σκόνης με πρωτοφανή καθαρότητα. Η μέθοδος Η ανακάλυψη που δημοσιεύεται στην επιθεώρηση «Nature Communications» κατέστη δυνατή χάρη στη χρήση του Οργάνου Απεικόνισης Εγγύς Υπέρυθρου και Φασματογράφου (NIRISS) του James Webb σε μια εξειδικευμένη λειτουργία υψηλής αντίθεσης που ονομάζεται Διαφραγματικό Συμβολόμετρο (Aperture Masking Interferometer). Η μέθοδος αυτή μετατρέπει ουσιαστικά το όργανο σε έναν μικροσκοπικό συμβολόμετρο συνδυάζοντας το φως μέσω ενός συνόλου μικρών ανοιγμάτων για τη δημιουργία λεπτομερών μοτίβων συμβολής.Αναλύοντας αυτά τα μοτίβα οι αστρονόμοι ανακατασκεύασαν μια εξαιρετικά ευκρινή εικόνα του «κινητήρα» στο κέντρο του γαλαξία Circinus, αποκαλύπτοντας ότι το μεγαλύτερο μέρος της υπέρυθρης εκπομπής προέρχεται από τον τοροειδή δακτύλιο σκόνης που τροφοδοτεί τη μαύρη τρύπα, και όχι από υλικό που ρέει προς τα έξω.«Είναι η πρώτη φορά που μια λειτουργία υψηλής αντίθεσης του Webb χρησιμοποιείται για τη μελέτη ενός εξωγαλαξιακού αντικειμένου. Ελπίζουμε η δουλειά μας να εμπνεύσει και άλλους αστρονόμους να χρησιμοποιήσουν τη λειτουργία του Διαφραγματικού Συμβολομέτρου για να μελετήσουν αμυδρές αλλά σχετικά μικρές δομές σκόνης κοντά σε οποιοδήποτε φωτεινό αντικείμενο» δήλωσε ο Δρ Ζιράρ.Οι υπερμεγέθεις μαύρες τρύπες παραμένουν ενεργές τραβώντας προς το μέρος τους την περιβάλλουσα ύλη. Αέριο και σκόνη συσσωρεύονται σε έναν δακτύλιο γύρω από τη μαύρη τρύπα και καθώς το υλικό σπειροειδώς πέφτει προς τα μέσα σχηματίζει έναν περιστρεφόμενο δίσκο προσαύξησης που θερμαίνεται λόγω τριβής και γίνεται λαμπρός σε πολλά μήκη κύματος, συμπεριλαμβανομένου του υπέρυθρου. Τα ευρήματα Τα νέα δεδομένα του James Webb δείχνουν ότι το μεγαλύτερο μέρος της υπέρυθρης λάμψης κοντά στον πυρήνα του γαλαξία του Διαβήτη παράγεται από τις εσωτερικότερες περιοχές αυτού του σκονισμένου δακτυλίου ανατρέποντας παλαιότερες υποθέσεις σύμφωνα με τις οποίες οι εκροές κυριαρχούσαν στην εκπομπή.Η τεχνική αυτή ανοίγει τον δρόμο για βαθύτερες έρευνες των μαύρων τρυπών σε άλλους γαλαξίες. Εφαρμόζοντας την απεικόνιση υψηλής αντίθεσης του James Webb και σε άλλους στόχους, οι ερευνητές ελπίζουν να δημιουργήσουν έναν ευρύτερο κατάλογο προτύπων εκπομπής που θα αποκαλύψει αν η συμπεριφορά του γαλαξία είναι τυπική για τους ενεργούς γαλαξιακούς πυρήνες ή αποτελεί εξαίρεση.Τα ευρήματα όχι μόνο προσφέρουν μια πιο καθαρή εικόνα των μηχανισμών με τους οποίους τροφοδοτούνται οι μαύρες τρύπες, αλλά υπογραμμίζουν και τη διαρκώς αυξανόμενη ισχύ των συμβολομετρικών μεθόδων στη διαστημική αστρονομία. Με επιπλέον παρατηρήσεις να έχουν ήδη προγραμματιστεί το James Webb συνεχίζει να διευρύνει τα όρια του ορατού από τις πιο κρυμμένες γωνιές του Σύμπαντος.«Χρειαζόμαστε ένα στατιστικό δείγμα μαύρων τρυπών, ίσως δώδεκα ή δύο δωδεκάδες, για να κατανοήσουμε πώς η μάζα στους δίσκους προσαύξησής τους και οι εκροές τους σχετίζονται με την ισχύ τους» δήλωσε ο Δρ. Ενρίκε Λόπες-Ροντρίγκεζ, αστρονόμος στο Πανεπιστήμιο της Νότιας Καρολίνας. Στη φωτογραφία ο γαλαξίας του Διαβήτη και ένθετη εικόνα από την καρδιά του που κατέγραψε το James Webb https://www.naftemporiki.gr/techscience/2060110/to-james-webb-eisevale-ston-pyrina-enos-energoy-galaxia/

Ντέμης Χασάμπης: Η Κίνα βρίσκεται μόλις λίγους μήνες πίσω από τις ΗΠΑ στη τεχνολογία τεχνητής νοημοσύνης. Ο κορυφαίος ερευνητής τεχνητής νοημοσύνης και νομπελίστας ανατρέπει όσα πιστεύει η βιομηχανία τεχνολογίας μέχρι σήμερα. Τα μοντέλα τεχνητής νοημοσύνης της Κίνας μπορεί να απέχουν μόλις «λίγους μήνες» από τις δυνατότητες των ΗΠΑ και της Δύσης, δήλωσε διευθύνων σύμβουλος της Google DeepMind Ντέμης Χασάμπης. Η εκτίμηση αυτή από τον επικεφαλής ενός από τα κορυφαία εργαστήρια τεχνητής νοημοσύνης παγκοσμίως και βασικό συντελεστή πίσω από τον βοηθό Gemini της Google έρχεται σε αντίθεση με απόψεις που υποστήριζαν ότι η Κίνα παραμένει πολύ πίσω.Μιλώντας στο νέο podcast του CNBC, The Tech Download, ο ελληνοκυπριακής καταγωγής ερευνητής και νομπελίστας είπε ότι τα κινεζικά μοντέλα τεχνητής νοημοσύνης βρίσκονται πιο κοντά στις δυνατότητες των ΗΠΑ και της Δύσης «απ’ όσο ίσως νομίζαμε πριν από ένα ή δύο χρόνια».«Ίσως αυτή τη στιγμή να απέχουν μόνο μερικούς μήνες» ανέφερε. Πριν από περίπου έναν χρόνο, το κινεζικό εργαστήριο τεχνητής νοημοσύνης DeepSeek παρουσίασε ένα μοντέλο που προκάλεσε αναταράξεις στις αγορές, λόγω της ισχυρής του απόδοσης, η οποία επιτεύχθηκε με λιγότερο προηγμένα τσιπ και χαμηλότερο κόστος σε σύγκριση με τα αμερικανικά αντίστοιχα.Παρότι η κινεζική DeepSeek που ανέπτυξε μια επαναστατική αρχιτεκτονική για συστήματα τεχνητής νοημοσύνης έχει παρουσιάσει νέα μοντέλα και το στοιχείο της έκπληξης έχει ατονήσει κινεζικοί τεχνολογικοί κολοσσοί όπως η Alibaba καθώς και άλλες νεοφυείς εταιρείες όπως οι Moonshot AI και Zhipu έχουν επίσης κυκλοφορήσει ιδιαίτερα ικανά μοντέλα.Ωστόσο ο Χασάμπης σημείωσε ότι παρόλο που η Κίνα μπορεί να καλύπτει τη διαφορά οι εταιρείες της δεν έχουν ακόμη αποδείξει ότι μπορούν να πετύχουν πραγματικές επιστημονικές τομές στην τεχνητή νοημοσύνη.«Το ερώτημα είναι αν μπορούν να καινοτομήσουν κάτι νέο πέρα από το σημερινό όριο. Νομίζω ότι έχουν δείξει πως μπορούν να καλύψουν τη διαφορά και να πλησιάσουν πολύ το όριο αλλά αν μπορούν να εφεύρουν κάτι πραγματικά νέο αυτό δεν έχει αποδειχθεί ακόμη» είπε.Πολλές σημαντικές προσωπικότητες της τεχνολογίας έχουν αναγνωρίσει την πρόοδο της Κίνας. Ο διευθύνων σύμβουλος της Nvidia Γιένσεν Χουάνγκ δήλωσε πέρυσι ότι οι ΗΠΑ «δεν βρίσκονται πολύ μπροστά» στην κούρσα της τεχνητής νοημοσύνης.«Η Κίνα είναι πολύ μπροστά από εμάς στην ενέργεια. Εμείς είμαστε πολύ μπροστά στα τσιπ. Είναι ισότιμοι στις υποδομές. Είναι ισότιμοι στα μοντέλα τεχνητής νοημοσύνης» είχε πει Χουάνγκ. Προκλήσεις στα τσιπ για την Κίνα Οι κινεζικές τεχνολογικές εταιρείες αντιμετωπίζουν αρκετές προκλήσεις, με μία από τις μεγαλύτερες να είναι η πρόσβαση σε κρίσιμη τεχνολογία. Υπάρχει σε ισχύ απαγόρευση εξαγωγών από τις ΗΠΑ για τα πιο προηγμένα ημιαγωγικά τσιπ της Nvidia, τα οποία απαιτούνται για την εκπαίδευση πιο εξελιγμένων μοντέλων ΑΙ.Ο Λευκός Οίκος έχει αφήσει να εννοηθεί ότι θα εγκρίνει την πώληση του τσιπ H200 της Nvidia στην Κίνα, ενός πιο προηγμένου ημιαγωγού από ό,τι είχε πρόσφατα στη διάθεσή της η χώρα, αλλά όχι του κορυφαίου προϊόντος της εταιρείας. Εγχώριες εταιρείες τσιπ, όπως η Huawei, προσπαθούν να καλύψουν το κενό όμως οι επιδόσεις τους εξακολουθούν να υστερούν σε σχέση με τις λύσεις της Nvidia.Ορισμένοι αναλυτές εκτιμούν ότι μακροπρόθεσμα η έλλειψη πρόσβασης στα τσιπ της Nvidia θα μπορούσε να οδηγήσει σε διεύρυνση του χάσματος μεταξύ των αμερικανικών και κινεζικών μοντέλων τεχνητής νοημοσύνης. «Υποψιάζομαι ότι θα αρχίσουμε να βλέπουμε μια απόκλιση, καθώς η ανώτερη υποδομή τεχνητής νοημοσύνης των ΗΠΑ θα συνεχίσει να εξελίσσει αυτά τα μοντέλα και να τα καθιστά πιο ικανά με την πάροδο των ετών», δήλωσε στο CNBC ο Ρίτσαρντ Κλοντ της Janus Henderson. «Άρα θα έλεγα ότι βρισκόμαστε στο μέγιστο σημείο της σχετικής ικανότητας της κινεζικής τεχνητής νοημοσύνης σε σύγκριση με τις ΗΠΑ».Ο Λιν Τζουνγιάνγκ τεχνικός επικεφαλής της ομάδας Qwen της Alibaba δήλωσε σε συνέδριο τεχνητής νοημοσύνης στο Πεκίνο ότι υπάρχει λιγότερο από 20% πιθανότητα μια κινεζική εταιρεία να ξεπεράσει τους αμερικανικούς τεχνολογικούς κολοσσούς μέσα στα επόμενα τρία έως πέντε χρόνια. Σύμφωνα με τον ίδιο η υπολογιστική υποδομή των ΗΠΑ είναι «μία έως δύο τάξεις μεγέθους μεγαλύτερη» από της Κίνας.Ο Χασάμπης πάντως αποδίδει την έλλειψη πρωτοποριακών ανακαλύψεων περισσότερο σε «νοοτροπία» παρά σε τεχνολογικούς περιορισμούς. «Ένα σύγχρονο Bell Labs» Ο διευθύνων σύμβουλος της DeepMind παρομοίασε την εταιρεία με ένα «σύγχρονο Bell Labs», που ενθαρρύνει την «εξερευνητική καινοτομία» αντί για την απλή κλιμάκωση όσων είναι ήδη γνωστά. Τα Bell Labs, που ιδρύθηκαν στις αρχές του 20ού αιώνα, ήταν υπεύθυνα για πολλές ανακαλύψεις βραβευμένες με Νόμπελ.«Αυτό είναι ήδη πολύ δύσκολο, γιατί χρειάζεσαι μηχανική παγκόσμιου επιπέδου για να το κάνεις. Και η Κίνα σίγουρα την έχει» αναφέρει ο Χασάμπης.«Το κομμάτι της επιστημονικής καινοτομίας είναι πολύ πιο δύσκολο. Το να εφεύρεις κάτι είναι περίπου 100 φορές δυσκολότερο από το να το αντιγράψεις. Αυτό είναι το επόμενο σύνορο, και δεν έχω δει ακόμη αποδείξεις γι’ αυτό, αν και είναι εξαιρετικά απαιτητικό». Ο Χασάμπης θεωρείται μία από τις κορυφαίες μορφές στον κόσμο της τεχνητής νοημοσύνης. Η DeepMind, την οποία ίδρυσε πριν από περισσότερα από 10 χρόνια και εξαγόρασε η Google το 2014 έχει αποτελέσει βασικό μοχλό για την Alphabet, τη μητρική εταιρεία της Google.Τον Νοέμβριο η Google παρουσίασε το Gemini 3, το πιο πρόσφατο μοντέλο της AI, το οποίο έτυχε θετικής υποδοχής από χρήστες και αγορές, καθώς ο τεχνολογικός κολοσσός επιδίωξε να καθησυχάσει τις ανησυχίες ότι υστερεί έναντι ανταγωνιστών όπως η OpenAI. Πριν από λίγες μέρες η Apple ανακοίνωσε ότι θα χρησιμοποιήσει το Gemini στα προϊόντα της δίνοντας ψήφο εμπιστοσύνης σε αυτή την τεχνολογία έναντι αυτής της OpenAI δημιουργού του ChatGPT. https://www.naftemporiki.gr/techscience/2059928/ntemis-chasampis-i-kina-vrisketai-molis-ligoys-mines-piso-apo-tis-ipa-sti-technologia-technitis-noimosynis/

Γιατί δεν μπορούμε να δούμε πράσινα αστέρια; Τα άστρα εκπέμπουν πολύ πράσινο φως, αλλά τα μάτια μας δεν το βλέπουν Τον χειμώνα στον νυχτερινό ουρανό ξεχωρίζουν τα πιο λαμπρά άστρα, όπως ο Μπετελγκέζ και ο Ρίγκελ στον Ωρίωνα και ο Αλντεμπαράν στον κοντινό Ταύρο. Δεν είναι απλώς φωτεινά. Είναι και πολύχρωμα, ξεχωρίζοντας από την τυπική λευκή όψη των περισσότερων άστρων στον ουρανό. Στον Μπετελγκέζ αναδεικνύεται το κόκκινο-πορτοκαλί χρώμα, στον Αλντεμπαράν το πορτοκαλί και στον Ρίγκελ το ζαφειρένιο μπλε.Μόνο τα πιο φωτεινά άστρα εκπέμπουν αρκετό φως ώστε να ενεργοποιήσουν τα κωνία των ματιών μας, τα κύτταρα του αμφιβληστροειδούς που είναι ευαίσθητα στο χρώμα. Ακόμη κι έτσι, τα πιο φωτεινά άστρα πάντα φαίνονται μπλε, κόκκινα, κίτρινα ή μερικές φορές λευκά. Σε τηλεσκοπικές εικόνες, ακόμη και στα πιο αμυδρά άστρα αναδεικνύονται χρώματα. Και παρότι οι αστρονομικές φωτογραφίες μπορεί να είναι λίγο δύσκολες στην ερμηνεία, τα χρώματα των άστρων σε αυτές είναι συνήθως αρκετά αντιπροσωπευτικά. Όμως, αυτό που δεν θα δείτε ποτέ είναι πράσινα άστρα. Ο λόγος είναι τόσο ένα «ελάττωμα» των άστρων όσο και δικό μας: δεν τα βλέπουμε πράσινα λόγω του τρόπου με τον οποίο τα άστρα εκπέμπουν φως και του τρόπου με τον οποίο τα μάτια μας αντιλαμβάνονται τα χρώματα. διαβάστε επίσης: 1. Γιατί δεν υπάρχουν πράσινα αστέρια; https://physicsgg.me/2011/11/29/γιατί-δεν-υπάρχουν-πράσινα-αστέρια/ 2. Η πράσινη αναλαμπή της Αφροδίτης https://physicsgg.me/2024/01/29/η-πράσινη-αναλαμπή-της-αφροδίτης/ Τα άστρα εκπέμπουν φως επειδή είναι θερμά. Ακτινοβολούν αυτή τη θερμότητα με τη μορφή φωτός και στην πραγματικότητα, το φαινομενικό τους χρώμα εξαρτάται από τη θερμοκρασία τους. Σχετικά ψυχρά άστρα εκπέμπουν κόκκινο φως, ενώ πολύ θερμότερα άστρα εκπέμπουν μπλε φως. Όμως τα πράγματα είναι λίγο πιο περίπλοκα, γιατί στην πράξη προφανώς εκπέμπουν φως σε ένα ευρύτερο φάσμα χρωμάτων με διαφορετικές αναλογίες. Τα ψυχρά άστρα εκπέμπουν αναλογικά περισσότερο κόκκινο φως, αλλά τα θερμά άστρα εκπέμπουν πολύ περισσότερο μπλε από κόκκινο. Αυτό το μείγμα χρωμάτων είναι που δίνει στο άστρο την απόχρωσή του.Το ίδιο κάνει και ο Ήλιος, εκπέμποντας μήκη κύματος που κυριολεκτικά καλύπτουν τα χρώματα του ουρανίου τόξου (και πέρα από αυτό), όχι όμως με ομοιόμορφη κατανομή. Στο σχήμα που ακολουθεί βλέπουμε το φάσμα του ηλιακού φωτός που μοιάζει περισσότερο με μια ασύμμετρη καμπάνα, με μια μακριά ουρά πέρα από τα κόκκινα μήκη κύματος. Παραδόξως η κορυφή αυτού του διαγράμματος βρίσκεται στο μπλε-πράσινο τμήμα του φάσματος!Γιατί λοιπόν ο Ήλιος δεν φαίνεται γαλαζοπράσινος; Εκεί μπαίνουν στο παιχνίδι τα μάτια μας. Έχουμε τρία είδη κωνίων, το καθένα προσαρμοσμένο στο κόκκινο, το πράσινο ή το μπλε φως. Έτσι, αν ένα αντικείμενο εκπέμπει ή ανακλά κόκκινο φως, τα κωνία που είναι ευαίσθητα στο κόκκινο στέλνουν ισχυρό σήμα στον εγκέφαλο, ενώ τα άλλα δύο όχι, και αντιλαμβανόμαστε το αντικείμενο ως κόκκινο.Φυσικά, μπορούμε να δούμε πολύ περισσότερα από τρία χρώματα! Αυτό συμβαίνει επειδή, για παράδειγμα, ένα κίτρινο αντικείμενο θα ενεργοποιήσει και τα τρία είδη κωνίων, αλλά σε διαφορετικό βαθμό. Αυτά τα σήματα στη συνέχεια συνδυάζονται από τον εγκέφαλο και βλέπουμε, στο εν λόγω παράδειγμα, κίτρινο.Ο Ήλιος εκπέμπει το περισσότερο φως στο μπλε και το πράσινο. Εκπέμπει όμως και ιώδες, κίτρινο, πορτοκαλί και κόκκινο. Όταν ο εγκέφαλός μας ολοκληρώσει τον συνδυασμό και την ερμηνεία όλων αυτών των σημάτων χρώματος από τα μάτια μας, αντιλαμβανόμαστε τον Ήλιο ως λευκό (όχι κίτρινο, όπως πιστεύουν πολλοί, παρότι ταξινομείται ως κίτρινος νάνος).Αυτός είναι ο λόγος που δεν βλέπουμε πράσινα άστρα. Καθώς τα άστρα θερμαίνονται, βλέπουμε το χρώμα τους να μετατοπίζεται από το κόκκινο στο πορτοκαλί. Και καθώς οι θερμοκρασίες τους αυξάνονται ακόμη περισσότερο, τα μάτια μας αρχίζουν να τα ερμηνεύουν ως γαλαζωπά ή λευκά. Δεν υπάρχει θερμοκρασία άστρου στην οποία τα κωνία μας να συνδυάζουν τα σήματά τους ώστε να παράξουν πράσινο – και επειδή, στις περισσότερες περιπτώσεις, οι κάμερες έχουν σχεδιαστεί να μιμούνται τα μάτια μας, τα άστρα δεν φαίνονται πράσινα ούτε στις φωτογραφίες.Ας σημειωθεί ότι υπάρχουν μερικά άστρα που κάποιοι λένε πως φαίνονται πράσινα. Το Αλμάχ είναι ένα σύστημα άστρων μέτριας λαμπρότητας στον αστερισμό της Ανδρομέδας. Αποτελείται από έναν πορτοκαλί γίγαντα και ένα σύστημα τριών μπλε άστρων (που είναι τόσο κοντά μεταξύ τους ώστε, από την δική μας οπτική, δεν διακρίνονται χωριστά. Συγχωνεύονται σε ένα σημείο φωτός μέσω τηλεσκοπίου). Ορισμένοι παρατηρητές έχουν ισχυριστεί ότι είδαν το τριαδικό σύστημα ως πράσινο. Υποψιάζομαι ότι πρόκειται για οφθαλμαπάτη, που προκύπτει επειδή ο εγκέφαλός μας μερικές φορές βασίζεται σε συγκριτικά συμφραζόμενα για να ερμηνεύσει το χρώμα. Αυτό μπορεί να αλλάξει εντυπωσιακά το φαινομενικό χρώμα ενός αντικειμένου. Συγκρίνοντας το γαλαζωπό φως του τριαδικού συστήματος με το φωτεινότερο πορτοκαλί φως του άλλου άστρου, είναι δυνατόν το τριαδικό να φαίνεται πράσινο. Θα προσθέσω ότι στις φωτογραφίες φαίνεται πάντα μπλε, κάτι που ενισχύει την ιδέα ότι το πράσινο είναι ψευδαίσθηση.Ένα άλλο άστρο, το Zubeneschamali (βήτα του Ζυγού) στον αστερισμό του Ζυγού, επίσης φαίνεται πράσινο σε ορισμένους παρατηρητές. Είναι σίγουρα μπλε άστρο και δεν έχει αστρικό συνοδό, οπότε δεν είναι σαφές γιατί κάποιοι το βλέπουν έτσι. Σε εμένα πάντοτε φαινόταν μπλε όταν το παρατηρούσα με τηλεσκόπιο.Όλα αυτά δεν σημαίνουν ότι δεν υπάρχουν πράσινα ουράνια αντικείμενα! Πολλά νεφελώματα – νέφη αερίων – δείχνουν μια χαρακτηριστική πρασινωπή απόχρωση. Σε αυτές τις αραιές συνθήκες, τα άτομα του οξυγόνου εκπέμπουν πολύ έντονα στο πράσινο μέρος του φάσματος, υπερκαλύπτοντας τα άλλα, πιο αμυδρά χρώματα, κάνοντας το νεφέλωμα να φαίνεται πράσινο, ακόμη και στις φωτογραφίες.Οι κομήτες μπορούν επίσης μερικές φορές να φαίνονται πράσινοι! Σε αυτή την περίπτωση, ο υπαίτιος είναι ο διατομικός άνθρακας (C2), ένα μόριο αποτελούμενο από δύο άτομα άνθρακα. Το ηλιακό φως «διεγείρει» το μόριο, το οποίο κατά την αποδιέγερσή του εκπέμπει ένα «πράσινο» φωτόνιο. Όμως, το μόριο C2 δεν είναι σταθερό και διασπάται από το ηλιακό φως μέσα σε μία ή δύο ημέρες. Γι’ αυτό η κύρια «κεφαλή» ενός κομήτη μπορεί να φαίνεται πράσινη, αλλά η ουρά του, που αποτελείται από υλικό που εκτοξεύεται από την κεφαλή, τείνει να έχει διαφορετικό χρώμα.Και οι πλανήτες μπορούν να συμμετέχουν στην πράσινη απόχρωση. Μεγάλο μέρος της Γης είναι πράσινο για προφανείς λόγους. Ωστόσο, ο πλανήτης Ουρανός μπορεί να φαίνεται ελαφρώς πράσινος (περισσότερο μπλε παρά πράσινος, αλλά με μια υποψία του δεύτερου) λόγω του μεθανίου στην ατμόσφαιρά του. Το μεθάνιο απορροφά το κόκκινο φως και αντανακλά το μπλε και το πράσινο, δίνοντας στον πλανήτη μια αχνή γαλαζοπράσινη απόχρωση.Αν τύχει να βρεθείτε έξω μια νύχτα με καθαρό ουρανό, ρίξτε μια πιο προσεκτική ματιά στα άστρα πάνω από το κεφάλι σας. Εγώ το κάνω πάντα. Κι αυτό το αίσθημα δέους που νιώθω κάθε φορά δεν προέρχεται μόνο από την ομορφιά τους· ενισχύεται κι από την κατανόησή μας για το πώς φυσική και φυσιολογία συνδυάζονται για να δημιουργήσουν αυτή την ομορφιά. διαβάστε περισσότερα: For Stars, It’s Not Easy Being Green https://www.scientificamerican.com/article/why-are-there-no-green-stars/ Το Νεφέλωμα του Κρόνου γνωστό και ως NGC 7009 και Caldwell 55 Φωτογραφία του κομήτη PanSTARRS που λήφθηκε στις 5 Απριλίου 2017 από τον ατροφωτογράφο Gerald Rhemann Φωτογραφία του πλανήτη Ουρανού κι ενός από τους δορυφόρους (του Άριελ). Η φωτογραφία λήφθηκε το 2006 από το διαστημικό τηλεσκόπιο Hubble

Ο σεληνιακός πύραυλος Artemis II είναι έτοιμος για μεγάλη κίνηση. Μέσα στο Κτίριο Συναρμολόγησης Οχημάτων στο Διαστημικό Κέντρο Κένεντι της NASA στη Φλόριντα, ο πύραυλος Artemis II της NASA για τη Σελήνη βρίσκεται έτοιμος για το επόμενο βήμα στο ταξίδι του. Οι μηχανικοί στοχεύουν όχι νωρίτερα από τις 7 π.μ. EST, Σάββατο 17 Ιανουαρίου, να ξεκινήσουν την κύλιση του ισχυρού πυραύλου SLS (Σύστημα Εκτόξευσης Διαστήματος) της NASA και του διαστημικού σκάφους Orion, πάνω στον κινητό εκτοξευτή, προς την Εξέδρα Εκτόξευσης 39Β του διαστημοδρομίου.Ο ερπυστριοφόρος μεταφορέας 2 της NASA θα μεταφέρει τη στοίβα των 11 εκατομμυρίων λιρών με περίπου ένα μίλι την ώρα κατά μήκος της διαδρομής των τεσσάρων μιλίων προς την Εξέδρα Εκτόξευσης 39Β. Το ταξίδι θα διαρκέσει έως και 12 ώρες. Ο χρόνος εκτόξευσης ενδέχεται να αλλάξει εάν χρειαστεί επιπλέον χρόνος για τεχνικές προετοιμασίες ή καιρικές συνθήκες.Μια ζωντανή μετάδοση της κυκλοφορίας θα ξεκινήσει κατά την έναρξη της κυκλοφορίας και μια συνάντηση με τα μέσα ενημέρωσης με τον Διοικητή της NASA, Jared Isaacman, και το πλήρωμα του Artemis II θα ξεκινήσει στις 9 π.μ. Και οι δύο θα μεταδώσουν ζωντανά στο κανάλι YouTube της NASA . Μεμονωμένες ροές για κάθε μία από αυτές τις εκδηλώσεις θα είναι διαθέσιμες από αυτήν τη σελίδα. Μάθετε πώς να κάνετε streaming περιεχομένου της NASA μέσω μιας ποικιλίας διαδικτυακών πλατφορμών, συμπεριλαμβανομένων των μέσων κοινωνικής δικτύωσης. Παρακάτω παρατίθενται τα καιρικά κριτήρια για την ανάπτυξη: Μην κυλάτε προς την εξέδρα εκτόξευσης εάν η πρόγνωση κεραυνού είναι μεγαλύτερη από 10% εντός 20 ναυτικών μιλίων από την περιοχή εκτόξευσης κατά την εκτόξευση.Μην κυλάτε προς την εξέδρα εκτόξευσης εάν υπάρχει μεγαλύτερη από 5% πιθανότητα χαλαζιού στην περιοχή εκτόξευσης κατά την εκτόξευση.Μην κυλάτε προς την εξέδρα εκτόξευσης εάν προβλέπεται συνεχής άνεμος μεγαλύτερος από 40 κόμβους ή μέγιστη ένταση ανέμου μεγαλύτερη από 45 κόμβους.Μην κυλάτε προς την εξέδρα εκτόξευσης εάν η θερμοκρασία είναι μικρότερη από 40 βαθμούς Φαρενάιτ ή υπερβαίνει τους 95 βαθμούς Φαρενάιτ στην περιοχή εκτόξευσης κατά την εκτόξευση.Η εκτόξευση στην εξέδρα σηματοδοτεί ένα ακόμη ορόσημο πριν από την αποστολή Artemis II. Τις επόμενες εβδομάδες, η NASA θα ολοκληρώσει τις τελικές προετοιμασίες του πυραύλου και, εάν χρειαστεί, θα επαναφέρει τον SLS και τον Orion στο Κτίριο Συναρμολόγησης Οχημάτων για πρόσθετες εργασίες. Ενώ το παράθυρο εκτόξευσης Artemis II ανοίγει ήδη από την Παρασκευή 6 Φεβρουαρίου, η ομάδα διαχείρισης της αποστολής θα αξιολογήσει την ετοιμότητα πτήσης μετά την πρόβα υγρής απογείωσης σε όλο το διαστημόπλοιο, την υποδομή εκτόξευσης και το πλήρωμα και τις ομάδες επιχειρήσεων πριν επιλέξει μια ημερομηνία εκτόξευσης.Στο πλαίσιο μιας Χρυσής Εποχής καινοτομίας και εξερεύνησης, η περίπου 10ήμερη δοκιμαστική πτήση του Artemis II είναι η πρώτη επανδρωμένη πτήση στο πλαίσιο της εκστρατείας Artemis της NASA. Είναι ένα ακόμη βήμα προς νέες αποστολές με αμερικανικό πλήρωμα στην επιφάνεια της Σελήνης, που θα οδηγήσουν σε μια διαρκή παρουσία στη Σελήνη που θα βοηθήσει τον οργανισμό να προετοιμαστεί για την αποστολή των πρώτων αστροναυτών - Αμερικανών - στον Άρη. https://www.nasa.gov/blogs/missions/2026/01/16/artemis-ii-moon-rocket-ready-for-big-move/ Όλες οι πλατφόρμες εργασίας αποσύρονται από τον πύραυλο Artemis II SLS (Σύστημα Εκτόξευσης Διαστήματος) της NASA και το διαστημόπλοιο Orion, ασφαλισμένες στον κινητό εκτοξευτή, μέσα στο Κτίριο Συναρμολόγησης Οχημάτων την Παρασκευή 16 Ιανουαρίου 2026, στο πλαίσιο της προετοιμασίας για την εγκατάσταση στο Συγκρότημα Εκτόξευσης 39Β στο Διαστημικό Κέντρο Κένεντι της NASA στη Φλόριντα. Τι πρέπει να γνωρίζετε για την αποστολή Artemis II της NASA στη Σελήνη. Η NASA απέχει εβδομάδες από το να στείλει αστροναύτες σε μεγαλύτερη απόσταση από οποιοδήποτε άλλο πλήρωμα στο παρελθόν, με τη δεύτερη αποστολή του οργανισμού στην εκστρατεία Artemis. Το Artemis II Press Kit είναι πλέον διαθέσιμο με πληροφορίες για την αποστολή, τους αστροναύτες και άλλους πόρους για τα μέσα ενημέρωσης.«Το Artemis II θα αποτελέσει ένα σημαντικό βήμα προς τα εμπρός για τις επανδρωμένες διαστημικές πτήσεις. Αυτή η ιστορική αποστολή θα στείλει τους ανθρώπους πιο μακριά από τη Γη από ποτέ και θα μας προσφέρει τις απαραίτητες γνώσεις για να επιστρέψουμε στη Σελήνη — όλα αυτά με την Αμερική στο τιμόνι», δήλωσε ο διοικητής της NASA, Τζάρεντ Ισαάκμαν. «Το Artemis II αντιπροσωπεύει πρόοδο προς την καθιέρωση μιας διαρκούς σεληνιακής παρουσίας και την αποστολή Αμερικανών στον Άρη. Δεν θα μπορούσα να είμαι πιο εντυπωσιασμένος από την ομάδα της NASA και το πλήρωμα του Artemis II και τους εύχομαι τα καλύτερα. Με τόλμη μπροστά».Στο πλαίσιο της εκστρατείας Artemis, η NASA επιστρέφει ανθρώπους στη Σελήνη για οικονομικά οφέλη, επιστημονικές ανακαλύψεις και για να προετοιμαστεί για επανδρωμένες αποστολές στον Άρη. Για να μάθετε περισσότερα για την Άρτεμις, επισκεφθείτε: https://www.nasa.gov/artemis

Αστρική έκρηξη του Hubble Spies βάζει φωτιά στα σύννεφα. Αυτή η νέα εικόνα του Διαστημικού Τηλεσκοπίου Hubble της NASA καταγράφει έναν πίδακα αερίου από ένα σχηματιζόμενο αστέρι που εκτοξεύεται διαμέσου της σκοτεινής έκτασης. Οι φωτεινές ροζ και πράσινες κηλίδες που διατρέχουν διαγώνια την εικόνα είναι το HH 80/81, ένα ζεύγος αντικειμένων Herbig-Haro (HH) που είχαν παρατηρηθεί προηγουμένως από το Hubble το 1995. Η κηλίδα επάνω αριστερά είναι μέρος του HH 81 και η κάτω ράβδωση είναι μέρος του HH 80.Τα αντικείμενα Herbig-Haro είναι φωτεινές, λαμπερές περιοχές που εμφανίζονται όταν πίδακες ιονισμένου αερίου που εκτοξεύονται από ένα νεοσχηματιζόμενο αστέρι συγκρούονται με πιο αργές, προηγουμένως εκτοξευόμενες εκροές αερίου από αυτό το αστέρι. Η εκροή του HH 80/81 εκτείνεται σε 32 έτη φωτός, καθιστώντας την τη μεγαλύτερη γνωστή πρωτοαστρική εκροή. Οι πρωτοαστέρες τροφοδοτούνται από αέριο που εισέρχεται από το περιβάλλον τους, μέρος του οποίου μπορεί να παρατηρηθεί σε υπολειμματικούς «δίσκους συσσώρευσης» που περιστρέφονται γύρω από το σχηματιζόμενο αστέρι. Το ιονισμένο υλικό μέσα σε αυτούς τους δίσκους μπορεί να αλληλεπιδράσει με τα ισχυρά μαγνητικά πεδία των πρωτοαστέρων, τα οποία διοχετεύουν ορισμένα από τα σωματίδια προς τον πόλο και προς τα έξω με τη μορφή πιδάκων. Καθώς οι πίδακες εκτοξεύουν υλικό με υψηλές ταχύτητες, μπορούν να παράγουν ισχυρά κρουστικά κύματα όταν τα σωματίδια συγκρούονται με αέριο που έχει εκτοξευθεί προηγουμένως. Αυτά τα κρουστικά κύματα θερμαίνουν τα νέφη αερίου και διεγείρουν τα άτομα, προκαλώντας τους να λάμπουν σε αυτό που βλέπουμε ως αντικείμενα HH.Τα HH 80/81 είναι τα φωτεινότερα αντικείμενα HH που είναι γνωστό ότι υπάρχουν. Η πηγή που τροφοδοτεί αυτά τα φωτεινά αντικείμενα είναι το πρωτοάστρο IRAS 18162-2048. Έχει περίπου 20 φορές τη μάζα του Ήλιου και είναι το πιο ογκώδες πρωτοάστρο σε ολόκληρο το μοριακό νέφος L291. Από τα δεδομένα του Hubble, οι αστρονόμοι μέτρησαν την ταχύτητα τμημάτων του HH 80/81 να είναι πάνω από 1.000 km/s, η ταχύτερη καταγεγραμμένη εκροή τόσο σε ραδιοφωνικά όσο και σε οπτικά μήκη κύματος από ένα νεαρό αστρικό αντικείμενο. Παραδόξως, αυτός είναι ο μόνος πίδακας HH που βρέθηκε και κινείται από ένα νεαρό, πολύ ογκώδες αστέρι, και όχι από έναν τύπο νεαρού, χαμηλής μάζας αστέρα. Η ευαισθησία και η ανάλυση της κάμερας ευρέος πεδίου 3 του Hubble ήταν κρίσιμης σημασίας για τους αστρονόμους, επιτρέποντάς τους να μελετήσουν τις λεπτομέρειες, τις κινήσεις και τις δομικές αλλαγές αυτών των αντικειμένων. Το ζεύγος HH 80/81 βρίσκεται 5.500 έτη φωτός μακριά, εντός του αστερισμού του Τοξότη. https://www.nasa.gov/image-article/hubble-spies-stellar-blast-setting-clouds-ablaze/ Πίδακες ιονισμένου αερίου διασχίζουν ένα κοσμικό τοπίο από ένα νεοσχηματιζόμενο αστέρι. Το Hubble παρατηρεί ένα φαντασματικό νέφος ζωντανό με σχηματισμό αστεριών. Ενώ αυτή η απόκοσμη εικόνα του διαστημικού τηλεσκοπίου Hubble της NASA μπορεί να φαίνεται σαν φάντασμα, στην πραγματικότητα είναι γεμάτη νέα ζωή. Ο Λύκος 3 είναι ένα νέφος σχηματισμού άστρων περίπου 500 έτη φωτός μακριά στον αστερισμό του Σκορπιού. Λευκές τούφες αερίου στροβιλίζονται σε όλη την περιοχή, και στην κάτω αριστερή γωνία βρίσκεται ένα σκοτεινό σύννεφο σκόνης. Φωτεινά αστέρια Τ Ταύρου λάμπουν αριστερά, κάτω δεξιά και πάνω στο κέντρο, ενώ άλλα νεαρά αστρικά αντικείμενα είναι διάσπαρτα στην εικόνα.Τα αστέρια T Tauri σχηματίζουν ενεργά αστέρια σε ένα συγκεκριμένο στάδιο σχηματισμού. Σε αυτό το στάδιο, το αέριο και η σκόνη που τα περιβάλλουν διαχέονται από την ακτινοβολία και τους αστρικούς ανέμους ή τις εκροές σωματιδίων από το αναδυόμενο αστέρι. Τα αστέρια T Tauri έχουν συνήθως ηλικία μικρότερη των 10 εκατομμυρίων ετών και ποικίλλουν σε φωτεινότητα τόσο τυχαία όσο και περιοδικά λόγω του περιβάλλοντος και της φύσης ενός σχηματιζόμενου αστέρα. Οι τυχαίες διακυμάνσεις μπορεί να οφείλονται σε αστάθειες στον δίσκο συσσώρευσης σκόνης και αερίου γύρω από το αστέρι, σε υλικό από αυτόν τον δίσκο που πέφτει πάνω στο αστέρι και καταναλώνεται, και σε εκλάμψεις στην επιφάνεια του αστεριού. Οι πιο τακτικές, περιοδικές αλλαγές μπορεί να προκληθούν από γιγάντιες ηλιακές κηλίδες που περιστρέφονται μέσα και έξω από την ορατότητα. Τα αστέρια T Tauri βρίσκονται στη διαδικασία συστέλλονται υπό τη δύναμη της βαρύτητας καθώς γίνονται αστέρια κύριας ακολουθίας που συντήκουν υδρογόνο με ήλιο στους πυρήνες τους. Η μελέτη αυτών των αστέρων μπορεί να βοηθήσει τους αστρονόμους να κατανοήσουν καλύτερα τη διαδικασία σχηματισμού των αστεριών.Νέες εικόνες προστίθενται καθημερινά μεταξύ 12-17 Ιανουαρίου 2026! Ακολουθήστε το @NASAHubble στα μέσα κοινωνικής δικτύωσης για τις τελευταίες εικόνες και νέα του Hubble και δείτε τις Ζώνες Αστρικής Κατασκευής του Hubble για περισσότερες εικόνες νεαρών αστρικών αντικειμένων. https://science.nasa.gov/missions/hubble/hubble-observes-ghostly-cloud-alive-with-star-formation/ Ένα φαινομενικά γαλήνιο τοπίο από αέριο και σκόνη αναπηδά με σχηματισμό αστεριών στο παρασκήνιο. Το Hubble φωτογραφίζει φωτογραφίες από το Stellar Baby. Νεοαναπτυσσόμενα αστέρια, τυλιγμένα σε πυκνή σκόνη, φωτογραφίζουν τις πρώτες τους φωτογραφίες από τα νεογέννητα αστέρια σε αυτές τις εικόνες από το Διαστημικό Τηλεσκόπιο Hubble της NASA . Το Hubble τράβηξε αυτά τα στιγμιότυπα από νεογέννητα αστέρια σε μια προσπάθεια να μάθει πώς σχηματίζονται τα τεράστια αστέρια.Τα πρωτοάστρα καλύπτονται από πυκνή σκόνη που εμποδίζει το φως, αλλά το Hubble μπορεί να ανιχνεύσει την εκπομπή εγγύς υπέρυθρου που λάμπει μέσα από οπές που σχηματίζονται από τους πίδακες αερίου και σκόνης του πρωτοαστέρα. Η ακτινοβολούμενη ενέργεια μπορεί να παρέχει πληροφορίες σχετικά με αυτές τις «κοιλότητες εκροής», όπως η δομή τους, τα πεδία ακτινοβολίας και η περιεκτικότητα σε σκόνη. Οι ερευνητές αναζητούν συνδέσεις μεταξύ των ιδιοτήτων αυτών των νεαρών αστεριών - όπως οι εκροές, το περιβάλλον, η μάζα, η φωτεινότητα - και το εξελικτικό τους στάδιο για να δοκιμάσουν τις θεωρίες σχηματισμού άστρων μεγάλης μάζας.Αυτές οι εικόνες λήφθηκαν στο πλαίσιο της Έρευνας Σχηματισμού Αστεριών SOFIA Massive (SOMA), η οποία διερευνά τον τρόπο σχηματισμού των αστεριών, ειδικά των μεγάλων αστεριών με μάζα πάνω από οκτώ φορές μεγαλύτερη από τον Ήλιο μας.Η περιοχή σχηματισμού άστρων υψηλής μάζας, ο Κηφέας Α, φιλοξενεί μια συλλογή από νεογέννητα αστέρια, συμπεριλαμβανομένου ενός μεγάλου και φωτεινού πρωτοαστέρα, ο οποίος ευθύνεται περίπου για το ήμισυ της φωτεινότητας της περιοχής. Ενώ μεγάλο μέρος της περιοχής καλύπτεται από αδιαφανή σκόνη, το φως από κρυμμένα αστέρια διαπερνά τις κοιλότητες εκροής για να φωτίσει και να ενεργοποιήσει περιοχές αερίου και σκόνης, δημιουργώντας ροζ και λευκά νεφελώματα. Η ροζ περιοχή είναι μια περιοχή HII, όπου η έντονη υπεριώδης ακτινοβολία των κοντινών αστεριών έχει μετατρέψει τα περιβάλλοντα νέφη αερίου σε λαμπερό, ιονισμένο υδρογόνο. Ο Κηφέας Α βρίσκεται περίπου 2.400 έτη φωτός μακριά, στον αστερισμό του Κηφέα.Λαμπερή πολύ πιο κοντά στο σπίτι, αυτή η εικόνα του Hubble απεικονίζει την περιοχή σχηματισμού άστρων G033.91+0.11 στον Γαλαξία μας. Η φωτεινή κηλίδα στο κέντρο της εικόνας είναι ένα νεφέλωμα ανάκλασης, στο οποίο το φως από ένα κρυμμένο πρωτοάστρο αντανακλάται από το αέριο και τη σκόνη.Αυτή η εικόνα από το Hubble παρουσιάζει την περιοχή σχηματισμού άστρων GAL-305.20+00.21. Το φωτεινό σημείο στο κέντρο-δεξιά της εικόνας είναι ένα νεφέλωμα εκπομπής, ένα λαμπερό αέριο που ιονίζεται από ένα πρωτοάστρο θαμμένο μέσα στο μεγαλύτερο σύμπλεγμα νεφών αερίου και σκόνης.Περικυκλωμένο από αέρια και σκόνη, το τεράστιο πρωτοάστρο IRAS 20126+4104 βρίσκεται μέσα σε μια περιοχή σχηματισμού άστρων υψηλής μάζας, περίπου 5.300 έτη φωτός μακριά, στον αστερισμό του Κύκνου. Αυτό το ενεργά σχηματιζόμενο αστέρι είναι ένα πρωτοάστρο τύπου Β, που χαρακτηρίζεται από την υψηλή φωτεινότητά του, το γαλαζωπό-λευκό χρώμα του και την πολύ υψηλή θερμοκρασία του. Η φωτεινή περιοχή ιονισμένου υδρογόνου στο κέντρο της εικόνας ενεργοποιείται από πίδακες που αναδύονται από τους πόλους του πρωτοαστέρα, τους οποίους είχαν παρατηρήσει προηγουμένως επίγεια αστεροσκοπεία.Νέες εικόνες προστίθενται καθημερινά μεταξύ 12-17 Ιανουαρίου 2026! Ακολουθήστε το @NASAHubble στα μέσα κοινωνικής δικτύωσης για τις τελευταίες εικόνες και νέα του Hubble και δείτε τις Ζώνες Αστρικής Κατασκευής του Hubble για περισσότερες εικόνες νεαρών αστρικών αντικειμένων. https://science.nasa.gov/missions/hubble/hubble-snaps-stellar-baby-pictures/ Η περιοχή του Κηφέα Α φιλοξενεί έναν αριθμό νεογνών αστέρων, συμπεριλαμβανομένου ενός πρωτοαστέρα που είναι υπεύθυνος για μεγάλο μέρος της φωταγώγησης της περιοχής. Η περιοχή σχηματισμού άστρων G033.91+0.11 φιλοξενεί ένα πρωτοάστρο κρυμμένο μέσα σε ένα νεφέλωμα ανάκλασης. Ένα πρωτοάστρο είναι τυλιγμένο στο αέριο ενός νεφελώματος εκπομπής εντός της περιοχής σχηματισμού άστρων GAL-305.20+00.21. Οι πίδακες σωματιδίων υψηλής ταχύτητας ενός πρωτοαστέρα είναι υπεύθυνοι για τη φωτεινή περιοχή του διεγερμένου, λαμπερού υδρογόνου σε αυτήν την εικόνα του Hubble.

Αστρονόμοι είδαν το «κουφάρι» της Γης. Μια μυστηριώδης κοσμική δομή ίσως αποτελεί αντίγραφο του πλανήτη μας όταν ο Ήλιος πεθάνει. Επιστήμονες ανακάλυψαν μια μυστηριώδη «σιδερένια ράβδο» στην καρδιά ενός κοντινού νεφελώματος, η οποία θα μπορούσε να προσφέρει μια εικόνα για το ζοφερό μέλλον της Γης.Η λωρίδα από ιονισμένα άτομα σιδήρου εντοπίστηκε να εκτείνεται κατά μήκος του Νεφελώματος του Δακτυλίου, που βρίσκεται σε απόσταση 2,283 ετών φωτός από τη Γη. Οι ειδικοί προβληματίζονται για το πώς σχηματίστηκε, καθώς δεν έχουν ξαναδεί κάτι παρόμοιο. Ωστόσο εκτιμούν ότι θα μπορούσε να είναι τα απομεινάρια ενός γήινου βραχώδους πλανήτη που εξαϋλώθηκε από ένα ετοιμοθάνατο άστρο.Όταν άστρα όπως ο Ήλιος μας εξαντλούν τα καύσιμα τους οδεύοντας προς το τέλος της ζωής τους τα εξωτερικά τους στρώματα διογκώνονται σε τεράστιο μέγεθος ενώ ο πυρήνας συρρικνώνεται και ψύχεται. Τελικά ο πυρήνας μετατρέπεται σε έναν μικροσκοπικό λευκό νάνο χωρίς αρκετή βαρύτητα για να συγκρατήσει το άστρο και τα εξωτερικά στρώματα αποβάλλονται αφήνοντας πίσω ένα πλανητικό νεφέλωμα.Σε περίπου πέντε δισεκατομμύρια χρόνια από σήμερα ο Ήλιος μας θα υποστεί την ίδια μεταμόρφωση, καθώς θα διογκωθεί σε έναν τεράστιο ερυθρό γίγαντα με τους ειδικούς να μην έχουν καταλήξει ακόμη στο αν το άστρο θα καταπιεί τη Γη ή αν θα φτάσει τόσο κοντά ώστε να την… τσουρουφλίσει μετατρέποντας την σε ένα κοσμικό «κάρβουνο». Εικόνα από το μέλλον; Σε μια νέα επιστημονική εργασία οι ερευνητές αναφέρουν ότι αυτή η δομή που δεν έχει παρατηρηθεί ποτέ ξανά στο Νεφέλωμα του Δακτυλίου θα μπορούσε να αποκαλύψει πώς θα έμοιαζε η Γη μετά την καταστροφή της από τον Ήλιο. Το Νεφέλωμα του Δακτυλίου είναι ένα από τα πιο κοντινά και εντυπωσιακά πλανητικά νεφελώματα που είναι ορατά από τη Γη. Οι αστρονόμοι πιστεύουν ότι σχηματίστηκε όταν ένα ετοιμοθάνατο άστρο απέβαλε τα εξωτερικά του στρώματα πριν από περίπου 4,000 χρόνια.Ο κύριος δακτύλιος του νεφελώματος αποτελείται από 20, 000 συσσωματώματα πυκνού μοριακού υδρογόνου, καθένα από τα οποία έχει περίπου τη μάζα της Γης. Επειδή το νεφέλωμα αυτό είναι τόσο θερμό και σχετικά κοντά στη Γη οι επιστήμονες το χρησιμοποιούν συχνά για τη δοκιμή νέων τηλεσκοπίων και οργάνων πριν στραφούν σε πιο μακρινά αντικείμενα.Στη νέα αυτή μελέτη οι επιστήμονες παρατήρησαν το Νεφέλωμα του Δακτυλίου χρησιμοποιώντας ένα νέο εργαλείο που ονομάζεται Large Integral Field Unit, το οποίο είναι τοποθετημένο στο τηλεσκόπιο William Herschel. Ουσιαστικά πρόκειται για μια δέσμη εκατοντάδων οπτικών ινών που επιτρέπει στους επιστήμονες να εξετάζουν διαφορετικά μήκη κύματος φωτός, δηλαδή φάσματα, σε ολόκληρη την επιφάνεια του νεφελώματος.Ο επικεφαλής συγγραφέας της μελέτης, Δρ. Ρότζερ Γουέσον από το Πανεπιστήμιο του Κάρντιφ και το University College London δήλωσε ότι με τη συνεχή λήψη φάσματος σε όλο το νεφέλωμα μπορούν να δημιουργήσουν εικόνες σε οποιοδήποτε μήκος κύματος και να προσδιορίσουν τη χημική του σύσταση σε κάθε σημείο. Όταν επεξεργάστηκαν τα δεδομένα και εξέτασαν τις εικόνες, ξεχώρισε καθαρά αυτή η άγνωστη μέχρι τώρα «ράβδο» ιονισμένων ατόμων σιδήρου στο κέντρο του γνωστού και εμβληματικού δακτυλίου.Οι ερευνητές δεν είναι βέβαιοι για το πώς σχηματίστηκε αυτή η παράξενη ράβδος αλλά υπάρχουν δύο πιθανές εξηγήσεις. Είτε δημιουργήθηκε από κάποια άγνωστη διαδικασία κατά την εκτίναξη του νεφελώματος, καθώς το μητρικό άστρο κατέρρεε, είτε πρόκειται για ένα τόξο πλάσματος που προήλθε από την εξαΰλωση ενός βραχώδους πλανήτη που παγιδεύτηκε κατά την πρώιμη διόγκωση του άστρου.Ο Δρ. Γουέσον ανέφερε ότι γνωρίζουμε πως πολλοί αστέρες έχουν πλανήτες και αν υπήρχαν πλανήτες γύρω από το άστρο που δημιούργησε το Νεφέλωμα του Δακτυλίου, αυτοί θα είχαν εξαϋλωθεί όταν το άστρο έγινε ερυθρός γίγαντας. Η ποσότητα σιδήρου στη ράβδο είναι περίπου όση θα περίμενε κανείς από την εξαΰλωση ενός πλανήτη. Αν εξαϋλώνονταν ο Ερμής ή ο Άρης, θα παρήγαγαν λιγότερο σίδηρο από αυτόν που παρατηρείται ενώ αν εξαϋλώνονταν η Γη ή η Αφροδίτη θα παρήγαγαν λίγο περισσότερο.Αν αυτή η εξήγηση είναι σωστή τότε αυτή η παράξενη δομή θα μπορούσε να αποτελεί μια συναρπαστική εικόνα του πώς μπορεί να φαίνεται ο πλανήτης μας σε αστρονόμους που θα βρίσκονται φυσικά σε άλλες περιοχές του Σύμπαντος σε μερικά δισεκατομμύρια χρόνια. Το φαινόμενο Τα άστρα κύριας ακολουθίας, όπως ο Ήλιος μας, είναι σταθερά επειδή οι εσωτερικές δυνάμεις της βαρύτητας εξισορροπούνται από την εξωτερική πίεση των πυρηνικών αντιδράσεων στον πυρήνα. Όταν όμως το άστρο εξαντλήσει το υδρογόνο του, δεν μπορεί να διατηρήσει αυτές τις αντιδράσεις και τα εξωτερικά στρώματα αρχίζουν να καταρρέουν προς τα μέσα.Η πίεση αυτής της κατάρρευσης δημιουργεί τόσο έντονη θερμότητα ώστε να συγχωνεύονται άτομα ηλίου σε άνθρακα, απελευθερώνοντας ένα κύμα ενέργειας που πυροδοτεί ξανά πυρηνικές αντιδράσεις στα εξωτερικά στρώματα. Τα στρώματα αυτά στη συνέχεια διογκώνονται και ψύχονται, σχηματίζοντας έναν ερυθρό γίγαντα που μπορεί να γίνει από 100 έως 1.000 φορές μεγαλύτερος.Όταν αυτό συμβεί στον Ήλιο μας σε περίπου πέντε δισεκατομμύρια χρόνια, οι επιστήμονες θεωρούν πολύ πιθανό ότι η Γη θα καταστραφεί. Καθώς ο Ήλιος θα διογκώνεται, η Γη είτε θα εξαϋλωθεί από την ακραία θερμότητα είτε θα διαλυθεί και θα παρασυρθεί από τις ισχυρές βαρυτικές παλιρροϊκές δυνάμεις.Σε μια εργασία που δημοσιεύθηκε πέρυσι, οι επιστήμονες διαπίστωσαν ότι τα άστρα που είχαν ήδη εξελιχθεί σε ερυθρούς γίγαντες ήταν πολύ λιγότερο πιθανό να φιλοξενούν μεγάλους πλανήτες σε κοντινές τροχιές, όπως η Γη. Συνολικά, μόνο το 0,28 τοις εκατό των άστρων που εξετάστηκαν φιλοξενούσαν έναν γιγάντιο πλανήτη, με τα νεότερα άστρα να έχουν συχνότερα πλανήτες. Για τα άστρα όμως που είχαν ήδη διογκωθεί αρκετά ώστε να χαρακτηριστούν ερυθροί γίγαντες, το ποσοστό αυτό έπεφτε στο 0,11 τοις εκατό.Όταν συμβεί κάτι τέτοιο, η Γη μπορεί να μετατραπεί σε κάτι παρόμοιο με τη σιδερένια ράβδο που παρατηρείται στο Νεφέλωμα του Δακτυλίου. Παρ’ όλα αυτά, οι ερευνητές τονίζουν ότι χρειάζονται πολύ περισσότερα στοιχεία πριν μπορέσουν να πουν με βεβαιότητα ότι η ράβδος προήλθε από έναν πλανήτη.Ο Δρ. Γουέσον σημειώνει ότι η εξαΰλωση ενός πλανήτη είναι μια πιθανότητα, αλλά όχι η μοναδική, και θα πρέπει να εξηγηθεί πώς ο σίδηρος θα μπορούσε να καταλήξει σε σχήμα ράβδου αν προερχόταν από πλανήτη. Πιθανότερο, όπως λέει, είναι να υπάρχουν κι άλλες τέτοιες σιδερένιες ράβδοι που περιμένουν να ανακαλυφθούν σε άλλα νεφελώματα. Όσο περισσότερες εντοπιστούν, τόσο περισσότερες πληροφορίες θα υπάρχουν για να καθοριστεί πώς σχηματίστηκαν.Στο μέλλον, οι ερευνητές ελπίζουν να χρησιμοποιήσουν το εργαλείο LIFU για να εντοπίσουν περισσότερα νεφελώματα με παρόμοια χαρακτηριστικά, ώστε να κατανοήσουν καλύτερα την προέλευση της ράβδου.Η συνσυγγραφέας της μελέτης καθηγήτρια Τζάνετ Ντρου από το University College London δήλωσε ότι χρειάζονται σίγουρα περισσότερα δεδομένα, ιδιαίτερα για το αν συνυπάρχουν άλλα χημικά στοιχεία με τον πρόσφατα ανιχνευμένο σίδηρο, καθώς αυτό θα μπορούσε να δείξει ποιο θεωρητικό μοντέλο είναι το σωστό. Προς το παρόν όπως είπε λείπει αυτή η κρίσιμη πληροφορία. Μέσα σε αυτό το νεφέλωμα εντοπίστηκε η κοσμική δομή που δείχνει πώς μπορεί να γίνει η Γη στο μακρινό μέλλον. https://www.naftemporiki.gr/techscience/2059957/astronomoi-eidan-to-koyfari-tis-gis/

Το πολυδιάστατο κόστος χρήσης της τεχνητής νοημοσύνης. Οι παράπλευρες οικονομικές, περιβαλλοντικές, πολιτικές και κοινωνικές απώλειες της άνθησης των τεχνολογιών ΑΙ. Η εξάπλωση των μεγάλων γλωσσικών μοντέλων (LLMs) όπως είναι το ChatGPT, το Google Gemini, ή το Claude έχει κάνει την αλληλεπίδραση με την τεχνητή νοημοσύνη καθημερινή υπόθεση. Όμως αυτή η ευκολία κρύβει ένα βασικό γεγονός: κάθε ερώτημα δεν είναι «δωρεάν». Και δεν μιλάμε μόνο για το προφανές οικονομικό κόστος σε υπολογιστική ισχύ. Το πραγματικό κόστος είναι πολυδιάστατο: ενέργεια που καταναλώνεται σε data centers, νερό που απαιτείται για ψύξη, υλικό που φθείρεται και πρέπει να αντικατασταθεί, αλλά και κοινωνικές συνέπειες που δεν αποτυπώνονται σε έναν απλό λογαριασμό.Με άλλα λόγια, κάθε prompt, κάθε query, κάθε ερώτημα σε ένα γλωσσικό μοντέλο λειτουργεί σαν μια μικρή «συναλλαγή» με ένα τεράστιο οικοσύστημα υποδομών και ανθρώπινης εργασίας. Πληρώνουμε σε χρήμα, αλλά και σε φυσικούς πόρους, περιβαλλοντικό αποτύπωμα, χρόνο, προσοχή και σε ορισμένες περιπτώσεις, ακόμα και με κοινωνική εμπιστοσύνη και θεσμική σταθερότητα. Γι’ αυτό και όταν προσπαθούμε να απαντήσουμε στο φαινομενικά απλό ερώτημα “πόσο κοστίζει ένα query;”, καταλήγουμε αναγκαστικά σε μια ευρύτερη συζήτηση: τι ακριβώς μετράμε ως κόστος και ποιος τελικά το επωμίζεται. Στόχος της παρακάτω ανάλυσης είναι να χαρτογραφήσει όλες τις παραμέτρους που συνθέτουν το κόστος ανά ερώτημα, ώστε ο όρος «κόστος χρήσης AI» να αποκτήσει ουσιαστικό περιεχόμενο. Δηλαδή όχι μόνο λογιστικό, αλλά και τεχνικό, περιβαλλοντικό και κοινωνικό. Στις επόμενες ενότητες εξετάζεται διαδοχικά: * Το οικονομικό κόστος (υπολογιστική ισχύς, GPUs, cloud, ανθρώπινο δυναμικό, κόστος ανά token/ερώτημα), * Το περιβαλλοντικό κόστος (εκπομπές CO₂, κατανάλωση ενέργειας και νερού, ψύξη data centers), * Το κόστος υποδομής/υλικού (απόσβεση, συντήρηση, κύκλος ζωής και αναβάθμιση εξοπλισμού), * Το κοινωνικό και ηθικό κόστος (ανισότητες πρόσβασης, παραπληροφόρηση, ψυχολογικός/πολιτικός αντίκτυπος, μετασχηματισμός εργασίας και ανάγκη επανεκπαίδευσης), * Το ευκαιριακό κόστος (τι χάνεται όταν πόροι και προσοχή κατευθύνονται στα LLMs αντί σε εναλλακτικές λύσεις), * Το μακροπρόθεσμο κόστος (εξάρτηση, ανάγκη συνεχούς κλιμάκωσης, γεωπολιτικές επιπτώσεις και συγκέντρωση ισχύος). Οικονομικό κόστος Η απάντηση ενός μεγάλου γλωσσικού μοντέλου σε ένα ερώτημα έχει άμεσο οικονομικό κόστος σε επίπεδο υπολογιστικής κατανάλωσης. Τα μοντέλα αυτά απαιτούν χιλιάδες υπολογιστικές μονάδες (GPUs/TPUs) που λειτουργούν σε data centers υψηλής απόδοσης. Υπάρχουν διάφορες αναλύσεις όπου υποστηρίζουν ότι το κόστος ενός ερωτήματος στο ChatGPT θα μπορούσε να κυμανθεί από 0.36$ ανά ερώτημα, μέχρι 0.01$ με βάση ότι κάθε απάντηση έχει ~30 λέξεις. Ο CEO του OpenAI, Sam Altman, έχει δηλώσει χαρακτηριστικά πως «κάθε prompt πιθανώς κοστίζει μερικά σεντ», προσδιορίζοντας ως ανώτατο σενάριο περίπου 0,09$ ανά ερώτημα για τα πιο προηγμένα μοντέλα.Οι αποκλίσεις αυτές οφείλονται στο ότι το κόστος ανά ερώτημα εξαρτάται από πολλούς παράγοντες: το μέγεθος του μοντέλου, τον αριθμό των token που επεξεργάζεται/παράγει, την αποδοτικότητα του hardware, και το κατά πόσον αξιοποιείται πλήρως η χωρητικότητα του συστήματος. Η OpenAI αναφέρει ότι 1 token αντιστοιχεί περίπου σε 0,75 λέξεις. Κάθε token που παράγεται απαιτεί τεράστιο αριθμό υπολογιστικών πράξεων. Το κόστος αυτού του υπολογισμού μεταφράζεται σε χρήμα ανάλογα με το ρυθμό κατανάλωσης μιας GPU και το κόστος λειτουργίας της. Υποδομή cloud και κόστος GPU Οι πάροχοι cloud (όπως η Azure της Microsoft που φιλοξενεί το OpenAI) χρεώνουν την ωριαία χρήση αυτών των ισχυρών servers. Αν ένας τέτοιος server παράγει λόγου χάρη ~10 απαντήσεις το δευτερόλεπτο, τότε μόνο ο υπολογιστικός χρόνος για μία απάντηση κοστίζει ~$0,000083. Βέβαια, τα LLMs τυπικά τρέχουν παράλληλα σε πολλαπλές GPUs για να επιταχύνουν την απόκριση ή να υποστηρίξουν μεγαλύτερα μοντέλα. Η εκτίμηση των $0,36/query από το SemiAnalysis υποθέτει ότι χρησιμοποιεί αθροιστικά όλη την υποδομή (δεκάδες χιλιάδες GPUs) σε συνεχή λειτουργία για να εξυπηρετήσει εκατομμύρια ερωτήματα ημερησίως. Αν η ζήτηση είναι μικρότερη, κάποιες μονάδες μένουν αδρανείς σε ώρες χαμηλού φορτίου (οπότε το πραγματικό κόστος ανά ερώτημα μπορεί να αυξάνεται επειδή το hardware δεν αξιοποιείται 100%). Αντίθετα, σε ώρες αιχμής γίνεται batching αιτημάτων που βελτιώνει την απόδοση ανά GPU.Συνοπτικά, το άμεσο μεταβλητό κόστος ανά ερώτημα για μεγάλα LLMs σήμερα κυμαίνεται στην τάξη 0,01$ – 0,1$, ανάλογα με το μοντέλο και το μέγεθος της απάντησης. Ωστόσο, αυτό είναι μόνο μία όψη του οικονομικού κόστους. Υπάρχει και το σταθερό/επενδυτικό κόστος: η εκπαίδευση των μοντέλων και η ανάπτυξη της απαιτούμενης υποδομής. Η εκπαίδευση του GPT-3 (175 δισ. παράμετροι) εκτιμήθηκε ότι κόστισε περίπου $12 εκατομμύρια μόνο σε υπολογιστικούς πόρους, ενώ για το GPT-4 το κόστος ανέβηκε στα $100 εκατομμύρια. Αυτές οι δαπάνες έρχονται να προστεθούν στο “κόστος ανά query” αν τις αναλογιστούμε αποσβεσμένες σε όλη τη διάρκεια ζωής του μοντέλου. Για παράδειγμα, αν ένα μοντέλο κόστισε $100M να εκπαιδευτεί και εξυπηρετήσει 1 δισεκατομμύριο ερωτήματα στη ζωή του, μόνο το εκπαιδευτικό κόστος συνεισφέρει $0,10 ανά ερώτημα.Πέρα από το hardware, οικονομικό κόστος είναι και το ανθρώπινο δυναμικό: Οι ομάδες μηχανικών AI, επιστημόνων δεδομένων και τεχνικών υποστήριξης πληρώνονται για την ανάπτυξη, συντήρηση και βελτίωση αυτών των μοντέλων. Επίσης, η βελτίωση ενός LLM απαιτεί συχνά ανθρώπινη εποπτεία και επιμέλεια (π.χ. διαδικασίες όπως human reinforcement learning από ανθρώπινη ανάδραση). Αυτές οι εργατοώρες (συχνά αόρατες) έχουν κόστος. Για παράδειγμα, πολλές τέτοιου είδους εταιρείες έχουν αναθέσει σε ανθρώπους – αξιολογητές το φιλτράρισμα και τη βαθμολόγηση απαντήσεων του μοντέλου για βελτίωση, κάτι που είναι μέρος του λειτουργικού κόστους.Τέλος, πρέπει να σημειωθεί ότι το μεγαλύτερο μέρος του λειτουργικού κόστους ενός LLM σε βάθος χρόνου μπορεί να μην είναι η αρχική εκπαίδευση, αλλά η συνεχής χρήση (inference). Με άλλα λόγια, η ενεργή χρήση των μοντέλων (απαντώντας στα αδιάκοπα queries των χρηστών) συσσωρεύει συνολικό κόστος που μπορεί να υπερβαίνει κατά πολύ το εφάπαξ κόστος εκπαίδευσης, ειδικά καθώς η υιοθέτηση μεγαλώνει και τα queries αριθμούνται σε δισεκατομμύρια. Περιβαλλοντικό κόστος Κάθε ερώτημα προς ένα AI μοντέλο έχει ένα αποτύπωμα ενέργειας και συνεπώς περιβαλλοντικό αντίκτυπο. Οι υπολογισμοί που εκτελούν οι GPU καταναλώνουν ηλεκτρική ενέργεια και παράγουν θερμότητα, που πρέπει να αποβληθεί μέσω ψύξης (συχνά με χρήση νερού). Επίσης, η παραγωγή της ηλεκτρικής ενέργειας συνεπάγεται εκπομπές διοξειδίου του άνθρακα (CO₂).Πρόσφατες ανεξάρτητες μετρήσεις και στοιχεία από εταιρείες υποδεικνύουν πως το τυπικό αίτημα σε ένα σύγχρονο LLM καταναλώνει ηλεκτρική ενέργεια περίπου 0,2–0,5 Wh. Για να έχουμε ένα σημείο αναφοράς: μια σύγχρονη αναζήτηση στη Google εκτιμάται πως καταναλώνει μόλις 0,04 Wh κατά μέσο όρο. Αυτό σημαίνει ότι ένα ερώτημα σε ένα LLM είναι πιθανώς 5–10 φορές πιο ενεργοβόρο από μια παραδοσιακή αναζήτηση. Η διαφορά αυτή γίνεται αντιληπτή αν σκεφτούμε ότι η αναζήτηση απλώς αντλεί αποθηκευμένες πληροφορίες, ενώ το LLM γεννά λέξη προς λέξη μια πρωτογενή απάντηση μέσω εντατικών μαθηματικών υπολογισμών σε δισεκατομμύρια παραμέτρους.Οι εκπομπές CO₂ ανά query εξαρτώνται από την πηγή της ηλεκτρικής ενέργειας. Παρόλο που μιλάμε για εκπομπές λίγων γραμμαρίων CO₂ ανά ερώτημα, μικρότερες από τις εκπομπές που θα προκαλούσε η οδήγηση ενός αυτοκινήτου για μερικά μέτρα, το κρίσιμο ζήτημα δεν είναι η εκπομπή ενός μεμονωμένου query, αλλά ο συνολικός όγκος τους. Αν δισεκατομμύρια queries εκτελούνται καθημερινά, το ενεργειακό και ανθρακικό αποτύπωμα πολλαπλασιάζεται. Σήμερα που η απόδοση έχει βελτιωθεί, ακόμη και αν τα αιτήματα έχουν αυξηθεί, η κατανάλωση είναι μεγάλη και συγκρίσιμη με την ημερήσια κατανάλωση ρεύματος μιας μικρής πόλης. Ψύξη, νερό και κλιματική επιβάρυνση Η κατανάλωση ενέργειας συνοδεύεται από θερμότητα που πρέπει να διαχυθεί. Τα data centers αξιοποιούν συστήματα ψύξης, συχνά υδρόψυκτα. Αυτό εγείρει το θέμα της κατανάλωσης νερού από την AI. Ένα αποκαλυπτικό στατιστικό από το University of California που υπολόγισε ότι το ChatGPT καταναλώνει περίπου 500 ml νερού ανά 5 έως 50 ερωτήματα που απαντά. Το εύρος είναι μεγάλο (10 ml έως 100 ml ανά query, αναλόγως των συνθηκών), αλλά ακόμη και μια μέση τιμή ~50 ml ανά ερώτηση σημαίνει ότι κάθε 20 queries καταναλώνουν περίπου ένα λίτρο γλυκού νερού για τις ανάγκες ψύξης. Η Microsoft ανέφερε ότι η συνολική χρήση νερού της αυξήθηκε κατά 34% σε ένα έτος φτάνοντας τα ~1,7 δισεκατομμύρια γαλόνια νερού, σε μεγάλο βαθμό λόγω των επενδύσεων σε AI και των αντίστοιχων κέντρων δεδομένων. Μέρος αυτού του νερού χρησιμοποιείται κατά την εκπαίδευση μεγάλων μοντέλων, αντλώντας μεγάλες ποσότητες νερού από τον τοπικό υδροφόρο ορίζοντα για ψύξη.Το περιβαλλοντικό κόστος περιλαμβάνει και την έμμεση επίδραση στο κλίμα. Αν η ζήτηση για AI εκτινάσσει τις ενεργειακές ανάγκες, μπορεί να απαιτηθεί ενίσχυση της παραγωγής ρεύματος. Ήδη εκφράζονται ανησυχίες ότι τα data centers ενδέχεται να απορροφήσουν πολύ μεγάλο μερίδιο του ηλεκτρικού δυναμικού, δυσχεραίνοντας την προσπάθεια μετάβασης σε πιο πράσινες μορφές ενέργειας. Σε τοπικό επίπεδο, η συγκέντρωση ενεργοβόρων εγκαταστάσεων εγείρει ζητήματα ηλεκτρικού φορτίου και επάρκειας υποδομών. Παραγωγή hardware και ηλεκτρονικά απόβλητα Σημαντικό αλλά συχνά παραβλεπόμενο μέρος του περιβαλλοντικού κόστους είναι το αποτύπωμα κατασκευής του ίδιου του εξοπλισμού AI. Η παραγωγή προηγμένων ημιαγωγών είναι εξαιρετικά ενεργοβόρα και υλικοβόρα διαδικασία. Απαιτεί πολύ υψηλής καθαρότητας υλικά, χημικές ουσίες, καθώς και τεράστιες ποσότητες ενέργειας και νερού στα εργοστάσια. Σύμφωνα με πρόσφατες αξιολογήσεις κύκλου ζωής, το «ενσωματωμένο» ανθρακικό αποτύπωμα μιας μόνο τέτοιας GPU είναι της τάξης των 150–200 κιλών CO₂e (κιλά ισοδύναμου CO₂). Αυτό σημαίνει ότι πριν καν ενεργοποιηθεί μια GPU AI έχει «χρεωθεί» εκατοντάδες κιλά εκπομπών μέσω της κατασκευής της, χωρίς να υπολογίσουμε τη μεταφορά/διανομή της διεθνώς. Συνεπώς, η συνεχής ανάγκη για νέους επεξεργαστές (καθώς τα μοντέλα κλιμακώνονται και απαιτούν νεότερο hardware) έχει περιβαλλοντική επίπτωση. Επιπλέον, ο κύκλος ζωής του hardware δημιουργεί ηλεκτρονικά απόβλητα (e-waste): οι GPU και οι server αποσύρονται ύστερα από μερικά χρόνια, συμβάλλοντας στην ήδη δύσκολη διαχείριση e-waste παγκοσμίως, με επικίνδυνα υλικά και σπάνιες γαίες που καταλήγουν συχνά σε χώρους υγειονομικής ταφής ή σε ανακύκλωση χαμηλής απόδοσης.Το κάθε ερώτημα σε ένα LLM έχει μεν μικρό αποτύπωμα (λίγες δεκάδες Wh και λίγα γραμμάρια CO₂), αλλά σε μεγάλη κλίμακα η χρήση AI προσθέτει σημαντικό φορτίο σε ενεργειακά δίκτυα, καταναλώνει πολύτιμους φυσικούς πόρους και συμβάλλει έμμεσα στις κλιματικές εκπομπές. Η παραγωγή και απόρριψη της υποδομής αυτής διευρύνει περαιτέρω το περιβαλλοντικό αποτύπωμα. Το ζήτημα αυτό έχει αρχίσει να αναγνωρίζεται ως σοβαρό: η παγκόσμια χρήση ενέργειας των data centers AI εκτιμάται ότι θα αυξηθεί ραγδαία. Στις ΗΠΑ προβλέπεται ότι οι AI servers μπορεί να φτάσουν να καταναλώνουν μέχρι και 70–80% της συνολικής ενέργειας των data centers ως το 2028, μια τεράστια αύξηση από το ~20% του σήμερα. Κόστος υποδομής και υλικού Η λειτουργία μεγάλων μοντέλων AI απαιτεί εκτεταμένη υπολογιστική υποδομή, όχι μόνο από πλευράς ενέργειας, αλλά και καθαυτής της όλης υλικής επένδυσης σε εξοπλισμό, εγκαταστάσεις και συντήρηση. Αυτό το κόστος μπορεί να το δούμε ως το «πάγιο κεφάλαιο» που πρέπει να δαπανηθεί, αλλά και να ανανεώνεται περιοδικά, προκειμένου να είναι δυνατή η εξυπηρέτηση των ερωτημάτων μας. Επένδυση σε data centers και εξοπλισμό Η χρονική περίοδος που ζούμε, είναι μια περίοδο έκρηξης επενδύσεων σε data centers για AI. Οι μεγαλύτερες εταιρείες τεχνολογίας δαπανούν δυσθεώρητα και υπέρογκα ποσά για να χτίσουν ή να αναβαθμίσουν εγκαταστάσεις που θα φιλοξενούν AI υπολογιστικά clusters. Συνολικά, μέχρι το 2028 υπάρχουν εκτιμήσεις ότι η παγκόσμια δαπάνη για καινούρια datacenters, τα οποία σχετίζονται άμεσα με AI θα προσεγγίσει τα $3 τρισεκατομμύρια. Αυτά τα ποσά είναι ενδεικτικά του τι σημαίνει ο όρος “υποδομή για AI”. Δηλαδή τεράστια campus με χιλιάδες rack υπολογιστών (τυποποιημένη μεταλλική κατασκευή που χρησιμοποιείται για τη συγκράτηση και οργάνωση και προστασία συσκευών πληροφορικής και δικτύωσης (όπως servers, switch, routers, patch panels) σε ένα κέντρο δεδομένων) , ειδικότερα ακόμα και σε δίκτυα υψηλής ταχύτητας, ψυκτικά συστήματα κλπ.Κάθε φυσικό κέντρο δεδομένων έχει κόστος κατασκευής (γη, κτήρια, γεννήτριες, UPS, κλιματισμός, δικτυακή σύνδεση κ.ο.κ.) και κόστος λειτουργίας (ηλεκτρικό ρεύμα, προσωπικό συντήρησης, ασφάλεια, αναλώσιμα). Επίσης, υπάρχει το κόστος συντήρησης και επισκευής του hardware. Οι GPU και οι server έχουν συγκεκριμένο κύκλο ζωής: π.χ. οι μονάδες ψύξης πρέπει να συντηρούνται, οι δίσκοι να αντικαθίστανται όταν φθείρονται, ακόμα και οι ίδιες οι GPU ενίοτε αποτυγχάνουν και θέλουν αλλαγή. Όλα αυτά συνεπάγονται κόστος ανά έτος λειτουργίας, το οποίο έμμεσα είναι κόστος ανά ερώτημα. Αν ένας server κοστίζει Χ χρήματα να αγοραστεί και διαρκεί Υ χρόνια, μπορούμε να πούμε ότι ανά ώρα χρήσης “ξοδεύει” ένα μέρος της αξίας του, άρα μπορεί να χαρακτηριστεί ως απόσβεση. Προσθέτοντας και το ρεύμα που καταναλώνει ανά ώρα, παίρνουμε το συνολικό κόστος ανά ώρα, που θα μας βοηθήσει να βρούμε το κόστος ανά query, γνωρίζοντας παράλληλα πόσα query εξυπηρετεί ο server ανά ώρα. Αυτή η λογική, μολονότι απλή, είναι ο πυρήνας κάθε κοστολόγησης inference και γι’ αυτό συχνά ακούγονται νούμερα όπως “0.36$ ανά query” που συμπεριλαμβάνουν τόσο την ενέργεια όσο και την απόσβεση κεφαλαίου. Κύκλος ζωής hardware – αναβάθμιση και απόσυρση Τα μοντέλα AI γίνονται όλο και μεγαλύτερα και πιο περίπλοκα. Αυτό σημαίνει ότι για να τα τρέχουν αποτελεσματικά, χρειάζεται ανά διαστήματα να ανανεώνεται ο εξοπλισμός με νεότερο, ισχυρότερο. Έτσι, οι εταιρείες βρίσκονται σε έναν αγώνα συνεχούς αναβάθμισης.Επειδή η τεχνολογία εξελίσσεται ραγδαία, ο ρυθμός παλαίωσης του εξοπλισμού είναι υψηλός. Υπολογίζεται ότι πολλά data centers AI θα χρειαστεί να αντικαταστήσουν ουσιαστικά το μεγαλύτερο μέρος των servers τους εντός 3-5 ετών, ειδάλλως θα μείνουν πίσω σε απόδοση και αποδοτικότητα έναντι ανταγωνιστών τους. Κάποιοι αναλυτές επισημαίνουν ότι η εκρηκτική και ταχύτατη αύξηση των επενδύσεων σε AI hardware ενδέχεται να δημιουργεί συνθήκες «φούσκας», καθώς μεγάλα έργα χρηματοδοτούνται συχνά με δανεισμό και στηρίζονται σε προσδοκίες μακροχρόνιας απόδοσης. Ωστόσο, η ραγδαία τεχνολογική εξέλιξη στον χώρο της τεχνητής νοημοσύνης ενέχει τον κίνδυνο αυτά τα υποδομικά assets να απαξιωθούν πρόωρα, πριν προλάβουν να αποσβεστούν οικονομικά, γεγονός που θα μπορούσε να πιέσει τις ταμειακές ροές, να αυξήσει τον χρηματοοικονομικό κίνδυνο και να οδηγήσει σε υπερβολικές αποτιμήσεις σε ολόκληρο το οικοσύστημαΜάλιστα, έχει διατυπωθεί η ανησυχία ότι “τα data centers θα υποτιμηθούν δύο φορές γρηγορότερα απ’ όσο παράγουν έσοδα”, υπονοώντας ότι ο εξοπλισμός θα ξεπεραστεί τόσο σύντομα που οικονομικά μπορεί να μην βγουν οι προβλέψεις κέρδους. Αυτό συνιστά κίνδυνο και για την ευρύτερη οικονομία αν αυτές οι επενδύσεις έχουν γίνει με μοχλευμένα κεφάλαια (δάνεια), διότι μια απότομη απαξίωση θα άφηνε χρέη χωρίς αντίκρισμα.Το hardware απαιτεί επίσης συνεχή τεχνική υποστήριξη. Υπάρχει κόστος από downtime, από πιθανές βλάβες, από αναβαθμίσεις λογισμικού/υλικολογισμικού. Όλα αυτά προσθέτουν στο συνολικό κόστος “υποδομής” ανά query, αν και είναι δύσκολο να ποσοτικοποιηθούν άμεσα. Συγκέντρωση υπολογιστικής ισχύος Ένα σχετικό θέμα είναι ότι οι απαιτήσεις υποδομής είναι τόσο μεγάλες που μόνο λίγοι παίκτες μπορούν να τις σηκώσουν. Αυτό οδηγεί σε μια συγκέντρωση της διαθέσιμης AI υποδομής σε ορισμένες εταιρείες, τις γνωστές και ως big tech και σε κάποιες γεωγραφικές περιοχές (π.χ. ΗΠΑ, Δυτική Ευρώπη, Κίνα). Η δημιουργία ενός νέου υπερ-υπολογιστικού κέντρου AI από το μηδέν είναι επιχειρηματικό εγχείρημα πολλών δισεκατομμυρίων. Αυτό καθιστά την είσοδο στο κορυφαίο επίπεδο AI να έχει τεράστια φραγή κόστους. Έτσι, το κόστος της υποδομής δεν αποτελεί απλώς μια λογιστική ή τεχνική παράμετρο, αλλά λειτουργεί ως κρίσιμος μηχανισμός διαμόρφωσης της ίδιας της αγοράς. Ευνοεί δυσανάλογα τους λίγους μεγάλους παίκτες που διαθέτουν επαρκή κεφαλαιακή ισχύ για να επενδύσουν σε ιδιόκτητο AI hardware και data centers, ενώ αντίθετα, μικρότεροι ή λιγότερο ισχυροί οργανισμοί εξαναγκάζονται να βασίζονται σε cloud υποδομές των μεγάλων, πληρώνοντας όχι μόνο το πραγματικό κόστος χρήσης αλλά και τους ενσωματωμένους συντελεστές κέρδους, γεγονός που ενισχύει τη συγκέντρωση ισχύος και περιορίζει τον ανταγωνισμό στο οικοσύστημα της τεχνητής νοημοσύνης.Εν τέλει, το κόστος υποδομής ανά query μπορεί να ιδωθεί ως το “ενοίκιο” που πληρώνουμε σε κάθε ερώτημα για όλες αυτές τις αθέατες επενδύσεις: τους servers, τα κτήρια, τις γραμμές οπτικών ινών, τα συστήματα backup κ.ο.κ. Αν και δύσκολο να απομονωθεί, αυτό το κόστος είναι πραγματικό. Σε συνδυασμό με τα ενεργειακά κόστη, γίνεται σαφές γιατί παρά την “ψηφιακή” φύση των AI υπηρεσιών, υπάρχει και ένας πολύ δαπανηρός μηχανισμός από πίσω τους. Κοινωνικό και ηθικό κόστος Πέρα από τις μετρήσιμες οικονομικές και φυσικές δαπάνες, η ευρεία χρήση της τεχνητής νοημοσύνης φέρνει και κοινωνικές/ηθικές “δαπάνες”. Έμμεσες αρνητικές συνέπειες που μπορεί να θεωρηθούν ένα είδος κόστους που πληρώνει η κοινωνία. Αυτά περιλαμβάνουν ζητήματα δικαιοσύνης και πρόσβασης, την επίδραση στην αγορά εργασίας, το κόστος της παραπληροφόρησης και τις ευρύτερες κοινωνικές μεταβολές που προκαλεί η AI.Η ανάπτυξη των LLMs κλιμακώνει τον κίνδυνο ενός “AI divide” , δηλαδή ενός χάσματος ανάμεσα σε αυτούς που έχουν πρόσβαση και ωφελούνται από την AI και σε αυτούς που μένουν πίσω. Τα ισχυρότερα μοντέλα απαιτούν τεράστιους πόρους, και ως εκ τούτου βρίσκονται υπό τον έλεγχο λίγων εταιρειών και χωρών. Αυτό εγείρει το ενδεχόμενο οι φτωχότερες χώρες ή μειονεκτικές ομάδες να μην μπορούν να αξιοποιήσουν τις δυνατότητες της AI, διευρύνοντας τις ήδη υπάρχουσες οικονομικές και κοινωνικές ανισότητες. Συγκεκριμένα, τονίζεται ότι περιοχές όπως οι αναπτυσσόμενες χώρες με ελλείψεις σε αξιόπιστο ρεύμα, internet και δεξιότητες κινδυνεύουν να αποκλειστούν από την AI οικονομία και να μείνουν πίσω στη νέας τεχνολογική εποχή. Αυτό συνιστά ένα κοινωνικό κόστος, μια εντεινόμενη ανισότητα.Ακόμα και εντός των ανεπτυγμένων κοινωνιών, η άνιση πρόσβαση σε AI εργαλεία ή η άνιση κατανομή των ωφελημάτων τους μπορεί να επιτείνει ανισότητες. Για παράδειγμα, μεγάλες εταιρείες που μπορούν να πληρώσουν AI συστήματα θα βελτιστοποιήσουν τις λειτουργίες τους και θα αποκομίσουν κέρδη παραγωγικότητας, ενώ μικρομεσαίες επιχειρήσεις ίσως δεν έχουν τους πόρους να κάνουν το ίδιο, δημιουργώντας ένα νέο χάσμα ανταγωνιστικότητας. Σε επίπεδο ατόμων, όσοι είναι εξοικειωμένοι με την τεχνολογία AI θα έχουν πλεονεκτήματα (π.χ. φοιτητές που χρησιμοποιούν ChatGPT για βοήθεια vs φοιτητές χωρίς πρόσβαση ή δεξιότητες σε αυτό). Αυτή η δυναμική “όποιος έχει, του δίνεται περισσότερο” αποτελεί ηθικό ζήτημα: χρειάζεται προσοχή ώστε η AI να μην γίνει παράγοντας συγκέντρωσης πλούτου και δύναμης στα χέρια λίγων. Παραπληροφόρηση και ποιότητα πληροφορίας Η AI διευκολύνει την μαζική παραγωγή περιεχομένου, συμπεριλαμβανομένου και ανακριβούς ή παραπλανητικού περιεχομένου. Το κόστος της παραπληροφόρησης στην κοινωνία ήταν ήδη τεράστιο: Μελέτη του 2019 υπολόγισε ότι τα fake news και γενικά η παραπληροφόρηση κόστιζαν στην παγκόσμια οικονομία ~$78 δισ. ετησίως (από απώλειες κεφαλαιαγορών, λανθασμένες αποφάσεις, κλονισμό εμπιστοσύνης). Τώρα, με εργαλεία όπως τα LLMs και τα deepfakes (πολυμεσικά αρχεία (εικόνες, βίντεο) στα οποία φαίνεται ή ακούγεται κάποιος να λέει ή να κάνει κάτι που δεν έχει πραγματικά πει ή κάνει) , η παραπληροφόρηση γίνεται φθηνότερη, ταχύτερη και πιο πειστική. Αυτό σημαίνει ότι το ήδη υψηλό κόστος μπορεί να αυξηθεί. Για παράδειγμα, η δημιουργία ψεύτικων ειδήσεων, πλαστών άρθρων ή ακόμα και αυτοματοποιημένων σχολίων/bots σε social media γίνεται εύκολη με LLMs, μειώνοντας το “κόστος” (σε χρόνο, ανθρώπους) που χρειάζεται κάποιος κακόβουλος για να πλημμυρίσει το διαδίκτυο με παραπληροφόρηση.Το κοινωνικό κόστος εδώ αντανακλάται σε διάφορες μορφές: απώλεια εμπιστοσύνης στους θεσμούς και τα μέσα ενημέρωσης, οικονομικές ζημίες από απάτες ή ψευδείς φήμες, ακόμα και κίνδυνοι για τη δημοκρατία (αν π.χ. η κοινή γνώμη επηρεάζεται από ψεύτικες narrations). Το World Economic Forum κατέταξε την ψηφιακή παραπληροφόρηση ως μια από τις κορυφαίες παγκόσμιες απειλές για το 2025, ακριβώς επειδή η AI την καθιστά δυσκολότερα αντιμετωπίσιμη και ανιχνεύσιμη. Οκτώ στους δέκα επιχειρηματικούς ηγέτες δηλώνουν πως ανησυχούν για το πλήγμα φήμης που μπορεί να υποστούν από AI-υποστηριζόμενη παραπληροφόρηση. Όλα αυτά τα άυλα πλήγματα όπως είναι διάβρωση της εμπιστοσύνης, διάχυση ψευδών συνιστούν πραγματικό κόστος για την κοινωνία, έστω κι αν δεν αποτιμώνται εύκολα σε χρήμα.Επιπλέον, η πλημμυρίδα AI-παραγόμενου περιεχομένου μπορεί να υποβαθμίσει τη συνολική ποιότητα της πληροφορίας. Ήδη παρατηρείται το φαινόμενο ιστότοποι να γεμίζουν με αυτόματα γραμμένα άρθρα χαμηλής ποιότητας, που δυσχεραίνουν τον εντοπισμό αξιόπιστων πηγών. Ο “θόρυβος” στο πληροφοριακό οικοσύστημα αυξάνεται, και αυτό απαιτεί νέους μηχανισμούς φιλτραρίσματος (με αντίστοιχο κόστος ανάπτυξης και πολυπλοκότητα). Ψυχολογικός και πολιτικός αντίκτυπος Η αλληλεπίδραση ανθρώπων με AI εγείρει ζητήματα και στην ψυχολογική και κοινωνική σφαίρα. Καθώς τα AI γίνονται πιο πανταχού παρόντα, υπάρχει ο κίνδυνος “εθισμού” ή υπερ-εξάρτησης από αυτά. Άνθρωποι μπορεί να αρχίσουν να εμπιστεύονται υπερβολικά τις AI απαντήσεις, παραμελώντας την κριτική τους ικανότητα. Ή μαθητές να χάσουν δεξιότητες (π.χ. στην έκφραση γραπτού λόγου) επειδή βασίζονται στα LLM για εργασίες. Αυτό θα μπορούσαμε να το ονομάσουμε κόστος “νοητικής αδράνειας” που ίσως συσσωρεύεται μακροπρόθεσμα. Επίσης, η αλληλεπίδραση με chatbot σαν να ήταν πραγματικά πρόσωπα μπορεί να δημιουργήσει παράξενα συναισθηματικά δεσίματα ή απογοητεύσεις. Το να εμπιστεύεται κάποιος ευαίσθητες συμβουλές (π.χ. ιατρικές, ψυχολογικές) σε ένα μοντέλο που ενδέχεται να κάνει λάθη, ενέχει ρίσκα για την ευημερία του. Όλα αυτά είναι δύσκολο να ποσοτικοποιηθούν, αλλά συνιστούν υπαρκτό κόστος στην ποιότητα ζωής και στην ανθρώπινη αυτονομία.Τα LLMs μπορούν να χρησιμοποιηθούν για να παράγουν πολιτική προπαγάνδα σε μαζική κλίμακα, εξατομικευμένη για διαφορετικές ομάδες. Αυτό αυξάνει το κόστος διατήρησης μιας υγιούς, ενημερωμένης δημοκρατικής διαδικασίας. Ήδη ενόψει εκλογών, οργανισμοί προειδοποιούν για τη χρήση generative AI σε ψεύτικες ειδήσεις ή σε κατασκευασμένες εικόνες πολιτικών αντιπάλων. Η κοινωνία θα πρέπει να δαπανά περισσότερους πόρους (χρόνο, εκπαίδευση, τεχνολογίες ανίχνευσης ψευδών) για να αντιμετωπίσει αυτές τις «έξυπνες» μορφές χειραγώγησης. Η δυσπιστία και πόλωση μπορούν να οξυνθούν κι αυτό αποτελεί κοινωνικό κόστος που πληρώνουμε όλοι.Ένα άλλο ηθικό κόστος είναι η διάβρωση της ιδιωτικότητας και η πιθανή κατάχρηση της AI για επιτήρηση. Η ευκολία με την οποία μπορούν να αναλυθούν τεράστια δεδομένα (π.χ. κείμενα, συνομιλίες) με AI, ίσως οδηγήσει κυβερνήσεις ή εταιρείες να επεκτείνουν την παρακολούθηση των πολιτών/χρηστών. Το κόστος εδώ είναι στην ελευθερία και τα δικαιώματα, μια διάσταση που συχνά συζητείται υπό το πρίσμα της ηθικής AI (AI ethics), και συνδέεται με την ανάγκη ρυθμίσεων. Απώλεια θέσεων εργασίας και ανάγκη επανεκπαίδευσης Ένα από τα πιο πολυσυζητημένα κοινωνικά κόστη της AI είναι η αναστάτωση στην αγορά εργασίας. Τα μεγάλα γλωσσικά μοντέλα ήδη αυτοματοποιούν ορισμένες εργασίες που εκτελούσαν άνθρωποι (π.χ. σύνταξη αναφορών, εξυπηρέτηση πελατών μέσω chat, παραγωγή περιεχομένου, ακόμα και προγραμματισμό σε βασικό επίπεδο). Αυτό θα μπορούσε να οδηγήσει σε απώλεια θέσεων εργασίας ή σε υποβάθμιση τους.Το κοινωνικό κόστος εδώ συνίσταται σε δύο πτυχές, αρχικά βραχυπρόθεσμα. Άνθρωποι ενδέχεται να μείνουν άνεργοι ή να δουν το αντικείμενό τους να συρρικνώνεται, δημιουργώντας οικονομική δυσπραγία, αυξημένη ανεργία και τις συνακόλουθες κοινωνικές πιέσεις. Ακόμη και αν η ανεργία δεν εκτοξευθεί, ο φόβος της απώλειας εργασίας μπορεί να προκαλεί άγχος στους εργαζόμενους (ψυχοκοινωνικό κόστος). Επιχειρήσεις ήδη αναφέρουν ότι παγώνουν προσλήψεις σε ορισμένους τομείς περιμένοντας αποδοτικότητα από την AI, αλλά και μακροπρόθεσμα. Θα απαιτηθεί ευρείας κλίμακας επανακατάρτιση (reskilling) του εργατικού δυναμικού. Το εργατικό δυναμικό καλείται να προσαρμοστεί στα νέα δεδομένα, αλλά αυτή η προσαρμογή έχει κόστος σε χρόνο, χρήμα και προσπάθεια. Κυβερνήσεις και εταιρείες θα πρέπει να επενδύσουν σε εκπαιδευτικά προγράμματα για να μετακινηθούν οι εργαζόμενοι σε νέους ρόλους που θα προκύψουν. Μέχρι να αποδώσει αυτό, ίσως υπάρξει μεταβατική ανεργία (frictional unemployment). Αναλύσεις της Goldman Sachs αναφέρουν ότι κατά την υιοθέτηση της AI, η ανεργία θα μπορούσε να αυξηθεί κατά ~0,5% προσωρινά λόγω του μετασχηματισμού, προτού οι εργαζόμενοι απορροφηθούν αλλού. Αυτό σημαίνει εκατομμύρια ανθρώπους που θα βιώσουν μια περίοδο ανεργίας και ανάγκη στήριξης. Αυτό το “κενό” είναι κοινωνικό κόστος που χρειάζεται διαχείριση μέσω πολιτικών (επιδόματα, προγράμματα κλπ).Επιπρόσθετα, η αντικατάσταση ανθρώπινου έργου με AI εγείρει ηθικά ζητήματα αξιοπρέπειας και νοήματος της εργασίας: αν εργασίες γίνονται από μηχανές, πώς διασφαλίζεται ότι οι άνθρωποι θα βρίσκουν νόημα και αξιοπρέπεια στον εργασιακό βίο; Υπάρχει ο κίνδυνος τεχνολογικού αποκλεισμού συγκεκριμένων ηλικιακών ομάδων (π.χ. μεγαλύτερης ηλικίας εργαζόμενοι μπορεί να δυσκολευτούν να επανεκπαιδευτούν). Αυτά είναι ποιοτικά ζητήματα που συνιστούν ηθικό κόστος στην κοινωνική συνοχή και ευημερία.Συνολικά, το κοινωνικό/ηθικό κόστος της AI είναι ότι φέρνει ανατροπές που, χωρίς μέριμνα, μπορεί να βλάψουν ευάλωτες ομάδες, να εντείνουν αδικίες ή να θέσουν σε δοκιμασία θεμελιώδεις αξίες (όπως η αλήθεια στον δημόσιο λόγο, η ιδιωτικότητα, η ισότητα ευκαιριών και η αξία της εργασίας). Αυτές οι “απώλειες” μπορεί να μην είναι εύκολα μετρήσιμες, αλλά είναι κρίσιμες στον απολογισμό του τι μας κοστίζει συλλογικά η υιοθέτηση της AI. Ευκαιριακό κόστος Ως ευκαιριακό κόστος ορίζουμε τι θυσιάζουμε επιλέγοντας μια δράση έναντι μιας εναλλακτικής. Στην περίπτωση της τεχνητής νοημοσύνης, το ευκαιριακό κόστος αποτυπώνεται στα πράγματα που δεν κάνουμε ή δεν χρηματοδοτούμε επειδή διοχετεύουμε πόρους (χρηματικούς, ανθρώπινους, θεσμικούς) στα LLMs. Αυτό το είδος κόστους είναι πιο θεωρητικό, όμως εξαιρετικά σημαντικό για στρατηγικές αποφάσεις σε επίπεδο κοινωνίας και πολιτικής. Κεφάλαια και έρευνα που κατευθύνονται αλλού Τα τελευταία χρόνια, έχουμε δει μια τεράστια εισροή επενδύσεων στην AI. Αυτό σημαίνει ότι εν μέρει αυτά τα κεφάλαια δεν πήγαν σε άλλους τομείς. Αν αυτά τα χρήματα δεν πήγαιναν στην AI, θα μπορούσαν να είχαν επενδυθεί σε ανανεώσιμες πηγές ενέργειας, σε έρευνα για ασθένειες, σε παραδοσιακές υποδομές ή σε εκπαίδευση. Το ίδιο ισχύει και για τις κυβερνητικές – δημόσιες δαπάνες: Υπουργεία και φορείς ανά τον κόσμο διοχετεύουν ολοένα και περισσότερα κονδύλια σε AI projects, άρα λιγότερα μένουν για άλλες δημόσιες ανάγκες.Ένα παράδειγμα ευκαιριακού κόστους: Αν ένα πανεπιστήμιο διαθέσει το μεγαλύτερο μέρος του προϋπολογισμού του για να ιδρύσει ένα AI research center, πιθανότατα θα πρέπει να μειώσει τη χρηματοδότηση άλλων τμημάτων (π.χ. ανθρωπιστικών επιστημών ή βασικής έρευνας σε μαθηματικά χωρίς άμεση σχέση με AI). Η κοινωνία ίσως κερδίζει σε AI γνώση, αλλά χάνει πιθανώς σε άλλες γνώσεις ή καινοτομίες που θα προέκυπταν αλλιώς. Αυτή η ισορροπία είναι λεπτή: η AI παρουσιάζεται ως τεχνολογία γενικού σκοπού με πολλαπλασιαστικά οφέλη, οπότε πολλοί θεωρούν λογικό να επενδύουμε εκεί. Ωστόσο, επισημαίνεται ότι η υπερβολική μονοκαλλιέργεια επενδύσεων στην AI μπορεί να είναι ριψοκίνδυνη αν παραμελεί άλλες ανάγκες. Για παράδειγμα, το να δαπανηθούν δισεκατομμύρια σε chatbot για την εκπαίδευση αντί για πρόσληψη εκπαιδευτικών ή βελτίωση σχολικών υποδομών είναι μια απόφαση με ευκαιριακό κόστος: ίσως τα παιδιά χάνουν καλύτερη ανθρώπινη διδασκαλία που θα είχαν αν οι πόροι πήγαιναν εκεί. Εναλλακτικά εργαλεία και λύσεις Συγκεκριμένα στον τομέα της εκπαίδευσης και της υγείας: Αν στηριχτούμε υπέρμετρα στην AI για διδασκαλία (π.χ. chatbots που απαντούν σε μαθητές) ή για ιατρικές συμβουλές (diagnostic AIs), ενδέχεται να υπο-επενδύσουμε σε παραδοσιακές λύσεις. Το ευκαιριακό κόστος εδώ μπορεί να είναι η ποιότητα. Ένα παράδειγμα: Μια χώρα αποφασίζει να εισαγάγει AI δασκάλους βοηθούς στα σχολεία με μεγάλο κόστος, αντί να μειώσει τον αριθμό μαθητών ανά τάξη μέσω πρόσληψης εκπαιδευτικών. Αν οι AI βοηθοί αποδειχθούν λιγότερο αποτελεσματικοί από το να υπήρχε μικρότερη τάξη με ανθρώπινο εκπαιδευτικό, τότε οι μαθητές πλήρωσαν το ευκαιριακό κόστος, χάνοντας την πιθανώς καλύτερη εκπαίδευση που θα είχαν αλλιώς.Παρομοίως, στον ιατρικό τομέα, φανταστείτε ένα σύστημα υγείας που επενδύει τεράστια ποσά σε AI για διάγνωση ή chatbots για πρωτοβάθμια φροντίδα, αντί σε κλίνες νοσοκομείων ή εκπαίδευση γιατρών. Αν η AI δεν αποδώσει τα υποσχόμενα αποτελέσματα (π.χ. κάνει λάθη διαγνώσεων ή οι ασθενείς δεν την εμπιστεύονται), τότε θα έχουν χαθεί κρίσιμα χρόνια και πόροι που θα μπορούσαν να είχαν βελτιώσει αλλιώς το σύστημα υγείας.Επίσης, πρέπει να σκεφτούμε τις εναλλακτικές τεχνολογικές διαδρομές που ίσως θυσιάζονται. Η τρέχουσα AI βασίζεται σε τεράστια νευρωνικά δίκτυα και big data. Αν όλοι επικεντρώνονται εκεί, ίσως χάνεται η ευκαιρία να διερευνηθούν άλλες προσεγγίσεις στην ΤΝ (π.χ. συστήματα που είναι πιο μικρά, ή σε AI που απαιτεί λιγότερα δεδομένα, ή ακόμα και μη-AI λύσεις σε προβλήματα). Το ότι οι καλύτεροι ερευνητές παγκοσμίως έχουν στραφεί στο deep learning LLM σημαίνει λιγότερη έρευνα σε άλλους τομείς της επιστήμης των υπολογιστών. Είναι πιθανό ότι κάτι σημαντικό (π.χ. μια νέα αρχιτεκτονική αλγορίθμου ή ένα φάρμακο) καθυστερεί να ανακαλυφθεί επειδή οι καλύτεροι “εγκέφαλοι” μας είναι απορροφημένοι κυρίως από το hype της AI. Κόστος ευκαιρίας σε δημόσιο επίπεδο Σε επίπεδο κρατικής πολιτικής, τίθενται ερωτήματα: Εάν μια κυβέρνηση διαθέτει περιορισμένο προϋπολογισμό, πόσο να δώσει στην ανάπτυξη AI σε σχέση με άλλα ζητήματα; Για παράδειγμα, αν επενδύσει επιθετικά στην κατασκευή AI υποδομών, μπορεί να θυσιάζει επενδύσεις σε κοινωνική πρόνοια, κλιματική δράση ή παραδοσιακή βιομηχανική ανάπτυξη. Εδώ, το ρίσκο είναι ένα είδος μονόπλευρης εξέλιξης: Γίνεσαι μεν πρωτοπόρος στην AI (με τις συναφείς οικονομικές αποδόσεις), αλλά ίσως μένεις πίσω σε αυτοδυναμία τροφίμων ή σε πράσινη μετάβαση ή σε πολιτιστική ανάπτυξη. Για μικρότερες χώρες ειδικά, το δίλημμα είναι έντονο: να ακολουθήσουν τον αγώνα επενδύσεων στην AI (για να μην μείνουν τεχνολογικά πίσω) ή να εστιάσουν σε άλλες προτεραιότητες και να αποδεχτούν ότι θα στηριχτούν σε εισαγόμενη AI; Και οι δύο επιλογές έχουν ευκαιριακό κόστος.Επιπλέον, η κοινή γνώμη και η προσοχή αποτελούν επίσης ένα πεπερασμένο πόρο. Το τεράστιο ενδιαφέρον για την AI σημαίνει ότι πολιτικοί, ΜΜΕ, κοινό αφιερώνουν δυσανάλογο χρόνο σε αυτήν εις βάρος άλλων σοβαρών θεμάτων (όπως π.χ. οι υπαρκτές κοινωνικές ανισότητες, η κλιματική κρίση, γεωπολιτικές εντάσεις). Θα μπορούσε να ειπωθεί ότι υπάρχει ένα κόστος ευκαιρίας της προσοχής: όσο μιλάμε για τα ρίσκα και τις υποσχέσεις της AI, ίσως δεν μιλάμε αρκετά για άλλα προβλήματα. Αυτό μπορεί να οδηγήσει σε λανθασμένες προτεραιότητες.Εν κατακλείδι, το ευκαιριακό κόστος της εστίασης στα LLMs μπορεί να συνοψιστεί στο ερώτημα: “Τι άλλο θα μπορούσαμε να έχουμε κάνει με όλους αυτούς τους πόρους, αν δεν τους ξοδεύαμε στην AI;”. Δεν υπάρχει εύκολη ή σίγουρη απάντηση, αλλά η διερεύνηση του ερωτήματος αυτού είναι σημαντική ώστε να εξισορροπήσουμε τις επενδύσεις και τις πολιτικές μας. Η AI υπόσχεται μεγάλες αποδόσεις, όμως χρειάζεται να διασφαλίσουμε ότι η κατανομή πόρων δεν αφήνει κρίσιμα κενά αλλού, γιατί τότε το “κόστος ανά query” θα περιλαμβάνει και όλες τις χαμένες ευκαιρίες ανάπτυξης ή ευημερίας αλλού. Μακροπρόθεσμο κόστος Κοιτώντας προς το μέλλον, προκύπτουν ορισμένα μακροπρόθεσμα κόστη και διλήμματα σχετικά με την εκτενή χρήση της AI. Αυτά αφορούν τη βιωσιμότητα της συνεχούς κλιμάκωσης, τις γεωπολιτικές προεκτάσεις και τη συγκέντρωση ισχύος, καθώς και πιο αφηρημένα κόστη όπως η ενδεχόμενη εξάρτηση της ανθρωπότητας από την AI.Μέχρι τώρα, η πρόοδος στα LLMs έχει έρθει σε μεγάλο βαθμό μέσω της κλιμάκωσης: περισσότερα δεδομένα, περισσότερες παράμετροι, περισσότερη υπολογιστική ισχύς. Όμως αυτή η κλιμάκωση έχει οδηγήσει το κόστος σε εκθετική. Κάθε νέα γενιά μοντέλου έχει απαιτεί δυσανάλογα μεγαλύτερη υπολογιστική προσπάθεια και κόστος εκπαίδευσης από τον προκάτοχό του. Αυτό εγείρει το ερώτημα: είναι βιώσιμο να συνεχίσουμε να κλιμακώνουμε; Και αν ναι, ποιος θα πληρώσει το τίμημα;Εύκολα μπορεί να καταλάβει κάποιος, ότι το μακροπρόθεσμο κόστος της κλιμάκωσης μπορεί να αποδειχθεί δυσβάσταχτο. Ήδη, εταιρείες όπως η OpenAI στρέφονται σε βελτιώσεις αποδοτικότητας (π.χ. βελτιωμένοι αλγόριθμοι, βελτίωση hardware, χρήση τεχνικών όπως sparsity, LoRA κ.λπ.) για να αποκομίσουν περισσότερη “νοημοσύνη” χωρίς αντίστοιχο κόστος αύξησης. Ωστόσο, αν υποθέσουμε ότι για να επιτευχθεί τεχνητή γενική νοημοσύνη (AGI) χρειάζονται μοντέλα τάξεις μεγέθους μεγαλύτερα, αυτό θα απαιτήσει τεράστια ενεργειακά και οικονομικά κόστη. Η Τεχνητή Γενική Νοημοσύνη (AGI – Artificial General Intelligence) αναφέρεται σε ένα υποθετικό επίπεδο τεχνητής νοημοσύνης που διαθέτει την ικανότητα να κατανοεί, να μαθαίνει και να εφαρμόζει τη νοημοσύνη της σε ένα ευρύ φάσμα εργασιών, όπως ακριβώς ένας άνθρωπος, σε αντίθεση με την σημερινή ΤΝ που είναι εξειδικευμένη. Το κρίσιμο ερώτημα όμως είναι: Υπάρχει σημείο φθίνουσας απόδοσης; Δηλαδή, αν θα φτάσουμε σε σημείο όπου το παραπάνω κόστος δεν δικαιολογείται από την οριακή βελτίωση στην ποιότητα των μοντέλων. Πολλοί πιστεύουν πως υπάρχει, ενώ άλλοι ότι πλησιάζουμε σε αυτό το σημείο. Αν ισχύει κάτι τέτοιο, τότε προκύπτει το “κόστος εθισμού στην κλιμάκωση” , δηλαδή ο εθισμός μας να ξοδεύουμε ολοένα και περισσότερα για όλο και μικρότερα οφέλη.Ως ανθρωπότητα, πρέπει να αναλογιστούμε ποιο είναι το αποδοτικό όριο των πόρων που θα αφιερώσουμε στην AI. Υπάρχει ένας θεωρητικός κίνδυνος ότι σε κάποιο σενάριο, η AI βελτιώνεται μεν, αλλά το κόστος της (ενεργειακό, οικονομικό) μεγαλώνει γρηγορότερα, οδηγώντας σε ένα δυσμενές ισοζύγιο. Κάτι τέτοιο, θα ήταν αυτό αποδεκτό κοινωνικά; Πιθανότατα όχι, άρα υπάρχει ένα όριο στο πόσο μπορούμε να σπρώχνουμε προς τα πάνω τα κόστη ανά query προκειμένου να πάρουμε καλύτερες απαντήσεις. Γεωπολιτικά κόστη και αγώνας ισχύος Η Τεχνητή Νοημοσύνη έχει γίνει πεδίο γεωπολιτικού ανταγωνισμού. Οι χώρες αντιλαμβάνονται ότι όποιος προηγείται στην AI, έχει στρατηγικό και οικονομικό πλεονέκτημα (π.χ. πιο παραγωγική οικονομία, στρατιωτικές εφαρμογές AI, διεθνή επιρροή μέσω τεχνολογίας). Αυτό οδηγεί σε μια κούρσα εξοπλισμών (arms race) επικεντρωμένο στην AI. Το κόστος αυτής της κούρσας είναι πολυεπίπεδο. Οικονομικό/Ευκαιριακό Τεράστιοι κρατικοί πόροι δαπανώνται για να υποστηριχθούν οι εγχώριες AI βιομηχανίες. Η Κίνα επενδύει δεκάδες δισ. σε AI ετησίως, όπως και οι ΗΠΑ. Αυτά τα ποσά, όπως προαναφέρθηκε, είναι χρήματα που δεν θα πάνε σε άλλα κοινά αγαθά. Αν ο ανταγωνισμός ενταθεί, χώρες μπορεί να αρχίσουν να υπερεπενδύσουν φοβούμενες μη μείνουν πίσω, πράγμα που μακροπρόθεσμα θα μπορούσε να φέρει αστάθεια στις οικονομίες τους, ειδικά αν δημιουργηθεί και φούσκα AI (φαινόμενο όπου οι αποτιμήσεις και δαπάνες στην AI δεν αντικατοπτρίζουν πραγματική αξία, και κάποια στιγμή σκάσει, επιφέροντας κρίση). Ήδη, αναλυτές ανησυχούν ότι η έκρηξη data centers, εν μέρει χρηματοδοτούμενη από ιδιωτικό χρέος, θα μπορούσε να αποτελεί συστημικό κίνδυνο αν τα προσδοκώμενα έσοδα δεν υλοποιηθούν πραγματικά. Πολιτικός κίνδυνος Ο ανταγωνισμός για την πρωτιά στην AI μπορεί να οδηγήσει σε μείωση συνεργασίας διεθνώς. Αντί οι χώρες να συνεργάζονται για παγκόσμια προβλήματα (κλίμα, υγεία), μπορεί να εγκλωβιστούν σε μια λογική “ο νικητής τα παίρνει όλα” και να επιζητούν τέτοιες πολιτικές. Αυτό είναι κόστος ευκαιρίας για την ανθρωπότητα. Αντί να λύσουμε συλλογικά υπαρκτά προβλήματα, διοχετεύουμε ενέργεια στον τεχνολογικό ανταγωνισμό. Σε πιο ακραίο επίπεδο, η AI μπορεί να ενταχθεί και στην πολεμική τεχνολογία (autonomous weapons, κυβερνοπόλεμος). Αυξάνεται έτσι ο κίνδυνος αστάθειας και σύγκρουσης, κάτι το οποίο είναι ανυπολόγιστου κόστους. Ίσως για κάποιους να υπάρχει η ανησυχία ότι αυτόνομοι αλγόριθμοι θα μπορούσαν να λαμβάνουν επιθετικές αποφάσεις πολύ ταχύτερα απ’ ό,τι μπορούν οι άνθρωποι να αντιδράσουν (π.χ. στον κυβερνοχώρο ή ακόμα και στον στρατιωτικό τομέα), οδηγώντας σε κλιμακώσεις. Συγκέντρωση ισχύος Γεωπολιτικά, διαφαίνεται μια συγκέντρωση τεχνολογικής ισχύος στις ΗΠΑ και στην Κίνα. Χώρες που δεν θα αναπτύξουν τις δικές τους δυνατότητες AI θα εξαρτώνται από αυτές που έχουν, καθιστώντας τες ευάλωτες σε οικονομική και πολιτική επιρροή. Για παράδειγμα, αν όλα τα προηγμένα μοντέλα ανήκουν σε 2-3 εταιρείες μιας χώρας, οι υπόλοιποι θα πρέπει να πληρώνουν αδειοδοτήσεις ή να υπόκεινται στους όρους που θέτουν αυτές οι εταιρείες. Αυτό το ολιγοπώλιο μπορεί να έχει κόστος καινοτομίας (λιγότερος ανταγωνισμός, υψηλότερες τιμές σε AI υπηρεσίες) αλλά και κόστος εθνικής κυριαρχίας για πολλές χώρες που δεν θα έχουν λόγο στην εξέλιξη της τεχνολογίας. Ήδη, η αξία εταιρειών όπως η NVIDIA (βασικός προμηθευτής hardware) έχει εκτοξευθεί. Η OpenAI αξίζει εκατοντάδες δισεκατομμύρια, ενώ η Google και η Microsoft τρισεκατομμύρια. Αυτή η συγκέντρωση κεφαλαίου είναι πρωτοφανής για την ανθρωπότητα, και αν μεταφραστεί και σε τεχνολογικό έλεγχο, αποτελεί μια μορφή ισχύος που μπορεί να επηρεάσει γεωπολιτικές ισορροπίες. Το κόστος μιας τέτοιας συγκέντρωσης μπορεί να είναι η περιορισμένη πρόσβαση ή η περιορισμένη φωνή των μικρότερων παικτών στις αποφάσεις. Εξάρτηση και απώλεια δεξιοτήτων Ένα πιο φιλοσοφικό μακροπρόθεσμο κόστος είναι η πιθανότητα η κοινωνία να γίνει εξαρτημένη από την AI σε βαθμό που να αποδυναμώσει ανθρώπινες ικανότητες ή θεσμούς. Αν κάθε φορά που πρέπει να πάρουμε μια απόφαση στρεφόμαστε σε μια AI, ίσως με τα χρόνια ατροφεί η ικανότητά μας για κριτική σκέψη ή δημιουργικότητα. Αν οι γιατροί βασίζονται πλήρως σε AI για διαγνώσεις, μπορεί να χαθεί η τέχνη της κλινικής διάγνωσης. Αν οι οδηγοί βασίζονται σε αυτόνομα συστήματα, μπορεί να χάσουν την ικανότητα να αντιδρούν σε δύσκολες καταστάσεις του δρόμου. Αυτές οι απώλειες δεξιοτήτων και γνώσης είναι αόρατες βραχυπρόθεσμα αλλά δυνητικά σημαντικές μακροπρόθεσμα. Η ανθρώπινη κοινωνία ιστορικά έχει περάσει βασικές καθοριστικές γνώσεις και δουλειές σε μηχανές (π.χ. αριθμητικός υπολογισμός σε κομπιούτερ), γεγονός που απελευθέρωσε χρόνο για άλλες δημιουργικές ασχολίες. Η διαφορά με την σύγχρονη AI είναι ότι διεκδικεί να αναλάβει γνωστικές εργασίες υψηλού επιπέδου. Εάν αφεθούμε και σε άλλους τομείς, παραδείγματος χάριν, στο να παίρνει η AI δικαστικές αποφάσεις ή να διαμορφώνει πολιτικές, το κόστος μπορεί να είναι η απώλεια του ανθρωποκεντρικού χαρακτήρα των θεσμών μας, κάτι που ανοίγει πολύ βαθιά ηθικά ερωτήματα. Υπαρξιακά και ασαφή ρίσκα Τέλος, σε πιο θεωρητικό επίπεδο, μερικοί στοχαστές μιλούν για υπαρξιακό κόστος/ρίσκο από την AI. Δηλαδή την πιθανότητα η ανεξέλεγκτη ανάπτυξή της να οδηγήσει σε σενάρια καταστροφικά (π.χ. μια εξαιρετικά προηγμένη AI να ενεργήσει με τρόπους επιζήμιους για την ανθρωπότητα). Αν και αυτά τα σενάρια είναι εικαστικά, έχουν προταθεί ως λόγος για να επιβραδύνουμε αυτή την ανάπτυξη (cost of scaling too fast). Αν και αυτά παραμένουν θεωρητικά, αξίζει να αναφερθούν ως μέρος των “κρίσιμων ερωτημάτων”: δηλαδή, πόσο ρίσκο είμαστε διατεθειμένοι να αναλάβουμε και για ποια οφέλη. Διότι το ρίσκο μπορεί να ιδωθεί ως μια μορφή κόστους: το αναμενόμενο κόστος μιας χαμηλής πιθανότητας αλλά υψηλού αντικτύπου καταστροφής.Πρακτικότερα, υπάρχει και το κόστος ρυθμιστικής αβεβαιότητας στο μακροπρόθεσμο: Εάν δεν θεσπιστούν κατάλληλοι κανονισμοί και πρότυπα για την AI, οι κοινωνίες μπορεί να υποστούν ζημίες προτού αντιδράσουν. Από την άλλη, αν θεσπιστούν υπερβολικά αυστηροί ή εσφαλμένοι κανονισμοί, ίσως πληρώσουμε το τίμημα της καταστολής της καινοτομίας. Το να βρούμε αυτή την ισορροπία έχει σημασία, διότι είτε η μια είτε η άλλη υπερβολή συνιστούν μακροπρόθεσμα κόστη (είτε ως ζημιές από ανεξέλεγκτες χρήσεις, είτε ως χαμένες ωφέλειες). Σύνοψη μακροπρόθεσμων προβληματισμών Συνολικά, τα μακροπρόθεσμα κόστη της AI συμπεριλαμβάνουν: την πιθανότητα μη βιώσιμης πορείας όπου κάθε βήμα βελτίωσης απαιτεί τεράστιο κόστος, τον κίνδυνο παγίδευσης σε μια γεωπολιτική κούρσα που αποσπά από άλλους στόχους και μπορεί να φέρει αστάθεια, την διαρκή μεταβίβαση δύναμης σε λίγους φορείς, και την ενδεχόμενη έκπτωση ανθρώπινων στοιχείων στην κοινωνία (αυτονομία, δεξιότητες, αξίες). Αυτά είναι τα “κρυφά” κόστη ανά query, όταν εμείς απλά λαμβάνουμε μια βολική απάντηση από το ChatGPT. Ίσως δεν τα σκεφτόμαστε, αλλά σε μεγάλο βάθος χρόνου είναι μέρος του συνολικού ισοζυγίου κόστους-οφέλους που αφορά τη χρήση τέτοιων εργαλείων. Συμπεράσματα Η χρήση της Τεχνητής Νοημοσύνης, ειδικά των μεγάλων γλωσσικών μοντέλων, δεν είναι δωρεάν. Αντίθετα, συνοδεύεται από ένα περίπλοκο πλέγμα κόστους που εκτείνεται σε πολλούς άξονες. Προσπαθώντας να υπολογίσουμε το “κόστος ανά ερώτημα” μιας AI, ανακαλύπτουμε ότι αυτό το φαινομενικά απλό ερώτημα απαιτεί μια πολύπλευρη ανάλυση.Σε καθαρά οικονομικούς όρους, κάθε query κοστίζει κάποιο κλάσμα του σεντ σε υπολογιστικούς πόρους, αλλά προστιθέμενο σε εκατομμύρια queries την ημέρα οδηγεί σε δεκάδες ή εκατοντάδες χιλιάδες δολάρια κόστος ημερησίως για τους παρόχους. Η υποδομή πίσω από αυτά τα μοντέλα κοστίζει δισεκατομμύρια για να στηθεί και διαρκώς ώστε να αναβαθμίζεται, κόστος που τελικά περνά στους χρήστες (άμεσα ή έμμεσα). Ήδη το επιχειρηματικό μοντέλο υπηρεσιών AI (freemium ή επί πληρωμή) αντανακλά το κόστος αυτό.Το περιβαλλοντικό κόστος αποκαλύπτει ότι η AI δεν είναι άυλη: καίει ρεύμα, εκπέμπει CO₂, ζεσταίνει νερά και απαιτεί υλικά. Αν και η βελτίωση αποδοτικότητας έχει μειώσει το ενεργειακό αποτύπωμα ανά query, η κλίμακα χρήσης πολλαπλασιάζει την συνολική επίπτωση. Η βιωσιμότητα της AI θα εξαρτηθεί από το αν μπορούμε να καλύψουμε αυτές τις ανάγκες με καθαρή ενέργεια και αποδοτικούς σχεδιασμούς. Αλλιώς, υπάρχει κίνδυνος η AI να γίνει ένας νέος σημαντικός ρυπαντής ή ανταγωνιστής για πόρους (ρεύμα, νερό) σε έναν πλανήτη ήδη υπό πίεση.Σε επίπεδο υποδομών, το κόστος είναι τεράστιο αλλά και αναγκαίο: οι κοινωνίες επενδύουν σε αυτή τη “νέα ηλεκτρική ενέργεια” που είναι η AI. Ωστόσο, πρέπει να προσέξουμε τη φούσκα: αν οι επενδύσεις καθοδηγούνται μόνο από αισιοδοξία χωρίς ρεαλιστική εκτίμηση αποδόσεων, μπορεί να δούμε οικονομικές αναταράξεις, κάτι που θα πληρώσουν ευρύτερα οι πολίτες.Το κοινωνικό και ηθικό κόστος μας θυμίζει ότι κάθε τεχνολογική επανάσταση φέρνει νικητές και χαμένους. Εδώ, οι χαμένοι θα μπορούσαν να είναι όσοι δεν έχουν πρόσβαση, όσοι χάνουν τη δουλειά τους και πρέπει να επανεφεύρουν τον εαυτό τους, ή όσοι γίνουν θύματα παραπληροφόρησης και χειραγώγησης. Αυτά τα κόστη δεν είναι τεχνικά, αλλά ανθρώπινα. Η αντιμετώπισή τους απαιτεί πολιτικές και κοινωνικές πρωτοβουλίες: εκπαίδευση ψηφιακού γραμματισμού (για να αναγνωρίζει κανείς AI-generated ψεύδη), δίκτυα ασφαλείας για εργαζόμενους, διεθνή συνεργασία για να μην μείνει κανείς πίσω (π.χ. ανοικτά μοντέλα που μπορούν να υιοθετήσουν και φτωχότερες χώρες).Το ευκαιριακό κόστος επισημαίνει τη σημασία ισορροπίας: η AI είναι σαγηνευτική και πολλά υποσχόμενη, αλλά ο κόσμος έχει και άλλες ανάγκες. Δεν πρέπει η λάμψη της να μας τυφλώσει και να ξεχάσουμε βασικά καθήκοντα, όπως το να βελτιώνουμε τα συστήματα υγείας και παιδείας μας με ανθρώπινους τρόπους μέχρι να επενδύουμε σε κλασικές υποδομές ή στην κλιματική δράση. Η πρόκληση για τους ηγέτες είναι να βρουν πού η AI δίνει πράγματι την καλύτερη απόδοση για την κοινωνία και πού όχι, ώστε να κατανείμουν αναλόγως τους πόρους.Τέλος, τα μακροπρόθεσμα ζητήματα μας αναγκάζουν να σκεφτούμε στρατηγικά: Ποιο μέλλον με την AI θέλουμε; Ένα μέλλον όπου αυτή θα είναι ένας παντοδύναμος αλλά αδιαφανής μοχλός σε κάθε πλευρά της ζωής; Ή ένα μέλλον όπου η AI θα είναι εργαλείο, αλλά με τον άνθρωπο στο τιμόνι; Οι αποφάσεις που παίρνουμε σήμερα (για ρυθμίσεις, για επενδύσεις, για συνεργασία ή ανταγωνισμό) θα καθορίσουν σε μεγάλο βαθμό αν η AI θα μας υπηρετεί ή αν άθελά μας θα υπηρετούμε εμείς αυτήν.Συνοψίζοντας με έναν πολυδιάστατο “ορισμό”, το «κόστος χρήσης της AI» ανά query είναι το άθροισμα: του χρηματικού κόστους σε υποδομές και ενέργεια, του περιβαλλοντικού αποτυπώματος που αφήνει, του κόστους στη διατήρηση και ανανέωση υλικού, του κοινωνικού κόστους σε εργασία, αλήθεια και ισότητα, του κόστους ευκαιρίας να μην επενδύουμε σε κάτι άλλο, και των δυνητικών μελλοντικών κόστους αν δεν χαράξουμε σωστή πορεία.Για κάθε ερώτηση που απαντά ένα LLM, στο παρασκήνιο “ξοδεύονται” kilowatt, πολύτιμο νερό, ακριβά μικροτσίπ, ανθρώπινη εργασία χιλιάδων ωρών που το έφτιαξε, και ίσως διακυβεύονται κοινωνικές αξίες. Αν γνωρίζουμε αυτά τα κόστη, μπορούμε συνειδητά να εργαστούμε στο να ελαχιστοποιήσουμε τα αρνητικά (με αποδοτικότερη, πιο πράσινη AI, με δίκαιη πρόσβαση, με θεσμικές ασφαλιστικές δικλείδες) και να μεγιστοποιήσουμε τα οφέλη που η AI υπόσχεται. Η τεχνητή νοημοσύνη μπορεί να φέρει ανυπολόγιστα οφέλη, αλλά αυτά δεν έρχονται “δωρεάν”. Το “τίμημα” υπάρχει, και είναι ευθύνη όλων μας να διασφαλίσουμε ότι αξίζει τον κόπο να το πληρώσουμε. *Ο Γεράσιμος Τζιβράς είναι προγραμματιστής, καθηγητής στην Τριτοβάθμια Εκπαίδευση και υποψήφιος διδάκτορας του Τμήματος Πληροφορικής και Τηλεπικοινωνιών του Πανεπιστημίου Πελοποννήσου, με αντικείμενο τις Προσαρμοστικές Διεπαφές Χρήστη. Η ερευνητική του εργασία επικεντρώνεται στη μοντελοποίηση της προβλεπτικής συμπεριφοράς χρηστών και στον δυναμικό επανασχεδιασμό διεπαφών με τη βοήθεια τεχνητής νοημοσύνης με στόχο τη δημιουργία πιο προσωποποιημένων και λειτουργικών εμπειριών χρήσης. https://www.naftemporiki.gr/techscience/2059944/to-polydiastato-kostos-chrisis-tis-technitis-noimosynis/

Ο Δίας διαθέτει περισσότερο οξυγόνο από τον Ήλιο. Νέα πολύτιμα στοιχεία που σχετίζονται με το σχηματισμό του ηλιακού μας συστήματος. Βαθιά κάτω από τους θυελλώδεις ουρανούς του Δία κρύβεται ένα κρίσιμο στοιχείο για το πώς σχηματίστηκαν όλοι οι πλανήτες του ηλιακού μας συστήματος.Σε μια νέα μελέτη επιστήμονες χρησιμοποίησαν προηγμένα υπολογιστικά μοντέλα για να «κοιτάξουν» κάτω από τα πυκνά, στροβιλιζόμενα σύννεφα του Δία και να απαντήσουν σε ένα ερώτημα που απασχολεί την επιστημονική κοινότητα εδώ και δεκαετίες: πόσο οξυγόνο περιέχει πραγματικά ο γίγαντας αερίων; Η μελέτη δείχνει ότι ο Δίας διαθέτει περίπου μιάμιση φορά περισσότερο οξυγόνο από τον Ήλιο γεγονός που βοηθά να εξηγηθεί όχι μόνο η προέλευσή του αλλά και η πρώιμη ιστορία του Ηλιακού Συστήματος.«Δείχνει πραγματικά πόσα πολλά έχουμε ακόμη να μάθουμε για τους πλανήτες, ακόμη και στο ίδιο μας το ηλιακό σύστημα» δήλωσε η Τζιχιούν Γιάνγκ μεταδιδακτορική ερευνήτρια στο Πανεπιστήμιο του Σικάγο, επικεφαλής συγγραφέας της μελέτης. Παρατηρήσεις που εκτείνονται σε περισσότερα από 360 χρόνια δείχνουν ότι η ατμόσφαιρα του Δία κυριαρχείται από τεράστιες και μακρόβιες καταιγίδες όπως η εμβληματική Μεγάλη Ερυθρά Κηλίδα η οποία είναι έχει έκταση μεγαλύτερη από τη Γη.Ωστόσο η άμεση μέτρηση της βαθιάς ατμόσφαιρας του Δία είναι εξαιρετικά δύσκολη. Διαστημικές αποστολές όπως το Juno της NASA μπορούν να μελετήσουν το βαρυτικό και μαγνητικό πεδίο του πλανήτη, ενώ παλαιότερες αποστολές έχουν συλλέξει δεδομένα μόνο από τα ανώτερα στρώματα αερίων. Το οξυγόνο όμως στον Δία είναι κυρίως «κλειδωμένο» στο νερό το οποίο συμπυκνώνεται πολύ βαθιά κάτω από τα ορατά νέφη πέρα από την εμβέλεια των οργάνων που βρίσκονται σε τροχιά γύρω από τον πλανήτη. Τα μοντέλα Για να ξεπεράσουν αυτό το εμπόδιο ερευνητές από το Πανεπιστήμιο του Σικάγο και το Εργαστήριο Αεριώθησης της NASA (το περίφημο JPL) ανέπτυξαν τις πιο λεπτομερείς προσομοιώσεις της εσωτερικής ατμόσφαιρας του Δία. Τα μοντέλα τους συνδυάζουν την ατμοσφαιρική χημεία με την υδροδυναμική παρακολουθώντας όχι μόνο ποια μόρια υπάρχουν αλλά και πώς τα αέρια και τα σωματίδια των νεφών κινούνται μέσα στον πλανήτη με την πάροδο του χρόνου.Αυτός ο συνδυασμός αποδείχθηκε καθοριστικός. Προηγούμενες μελέτες συχνά εξέταζαν ξεχωριστά τη χημεία και την κίνηση της ατμόσφαιρας οδηγώντας σε πολύ διαφορετικές εκτιμήσεις για την ποσότητα νερού και οξυγόνου στο Δία. Με το νέο μοντέλο φαίνεται πώς οι υδρατμοί, τα νέφη και οι χημικές αντιδράσεις αλληλεπιδρούν καθώς το υλικό κυκλοφορεί αργά από τα βαθιά, θερμά στρώματα προς τα ψυχρότερα ανώτερα επίπεδα.Τα αποτελέσματα δείχνουν ότι ο Δίας περιέχει περίπου 1,5 φορές περισσότερο οξυγόνο από τον Ήλιο. Αυτό υποστηρίζει θεωρίες σχηματισμού σύμφωνα με τις οποίες ο Δίας μεγάλωσε συγκεντρώνοντας παγωμένο υλικό νωρίς στην ιστορία του Ηλιακού Συστήματος, πιθανότατα κοντά ή πέρα από τη λεγόμενη «γραμμή πάγου», όπου το νερό υπήρχε άφθονο σε στερεή μορφή. Ο σχηματισμός σε τόσο μεγάλη απόσταση από τη θερμότητα του Ήλιου θα επέτρεπε στον Δία να ενσωματώσει περισσότερο υλικό πλούσιο σε οξυγόνο, παγιδευμένο σε παγωμένο νερό, απ’ ό,τι ο ίδιος ο Ήλιος.Οι προσομοιώσεις υποδεικνύουν επίσης ότι η κυκλοφορία της βαθιάς ατμόσφαιρας του Δία είναι πιο αργή απ’ ό,τι πιστευόταν μέχρι σήμερα, με τα αέρια να χρειάζονται εβδομάδες και όχι ώρες για να μετακινηθούν μεταξύ διαφορετικών στρωμάτων. Αυτή η διαπίστωση θα μπορούσε να αλλάξει την κατανόηση των επιστημόνων για το πώς αλληλεπιδρούν η θερμότητα, οι καταιγίδες και η χημεία στο εσωτερικό του πλανήτη.Οι πλανήτες διατηρούν χημικά «αποτυπώματα» των περιβαλλόντων μέσα στα οποία σχηματίστηκαν, λειτουργώντας σαν χρονοκάψουλες της πλανητικής ιστορίας. Η κατανόηση των συνθηκών που οδηγούν στη δημιουργία διαφορετικών τύπων πλανητών δεν διαφωτίζει μόνο την εξέλιξη του Ηλιακού Συστήματος, αλλά βοηθά και στην αναζήτηση κατοικήσιμων κόσμων πέρα από αυτό. Υπάρχει εξωπλανήτης 18 φορές μεγαλύτερος από τον εικονιζόμενο Δία. https://www.naftemporiki.gr/techscience/2059941/o-dias-diathetei-perissotero-oxygono-apo-ton-ilio/

Γιατί ο χώρος έχει τρεις διαστάσεις; Γιατί να μην έχει δύο, ή τέσσερις, ή επτά; Διότι αν συνέβαινε κάτι τέτοιο, τότε η φυσική δεν θα λειτουργούσε σωστά(*) Ένα πρόβλημα είναι ότι τα ηλιακά συστήματα δεν είναι σταθερά σε περισσότερες από τρεις διαστάσεις. Το δεύτερο (παρόμοιο) πρόβλημα είναι ότι ούτε τα άτομα θα ήταν σταθερά. Η εξίσωση Schrödinger για το άτομο του υδρογόνου δίνει δεσμευμένες καταστάσεις μόνο σε τρεις διαστάσεις.Ακόμη ένα κβαντικό πρόβλημα είναι ότι το Καθιερωμένο Πρότυπο της σωματιδιακής φυσικής λειτουργεί μόνο σε ακριβώς τρεις χωρικές διαστάσεις. Βασίζεται στην κβαντική θεωρία πεδίου, όπου τα σωματίδια μπορούν να υποστούν άπειρες εικονικές διεργασίες. Οι υπολογισμοί στην κβαντική θεωρία πεδίου συνήθως οδηγούν σε άπειρα αποτελέσματα. Σε τρεις διαστάσεις, αυτά τα άπειρα μπορούν να απορροφηθούν σε έναν πεπερασμένο αριθμό μετρήσιμων σταθερών, μέσω μιας διαδικασίας που λέγεται επανακανονικοποίηση, κάτι που δεν συμβαίνει σε περισσότερες ή λιγότερες διαστάσεις.Επιπλέον, υπάρχει και το ζήτημα της πολυπλοκότητας. Η χαοτική δυναμική σε συνεχή χρόνο απαιτεί τουλάχιστον τρεις διαστάσεις. Σε λιγότερες διαστάσεις το χάος δεν είναι δυνατό, ενώ σε περισσότερες γίνεται υπερβολικά έντονο.Συνοψίζοντας, οι τρεις διαστάσεις απαιτούνται για να έχουμε σταθερές πλανητικές τροχιές, σταθερά άτομα, ένα συνεπές Καθιερωμένο Πρότυπο και πολυπλοκότητα στο όριο του χάους. Ίσως λοιπόν ο χώρος να έχει τρεις διαστάσεις επειδή μόνο τότε μπορούν να υπάρξουν παρατηρητές που να θέσουν την ερώτηση. περισσότερες λεπτομέρειες στο βίντεο που ακολουθεί: (*) Ο φυσικός που δημοσίευσε για πρώτη φορά επιστημονική εργασία με σκοπό να εξηγήσει γιατί ζούμε σε τρεις διαστάσεις ήταν ο Paul Ehrenfest(*). Η εργασία του είχε τίτλο «In that way does it become manifest in the fundamental laws of physics that space has three dimensions?» . Ο Paul Ehrenfest ανήκε στην περίφημη Σχολή της Κοπεγχάγης και η συμβολή του στην θεμελίωση της κβαντικής φυσικής ήταν πολύ σημαντική. Όμως το τέλος του ήταν τραγικό. Στις 25 Σεπτεμβρίου του 1933 έφτασε στο Άμστερνταμ, για να επισκεφτεί τον μικρότερο γιό του Βάσικ, που βρισκόταν σε ίδρυμα για παιδιά με σοβαρή νοητική καθυστέρηση. Καθώς έπασχε από βαριά μορφή κατάθλιψης αποφάσισε ότι ο γιός του έπρεπε να απαλλαγεί από τη δυστυχία του ταυτόχρονα με τον ίδιο. Έτσι ο Ehrenfest τον πήγε σε ένα γειτονικό πάρκο, έβγαλε το περίστροφο και πυροβόλησε πρώτα τον Βάσικ και στη συνέχεια τον εαυτό του. Ο γιος δεν πέθανε, αλλά έχασε την όρασή του από τη σφαίρα, ενώ ο θάνατος του πατέρα ήταν ακαριαίος.

Η εκτόξευση Dragon του Crew-11 της SpaceX της NASA στις 3:41 π.μ. EST Στις 3:41 π.μ. EST, το διαστημόπλοιο SpaceX Dragon, που μετέφερε τους αστροναύτες της NASA  Ζένα Κάρντμαν  και Μάικ Φίνκε, την αστροναύτη της JAXA (Ιαπωνική Υπηρεσία Αεροδιαστημικής Εξερεύνησης) Κίμια Γιούι και τον κοσμοναύτη της Roscosmos Όλεγκ Πλατόνοφ, προσγειώθηκε στα ανοικτά των ακτών του Σαν Ντιέγκο της Καλιφόρνια. Αυτό ολοκληρώνει μια παραμονή 167 ημερών στο διάστημα για το τετραμελές πλήρωμα. Η αποστολή επέστρεψε στη Γη νωρίτερα από το αρχικά προγραμματισμένο , καθώς οι ομάδες παρακολούθησαν ένα ιατρικό πρόβλημα που αφορούσε ένα μέλος του πληρώματος που ζούσε και εργαζόταν στο τροχιακό εργαστήριο. Το μέλος του πληρώματος είναι σε σταθερή κατάσταση. Ομάδες που βρίσκονται στο πλοίο ανάκτησης, συμπεριλαμβανομένων δύο γρήγορων σκαφών, ασφαλίζουν το SpaceX Dragon και διασφαλίζουν ότι το διαστημόπλοιο είναι ασφαλές για την προσπάθεια ανάκτησης. Καθώς οι ομάδες γρήγορων σκαφών ολοκληρώνουν το έργο τους, το πλοίο ανάκτησης θα μετακινηθεί στη θέση του για να ανυψώσει το Dragon στο κύριο κατάστρωμα με τους αστροναύτες μέσα. Μόλις βρεθεί στο κύριο κατάστρωμα, το πλήρωμα θα αποβιβαστεί από το διαστημόπλοιο. Η NASA είχε ανακοινώσει προηγουμένως ότι και τα τέσσερα μέλη του πληρώματος θα μεταφερθούν σε τοπικό νοσοκομείο για πρόσθετη αξιολόγηση, αξιοποιώντας τους ιατρικούς πόρους στη Γη για να παρέχει την καλύτερη δυνατή φροντίδα. Μετά από μια προγραμματισμένη διανυκτέρευση στο νοσοκομείο, το πλήρωμα θα επιστρέψει στο Διαστημικό Κέντρο Τζόνσον της NASA στο Χιούστον, όπου θα επανενωθεί με τις οικογένειές του και θα υποβληθεί σε τυπική αποκατάσταση και αξιολογήσεις μετά την πτήση. Λόγω του ιατρικού απορρήτου, δεν είναι σκόπιμο για τη NASA να κοινοποιήσει περισσότερες λεπτομέρειες σχετικά με το μέλος του πληρώματος. Η NASA θα διοργανώσει μια συνέντευξη Τύπου μετά την εκτόξευση νερού στις 5:45 π.μ. στο NASA+, το Amazon Prime και το κανάλι του οργανισμού στο YouTube , με τους ακόλουθους συμμετέχοντες: Ο διαχειριστής της NASA Jared Isaacman Τζόελ Μονταλμπάνο, αναπληρωτής αναπληρωτής διευθυντής, Διεύθυνση Αποστολών Διαστημικών Επιχειρήσεων της NASA Μάθετε περισσότερα για την αποστολή ακολουθώντας το ιστολόγιο του εμπορικού πληρώματος , @NASASpaceOps και @space_station στο X, καθώς και τους λογαριασμούς του Διεθνούς Διαστημικού Σταθμού στο Facebook και το Instagram . Το διαστημόπλοιο SpaceX Crew-11 Dragon της NASA βυθίζεται στον Ειρηνικό Ωκεανό την Πέμπτη 15 Ιανουαρίου 2025. Η Αποστολή 74 Συνεχίζεται Μετά την Επιστροφή του Πληρώματος-11 στη Γη. Τρία μέλη του πληρώματος της Αποστολής 74 εξακολουθούν να διαμένουν στον Διεθνή Διαστημικό Σταθμό, μετά την επιστροφή στη Γη της αποστολής SpaceX Crew-11 της NASA την Πέμπτη . Το τρίο σε τροχιά θα διεξάγει έρευνα και συντήρηση εν αναμονή της άφιξης τεσσάρων νέων μελών του πληρώματος, η οποία έχει προγραμματιστεί για τον Φεβρουάριο.Οι αστροναύτες της NASA, Ζένα Κάρντμαν και Μάικ Φίνκε , και η αστροναύτης της JAXA (Ιαπωνική Υπηρεσία Αεροδιαστημικής Εξερεύνησης) Κίμια Γιούι και ο κοσμοναύτης της Roscosmos, Όλεγκ Πλατόνοφ, επέστρεψαν στη Γη, συμπληρώνοντας 167 ημέρες στο διάστημα. Η τετράδα του Crew-11 επέστρεψε στη Γη με ένα SpaceX Dragon για μια προσεδάφιση με αλεξίπτωτο στα ανοικτά των ακτών της Καλιφόρνια, μόλις δέκαμιση ώρες μετά την αποδέσμευσή τους από τη μονάδα Harmony του σταθμού .Εν τω μεταξύ, ο μηχανικός πτήσης της NASA, Κρις Γουίλιαμς, μαζί με τον διοικητή του σταθμού Σεργκέι Κουντ-Σβερτσκόφ και τον μηχανικό πτήσης Σεργκέι Μικάεφ, βρίσκονται στο τροχιακό φυλάκιο και θα παραμείνουν στο διάστημα μέχρι το καλοκαίρι. Το τρίο έφτασε την Ημέρα των Ευχαριστιών πέρυσι με το διαστημόπλοιο Soyuz MS-28, ξεκινώντας μια οκτάμηνη διαστημική ερευνητική αποστολή.Ο Γουίλιαμς πέρασε την Παρασκευή μέσα στον αεροθάλαμο Quest , αποσυναρμολογώντας ένα ζευγάρι διαστημικών στολών που είχαν στηθεί για τον διαστημικό περίπατο της περασμένης εβδομάδας πριν αναβληθεί . Καθάρισε και ξέπλυνε τους εσωτερικούς βρόχους ψύξης νερού των στολών που ρυθμίζουν τη θερμοκρασία του σώματος ενός διαστημικού περιπατητή. Στη συνέχεια, απενεργοποίησε και επιθεώρησε τις στολές, και στη συνέχεια απεγκατέστησε το υλικό, τα εξαρτήματα και τις μπαταρίες της στολής.Ο Μικάεφ εγκατέστησε υλικό παρατήρησης της Γης και το προγραμμάτισε ώστε να φωτογραφίζει αφρικανικά ορόσημα από την έρημο Ναμίμπ της Ναμίμπια μέχρι τον κρατήρα Ναμπιγιότουμ της Κένυας στο νότιο άκρο της λίμνης Τουρκάνα. Ο Κουντ-Σβερτσκόφ επισκεύασε τη γεννήτρια οξυγόνου Elektron μέσα στη μονάδα σέρβις Zvezda και στη συνέχεια κατέγραψε τη θέση του υλικού που ήταν αποθηκευμένο σε όλο το τμήμα Roscosmos του σταθμού.Πίσω στη Γη, τα μέλη του Crew-12 της SpaceX της NASA προσβλέπουν στον επόμενο μήνα, όταν πρόκειται να εκτοξευθούν με έναν πύραυλο SpaceX Falcon 9 σε ένα διαστημόπλοιο πληρώματος Dragon και να συμμετάσχουν στην Αποστολή 74. Το Crew-12 θα έχει ως κυβερνήτη την Jessica Meir και θα πιλοτάρεται από τον Jack Hathaway , και οι δύο αστροναύτες της NASA, με την Sophie Adenot της ESA (Ευρωπαϊκή Υπηρεσία Διαστήματος) και τον Andrey Fedyaev της Roscosmos να υπηρετούν ως ειδικοί της αποστολής. Η NASA, η SpaceX και οι διεθνείς εταίροι εργάζονται για να προωθήσουν την εκτόξευση του Crew-12, η οποία έχει προγραμματιστεί για την Κυριακή 15 Φεβρουαρίου , μετά την πρόωρη αναχώρηση του Crew-11. Μάθετε περισσότερα για τις δραστηριότητες του διαστημικού σταθμού ακολουθώντας το ιστολόγιο του διαστημικού σταθμού , @space_station στο X, καθώς και τους λογαριασμούς του ISS στο Facebook και στο Instagram . https://www.nasa.gov/blogs/spacestation/2026/01/16/expedition-74-continues-after-crew-11-returns-to-earth/ Τα μέλη του πληρώματος της Αποστολής 74 (από αριστερά) ο αστροναύτης της NASA, Κρις Γουίλιαμς, και οι κοσμοναύτες της Roscosmos, Σεργκέι Κουντ-Σβερτσκόφ και Σεργκέι Μικάεφ, ποζάρουν για ένα πορτρέτο στο Διαστημικό Κέντρο Τζόνσον της NASA στο Χιούστον του Τέξας.

Το Άλμπουμ του Hubble με τους Δίσκους Σχηματισμού Πλανητών. Αυτή η συλλογή νέων εικόνων που τραβήχτηκαν από το Διαστημικό Τηλεσκόπιο Hubble της NASA παρουσιάζει πρωτοπλανητικούς δίσκους, τις στροβιλιζόμενες μάζες αερίου και σκόνης που περιβάλλουν τα σχηματιζόμενα αστέρια, τόσο σε ορατά όσο και σε υπέρυθρα μήκη κύματος. Μέσω παρατηρήσεων νεαρών αστρικών αντικειμένων όπως αυτά, το Hubble βοηθά τους επιστήμονες να κατανοήσουν καλύτερα πώς σχηματίζονται τα αστέρια.Αυτές οι εικόνες ορατού φωτός απεικονίζουν σκοτεινούς δίσκους σκόνης που σχηματίζουν πλανήτες γύρω από ένα κρυφό, νεοαναπτυσσόμενο αστέρι, που ονομάζεται πρωτοαστέρας. Διπολικοί πίδακες ταχέως κινούμενων αερίων, που ταξιδεύουν με περίπου 93 μίλια (150 χλμ.) ανά δευτερόλεπτο, εκτοξεύονται και από τα δύο άκρα του πρωτοαστέρα. Οι δύο επάνω εικόνες είναι πρωτοαστέρων που βρίσκονται περίπου 450 έτη φωτός μακριά στο Μοριακό Νέφος του Ταύρου, ενώ οι δύο κάτω βρίσκονται σχεδόν 500 έτη φωτός μακριά στην περιοχή σχηματισμού άστρων Χαμαιλέοντας Ι.Τα αστέρια σχηματίζονται από την κατάρρευση νεφών αερίου και σκόνης. Καθώς το περιβάλλον αέριο και σκόνη πέφτουν προς το πρωτοάστρο, ένα μέρος τους σχηματίζει έναν περιστρεφόμενο δίσκο γύρω από το αστέρι που συνεχίζει να τροφοδοτεί το αναπτυσσόμενο αντικείμενο. Οι πλανήτες σχηματίζονται από το υπόλοιπο αέριο και σκόνη που περιστρέφονται γύρω από το αστέρι. Οι φωτεινές κίτρινες περιοχές πάνω και κάτω από τους περιστρεφόμενους δίσκους είναι νεφελώματα ανάκλασης, αέριο και σκόνη που φωτίζονται από το φως του αστεριού.Οι πίδακες που απελευθερώνονται από τους μαγνητικούς πόλους των αστεριών αποτελούν σημαντικό μέρος της διαδικασίας σχηματισμού τους. Οι πίδακες, που διοχετεύονται από τα ισχυρά μαγνητικά πεδία του πρωτοαστέρα, διασπείρουν τη στροφορμή, η οποία οφείλεται στην περιστροφική κίνηση του αντικειμένου. Αυτό επιτρέπει στον πρωτοαστέρα να περιστρέφεται αρκετά αργά ώστε να συλλέγεται υλικό. Στις εικόνες, ορισμένοι από τους πίδακες φαίνεται να διευρύνονται. Αυτό συμβαίνει όταν ο γρήγορος πίδακας συγκρούεται με το περιβάλλον αέριο και το προκαλεί να λάμπει, ένα φαινόμενο που ονομάζεται εκπομπή κραδασμών.Αυτές οι πλάγιες όψεις των πρωτοάστρων στο υπέρυθρο φως αποκαλύπτουν επίσης πυκνούς, σκονισμένους πρωτοπλανητικούς δίσκους. Οι σκοτεινές περιοχές μπορεί να μοιάζουν με πολύ μεγάλους δίσκους, αλλά στην πραγματικότητα είναι πολύ πιο φαρδιές σκιές που ρίχνονται στο περιβάλλον περίβλημα από τους κεντρικούς δίσκους. Η φωτεινή ομίχλη σε όλη την εικόνα προέρχεται από τη σκέδαση του φωτός από τους κόκκους σκόνης του περιβάλλοντος νέφους. Τα αστέρια πάνω δεξιά και κάτω αριστερά βρίσκονται στο σύμπλεγμα του Μοριακού Νέφους του Ωρίωνα, περίπου 1.300 έτη φωτός μακριά, και τα αστέρια πάνω αριστερά και κάτω δεξιά βρίσκονται στο Μοριακό Νέφος του Περσέα, περίπου 1.500 έτη φωτός μακριά.Στα αρχικά τους στάδια, αυτοί οι δίσκοι αντλούν ενέργεια από τη σκόνη που απομένει γύρω από τα σχηματιζόμενα αστέρια. Σε αντίθεση με το ορατό φως, το υπέρυθρο φως μπορεί να ταξιδέψει μέσα από αυτό το «πρωτοαστρικό περίβλημα». Τα πρωτοαστέρια στις παραπάνω ορατές εικόνες βρίσκονται σε πιο προχωρημένο στάδιο στην εξέλιξή τους, επομένως μεγάλο μέρος του σκονισμένου περιβλήματος έχει διαλυθεί. Διαφορετικά, δεν θα μπορούσαν να φανούν στα ορατά μήκη κύματος.Παρατηρούμενο στο υπέρυθρο φως, το κεντρικό αστέρι είναι ορατό μέσα από την πυκνή σκόνη των πρωτοπλανητικών δίσκων. Διπολικοί πίδακες είναι επίσης παρόντες, αλλά δεν είναι ορατοί επειδή η εκπομπή θερμού αερίου δεν είναι αρκετά ισχυρή για να την ανιχνεύσει το Hubble.Το HOPS 150 επάνω δεξιά βρίσκεται στην πραγματικότητα σε ένα δυαδικό σύστημα, σε τροχιά με ένα άλλο νεαρό πρωτοάστρο. Ο συνοδός του HOPS 150, HOPS 153, δεν απεικονίζεται σε αυτήν την εικόνα.Από μια ευρύτερη έρευνα του Hubble για τα πρωτοαστέρια του Ωρίωνα, συμπεριλαμβανομένων των HOPS 150 και HOPS 367, οι αστρονόμοι διαπίστωσαν ότι περιοχές με μεγαλύτερη πυκνότητα αστεριών τείνουν να έχουν περισσότερους συνοδούς αστέρες. Βρήκαν επίσης παρόμοιο αριθμό συνοδών αστέρων μεταξύ της κύριας ακολουθίας (ενεργά, αστέρες που συντήκουν υδρογόνο) και των νεότερων αντίστοιχων αστέρων τους. Νέες εικόνες προστίθενται καθημερινά μεταξύ 12-17 Ιανουαρίου 2026! Ακολουθήστε το @NASAHubble στα μέσα κοινωνικής δικτύωσης για τις τελευταίες εικόνες και νέα του Hubble και δείτε τις Ζώνες Αστρικής Κατασκευής του Hubble για περισσότερες εικόνες νεαρών αστρικών αντικειμένων. https://science.nasa.gov/missions/hubble/hubbles-album-of-planet-forming-disks/ Πίδακες αερίου εκρήγνυνται από πρωτοαστέρες σε αυτές τις εικόνες ορατού φωτός. Η εκροή του HH 390 συνοδεύεται από ένα μονόπλευρο νεφέλωμα, γεγονός που αποδεικνύει ότι ο πρωτοπλανητικός δίσκος δεν φαίνεται από την άκρη του από τη δική μας οπτική γωνία. Το Tau 042021 είναι ένας μεγάλος, συμμετρικός δίσκος που φαίνεται από την άκρη του και βρίσκεται σε μεταγενέστερο στάδιο εξέλιξης σκόνης, καθώς τα σωματίδια σκόνης έχουν συσσωματωθεί σε μεγαλύτερους κόκκους. Το HH 48 είναι ένα δυαδικό σύστημα πρωτοαστρών στο οποίο οι βαρυτικές παλιρροιακές δυνάμεις από το μεγαλύτερο αστέρι φαίνεται να επηρεάζουν τον δίσκο του δευτερεύοντος αντικειμένου. Το ESO Hα574 είναι ένας πολύ συμπαγής δίσκος με «ευθυγραμμισμένη» - ή δέσμης και γραμμική - εκροή, και ένας από τους πιο αμυδρούς δίσκους με άκρη που έχουν αναγνωριστεί μέχρι στιγμής. Φωτεινά κεντρικά πρωτοαστέρια και οι σκιές των σκονισμένων δίσκων τους εμφανίζονται σε αυτές τις υπέρυθρες εικόνες.

Νέα μελέτη ανατρέπει όσα γνωρίζαμε για τη ζωή και το μέγεθος των Τυραννόσαυρων. Ζούσαν πολύ περισσότερο από όσο πιστεύαμε και αργούσαν πολύ να αναπτυχθούν πλήρως. Είναι ο μεγαλύτερος και πιο μοχθηρός θηρευτής που πάτησε το πόδι του στον πλανήτη. Ο Τυραννόσαυρος ρέξ είναι ο απόλυτος σταρ του κόσμου των δεινοσαύρων και αποτελεί μόνιμο στόχο έρευνας των παλαιοντολόγων αλλά και επιστημόνων από άλλους τομείς με τις μελέτες για αυτόν να διαδέχονται η μια την άλλη. Η τελευταία αναφέρει ότι για να φτάσει στο τεράστιο του μέγεθος ο T.rex έπρεπε να συμπληρώσει τα 40 του χρόνια και το προσδόκιμο ζωής του ήταν 20 χρόνια μεγαλύτερο από αυτό που εκτιμούσαν οι παλαιοντολόγοι.Μπορεί ο Τυραννόσαυρος να ήταν ο πιο ογκώδης χερσαίος θηρευτής στην ιστορία της Γης ωστόσο το πόσο γρήγορα έφτανε στο μέγιστο μέγεθός του αποτελεί αντικείμενο επιστημονικής συζήτησης. Μια νέα μελέτη που εξέτασε τη μικροδομή του οστικού ιστού στα οστά των ποδιών 17 απολιθωμένων δειγμάτων καταλήγει στο συμπέρασμα ότι ο T.rex χρειαζόταν περίπου 40 χρόνια για να φτάσει στο μέγιστο μέγεθός του που ήταν τα δώδεκα μέτρα μήκος (από την ουρά μέχρι το κεφάλι), τα έξι μέτρα ύψος αν σηκωνόταν όρθιος και βάρος γύρω στους 8 τόνους.Στο πλαίσιο της μελέτης, οι ερευνητές εντόπισαν άγνωστα έως τώρα σημάδια ανάπτυξης στα οστά, τα οποία μπορούσαν να παρατηρηθούν μόνο με πολωμένο φως. «Αυτή η πορεία ανάπτυξης είναι πιο σταδιακή απ’ ό,τι αναμενόταν. Αντί ο T. rex να φτάνει γρήγορα στο μέγεθος ενός ενήλικου, περνούσε μεγάλο μέρος της ζωής του σε νεανικά έως υποενήλικα στάδια» δήλωσε η παλαιοϊστολόγος Χόλι Γούντγουαρντ από το Κέντρο Επιστημών Υγείας του Πολιτειακού Πανεπιστημίου Οκλαχόμα κύρια συγγραφέας της μελέτης που δημοσιεύθηκε στην επιθεώρηση «PeerJ». Η ανακάλυψη Οι ερευνητές μελέτησαν τους ετήσιους δακτυλίους ανάπτυξης, παρόμοιους με αυτούς που υπάρχουν στους κορμούς των δέντρων, στα οστά των ποδιών του T.rex από διάφορα δείγματα που κυμαίνονταν από μικρούς νεαρούς έως τεράστια ενήλικα άτομα.«Διαπιστώσαμε επίσης ότι η απόσταση μεταξύ των δακτυλίων ανάπτυξης σε μεμονωμένα άτομα T. rex παρουσίαζε διακυμάνσεις. Ο T. rex είχε ένα ευέλικτο πρότυπο ανάπτυξης. Κάποια χρόνια δεν μεγάλωνε πολύ, ενώ άλλα χρόνια μεγάλωνε αρκετά. Αυτό πιθανότατα εξαρτιόταν από τη διαθεσιμότητα πόρων, δηλαδή τροφής, ή από τις περιβαλλοντικές συνθήκες. Με άλλα λόγια, όταν οι συνθήκες δεν ήταν καλές, δεν ξόδευε ενέργεια για ανάπτυξη, αλλά όταν ήταν ευνοϊκές, μπορούσε να μεγαλώσει περισσότερο. Αυτή η ευελιξία του επέτρεψε να επιβιώνει σε δύσκολες περιόδους και τελικά να μεγαλώσει περισσότερο από άλλους σαρκοφάγους, ώστε να τους ανταγωνίζεται επιτυχώς για πόρους. Στο τέλος, ο T. rex ανταγωνιζόταν ουσιαστικά μόνο άλλους T. rex για τροφή» εξήγησε η Γούντγουαρντ.Οι Τυραννόσαυροι περιπλανιόντουσαν στη δυτική Βόρεια Αμερική κατά την Κρητιδική Περίοδο στη τελευταία περίοδο της εποχής των δεινοσαύρων πριν από την πρόσκρουση του γιγάντιου αστεροειδούς στη χερσόνησο Γιουκατάν του Μεξικού πριν από 66 εκατομμύρια χρόνια. Αυτή η καταστροφή οδήγησε σύμφωνα με την κρατούσα θεωρία στην εξαφάνιση των δεινοσαύρων και εξάλειψε περίπου τα τρία τέταρτα των ειδών και της ζωής της Γης.Ο T. rex διέθετε τεράστιο κεφάλι και εξαιρετικά ισχυρό δάγκωμα, περπατούσε πάνω σε δύο ισχυρά πόδια και είχε μικροσκοπικά μπροστινά άκρα με μόλις δύο δάχτυλα. Προηγούμενες έρευνες είχαν εκτιμήσει ότι το προσδόκιμο ζωής του Tyrannosaurus ήταν περίπου 30 χρόνια. Η νέα μελέτη, σύμφωνα με τον παλαιοντολόγο και συνσυγγραφέα της Τζακ Χόρνερ από το Πανεπιστήμιο Τσάπμαν της Καλιφόρνιας, υποδηλώνει ότι το προσδόκιμο ζωής του ήταν πιο κοντά στα 45 έως 50 χρόνια.Οι ερευνητές ανέφεραν ότι χρησιμοποίησαν μια νέα στατιστική προσέγγιση η οποία συνδύαζε δεδομένα ανάπτυξης από διαφορετικά δείγματα ώστε να εκτιμηθεί καλύτερα η πορεία ανάπτυξης του είδους σε όλα τα στάδια της ζωής, οδηγώντας σε διαφορετικά συμπεράσματα από παλαιότερες μελέτες.«Δεν γνωρίζουμε με βεβαιότητα ποια από αυτές τις εκτιμήσεις είναι πιο ακριβής, αφού δεν έχουμε ζωντανούς T. rex για να μετρήσουμε, αλλά αυτές οι νέες εκτιμήσεις έχουν περισσότερο νόημα τόσο λογικά όσο και στατιστικά, αν λάβουμε υπόψη το μέγεθος που έφταναν αυτοί οι δεινόσαυροι. Δυστυχώς δεν μπορούμε να γνωρίζουμε το εξελικτικό πλεονέκτημα κάθε επιμέρους χαρακτηριστικού αλλά μια παρατεταμένη ανάπτυξη με ενδιάμεσες παύσεις επιτρέπει στα νεότερα άτομα να ακολουθούν διαφορετική στρατηγική διατροφής από τα μεγαλύτερα και πιο ώριμα άτομα. Ανεξάρτητα από τη συγκεκριμένη μελέτη, πιστεύω ότι τα μεγαλύτερα ενήλικα άτομα ήταν πολύ πιο ευκαιριακά, βασιζόμενα περισσότερο στην κατανάλωση κουφαριών σε σύγκριση με τα νεότερα και μικρότερα άτομα. Η παρατεταμένη περίοδος ανάπτυξης θα παρείχε στα νεότερα άτομα περισσότερο χρόνο για να αποκτήσουν ζωντανή λεία» κατέληξε ο Χόρνερ. https://www.naftemporiki.gr/techscience/2059477/nea-meleti-anatrepei-osa-gnorizame-gia-ti-zoi-kai-to-megethos-ton-tyrannosayron/ Ανακτήθηκε το DNA ενός μαλλιαρού ρινόκερου της εποχή των παγετώνων από το στομάχι ενός νεαρού λύκου. Η μελέτη των ευρημάτων αποκαλύπτει πολύτιμες πληροφορίες για το εξαφανισμένο ζώο. Ο μαλλιαρός ρινόκερος είναι ένα εξαφανισμένο είδος ρινόκερου και οι επιστήμονες έχουν πλέον στη διάθεση τους σημαντικά στοιχεία για αυτό το ζώο από μια απρόσμενη πηγή.Πριν από περίπου 14,400 χρόνια ένα λυκόπουλο ηλικίας μόλις μερικών εβδομάδων έφαγε το τελευταίο του γεύμα που ήταν κρέας μαλλιαρού ρινόκερου και λίγο αργότερα άφησε την τελευταία του πνοή στο σκληρό τοπίο της Εποχής των Παγετώνων στη βορειοανατολική Σιβηρία. Για πρώτη φορά επιστήμονες εντόπισαν και ανέκτησαν το γονιδίωμα του εξαφανισμένου ρινόκερου από το αχώνευτο ακόμη γεύμα στο στομάχι του νεαρού ζώου.Τα λείψανα του λυκόπουλου είχαν βρεθεί στο μόνιμα παγωμένο υπέδαφος, κοντά στο χωριό Τουμάτ. Το γονιδίωμα του μαλλιαρού ρινόκερου δίνει μια σαφέστερη ιδέα για τη μοίρα αυτού του εντυπωσιακού, κερασφόρου φυτοφάγου ζώου, που είχε προσαρμοστεί στις αρκτικές συνθήκες και ζούσε στη βόρεια Ευρώπη και την Ασία.Οι ερευνητές συνέκριναν το γονιδίωμα του ρινόκερου με εκείνο δύο άλλων ζώων του ίδιου είδους που έζησαν χιλιάδες χρόνια παλαιότερα –περί τα 18.000-49.000– για να εντοπίσουν τις γενετικές αλλαγές που είχαν συμβεί με τον καιρό. Έμαθαν έτσι ότι ο μαλλιαρός ρινόκερος, ως είδος, παρέμεινε γενετικά υγιής μέχρι και το τέλος της Εποχής των Παγετώνων, οπότε ο πληθυσμός του μειώθηκε ραγδαία, πιθανότατα επειδή η αύξηση της θερμοκρασίας έσβησε από τον χάρτη το ενδιαίτημά τους, ένα περιβάλλον στέπας-τούνδρας όπου άκμαζε. Για παράδειγμα, το νεοανακαλυφθέν γονιδίωμα δεν περιέχει κάποια ένδειξη ενδογαμίας που να υποδηλώνει ότι ο πληθυσμός είχε αρχίσει να μειώνεται. Άλλοι ερευνητές εκτιμούσαν ότι οι μαλλιαροί ρινόκεροι εξαφανίστηκαν πριν από 14,000 χρόνια δηλαδή μερικές εκατοντάδες χρόνια από την περίοδο που έζησε το γεύμα του λυκόπουλου.«Με αυτήν την έρευνα αποδείξαμε ότι είναι εφικτό να ανακτήσουμε ένα γονιδίωμα καλής ποιότητας από κακοδιατηρημένο υλικό που ανάγεται σε μια εποχή κρίσιμη για την ιστορία της εξέλιξης των ειδών», είπε η εξελικτική γενετίστρια Σόλβεϊγκ Γκουντιονσντότιρ, η βασική συγγραφέας της μελέτης που δημοσιεύτηκε σήμερα στην επιστημονική επιθεώρηση «Genome Biology and Evolution».«Είναι ένα πολύ ωραίο επίτευγμα» σχολίασε ο Λοβ Νταλέν, εξελικτικός γενετιστής στο Κέντρο Παλαιογενετικής, μια συνεργασία μεταξύ του Πανεπιστημίου της Στοκχόλμης και του Σουηδικού Μουσείου Φυσικής Ιστορίας.Το παλαιότερο απολίθωμα μαλλιαρού ρινόκερου –επιστημονική ονομασία Coelodonta antiquitatis– έχει ηλικία 600,000 ετών. Ήταν ένα από τα πολλά μεγαλόσωμα θηλαστικά που εξαφανίστηκαν γύρω στο τέλος της Εποχής των Παγετώνων, μαζί με είδη όπως τα μαλλιαρά μαμούθ, τα μαχαιρόδοντα αιλουροειδή, τα μαστόδοντα και τα μεγαθήρια. Όλα τους αντιμετώπισαν αντίξοες καιρικές συνθήκες όσο το κλίμα θερμαινόταν και ταυτόχρονα κυνηγιούνταν από τον άνθρωπο.«Ο μαλλιαρός ρινόκερος ήταν μεγάλο ζώο, έφτανε σε ύψος τα 2 μέτρα και ήταν καλυμμένος με πυκνό, μακρύ τρίχωμα», εξήγησε η Γκουντγιονσντότιρ η οποία συμμετείχε στη μελέτη ενώ έκανε το μάστερ της στο Πανεπιστήμιο της Στοκχόλμης. «Είχε δύο κέρατα, μια μεγάλη καμπούρα στη ράχη, γεροφτιαγμένα και σχετικά κοντά πόδια. Τρεφόταν κυρίως με χορτάρι και χαμηλή βλάστηση, προσαρμοσμένη στις ψυχρές, ξηρές συνθήκες», πρόσθεσε. Ήταν πολύ μεγαλύτερο από τον κοντινότερο εν ζωή συγγενή του, τον ρινόκερο της Σουμάτρας.Στο γονιδίωμά του δεν βρέθηκαν ίχνη ενδογαμίας, όπως είναι πιθανόν να συμβεί όταν ο πληθυσμός κάποιου είδους φθίνει και όπως παρατηρήθηκε στα τελευταία μαμούθ, που έζησαν χιλιάδες χρόνια αργότερα. Αυτό σημαίνει πως «ό,τι και αν ήταν αυτό που προκάλεσε την εξαφάνισή τους, συνέβη πολύ γρήγορα», είπε ο Νταλέν. «Δεδομένου ότι οι άνθρωποι βρίσκονταν ήδη στην περιοχή επί 15.000 χρόνια πριν από την εξαφάνισή τους, χωρίς να προκαλέσουν μείωση του πληθυσμού τους, πιστεύουμε ότι η γνωστή αύξηση της θερμοκρασίας, πριν από περίπου 14.000 χρόνια, είναι η πιθανότερη εξήγηση για την εξαφάνιση» των μαλλιαρών ρινόκερων, πρόσθεσε.«Δεν μπορούμε να αποκλείσουμε ότι οι άνθρωποι συνέβαλαν στην οριστική εξαφάνιση του μαλλιαρού ρινόκερου, ιδίως προς το τέλος. Ωστόσο, υπάρχουν περιορισμένες αρχαιολογικές αποδείξεις που να υποδηλώνουν ότι γινόταν εκτεταμένο ή εντατικό κυνήγι τους», είπε η Γκουντγιονσντότιρ.Τα μουμιοποιημένα λείψανα δύο νεαρών, θηλυκών γκρίζων λύκων, ηλικίας επτά έως εννέα εβδομάδων, είχαν βρεθεί τη δεκαετία του 2010 σε εξαιρετική κατάσταση. Το ένα λυκόπουλο μάλλον πέθανε πολύ γρήγορα αφού έφαγε τον ρινόκερο, αφού δεν είχε χωνέψει ακόμη το γεύμα του. «Οι αναλύσεις του περιεχομένου του στομάχου δείχνουν ότι τα κουτάβια έπιναν ακόμη γάλα, κάτι που υποδηλώνει ότι το κρέας το έφερε η μητέρα τους ή άλλα μέλη της αγέλης. Ο ενήλικος λύκος μπορεί να βρήκε το κρέας από κάποιο ήδη νεκρό ζώο ή να το κυνήγησε», είπε η ερευνήτρια. https://www.naftemporiki.gr/techscience/2059081/anaktithike-to-dna-enos-malliaroy-rinokeroy-tis-epochi-ton-pagetonon-apo-to-stomachi-enos-nearoy-lykoy/

Χαρτογραφήθηκε το υπέδαφος της Ανταρκτικής αποκαλύπτοντας χιλιάδες λόφους, κοιλάδες, κανάλια και φαράγγια. Τα ευρήματα βοηθούν στην κατανόηση του τι θα συμβεί στη παγωμένη ήπειρο από την κλιματική αλλαγή. Ένας νέος χάρτης αποκαλύπτει το τοπίο που κρύβεται κάτω από τους πάγους της Ανταρκτικής με πρωτοφανή λεπτομέρεια κάτι που όπως λένε οι επιστήμονες θα μπορούσε να βελτιώσει σημαντικά την κατανόηση μας για την παγωμένη ήπειρο και τις επιπτώσεις που έχει σε αυτή αλλά και τον πλανήτη η κλιματική αλλαγή.Οι ερευνητές χρησιμοποίησαν δορυφορικά δεδομένα και τη φυσική που διέπει την κίνηση των παγετώνων της Ανταρκτικής για να υπολογίσουν πώς μπορεί να μοιάζει η ήπειρος κάτω από τον πάγο.Βρήκαν ενδείξεις για χιλιάδες λόφους και ορεινούς όγκους που δεν είχαν ανακαλυφθεί προηγουμένως και δηλώνουν ότι οι χάρτες ορισμένων κρυμμένων οροσειρών της Ανταρκτικής είναι πιο καθαροί από ποτέ. Παρότι οι χάρτες αυτοί περιέχουν αβεβαιότητες οι ερευνητές πιστεύουν ότι οι νέες λεπτομέρειες θα μπορούσαν να ρίξουν φως στο πώς θα αντιδράσει η Ανταρκτική στην κλιματική αλλαγή και τι σημαίνει αυτό για την άνοδο της στάθμης της θάλασσας.«Είναι σαν παλιότερα να είχαμε μια κοκκώδη φωτογραφική μηχανή με φιλμ και τώρα να έχουμε μια σωστά εστιασμένη ψηφιακή εικόνα για το τι πραγματικά συμβαίνει» δήλωσε στο BBC News η επικεφαλής συγγραφέας της μελέτης Δρ. Έλεν Όκεντεν ερευνήτρια στο Πανεπιστήμιο Grenoble Alpes. Χάρη στους δορυφόρους οι επιστήμονες έχουν καλή εικόνα της παγωμένης επιφάνειας της Ανταρκτικής όμως όσα βρίσκονται από κάτω παραμένουν σε μεγάλο βαθμό μυστήριο. Οι μετρήσεις Στην πραγματικότητα γνωρίζουμε περισσότερα για την επιφάνεια ορισμένων πλανητών του Ηλιακού μας Συστήματος απ’ ό,τι για μεγάλο μέρος του «υπογάστριου» της Ανταρκτικής, δηλαδή την τοπογραφία κάτω από το παγοκάλυμμα. Πλέον όμως οι ερευνητές πιστεύουν ότι διαθέτουν τον πιο πλήρη και λεπτομερή χάρτη αυτού του υποκείμενου τοπίου που έχει δημιουργηθεί ποτέ.«Είμαι πραγματικά ενθουσιασμένος που μπορώ να το κοιτάζω και να βλέπω ολόκληρο το υπόστρωμα της Ανταρκτικής με μια ματιά», δήλωσε ο καθηγητής Ρόμπερτ Μπίγκαμ, παγετωνολόγος στο Πανεπιστήμιο του Εδιμβούργου και συνσυγγραφέας της μελέτης. «Νομίζω ότι αυτό είναι εκπληκτικό». Οι παραδοσιακές μετρήσεις από το έδαφος ή τον αέρα χρησιμοποιούσαν ραντάρ για να «δουν» κάτω από τον πάγο ο οποίος σε ορισμένα σημεία φτάνει τα 4,8 χιλιόμετρα πάχος συνήθως κατά μήκος μεμονωμένων γραμμών ή διαδρομών έρευνας.Όμως αυτές οι διαδρομές μπορούσαν να απέχουν δεκάδες χιλιόμετρα μεταξύ τους αφήνοντας τους επιστήμονες να συμπληρώνουν τα κενά. «Αν φανταζόσασταν ότι τα Σκωτσέζικα Υψίπεδα ή οι Ευρωπαϊκές Άλπεις ήταν καλυμμένα με πάγο και ο μόνος τρόπος να κατανοήσετε το σχήμα τους ήταν περιστασιακές πτήσεις σε απόσταση αρκετών χιλιομέτρων μεταξύ τους δεν θα μπορούσατε ποτέ να δείτε όλα αυτά τα απότομα βουνά και τις κοιλάδες που ξέρουμε ότι υπάρχουν» είπε ο Μπίγκαμ. Η μέθοδος Έτσι οι ερευνητές χρησιμοποίησαν μια νέα προσέγγιση συνδυάζοντας τη γνώση τους για την επιφάνεια του πάγου από δορυφόρους με την κατανόηση της φυσικής της ροής του πάγου και συγκρίνοντάς τα με τα παλαιότερα δεδομένα από τις γραμμές έρευνας.«Είναι λίγο σαν να κάνεις καγιάκ σε ένα ποτάμι και να υπάρχουν βράχια κάτω από το νερό. Μερικές φορές σχηματίζονται δίνες στην επιφάνεια, που σου λένε κάτι για τους βράχους από κάτω. Ο πάγος βέβαια ρέει πολύ διαφορετικά από το νερό, αλλά και πάλι, όταν ο πάγος περνά πάνω από μια ράχη ή έναν λόφο στο υπόστρωμα, αυτό αποτυπώνεται τόσο στην τοπογραφία της επιφάνειας όσο και στην ταχύτητα της ροής» εξήγησε η Όκεντεν.Παρότι ήταν γνωστές οι μεγάλες οροσειρές της Ανταρκτικής, η νέα προσέγγιση αποκάλυψε δεκάδες χιλιάδες άγνωστους έως τώρα λόφους και ράχες, καθώς και πολύ περισσότερες λεπτομέρειες γύρω από ορισμένα βουνά και φαράγγια που είναι θαμμένα κάτω από τον πάγο. «Είναι πραγματικά συναρπαστικό να κοιτάζεις όλα αυτά τα νέα τοπία και να βλέπεις τι υπάρχει εκεί. Είναι σαν όταν βλέπεις για πρώτη φορά έναν τοπογραφικό χάρτη του Άρη και λες “ουάου, αυτό είναι τόσο ενδιαφέρον, μοιάζει λίγο με τη Σκωτία” ή “αυτό δεν μοιάζει με τίποτα που έχω ξαναδεί”» λέει η Όκεντεν.Μια ιδιαίτερα ενδιαφέρουσα ανακάλυψη είναι ένα βαθύ κανάλι χαραγμένο στο υπόστρωμα της Ανταρκτικής σε μια περιοχή που ονομάζεται Υποπαγετώδης Λεκάνη Μοντ. Το κανάλι έχει κατά μέσο όρο βάθος 50 μέτρα, πλάτος 6 χιλιόμετρα και εκτείνεται για σχεδόν 400 χιλιόμετρα, περίπου όσο η απόσταση από το Λονδίνο έως το Νιούκαστλ σε ευθεία γραμμή.Ο νέος χάρτης των ερευνητών είναι απίθανο να είναι ο τελικός. Βασίζεται σε παραδοχές σχετικά με το πώς ακριβώς ρέει ο πάγος, οι οποίες, όπως κάθε μέθοδος, συνοδεύονται από αβεβαιότητες. Επίσης, πολλά απομένουν να ανακαλυφθούν για τα πετρώματα και τα ιζήματα που βρίσκονται κάτω από τον πάγο. Ωστόσο, άλλοι επιστήμονες συμφωνούν ότι, σε συνδυασμό με περαιτέρω έρευνες από το έδαφος, τον αέρα και το διάστημα, οι χάρτες αυτοί αποτελούν ένα πολύ σημαντικό βήμα προόδου.«Είναι ένα πραγματικά χρήσιμο εργαλείο», δήλωσε ο Δρ. Πίτερ Φρέτγουελ, ανώτερος επιστήμονας της Βρετανικής Αποστολής Ανταρκτικής (της παλαιότερης και πιο οργανωμένης μόνιμης ερευνητικής αποστολής στην Ανταρκτική) ο οποίος δεν συμμετείχε στη νέα μελέτη αλλά έχει εμπλακεί εκτενώς σε προηγούμενες χαρτογραφήσεις. «Μας δίνει την ευκαιρία να καλύψουμε τα κενά ανάμεσα σε αυτές τις έρευνες» πρόσθεσε. Οι αλλαγές Μια πιο λεπτομερής κατανόηση όλων των ραχών, λόφων, βουνών και καναλιών θα μπορούσε να βελτιώσει τα υπολογιστικά μοντέλα για το πώς μπορεί να αλλάξει η Ανταρκτική στο μέλλον λένε οι ερευνητές. Αυτό συμβαίνει επειδή αυτά τα γεωμορφολογικά χαρακτηριστικά καθορίζουν τελικά το πόσο γρήγορα κινούνται οι παγετώνες από πάνω και πόσο γρήγορα μπορούν να υποχωρήσουν σε ένα θερμαινόμενο κλίμα.Και αυτό είναι κρίσιμο, καθώς η μελλοντική ταχύτητα τήξης της Ανταρκτικής θεωρείται ευρέως μία από τις μεγαλύτερες άγνωστες παραμέτρους στην επιστήμη του κλίματος. «Αυτή η μελέτη μάς δίνει μια καλύτερη εικόνα για το τι πρόκειται να συμβεί στο μέλλον και για το πόσο γρήγορα ο πάγος της Ανταρκτικής θα συμβάλει στην παγκόσμια άνοδο της στάθμης της θάλασσας», συμφώνησε ο Φρέτγουελ. https://www.naftemporiki.gr/techscience/2059485/chartografithike-to-ypedafos-tis-antarktikis-apokalyptontas-chiliades-lofoys-koilades-kanalia-kai-faraggia/