ΕλλάδαAnthropic: Η AI εξελίσσεται 2x ταχύτερα με έρευνα της METR
Η υπόθεση ότι η τεχνητή νοημοσύνη θα πάψει να είναι απλώς το τελικό προϊόν των τεχνολογικών εργαστηρίων και θα μετατραπεί στον βασικό επιταχυντή της ίδιας της εξέλιξής της δεν αποτελεί πλέον θεωρητικό σενάριο. Επιβεβαιώνεται…
6 Νοεμβρίου 2026 · 09:03
Η υπόθεση ότι η τεχνητή νοημοσύνη θα πάψει να είναι απλώς το τελικό προϊόν των τεχνολογικών εργαστηρίων και θα μετατραπεί στον βασικό επιταχυντή της ίδιας της εξέλιξής της δεν αποτελεί πλέον θεωρητικό σενάριο. Επιβεβαιώνεται με μετρήσιμα, εμπειρικά δεδομένα από τα ίδια τα ερευνητικά άδυτα της Anthropic, της εταιρείας πίσω από την οικογένεια μοντέλων Claude.
Σύμφωνα με 11εβδομη ανεξάρτητη έρευνα του εξειδικευμένου οργανισμού αξιολόγησης METR (Model Evaluation and Threat Research), οι δυνατότητες των μοντέλων της Anthropic βελτιώνονται πλέον περίπου 1,9 φορές ταχύτερα (με διάστημα εμπιστοσύνης 1,5x έως 2,8x) σε σύγκριση με τον ιστορικό ρυθμό προόδου πριν από τον Οκτώβριο του 2025.
Πρακτικά, η εταιρεία κατόρθωσε μέσα στον τελευταίο χρόνο να διανύσει απόσταση που στο παρελθόν θα απαιτούσε δύο ολόκληρα έτη ερευνητικού έργου.
Η AI σχεδιάζει την επόμενη AI: Το άλμα του 80%

Το πιο αποκαλυπτικό στοιχείο της έκθεσης της METR —η οποία απέκτησε πρόσβαση σε αδημοσίευτα μοντέλα, εσωτερικά αρχεία εκπαίδευσης και συνεντεύξεις με κορυφαίους AI researchers— εντοπίζεται στην αιτία αυτής της έκρηξης παραγωγικότητας.

Οι ερευνητές εκτιμούν ότι περίπου το 80% της καταγεγραμμένης επιτάχυνσης οφείλεται στη χρήση συστημάτων AI στην ίδια την έρευνα και ανάπτυξη (R&D) των νέων μοντέλων:
Συγγραφή κώδικα και εργαλείων: Οι μηχανικοί της Anthropic παράγουν σήμερα κατά μέσο όρο 8 φορές περισσότερο κώδικα ανά τρίμηνο σε σχέση με την περίοδο 2021-2025, βασιζόμενοι σε AI co-pilots και αυτόνομους agents.
Σχεδιασμός πειραμάτων & ανάλυση: Τα εσωτερικά μοντέλα διατυπώνουν υποθέσεις, σχεδιάζουν αρχιτεκτονικές δοκιμών και αναλύουν τεράστιους όγκους δεδομένων αξιολόγησης.
Το Claude σε ρόλο Team Leader: Έως τον Αύγουστο του 2026, το Claude είχε αναλάβει ηγετικό ρόλο (lead role) στο 26% των εργασιών R&D που παρακολουθεί συστηματικά η εταιρεία, ενώ συμμετείχε ως ενεργός βοηθός ή συνεργάτης σε περισσότερο από το 90% του συνόλου των ερευνητικών διαδικασιών.
Δεν πρόκειται για «brute force» υπολογιστική ισχύ
Ένα από τα πλέον κρίσιμα συμπεράσματα της μελέτης καταρρίπτει την πεποίθηση ότι η επιτάχυνση είναι απλώς αποτέλεσμα της ραγδαίας προσθήκης νέων clusters από GPUs και TPUs.
Η METR τονίζει ότι διαθέτει ισχυρές αποδείξεις πως η πρόοδος δεν προήλθε από αναλογική αύξηση του compute που καταναλώθηκε κατά το training. Αντίθετα, είναι αποτέλεσμα ποιοτικής βελτίωσης της αποδοτικότητας των ίδιων των ερευνητών, οι οποίοι δοκιμάζουν περισσότερες ιδέες, διορθώνουν σφάλματα ταχύτερα και βελτιστοποιούν αλγορίθμους σε κλάσμα του χρόνου.
Επιπλέον, η METR επισημαίνει ότι δεν διακρίνει κάποιον άμεσο «τοίχο» ή δομικό περιορισμό σε υπολογιστική ισχύ, διαθέσιμα δεδομένα ή αλγοριθμική εξέλιξη που θα μπορούσε να ανακόψει αυτόν τον επιταχυνόμενο ρυθμό μέσα στους επόμενους 12 μήνες.
Ενισχυμένη παραγωγικότητα, όχι ακόμη «πλήρης αυτονομία»
Παρά τον εντυπωσιακό ρυθμό, η METR διατηρεί αυστηρές διαχωριστικές γραμμές απέναντι στα σενάρια άμεσης τεχνολογικής «μοναδικότητας» (singularity):
Απουσία πλήρους αυτονομίας στα θεμέλια: Δεν παρατηρήθηκαν ακόμη κρίσιμες, πλήρως αυτόνομες συνεισφορές της AI στα βαθύτερα στάδια του pre-training νέων foundation models.
Human-in-the-Loop: Η σημερινή επιτάχυνση είναι αποτέλεσμα υπερ-ενίσχυσης των ανθρώπινων επιστημόνων (augmented intelligence) και όχι ενός κλειστού συστήματος που σχεδιάζει, εκπαιδεύει και αξιολογεί διαδόχους χωρίς ανθρώπινη επίβλεψη.
Η προοπτική της αναδρομικής αυτοβελτίωσης (recursive self-improvement) —όπου ένα σύστημα AI δημιουργεί ένα ανώτερο μοντέλο, το οποίο με τη σειρά του κατασκευάζει ένα ακόμη ισχυρότερο σε έναν εκθετικό βρόχο— παραμένει το επόμενο μεγάλο σύνορο. Η ίδια η διοίκηση της Anthropic παραδέχεται ότι δεν έχει φτάσει ακόμη σε αυτό το καθεστώς, ωστόσο η ανάθεση ολοένα μεγαλύτερου μέρους της καθημερινής έρευνας στα ίδια τα μοντέλα αποτελεί τον προθάλαμο αυτής της μετάβασης.
Το βέβαιο είναι ότι τα εργαστήρια τεχνητής νοημοσύνης αλλάζουν πίστα. Ο χρόνος ανάπτυξης των επόμενων foundation models δεν μετριέται πλέον με τους συμβατικούς ανθρώπινους ρυθμούς, καθώς οι ίδιοι οι αλγόριθμοι συμπιέζουν το μέλλον στο παρόν.
Πηγή – Startupper









