Ενώ η κοινότητα των ερευνητών τεχνητής νοημοσύνης εκφράζει ολοένα και πιο έντονες ανησυχίες για τους κινδύνους της τεχνολογίας, το ερώτημα παραμένει: πώς μπορεί να επιβληθεί στην πράξη μια επιβράδυνση; Μια νέα έκθεση με τίτλο Pacing the Frontier προειδοποιεί ότι ο τρόπος ελέγχου των αλγορίθμων παραμένει ένα άλυτο ερευνητικό πρόβλημα.
Έλεγχος στο επίπεδο του Υλικού (Hardware)
Μία από τις πιο ριζοσπαστικές προτάσεις αφορά τον έλεγχο της υπολογιστικής ισχύος (compute). Δεδομένου ότι τα ισχυρότερα μοντέλα απαιτούν χιλιάδες GPU της Nvidia, οι ειδικοί προτείνουν την ενσωμάτωση κρυπτογραφικών συσκευών παρακολούθησης μέσα στα ίδια τα τσιπ. Αυτές οι συσκευές θα μπορούσαν να καταγράφουν τις περιόδους εκπαίδευσης ή ακόμη και να λειτουργούν ως «διακόπτες απενεργοποίησης» (off switches) σε περίπτωση μη εξουσιοδοτημένης χρήσης.
Οι πάροχοι cloud θα μπορούσαν επίσης να διαδραματίσουν καθοριστικό ρόλο, παρακολουθώντας τα αρχεία χρέωσης, την κατανάλωση ενέργειας και την κίνηση του δικτύου ως δείκτες για το μέγεθος των μοντέλων που εκπαιδεύονται.
Ο κίνδυνος της Αναδρομικής Αυτοβελτίωσης
Η ανάγκη για έλεγχο γίνεται επιτακτική λόγω της «αναδρομικής αυτοβελτίωσης» (Recursive Self-Improvement - RSI). Η Anthropic αποκάλυψε πρόσφατα ότι το μοντέλο της, Claude, εκτελεί πλέον το 26% της έρευνας AI της εταιρείας, από μηδενικό ποσοστό στις αρχές του 2026. Αυτός ο βρόχος αυτοβελτίωσης θα μπορούσε να οδηγήσει την AI να ξεπεράσει την ανθρώπινη ικανότητα κατανόησης μέσα σε λίγα χρόνια.
Ανεξάρτητοι Έλεγχοι και Διεθνής Συνεργασία
Παρά τις υποσχέσεις των εταιρειών για αυτορρύθμιση, επικριτές όπως ο Connor Leahy της Control AI υποστηρίζουν ότι οι έλεγχοι πρέπει να είναι αυστηρά ανεξάρτητοι, εμπλέκοντας φορείς όπως το FBI ή η NSA, αντί για «φιλικούς» αξιολογητές. Παράλληλα, η διεθνής διάσταση παραμένει κρίσιμη. Οι ειδικοί προτείνουν αμοιβαίες συνθήκες με την Κίνα για τον περιορισμό της ανάπτυξης υλικού, αν και το Πεκίνο παραμένει σκεπτικό απέναντι σε οποιαδήποτε επιβράδυνση που θα το άφηνε πίσω από τις ΗΠΑ.
