Η Ευρωπαϊκή Επιτροπή δημοσίευσε νέα μελέτη για την ανάπτυξη των κρίσιμων ψηφιακών δυνατοτήτων της ΕΕ μετά το 2027. Η μελέτη εξετάζει τις ευκαιρίες, τις προκλήσεις και τις επενδυτικές ανάγκες που θα διαμορφώσουν τον ψηφιακό μετασχηματισμό της Ευρώπης κατά την επόμενη περίοδο προγραμματισμού.
Εκπονήθηκε υπό την καθοδήγηση της Γενικής Διεύθυνσης CNECT και εντοπίζει τους ψηφιακούς τομείς στους οποίους η μελλοντική χρηματοδότηση της ΕΕ μπορεί να στηρίξει την ανάπτυξη ικανοτήτων, υποδομών και δεξιοτήτων, καθώς και την υλοποίηση έργων, στο πλαίσιο του επόμενου Πολυετούς Δημοσιονομικού Πλαισίου (ΠΔΠ). Τα ευρήματά της αφορούν άμεσα την πρωτοβουλία «Διαλειτουργική Ευρώπη», καθώς η διαλειτουργικότητα προβάλλεται ως στρατηγικός μοχλός για την ανθεκτικότητα, την ψηφιακή κυριαρχία και την ανταγωνιστικότητα της Ένωσης.
Διαλειτουργικότητα και GovTech: το θεμέλιο των διασυνοριακών ψηφιακών δημόσιων υπηρεσιών
Το Παράρτημα 15 της μελέτης είναι αφιερωμένο ειδικά στη διαλειτουργικότητα και το GovTech, και υπογραμμίζει πόσο στενά συνδέονται οι δύο τομείς: η διαλειτουργικότητα προσφέρει το τεχνικό, σημασιολογικό και οργανωτικό θεμέλιο που επιτρέπει στις λύσεις GovTech να επεκτείνονται πέρα από σύνορα, τομείς και διοικήσεις.
Η μελέτη χαρακτηρίζει τη διαλειτουργικότητα ακρογωνιαίο λίθο της στρατηγικής της ΕΕ για την ψηφιακή κυριαρχία. Χάρη σε αυτήν, οι δημόσιες διοικήσεις μπορούν να ανταλλάσσουν δεδομένα, να επαναχρησιμοποιούν λύσεις και να προσφέρουν αδιάλειπτες διασυνοριακές υπηρεσίες. Το GovTech, από την πλευρά του, ενισχύει τις δημόσιες υπηρεσίες ώστε να γίνονται πιο καινοτόμες, αποδοτικές, διαφανείς και ανθρωποκεντρικές, βοηθώντας τις διοικήσεις να μειώσουν τον διοικητικό φόρτο, να αυτοματοποιήσουν τις τυποποιημένες διαδικασίες και να βελτιώσουν την εξυπηρέτηση των πολιτών.
Οι βασικές προτεραιότητες υλοποίησης
Το Παράρτημα 15 εντοπίζει αρκετούς τομείς υψηλής προτεραιότητας με ορίζοντα υλοποίησης το 2028.
Η πρώτη αφορά τη σημασιολογική διαλειτουργικότητα των δεδομένων και τον ψηφιακό μετασχηματισμό, με έμφαση στην αναγνωσιμότητα από μηχανές και στην ουδετερότητα ως προς τις πλατφόρμες. Τα μηχαναναγνώσιμα δεδομένα επιτρέπουν στις πληροφορίες που φυλάσσονται σε βάσεις δεδομένων, αισθητήρες ή ψηφιακούς πόρους να γίνονται προσβάσιμες, να ανταλλάσσονται και να επαναχρησιμοποιούνται από υπολογιστές — κάτι απαραίτητο για την αυτοματοποίηση, την ποιότητα των δεδομένων, την προηγμένη ανάλυση και τη χάραξη πολιτικής με βάση τεκμήρια.
Στρατηγική προτεραιότητα αποτελεί και η ουδετερότητα ως προς τις πλατφόρμες. Στηριζόμενες σε ανοιχτά πρότυπα και αποφεύγοντας την εξάρτηση από συγκεκριμένους προμηθευτές ή κλειστά οικοσυστήματα, οι δημόσιες διοικήσεις περιορίζουν τον κίνδυνο εγκλωβισμού (lock-in) και διασφαλίζουν ότι οι ψηφιακές δημόσιες υπηρεσίες παραμένουν διαχρονικά ευέλικτες, βιώσιμες και διαλειτουργικές.
Η δεύτερη προτεραιότητα αφορά τις υποδομές, και ειδικότερα την ψηφιακή δημόσια υποδομή και τους διασυνοριακούς χώρους δεδομένων. Κοινοί και διαλειτουργικοί χώροι δεδομένων σε τομείς όπως η υγεία, η κινητικότητα και οι δημόσιες συμβάσεις μπορούν να απελευθερώσουν την αξία δημόσιων και ιδιωτικών δεδομένων σε ολόκληρη την ΕΕ, αρκεί να υποστηρίζονται από κοινά πλαίσια διακυβέρνησης, σημασιολογικά εργαλεία και επαναχρησιμοποιήσιμα δομικά στοιχεία.
Η τρίτη προτεραιότητα είναι η αξιοποίηση της τεχνητής νοημοσύνης για τη διαλειτουργικότητα. Η ΤΝ μπορεί να συνδράμει τις δημόσιες διοικήσεις στη δόμηση, την επιμέλεια, την τυποποίηση και τη διασύνδεση δεδομένων σε τεχνικό, σημασιολογικό, νομικό και οργανωτικό επίπεδο. Στις πρακτικές εφαρμογές συγκαταλέγονται η έξυπνη αντιστοίχιση δεδομένων, η αυτόματη παραγωγή μεταδεδομένων και τα εργαλεία μετάφρασης που διευκολύνουν τη διασυνοριακή συνεργασία.
Η μελέτη κατατάσσει στους τομείς μεσαίας προτεραιότητας, επίσης με ορίζοντα το 2028, τα ψηφιακά δίδυμα (digital twins) για τη δημόσια διοίκηση και τις υπηρεσίες της, καθώς και την ευρύτερη αξιοποίηση της τεχνητής νοημοσύνης στον δημόσιο τομέα.
Τα ισχυρά σημεία της Ευρώπης και οι προκλήσεις που παραμένουν
Ταυτόχρονα, η μελέτη φωτίζει προκλήσεις που επιμένουν. Οι δημόσιες διοικήσεις σε ολόκληρη την Ευρώπη εξακολουθούν να στηρίζονται σε απαρχαιωμένα πληροφοριακά συστήματα (legacy IT), σε κατακερματισμένες μορφές δεδομένων και σε εθνικά αποκομμένες προσεγγίσεις. Οι σημασιολογικές αναντιστοιχίες, η περιορισμένη στελέχωση σε πεδία όπως η διαχείριση δεδομένων και τα API, καθώς και οι ιδιαίτερα επιφυλακτικές πρακτικές στις δημόσιες συμβάσεις, συνεχίζουν να καθυστερούν την ανάπτυξη διαλειτουργικών ψηφιακών δημόσιων υπηρεσιών.
Η μελέτη υπογραμμίζει, ακόμη, ότι η διαλειτουργικότητα συνδέεται ολοένα πιο στενά με την ψηφιακή κυριαρχία. Πολλές διοικήσεις παραμένουν εξαρτημένες από μη ευρωπαϊκούς παρόχους cloud, εργαλείων παραγωγικότητας και πλατφορμών για κρίσιμες υπηρεσίες, γεγονός που γεννά στρατηγικές ευπάθειες. Γι’ αυτό και οι προσεγγίσεις ανοιχτού κώδικα και ουδετερότητας ως προς τον προμηθευτή προβάλλονται ως σημαντικά εργαλεία για την ενίσχυση της αυτονομίας, της διαφάνειας και της μακροπρόθεσμης διαλειτουργικότητας.
Οι επενδυτικές ανάγκες για την επόμενη φάση
Η μελέτη καταγράφει σειρά επενδυτικών αναγκών για το οικοσύστημα της διαλειτουργικότητας και του GovTech. Έως το 2028, εισηγείται τη συνέχιση των επενδύσεων σε λύσεις διαλειτουργικότητας και σε μηχανισμούς συνεργασίας GovTech, ευρύτερο πειραματισμό μέσω πιλοτικών έργων και ρυθμιστικών «αμμοδόχων» (sandboxes), καθώς και στήριξη για τυποποιημένα API, μετάβαση στο cloud, πλαίσια διαλειτουργικότητας και πλατφόρμες ολοκλήρωσης δεδομένων.
Επισημαίνει επίσης την ανάγκη να βελτιωθεί η πρόσβαση σε υποστηρικτικές υποδομές, όπως η κυρίαρχη υποδομή cloud και οι εγχώριες τεχνολογικές δυνατότητες, μεταξύ των οποίων και οι λύσεις ανοιχτού κώδικα. Προτεραιότητα αποτελούν και οι δεξιότητες, με έμφαση στη στοχευμένη κατάρτιση, στις πλατφόρμες ηλεκτρονικής μάθησης και στα ψηφιακά εργαλεία συνεργασίας για τον δημόσιο τομέα.
Η μελέτη ζητεί, ακόμη, πρωτοβουλίες από την πλευρά της ζήτησης εκ μέρους των δημόσιων αρχών, ώστε να ευνοηθεί η ανάδειξη νεοφυών και τεχνολογικών εταιρειών εξειδικευμένων στο GovTech, όπως και αλλαγές στις πρακτικές δημόσιων συμβάσεων που θα δίνουν προβάδισμα στη διαλειτουργικότητα, την επαναχρησιμοποίηση και την καινοτομία.
Κοιτάζοντας πιο μακριά, η μελέτη επισημαίνει την ανάγκη για χρηματοδότηση με γνώμονα την αποστολή (mission-oriented funding) στους τομείς της διαλειτουργικότητας και του GovTech, αλλά και για πρωτοβουλίες ρυθμιστικής εναρμόνισης.
Τι σημαίνουν όλα αυτά για τη Διαλειτουργική Ευρώπη
Τα ευρήματα επιβεβαιώνουν πόσο σημαντική είναι μια συντονισμένη ευρωπαϊκή προσέγγιση στη διαλειτουργικότητα. Ο Κανονισμός για τη Διαλειτουργική Ευρώπη, το Συμβούλιο της Διαλειτουργικής Ευρώπης, οι κοινές λύσεις, τα κοινά πρότυπα και οι κοινότητες πρακτικής είναι καθοριστικά για να περάσουν οι δημόσιες διοικήσεις από τις μεμονωμένες ψηφιακές υπηρεσίες σε υπηρεσίες συνδεδεμένες, επαναχρησιμοποιήσιμες και διασυνοριακές.
Η διαλειτουργικότητα δεν είναι απλώς μια τεχνική απαίτηση. Είναι πρακτική προϋπόθεση για καλύτερες ψηφιακές δημόσιες υπηρεσίες, μοχλός ψηφιακής κυριαρχίας και βασικός παράγοντας για την ανταγωνιστικότητα της Ευρώπης.
Σας προσκαλούμε webinar διάχυσης αποτελεσμάτων του έργου S.T.E.P.S. – STEM Teaching and Education Platform for Students
Ημερομηνία: Παρασκευή, 10 Ιουλίου 2026 Ώρα: 11:30 – 13:00 (ώρα Ελλάδας) / 10:30 – 12:00 CET Τόπος: Διαδικτυακά μέσω Zoom
Ελάτε να ανακαλύψετε μαζί μας τα τελικά αποτελέσματα του έργου S.T.E.P.S.:
Αποτελέσματα έργου: ένα χαμηλού κόστους, ανοιχτού κώδικα εκπαιδευτικό ρομπότ, εκπαιδευτικό υλικό και πλατφόρμα MOOC για τη διδασκαλία STEM και ρομποτικής.
WP5 & PR7: συστάσεις και κατευθυντήριες οδηγίες για ιδρύματα τριτοβάθμιας εκπαίδευσης, δευτεροβάθμια σχολεία και φορείς της εκπαίδευσης.
Συνεδρία ανατροφοδότησης: διαδραστική online δραστηριότητα για τη συλλογή της γνώμης σας σχετικά με το PR7 και την υποστήριξη των δράσεων βιωσιμότητας του έργου.
Σε ποιους απευθύνεται; Σε εκπαιδευτικούς (εν ενεργεία και υπό κατάρτιση), εκπαιδευτικούς δευτεροβάθμιας, φορείς κατάρτισης εκπαιδευτικών σε ΑΕΙ, προσωπικό σχολείων, γονείς και μαθητές, καθώς και σε όσους ασχολούνται με το STEM και τη ρομποτική.
Η συζήτηση για την Τεχνητή Νοημοσύνη στις Ηνωμένες Πολιτείες εγκλωβίζεται όλο και περισσότερο σε μια φράση: «αν δεν τρέξουμε, θα μας προσπεράσει η Κίνα». Αυτή η φράση λειτουργεί σαν πολιτικό άλλοθι για να απορρίπτεται κάθε ουσιαστικός έλεγχος, κάθε ρυθμιστικό πλαίσιο, κάθε προληπτικό μέτρο ασφάλειας και κάθε απαίτηση δημόσιας λογοδοσίας. Η ΤΝ αντιμετωπίζεται σαν όπλο σε έναν νέο ψυχρό πόλεμο και όχι σαν κρίσιμη κοινωνική υποδομή που πρέπει να υπηρετεί τον άνθρωπο.
Το επιχείρημα μοιάζει απλό: κάθε καθυστέρηση είναι δώρο στον αντίπαλο, κάθε κανόνας μειώνει την ανταγωνιστικότητα, κάθε περιορισμός εμποδίζει την καινοτομία. Στην πράξη, όμως, αυτή η λογική οδηγεί σε έναν αγώνα ταχύτητας χωρίς φρένα. Τα ισχυρότερα μοντέλα μπορούν να ενισχύσουν την παραγωγή λογισμικού, την έρευνα, την εκπαίδευση και τη διοίκηση, αλλά μπορούν επίσης να αξιοποιηθούν για κυβερνοεπιθέσεις, παραπληροφόρηση, αυτοματοποίηση απάτης και επικίνδυνες βιολογικές ή τεχνικές εφαρμογές. Όσο η δημόσια πολιτική περιορίζεται στο «πρέπει να κερδίσουμε», τόσο η ασφάλεια γίνεται εμπόδιο και η διαφάνεια πολυτέλεια.
Το οικονομικό αδιέξοδο της κούρσας
Υπάρχει και ένα δεύτερο, λιγότερο συζητημένο πρόβλημα: η σημερινή κούρσα της ΤΝ είναι οικονομικά ασταθής. Το κυρίαρχο μοντέλο βασίζεται σε τεράστια κέντρα δεδομένων, ακριβούς επεξεργαστές, τεράστιες ενεργειακές απαιτήσεις και μοντέλα που χρειάζονται ακριβή εκπαίδευση και ακριβή λειτουργία. Όμως η αγορά δείχνει ήδη σημάδια πολέμου τιμών. Όταν περισσότερες εταιρείες χτίζουν παρόμοια συστήματα με παρόμοια δεδομένα και παρόμοιες τεχνικές, δεν υπάρχει μόνιμη «τάφρος» προστασίας. Το τεχνολογικό προβάδισμα μπορεί να κρατά λίγες εβδομάδες, όχι δεκαετίες.
Τα κινεζικά ανοικτά ή ανοικτών βαρών μοντέλα ενισχύουν αυτή την πίεση. Το GLM-5.2 της Z.ai και η προηγούμενη εμπειρία του DeepSeek δείχνουν ότι η απόσταση από τα κορυφαία κλειστά μοντέλα μπορεί να μικραίνει γρήγορα και με χαμηλότερο κόστος. Ακόμη πιο σημαντική είναι η μετατόπιση από το «μεγαλύτερο μοντέλο» στο «αποδοτικότερο σύστημα». Το DeepSpec και το DSpark δεν υπόσχονται απλώς μεγαλύτερη ευφυΐα. Υπόσχονται ταχύτερη και φθηνότερη εξυπηρέτηση μοντέλων, με τεχνικές speculative decoding που μειώνουν τη σπατάλη υπολογιστικής ισχύος. Αν η ΤΝ γίνεται φθηνότερη, ταχύτερη και πιο προσβάσιμη, τότε το επιχείρημα ότι μόνο γιγαντιαίες κλειστές υποδομές μπορούν να οδηγήσουν την πρόοδο αποδυναμώνεται.
Η σημασία της αποδοτικής και ανοικτής ΤΝ
Η πραγματική καινοτομία δεν είναι μόνο να φτιάχνουμε μεγαλύτερα μοντέλα. Είναι να φτιάχνουμε μοντέλα και υποδομές που μπορούν να χρησιμοποιηθούν από περισσότερους ανθρώπους, με λιγότερη ενέργεια, χαμηλότερο κόστος και μεγαλύτερο έλεγχο. Αν η ΤΝ μπορεί να τρέχει σε τοπικές υποδομές, σε πανεπιστήμια, δήμους, μικρομεσαίες επιχειρήσεις και δημόσιους φορείς, τότε μειώνεται η εξάρτηση από λίγες κλειστές πλατφόρμες. Αυξάνεται η ιδιωτικότητα, ενισχύεται η τοπική καινοτομία και ανοίγει ο δρόμος για εφαρμογές που υπηρετούν πραγματικές κοινωνικές ανάγκες.
Αυτό δεν σημαίνει άκριτη αποδοχή κάθε ανοικτού μοντέλου χωρίς κανόνες. Όσο πιο εύκολα διαχέονται οι δυνατότητες, τόσο πιο σημαντική γίνεται η υπεύθυνη διακυβέρνηση. Ανοικτότητα δεν σημαίνει απουσία ελέγχου. Σημαίνει δυνατότητα ελέγχου από περισσότερους: ερευνητές, δημόσιους φορείς, ανεξάρτητους αξιολογητές, κοινότητες ανοικτού λογισμικού και κοινωνία των πολιτών.
Ο ευρωπαϊκός δρόμος
Η Ευρωπαϊκή Ένωση δεν πρέπει να αντιγράψει ούτε τη λογική της αμερικανικής απορρύθμισης ούτε το κινεζικό κρατικό μοντέλο. Χρειάζεται έναν τρίτο δρόμο: αξιόπιστη, ανοικτή, αποδοτική και δημοκρατικά ελεγχόμενη ΤΝ. Το AI Act δεν πρέπει να αντιμετωπιστεί ως βάρος, αλλά ως βάση για μια ώριμη βιομηχανική και κοινωνική στρατηγική.
Για την Ελλάδα, αυτό σημαίνει ότι η ΤΝ στο Δημόσιο δεν πρέπει να εισαχθεί ως κλειστή υπηρεσία ξένων πλατφορμών. Πρέπει να σχεδιαστεί ως δημόσια υποδομή: με ανοικτό λογισμικό, ελληνικά δεδομένα υψηλής ποιότητας, RAG με τεκμηριωμένες πηγές, model cards, datasheets, ανθρώπινη τελική ευθύνη και τοπικά μοντέλα χαμηλού κόστους. Η σωστή απάντηση στον νέο ψυχρό πόλεμο της ΤΝ δεν είναι να τρέξουμε χωρίς κανόνες. Είναι να χτίσουμε τεχνολογία που είναι ασφαλής, ελέγξιμη, προσιτή και κοινωνικά χρήσιμη.
Η συζήτηση για την Τεχνητή Νοημοσύνη στις Ηνωμένες Πολιτείες εγκλωβίζεται όλο και περισσότερο σε μια φράση: «αν δεν τρέξουμε, θα μας προσπεράσει η Κίνα». Αυτή η φράση λειτουργεί σαν πολιτικό άλλοθι για να απορρίπτεται κάθε ουσιαστικός έλεγχος, κάθε ρυθμιστικό πλαίσιο, κάθε προληπτικό μέτρο ασφάλειας και κάθε απαίτηση δημόσιας λογοδοσίας. Η ΤΝ αντιμετωπίζεται σαν όπλο σε έναν νέο ψυχρό πόλεμο και όχι σαν κρίσιμη κοινωνική υποδομή που πρέπει να υπηρετεί τον άνθρωπο.
Το επιχείρημα μοιάζει απλό: κάθε καθυστέρηση είναι δώρο στον αντίπαλο, κάθε κανόνας μειώνει την ανταγωνιστικότητα, κάθε περιορισμός εμποδίζει την καινοτομία. Στην πράξη, όμως, αυτή η λογική οδηγεί σε έναν αγώνα ταχύτητας χωρίς φρένα. Τα ισχυρότερα μοντέλα μπορούν να ενισχύσουν την παραγωγή λογισμικού, την έρευνα, την εκπαίδευση και τη διοίκηση, αλλά μπορούν επίσης να αξιοποιηθούν για κυβερνοεπιθέσεις, παραπληροφόρηση, αυτοματοποίηση απάτης και επικίνδυνες βιολογικές ή τεχνικές εφαρμογές. Όσο η δημόσια πολιτική περιορίζεται στο «πρέπει να κερδίσουμε», τόσο η ασφάλεια γίνεται εμπόδιο και η διαφάνεια πολυτέλεια.
Το οικονομικό αδιέξοδο της κούρσας
Υπάρχει και ένα δεύτερο, λιγότερο συζητημένο πρόβλημα: η σημερινή κούρσα της ΤΝ είναι οικονομικά ασταθής. Το κυρίαρχο μοντέλο βασίζεται σε τεράστια κέντρα δεδομένων, ακριβούς επεξεργαστές, τεράστιες ενεργειακές απαιτήσεις και μοντέλα που χρειάζονται ακριβή εκπαίδευση και ακριβή λειτουργία. Όμως η αγορά δείχνει ήδη σημάδια πολέμου τιμών. Όταν περισσότερες εταιρείες χτίζουν παρόμοια συστήματα με παρόμοια δεδομένα και παρόμοιες τεχνικές, δεν υπάρχει μόνιμη «τάφρος» προστασίας. Το τεχνολογικό προβάδισμα μπορεί να κρατά λίγες εβδομάδες, όχι δεκαετίες.
Τα κινεζικά ανοικτά ή ανοικτών βαρών μοντέλα ενισχύουν αυτή την πίεση. Το GLM-5.2 της Z.ai και η προηγούμενη εμπειρία του DeepSeek δείχνουν ότι η απόσταση από τα κορυφαία κλειστά μοντέλα μπορεί να μικραίνει γρήγορα και με χαμηλότερο κόστος. Ακόμη πιο σημαντική είναι η μετατόπιση από το «μεγαλύτερο μοντέλο» στο «αποδοτικότερο σύστημα». Το DeepSpec και το DSpark δεν υπόσχονται απλώς μεγαλύτερη ευφυΐα. Υπόσχονται ταχύτερη και φθηνότερη εξυπηρέτηση μοντέλων, με τεχνικές speculative decoding που μειώνουν τη σπατάλη υπολογιστικής ισχύος. Αν η ΤΝ γίνεται φθηνότερη, ταχύτερη και πιο προσβάσιμη, τότε το επιχείρημα ότι μόνο γιγαντιαίες κλειστές υποδομές μπορούν να οδηγήσουν την πρόοδο αποδυναμώνεται.
Η σημασία της αποδοτικής και ανοικτής ΤΝ
Η πραγματική καινοτομία δεν είναι μόνο να φτιάχνουμε μεγαλύτερα μοντέλα. Είναι να φτιάχνουμε μοντέλα και υποδομές που μπορούν να χρησιμοποιηθούν από περισσότερους ανθρώπους, με λιγότερη ενέργεια, χαμηλότερο κόστος και μεγαλύτερο έλεγχο. Αν η ΤΝ μπορεί να τρέχει σε τοπικές υποδομές, σε πανεπιστήμια, δήμους, μικρομεσαίες επιχειρήσεις και δημόσιους φορείς, τότε μειώνεται η εξάρτηση από λίγες κλειστές πλατφόρμες. Αυξάνεται η ιδιωτικότητα, ενισχύεται η τοπική καινοτομία και ανοίγει ο δρόμος για εφαρμογές που υπηρετούν πραγματικές κοινωνικές ανάγκες.
Αυτό δεν σημαίνει άκριτη αποδοχή κάθε ανοικτού μοντέλου χωρίς κανόνες. Όσο πιο εύκολα διαχέονται οι δυνατότητες, τόσο πιο σημαντική γίνεται η υπεύθυνη διακυβέρνηση. Ανοικτότητα δεν σημαίνει απουσία ελέγχου. Σημαίνει δυνατότητα ελέγχου από περισσότερους: ερευνητές, δημόσιους φορείς, ανεξάρτητους αξιολογητές, κοινότητες ανοικτού λογισμικού και κοινωνία των πολιτών.
Ο ευρωπαϊκός δρόμος
Η Ευρωπαϊκή Ένωση δεν πρέπει να αντιγράψει ούτε τη λογική της αμερικανικής απορρύθμισης ούτε το κινεζικό κρατικό μοντέλο. Χρειάζεται έναν τρίτο δρόμο: αξιόπιστη, ανοικτή, αποδοτική και δημοκρατικά ελεγχόμενη ΤΝ. Το AI Act δεν πρέπει να αντιμετωπιστεί ως βάρος, αλλά ως βάση για μια ώριμη βιομηχανική και κοινωνική στρατηγική.
Για την Ελλάδα, αυτό σημαίνει ότι η ΤΝ στο Δημόσιο δεν πρέπει να εισαχθεί ως κλειστή υπηρεσία ξένων πλατφορμών. Πρέπει να σχεδιαστεί ως δημόσια υποδομή: με ανοικτό λογισμικό, ελληνικά δεδομένα υψηλής ποιότητας, RAG με τεκμηριωμένες πηγές, model cards, datasheets, ανθρώπινη τελική ευθύνη και τοπικά μοντέλα χαμηλού κόστους. Η σωστή απάντηση στον νέο ψυχρό πόλεμο της ΤΝ δεν είναι να τρέξουμε χωρίς κανόνες. Είναι να χτίσουμε τεχνολογία που είναι ασφαλής, ελέγξιμη, προσιτή και κοινωνικά χρήσιμη.
Robert Wright & Ryan Fedasiuk, “The US-China AI Race”: Εξετάζει τη δυναμική ΗΠΑ και Κίνας, τη δυνατότητα διεθνούς παύσης και το δίλημμα ανάμεσα στον ανταγωνισμό και στον κοινό έλεγχο κινδύνων: https://www.nonzero.org/p/the-us-china-ai-race-robert-wright,
YouTube, “The US-China AI Race | Robert Wright & Ryan Fedasiuk”: Το βίντεο σχολιάζει την κούρσα ΗΠΑ και Κίνας στην ΤΝ και τις συνέπειες για τη διεθνή ασφάλεια: https://www.youtube.com/watch?v=5FTm0hS-vrE,
Gary Marcus, “The illusion of Generative AI, the insanity of massive bets on hyperscaling”: Το κείμενο συνδέει την κριτική στην υπερκλιμάκωση με την ανάγκη για world models, νευροσυμβολικές προσεγγίσεις και πιο αξιόπιστα συστήματα: https://garymarcus.substack.com/p/the-illusion-of-generative-ai-the,
DeepSeek, “DeepSpec”: Το αποθετήριο του DeepSpec παρουσιάζει ένα πλήρες πλαίσιο για εκπαίδευση και αξιολόγηση draft models για speculative decoding, δείχνοντας την τεχνική σημασία: https://github.com/deepseek-ai/DeepSpec,
DeepSeek, “DSpark paper”: Η τεχνική αναφορά του DSpark τεκμηριώνει την προσέγγιση confidence-scheduled speculative decoding με semi-autoregressive generation για ταχύτερη εξυπηρέτηση μεγάλων μοντέλων: https://github.com/deepseek-ai/DeepSpec/blob/main/Dspark_paper.pdf,
Hugging Face, “DeepSeek-V4-Pro-DSpark”: Τα DSpark checkpoints μπορούν να χρησιμοποιηθούν με εργαλεία όπως Transformers, vLLM και SGLang, ενισχύοντας τη δυνατότητα ευρύτερης αξιοποίησης: https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro-Dspark,
Z.ai, “GLM-5.2: Built for Long-Horizon Tasks”: Η τεχνική παρουσίαση του GLM-5.2 περιγράφει τις επιδόσεις του μοντέλου σε coding και long-horizon tasks και τη σύγκρισή του με κλειστά μοντέλα αιχμής: https://z.ai/blog/glm-5.2,
NIST, “AI Risk Management Framework”: Το πλαίσιο του NIST δείχνει ότι η διαχείριση κινδύνου στην ΤΝ δεν είναι αντίπαλος της καινοτομίας, αλλά προϋπόθεση για αξιοπιστία, ασφάλεια και λογοδοσία: https://www.nist.gov/itl/ai-risk-management-framework.
In Fedora 44 Live images (all of them except Workstation, i.e. KDE,
XFCE, LXDE, etc), the installer crashes when you enter the Storage
Editor (available from the three-dots menu in top right) and interact
with any drop-down lists.
Cause
A bug in QtWebView causes the crash.
Workarounds
Don’t start the installer (or quit it if you started it already). Start terminal (Konsole in KDE) and edit a config file:
sudo nano /etc/anaconda/profile.d/fedora.conf
Find this part:
# The default browser for the Web UI.
webui_web_engine = slitherer
and change it to:
# The default browser for the Web UI.
webui_web_engine = firefox
Close the editor (Ctrl+X → Y → Enter), and run the installer, either from a desktop launcher, or from a terminal:
liveinst
The installer should no longer crash when using drop-down lists.
Η διεθνής κούρσα της Τεχνητής Νοημοσύνης έχει περάσει σε νέα φάση. Δεν πρόκειται πια μόνο για το ποιος έχει το καλύτερο γλωσσικό μοντέλο, το πιο εντυπωσιακό chatbot ή το πιο ισχυρό εργαλείο παραγωγής εικόνας και βίντεο. Το πραγματικό πεδίο ανταγωνισμού είναι η υπολογιστική υποδομή: κέντρα δεδομένων, επεξεργαστές, ηλεκτρική ενέργεια, δίκτυα, μνήμη, αποθήκευση, λογισμικό υποδομής, συστήματα εκπαίδευσης και συστήματα εξυπηρέτησης εκατομμυρίων χρηστών σε πραγματικό χρόνο.
Γι’ αυτό βλέπουμε λίγους πολύ μεγάλους ομίλους, κυρίως στις ΗΠΑ και στην Κίνα, να επενδύουν ποσά που θυμίζουν βιομηχανική επανάσταση. Microsoft, Alphabet, Amazon, Meta, OpenAI σε συμμαχία με Oracle και SoftBank, Alibaba, ByteDance, Tencent και Baidu δεν κινούνται σαν απλές εταιρείες λογισμικού. Κινούνται σαν όμιλοι που προσπαθούν να ελέγξουν τη νέα γενική υποδομή της οικονομίας. Η ΤΝ αντιμετωπίζεται ως το νέο λειτουργικό σύστημα της παραγωγής, της έρευνας, της εκπαίδευσης, της άμυνας, της διοίκησης και της επικοινωνίας.
Το παράδοξο είναι εμφανές: οι επενδύσεις αυξάνονται πολύ ταχύτερα από τα άμεσα κέρδη που παράγει σήμερα η γενετική ΤΝ. Οι μεγάλες πλατφόρμες έχουν κέρδη από cloud, διαφήμιση, ηλεκτρονικό εμπόριο ή λογισμικό, αλλά η νέα υποδομή ΤΝ δεν έχει ακόμη αποδείξει ότι αποδίδει ανάλογα με τα κεφάλαια που δεσμεύει. Οι καθαροί παίκτες ΤΝ, όπως η OpenAI και άλλες εταιρείες μοντέλων, καίνε τεράστια ποσά για εκπαίδευση, υπολογιστική ισχύ και ταλέντο. Το ερώτημα, λοιπόν, δεν είναι αν η ΤΝ είναι σημαντική. Είναι ποιος θα πληρώσει την υποδομή, ποιος θα την ελέγχει και ποιος θα καρπωθεί την αξία όταν η τεχνολογία ωριμάσει.
Οι τέσσερις σχολές που συγκλίνουν
Η πρώτη τάση είναι η καθαρή κλιμάκωση. Η λογική της είναι απλή: περισσότερα δεδομένα, μεγαλύτερα μοντέλα, περισσότερη υπολογιστική ισχύς. Οι νόμοι κλιμάκωσης έδειξαν ότι, για μεγάλο εύρος μεγεθών, η απόδοση των γλωσσικών μοντέλων βελτιώνεται προβλέψιμα όταν αυξάνονται το μέγεθος, τα δεδομένα και η υπολογιστική ισχύς. Αυτή η σχολή δικαιολογεί τις τεράστιες επενδύσεις σε GPU, data centers και ενεργειακή ισχύ. Είναι η σχολή που ταιριάζει περισσότερο στις ΗΠΑ, όπου το επιχειρηματικό κεφάλαιο, οι hyperscalers και τα venture funds μπορούν να σηκώσουν γιγαντιαίους κύκλους επένδυσης.
Η δεύτερη τάση είναι τα μοντέλα συλλογισμού. Εδώ η πρόοδος δεν έρχεται μόνο από μεγαλύτερη εκπαίδευση, αλλά από περισσότερο υπολογισμό τη στιγμή της απάντησης. Το μοντέλο δεν απαντά αμέσως, αλλά «δουλεύει» περισσότερο πάνω στο πρόβλημα, εξετάζει εναλλακτικές διαδρομές, διορθώνει λάθη και παράγει καλύτερες λύσεις σε μαθηματικά, κώδικα, επιστημονικά προβλήματα και σύνθετες εργασίες. Η OpenAI, η Google DeepMind και η DeepSeek έδειξαν διαφορετικές εκδοχές αυτής της κατεύθυνσης. Η DeepSeek είχε ιδιαίτερη σημασία γιατί έδειξε ότι η συλλογιστική ικανότητα μπορεί να ενισχυθεί με πιο αποδοτικές μεθόδους και ανοικτή διάθεση μοντέλων, αμφισβητώντας την ιδέα ότι μόνο οι πιο πλούσιες εταιρείες μπορούν να συμμετέχουν.
Η τρίτη τάση είναι τα μοντέλα κόσμου. Εδώ η υπόθεση είναι ότι η γλώσσα από μόνη της δεν αρκεί. Ένα σύστημα που θέλει να κατανοεί τον κόσμο πρέπει να μαθαίνει από εικόνα, βίντεο, κίνηση, φυσικά φαινόμενα, τρισδιάστατους χώρους και αλληλεπίδραση με το περιβάλλον. Η Meta με τις αρχιτεκτονικές JEPA, τα εργαστήρια ρομποτικής και οι εταιρείες παραγωγής βίντεο κινούνται προς αυτή την κατεύθυνση. Αν τα γλωσσικά μοντέλα είναι μηχανές χειρισμού συμβόλων, τα μοντέλα κόσμου φιλοδοξούν να γίνουν μηχανές κατανόησης καταστάσεων.
Η τέταρτη τάση είναι η νευροσυμβολική ΤΝ. Εδώ αναγνωρίζεται ότι τα νευρωνικά δίκτυα είναι ισχυρά στην αναγνώριση προτύπων, αλλά αδύναμα στην αυστηρή λογική, στην επαλήθευση και στη μαθηματική ακρίβεια. Γι’ αυτό συνδυάζονται με συμβολικούς λύτες, μηχανές απόδειξης, knowledge graphs και αυστηρά συστήματα κανόνων. Το AlphaGeometry και το AlphaProof της DeepMind είναι χαρακτηριστικά παραδείγματα. Το μοντέλο προτείνει, αλλά ο συμβολικός μηχανισμός ελέγχει.
Γιατί επενδύουν πριν κερδίσουν
Οι μεγάλες εταιρείες δεν επενδύουν επειδή έχουν ήδη βρει πλήρως ώριμο μοντέλο κερδοφορίας. Επενδύουν επειδή θεωρούν ότι το κόστος της απουσίας θα είναι μεγαλύτερο από το κόστος της υπερβολικής παρουσίας. Αν η ΤΝ γίνει η βασική διεπαφή για αναζήτηση, εργασία, προγραμματισμό, εκπαίδευση, κατανάλωση και διοίκηση, τότε όποιος ελέγχει την υποδομή θα ελέγχει την πρόσβαση στη γνώση, στα δεδομένα και στις αγορές.
Η Microsoft θέλει να μετατρέψει το cloud και το λογισμικό γραφείου σε στρώμα ΤΝ. Η Alphabet θέλει να προστατεύσει την αναζήτηση, τη διαφήμιση, το YouTube, το Android και το Google Cloud. Η Amazon θέλει να κάνει το AWS τη βασική υποδομή εκπαίδευσης και εξυπηρέτησης μοντέλων. Η Meta θέλει να ενσωματώσει την ΤΝ στα κοινωνικά δίκτυα, στη διαφήμιση, στα εργαλεία δημιουργών και στην επόμενη υπολογιστική πλατφόρμα. Η OpenAI, μαζί με Oracle και SoftBank, προσπαθεί να εξασφαλίσει υπολογιστική ισχύ ώστε να μην εξαρτάται πλήρως από τρίτους. Η Alibaba, η ByteDance, η Tencent και η Baidu κινούνται μέσα σε ένα κινεζικό περιβάλλον όπου η ΤΝ είναι ταυτόχρονα επιχειρηματικό εργαλείο, κρατική προτεραιότητα και ζήτημα τεχνολογικής αυτάρκειας.
Υπάρχει όμως και πιο βαθύς λόγος. Η ΤΝ είναι αγορά με χαρακτηριστικά φυσικού μονοπωλίου. Όσο μεγαλύτερη είναι η υποδομή, τόσο καλύτερα μπορείς να εκπαιδεύσεις, να εξυπηρετήσεις και να μειώσεις το κόστος ανά χρήστη. Όσο περισσότερους χρήστες έχεις, τόσο περισσότερα δεδομένα, ανατροφοδότηση και έσοδα μπορείς να αποκτήσεις. Όσο περισσότερα έσοδα έχεις, τόσο περισσότερη υπολογιστική ισχύ αγοράζεις. Έτσι δημιουργείται ένας κύκλος συσσώρευσης ισχύος.
Το διακύβευμα για την Ευρώπη και την Ελλάδα
Για την Ευρώπη, το ερώτημα δεν είναι να αντιγράψει απλώς τις ΗΠΑ ή την Κίνα. Δεν διαθέτει την ίδια συγκέντρωση κεφαλαίων, ούτε την ίδια ανοχή σε ολιγοπωλιακές υποδομές. Μπορεί όμως να παίξει σε διαφορετικό πεδίο: ανοικτά πρότυπα, ανοικτά μοντέλα, ενεργειακά αποδοτική ΤΝ, δημόσιες υποδομές, τοπικά μοντέλα, αξιόπιστη διακυβέρνηση δεδομένων, διαλειτουργικότητα και δημοκρατικός έλεγχος.
Η απάντηση δεν μπορεί να είναι η παθητική αγορά υπηρεσιών token από κλειστές πλατφόρμες. Για δημόσια διοίκηση, εκπαίδευση, υγεία, γλώσσα, πολιτισμό και κρίσιμες υποδομές χρειάζονται ανοικτές στοίβες, ελεγχόμενη υποδομή, δημόσια αποθετήρια, model cards, datasheets, RAG με τεκμηριωμένες πηγές και ανθρώπινη τελική ευθύνη. Η Ελλάδα δεν θα κερδίσει την κούρσα αν προσπαθήσει να χτίσει το μεγαλύτερο μοντέλο. Μπορεί όμως να κερδίσει αν χτίσει την πιο χρήσιμη, διαφανή και αποδοτική δημόσια υποδομή ΤΝ για την ελληνική γλώσσα, τη δημόσια διοίκηση, την έρευνα και τις μικρομεσαίες επιχειρήσεις.
Η τεχνολογική πρόοδος δεν πρέπει να οδηγήσει σε νέα ψηφιακή εξάρτηση. Αν η ΤΝ γίνει υποδομή ισχύος, τότε η δημοκρατική απάντηση είναι σαφής: δημόσιο χρήμα να παράγει δημόσια γνώση, δημόσιο κώδικα και δημόσια υπολογιστική ικανότητα. Οι κλειστές υπερπλατφόρμες θα συνεχίσουν να επενδύουν εκατοντάδες δισεκατομμύρια γιατί κυνηγούν τον έλεγχο της επόμενης εποχής. Οι δημοκρατικές κοινωνίες πρέπει να επενδύσουν με άλλο κριτήριο: όχι τη συγκέντρωση ισχύος, αλλά την κοινωνική χρησιμότητα, τη διαφάνεια, την ανοικτότητα και τη δυνατότητα των πολιτών να καταλαβαίνουν και να ελέγχουν την τεχνολογία που επηρεάζει τη ζωή τους.
Πηγές άρθρου:
OpenAI, The Stargate Project: Η ανακοίνωση του Stargate δείχνει το μέγεθος της νέας υπολογιστικής κούρσας, με πρόθεση επένδυσης 500 δισ. δολαρίων σε υποδομές ΤΝ στις ΗΠΑ: https://openai.com/index/announcing-the-stargate-project/,
Alibaba Group, AI and Cloud Infrastructure Investment: Η Alibaba ανακοίνωσε επένδυση τουλάχιστον 380 δισ. γουάν, περίπου 53 δισ. δολάρια, σε cloud και ΤΝ για τρία χρόνια, δείχνοντας την κινεζική διάσταση της κούρσας: https://www.alibabagroup.com/document-1830678592242057216,
Sequoia Capital, AI’s $600B Question: Κλασική ανάλυση για το χάσμα ανάμεσα στις τεράστιες επενδύσεις υποδομής και στα πραγματικά έσοδα της αγοράς γενετικής ΤΝ: https://www.sequoiacap.com/article/ais-600b-question/,
DeepSeek-R1, Nature and arXiv: Το DeepSeek-R1 τεκμηριώνει τη σημασία της ενισχυτικής μάθησης για συλλογισμό και την πιθανότητα πιο αποδοτικών ανοικτών προσεγγίσεων: https://arxiv.org/abs/2501.12948,
Kaplan et al., Scaling Laws for Neural Language Models: Το ιστορικό paper που τεκμηρίωσε τους νόμους κλιμάκωσης των γλωσσικών μοντέλων και εξηγεί γιατί η υπολογιστική ισχύς έγινε κεντρικό πεδίο ανταγωνισμού: https://arxiv.org/abs/2001.08361,
Η συζήτηση για την Τεχνητή Νοημοσύνη δεν μπορεί πλέον να περιορίζεται στο ποιο εμπορικό API απαντά καλύτερα. Το πραγματικό ερώτημα είναι ποιος ελέγχει την υποδομή, τα δεδομένα, το κόστος, τους κανόνες και τη δυνατότητα ελέγχου. Τα ανοιχτά μοντέλα, ιδίως τα μοντέλα ανοιχτών βαρών, έχουν φτάσει σε επίπεδο που επιτρέπει σε πανεπιστήμια, ερευνητικά κέντρα, δήμους, περιφέρειες, υπουργεία και μικρές επιχειρήσεις να δημιουργήσουν δικές τους τοπικές υποδομές ΤΝ, χωρίς να εξαρτώνται από κλειστά συστήματα τρίτων χωρών.
Χρειάζεται όμως μια τεχνική διάκριση. Άλλο είναι ένα πλήρως ανοιχτό μοντέλο, όπου δημοσιεύονται βάρη, κώδικας εκπαίδευσης, δεδομένα ή διαδικασίες δεδομένων, αξιολογήσεις και τεκμηρίωση, και άλλο ένα μοντέλο ανοιχτών βαρών, όπου μπορούμε να κατεβάσουμε και να εκτελέσουμε τα βάρη, αλλά όχι απαραίτητα να αναπαράγουμε την εκπαίδευση. Για δημόσιες εφαρμογές, η προτεραιότητα πρέπει να είναι τα πλήρως ανοιχτά μοντέλα, όπως OLMo και Apertus. Για πρακτική παραγωγική χρήση, μπορούν να αξιοποιηθούν και ισχυρά μοντέλα ανοιχτών βαρών, όπως Qwen, DeepSeek, Llama, Gemma, Mistral, GLM, Kimi και gpt-oss, με σαφή τεκμηρίωση άδειας, κινδύνων και περιορισμών.
Τι μπορεί να τρέξει τοπικά σε 4× AMD Radeon RX 7900 XTX
Ένας Linux server με 4× AMD Radeon RX 7900 XTX διαθέτει συνολικά 96 GB μνήμης γραφικών. Αυτό δεν σημαίνει ότι οι τέσσερις κάρτες γίνονται μαγικά μία ενιαία κάρτα 96 GB. Η συνεργασία γίνεται μέσω PCIe και λογισμικού παράλληλης εκτέλεσης, άρα η ταχύτητα εξαρτάται από το μοντέλο, την ποσοτικοποίηση, το μήκος συμφραζομένων, τη μνήμη συμφραζομένων του μοντέλου και τη μηχανή συμπερασμού. Παρ’ όλα αυτά, μια τέτοια υποδομή είναι ήδη αρκετή για σοβαρή τοπική υπηρεσία ΤΝ.
Για καθημερινή χρήση, τα μοντέλα 7B έως 14B είναι η πιο εύκολη επιλογή. Qwen, Gemma, Llama, OLMo και μικρότερα μοντέλα Mistral μπορούν να απαντούν γρήγορα, να εξυπηρετούν πολλές ταυτόχρονες συνομιλίες και να χρησιμοποιούνται για ταξινόμηση εγγράφων, αναζήτηση, περίληψη, απαντήσεις σε πολίτες, εκπαιδευτικά εργαλεία και εσωτερικούς βοηθούς. Σε τέτοιο μέγεθος, ο εξυπηρετητής μπορεί να σηκώσει δεκάδες έως και πάνω από εκατό ενεργές ελαφρές συνεδρίες, εφόσον τα ερωτήματα είναι σύντομα και υπάρχει συνεχής ομαδοποίηση αιτημάτων.
Η πιο ενδιαφέρουσα κατηγορία είναι τα 24B έως 35B. Εδώ ανήκουν μοντέλα όπως Devstral, OLMo 32B, Qwen3.5-35B-A3B και DeepSeek-R1-Distill-Qwen-32B. Με ποσοτικοποίηση 4 bit, αυτά τα μοντέλα χωρούν άνετα σε 4× RX 7900 XTX και αφήνουν χώρο για μνήμη συμφραζομένων. Είναι το πιο λογικό σημείο ισορροπίας για δημόσιες υπηρεσίες: αρκετά έξυπνα για σύνθετα διοικητικά κείμενα, κώδικα, νομική αναζήτηση και τεχνική υποστήριξη, αλλά όχι τόσο βαριά ώστε να καταπίνουν όλη την υποδομή. Σε πραγματικές συνθήκες, με vLLM ή SGLang, μπορεί κανείς να περιμένει 20 έως 60 ενεργές διαδραστικές ροές, ανάλογα με το μήκος των ερωτημάτων και των απαντήσεων.
Τα 70B μοντέλα μπορούν να τρέξουν, αλλά με συμβιβασμούς. Apertus 70B, Llama 70B, ορισμένες εκδόσεις Qwen 72B ή μεγάλα πολυτροπικά μοντέλα απαιτούν επιθετική ποσοτικοποίηση, προσεκτικό περιορισμό συμφραζομένων και χαμηλότερη ταυτόχρονη χρήση. Είναι χρήσιμα ως «βαρύς σύμβουλος» για λίγους χρήστες, όχι ως μαζική υπηρεσία για όλο το ίδρυμα. Μοντέλα άνω των 100B, όπως gpt-oss-120B, μπορούν θεωρητικά να χωρέσουν σε ειδικές μορφές ποσοτικοποίησης, αλλά αφήνουν περιορισμένη μνήμη για συμφραζόμενα και πολλούς χρήστες. Τα πολύ μεγάλα MoE μοντέλα, όπως DeepSeek-V3/R1 πλήρους μεγέθους, GLM-5.2 ή Kimi K2.6, δεν είναι ρεαλιστική επιλογή για 4× RX 7900 XTX ως κανονική παραγωγική υπηρεσία. Για αυτά χρειάζεται μεγαλύτερη υποδομή ή χρήση μικρότερων εκδόσεων.
Τι αλλάζει με 8× RX 7900 XTX
Με 8× RX 7900 XTX η συνολική μνήμη γίνεται 192 GB. Αυτό αλλάζει την κλίμακα, αλλά όχι τους φυσικούς περιορισμούς. Η υποδομή μπορεί να εξυπηρετήσει πολύ άνετα μοντέλα 30B έως 35B με περισσότερους χρήστες, να δώσει καλύτερη εμπειρία σε 70B μοντέλα και να δοκιμάσει 120B μοντέλα με χαμηλή έως μέτρια ταυτόχρονη χρήση. Δεν αντικαθιστά όμως ένα enterprise cluster με H100, H200 ή MI300X όταν ζητούμενο είναι πολύ μεγάλο παράθυρο συμφραζομένων, εκατοντάδες ταυτόχρονοι ενεργοί χρήστες ή πλήρης εκτέλεση frontier MoE μοντέλων.
Η ανοιχτή στοίβα που κάνει τη διαφορά
Το πραγματικό πλεονέκτημα δεν είναι μόνο το κόστος του εξοπλισμού. Είναι η στοίβα ανοιχτού λογισμικού. Σε έναν τέτοιο εξυπηρετητή, ο βασικός κορμός μπορεί να είναι Ubuntu Server ή Rocky Linux, ROCm για την επιτάχυνση AMD, PyTorch με ROCm, vLLM ή SGLang για παραγωγικό συμπερασμό, llama.cpp για GGUF και ελαφρύτερη εκτέλεση, LiteLLM ως ενιαία πύλη συμβατή με OpenAI API, Open WebUI ως διεπαφή χρήστη, Keycloak για ταυτοποίηση, OpenSearch ή Qdrant για αναζήτηση, PostgreSQL για μεταδεδομένα και Superset ή Grafana για πίνακες ελέγχου.
Αυτή η στοίβα μειώνει τον εγκλωβισμό σε προμηθευτές. Επιτρέπει στο δημόσιο ή στο πανεπιστήμιο να αλλάζει μοντέλο χωρίς να αλλάζει εφαρμογή, να μετρά κόστος ανά αίτημα, να κρατά τα δεδομένα τοπικά, να εφαρμόζει πολιτικές ασφαλείας, να ελέγχει τις απαντήσεις με RAG και να τεκμηριώνει κάθε κρίσιμη χρήση με Model Cards, Datasheets, αρχεία καταγραφής και ανθρώπινη εποπτεία.
Από το τοπικό μοντέλο στη δημόσια ψηφιακή κυριαρχία
Η επιλογή τοπικών ανοιχτών μοντέλων δεν είναι απλώς για οικονομία. Είναι δημοκρατική υποδομή. Ένας δήμος μπορεί να έχει βοηθό για πολίτες χωρίς να στέλνει ευαίσθητα αιτήματα σε κλειστό cloud. Ένα πανεπιστήμιο μπορεί να προσφέρει ΤΝ σε φοιτητές και ερευνητές με διαφάνεια και χαμηλό κόστος. Ένα υπουργείο μπορεί να χρησιμοποιεί RAG πάνω σε ΦΕΚ, εγκυκλίους και δημόσια δεδομένα, χωρίς να παραδίδει τη διοικητική γνώση σε ιδιωτικά μαύρα κουτιά.
Η σωστή στρατηγική είναι υβριδική: πολλά μικρά και μεσαία μοντέλα για καθημερινές εργασίες, ένα ισχυρότερο μοντέλο για σύνθετη ανάλυση, αυστηρό RAG για διοικητικές απαντήσεις, ανθρώπινη τελική ευθύνη και πλήρης τεχνική τεκμηρίωση. Με αυτή τη λογική, ένας σχετικά χαμηλού κόστους AMD server δεν είναι υποκατάστατο των μεγάλων υπερυπολογιστών. Είναι όμως ο κρίσιμος ενδιάμεσος κρίκος που μετατρέπει την ΤΝ από ακριβή υπηρεσία συνδρομής σε δημόσια, ελέγξιμη και επαναχρησιμοποιήσιμη υποδομή.
SGLang, AMD GPUs: Η τεκμηρίωση του SGLang εξηγεί πώς εκτελείται η μηχανή AMD GPUs, είναι χρήσιμη για συνεχή ομαδοποίηση αιτημάτων και παραγωγικές ροές agentic εφαρμογών: https://sgl-project.github.io/platforms/amd_gpu.html,
Open Source Initiative, Open Source AI Definition 1.0: Η OSI δίνει τον αναγκαίο ορισμό για να ξεχωρίζουμε τα πλήρως ανοιχτά συστήματα ΤΝ από τα απλώς ανοιχτά βάρη: https://opensource.org/ai/open-source-ai-definition,
Allen Institute for AI, OLMo: Η οικογένεια OLMo αποτελεί από τα πιο σημαντικά παραδείγματα πλήρως ανοιχτών μοντέλων, με εκδόσεις 7B και 32B κατάλληλες για ερευνητική και δημόσια χρήση: https://allenai.org/olmo,
DeepSeek, DeepSeek-R1: Το αποθετήριο τεκμηριώνει ότι το DeepSeek-R1 και τα μοντέλα του διατίθενται με άδεια MIT, είναι κατάλληλα για τοπική εγκατάσταση και πειραματισμό: https://github.com/deepseek-ai/DeepSeek-R1,
Qwen, Qwen3.5-35B-A3B: Το μοντέλο Qwen3.5-35B-A3B είναι πρακτικό παράδειγμα αποδοτικού MoE μοντέλου με περίπου 35B συνολικές παραμέτρους και χαμηλότερες ενεργές παραμέτρους, συμβατό με Transformers, vLLM και SGLang: https://huggingface.co/Qwen/Qwen3.5-35B-A3B.
Καθώς ολοένα και περισσότερες χώρες στρέφονται προς την ψηφιακή ανεξαρτησία, το λογισμικό ανοιχτού κώδικα κερδίζει έδαφος σε κρίσιμους τομείς του δημοσίου.
Μέσα στο κλίμα της γαλλικής προσπάθειας για μείωση της εξάρτησης από μη ευρωπαίους τεχνολογικούς προμηθευτές, το λογισμικό ανοιχτού κώδικα διαδραματίζει ολοένα και πιο κεντρικό ρόλο.
Ένα από τα πιο χαρακτηριστικά παραδείγματα αυτής της τάσης είναι το Nuage, μια πλατφόρμα αποθήκευσης και διαμοιρασμού αρχείων που ανέπτυξε το Υπουργείο Εθνικής Παιδείας για εκπαιδευτικούς, διοικητικούς υπαλλήλους και λοιπό προσωπικό. Απευθύνεται στο σύνολο των 1,2 εκατομμυρίων εργαζομένων του Υπουργείου, ενώ σήμερα μετρά 400.000 ενεργούς λογαριασμούς, με περίπου τα δύο τρίτα των χρηστών να έχουν πρόσβαση στην υπηρεσία κάθε εβδομάδα.
Καθοριστικό ρόλο έπαιξε και το κόστος. Το Υπουργείο Παιδείας μπορεί να διαθέτει περίπου 10 ευρώ ανά χρήστη το χρόνο για το έργο. «Ο προϋπολογισμός μου για την πλατφόρμα είναι κάτω από δύο εκατομμύρια ευρώ το χρόνο, οπότε η τιμή είναι, φυσικά, ένας πολύ σημαντικός παράγοντας»,.
Τεχνική υποδομή
Η ανάπτυξη της πλατφόρμας πραγματοποιήθηκε από την ομάδα ψηφιακών υπηρεσιών του Υπουργείου, από την αρχική ανάπτυξη το 2020 έως την τελική έκδοση το 2022.
Το Υπουργείο διαθέτει δύο αποκλειστικούς υπαλλήλους για τη διαχείριση της πλατφόρμας αποθήκευσης αρχείων, ενώ ένας ακόμη ασχολείται με την υποδομή. Η πλατφόρμα Nuage φιλοξενείται σε δύο κέντρα δεδομένων του κράτους: ένα κοντά στο Παρίσι και ένα στο νότο της χώρας, κοντά στα Πυρηναία.
Οι λειτουργίες αποθήκευσης και συγχρονισμού αρχείων βασίζονται στο Nextcloud Files, λογισμικό ανοιχτού κώδικα που αναπτύσσει η γερμανική εταιρεία Nextcloud. Το Nuage περιλαμβάνει επίσης εφαρμογή επεξεργασίας εγγράφων βασισμένη στο Nextcloud Office, το οποίο χρησιμοποιεί λογισμικό ανοιχτού κώδικα της Collabora.
Υιοθέτηση από τους χρήστες
Σήμερα η πλατφόρμα φιλοξενεί 570 εκατομμύρια έγγραφα και 1,2 petabytes δεδομένων, ενώ 80.000 εργαζόμενοι χρησιμοποιούν τον client συγχρονισμού αρχείων στην επιφάνεια εργασίας τους.
Αξιοσημείωτο είναι ότι αυτή η υιοθέτηση επιτεύχθηκε χωρίς κεντρική προώθηση. «Δεν κάναμε καμία μεγάλη εθνική επικοινωνία για να ενημερώσουμε τους χρήστες ότι έχουν τη δυνατότητα να χρησιμοποιήσουν 100 GB αποθηκευτικού χώρου», είπε ο Piédallu. Παρ’ όλα αυτά, η υιοθέτηση συνεχίζει να αυξάνεται, με την ανάγκη για περίπου 40 terabytes επιπλέον αποθηκευτικού χώρου κάθε μήνα.
Το Υπουργείο εκτιμά ότι ο αριθμός των χρηστών θα φτάσει τους 600.000 έως το τέλος του έτους.
Ψηφιακή κυριαρχία: μια ευρύτερη στρατηγική
Το Nuage είναι μία μόνο από τις πολλές πρωτοβουλίες ανοιχτού κώδικα στον γαλλικό δημόσιο τομέα. Άλλα παραδείγματα περιλαμβάνουν το LaSuite, μια σουίτα παραγωγικότητας και συνεργασίας ανοιχτού κώδικα που ανέπτυξε η Γενική Διεύθυνση Ψηφιακών Θεμάτων (DINUM), με υπηρεσίες όπως η εφαρμογή ανταλλαγής μηνυμάτων Tchap και το Visio, μια πλατφόρμα τηλεδιάσκεψης. Η γαλλική κυβέρνηση έχει επίσης θέσει σε εφαρμογή σχέδια αντικατάστασης των Windows με Linux σε τμήματα του δημόσιου τομέα.
Μήνυμα προς άλλους οργανισμούς
Ο Piédallu έχει ένα σαφές μήνυμα για άλλους δημόσιους οργανισμούς που σκέφτονται να υιοθετήσουν λογισμικό ανοιχτού κώδικα: «Οι περισσότεροι υπεύθυνοι αποφάσεων πιστεύουν ότι θα είναι πολύ δύσκολο να αποχωριστούν τις καθιερωμένες τεχνολογίες. Φυσικά, υπάρχει δουλειά να γίνει για να γίνει η αλλαγή, για να βοηθηθούν οι άνθρωποι. Αλλά στο τέλος, είναι εφικτό. Είναι κάτι που μπορούμε να κάνουμε.»
Η Παραγωγική Τεχνητή Νοημοσύνη (Generative Artificial Intelligence – GenAI) αποτελεί μία από τις σημαντικότερες τεχνολογικές εξελίξεις της τελευταίας δεκαετίας και ήδη επηρεάζει βαθιά τον τρόπο λειτουργίας των δημόσιων οργανισμών στην Ευρώπη. Από τη σύνταξη εγγράφων και τη διαχείριση γνώσης έως την εξυπηρέτηση πολιτών και τη λήψη αποφάσεων, οι δυνατότητες της τεχνολογίας δημιουργούν νέες προοπτικές για την αποτελεσματικότητα και τον εκσυγχρονισμό του δημόσιου τομέα.
Σύμφωνα με πρόσφατη μελέτη του Joint Research Centre (JRC) της Ευρωπαϊκής Επιτροπής, οι δημόσιες διοικήσεις των κρατών-μελών πειραματίζονται ολοένα και περισσότερο με εργαλεία GenAI, αναζητώντας τρόπους αξιοποίησής τους σε καθημερινές διοικητικές λειτουργίες. Παράλληλα, όμως, αναδύονται σημαντικές προκλήσεις που αφορούν τη διακυβέρνηση των συστημάτων αυτών, την προστασία προσωπικών δεδομένων, την οργανωσιακή ετοιμότητα και την τεχνολογική κυριαρχία της Ευρώπης.
Η Τεχνητή Νοημοσύνη ως «γνωστικός συνεργάτης»
Ένα από τα σημαντικότερα ευρήματα της έρευνας είναι ότι οι δημόσιοι υπάλληλοι αντιμετωπίζουν την Παραγωγική Τεχνητή Νοημοσύνη όχι απλώς ως ένα εργαλείο αυτοματοποίησης, αλλά ως έναν «γνωστικό βοηθό». Τα συστήματα αυτά μπορούν να συντάσσουν κείμενα, να συνοψίζουν μεγάλους όγκους πληροφοριών, να υποστηρίζουν την ανάλυση δεδομένων και να διευκολύνουν την πρόσβαση στη συσσωρευμένη οργανωσιακή γνώση.
Η χρήση τους συμβάλλει στην αύξηση της παραγωγικότητας, στη μείωση του χρόνου εκτέλεσης επαναλαμβανόμενων εργασιών και στη βελτίωση της ποιότητας των διοικητικών διαδικασιών. Σε ένα περιβάλλον όπου οι δημόσιοι οργανισμοί διαχειρίζονται τεράστιο όγκο πληροφοριών, η δυνατότητα γρήγορης αναζήτησης, επεξεργασίας και παραγωγής περιεχομένου αποκτά ιδιαίτερη σημασία.
Ωστόσο, η αυξανόμενη εξάρτηση από τα εργαλεία GenAI δημιουργεί και προβληματισμούς. Πολλοί εργαζόμενοι εκφράζουν ανησυχίες σχετικά με την αξιοπιστία των απαντήσεων, τα φαινόμενα «παραισθήσεων» (hallucinations), καθώς και τον κίνδυνο σταδιακής αποδυνάμωσης κρίσιμων δεξιοτήτων όπως η κριτική σκέψη και η ανεξάρτητη ανάλυση.
Η ισορροπία μεταξύ καινοτομίας και ελέγχου
Η υιοθέτηση της GenAI στον δημόσιο τομέα χαρακτηρίζεται από μια συνεχή προσπάθεια εξισορρόπησης μεταξύ καινοτομίας και ελέγχου. Από τη μία πλευρά, οι οργανισμοί επιδιώκουν να αξιοποιήσουν τα οφέλη της τεχνολογίας για να βελτιώσουν τις υπηρεσίες προς τους πολίτες και να ενισχύσουν την αποτελεσματικότητά τους. Από την άλλη, καλούνται να διασφαλίσουν τη συμμόρφωση με το ευρωπαϊκό κανονιστικό πλαίσιο, όπως ο Γενικός Κανονισμός Προστασίας Δεδομένων (GDPR) και ο Ευρωπαϊκός Κανονισμός για την Τεχνητή Νοημοσύνη (AI Act).
Ιδιαίτερη ανησυχία προκαλεί το φαινόμενο της λεγόμενης «σκιώδους ΤΝ» (Shadow AI), κατά το οποίο οι εργαζόμενοι χρησιμοποιούν εμπορικά εργαλεία τεχνητής νοημοσύνης εκτός των επίσημων συστημάτων του οργανισμού τους. Παρότι αυτά τα εργαλεία συχνά προσφέρουν μεγαλύτερες δυνατότητες και ευχρηστία, η χρήση τους ενδέχεται να δημιουργεί κινδύνους για την ασφάλεια και την προστασία των δεδομένων.
Η οργανωσιακή διάσταση της υιοθέτησης
Η επιτυχής ενσωμάτωση της Παραγωγικής Τεχνητής Νοημοσύνης δεν εξαρτάται μόνο από την τεχνολογία. Απαιτεί ένα ευρύτερο οικοσύστημα οργανωσιακών, τεχνολογικών και θεσμικών προϋποθέσεων.
Οι δημόσιες διοικήσεις χρειάζονται ασφαλείς και αξιόπιστες τεχνολογικές υποδομές, ποιοτικά δεδομένα, μηχανισμούς διακυβέρνησης και σαφείς διαδικασίες ελέγχου. Εξίσου σημαντική είναι η ανάπτυξη των ψηφιακών δεξιοτήτων του ανθρώπινου δυναμικού, ώστε οι εργαζόμενοι να μπορούν να χρησιμοποιούν τα εργαλεία GenAI με υπευθυνότητα και αποτελεσματικότητα.
Η έρευνα αναδεικνύει επίσης τη σημασία των πειραματικών περιβαλλόντων (sandboxes), μέσα στα οποία οι οργανισμοί μπορούν να δοκιμάζουν νέες εφαρμογές, να αξιολογούν κινδύνους και να αναπτύσσουν βέλτιστες πρακτικές πριν από τη μαζική υλοποίηση.
Τα τέσσερα στάδια ωρίμανσης της GenAI
Η μελέτη προτείνει ένα μοντέλο τεσσάρων σταδίων για την ενσωμάτωση της GenAI στις δημόσιες διοικήσεις:
Διερευνητικό στάδιο (Exploratory): Οι εργαζόμενοι πειραματίζονται με τα εργαλεία και ανακαλύπτουν τις δυνατότητές τους.
Μετασχηματιστικό στάδιο (Transformational): Η τεχνολογία ενσωματώνεται στις βασικές διαδικασίες και ανασχεδιάζει τον τρόπο παροχής υπηρεσιών.
Αναστοχαστικό στάδιο (Reflective): Οι οργανισμοί αξιολογούν συστηματικά τα αποτελέσματα, βελτιώνουν τις πρακτικές τους και αξιοποιούν τη συλλογική εμπειρία για συνεχή εξέλιξη.
Η μετάβαση από το ένα στάδιο στο άλλο δεν είναι γραμμική, αλλά απαιτεί συνεχή μάθηση, προσαρμογή και ισχυρή διοικητική ηγεσία.
Η ευρωπαϊκή διάσταση και η τεχνολογική κυριαρχία
Η Ευρωπαϊκή Ένωση αντιμετωπίζει την Τεχνητή Νοημοσύνη όχι μόνο ως εργαλείο ψηφιακού μετασχηματισμού αλλά και ως στρατηγικό παράγοντα τεχνολογικής αυτονομίας. Μέσα από πρωτοβουλίες όπως το AI Act, το AI Continent Action Plan και το Apply AI Strategy, η Ευρώπη επιδιώκει να δημιουργήσει ένα οικοσύστημα αξιόπιστης, ασφαλούς και ανθρώποκεντρικής τεχνητής νοημοσύνης.
Για τις δημόσιες διοικήσεις, αυτό σημαίνει ότι η επιλογή τεχνολογικών λύσεων δεν αφορά μόνο την αποτελεσματικότητα, αλλά και τη διασφάλιση της κυριαρχίας στα δεδομένα, τη διαφάνεια των αλγορίθμων και τη συμμόρφωση με τις ευρωπαϊκές αξίες.
Η καταληκτική συνεδρία της δεύτερης ημέρας της UN Open Source Week 2026 με θέμα “Ανοιχτό Λογισμικό και ΤΝ” στη Νέα Υόρκη ανέξειξε εμφατικά ότι η «ανοιχτότητα» αποτελεί πριν από όλα στρατηγική αναγκαιότητα για την επιβίωση των κρατών στην εποχή της Τεχνητής Νοημοσύνης.
Το Μήνυμα της Εσθονίας και της Ισπανίας: Η Ανοιχτότητα ως Δημόσια Πολιτική
Η Hon. Liisa-Ly Pakosta, Υπουργός Δικαιοσύνης και Ψηφιακών Υποθέσεων της Εσθονίας, ήταν αφοπλιστική: ο ανοιχτός κώδικας είναι κυβερνητικό ζήτημα και πρέπει να αποτελεί την προεπιλεγμένη λύση (default). Η εμπειρία του X-Road, το οποίο εξάγεται πλέον σε 140 χώρες, αποδεικνύει ότι η αποφυγή του vendor lock-in (εγκλωβισμού σε παρόχους) είναι το κλειδί για την ψηφιακή αυτονομία ενός μικρού κράτους.
Στο ίδιο μήκος κύματος, ο Alberto Gago (AESIA, Ισπανία) τόνισε ότι η ανοιχτότητα είναι δημόσια πολιτική. Η Ισπανία δεν έμεινε στα λόγια, αλλά ανέπτυξε το δικό της μοντέλο AI για να «αντισταθμίσει την ισχύ των Big Tech» και να προστατεύσει την πολιτισμική της ταυτότητα. Αυτή η προσέγγιση αναδεικνύει την ανάγκη για θεσμική αρχιτεκτονική που να υποστηρίζει την ανοιχτότητα, κάτι που στην Ελλάδα παραμένει το μεγάλο ζητούμενο.
Ο Ρόλος της Ελλάδας στο IMPACTS-EDIC
Η θέση της Ελλάδας ως επικεφαλής στο Impacts-EDIC (European Digital Infrastructure Consortium) αποτελεί μια μοναδική ευκαιρία να ξεπεράσει το «ελληνικό παράδοξο». Ενώ η Γαλλία ηγείται στο Digital Commons EDIC, η Ελλάδα μπορεί μέσω του Impacts-EDIC να μετατρέψει την τεχνική της επάρκεια σε διπλωματικό και οικονομικό κεφάλαιο.
Η συμμετοχή σε ένα EDIC επιτρέπει τη συνένωση πόρων σε ευρωπαϊκό επίπεδο, κάτι που ο Amandeep Singh Gill (UN) περιέγραψε ως «ιμάντα μεταβίβασης» (conveyor belt) ταλέντου και γνώσης. Για την Ελλάδα, αυτό σημαίνει ότι το Impacts-EDIC μπορεί να γίνει ο μηχανισμός που θα επιβάλει τη ρήτρα αμοιβαιότητας(reciprocity): κάθε βελτίωση που γίνεται στις δημόσιες πλατφόρμες μας πρέπει να επιστρέφει ως συνεισφορά στον παγκόσμιο ανοιχτό κώδικα.
Τα EDIHs ως Καταλύτες του Τοπικού Οικοσυστήματος
Εδώ έρχεται ο κρίσιμος ρόλος των Ευρωπαϊκών Κόμβων Ψηφιακής Καινοτομίας (EDIHs) και του AIPowerGreece (o νέος Εθνικός Κόμβος Ψηφιακής Καινοτομίας για την Ελλάδα) ο οποίος μπορεί να λειτουργήσει ως πεδίο δοκιμών για νέα μοντέλα προμηθειών μέσα από την αποκέντρωση της αγοράς από το δημόσιο καινοτομίας. Αντί για τη διαιώνιση της κυριαρχίας λίγων μεγάλων system integrators, τα EDIHs μπορούν να συμβάλουν στην υποστήριξη εγχώριες επιχειρήσεις ΤΠΕ με εξωστρεφή προσανατολισμό στην παροχή και διασυνοριακών υπηρεσιών που βασίζουν το επιχειρηματικό τους μοντέλο τους σε υπηρεσίες γύρω από τα ανοιχτά πρότυπα και το ανοιχτό λογισμικό.
Η Αναπληρώτρια Μόνιμη Αντιπρόσωπος της Ουρουγουάης στα Ηνωμένα Έθνη Gabriela Gonzalez ήταν σαφής όταν υπογράμμισε ότι οι χώρες πρέπει να πάψουν να είναι απλοί καταναλωτές. Τα ελληνικά EDIHs μπορούν να εκπαιδεύσουν την αγορά στη λογική του “Public Money, Public Code”, διασφαλίζοντας ότι το δημόσιο χρήμα παράγει δημόσια ψηφιακά αγαθά.
Η Πολιτική Βούληση ως το Τελευταίο Σύνορο
Η συζήτηση στον ΟΗΕ επιβεβαίωσε ότι το μέλλον για ένα καινοτόμο ψηφιακό μετασχηματισμό περνάει μέσα από μικρές, έξυπνες και κατανεμημένες λύσεις. Η Ελλάδα διαθέτει το ταλέντο αλλά της λείπει ακόμα ο θεσμικός συντονισμός.
Η πρόκληση για την ελληνική ψηφιακή διακυβέρνηση είναι να αξιοποιήσει τη θέση της στο IMPACTS-EDIC και τη δικτύωση των EDIHs για να οικοδομήσει μια «πολιτική οικονομία της ανοιχτότητας». Μόνο έτσι θα περάσουμε από τις επιτυχημένες αλλά απομονωμένες πλατφόρμες σε ένα ζωντανό οικοσύστημα που θα παράγει αξία, διασφαλίζοντας ταυτόχρονα την ψηφιακή μας κυριαρχία απέναντι στις προκλήσεις της Agentic AI εποχής.
Η συζήτηση γύρω από την Τεχνητή Νοημοσύνη (AI) στην Ευρώπη συχνά παρουσιάζεται ως ένα δίλημμα: περισσότερη καινοτομία ή περισσότερη ρύθμιση. Ωστόσο, ένας νέος προβληματισμός από τον τομέα της πολιτιστικής κληρονομιάς προτείνει μια διαφορετική προσέγγιση. Σύμφωνα με τη νέα λευκή βίβλο της Europeana με τίτλο «The Case for Public AI: Making it Happen with Cultural Heritage», η Ευρώπη δεν είναι υποχρεωμένη να επιλέξει ανάμεσα στην ανάπτυξη και τον έλεγχο της τεχνολογίας. Αντίθετα, μπορεί να διαμορφώσει ένα μοντέλο «Δημόσιας Τεχνητής Νοημοσύνης» που υπηρετεί το δημόσιο συμφέρον.
Η βασική θέση της έκθεσης είναι ότι τα θεμέλια της AI δεν πρέπει να καθορίζονται αποκλειστικά από λίγες μεγάλες ιδιωτικές εταιρείες. Ο τομέας της πολιτιστικής κληρονομιάς –μουσεία, βιβλιοθήκες, αρχεία και πολιτιστικοί οργανισμοί– μπορεί να διαδραματίσει καθοριστικό ρόλο στη δημιουργία ενός πιο δημοκρατικού και διαφανούς οικοσυστήματος τεχνητής νοημοσύνης. Διαθέτει πλούσια, πολυγλωσσικά και τεκμηριωμένα δεδομένα, τα οποία μπορούν να αξιοποιηθούν για την εκπαίδευση μοντέλων AI με υψηλά πρότυπα ποιότητας και αξιοπιστίας.
Η λευκή βίβλος αναδεικνύει τέσσερις βασικούς ρόλους για τον τομέα της πολιτιστικής κληρονομιάς. Πρώτον, να λειτουργεί ως θεματοφύλακας ποιοτικών δεδομένων. Δεύτερον, να διασφαλίζει δίκαιους και αμοιβαία επωφελείς όρους πρόσβασης και επαναχρησιμοποίησης αυτών των δεδομένων. Τρίτον, να συμβάλλει στην ανάπτυξη μικρότερων και εξειδικευμένων μοντέλων AI που ανταποκρίνονται σε συγκεκριμένες κοινωνικές και πολιτιστικές ανάγκες. Τέταρτον, να ενισχύσει τον ψηφιακό και τεχνολογικό εγγραμματισμό των πολιτών γύρω από την τεχνητή νοημοσύνη.
Η πρωτοβουλία αυτή συνδέεται άμεσα με τη μελλοντική Στρατηγική για την Τεχνητή Νοημοσύνη στους Πολιτιστικούς και Δημιουργικούς Τομείς, την οποία η Ευρωπαϊκή Επιτροπή έχει προαναγγείλει για το 2027. Το έγγραφο επιχειρεί να προσφέρει μια κοινή βάση διαλόγου, ώστε οι φορείς πολιτισμού να εκφράσουν ενιαία θέση σε ένα περιβάλλον όπου η γενετική τεχνητή νοημοσύνη μετασχηματίζει τον τρόπο με τον οποίο οι πολίτες αναζητούν πληροφορίες, γνώση και πολιτιστικό περιεχόμενο.
Η AI δεν αποτελεί απλώς μια τεχνολογική καινοτομία. Αναδεικνύεται σε μια κοινωνική και πολιτιστική τεχνολογία που διαμορφώνει τον τρόπο πρόσβασης στη γνώση και στον πολιτισμό. Για τον λόγο αυτό, η έκθεση υποστηρίζει ότι οι δημόσιοι πολιτιστικοί οργανισμοί δεν πρέπει να περιοριστούν στην υιοθέτηση των νέων εργαλείων, αλλά να συμμετάσχουν ενεργά στη διαμόρφωση των κανόνων, των αξιών και των στόχων που θα καθοδηγήσουν την ανάπτυξή τους.
Η πρόταση για μια Δημόσια Τεχνητή Νοημοσύνη αναδεικνύει μια ευρωπαϊκή εναλλακτική: μια AI που δεν εξυπηρετεί μόνο την οικονομική ανάπτυξη, αλλά και την πολιτιστική πολυμορφία, τη δημοκρατία, τη διαφάνεια και το συλλογικό όφελος. Σε μια εποχή όπου η τεχνητή νοημοσύνη αποκτά ολοένα και μεγαλύτερη επιρροή στην καθημερινή ζωή, η συμβολή του τομέα της πολιτιστικής κληρονομιάς μπορεί να αποδειχθεί καθοριστική για τη δημιουργία μιας τεχνολογίας που υπηρετεί πραγματικά την κοινωνία.
Η σύγχρονη επιστημονική έρευνα είναι περισσότερο διεθνής, ψηφιακή και συνεργατική από ποτέ. Ερευνητές από διαφορετικές χώρες συνεργάζονται καθημερινά, αξιοποιούν μεγάλες βάσεις δεδομένων, εφαρμόζουν τεχνικές εξόρυξης κειμένου και δεδομένων (Text and Data Mining – TDM) και ενσωματώνουν εργαλεία τεχνητής νοημοσύνης στις ερευνητικές τους διαδικασίες. Ωστόσο, παρά την ταχεία εξέλιξη της επιστήμης, το νομικό πλαίσιο που διέπει τη χρήση προστατευόμενου από πνευματικά δικαιώματα υλικού παραμένει κατακερματισμένο και συχνά ανεπαρκές για τις ανάγκες της σύγχρονης έρευνας.
Μια πρόσφατη μελέτη του Centrum Cyfrowe σε συνεργασία με το Future Law Lab του Πανεπιστημίου Jagiellonian εξετάζει κατά πόσο το ευρωπαϊκό σύστημα πνευματικών δικαιωμάτων ανταποκρίνεται στις απαιτήσεις της επιστημονικής κοινότητας. Τα ευρήματα δείχνουν ότι, παρά τις πολυετείς προσπάθειες εναρμόνισης της νομοθεσίας σε επίπεδο Ευρωπαϊκής Ένωσης, οι ερευνητές εξακολουθούν να λειτουργούν μέσα σε ένα περιβάλλον έντονης νομικής ασάφειας και ανισοτήτων μεταξύ των κρατών-μελών.
Ένα μωσαϊκό διαφορετικών κανόνων
Η έρευνα ανέλυσε το καθεστώς εξαιρέσεων για ερευνητικούς σκοπούς σε 28 ευρωπαϊκές δικαιοδοσίες. Παρότι η ευρωπαϊκή νομοθεσία προβλέπει ορισμένες εξαιρέσεις που επιτρέπουν τη χρήση προστατευόμενων έργων για επιστημονική έρευνα, τα κράτη-μέλη έχουν συχνά εισαγάγει πρόσθετους περιορισμούς και διαδικαστικές προϋποθέσεις. Ως αποτέλεσμα, δραστηριότητες που επιτρέπονται σε μία χώρα μπορεί να θεωρούνται παράνομες ή αμφισβητούμενες σε μια άλλη.
Για να αξιολογηθεί το επίπεδο «ανοιχτότητας» των εθνικών νομοθεσιών προς την επιστημονική έρευνα, αναπτύχθηκε ο δείκτης I-REx (Index of Research Exceptions). Ο δείκτης αποκάλυψε ότι όλα τα κράτη-μέλη της ΕΕ έχουν υιοθετήσει πιο περιοριστικές ρυθμίσεις από αυτές που απαιτεί το ευρωπαϊκό δίκαιο. Η μέση αυστηρότητα των εθνικών συστημάτων αποδείχθηκε υπερδιπλάσια από το ελάχιστο πρότυπο που προβλέπεται σε επίπεδο ΕΕ.
Νομική αβεβαιότητα στις διεθνείς συνεργασίες
Οι συνέπειες αυτού του κατακερματισμού είναι ιδιαίτερα εμφανείς στις διασυνοριακές ερευνητικές συνεργασίες. Ερευνητικές κοινοπραξίες που περιλαμβάνουν εταίρους από διαφορετικές χώρες συχνά αναγκάζονται να ακολουθούν το πιο αυστηρό νομικό καθεστώς μεταξύ των συμμετεχόντων κρατών. Αυτό περιορίζει τις δυνατότητες όλων των ερευνητών και δημιουργεί ένα κλίμα συνεχούς αβεβαιότητας σχετικά με το τι επιτρέπεται και τι όχι.
Ακόμη πιο ανησυχητικό είναι το γεγονός ότι, σύμφωνα με τη μελέτη, ακόμη και ειδικοί στο δίκαιο πνευματικής ιδιοκτησίας διαφωνούν συχνά ως προς τη νομιμότητα κοινών ερευνητικών πρακτικών. Σε δέκα χαρακτηριστικά ερευνητικά σενάρια που εξετάστηκαν από ειδικούς σε 21 ευρωπαϊκές χώρες, δεν υπήρξε σαφής συναίνεση σχετικά με το ποιες δραστηριότητες επιτρέπονται. Αν οι ίδιοι οι νομικοί δυσκολεύονται να ερμηνεύσουν το πλαίσιο, είναι εύλογο να αναρωτηθεί κανείς πώς μπορούν οι ερευνητές να λειτουργήσουν με βεβαιότητα και ασφάλεια.
Η οπτική των ερευνητών
Οι συνεντεύξεις με ερευνητές επιβεβαιώνουν την ύπαρξη σοβαρών προβλημάτων. Πολλοί συμμετέχοντες ανέφεραν ότι δεν έχουν λάβει επαρκή εκπαίδευση σχετικά με τα πνευματικά δικαιώματα και βασίζονται σε ανεπίσημες πρακτικές, επαγγελματικά δίκτυα και θεσμικές «παρακάμψεις» για να αποκτήσουν πρόσβαση σε ερευνητικό υλικό.
Ιδιαίτερο ενδιαφέρον παρουσιάζει η επικράτηση μιας νοοτροπίας που οι ερευνητές περιγράφουν ως «το ευρύτερο καλό». Πολλοί θεωρούν ότι η παραγωγή και διάδοση της γνώσης αποτελεί κοινωνική αποστολή που υπερβαίνει τους περιορισμούς ή τις ασάφειες της νομοθεσίας. Έτσι, σε ορισμένες περιπτώσεις επιλέγουν να λειτουργούν σε νομικές «γκρίζες ζώνες», όταν θεωρούν ότι οι περιορισμοί των πνευματικών δικαιωμάτων έρχονται σε σύγκρουση με τις πραγματικές ανάγκες της επιστήμης.
Παράλληλα, οι συμμετέχοντες επισήμαναν ότι η νομοθεσία δεν έχει προσαρμοστεί επαρκώς στις σύγχρονες τεχνολογίες, ιδιαίτερα σε τομείς όπως η Τεχνητή Νοημοσύνη, η Μηχανική Μάθηση και η εξόρυξη δεδομένων. Το αποτέλεσμα είναι ένα αυξανόμενο χάσμα μεταξύ των νομικών κανόνων και των πραγματικών συνθηκών διεξαγωγής της έρευνας.
Η ανάγκη για μεταρρύθμιση
Οι συντάκτες της μελέτης υποστηρίζουν ότι η Ευρώπη δεν μπορεί να οικοδομήσει ένα ανταγωνιστικό και καινοτόμο ερευνητικό οικοσύστημα όσο διατηρείται αυτός ο βαθμός νομικού κατακερματισμού. Το ισχύον πλαίσιο συχνά αποσπά χρόνο και πόρους από την ουσία της επιστημονικής έρευνας, αναγκάζοντας τους ερευνητές να επικεντρώνονται στην αξιολόγηση νομικών κινδύνων αντί στην παραγωγή νέας γνώσης.
Η μελέτη προτείνει, σε βραχυπρόθεσμο επίπεδο, την πλήρη εφαρμογή των εξαιρέσεων για ερευνητικούς σκοπούς χωρίς πρόσθετους εθνικούς περιορισμούς, καθώς και την αμοιβαία αναγνώριση των νόμιμων ερευνητικών χρήσεων σε όλα τα κράτη-μέλη της ΕΕ. Σε μακροπρόθεσμο ορίζοντα, προτείνεται η δημιουργία μιας υποχρεωτικής και πλήρως εναρμονισμένης ευρωπαϊκής εξαίρεσης για την επιστημονική έρευνα, η οποία θα εξασφαλίζει ενιαία δικαιώματα και μεγαλύτερη νομική βεβαιότητα σε ολόκληρη την Ένωση.
Η επιστημονική γνώση αποτελεί θεμελιώδες δημόσιο αγαθό και βασικό μοχλό καινοτομίας, εκπαίδευσης και κοινωνικής προόδου. Όταν οι κανόνες πνευματικής ιδιοκτησίας λειτουργούν ως εμπόδιο στην πρόσβαση, τη συνεργασία και την ανταλλαγή γνώσης, υπονομεύουν τον ίδιο τον σκοπό που καλούνται να υπηρετήσουν. Η Ευρώπη καλείται σήμερα να επανεξετάσει το πλαίσιο των πνευματικών δικαιωμάτων, ώστε να διασφαλίσει ότι η έρευνα δεν θα περιορίζεται από εθνικά σύνορα και νομικές ασάφειες, αλλά θα υποστηρίζεται ως βασικός πυλώνας της ευρωπαϊκής ανάπτυξης και καινοτομίας.
ΝΕΑ ΥΟΡΚΗ, 2η ημέρα του UN Open Source Week 2026. Στον απόηχο των συζητήσεων στον ΟΗΕ για το μέλλον της ψηφιακής διακυβέρνησης, η σημερινή παρέμβαση του Yann LeCun λειτούργησε ως μια «ψυχρολουσία» πραγματισμού απέναντι στις υπερβολές που λέγονται και γράφονται για την τεχνητή νοημοσύνη. Ο πρώην επικεφαλής επιστήμονας της Meta και νυν συνιδρητής των Advanced Machine Intelligence Labs δεν στάθηκε μόνο στις τεχνικές προκλήσεις, αλλά άγγιξε την «καρδιά» του προβλήματος της οικονομικής και πολιτικής βιωσιμότητα της ΤΝ.
Το οικονομικό παράδοξο: Η φούσκα των 15.000 δολαρίων
Ο LeCun έριξε μια «βόμβα» που αναμένεται να συζητηθεί στα πηγαδάκια της Νέας Υόρκης και όχι μόνο. Αποκάλυψε ότι τη χρήση της ΤΝ σήμερα, ουσιαστικά, την επιδοτούν οι ίδιοι οι επενδυτές. «Το κόστος εξυπηρέτησης ενός “power user” που πληρώνει 200 δολάρια τον μήνα μπορεί να φτάνει τα 15.000 δολάρια», ανέφερε χαρακτηριστικά, προειδοποιώντας για μια επικείμενη «εκκαθάριση» παρόμοια με την κατάρρευση των εταιρειών dot-com το 2000.
Όπως εξήγησε, οι τρέχουσες αρχιτεκτονικές autoregressive prediction (η πρόβλεψη της επόμενης λέξης από την ΤΝ) είναι εγγενώς ενεργοβόρες και «μη ασφαλείς». Η λύση, σύμφωνα με τον ίδιο, δεν είναι τα όλο και μεγαλύτερα μοντέλα στο cloud, αλλά η στροφή σε μικρότερα, τοπικά μοντέλα και σε νέες αρχιτεκτονικές όπως το JEPA(Joint Embedding Predictive Architecture), που θα επιτρέπουν στα συστήματα να σχεδιάζουν ενέργειες με βάση «μοντέλα του κόσμου» (world models) και συγκεκριμένους στόχους (objective-driven AI).
Ανοιχτός Κώδικας: Το «αντίδοτο» στη συγκέντρωση ισχύος
Απαντώντας στη διάχυτη ανησυχία για τους υπαρξιακούς κινδύνους της ΤΝ, ο LeCun ήταν καθησυχαστικός, αλλά και πολιτικά αιχμηρός. Υποστήριξε ότι ο κίνδυνος δεν προέρχεται από μια «υπέρ-ευφυή» ΤΝ που θα κυριεύσει τον κόσμο, αλλά από τη συγκέντρωση τεχνολογικής ισχύος σε λίγους παρόχους.
«Η λύση είναι οι ανοιχτές πλατφόρμες», τόνισε, εξηγώντας ότι ο ανοιχτός κώδικας επιτρέπει στις χώρες να διατηρήσουν την κυριαρχία τους χωρίς να θυσιάζουν την ασφάλεια. Μάλιστα, προέβλεψε ότι η ανάγκη για δραστική μείωση του κόστους inference (κατά 20 έως 100 φορές) θα οδηγήσει αναγκαστικά σε αποδοτικότερο, τοπικό λογισμικό και υλικό, ειδικά για εφαρμογές σε κρίσιμους τομείς όπως η γεωργία και η υγεία.
Γιατί τα λόγια του LeCun «δείχνουν» την προσπάθεια της ΕΕΛΛΑΚ
Για εμάς, στην ΕΕΛΛΑΚ, η τοποθέτηση του LeCun από το βήμα του ΟΗΕ αποτελεί την απόλυτη δικαίωση της στρατηγικής που χαράζουμε πρωτίστως με το glossAPI αλλά και το Open-Local-LLM.
Ψηφιακή Κυριαρχία vs “Cloud Subsidies”: Όταν ο LeCun μιλά για το μη βιώσιμο κόστος των κλειστών cloud, επιβεβαιώνει την ανάγκη για την εγχώρια, ανοιχτή υποδομή που προτείνουμε. Η εξάρτηση από ξένους παρόχους (vendor lock-in) δεν είναι μόνο ρίσκο κυριαρχίας, αλλά και μια οικονομική παγίδα.
Τοπική Υποδομή ως Κοινό Αγθό: Η προσέγγισή μας για LLMs που τρέχουν 100% με ελεύθερο λογισμικό σε τοπικό υλικό (edge nodes) ταυτίζεται με την ανάγκη για «δημοκρατικοποίηση» της υπολογιστικής ισχύος. Το glossAPI, βασισμένο στην ελεύθερη πρόσβαση σε ΑΙ ready δεδομένα, είναι το πρώτο βήμα για ένα μοντέλο εκπαιδευμένο σε ελληνικά (όπως το Apertus ή ενδεχομένως η επόμενη έκδοση του Meltemi) που να υπηρετεί το δημόσιο συμφέρον.
AI-assisted, not AI-decided: Η στροφή που περιέγραψε ο LeCun προς το Objective-Driven AI με δικλείδες ασφαλείας (guardrails) ταυτίζεται με τη δική μας φιλοσοφία human-in-the-loop. Στόχος μας είναι να φτάσουμε σε μια διάφανη δημόσια υποδομή που να υποστηρίζει τον δημόσιο υπάλληλο και τον πολίτη.
Το Proof of Concept που ξεκινάμε στην ΕΕΛΛΑΚ για Open Local Open Source LLMs στοχεύει ακριβώς στο να αποδείξει ότι η ψηφιακή κυριαρχία του Δημοσίου χτίζεται με ανοιχτό κώδικα και τοπική ισχύ, μειώνοντας δραστικά το κόστος και διασφαλίζοντας τα δεδομένα μας εντός συνόρων χτίζοντας παράλληλα τις αναγκαίες ικανότητες. Όπως φάνηκε σήμερα στη Νέα Υόρκη, ο δρόμος προς μια τεχνητή νοημοσύνη ως ψηφιακό δημόσιο αγαθό είναι η μόνη ρεαλιστική διέξοδος.
Η Επιτροπή Νομικών Θεμάτων (JURI) του Ευρωπαϊκού Κοινοβουλίου υιοθέτησε πρόσφατα σχέδιο γνωμοδότησης σχετικά με το νομοθετικό πακέτο Digital Omnibus, επιχειρώντας να διαφυλάξει βασικές αρχές του ευρωπαϊκού πλαισίου για τα ανοιχτά δημόσια δεδομένα. Αν και η πρωτοβουλία περιλαμβάνει σημαντικές θετικές παρεμβάσεις, ορισμένες από τις προτεινόμενες τροποποιήσεις δημιουργούν αντιφάσεις που ενδέχεται να υπονομεύσουν το ίδιο το οικοσύστημα ... Read more
Η FOSSCOMM επιστρέφει! Η μεγαλύτερη ετήσια συνάντηση των κοινοτήτων Ελεύθερου και Ανοιχτού Λογισμικού της Ελλάδας έρχεται για 19η χρονιά, αυτή τη φορά στην Αθήνα.
Πότε: 31 Οκτωβρίου – 1 Νοεμβρίου 2026 Πού: Πανεπιστήμιο Δυτικής Αττικής (Θηβών 250, Αιγάλεω) Είσοδος: Δωρεάν — όπως αρμόζει στο ελεύθερο λογισμικό
Η FOSSCOMM διοργανώνεται από εθελοντές, με ελεύθερη είσοδο και είναι ανοιχτή σε όλους. Συναντιόμαστε για να μοιραστούμε γνώση, να ανταλλάξουμε ιδέες, να συνεργαστούμε σε projects και να ενισχύσουμε τις κοινότητες που κρατούν ζωντανό το ανοιχτό λογισμικό. Κάθε χρόνο συμμετέχουν περισσότεροι από 800 σύνεδροι — κοινότητες, προγραμματιστές και εταιρείες που ασχολούνται με τις Ανοιχτές Τεχνολογίες.
Άνοιξε το Call for Presentations
Η οργανωτική επιτροπή καλεί τις κοινότητες ανοιχτού και ελεύθερου λογισμικού — αλλά και κάθε ενδιαφερόμενο/η — να υποβάλει πρόταση για ομιλία ή workshop.
Ομιλίες: έως 30 λεπτά (συμπεριλαμβανομένων των ερωτήσεων — μπορεί και λιγότερο)
Workshops: προτεινόμενη διάρκεια 90 λεπτά (από 1 έως 2,5 ώρες)
Γλώσσα: επίσημη γλώσσα τα Ελληνικά, γίνονται όμως δεκτές και προτάσεις στα Αγγλικά
Δεχόμαστε όλα τα επίπεδα εμπειρίας — και ενθαρρύνουμε ιδιαίτερα νέους ομιλητές να ανέβουν για πρώτη φορά στη σκηνή.
Ενδεικτικές θεματικές κατηγορίες: Open Hardware, Machine Learning / Deep Learning / AI, FPGA, Cloud / Edge / Fog Computing, IoT, Ασφάλεια Συστημάτων, Νομικά Θέματα, Embedded Systems, Mobile & Web Development, E-government, E-health, UI/UX, Blockchain & DApps, Arduino, Raspberry Pi κ.ά. Δεν υπάρχει περιορισμός — μπορούν να δημιουργηθούν και νέες κατηγορίες.
Κάθε μέρα εκατομμύρια άνθρωποι αντικρίζουν τα γνωστά cookie banners που τους ζητούν να «αποδεχτούν», να «απορρίψουν», να «προσαρμόσουν» ή να «επανεξετάσουν» τις προτιμήσεις τους. Σπάνια όμως παίρνουμε μια προσεκτικά σταθμισμένη απόφαση: στις περισσότερες περιπτώσεις απλώς προσπαθούμε να διαβάσουμε ένα άρθρο, να κλείσουμε ένα εισιτήριο, να δούμε τον καιρό ή ένα βίντεο, και πατάμε «αποδοχή» για να ξεμπερδεύουμε.
Πίσω από αυτά τα φαινομενικά αθώα παράθυρα κρύβεται μία από τις σημαντικότερες συζητήσεις για το μέλλον της ψηφιακής μας ζωής. Η συζήτηση αυτή αφορά την ePrivacy.
Τι είναι η ePrivacy και πώς διαφέρει από τον GDPR
Ο Γενικός Κανονισμός για την Προστασία Δεδομένων (GDPR) ρυθμίζει κυρίως την επεξεργασία των προσωπικών δεδομένων — δηλαδή τι συμβαίνει αφού έχουν συλλεχθεί δεδομένα για εμάς. Η ePrivacy, αντίθετα, εστιάζει στο απόρρητο των ψηφιακών μας επικοινωνιών και στις τεχνολογίες που αλληλεπιδρούν με τις συσκευές μας. Θέτει τους κανόνες για τα cookies, την online παρακολούθηση (tracking), τα ψηφιακά αναγνωριστικά και τους αμέτρητους μηχανισμούς που παρατηρούν, καταγράφουν και αναλύουν τη συμπεριφορά μας στο διαδίκτυο.
Η κρίσιμη διαφορά είναι η χρονική στιγμή: η ePrivacy εφαρμόζεται τη στιγμή που κάποιος επιχειρεί να αποκτήσει πρόσβαση στη συσκευή μας — δηλαδή πριν ξεκινήσει η παρακολούθηση. Ο GDPR ασχολείται με ό,τι γίνεται μετά τη συλλογή των δεδομένων.
Το παράδοξο της συναίνεσης
Με τα χρόνια, το διαδίκτυο μετατράπηκε σε έναν λαβύρινθο από banners, μενού ρυθμίσεων και αιτήματα συναίνεσης. Αυτό που υποτίθεται ότι θα έφερνε διαφάνεια, κατάντησε πηγή κούρασης. Η ιδιωτικότητα παρουσιάζεται ως «επιλογή», αλλά η επιλογή αυτή συχνά είναι θαμμένη κάτω από επίπεδα πολυπλοκότητας, χειραγωγικού σχεδιασμού και ατελείωτων κλικ.
Το αποτέλεσμα είναι ένα παράδοξο: έχουμε περισσότερα αιτήματα συναίνεσης από ποτέ, αλλά οι χρήστες νιώθουν λιγότερο ενημερωμένοι και με λιγότερο έλεγχο πάνω στις επιλογές τους.
Πολλά banners είναι σκόπιμα σχεδιασμένα ώστε να μας σπρώχνουν προς το «αποδοχή»: κρύβουν την άρνηση πίσω από επιπλέον κλικ, ατελείωτες λίστες με διακόπτες, ασαφείς κατηγορίες ή αναφορές σε εκατοντάδες τρίτα μέρη. Αυτό δεν είναι ουσιαστικός έλεγχος — είναι «τριβή», και είναι σχεδιασμένη να είναι έτσι.
Η ευκαιρία: το Digital Omnibus και το Άρθρο 88b
Τον Νοέμβριο του 2025 η Ευρωπαϊκή Επιτροπή πρότεινε αλλαγές στο ψηφιακό «βιβλίο κανόνων» της ΕΕ, γνωστές ως Digital Omnibus. Πολλές από αυτές κινούνται σε αρνητική κατεύθυνση, καθώς αποδυναμώνουν δικλίδες ασφαλείας και μετακυλίουν ακόμη περισσότερη ευθύνη στα ίδια τα άτομα. Μία όμως αλλαγή κινείται προς την αντίθετη κατεύθυνση: τα σήματα ιδιωτικότητας (privacy signals), μέσω του προτεινόμενου Άρθρου 88b του GDPR.
Το ερώτημα που θέτει είναι απλό: γιατί εξακολουθούμε να αναγκάζουμε τους ανθρώπους να διαπραγματεύονται την ιδιωτικότητά τους ιστότοπο προς ιστότοπο, banner προς banner;
Τι είναι ένα «σήμα ιδιωτικότητας»
Ένα σήμα ιδιωτικότητας είναι ένα εργαλείο που αυτόματα ενημερώνει ιστότοπους, εφαρμογές και συνδεδεμένες συσκευές για την απόφαση που έχουμε πάρει σχετικά με την παρακολούθηση και τη χρήση των δεδομένων μας. Για παράδειγμα, μπορεί να λέει «μη με παρακολουθείς» ή «συναινώ σε αυτή τη συγκεκριμένη χρήση των δεδομένων μου».
Τα βασικά του χαρακτηριστικά:
Είναι αναγνώσιμο από μηχανές. Στέλνεται σε μορφή που οι ιστότοποι, οι εφαρμογές και οι συσκευές καταλαβαίνουν αυτόματα, χωρίς να μας ρωτούν ξανά και ξανά το ίδιο πράγμα.
Παίρνεις την απόφαση μία φορά. Ο browser, το λειτουργικό σύστημα, η εφαρμογή ή ένα ειδικό εργαλείο ιδιωτικότητας τη στέλνει αυτόματα — και οι υπηρεσίες οφείλουν να τη σεβαστούν.
Παραμένεις στον έλεγχο. Μπορείς να αλλάξεις την επιλογή σου οποτεδήποτε. Αντί να απαντάς το ίδιο ερώτημα σε κάθε ιστότοπο, οι επιλογές σου «ταξιδεύουν» μαζί σου.
Σε πρακτικό επίπεδο, ένα σήμα δεν είναι ένα απλό «ναι/όχι». Μπορεί να εκφράσει αποφάσεις ανά σκοπό, ανά κατηγορία επεξεργασίας ή ανά πλαίσιο. Έτσι, μπορείς π.χ. να αρνηθείς την παρακολούθηση για συμπεριφορική διαφήμιση, αλλά να συναινέσεις σε μια συγκεκριμένη χρήση δεδομένων από μια υπηρεσία που εμπιστεύεσαι. Ένα σήμα μπορεί να πει:
«Ναι» → «συναινώ σε αυτή τη χρήση», «επίτρεψε στην υπηρεσία να θυμάται την επιλογή μου».
«Όχι» → «μη με παρακολουθείς», «μη μοιράζεσαι τα δεδομένα μου με τρίτους», «μη με κατηγοριοποιείς (profiling)», «μη χρησιμοποιείς τα δεδομένα μου για στοχευμένη διαφήμιση».
«Άλλαξα γνώμη» → «ανακαλώ τη συναίνεσή μου», «αντιτίθεμαι σε αυτή την επεξεργασία».
Γιατί να μας ενδιαφέρει;
Η ζήτηση για προστασία υπάρχει ήδη. Σύμφωνα με στοιχεία της Eurostat, το 76,9% των χρηστών διαδικτύου στην ΕΕ έλαβαν μέτρα το 2025 για να διαχειριστούν την πρόσβαση στα προσωπικά τους δεδομένα. Παλαιότερη έρευνα του Eurobarometer είχε δείξει ότι το 89% των ερωτηθέντων θεωρούσε ότι οι προεπιλεγμένες ρυθμίσεις του browser θα έπρεπε να εμποδίζουν τον διαμοιρασμό των πληροφοριών τους, και το 82% ότι εργαλεία όπως τα cookies θα έπρεπε να χρησιμοποιούνται μόνο με την άδειά τους.
Το πρόβλημα δεν είναι η έλλειψη βούλησης — είναι ότι σήμερα πρέπει να δίνουμε τη μάχη υπηρεσία προς υπηρεσία, ρύθμιση προς ρύθμιση. Τα σήματα ιδιωτικότητας θα μπορούσαν να μειώσουν δραστικά την «κούραση των banners» (cookie fatigue), να περιορίσουν τον χειραγωγικό σχεδιασμό και να καταστήσουν τα δικαιώματα πραγματικά εφαρμόσιμα στην καθημερινότητα.
Όφελος δεν έχουν μόνο οι χρήστες. Και οι μικρότερες υπηρεσίες και οι δημόσιες αρχές κερδίζουν: ένα σύστημα βασισμένο σε επαναλαμβανόμενα banners είναι ακριβό, κατακερματισμένο και δύσκολο να εφαρμοστεί. Ένα σύστημα βασισμένο σε αποφάσεις αναγνώσιμες από μηχανές κάνει τους κανόνες ευκολότερους στην εφαρμογή και στον έλεγχο.
Απαντήσεις στις συνηθισμένες ενστάσεις
«Τα σήματα θα αποδυναμώσουν τη συναίνεση.» Το αντίθετο ισχύει, αν ο νόμος σχεδιαστεί σωστά. Σήμερα η συναίνεση είναι ήδη αδύναμη: το να πατάς δεκάδες κουμπιά δεν δημιουργεί ουσιαστική, ενημερωμένη επιλογή. Ένα σήμα επιτρέπει να εκφράσεις μια απόφαση μία φορά, σε ένα καθαρότερο περιβάλλον, και να την αλλάξεις όποτε θες — πολύ πιο κοντά στην απαίτηση του GDPR για συναίνεση «ελεύθερη, συγκεκριμένη και εν επιγνώσει».
«Δεν είναι τεχνικά εφικτό.» Είναι — και ήδη χρησιμοποιούμε παρόμοια εργαλεία. Οι συσκευές μας ήδη θυμούνται ρυθμίσεις γλώσσας, άδειες τοποθεσίας, ειδοποιήσεων, πρόσβασης στην κάμερα ή στο μικρόφωνο. Τα σήματα ιδιωτικότητας ακολουθούν την ίδια λογική.
«Είναι κάτι καινούργιο και ανώριμο.» Όχι. Ο GDPR ήδη αναγνωρίζει το δικαίωμα εναντίωσης με αυτοματοποιημένα μέσα, και η Οδηγία ePrivacy επιτρέπει ήδη την έκφραση επιλογών μέσα από τις ρυθμίσεις του browser. Παλαιότερες προσπάθειες, όπως το «Do Not Track», απέτυχαν επειδή βασίζονταν σε εθελοντική συμμόρφωση. Στην Καλιφόρνια, ο νόμος ήδη απαιτεί από τους browsers να παρέχουν τέτοια σήματα και από τις υπηρεσίες να τα σέβονται από το 2027.
«Δίνει υπερβολική δύναμη στους browsers.» Όχι, καθώς τα σήματα μπορούν να υλοποιηθούν από browsers, λειτουργικά συστήματα, εφαρμογές, ειδικά εργαλεία ιδιωτικότητας, επεκτάσεις και εργαλεία προσβασιμότητας. Ο χρήστης επιλέγει εργαλείο και μπορεί να αλλάξει απόφαση οποτεδήποτε. Ο νόμος, ωστόσο, πρέπει να εγγυηθεί ότι κανένας μεμονωμένος πάροχος δεν θα μπορεί να ορίζει ή να αποδυναμώνει το νόημα του σήματος.
Ποιος ωφελείται από το σημερινό σύστημα;
Το σημερινό σύστημα banners ωφελεί κυρίως τμήματα του οικοσυστήματος adtech και μεγάλες υπηρεσίες των οποίων τα επιχειρηματικά μοντέλα στηρίζονται στην εκτεταμένη παρακολούθηση και κατηγοριοποίηση. Ωφελεί επίσης ορισμένες πλατφόρμες διαχείρισης συναίνεσης που μετέτρεψαν τη νομική συμμόρφωση σε μια μπερδεμένη αγορά από banners και pop-ups.
Πολλές μικρές υπηρεσίες, αντίθετα, δεν είναι οι νικητές: χρησιμοποιούν πολύπλοκα banners επειδή τους είπαν ότι αυτός είναι ο ασφαλέστερος τρόπος συμμόρφωσης, ακόμη κι όταν αυτά τα εργαλεία μπερδεύουν τους χρήστες. Τα σήματα ιδιωτικότητας δεν σταματούν τη διαφήμιση: επιτρέπουν τη συναίνεση σε συγκεκριμένες χρήσεις, ενώ διευκολύνουν την άρνηση της παρακολούθησης. Η διαφήμιση που δεν βασίζεται σε παρεμβατικό tracking — όπως η συμφραστική (contextual) διαφήμιση — μπορεί να συνεχιστεί.
Τι πρέπει να διορθωθεί για να λειτουργήσει
Σύμφωνα με το EDRi, η πρόταση είναι μια καλή αρχή αλλά έχει κενά. Για να γίνουν τα σήματα ιδιωτικότητας πραγματική λύση, ο νόμος θα πρέπει:
να περιλαμβάνει την ανάκληση της συναίνεσης (όχι μόνο την πρώτη στιγμή της επιλογής)·
να καθιστά τα σήματα νομικά δεσμευτικά — αλλιώς θα τα αγνοήσουν, όπως έγινε με το «Do Not Track»·
να εξασφαλίζει ότι ισχύουν για όλους τους εμπλεκόμενους στην παρακολούθηση και τον διαμοιρασμό δεδομένων·
να καλύπτει όλους τους browsers, τα λειτουργικά συστήματα, τις εφαρμογές και τα εργαλεία ιδιωτικότητας·
να εγγυάται ότι τα σήματα δεν μπορούν να παρακαμφθούν από επαναλαμβανόμενα banners ή χειραγωγικά prompts·
να εξασφαλίζει ότι θα λειτουργούν από την αρχή, χωρίς να καθυστερούν για χρόνια εν αναμονή τεχνικών προτύπων.
Γιατί η θέση μέσα στον νόμο έχει σημασία
Ένα κρίσιμο τεχνικό σημείο: η Επιτροπή προτείνει να τοποθετηθούν τα σήματα στον GDPR. Η EDRi υποστηρίζει ότι θα έπρεπε να ρυθμιστούν υπό την ePrivacy (Άρθρο 5(3) της Οδηγίας), επειδή λειτουργούν τη στιγμή της πρόσβασης στη συσκευή. Μέσα στον GDPR, τα σήματα κινδυνεύουν να γίνουν απλώς άλλο ένα επίπεδο συναίνεσης, αντί για εργαλείο που προλαμβάνει την παρακολούθηση πριν αυτή ξεκινήσει.
Σημαντικός είναι και ο συγχρονισμός. Το προτεινόμενο Άρθρο 88a διευρύνει τις περιπτώσεις όπου επιτρέπεται παρακολούθηση χωρίς συναίνεση, ενώ το 88b εισάγει τα σήματα που επιτρέπουν την αυτόματη άρνησή της. Αν οι εξαιρέσεις ισχύσουν πρώτα και τα σήματα έρθουν αργότερα, η παρακολούθηση θα αυξηθεί πριν αποκτήσουμε οποιονδήποτε νέο τρόπο ελέγχου. Τα δύο πρέπει να ισχύσουν ταυτόχρονα.
Πέρα από τα cookies
Η λογική των σημάτων — να εκφράζεις μια απόφαση μία φορά, με τρόπο αναγνώσιμο από μηχανές, και να τη σέβονται αυτόματα οι υπηρεσίες — μπορεί να βοηθήσει και σε άλλα ψηφιακά προβλήματα: στην ισχυρότερη εφαρμογή του GDPR (ιδίως για την προστασία των παιδιών, χωρίς να χρειάζονται γενικευμένοι έλεγχοι ηλικίας), στην αντιμετώπιση του παραπλανητικού και εθιστικού σχεδιασμού, στην άρνηση της άδικης εξατομίκευσης, αλλά και στην κυβερνοασφάλεια — αφού δεδομένα που δεν συλλέγονται δεν μπορούν να διαρρεύσουν ή να κλαπούν.
Τα σήματα ιδιωτικότητας δεν είναι μαγική λύση και δεν αντικαθιστούν τις ισχυρές απαγορεύσεις και την επιβολή του νόμου. Μπορούν όμως να γίνουν κομμάτι μιας ευρύτερης «υποδομής δικαιωμάτων»: ένας πρακτικός τρόπος ώστε οι άνθρωποι να εκφράζουν τις επιλογές τους μία φορά, και οι υπηρεσίες να τις σέβονται εκ σχεδιασμού.
Οι εκδηλώσεις δεν σταματούν καθώς αυτήν την εβδομάδα πραγματοποιούνται εκδηλώσεις στην Ελλάδα και στο εξωτερικό για τις ανοιχτές τεχνολογίες και την καινοτομία! Ο Οργανισμός Ανοιχτών Τεχνολογιών (ΕΕΛΛΑΚ) σας προτείνει να τις παρακολουθήσετε και να τις διαδώσετε. Μπορείτε επίσης να δείτε περισσότερες εκδηλώσεις για τις επόμενες εβδομάδες ή να καταχωρίσετε τη δική σας εκδήλωση στο: https://ellak.gr/events.
Η Ευρωπαϊκή Ένωση έχει μπροστά της μια ιστορική δυνατότητα: να πάψει να είναι κυρίως ο ρυθμιστής της παγκόσμιας αγοράς Τεχνητής Νοημοσύνης και να γίνει ένας από τους βασικούς παραγωγούς της υποδομής πάνω στην οποία θα χτιστεί η επόμενη ψηφιακή οικονομία. Αυτό δεν θα γίνει με γενικές διακηρύξεις περί «ψηφιακής κυριαρχίας». Θα γίνει μόνο αν η Ευρώπη αναπτύξει και διαθέσει ένα πλήρως ανοιχτό μοντέλο ΤΝ αιχμής, ικανό να ανταγωνιστεί τα ισχυρότερα κλειστά συστήματα των ΗΠΑ και της Κίνας, και ταυτόχρονα επενδύσει στην ανοιχτή υπολογιστική αρχιτεκτονική RISC-V ως θεμέλιο ευρωπαϊκού ανοιχτού υλισμικού.
Η Τεχνητή Νοημοσύνη δεν είναι πια ένα ψηφιακό προϊόν. Είναι υποδομή ισχύος. Όποιος ελέγχει τα μοντέλα, τα δεδομένα, τους επιταχυντές, τα κέντρα δεδομένων και το λογισμικό εκτέλεσης, ελέγχει ένα μεγάλο μέρος της μελλοντικής παραγωγής, της δημόσιας διοίκησης, της εκπαίδευσης, της έρευνας, της υγείας και της δημοκρατικής πληροφόρησης. Αν η Ευρώπη συνεχίσει να στηρίζεται κυρίως σε κλειστά εμπορικά συστήματα άλλων χωρών και σε επιταχυντές εκτός ευρωπαϊκού ελέγχου, τότε οι δημόσιες διοικήσεις, οι μικρομεσαίες επιχειρήσεις, τα πανεπιστήμια και οι τοπικές οικονομίες θα παραμείνουν πελάτες υποδομών που δεν μπορούν να ελέγξουν, να προσαρμόσουν ή να αναπαράγουν.
Η εναλλακτική είναι μια ευρωπαϊκή δημόσια υποδομή ΤΝ, ένα ψηφιακό CERN για την εποχή των μεγάλων μοντέλων. Αυτό σημαίνει κοινή υπολογιστική ισχύ, κοινή πολιτική δεδομένων, κοινή διαδικασία αξιολόγησης, πλήρως ανοιχτά μοντέλα, ανοιχτά πρότυπα, ανοιχτό λογισμικό και, κρίσιμα, ανοιχτό υλισμικό. Η Ευρώπη δεν μπορεί να χτίσει πραγματική αυτονομία μόνο στο επίπεδο του λογισμικού. Πρέπει να αποκτήσει ικανότητα και στο επίπεδο του πυριτίου.
Τι σημαίνει πλήρως ανοιχτό μοντέλο ΤΝ
Ένα μοντέλο δεν είναι πλήρως ανοιχτό επειδή διαθέτει μόνο τα τελικά βάρη του. Πλήρης ανοιχτότητα σημαίνει δημοσίευση του κώδικα εκπαίδευσης, των αρχιτεκτονικών επιλογών, των διαδικασιών καθαρισμού και τεκμηρίωσης των δεδομένων, των ενδιάμεσων σημείων ελέγχου του μοντέλου, των μεθόδων αξιολόγησης, των δελτίων τεκμηρίωσης του μοντέλου, των δελτίων τεκμηρίωσης των συνόλων δεδομένων και των αδειών που επιτρέπουν πραγματική επαναχρησιμοποίηση. Μόνο έτσι η ακαδημαϊκή κοινότητα, οι ανεξάρτητοι ερευνητές, οι δημόσιοι φορείς και οι επιχειρήσεις μπορούν να ελέγξουν, να βελτιώσουν και να προσαρμόσουν το μοντέλο.
Η Ευρώπη δεν χρειάζεται να αντιγράψει το αμερικανικό μοντέλο των κλειστών υπερπλατφορμών ούτε το κινεζικό μοντέλο κρατικά ελεγχόμενων τεχνολογιών. Μπορεί να προτείνει έναν τρίτο δρόμο: ισχυρή ΤΝ, αλλά με διαφάνεια, δικαιώματα, πολυγλωσσία, επαληθευσιμότητα και δημόσιο συμφέρον. Η ανάπτυξη ενός πλήρως ανοιχτού ευρωπαϊκού μοντέλου ΤΝ αιχμής(frontier model), συμβατού με τον ευρωπαϊκό Κανονισμό για την ΤΝ(AI Act), θα μετέτρεπε την Ευρώπη από απλό κανονιστικό παίκτη σε παραγωγό παγκόσμιων τεχνολογικών προτύπων.
Το κρίσιμο είναι ότι ένα τέτοιο μοντέλο δεν θα λειτουργεί μόνο ως μεγάλο κεντρικό σύστημα. Θα είναι η πηγή για χιλιάδες μικρότερα τοπικά μοντέλα. Μέσω απόσταξης γνώσης, προσαρμογής, συνθετικών δεδομένων και θεματικών εξειδικεύσεων των μοντέλων(fine-tunes), ένα ευρωπαϊκό μοντέλο αιχμής μπορεί να τροφοδοτήσει μοντέλα κατάλληλα για δήμους, περιφέρειες, πανεπιστήμια, νοσοκομεία, σχολεία, συνεταιρισμούς και μικρομεσαίες επιχειρήσεις. Έτσι η ΤΝ δεν θα μείνει προνόμιο λίγων μεγάλων εταιρειών. Θα γίνει εργαλείο παραγωγικής αναβάθμισης σε κάθε τοπική οικονομία.
Γιατί το RISC-V είναι το δεύτερο θεμέλιο της ευρωπαϊκής ηγεμονίας
Η Ευρώπη όμως δεν πρέπει να σταματήσει στα ανοιχτά μοντέλα. Αν θέλει να αποκτήσει πραγματική τεχνολογική ηγεμονία, πρέπει να συνδέσει την ανοιχτή ΤΝ με το RISC-V και το ανοιχτό υλισμικό. Η εξάρτηση από ιδιόκτητους επιταχυντές ΤΝ, κυρίως της Nvidia και της AMD, δημιουργεί νέα μορφή τεχνολογικής εξάρτησης(lock-in). Ακόμη και αν το μοντέλο είναι ανοιχτό, η εκπαίδευση και η εκτέλεσή του μπορεί να παραμένουν εξαρτημένες από κλειστές αρχιτεκτονικές, περιορισμένες αλυσίδες εφοδιασμού, εξαγωγικούς ελέγχους και ακριβές στοίβες λογισμικού.
Το RISC-V προσφέρει κάτι διαφορετικό: μια ανοιχτή, αρθρωτή αρχιτεκτονική συνόλου εντολών, με ανοιχτές άδειες χρήσης, που επιτρέπει σε πανεπιστήμια, εταιρείες και συμπράξεις να σχεδιάζουν εξειδικευμένους επεξεργαστές και επιταχυντές. Αυτό δεν σημαίνει ότι το RISC-V θα αντικαταστήσει άμεσα τις GPU στην εκπαίδευση των μεγαλύτερων μοντέλων. Σημαίνει όμως ότι μπορεί να γίνει η AI-native πλατφόρμα για custom, ενεργειακά αποδοτικούς επιταχυντές, ιδίως στο inference, στο edge AI, στην αυτοκινητοβιομηχανία, στη βιομηχανία, στη δημόσια διοίκηση και στα υπολογιστικά κέντρα.
Για να συμβεί αυτό, υπάρχουν συγκεκριμένες προϋποθέσεις. Πρώτον, πρέπει να ωριμάσουν οι RISC-V Vector επεκτάσεις και οι επερχόμενες Matrix επεκτάσεις, ώστε να υποστηρίζονται αποτελεσματικά λειτουργίες πολλαπλασιασμού πινάκων, BF16, FP8 και FP4. Οι επιταχυντές ΤΝ βασίζονται σε τέτοιες λειτουργίες. Το πλεονέκτημα του RISC-V είναι ότι επιτρέπει είδικές εντολές(custom instructions), άρα οι ευρωπαϊκές εταιρείες μπορούν να σχεδιάσουν ειδικές εντολές για ΤΝ χωρίς να πληρώνουν δικαιώματα σε ιδιοκτήτες ISA.
Δεύτερον, χρειάζεται ώριμη στοίβα λογισμικού. Το μεγαλύτερο οχυρό της Nvidia είναι το CUDA. Αν το RISC-V θέλει να γίνει σοβαρή εναλλακτική, πρέπει να προσφέρει απρόσκοπτη εμπειρία για developers: LLVM, GCC, Linux kernel, PyTorch, TensorFlow, ONNX Runtime, Hugging Face Transformers και ML compilers πρέπει να λειτουργούν αξιόπιστα και αποδοτικά. Πρωτοβουλίες όπως το RISE είναι κρίσιμες γιατί επιδιώκουν ακριβώς αυτό: να μετατρέψουν το RISC-V από ενδιαφέρουσα αρχιτεκτονική σε ώριμο εμπορικό και ερευνητικό οικοσύστημα λογισμικού.
Τρίτον, το RISC-V πρέπει να συνδεθεί με chiplets, UCIe, HBM3e και HBM4. Τα μεγάλα workloads ΤΝ δεν κρίνονται μόνο στον πυρήνα του επεξεργαστή. Κρίνονται στο εύρος ζώνης μνήμης, στη διασύνδεση πολλών chiplets, στην επικοινωνία μεταξύ κόμβων και στη δυνατότητα κλιμάκωσης. Η Ευρώπη πρέπει να επενδύσει σε ανοιχτές διασυνδέσεις chiplet, προηγμένη συσκευασία, μνήμες υψηλού εύρους και ενεργειακά αποδοτικά clusters. Μόνο έτσι το RISC-V θα μπορεί να περάσει από το edge και τους controllers σε σοβαρούς επιταχυντές data center.
Από το ανοιχτό μοντέλο στο ανοιχτό υπολογιστικό οικοσύστημα
Το ευρωπαϊκό σχέδιο πρέπει να είναι ενιαίο: ανοιχτά μοντέλα, ανοιχτά δεδομένα, ανοιχτό λογισμικό, ανοιχτό υλισμικό και ανοιχτές προμήθειες. Το δημόσιο χρήμα δεν πρέπει να παράγει νέο εγκλωβισμό. Πρέπει να παράγει δημόσια γνώση, δημόσιο κώδικα, κοινές υποδομές και παραγωγική αυτονομία.
Ένα ευρωπαϊκό μοντέλο ΤΝ αιχμής(frontier model) θα δώσει το γνωσιακό θεμέλιο. Το RISC-V θα δώσει το υλικό θεμέλιο. Οι AI Factories, τα EuroHPC συστήματα, οι πανεπιστημιακές υποδομές, τα περιφερειακά υπολογιστικά κέντρα και οι μικρομεσαίες επιχειρήσεις μπορούν να αποτελέσουν το παραγωγικό δίκτυο. Πάνω σε αυτό μπορούν να αναπτυχθούν δημόσιες διεπαφές(APIs), τοπικά μοντέλα(LLMs), εκπαιδευτικά εργαλεία, συστήματα ΤΝ για νομική τεκμηρίωση με ανάκτηση πηγών(RAG), πολιτιστικά μοντέλα, συστήματα για γεωργία, ενέργεια, υγεία, μεταφορές και βιομηχανία.
Αυτό είναι και το πραγματικό πολιτικό διακύβευμα. Η ΤΝ μπορεί να ενισχύσει τη συγκέντρωση εξουσίας σε λίγα κλειστά συστήματα. Μπορεί όμως και να γίνει κοινή υποδομή, αν σχεδιαστεί με ανοιχτές αρχές. Η Ευρώπη έχει τα πανεπιστήμια, τα ερευνητικά κέντρα, τις επιχειρήσεις, τις κοινότητες ανοιχτού λογισμικού και το θεσμικό υπόβαθρο για να το πετύχει. Αυτό που χρειάζεται είναι ενιαία πολιτική εντολή: όχι διάσπαρτα έργα, αλλά ευρωπαϊκή στρατηγική για ανοιχτή ΤΝ και ανοιχτό υλισμικό.
Πηγές άρθρου:
European Commission, AI Continent Action Plan: Η Ευρωπαϊκή Επιτροπή παρουσιάζει το πλαίσιο InvestAI, τις AI Factories και τις AI Gigafactories, με στόχο την ενίσχυση της ευρωπαϊκής υπολογιστικής και βιομηχανικής ικανότητας στην ΤΝ: https://commission.europa.eu/topics/competitiveness/ai-continent_en,
OpenEuroLLM: Το έργο στοχεύει στην ανάπτυξη ισχυρών, διαφανών και πολυγλωσσικών ευρωπαϊκών μοντέλα βάσης(foundation models) για όλες τις επίσημες γλώσσες της ΕΕ και πέρα από αυτές: https://openeurollm.eu/,
Allen Institute for AI, OLMo 2: Η τεκμηρίωση ξεχωρίζει τα πλήρως ανοιχτά μοντέλα από τα απλώς open-weight μοντέλα, ορίζοντας ως πλήρη ανοιχτότητα τη διάθεση βαρών, δεδομένων, κώδικα και αξιολόγησης: https://allenai.org/blog/olmo2,
Mistral AI, Mistral 7B: Η Mistral τεκμηρίωσε από νωρίς ότι αποδοτικά ανοιχτά μοντέλα μπορούν να έχουν υψηλή απόδοση με χαμηλότερο υπολογιστικό κόστος και άδεια Apache 2.0: https://mistral.ai/news/announcing-mistral-7b/,
Στις 10 Ιουνίου ολοκληρώθηκε ο διαγωνισμός λημματογράφησης Wiki Loves Eurovision, με θέμα τον θεσμό της Eurovision, ο οποίος διεξήχθη από τις 10 Μαΐου έως τις 10 Ιουνίου.
Το ελληνικό σκέλος του διαγωνισμού, που διοργανώθηκε σε διεθνές επίπεδο από την Ομάδα Νέων της ΚΑΕ για την Κεντρική και Ανατολική Ευρώπη, πραγματοποιήθηκε με την υποστήριξη του Wikimedia Community User Group Greece.
Στο ελληνικό σκέλος του διαγωνισμού δημιουργήθηκαν συνολικά 101 νέα λήμματα από τρεις χρήστες: τον Alka21 (99 λήμματα), τον Apokats (1 λήμμα) και τον Fotis A. (1 λήμμα). Από αυτά, τα 100 πληρούσαν τις προδιαγραφές του διαγωνισμού, οι οποίες προέβλεπαν ελάχιστο μέγεθος 3.000 byte. Ο διαγωνισμός συνέβαλε ουσιαστικά στον εμπλουτισμό της θεματολογικής κάλυψης της Eurovision στην ελληνική Βικιπαίδεια.
Παράλληλα, βελτιώθηκε σημαντικά ένα ήδη υπάρχον λήμμα, με αποτέλεσμα ο συνολικός απολογισμός να ανέρχεται σε 102 νέα και βελτιωμένα λήμματα.
Η καταμέτρηση των αποτελεσμάτων του διεθνούς διαγωνισμού βρίσκεται ακόμη σε εξέλιξη, ενώ η ανακοίνωση των τελικών διεθνών αποτελεσμάτων αναμένεται εντός των επόμενων δύο εβδομάδων.
Η ψηφιακή κυριαρχία δεν είναι μια αφηρημένη έννοια εξωτερικής πολιτικής. Είναι η καθημερινή ικανότητα ενός κράτους να γνωρίζει, να ελέγχει και να αλλάζει τις ψηφιακές υποδομές πάνω στις οποίες λειτουργούν οι δημόσιες υπηρεσίες, η οικονομία και τα δικαιώματα των πολιτών. Όταν ένα κρίσιμο πληροφοριακό σύστημα εξαρτάται αποκλειστικά από έναν προμηθευτή, από κλειστές τεχνολογίες ή από υποδομές που λειτουργούν υπό ξένο κανονιστικό και επιχειρηματικό έλεγχο, τότε η εξάρτηση δεν είναι μόνο τεχνική. Είναι πολιτική, οικονομική και θεσμική.
Η ψηφιακή κυριαρχία δεν σημαίνει απομόνωση, ούτε άρνηση συνεργασίας με την αγορά. Σημαίνει ότι το Δημόσιο διατηρεί την πραγματική δυνατότητα επιλογής. Μπορεί να συνεργάζεται με ιδιωτικές εταιρείες, πανεπιστήμια, κοινότητες ανοιχτού λογισμικού και διεθνείς οργανισμούς, αλλά δεν παραδίδει τον έλεγχο των προδιαγραφών, των δεδομένων, των διεπαφών και της αρχιτεκτονικής του ψηφιακού κράτους. Η κυβέρνηση μπορεί να αναθέτει την υλοποίηση, αλλά πρέπει να κρατά τον σχεδιασμό, τους κανόνες και τη δυνατότητα αλλαγής πορείας.
Το κράτος πρέπει να κατέχει τις προδιαγραφές
Το πιο κρίσιμο εργαλείο ψηφιακής κυριαρχίας είναι οι δημόσιες τεχνικές προδιαγραφές. Χωρίς αυτές, κάθε προμήθεια μετατρέπεται σε διαπραγμάτευση με τον ισχυρότερο προμηθευτή. Η διοίκηση αγοράζει ένα σύστημα, αλλά συχνά δεν μπορεί να το συνδέσει εύκολα με άλλα, να εξάγει τα δεδομένα της σε ανοιχτό μορφότυπο, να ελέγξει τον κώδικα, να μεταφέρει τη λειτουργία σε άλλον πάροχο ή να συνεχίσει την υπηρεσία χωρίς μεγάλο κόστος μετάβασης.
Η αναλογία με τις φυσικές υποδομές είναι χρήσιμη. Το κράτος δεν χρειάζεται να κατασκευάζει όλα τα τρένα, όλα τα λεωφορεία ή όλα τα μηχανήματα. Πρέπει όμως να ορίζει τις ράγες, τους κανόνες ασφάλειας, τα πρότυπα σύνδεσης και τις υποχρεώσεις λειτουργίας. Αντίστοιχα, στην ψηφιακή δημόσια υποδομή, το κράτος δεν χρειάζεται να γράφει μόνο του κάθε εφαρμογή. Πρέπει όμως να ορίζει τα πρότυπα ταυτοποίησης, τα μητρώα, τις διεπαφές ανταλλαγής δεδομένων, τις προδιαγραφές ασφάλειας, τα δικαιώματα πρόσβασης, τη φορητότητα και την τεκμηρίωση.
Όταν οι προδιαγραφές είναι δημόσιες, σαφείς και ανοιχτές, η αγορά ανοίγει. Μπορούν να συμμετέχουν περισσότεροι πάροχοι, μικρότερες επιχειρήσεις, ερευνητικές ομάδες, συνεταιριστικά σχήματα και κοινότητες ανοιχτού λογισμικού. Ο ανταγωνισμός δεν γίνεται γύρω από το ποιος ελέγχει μια κλειστή πλατφόρμα, αλλά γύρω από το ποιος μπορεί να υλοποιήσει καλύτερα μια δημόσια απαίτηση.
Ανοιχτό λογισμικό ως υποδομή εμπιστοσύνης
Το ανοιχτό λογισμικό δεν είναι απλώς ένας τρόπος μείωσης κόστους. Είναι θεσμικό εργαλείο διαφάνειας, επαναχρησιμοποίησης και ελέγχου. Όταν ο κώδικας κρίσιμων συστημάτων είναι διαθέσιμος για έλεγχο, η δημόσια διοίκηση, οι ανεξάρτητοι εμπειρογνώμονες και οι κοινότητες ασφάλειας μπορούν να εντοπίζουν αδυναμίες, να προτείνουν βελτιώσεις και να αποτρέπουν την αδιαφανή εξάρτηση από έναν μόνο προμηθευτή. Το ανοιχτό λογισμικό δεν καταργεί την ανάγκη για επαγγελματική υποστήριξη. Αντίθετα, δημιουργεί μια πιο υγιή αγορά υπηρεσιών γύρω από κοινές υποδομές, όπου η αξία παράγεται από την ποιότητα, την ασφάλεια, τη συντήρηση και την προσαρμογή στις δημόσιες ανάγκες.
Για να λειτουργήσει, όμως, δεν αρκεί μια γενική προτίμηση υπέρ του ανοιχτού λογισμικού. Χρειάζεται πολιτική «ανοιχτό όπου είναι δυνατό, τεκμηριωμένη εξαίρεση όπου δεν είναι». Κάθε νέο δημόσιο πληροφοριακό σύστημα πρέπει να αξιολογείται με βάση το συνολικό κόστος κτήσης, συμπεριλαμβανομένου του κόστους εξόδου. Πρέπει να απαιτούνται ανοιχτά πρότυπα, τεκμηρίωση, άδειες χρήσης που επιτρέπουν επαναχρησιμοποίηση, μητρώο εξαρτήσεων λογισμικού και διαδικασίες τακτικού ελέγχου ασφάλειας. Το ζητούμενο είναι να αποκτήσει το Δημόσιο πραγματική δυνατότητα ελέγχου και επιλογής.
Ψηφιακή δημόσια υποδομή με επαναχρησιμοποιήσιμα δομικά στοιχεία
Η αποτελεσματική εφαρμογή της ψηφιακής κυριαρχίας απαιτεί μετάβαση από απομονωμένα έργα σε κοινά δομικά στοιχεία. Η ταυτοποίηση, οι ηλεκτρονικές υπογραφές, τα μητρώα, οι πληρωμές, η ανταλλαγή δεδομένων, η διαχείριση συγκατάθεσης, οι ειδοποιήσεις και οι ροές εργασίας δεν πρέπει να κατασκευάζονται ξανά από κάθε υπουργείο, δήμο ή οργανισμό. Πρέπει να αποτελούν κοινή ψηφιακή δημόσια υποδομή, με ενιαίες προδιαγραφές, ανοιχτές διεπαφές και δυνατότητα επαναχρησιμοποίησης.
Αυτή η προσέγγιση μειώνει κόστος, χρόνο και διοικητική πολυπλοκότητα. Κυρίως, όμως, δημιουργεί θεσμική συνέχεια. Αν ένας προμηθευτής αποτύχει, αυξήσει υπερβολικά τις τιμές ή αποχωρήσει, το Δημόσιο δεν μένει όμηρος. Η υπηρεσία μπορεί να συνεχιστεί από άλλον πάροχο, γιατί οι προδιαγραφές, τα δεδομένα και οι διεπαφές παραμένουν δημόσια ελεγχόμενα. Αυτό είναι το πρακτικό περιεχόμενο της ψηφιακής κυριαρχίας: οι προμηθευτές υλοποιούν, αλλά δεν ορίζουν τους κανόνες του κράτους.
Κυριαρχία σημαίνει ικανότητα μέσα στη διοίκηση
Καμία κυβέρνηση δεν μπορεί να εφαρμόσει ψηφιακή κυριαρχία μόνο με νόμους ή διακηρύξεις. Χρειάζεται μόνιμη τεχνική ικανότητα μέσα στη δημόσια διοίκηση. Χρειάζονται ομάδες αρχιτεκτονικής, ασφάλειας, διαλειτουργικότητας, ανοιχτού λογισμικού και διακυβέρνησης δεδομένων. Χρειάζεται κεντρικό δημόσιο αποθετήριο κώδικα, πολιτική αδειοδότησης, οδηγίες προμηθειών, μηχανισμοί ελέγχου συμμόρφωσης και εκπαιδευμένα στελέχη που μπορούν να αξιολογούν τεχνικές προσφορές χωρίς να εξαρτώνται από τους ίδιους τους αναδόχους.
Η Ελλάδα μπορεί να αξιοποιήσει την ευρωπαϊκή κατεύθυνση για διαλειτουργικότητα, τις διεθνείς προδιαγραφές ψηφιακής δημόσιας υποδομής και την εμπειρία των κοινοτήτων ανοιχτού λογισμικού. Το κρίσιμο είναι να μη μείνει στη ρητορική. Κάθε μεγάλο έργο ψηφιακού μετασχηματισμού πρέπει να απαντά σε απλά ερωτήματα: είναι οι προδιαγραφές δημόσιες; χρησιμοποιούνται ανοιχτά πρότυπα; μπορεί το σύστημα να συνδεθεί με άλλα; μπορεί να αλλάξει προμηθευτής; είναι τα δεδομένα φορητά; υπάρχει πρόσβαση στον κώδικα ή επαρκής δυνατότητα ανεξάρτητου ελέγχου; υπάρχει σχέδιο συντήρησης και συμμετοχής σε κοινότητες;
Η ψηφιακή κυριαρχία δεν θα επιτευχθεί με μια μεγάλη κεντρική πλατφόρμα που θα αντικαταστήσει όλες τις άλλες εξαρτήσεις. Θα επιτευχθεί με ανοιχτή αρχιτεκτονική, δημόσιες προδιαγραφές, ανοιχτό λογισμικό, διαλειτουργικά συστήματα και ισχυρή διοικητική ικανότητα. Ένα δημοκρατικό κράτος δεν πρέπει απλώς να αγοράζει τεχνολογία. Πρέπει να μπορεί να την κατανοεί, να την ελέγχει, να τη βελτιώνει και να τη μοιράζεται ως δημόσιο αγαθό.
GovStack, Technical Specifications: Οι τεχνικές προδιαγραφές του GovStack παρουσιάζουν την προσέγγιση των επαναχρησιμοποιήσιμων δομικών στοιχείων για την ψηφιακή δημόσια υποδομή, με έμφαση στη διαλειτουργικότητα, την επαναχρησιμοποίηση και την ουδετερότητα απέναντι στους προμηθευτές: https://specs.govstack.global/,
European Commission, Interoperable Europe Act: Ο Κανονισμός για τη Διαλειτουργική Ευρώπη αποτελεί βασικό θεσμικό πλαίσιο της ΕΕ για τη συνεργασία των δημόσιων διοικήσεων, τις κοινές λύσεις, τις αξιολογήσεις διαλειτουργικότητας και τη διατήρηση της κυριαρχίας σε όλα τα επίπεδα διακυβέρνησης: https://interoperable-europe.ec.europa.eu/interoperable-europe/interoperable-europe-act,
Digital Public Goods Alliance, Digital Public Goods Standard: Το πρότυπο για τα ψηφιακά δημόσια αγαθά ορίζει κριτήρια για λύσεις που βασίζονται σε ανοιχτό λογισμικό, ανοιχτά δεδομένα, ανοιχτά πρότυπα, τεκμηρίωση, προστασία ιδιωτικότητας και επαναχρησιμοποίηση προς όφελος του δημόσιου συμφέροντος: https://www.digitalpublicgoods.net/standard,
World Bank Group, Digital Public Infrastructure and Development: A World Bank Group Approach: Η έκθεση παρουσιάζει την ψηφιακή δημόσια υποδομή ως σύνολο θεμελιωδών ψηφιακών δομικών στοιχείων για δημόσιο όφελος, με αρχές όπως διαλειτουργικότητα, ανοιχτότητα, ισχυρή διακυβέρνηση, ασφάλεια και σχεδιασμός με επίκεντρο τον πολίτη: https://openknowledge.worldbank.org/entities/publication/cca2963e-27bf-4dbb-aa5a-24a0ffc92ed9.
Στην εποχή όπου τα εταιρικά και προσωπικά δεδομένα αποτελούν το πολυτιμότερο «νόμισμα», η συνεχής εξάρτηση από cloud υπηρεσίες τεχνητής νοημοσύνης δημιουργεί σοβαρές προκλήσεις ασφαλείας.
Πώς μπορείτε να αξιοποιήσετε την παραγωγικότητα των σύγχρονων Μεγάλων Γλωσσικών Μοντέλων (LLMs) χωρίς να μοιράζεστε τα δεδομένα σας με τρίτους; Η λύση είναι η τοπική φιλοξενία (self-hosting – Δείτε τα προηγούμενα άρθρα μας).
Σε αυτόν τον οδηγό εγκατάστασης για το Odysseus και το Ollama (με υποστήριξη GPU), θα δημιουργήσουμε έναν ιδιωτικό-προσωπικό, υψηλής απόδοσης χώρο εργασίας – την AI- Agent υποδομή μας:
σε Ubuntu PC
που τρέχει AMD Ryzen 9 επεξεργαστή,
έχει 32GB RAM
και Nvidia RTX3060 με εγκατεστημένους του επίσημους drivers της Nvidia.
Θα εγκαταστήσουμε το Ollama, το οποίο θα λειτουργεί ως η μηχανή εκτέλεσης των μοντέλων,
Θα είναι προσβάσιμο μόνο στο τοπικό δίκτυο του σπιτιού μας ή του γραφείου μας απο όλες τις συσκευές μας. (Φυσικά αν θέλετε να έχετε πρόσβαση και εκτός των χώρων αυτό, προτείνουμε χρήση ZeroTier)
Το Odysseus μετατρέπει τα μοντέλα του Ollama αλλά και αυτά που μπορεί κάποιοι να πληρώνετε (Claude, ChatGPT, Gemini κλπ μεσω των API τους), σε έναν ολοκληρωμένο τοπικό χώρο εργασίας, προσφέροντας :
Συνομιλία (Chat) — συνομιλήστε με οποιοδήποτε τοπικό μοντέλο ή API. Η προσθήκη τους είναι εξαιρετικά απλή.
Πράκτορας (Agent) — δώστε του εργαλεία και αφήστε τον να εκτελέσει ολόκληρη την εργασία μόνος του.
Cookbook — Σαρώνει το hardware σας, προτείνει μοντέλα, κάνετε κλικ για λήψη και εκτέλεση… πανεύκολο!
Εις βάθος Έρευνα (Deep Research) — εκτελέσεις πολλαπλών βημάτων που συλλέγουν, διαβάζουν και συνθέτουν πηγές σε μια ωραία οπτική αναφορά.
Σύγκριση (Compare) — ένα διασκεδαστικό εργαλείο για να συγκρίνετε μοντέλα δίπλα-δίπλα. Δοκιμάστε εντελώς «τυφλά», χωρίς προκαταλήψεις! πολλαπλά μοντέλα (multi-model)
Έγγραφα (Documents) — ΕΣΕΙΣ γράφετε το κείμενο, η τεχνητή νοημοσύνη είναι εκεί για να σας βοηθήσει, όχι το αντίστροφο.
Μνήμη / Δεξιότητες (Memory / Skills) — Μόνιμη μνήμη και δεξιότητες, ο πράκτοράς σας εξελίσσεται με την πάροδο του χρόνου καθώς κατανοεί καλύτερα εσάς και τις εργασίες σας!
Σημειώσεις & Εργασίες (Notes & Tasks) — Γρήγορες σημειώσεις με υπενθυμίσεις, λίστα υποχρεώσεων (todo list) και προγραμματισμένες εργασίες στις οποίες μπορεί να δράσει ο πράκτορας.
Ημερολόγιο (Calendar) — Τοπικό ημερολόγιο με συγχρονισμό CalDAV σε Radicale / Nextcloud / Apple / Fastmail.
Όλα αυτά φυσικά ΠΑΡΑΜΕΝΟΥΝ στον υπολογιστή που τρέχει αυτή την υποδομή !
1. Επιλέγοντας Native Docker για Μέγιστη Απόδοση
Αρκετοί αρχάριοι χρήστες, έχουν αρχίσει και χρησιμοποιούν το Docker Desktop που είναι ένα γραφικό περιβάλλον και κάνει πολύ εύχρηστη την διαχείρηση τον docker container.
Για την επιτάχυνση GPU σε περιβάλλον Linux, η χρήση του Docker Desktop συχνά εισάγει περιττό virtualization overhead και πολυπλοκότητα. Το native Docker τρέχει απευθείας στον πυρήνα του συστήματος, εξαλείφοντας τα σημεία συμφόρησης (bottlenecks) και επιτρέποντας την άμεση διοχέτευση (passthrough) των πόρων της NVIDIA GPU στα containers.
Εγκατάσταση του Docker Engine:
Ακολουθούμε τον επίσημο οδηγό εγκατάστασης του Docker engine απο την τεκμηρίωση η οποία μας δίνει τις παρακάτω εντολές:
12345678910111213141516
# Προσθήκη του επίσημου GPG key και του αποθετηρίου του Dockersudoapt updatesudoapt install-y ca-certificates curlsudoinstall-m 0755 -d /etc/apt/keyringssudocurl -fsSL https://download.docker.com/linux/ubuntu/gpg-o /etc/apt/keyrings/docker.ascsudochmoda+r /etc/apt/keyrings/docker.ascecho"deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu $(. /etc/os-release && echo "$VERSION_CODENAME") stable"| sudotee/etc/apt/sources.list.d/docker.list > /dev/null# Εγκατάσταση του Docker Enginesudoapt updatesudoapt install-y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin# Εκκίνηση και ενεργοποίηση της υπηρεσίαςsudosystemctl enable--now dockersudousermod-aG docker $USER
2. Χρήση της κάρτας γραφικών Nvidia: Εγκατάσταση του NVIDIA Container Toolkit
Για να μπορέσει το Docker να δεσμεύσει την VRAM της Nvidia κάρτας γραφικών σας, απαιτείται το NVIDIA Container Toolkit. Αυτό το λογισμικό λειτουργεί ως η «γέφυρα» επικοινωνίας μεταξύ του container runtime και των drivers της NVIDIA.
Εγκατάσταση & Παραμετροποίηση:
123456789101112131415
# Εγκατάσταση του toolkitcurl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey| sudogpg --batch --yes--dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpgcurl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | sed's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g'| sudotee/etc/apt/sources.list.d/nvidia-container-toolkit.listsudoapt-get updatesudoapt-get install-y nvidia-container-toolkit nvtop# Παραμετροποίηση του Docker runtimesudonvidia-ctk runtime configure --runtime=dockersudosystemctl restart docker# Επαλήθευση του GPU passthrough (επιβεβαιώστε ότι βλέπετε τα στατιστικά της κάρτας σας)sudodocker run --rm--gpus all nvidia/cuda:12.4.1-base-ubuntu22.04 nvidia-smi
3. Εγκατάσταση του Ollama: Η «Μηχανή» Πίσω από το AI
Για να ελαχιστοποιήσουμε τις καθυστερήσεις στην επεξεργασία των tokens, εγκαθιστούμε το Ollama απευθείας στο host σύστημα (natively) και όχι μέσα σε container. Με αυτόν τον τρόπο, το Ollama έχει άμεση, native πρόσβαση στην GPU.
Αν και το ίδιο το «computing» overhead από το NVIDIA container είναι πρακτικά αμελητέο (συνήθως κάτω από 1-2%), το network overhead είναι μετρήσιμο. Το Docker δημιουργεί ένα δικό του εικονικό δίκτυο. Όταν το Odysseus στέλνει εκατοντάδες αιτήματα (API calls) ανά δευτερόλεπτο για να παράγει tokens, η δρομολόγηση αυτών των αιτημάτων μέσω του Docker Network Bridge (ειδικά σε local setups) μπορεί να εισάγει μικρο-καθυστερήσεις σε σχέση με την άμεση κλήση στο localhost (ή στο 0.0.0.0 του host).
Από προεπιλογή, το Ollama εγκαθίσταται «άδειο», χωρίς κανένα μοντέλο. Για να είναι το σύστημά μας έτοιμο για χρήση (plug-and-play) μόλις ανοίξουμε το Odysseus, θα κατεβάσουμε προκαταβολικά το Llama 3.1 (8B) της Meta. Είναι ένα ελαφρύ, ταχύτατο και εξαιρετικά ικανό μοντέλο που αποτελεί την ιδανική αφετηρία δοκιμών.
Επιπλέον, πρέπει να ρυθμίσουμε την υπηρεσία να δέχεται συνδέσεις από το τοπικό δίκτυο (LAN), ώστε το Odysseus (που θα τρέχει σε Docker) να μπορεί να επικοινωνήσει μαζί του και μέσω αυτού οι άλλες συσκευές μας.
Εγκατάσταση Ollama & Ρύθμιση Δικτύου:
12345678910111213
# Εγκατάσταση του Ollamacurl -fsSL https://ollama.com/install.sh | sh# Λήψη ενός βασικού μοντέλου για άμεση χρήση (περίπου 5GB) οπότε θα χρειαστεί μερικά λεπτά και ανάλογα την ταχύτητα του internetollama pull llama3.2# Ενεργοποίηση πρόσβασης από το LANsudomkdir-p /etc/systemd/system/ollama.service.decho'[Service] Environment="OLLAMA_HOST=0.0.0.0"'| sudotee/etc/systemd/system/ollama.service.d/override.confsudosystemctl daemon-reloadsudosystemctl restart ollama
4. Εγκατάσταση του Odysseus: Το Προσωπικό μας AI Workspace
Έχοντας ρυθμίσει την υποδομή, προχωράμε στην παραμετροποίηση του Odysseus.
Το μυστικό εδώ είναι η σωστή διαμόρφωση του αρχείου .env ώστε να συνδεθεί με το Ollama και να ενεργοποιηθεί το GPU Compose Overlay.
Προετοιμασία Περιβάλλοντος:
1234567891011121314151617
#Λήψη το Odysseusgit clone https://github.com/pewdiepie-archdaemon/odysseus.gitcdodysseusgit switch main# Αρχικοποίηση του .env αρχείουcp.env.example .env# Ενεργοποίηση πρόσβασης στο web UI μέσω LANsed-i 's/# APP_BIND=127.0.0.1/APP_BIND=0.0.0.0/'.env# Σύνδεση του UI με το Ollama backendsed-i 's|# OLLAMA_BASE_URL=http://host.docker.internal:11434/v1|OLLAMA_BASE_URL=http://host.docker.internal:11434/v1|'.env# Ενεργοποίηση του NVIDIA GPU Compose Overlayecho"COMPOSE_FILE=docker-compose.yml:docker/gpu.nvidia.yml">> .env
5. Ρύθμιση Δικτύου: Ορισμός Στατικής IP (Static IP)
Εφόσον ρυθμίσαμε το Odysseus και το Ollama να «ακούνε» σε όλο το τοπικό δίκτυο (0.0.0.0), υπάρχει ένας πρακτικός σκόπελος που πρέπει να προλάβουμε: το πρωτόκολλο DHCP του router σας.
Από προεπιλογή, ο router εκχωρεί δυναμικές IP στις συσκευές μας. Αυτό σημαίνει πως μετά από μια επανεκκίνηση του host μηχανήματος (του Ubuntu) ή τη λήξη του DHCP lease, η συσκευή σας ενδέχεται να λάβει νέα διεύθυνση IP. Κάτι τέτοιο θα καταστήσει άκυρα τα bookmarks που έχετε αποθηκεύσει στο κινητό ή το laptop σας με τα οποία μπέναιτε στο Odysseus.
Για να έχετε μια σταθερή, μόνιμη διεύθυνση πρόσβασης (π.χ. 192.168.1.50), υπάρχουν δύο προσεγγίσεις:
Μέθοδος 1: Κράτηση διεύθυνσης μέσω του Router (DHCP Reservation – Συνιστάται)
Η περιγραφή των μεθόδων ορισμού στατικής IP είναι εκτός σκοπού του οδηγού. Μπορείτε να διαβάσετε τον οδηγό που έχουμε γράψει σχετικά με την «Στατική IP σε Ubuntu»
6. Εκκίνηση υποδομής Odysseus/Ollama και Πρώτη Πρόσβαση
Με όλες τις ρυθμίσεις στη θέση τους, κάνουμε build και «σηκώνουμε» τις υπηρεσίες. Κατά την πρώτη εκκίνηση, το Odysseus παράγει έναν κρυπτογραφημένο κωδικό διαχειριστή που πρέπει να ανακτήσουμε από τα αρχεία καταγραφής.
12345
# Εκκίνηση του Odysseus με ενεργοποιημένη την επιτάχυνση GPUsudodocker compose up -d --build# Μόλις ξεκινήσει τα container κάνουμε προβολή του προσωρινού κωδικού διαχειριστή (admin password) που δημιουργήθηκεsudodocker compose logs odysseus | grep-i "password"
Έχουμε τελειώσει. Το Odysseus απο προεπιλογή περιμένει συνδέσεις στην θήρα 7000 ενώ το Ollama 11434. Αρα το μόνο που χρειαζόμαστε είναι η ip που βάλαμε στο 5ο βήμα στο PC που τρέχει την υποδομή μας:
Διεπαφή Odysseus: Πλοηγηθείτε στο http://<YOUR_PC_IP>:7000 και συνδεθείτε με τον κωδικό που μόλις ανακτήσατε. Εμείς αυτό θα χρησιμοποιούμε.
API του Ollama: Διαθέσιμο στο http://<YOUR_PC_IP>:11434. Αυτό το χρησιμοποιούμε μονο αν θέλουμε πχ. να το συνδέσουμε με άλλα εργαλεία όπως το VSCode
Αφού μπείτε στην σελίδα του Odysseus με admin και τον προσωρινό κωδικό, το πρώτο πράγμα που θα κάνετε είναι να αλλάξετε αυτό τον κωδικό με αυτή της προτίμησης σας. Πατάτε το γρανάζι αριστερά κάτω, πατάτε Accounts στο παράθυρο που θα ανοίξει και το αλλάζετε.
Τέλος θα πρέπει να ενημερώσετε το Odysseus για το Ollama πηγαίνοντας στην ενότητα Add Models -> click Ollama για να συμπληρωθεί η default διαδρομή -> πατήστε Test για να δείτε αν το βλέπει και στην συνέχεια πατήσετ Add.
7. Επόμενα Βήματα: Το Odysseus Cookbook
Με την εγκατάσταση να έχει ολοκληρωθεί, το σύστημά σας είναι πλέον έτοιμο να φορτώσει τοπικά μοντέλα. Εδώ μπαίνει στο παιχνίδι το ενσωματωμένο Cookbook του Odysseus.
Αντί να μαντεύετε ποιο μοντέλο να κατεβάσετε, το Cookbook διαβάζει τα πραγματικά δεδομένα του συστήματός σας (όπως τη διαθέσιμη VRAM της GPU σας). Βάσει αυτών των μετρήσεων, σας προτείνει επιστημονικά τα ιδανικά μεγέθη μοντέλων (π.χ. πότε να προτιμήσετε ένα μοντέλο των 7B παραμέτρων έναντι ενός των 13B), διασφαλίζοντας την ταχύτερη δυνατή παραγωγή κειμένου χωρίς κινδύνους εξάντλησης της μνήμης.
Εναλλακτικά μπορείτε να προσθέτετε μοντέλα και απο το τερματικό με το ollama, κατεβάζοντας το μοντέλο που σας ενδιαφέρει με τις αντίστοιχες εντολές :
Το Odysseus θα αναγνωρίσει αυτόματα το μοντέλο και μόλις κάνουμε refresh στην σελίδα, θα το κάνει διαθέσιμο στο chat
Καθώς το χρησιμοποιείτε μπορείτε να ανοίξετε και το nvtop για να δείτε αν ζορίζεται η Nvidia και πρέπει να αλλάξετε μοντέλο ή να παρακολουθήσετε τις γενικές επιδόσεις
Η ραγδαία ανάπτυξη της τεχνητής νοημοσύνης δεν επηρεάζει μόνο τον τρόπο με τον οποίο χρησιμοποιούμε την τεχνολογία, αλλά και τις ίδιες τις συσκευές μας. Πρόσφατα, έχουν αναφερθεί περιπτώσεις όπου συσκευές Android εγκαθιστούν αυτόματα μεγάλα μοντέλα τεχνητής νοημοσύνης χωρίς τη σαφή ενημέρωση των χρηστών. Τα μοντέλα αυτά καταλαμβάνουν αρκετά gigabytes αποθηκευτικού χώρου και, σε ορισμένες περιπτώσεις, δεν μπορούν να αφαιρεθούν πλήρως από τον τελικό χρήστη.
Η κατάσταση αυτή έχει προκαλέσει ανησυχίες σχετικά με την ουδετερότητα των συσκευών και τα δικαιώματα των καταναλωτών. Στο πλαίσιο του ευρωπαϊκού Κανονισμού για τις Ψηφιακές Αγορές (Digital Markets Act – DMA), εταιρείες όπως η Google υποχρεούνται να επιτρέπουν στους χρήστες να απεγκαθιστούν το προεγκατεστημένο λογισμικό από τις συσκευές τους. Για τον λόγο αυτό, το Ίδρυμα Ελεύθερου Λογισμικού Ευρώπης (FSFE) υπέβαλε προτάσεις στην Ευρωπαϊκή Επιτροπή κατά τη δημόσια διαβούλευση για τη διαλειτουργικότητα του Android.
Μία από τις βασικές προτάσεις του FSFE είναι η δυνατότητα πλήρους αφαίρεσης των προεγκατεστημένων λειτουργιών τεχνητής νοημοσύνης από τις Android συσκευές. Σύμφωνα με τον οργανισμό, οι χρήστες πρέπει να έχουν τη δυνατότητα όχι μόνο να απεγκαθιστούν τέτοιες εφαρμογές και υπηρεσίες, αλλά και να ανακτούν τον αποθηκευτικό χώρο που αυτές καταλαμβάνουν. Επιπλέον, οι εταιρείες δεν θα πρέπει να μπορούν να επανεγκαθιστούν, να επανενεργοποιούν ή να ενημερώνουν αυτές τις λειτουργίες χωρίς την προηγούμενη και ρητή συγκατάθεση του χρήστη. Το FSFE υποστηρίζει ότι η απεγκατάσταση λογισμικού δεν πρέπει να αποτελεί μια προσωρινή ενέργεια που μπορεί να ανατραπεί σιωπηλά από τους κατασκευαστές ή τους παρόχους λειτουργικών συστημάτων. Η διασφάλιση πραγματικού ελέγχου της συσκευής από τον χρήστη αποτελεί βασική προϋπόθεση για την προστασία της ψηφιακής αυτονομίας και της ιδιωτικότητας.
Διαλειτουργικότητα χωρίς εξάρτηση από τη Google
Ένα ακόμη ζήτημα που αναδεικνύει το FSFE αφορά το πρόγραμμα πιστοποίησης προγραμματιστών Android (Android Developer Certification), το οποίο σχεδιάζεται να εφαρμοστεί από τη Google. Σύμφωνα με τις σχετικές ανακοινώσεις, οι προγραμματιστές θα πρέπει να εγγράφονται στη Google, να αποδέχονται συγκεκριμένους όρους και να παρέχουν στοιχεία ταυτότητας προκειμένου να αποκτήσουν πρόσβαση σε ορισμένες λειτουργίες του οικοσυστήματος Android. Η πρακτική αυτή προκαλεί ανησυχίες, ιδιαίτερα για τους δημιουργούς ελεύθερου λογισμικού και ανεξάρτητων εφαρμογών, οι οποίοι επιθυμούν να λειτουργούν εκτός του οικοσυστήματος της Google. Σε ορισμένες περιπτώσεις, η υποχρεωτική ταυτοποίηση μπορεί να εκθέσει προγραμματιστές σε κινδύνους παρακολούθησης ή πιέσεων, ειδικά σε χώρες με περιορισμένες δημοκρατικές ελευθερίες. Για τον λόγο αυτό, το FSFE ζητά η πρόσβαση στις δυνατότητες διαλειτουργικότητας του Android να μην εξαρτάται από λογαριασμό Google, παρουσία στο Google Play Store ή οποιαδήποτε συμβατική σχέση με την εταιρεία. Σύμφωνα με την οργάνωση, η πραγματική διαλειτουργικότητα προϋποθέτει ίσους όρους πρόσβασης για όλους τους προγραμματιστές, χωρίς περιορισμούς που ενισχύουν τη δεσπόζουσα θέση των μεγάλων τεχνολογικών πλατφορμών.
Ο ρόλος του DMA στην προστασία των χρηστών
Ο Κανονισμός για τις Ψηφιακές Αγορές αποτελεί μία από τις σημαντικότερες νομοθετικές πρωτοβουλίες της Ευρωπαϊκής Ένωσης για τον περιορισμό της ισχύος των μεγάλων ψηφιακών «πυλωρών» (gatekeepers), όπως η Google και η Apple. Βασικός στόχος του είναι η δημιουργία πιο ανοικτών και διαλειτουργικών ψηφιακών οικοσυστημάτων, όπου οι χρήστες και οι προγραμματιστές δεν θα εξαρτώνται αποκλειστικά από τις αποφάσεις λίγων μεγάλων εταιρειών. Η υπόθεση του Android αναδεικνύει τη σημασία της αποτελεσματικής εφαρμογής του DMA. Η δυνατότητα απεγκατάστασης ανεπιθύμητων εφαρμογών, η αποτροπή αυτόματης επανεγκατάστασης λογισμικού και η εξασφάλιση ελεύθερης πρόσβασης στις λειτουργίες διαλειτουργικότητας αποτελούν κρίσιμα βήματα για τη διατήρηση της ουδετερότητας των συσκευών και την ενίσχυση των δικαιωμάτων των χρηστών στην ψηφιακή εποχή.
Καθώς η τεχνητή νοημοσύνη ενσωματώνεται ολοένα και περισσότερο στις καθημερινές συσκευές, η ανάγκη για διαφάνεια, έλεγχο και ελευθερία επιλογής γίνεται πιο επιτακτική από ποτέ. Οι προτάσεις του FSFE στο πλαίσιο του DMA επιδιώκουν να διασφαλίσουν ότι οι χρήστες θα παραμείνουν οι πραγματικοί κάτοχοι των συσκευών τους, με τη δυνατότητα να αποφασίζουν ποιο λογισμικό χρησιμοποιούν και υπό ποιους όρους. Έτσι, η τεχνολογική καινοτομία μπορεί να συμβαδίζει με τα θεμελιώδη δικαιώματα των πολιτών και τις αρχές ενός ανοιχτού ψηφιακού οικοσυστήματος.
Το ανοιχτό διαδίκτυο αποτελεί έναν από τους σημαντικότερους πυλώνες της σύγχρονης κοινωνίας της πληροφορίας. Η δυνατότητα πρόσβασης σε δημόσια διαθέσιμες πληροφορίες μέσω αυτοματοποιημένων εργαλείων, όπως οι μηχανές συλλογής δεδομένων (web crawlers και scrapers), έχει συμβάλει καθοριστικά στην έρευνα, τη δημοσιογραφία, τη διαφάνεια και την καινοτομία. Ωστόσο, αυτή η ελευθερία φαίνεται να βρίσκεται σήμερα αντιμέτωπη με νέες προκλήσεις.
Η ανάπτυξη της τεχνητής νοημοσύνης έχει οδηγήσει πολλές μεγάλες τεχνολογικές εταιρείες και εκδότες περιεχομένου να εκφράζουν ανησυχίες σχετικά με τον τρόπο που τα δεδομένα των ιστοσελίδων τους χρησιμοποιούνται για την εκπαίδευση και λειτουργία μοντέλων AI. Ως αποτέλεσμα, αυξάνονται οι πιέσεις για την επιβολή περιορισμών στην αυτοματοποιημένη πρόσβαση σε δημόσιο περιεχόμενο.
Το ζήτημα έχει φτάσει ακόμη και στην Internet Engineering Task Force (IETF), τον οργανισμό που αναπτύσσει τα τεχνικά πρότυπα πάνω στα οποία βασίζεται μεγάλο μέρος της λειτουργίας του διαδικτύου. Ορισμένες προτεινόμενες αλλαγές στα πρότυπα αυτά θα μπορούσαν να μεταβάλουν ριζικά τον χαρακτήρα του ανοιχτού ιστού.
Οι νέες προτάσεις και οι κίνδυνοι
Μία από τις προτάσεις προέρχεται από την ομάδα εργασίας AI Preferences, η οποία εξετάζει τη δημιουργία μηχανισμών που θα επιτρέπουν στους διαχειριστές ιστοσελίδων να δηλώνουν ότι δεν επιθυμούν τη συλλογή των δεδομένων τους για σκοπούς που σχετίζονται με την τεχνητή νοημοσύνη. Οι δηλώσεις αυτές θα μπορούσαν να ενσωματωθούν στο αρχείο robots.txt και, σε ορισμένες χώρες, να αποκτήσουν ακόμη και νομική ισχύ.
Παράλληλα, η ομάδα εργασίας Web Bot Auth προωθεί λύσεις που αποσκοπούν στην προστασία των ιστοσελίδων από επιθετικά bots, τα οποία καταναλώνουν υπερβολικούς πόρους και επηρεάζουν αρνητικά την απόδοση των συστημάτων. Αν και ο στόχος αυτός είναι θεμιτός, ορισμένες από τις προτεινόμενες τεχνολογίες θα μπορούσαν να επιτρέψουν στις ιστοσελίδες να αναγνωρίζουν κρυπτογραφικά κάθε bot και να αποκλείουν όποιον δεν διαθέτει την απαραίτητη έγκριση ή άδεια.
Ένα τέτοιο μοντέλο θα μπορούσε να οδηγήσει σε ένα διαδίκτυο δύο ταχυτήτων, όπου μόνο μεγάλες εταιρείες με οικονομικούς πόρους θα έχουν τη δυνατότητα να συλλέγουν δεδομένα, ενώ ερευνητές, μη κερδοσκοπικοί οργανισμοί, δημοσιογράφοι και νεοφυείς επιχειρήσεις θα αποκλείονται από σημαντικές πηγές πληροφόρησης.
Οι επιπτώσεις για την κοινωνία
Η αυτοματοποιημένη πρόσβαση σε δημόσιες πληροφορίες δεν εξυπηρετεί μόνο εμπορικούς σκοπούς. Χρησιμοποιείται για τη διατήρηση της ψηφιακής ιστορίας μέσω οργανισμών όπως το Internet Archive, για την αποκάλυψη κυβερνητικών ή εταιρικών παρατυπιών, για την ανίχνευση διακρίσεων, καθώς και για την ανάπτυξη εργαλείων προσβασιμότητας που βοηθούν άτομα με αναπηρίες.
Η επιβολή αυστηρών περιορισμών θα μπορούσε να περιορίσει σημαντικά αυτές τις δραστηριότητες, επηρεάζοντας την ελευθερία της πληροφόρησης, τη λογοδοσία των θεσμών και την καινοτομία. Επιπλέον, θα μπορούσε να ενισχύσει περαιτέρω τη συγκέντρωση ισχύος στα χέρια λίγων μεγάλων τεχνολογικών εταιρειών.
Η ανάγκη για ισορροπία
Οι ανησυχίες των εκδοτών και των διαχειριστών ιστοσελίδων δεν είναι αβάσιμες. Τα bots τεχνητής νοημοσύνης μπορούν να αυξήσουν το λειτουργικό κόστος, να επιβαρύνουν τις υποδομές και να επηρεάσουν τα έσοδα από τη διαφήμιση. Ωστόσο, η αντιμετώπιση αυτών των προβλημάτων δεν θα πρέπει να οδηγήσει στην εγκατάλειψη των θεμελιωδών αρχών που έκαναν το διαδίκτυο έναν ανοιχτό και προσβάσιμο χώρο γνώσης.
Η πρόκληση για το μέλλον είναι να βρεθεί μια ισορροπία ανάμεσα στην προστασία των δικαιωμάτων των δημιουργών περιεχομένου και στη διατήρηση της ελεύθερης πρόσβασης στην πληροφορία. Οι αποφάσεις που λαμβάνονται σήμερα στο πλαίσιο του IETF ενδέχεται να καθορίσουν το κατά πόσο το διαδίκτυο θα παραμείνει ένα ανοιχτό οικοσύστημα για όλους ή θα εξελιχθεί σε έναν χώρο όπου η πρόσβαση στη γνώση θα εξαρτάται όλο και περισσότερο από οικονομικά και τεχνικά εμπόδια.
Οι εργασίες του Συνεδρίου επικεντρώθηκαν στο μέλλον της ανοικτής ακαδημαϊκής επικοινωνίας στις Ανθρωπιστικές και Κοινωνικές Επιστήμες (ΑΚΕ) και τις προκλήσεις που αντιμετωπίζουν οι φορείς που ασχολούνται με τη διεξαγωγή, τη δημοσίευση και τη διάχυση της επιστημονικής έρευνας στο πλαίσιο της Ανοικτής Επιστήμης. Μπορείτε να βρείτε βιντεοσκοπημένο μεγάλο μέρος του συνεδρίου εδώ.
Στην πορεία της προς τη θεσμοθέτησή της ως Κοινοπραξία Ευρωπαϊκής Ερευνητικής Υποδομής (European Research Infrastructure Consortium, ERIC), η υποδομή OPERAS αξιοποίησε τη σημαντική ευκαιρία αυτού του συνεδρίου για να ενδυναμώσει τους δεσμούς της κοινότητάς της, να αναδείξει κοινές προτεραιότητες και να προσδιορίσει τον ρόλο της στο ευρυτερο τοπίο της Ανοικτής Επιστήμης.
Το ΕΚΤ, βασικό μέλος της ερευνητικής υποδομής OPERAS, συμμετείχε στο Συνέδριο με poster που ανέδειξε την πορεία και τις μελλοντικές επιδιώξεις για τη δημιουργία του εθνικού κόμβου OPERAS-GR. Παράλληλα, προβλήθηκε η συνολική συνεισφορά του ΕΚΤ στην προώθηση του έργου της υποδομής και των αρχών της Ανοικτής Επιστήμης στην Ελλάδα. Το poster, με τίτλο “The Greek National Node of OPERAS”, παρουσίασε ο Δρ Ηρακλής Κατσαλούλης, επιστημονικός συνεργάτης του ΕΚΤ. Εδώ μπορείτε να βρείτε υλικό του Συνεδρίου με ανοικτή πρόσβαση.
Συνοπτικά, το Συνέδριο έθεσε στο επίκεντρο την ανάπτυξη των ερευνητικών υποδομών, όπως είναι το OPERAS, αναδεικνύοντας τον ρόλο τους ως «ζωντανών δικτύων» που γεφυρώνουν διαφορετικές κοινότητες. Οι εργασίες του κάλυψαν ένα ευρύ φάσμα σύγχρονων προκλήσεων, από τις διαφορετικές ερμηνείες της Ανοικτής Επιστήμης και την εφαρμογή των αρχών FAIR (Findable, Accessible, Interoperable and Reusable), έως τις μεθόδους αξιολόγησης και τον αντίκτυπο της Τεχνητής Νοημοσύνης. Ιδιαίτερη έμφαση δόθηκε στην πολυγλωσσία, τη βιβλιοποικιλότητα και τις ανάγκες των Ανθρωπιστικών και Κοινωνικών Επιστημών (ΑΚΕ), καθώς και σε ζητήματα ακαδημαϊκής διακυβέρνησης που διασφαλίζουν τη συμπερίληψη όλων των ενδιαφερόμενων μερών στη διαμόρφωση πολιτικών για την Ανοικτή Επιστήμη.
Οι 51 ομιλητές και οι 173 συμμετέχοντες, μέσω των συζητήσεων των panel, των poster και μέσω workshop και άλλων δραστηριοτήτων, εργάστηκαν για τη δημιουργία μιας πιο ανοικτής και πιο δυναμικής ερευνητικής υποδομής, που θα υπηρετεί ουσιαστικά τις ανάγκες της επιστημονικής κοινότητας, θα διατηρεί ενεργούς εθνικούς κόμβους στις χώρες που συμμετέχουν σε αυτή, θα αντιμετωπίζει τις αντιστάσεις της ακαδημαϊκής κοινότητας και των υπευθύνων χάραξης πολιτικής στην ανάπτυξη της Ανοικτής Επιστήμης και θα διευκολύνει τη διάδοση της σχετικής τεχνογνωσίας και την καλλιέργεια των αναγκαίων δεξιοτήτων και μοντέλων εργασίας.
Η ερευνητική υποδομή OPERAS και η συνεισφορά του ΕΚΤ
Η υποδομή OPERAS (OPen scholarly communication in the European Research Area for Social Sciences and Humanities) αποτελεί την ευρωπαϊκή ερευνητική υποδομή για την υποστήριξη και προώθηση της Ανοικτής Επιστήμης, καθώς και τη βελτίωση της ακαδημαϊκής επικοινωνίας στις Ανθρωπιστικές και Κοινωνικές Επιστήμες (ΑΚΕ). Το 2021 επιλέχτηκε ως μια νέα υποδομή για τον οδικό χάρτη ESFRI, λόγω της επιστημονικής της αριστείας και της στρατηγικής της σημασίας για τον Ευρωπαϊκό Χώρο Έρευνας και για τη δημιουργία ενός ευρωπαϊκού οικοσυστήματος ερευνητικών υποδομών. Τα επόμενα βήματα της υποδομής OPERAS περιλαμβάνουν τη θεσμοθέτησή της ως ERIC.
Το EKT είναι βασικό μέλος της υποδομής OPERAS, έχοντας μάλιστα την ευθύνη ανάπτυξης του εθνικού κόμβου OPERAS-GR. Έχει συμβάλει καθοριστικά στην ανάπτυξή των υπηρεσιών της ερευνητικής υποδομής από το 2014 έως και σήμερα.
Στις 10 Ιουνίου 2026, το νορβηγικό τεχνολογικό φόρουμ Kongsberg Agenda φιλοξένησε μια κορυφαία συζήτηση για την ασφάλεια του λογισμικού ανοιχτού κώδικα και τη σχέση της με την εθνική κυριαρχία. Ανάμεσα στους διακεκριμένους ομιλητές συμμετείχε ο Επίτιμος Πρόεδρος της ΕΕΛΛΑΚ, Καθηγητής του Οικονομικού Πανεπιστημίου Αθηνών και του Πολυτεχνείου του Delft, Διομήδης Σπινέλλης.
Η παρουσίασή του, με τίτλο «The elusive appeal of open-source», αποτέλεσε μια από τις πιο εμπεριστατωμένες αναλύσεις του συνεδρίου, οργανώνοντας το ζήτημα της ψηφιακής κυριαρχίας γύρω από τέσσερις άξονες: Ασφάλεια, Περιεχόμενο, Κόστος και Ανάπτυξη.
Ασφάλεια: Όταν το Λογισμικό Γίνεται Γεωπολιτικό Όπλο
Ο κ. Σπινέλλης εκκίνησε από ιστορικά παραδείγματα ελέγχου μέσω τεχνολογίας, φτάνοντας ως τις μέρες μας με τρεις αποκαλυπτικές περιπτώσεις:
τα National Security Letters των ΗΠΑ που επέτρεπαν μαζική συλλογή δεδομένων χρηστών από εταιρείες τεχνολογίας
την υπόθεση του backdoor στο Juniper ScreenOS, το οποίο επέτρεπε μη εξουσιοδοτημένη πρόσβαση σε VPN μέσω κερκόπορτας με πιθανή εμπλοκή της NSA, που χρειάστηκαν χρόνια για να ανακαλυφθεί
και το πρόσφατο σκάνδαλο κατά το οποίο αμερικανικές εταιρείες τεχνολογίας διαβίβασαν σε επιτροπή της αμερικανικής Γερουσίας τα ονόματα ευρωπαίων δημοσίων υπαλλήλων που εργάζονται σε θέματα ρύθμισης της τεχνολογίας.
Περιεχόμενο: Εταιρικός Έλεγχος της Πληροφορίας
Στον δεύτερο άξονα, η παρουσίαση ανέδειξε πώς ιδιόκτητες πλατφόρμες σχεδιάζουν εσκεμμένα χαρακτηριστικά — άπειρη κύλιση, μεταβλητές ανταμοιβές, συστήματα ειδοποιήσεων — για να μεγιστοποιούν την εξαναγκαστική χρήση, με εσωτερικά έγγραφα εταιρειών να αποδεικνύουν ότι η ασφάλεια των παιδιών είχε ρητά οριστεί ως «μη στόχος». Παράλληλα, η χρήση αυτών των πλατφορμών από ξένες δυνάμεις για επιχειρήσεις επιρροής τεκμηριώνει μια ακόμη διάσταση του προβλήματος.
Κόστος: Η Ευρώπη Πληρώνει Ακριβά
Τα νούμερα που παρουσιάστηκαν είναι αποκαλυπτικά: η γερμανική ομοσπονδιακή διοίκηση δαπάνησε 481,4 εκατομμύρια ευρώ σε άδειες λογισμικού μόνο το 2025, ενώ οι εισαγωγές υπηρεσιών πνευματικής ιδιοκτησίας από τις ΗΠΑ στην Ευρωζώνη έχουν φτάσει κοντά στα 60 δισεκατομμύρια ευρώ ετησίως. Αυτή η ροή χρήματος εκτός Ευρώπης δημιουργεί φαύλο κύκλο: αποδυνάμωση ευρωπαϊκών εταιρειών τεχνολογίας, βαθύτερη εξάρτηση και απώλεια στρατηγικού ελέγχου.
Ανάπτυξη: Ο Κόσμος Αλλάζει
Στον άξονα της ανάπτυξης, τα στοιχεία του GitHub για την περίοδο 2020-2025 αποκαλύπτουν μια σημαντική αλλαγή: η Ινδία αναμένεται να ξεπεράσει τις ΗΠΑ ως η μεγαλύτερη κοινότητα προγραμματιστών παγκοσμίως μέχρι το 2030. Παράλληλα, ο κατάλογος των χωρών με τις περισσότερες συνεισφορές σε έργα ανοιχτού κώδικα δείχνει ότι η Ευρώπη — με Γερμανία, Ηνωμένο Βασίλειο, Γαλλία — παραμένει ισχυρός παίκτης, αλλά οφείλει να επενδύσει στρατηγικά για να διατηρήσει τη θέση της.
Το Παράδοξο του «Ανοιχτού» Λογισμικού
Ένα από τα πιο ενδιαφέροντα σημεία της παρουσίασης αφορούσε σε ένα λιγότερο γνωστό παράδοξο: τα περισσότερα κορυφαία έργα ανοιχτού κώδικα — Linux, Git, Apache, MySQL, Docker, Kubernetes, Python, GCC — διοικούνται από οργανισμούς που εδρεύουν στις ΗΠΑ, ενώ ο πηγαίος κώδικας τους φιλοξενείται κυρίως στο GitHub, με servers στο Σαν Φρανσίσκο.
Αυτό σημαίνει ότι ακόμα και η επιλογή ανοιχτού λογισμικού δεν είναι αυτόματα εγγύηση πλήρους ψηφιακής ανεξαρτησίας, εάν η υποδομή που το φιλοξενεί και οι οργανισμοί που το διακυβερνούν παραμένουν εκτός ευρωπαϊκού ελέγχου. Η μοναδική εξαίρεση στον κατάλογο ήταν το PostgreSQL, το οποίο φιλοξενείται στο Σάλτσμπουργκ της Αυστρίας.
Η Δρόμος προς την Ψηφιακή Κυριαρχία
Η παρουσίαση πρότεινε πέντε μεγάλες κατηγορίες δράσης:
Ρυθμιστικό πλαίσιο: Υποχρεωτική προτίμηση ανοιχτού κώδικα στις δημόσιες προμήθειες, απαίτηση ανοιχτών προτύπων, περιορισμός του vendor lock-in και υποχρεωτική διαλειτουργικότητα. Στο πλαίσιο αυτό εντάσσεται ήδη ο ευρωπαϊκός Κανονισμός 2024/903 («Interoperable Europe Act»).
Προμήθειες: Κοινές ευρωπαϊκές προμήθειες κοινόχρηστων OSS πλατφορμών, απαίτηση πρόσβασης σε πηγαίο κώδικα και προτίμηση ευρωπαίων παρόχων υποστήριξης.
Χρηματοδότηση και βιομηχανική πολιτική: Χρηματοδότηση συντήρησης και ελέγχων ασφάλειας OSS, επένδυση σε κυρίαρχη ευρωπαϊκή υποδομή cloud και δημιουργία μακροπρόθεσμων προγραμμάτων υποστήριξης.
Λειτουργίες δημόσιου τομέα: Δημιουργία κυβερνητικών γραφείων ανοιχτού λογισμικού (OSPOs), επαναχρησιμοποίηση λογισμικού μεταξύ υπηρεσιών και υποχρεωτική δημοσίευση κώδικα που χρηματοδοτείται με δημόσιους πόρους — «Δημόσιο χρήμα, δημόσιος κώδικας».
Εκπαίδευση και δεξιότητες: Κατάρτιση δημοσίων υπαλλήλων, επέκταση της εκπαίδευσης σε OSS και ανάπτυξη εξειδίκευσης στην ασφάλεια ανοιχτού λογισμικού.
Η παρουσίαση έκλεισε με μια ιδιαίτερα εύστοχη παρατήρηση του Tim O’Reilly που συνοψίζει το πνεύμα της: σε κάθε οικοσύστημα, αν παίρνεις περισσότερα από όσα βάζεις, το οικοσύστημα τελικά εξαντλείται. Η Ευρώπη καλείται να επενδύσει ενεργά στο ανοιχτό λογισμικό — όχι απλώς να το καταναλώνει.
Η διαφορά ανάμεσα στη βελτίωση και στην κατανόηση της εμπειρίας
Η συζήτηση για την Τεχνητή Νοημοσύνη έχει γεμίσει από μια ισχυρή υπόσχεση: ότι τα μεγάλα γλωσσικά μοντέλα, όταν λειτουργούν ως agents, μπορούν να μαθαίνουν από τις προηγούμενες εμπειρίες τους και να βελτιώνονται συνεχώς χωρίς νέα εκπαίδευση. Η εικόνα είναι ελκυστική. Ένας agent δοκιμάζει, αποτυγχάνει, κρατά σημειώσεις, συμπυκνώνει τα διδάγματα και την επόμενη φορά τα αξιοποιεί. Έτσι, υποτίθεται, αρχίζει μια μορφή αυτο-εξέλιξης.
Όμως αυτή η υπόθεση χρειάζεται πολύ μεγαλύτερη προσοχή. Η πρόσφατη εργασία “Large Language Model Agents Are Not Always Faithful Self-Evolvers” δείχνει ότι η απόδοση ενός agent μπορεί πράγματι να βελτιώνεται όταν του δίνεται πρόσβαση σε προηγούμενες εμπειρίες, αλλά αυτό δεν σημαίνει ότι ο agent χρησιμοποιεί την εμπειρία με τρόπο πιστό, αιτιακό και ελέγξιμο. Με απλά λόγια, δεν αρκεί να βλέπουμε ότι το σύστημα τα πάει καλύτερα. Πρέπει να ξέρουμε γιατί τα πάει καλύτερα.
Το κρίσιμο εύρημα είναι η μεγάλη διαφορά ανάμεσα στην ακατέργαστη και στη συμπυκνωμένη εμπειρία. Η ακατέργαστη εμπειρία περιλαμβάνει συγκεκριμένες διαδρομές: τι είδε ο agent, τι έκανε, ποια βήματα ακολούθησε, πού πέτυχε και πού απέτυχε. Η συμπυκνωμένη εμπειρία είναι κάτι διαφορετικό: σύντομες οδηγίες, γενικές αρχές, αποστάγματα, κανόνες και υποτιθέμενα διδάγματα. Οι σημερινές μέθοδοι αυτο-εξέλιξης βασίζονται συχνά στην ιδέα ότι αυτά τα συμπυκνωμένα διδάγματα μεταφέρουν τη χρήσιμη γνώση από το παρελθόν στο παρόν. Η εργασία δείχνει ότι αυτό δεν συμβαίνει αξιόπιστα.
Το πρόβλημα της συμπυκνωμένης εμπειρίας
Οι agents φαίνεται να αξιοποιούν πολύ πιο σταθερά τις πλήρεις διαδρομές εμπειρίας παρά τις αφηρημένες περιλήψεις τους. Όταν οι ερευνητές αλλοίωσαν, αφαίρεσαν ή αντικατέστησαν την ακατέργαστη εμπειρία, η απόδοση των agents συχνά μειώθηκε αισθητά. Αυτό σημαίνει ότι το σύστημα πράγματι στηριζόταν σε εκείνα τα συγκεκριμένα ίχνη. Αντίθετα, όταν αλλοιώθηκαν οι συμπυκνωμένες εμπειρίες, πολλές φορές η συμπεριφορά του agent άλλαξε λίγο ή καθόλου. Ακόμη πιο ανησυχητικό είναι ότι σε ορισμένες περιπτώσεις οι agents συνέχισαν να αποδίδουν καλά ακόμη και όταν η συμπυκνωμένη εμπειρία ήταν άσχετη, διεφθαρμένη ή σχεδόν κενή νοήματος.
Αυτό ανατρέπει μια βασική παραδοχή πολλών συστημάτων μνήμης: ότι η περίληψη μιας εμπειρίας κρατά το ουσιώδες. Στην πράξη, η περίληψη μπορεί να χάσει τη συγκεκριμένη σχέση με το πρόβλημα. Μπορεί να γίνει πολύ γενική, να παραπλανήσει το μοντέλο ή να ενισχύσει λανθασμένες προκαταλήψεις. Ένας κανόνας όπως «έλεγξε πρώτα το βασικό μενού» μπορεί να είναι χρήσιμος σε μια ιστοσελίδα και άχρηστος ή επιβλαβής σε μια άλλη. Αν ο agent τον ακολουθήσει μηχανικά, δεν μαθαίνει. Απλώς μεταφέρει μια παλιά συνήθεια σε ένα νέο περιβάλλον.
Εδώ φαίνεται το όριο της σημερινής αυτο-εξέλιξης. Τα συστήματα δεν αποκτούν απαραίτητα βαθύτερη κατανόηση. Συχνά συσσωρεύουν ίχνη, περιλήψεις και μοτίβα που άλλοτε βοηθούν και άλλοτε θολώνουν την κρίση τους. Η εμπειρία δεν είναι γνώση από μόνη της. Γίνεται γνώση μόνο όταν εντάσσεται σωστά στο τρέχον πρόβλημα, όταν ελέγχεται, όταν τεκμηριώνεται και όταν μπορεί να αμφισβητηθεί.
Γιατί η κλίμακα δεν λύνει το πρόβλημα
Μια εύκολη απάντηση θα ήταν ότι τα μεγαλύτερα μοντέλα θα λύσουν το πρόβλημα. Η εργασία δείχνει ότι αυτό δεν είναι ασφαλές συμπέρασμα. Τα μεγαλύτερα μοντέλα έχουν συνήθως καλύτερη συνολική απόδοση, αλλά το χάσμα ανάμεσα στην αξιοποίηση της ακατέργαστης και της συμπυκνωμένης εμπειρίας παραμένει. Με άλλα λόγια, η αύξηση των παραμέτρων δεν εγγυάται πιο πιστή χρήση της μνήμης.
Αυτό έχει πολιτική και θεσμική σημασία. Η ρητορική περί αυτοβελτιούμενης νοημοσύνης συχνά χρησιμοποιείται για να εμφανίσει την ΤΝ ως σχεδόν αναπόφευκτη δύναμη που απλώς χρειάζεται περισσότερη υπολογιστική ισχύ, περισσότερα δεδομένα και λιγότερη καθυστέρηση από τη δημόσια λογοδοσία. Όμως αν η ίδια η τεχνική βάση της αυτο-εξέλιξης είναι ασταθής, τότε η κοινωνία δεν πρέπει να αποδεχθεί την αφήγηση της ανεξέλεγκτης επιτάχυνσης. Πρέπει να απαιτήσει καλύτερη επιστήμη, καλύτερη τεκμηρίωση και καλύτερους θεσμούς.
Προς αξιόπιστη ενσωμάτωση εμπειριών
Η απάντηση δεν είναι να εγκαταλείψουμε τους agents ή τη μνήμη. Είναι να σχεδιάσουμε πιο αξιόπιστους τρόπους ενσωμάτωσης εμπειριών. Πρώτον, οι εμπειρίες δεν πρέπει να συμπυκνώνονται μόνο για οικονομία χώρου. Πρέπει να διατηρούν το πλαίσιο, τις συνθήκες ισχύος, τις αποτυχίες, τις εξαιρέσεις και τους λόγους για τους οποίους μια στρατηγική λειτούργησε. Δεύτερον, η μνήμη δεν πρέπει να προστίθεται μηχανικά στην αρχή κάθε προτροπής. Πρέπει να ενεργοποιείται δυναμικά, όταν το πρόβλημα το απαιτεί και όταν υπάρχει σαφής ένδειξη ότι η προηγούμενη εμπειρία είναι σχετική. Τρίτον, κάθε χρήση εμπειρίας σε κρίσιμα συστήματα πρέπει να συνοδεύεται από ίχνος ελέγχου: ποια εμπειρία ανακτήθηκε, γιατί θεωρήθηκε σχετική, πώς επηρέασε την απάντηση και αν υπήρχε ανθρώπινη εποπτεία.
Για χώρες όπως η Ελλάδα, αυτό συνδέεται άμεσα με τη στρατηγική της δημόσιας ΤΝ. Αν τα συστήματα που θα χρησιμοποιούνται στη διοίκηση, στην εκπαίδευση, στην υγεία ή στη δικαιοσύνη βασίζονται σε κλειστά μοντέλα και αδιαφανείς μηχανισμούς μνήμης, η κοινωνία δεν θα μπορεί να ελέγξει αν η εμπειρία αξιοποιείται ή απλώς προβάλλεται ως τεχνικό πρόσχημα. Αντίθετα, μια ανοιχτή δημόσια υποδομή ΤΝ, με ανοικτά πρότυπα, τεκμηριωμένα σύνολα δεδομένων, model cards, datasheets, RAG με επαληθεύσιμες πηγές και ανθρώπινη τελική ευθύνη, μπορεί να μετατρέψει την εμπειρία σε ελέγξιμη δημόσια γνώση.
Η πραγματική πρόοδος δεν βρίσκεται στον μύθο μιας μηχανής που αυτοβελτιώνεται ανεξάρτητα από την κοινωνία. Βρίσκεται στη δημιουργία συστημάτων που μαθαίνουν με διαφάνεια, σέβονται το πλαίσιο, αναγνωρίζουν τα όριά τους και λογοδοτούν. Η αυτο-εξέλιξη των LLMs, αν υπάρξει με σοβαρούς όρους, δεν θα είναι μαγικό άλμα. Θα είναι θεσμικά, τεχνικά και επιστημονικά ελεγχόμενη διαδικασία.
Πηγές άρθρου:
Zhao et al., “Large Language Model Agents Are Not Always Faithful Self-Evolvers”: Η βασική εργασία τεκμηριώνει ότι οι agents αξιοποιούν κυρίως τις ακατέργαστες εμπειρίες, ενώ συχνά αγνοούν ή παρερμηνεύουν τις συμπυκνωμένες εμπειρίες, ακόμη και όταν αυτές είναι οι μόνες διαθέσιμες: https://arxiv.org/html/2601.22436v3.
GlossAPI, “Η Τεχνητή Νοημοσύνη ως υποδομή κυριαρχίας”: Το άρθρο δίνει το πολιτικό πλαίσιο της ανάλυσης, συνδέοντας τον μύθο της αυτοβελτιούμενης ΤΝ με τη συγκέντρωση υπολογιστικής ισχύος, δεδομένων και κρατικής εξουσίας, και προτείνοντας δημόσια, ανοικτή και λογοδοτούσα υποδομή ΤΝ: https://blog.glossapi.gr/.
Zhao et al., “ExpeL: LLM Agents Are Experiential Learners”: Η εργασία εισάγει ένα από τα βασικά παραδείγματα agent που συλλέγει εμπειρίες, εξάγει γλωσσικά διδάγματα και τα χρησιμοποιεί ως παραδείγματα κατά την εκτέλεση νέων εργασιών: https://arxiv.org/abs/2308.10144.
Ouyang et al., “ReasoningBank: Scaling Agent Self-Evolving with Reasoning Memory”: Η εργασία είναι σημαντική επειδή προτείνει μνήμη συλλογισμού που συμπυκνώνει επιτυχίες και αποτυχίες agents, άρα βρίσκεται ακριβώς στο επίκεντρο της συζήτησης για τα όρια της συμπυκνωμένης εμπειρίας: https://arxiv.org/abs/2509.25140.
Hu et al., “Memory in the Age of AI Agents”: Χρήσιμο εννοιολογικό πλαίσιο για τη μνήμη των agents, διακρίνοντας μορφές, λειτουργίες και δυναμικές της μνήμης και δείχνοντας γιατί η μνήμη πρέπει να αντιμετωπίζεται ως δομικό στοιχείο και όχι ως απλό πρόσθετο: https://arxiv.org/abs/2512.13564.
Mitchell et al., “Model Cards for Model Reporting”: Εργασία για την ανάγκη διαφανούς τεκμηρίωσης των μοντέλων, ώστε η χρήση τους σε κρίσιμα πεδία να συνοδεύεται από πληροφορίες για επιδόσεις, περιορισμούς, συνθήκες αξιολόγησης και κατάλληλες χρήσεις: https://arxiv.org/abs/1810.03993.
Gebru et al., “Datasheets for Datasets”: Η εργασία προτείνει τεκμηρίωση για τα σύνολα δεδομένων, κάτι κρίσιμο για συστήματα ΤΝ που βασίζονται σε εμπειρίες, μνήμες και ανακτώμενη γνώση, ιδίως όταν χρησιμοποιούνται σε δημόσιες υπηρεσίες: https://arxiv.org/abs/1803.09010.
Οι εκδηλώσεις δεν σταματούν καθώς αυτήν την εβδομάδα πραγματοποιούνται εκδηλώσεις στην Ελλάδα και στο εξωτερικό για τις ανοιχτές τεχνολογίες και την καινοτομία! Ο Οργανισμός Ανοιχτών Τεχνολογιών (ΕΕΛΛΑΚ) σας προτείνει να τις παρακολουθήσετε και να τις διαδώσετε. Μπορείτε επίσης να δείτε περισσότερες εκδηλώσεις για τις επόμενες εβδομάδες ή να καταχωρίσετε τη δική σας εκδήλωση στο: https://ellak.gr/events.
Από το «μεγάλο μοντέλο» στο αξιόπιστο σύστημα γνώσης
Η συζήτηση για τα τοπικά μοντέλα Τεχνητής Νοημοσύνης ανοιχτού λογισμικού έχει περάσει σε πιο ώριμη φάση. Το ζητούμενο δεν είναι πλέον μόνο αν ένα μικρότερο ανοικτό μοντέλο μπορεί να απαντήσει ικανοποιητικά σε ερωτήσεις, να συνοψίσει έγγραφα ή να βοηθήσει στη σύνταξη κειμένων. Το πραγματικό ερώτημα είναι αν μπορεί να λειτουργήσει με θεσμική αξιοπιστία, με διαφάνεια, με δυνατότητα ελέγχου και με τεκμηριωμένη σύνδεση κάθε απάντησης με τις πηγές της.
Εδώ βρίσκεται η ιδιαίτερη αξία του Semantica. Δεν είναι απλώς ένα ακόμη εργαλείο γύρω από τα μεγάλα γλωσσικά μοντέλα. Μπορεί να λειτουργήσει ως ενδιάμεσο στρώμα γνώσης, συμφραζομένων και λογοδοσίας ανάμεσα στα δεδομένα ενός οργανισμού και στο τοπικό μοντέλο ΤΝ που χρησιμοποιείται για αναζήτηση, ανάλυση και παραγωγή απαντήσεων. Αυτό είναι κρίσιμο για δημόσιους φορείς, πανεπιστήμια, ερευνητικά κέντρα, δήμους, νοσοκομεία, μικρομεσαίες επιχειρήσεις και οργανισμούς που δεν θέλουν να μετατρέψουν τα δεδομένα τους σε πρώτη ύλη κλειστών εμπορικών πλατφορμών.
Τα τοπικά ανοικτά μοντέλα είναι ισχυρά όταν τροφοδοτούνται με καλά οργανωμένη γνώση. Αν ένα μοντέλο απαντά μόνο με βάση όσα έχει μάθει κατά την εκπαίδευσή του, ακόμη και όταν είναι τεχνικά ικανό, παραμένει ευάλωτο σε ανακρίβειες, παραλείψεις και πειστικές αλλά εσφαλμένες διατυπώσεις. Αν όμως συνδεθεί με δομημένα αποθετήρια, με γράφους γνώσης, με τεκμηριωμένη προέλευση, με κανόνες και με μηχανισμούς ελέγχου συγκρούσεων, τότε το ίδιο μοντέλο μπορεί να γίνει πολύ πιο χρήσιμο, ακόμη και αν είναι μικρότερο από ένα εμπορικό μοντέλο αιχμής.
Γράφοι γνώσης, όχι απλά αποσπάσματα κειμένου
Η συμβατική προσέγγιση RAG αναζητά σχετικά αποσπάσματα κειμένου και τα δίνει στο μοντέλο ως συμφραζόμενα. Αυτό είναι χρήσιμο, αλλά δεν αρκεί πάντα. Σε διοικητικά, νομικά, ερευνητικά και κανονιστικά περιβάλλοντα, η γνώση δεν είναι απλώς κείμενο. Είναι πρόσωπα, φορείς, νόμοι, αποφάσεις, ημερομηνίες, έργα, υποχρεώσεις, εξαιρέσεις, σχέσεις και χρονικές ισχύες. Το Semantica επιτρέπει να μετατραπούν έγγραφα, ιστοσελίδες, βάσεις δεδομένων και αναφορές σε γράφους γνώσης, δηλαδή σε δομημένες αναπαραστάσεις οντοτήτων και σχέσεων.
Αυτό έχει μεγάλη σημασία για ελληνικές εφαρμογές. Ένα σύστημα που βασίζεται στο GlossAPI και σε τοπικά ανοικτά μοντέλα μπορεί να συγκεντρώνει ελληνικά σώματα κειμένων, δημόσια έγγραφα, νομοθεσία, διοικητικές διαδικασίες, τεχνικά εγχειρίδια, εκπαιδευτικό υλικό και ερευνητικές δημοσιεύσεις. Το Semantica μπορεί να αναγνωρίζει οντότητες, να εντοπίζει σχέσεις, να συγχωνεύει διπλές αναφορές στο ίδιο πρόσωπο ή φορέα, να οργανώνει την ορολογία σε οντολογίες και να επιτρέπει στο μοντέλο να απαντά όχι μόνο με βάση τη σημασιολογική ομοιότητα, αλλά και με βάση τις πραγματικές σχέσεις που υπάρχουν μέσα στη γνώση.
Έτσι, ένα τοπικό μοντέλο δεν χρειάζεται να «μαντεύει» τι ισχύει. Μπορεί να λαμβάνει από το Semantica δομημένο πλαίσιο: ποια πηγή λέει τι, ποια σχέση συνδέει δύο έννοιες, ποια ημερομηνία ισχύος έχει ένας κανόνας, ποιες πηγές συγκρούονται και ποια συμπεράσματα προκύπτουν από ρητούς κανόνες. Αυτό είναι η μετάβαση από την απλή συνομιλία με ένα μοντέλο στην υπεύθυνη αξιοποίηση μιας δημόσιας ή οργανωσιακής μνήμης.
Λογοδοσία, προέλευση και ανθρώπινη εποπτεία
Το πιο σημαντικό πλεονέκτημα του Semantica για τοπικά ανοικτά μοντέλα δεν είναι μόνο η ακρίβεια. Είναι η λογοδοσία. Σε ένα δημόσιο ή ερευνητικό περιβάλλον, δεν αρκεί μια απάντηση να ακούγεται σωστή. Πρέπει να μπορεί να ελεγχθεί. Πρέπει να γνωρίζουμε από ποιο έγγραφο προήλθε κάθε ισχυρισμός, με ποια μέθοδο εξήχθη, ποιοι κανόνες εφαρμόστηκαν, ποια ενδιάμεσα συμπεράσματα δημιουργήθηκαν και ποια αβεβαιότητα παραμένει.
Το Semantica εισάγει ακριβώς αυτή τη λογική. Η προέλευση των δεδομένων, η ιχνηλασιμότητα των αποφάσεων, η ανίχνευση συγκρούσεων και η καταγραφή των διαδρομών συλλογισμού μπορούν να γίνουν μέρος της ίδιας της υποδομής. Αυτό είναι απολύτως συμβατό με την αρχή ότι η ΤΝ στο Δημόσιο πρέπει να λειτουργεί ως βοηθός και όχι ως ανεξέλεγκτος τελικός κριτής. Το τοπικό μοντέλο μπορεί να προτείνει, να συνοψίζει, να συγκρίνει και να εξηγεί. Η τελική ευθύνη όμως παραμένει στον άνθρωπο και στον θεσμό.
Για παράδειγμα, σε ένα σύστημα υποστήριξης ΚΕΠ, το μοντέλο δεν πρέπει να απαντά γενικά για ένα επίδομα ή μια άδεια. Πρέπει να αντλεί από τον γράφο γνώσης τη σχετική διαδικασία, τα δικαιολογητικά, τις εξαιρέσεις, τις ισχύουσες ημερομηνίες και τις πηγές. Σε ένα πανεπιστήμιο, μπορεί να υποστηρίζει την αναζήτηση σε κανονισμούς σπουδών, ερευνητικές προκηρύξεις ή τεχνικά εγχειρίδια. Σε ένα νοσοκομείο, μπορεί να χρησιμοποιηθεί μόνο σε αυστηρά ελεγχόμενες ροές γνώσης, με τεκμηρίωση, ανθρώπινη έγκριση και σαφή όρια.
Η ελληνική διάσταση: GlossAPI, ανοικτά δεδομένα και δημόσια υποδομή ΤΝ
Η αξιοποίηση του Semantica έχει ιδιαίτερη σημασία για την ελληνική γλώσσα. Τα περισσότερα εμπορικά μοντέλα δεν είναι σχεδιασμένα γύρω από τις θεσμικές, νομικές, διοικητικές και γλωσσικές ιδιαιτερότητες της Ελλάδας. Το GlossAPI μπορεί να λειτουργήσει ως αγωγός ελληνικών δεδομένων έτοιμων για χρήση από συστήματα ΤΝ, ενώ το Semantica μπορεί να μετατρέψει αυτά τα δεδομένα σε ελέγξιμη, σημασιολογικά οργανωμένη γνώση.
Αυτό ανοίγει τον δρόμο για μια δημόσια υποδομή ΤΝ που δεν βασίζεται στην εξαγωγή δεδομένων σε κλειστά νέφη τρίτων χωρών. Μπορεί να στηριχθεί σε τοπικά ανοικτά μοντέλα, σε τοπικά embeddings, σε ανοικτές βάσεις διανυσμάτων, σε γράφους γνώσης, σε τεκμηριωμένες οντολογίες και σε πλήρη ιχνηλασιμότητα. Η τεχνολογία υπάρχει. Το πολιτικό ζήτημα είναι αν θα οργανωθεί ως δημόσιο αγαθό ή ως ακόμη ένα επίπεδο εξάρτησης από πλατφόρμες.
Η σωστή κατεύθυνση είναι σαφής. Το Semantica μπορεί να γίνει εργαλείο που αυξάνει την αξία των τοπικών ανοικτών μοντέλων, επειδή τα μετατρέπει από γενικούς συνομιλητές σε ελεγχόμενα συστήματα γνώσης. Για την Ελλάδα, αυτό σημαίνει λιγότερη εξάρτηση, καλύτερη αξιοποίηση της ελληνικής γλώσσας, ισχυρότερη προστασία δεδομένων, δυνατότητα δημόσιου ελέγχου και πραγματική μετατροπή της ΤΝ σε υποδομή γνώσης για την κοινωνία, την εκπαίδευση, την έρευνα και τη δημοκρατική διοίκηση.
Πηγές άρθρου:
Semantica, Core Concepts: Η τεκμηρίωση εξηγεί τον πυρήνα του Semantica ως στρώμα συμφραζομένων και λογοδοσίας πάνω από υπάρχουσες στοίβες ΤΝ, με γράφους γνώσης, GraphRAG, οντολογίες, προέλευση, συλλογισμό, χρονική νοημοσύνη και ανίχνευση συγκρούσεων: https://docs.getsemantica.ai/concepts/,
Semantica, PyPI project page: Η σελίδα τεκμηριώνει ότι το Semantica διατίθεται ως πακέτο Python με άδεια MIT, υποστηρίζει Python 3.8 και νεότερες εκδόσεις, και παρέχει προαιρετικές ενσωματώσεις για τοπικά και φιλοξενούμενα μοντέλα, βάσεις γράφων και βάσεις διανυσμάτων: https://pypi.org/project/semantica/,
GlossAPI, «Τοπικά μοντέλα ΤΝ ανοιχτού λογισμικού»: Το άρθρο τεκμηριώνει γιατί τα τοπικά ανοικτά μοντέλα είναι ασφαλέστερη, φθηνότερη και πιο δημοκρατική επιλογή για Δημόσιο, επιχειρήσεις και εκπαίδευση, ιδίως όταν συνδυάζονται με καλά οργανωμένη ανάκτηση γνώσης: https://blog.glossapi.gr/τοπικά-μοντέλα-τν-ανοιχτού-λογισμικο/,
Microsoft GraphRAG documentation: Η τεκμηρίωση παρουσιάζει το GraphRAG ως δομημένη προσέγγιση ανάκτησης που αξιοποιεί γράφους γνώσης και όχι μόνο απλά αποσπάσματα κειμένου, κάτι που είναι κρίσιμο για τεκμηριωμένες απαντήσεις σε σύνθετα σώματα γνώσης: https://microsoft.github.io/graphrag/,
W3C, PROV-O: The PROV Ontology: Το πρότυπο PROV-O παρέχει τυποποιημένο τρόπο αναπαράστασης της προέλευσης και της ιστορικότητας δεδομένων, κρίσιμο για ελέγξιμα συστήματα ΤΝ σε δημόσιες και ρυθμιζόμενες χρήσεις: https://www.w3.org/TR/prov-o/,
Ollama, Embeddings documentation: Η τεκμηρίωση δείχνει πώς τα τοπικά embeddings μπορούν να χρησιμοποιηθούν για σημασιολογική αναζήτηση, ανάκτηση γνώσης και RAG, στοιχείο απαραίτητο για χαμηλού κόστους τοπικές υποδομές ΤΝ: https://docs.ollama.com/capabilities/embeddings.
Η προηγμένη Τεχνητή Νοημοσύνη δεν είναι πια μια αγορά λογισμικού όπου μερικές νεοφυείς επιχειρήσεις ανταγωνίζονται για καλύτερα προϊόντα. Μετατρέπεται σε κρίσιμη υποδομή ισχύος, συγκρίσιμη με τα δίκτυα ενέργειας, τις τηλεπικοινωνίες, τους δορυφόρους, τα χρηματοπιστωτικά συστήματα και τη βιομηχανική βάση της άμυνας. Όποιος ελέγχει τα μεγάλα μοντέλα, τα υπολογιστικά κέντρα, τα δεδομένα, τα τσιπ, τα εργαλεία κυβερνοασφάλειας και τα κανάλια διανομής της ΤΝ, αποκτά πλεονέκτημα όχι μόνο στην αγορά, αλλά και στο πεδίο της κρατικής ισχύος.
Αυτή είναι η ουσιαστική μετατόπιση που πρέπει να δούμε πίσω από τον θόρυβο για την «αυτοβελτιούμενη νοημοσύνη». Τα μεγάλα εργαστήρια ΤΝ παρουσιάζονται ακόμη ως χώροι ριζοσπαστικής καινοτομίας, όμως η λειτουργία τους μοιάζει όλο και περισσότερο με στρατηγική βιομηχανία. Συνεργάζονται με υπουργεία Άμυνας, υπηρεσίες πληροφοριών, μηχανισμούς κυβερνοασφάλειας και κρίσιμες υποδομές. Οι κυβερνήσεις, από την άλλη πλευρά, δεν αντιμετωπίζουν πλέον την ΤΝ ως απλό εργαλείο παραγωγικότητας. Τη βλέπουν ως τεχνολογία που μπορεί να καθορίσει την οικονομική ανταγωνιστικότητα, τη στρατιωτική υπεροχή, την ανθεκτικότητα των δικτύων και τη δυνατότητα επιτήρησης κοινωνιών.
Αυτό δεν σημαίνει ότι η ΤΝ είναι από τη φύση της αυταρχική. Σημαίνει όμως ότι, όταν αναπτύσσεται μέσα σε κλειστές εταιρικές δομές, με αδιαφανή δεδομένα, τεράστια συγκέντρωση κεφαλαίου και απευθείας σύνδεση με εθνικές στρατηγικές ασφαλείας, η τεχνολογία παύει να υπηρετεί αυτονόητα την επιστήμη και το δημόσιο συμφέρον. Γίνεται πεδίο γεωπολιτικής ισχύος.
Ο μύθος της αυτοβελτίωσης
Η ιδέα της «αναδρομικής αυτοβελτίωσης» έχει ισχυρή μυθολογική δύναμη. Υπονοεί ότι ένα σύστημα ΤΝ μπορεί να αρχίσει να σχεδιάζει καλύτερες εκδοχές του εαυτού του, επιταχύνοντας την τεχνολογική πρόοδο πέρα από τα ανθρώπινα όρια. Ως τεχνικό ενδεχόμενο, αξίζει σοβαρή μελέτη. Ως πολιτικό αφήγημα, όμως, λειτουργεί διαφορετικά. Παρουσιάζει την ΤΝ ως σχεδόν αναπόφευκτη ιστορική δύναμη, απέναντι στην οποία οι κοινωνίες πρέπει απλώς να προσαρμοστούν.
Εδώ βρίσκεται ο κίνδυνος. Όταν μια εταιρεία λέει ότι το μοντέλο της επιταχύνει την ανάπτυξη νέων μοντέλων, μιλά για μια πραγματική τάση: εργαλεία ΤΝ μπορούν να γράφουν κώδικα, να εντοπίζουν λάθη, να υποστηρίζουν ερευνητές, να προτείνουν διαδρομές πειραματισμού. Αυτό όμως δεν είναι ακόμη αυτόνομη επιστήμη. Δεν είναι αυτόνομη κρίση. Δεν είναι κοινωνικά νομιμοποιημένη επιλογή στόχων. Είναι επιτάχυνση συγκεκριμένων εργασιών μέσα σε ανθρώπινες, εταιρικές και κρατικές αλυσίδες αποφάσεων.
Ο μύθος αρχίζει όταν αυτή η επιτάχυνση μεταφράζεται σε πολιτική εξαίρεση: επειδή «έρχεται» κάτι τόσο ισχυρό, πρέπει να δοθούν περισσότερα χρήματα, περισσότερη υπολογιστική ισχύς, μεγαλύτερη πρόσβαση σε δεδομένα, προνομιακή σχέση με το κράτος, λιγότερη δημόσια λογοδοσία και ταχύτερη στρατιωτική ενσωμάτωση. Η ρητορική του υπαρξιακού κινδύνου και η ρητορική της εθνικής υπεροχής συναντιούνται. Η μία λέει «είμαστε οι μόνοι που καταλαβαίνουμε τον κίνδυνο». Η άλλη λέει «πρέπει να προηγηθούμε πριν προηγηθούν οι αντίπαλοι». Το αποτέλεσμα είναι το ίδιο: συγκέντρωση εξουσίας σε λίγες εταιρείες και λίγους κρατικούς μηχανισμούς.
Η ΤΝ ως δημόσια υποδομή ή ως ιδιωτικό οπλοστάσιο
Το κρίσιμο ερώτημα δεν είναι αν η ΤΝ θα χρησιμοποιηθεί από το κράτος. Θα χρησιμοποιηθεί. Το ερώτημα είναι με ποιους όρους. Θα είναι δημόσια ελεγχόμενη υποδομή, με ανοιχτά πρότυπα, ανοικτό κώδικα, διαφανή αξιολόγηση, ερευνητική πρόσβαση και δημοκρατική λογοδοσία; Ή θα είναι ένα σύνολο κλειστών εταιρικών συστημάτων, ενσωματωμένων σε κρατικούς μηχανισμούς ασφαλείας, χωρίς δυνατότητα ουσιαστικού ελέγχου από πολίτες, κοινοβούλια, πανεπιστήμια και ανεξάρτητες αρχές;
Η δεύτερη εκδοχή είναι η πιο επικίνδυνη. Δημιουργεί μια νέα μορφή ψηφιακού μερκαντιλισμού. Το κράτος δεν χρηματοδοτεί απλώς την καινοτομία, αλλά θωρακίζει συγκεκριμένες εταιρείες ως εθνικούς πρωταθλητές. Οι εταιρείες δεν πουλούν απλώς προϊόντα, αλλά γίνονται μέρος της κρατικής υποδομής. Το δημόσιο χρήμα, η δημόσια ισχύς και η δημόσια νομιμοποίηση καταλήγουν να αυξάνουν την αξία ιδιωτικών εταιρείων, ενώ το κοινωνικό όφελος παραμένει ασαφές.
Αυτή η εξέλιξη δεν βοηθά την επιστήμη. Η επιστήμη χρειάζεται αναπαραγωγιμότητα, πρόσβαση σε δεδομένα, ανοικτές μεθόδους, δυνατότητα ελέγχου, πολλαπλά ερευνητικά κέντρα, όχι ένα ολιγοπώλιο μοντέλων που λειτουργεί ως μαύρο κουτί. Δεν βοηθά ούτε τη δημοκρατία. Η δημοκρατία χρειάζεται λογοδοσία, διαχωρισμό εξουσιών, δημόσια διαβούλευση, δικαιώματα και δυνατότητα αμφισβήτησης. Ένα κλειστό μοντέλο που χρησιμοποιείται σε κυβερνοασφάλεια, δημόσια διοίκηση, επιτήρηση, άμυνα ή κοινωνικές υπηρεσίες χωρίς πλήρη θεσμικό έλεγχο είναι τεχνολογική ισχύς χωρίς επαρκή πολιτική ευθύνη.
Η ευρωπαϊκή και προοδευτική απάντηση
Η απάντηση δεν μπορεί να είναι τεχνοφοβία. Η ΤΝ μπορεί να βοηθήσει στην ιατρική έρευνα, στην κλιματική προσαρμογή, στη δημόσια διοίκηση, στη μετάφραση, στην προσβασιμότητα, στην ανάλυση δημόσιων δεδομένων και στην ενίσχυση μικρών επιχειρήσεων. Αλλά για να υπηρετήσει αυτά τα πεδία πρέπει να αναπτυχθεί ως κοινή υποδομή και όχι ως μυστικό προνόμιο.
Για την Ευρώπη και ειδικά για χώρες όπως η Ελλάδα, η στρατηγική πρέπει να στηριχθεί σε τέσσερις αρχές. Πρώτον, δημόσιο χρήμα να παράγει δημόσιο κώδικα, δημόσια δεδομένα και δημόσια τεχνογνωσία. Δεύτερον, τα κρίσιμα συστήματα ΤΝ του Δημοσίου να βασίζονται σε ανοιχτά πρότυπα, ελέγξιμες αρχιτεκτονικές, τοπική ή κυρίαρχη υποδομή και τεκμηριωμένα μοντέλα. Τρίτον, η ευρωπαϊκή υπολογιστική υποδομή, όπως τα AI Factories, να μην γίνει απλώς φθηνό καύσιμο για νεοφυείς επιχειρήσεις, αλλά δημόσια βάση για πανεπιστήμια, ερευνητικά κέντρα, ΜμΕ, δήμους, νοσοκομεία και κοινωνικές ανάγκες. Τέταρτον, η δημόσια ΤΝ να είναι υποχρεωτικά ελέγξιμη: με μητρώα αλγορίθμων, model cards, datasheets, αξιολόγηση κινδύνου, ανθρώπινη τελική ευθύνη και δυνατότητα απόσυρσης.
Η «αυτοβελτιούμενη νοημοσύνη» δεν πρέπει να γίνει ο νέος μύθος που νομιμοποιεί την ιδιωτικοποίηση της δημόσιας ισχύος. Η πραγματική πρόοδος δεν θα κριθεί από το ποια εταιρεία θα πείσει ότι βρίσκεται πιο κοντά στο θαύμα. Θα κριθεί από το αν οι κοινωνίες θα μπορέσουν να μετατρέψουν την ΤΝ σε δημοκρατική, ανοιχτή, βιώσιμη και λογοδοτούσα υποδομή. Όχι σε μηχανή παγκόσμιας ηγεμονίας.
Η Ευρωπαϊκή Επιτροπή παρουσίασε ένα νομοθετικό πακέτο ως «τεχνική απλοποίηση» του νόμου για την ΤΝ. Πίσω από αυτή τη διατύπωση κρύβεται μια σαρωτική υποχώρηση που απειλεί θεμελιώδη δικαιώματα εκατομμυρίων Ευρωπαίων πολιτών.
Στις 7 Μαΐου 2026, τα θεσμικά όργανα της ΕΕ κατέληξαν σε τελική συμφωνία για το λεγόμενο «AI Omnibus» — ένα νομοθετικό πακέτο που παρουσιάζεται ως τεχνική απλοποίηση του Κανονισμού για την Τεχνητή Νοημοσύνη (AI Act). Στην πράξη, η συμφωνία καθυστερεί κρίσιμες προστασίες, υπονομεύει τη διαφάνεια και δημιουργεί επικίνδυνο προηγούμενο για το ψηφιακό κανονιστικό πλαίσιο της ΕΕ. Οργανισμοί ψηφιακών δικαιωμάτων από όλη την Ευρώπη όπως το EDRi, η Access Now, η ECNL και η Amnesty International, καλούν το Ευρωπαϊκό Κοινοβούλιο και το Συμβούλιο της ΕΕ να την απορρίψουν
Απορρύθμιση με το πρόσχημα της «απλοποίησης»
Ο νόμος για την ΤΝ υιοθετήθηκε έπειτα από χρόνια διαπραγματεύσεων και δύσκολων συμβιβασμών, ωστόσο ορισμένες από τις πιο σημαντικές διατάξεις του δεν έχουν καν τεθεί ακόμη σε εφαρμογή.
Αντί να στηρίξει την εφαρμογή του νόμου μέσω κατευθυντήριων οδηγιών, επαρκών πόρων και αποτελεσματικής επιβολής, η Ευρωπαϊκή Επιτροπή επαναδιαπραγματεύτηκε τον νόμο υπό το πρόσχημα της «απλοποίησης». Στην πραγματικότητα, όπως και με το ευρύτερο «Digital Omnibus», η διαδικασία αυτή μετατράπηκε σε όχημα απορρύθμισης. Η τελική συμφωνία εκτείνεται πολύ πέρα από τεχνικές αλλαγές: καθυστερεί τις υποχρεώσεις για συστήματα ΤΝ υψηλού κινδύνου, υπονομεύει τη δημόσια διαφάνεια, αναδιαμορφώνει τον τρόπο εφαρμογής του νόμου στη βιομηχανική ΤΝ και εισάγει νέες απαγορεύσεις την τελευταία στιγμή. Πρόκειται για πολιτικές επιλογές με πραγματικές συνέπειες για τα θεμελιώδη δικαιώματα και τη λογοδοσία.
Εξίσου ανησυχητική είναι η ίδια η διαδικασία που ακολουθήθηκε. Η συμφωνία προέκυψε από μια διαδικασία με σοβαρές ελλείψεις: ανεπαρκή τεκμηρίωση, απουσία ουσιαστικής εκτίμησης επιπτώσεων, περιορισμένη διαβούλευση με φορείς δημοσίου συμφέροντος και συνοπτικό χρονοδιάγραμμα για αλλαγές με βαριές νομικές και πολιτικές συνέπειες.
Τι χάνουμε: οι κύριες αλλαγές που υπονομεύουν τον AI Act
Μια από τις πιο επικίνδυνες αρχικές προτάσεις ανακόπηκε εν μέρει: η τελική συμφωνία δεν καταργεί πλήρως την υποχρέωση εγγραφής των συστημάτων ΤΝ στην ευρωπαϊκή βάση δεδομένων, όταν οι πάροχοι επικαλούνται το άρθρο 6(3) για να τα κατατάξουν ως «μη υψηλού κινδύνου». Χωρίς αυτή την εγγραφή, εταιρείες θα μπορούσαν να αποφύγουν βασικές υποχρεώσεις χωρίς κανένα δημόσιο ίχνος.
Παρ’ όλα αυτά, η συμφωνία εξακολουθεί να υπονομεύει τη δημόσια διαφάνεια: οι πάροχοι θα υποχρεούνται να καταχωρίζουν λιγότερες πληροφορίες στη δημόσια βάση δεδομένων. Αυτό σημαίνει ότι οι ρυθμιστικές αρχές, οι ερευνητές, η κοινωνία των πολιτών και τα ίδια τα άτομα που θίγονται θα έχουν λιγότερα εργαλεία για να αξιολογήσουν αν οι κατατάξεις είναι ορθές, και κατ’ επέκταση λιγότερες δυνατότητες να αντιδράσουν όταν η ΤΝ βλάψει.
Επιπλέον, η συμφωνία μεταφέρει τον Κανονισμό για τα Μηχανήματα από την κατηγορία Α στην κατηγορία Β του Παραρτήματος Ι, ωθώντας ουσιαστικά τα συστήματα ΤΝ που είναι ενσωματωμένα σε μηχανήματα προς τους τομεακούς κανόνες, αντί για το οριζόντιο πλαίσιο υψηλού κινδύνου του AI Act. Ο AI Act σχεδιάστηκε ως οριζόντιος νόμος ακριβώς επειδή οι κίνδυνοι της ΤΝ δεν χωρούν στα στενά όρια της νομοθεσίας για την ασφάλεια προϊόντων.
Καθυστέρηση των εγγυήσεων, καθυστέρηση της λογοδοσίας
Με βάση την τελική συμφωνία, για την πλειονότητα των συστημάτων ΤΝ υψηλού κινδύνου οι εγγυήσεις αναβάλλονται έως τις 2 Δεκεμβρίου 2027, ενώ για τα συστήματα που εμπίπτουν στο Παράρτημα Ι η προθεσμία σπρώχνεται ακόμη πιο μακριά, στις 2 Αυγούστου 2028.
Αυτό σημαίνει ότι δυνητικά επικίνδυνα συστήματα ΤΝ μπορούν να διατεθούν στην αγορά ή να αναπτυχθούν για μεγαλύτερο χρονικό διάστημα χωρίς να υπόκεινται στο πλήρες προστατευτικό πλαίσιο του AI Act — κανόνες που αφορούν τη διαχείριση κινδύνου, την τεκμηρίωση, την ανθρώπινη εποπτεία, τη διαφάνεια, την ακρίβεια και την αξιοπιστία.
Αυτό αποκτά ιδιαίτερη βαρύτητα αν αναλογιστεί κανείς ότι συστήματα ΤΝ αναπτύσσονται ήδη σε ευαίσθητα πεδία: εργασιακά περιβάλλοντα, δημόσιες υπηρεσίες, υγεία, εκπαίδευση, αστυνόμευση, μεταναστευτικές διαδικασίες και απονομή δικαιοσύνης. Η καθυστέρηση εγγυήσεων δεν είναι ουδέτερη τεχνική απόφαση — είναι επιλογή που παρατείνει την έκθεση πολιτών σε συστήματα χωρίς επαρκή προστασία.
Ένα επικίνδυνο προηγούμενο για το μέλλον
Αν νόμοι που μόλις έχουν υιοθετηθεί μπορούν να επαναδιαπραγματευτούν πριν καν εφαρμοστούν, ισχυροί παράγοντες αποκτούν ουσιαστικά δεύτερη ευκαιρία να αδυνατίσουν κανόνες που τους ενοχλούν. Το μήνυμα αυτό επεκτείνεται και σε νόμους που ισχύουν ήδη αλλά χρειάζονται ισχυρότερη εφαρμογή, όπως ο ΓΚΠΔ (GDPR) και η Οδηγία ePrivacy. Σε παγκόσμιο επίπεδο, η ΕΕ κινδυνεύει να ενισχύσει έναν «ανταγωνισμό προς τα κάτω» στη ψηφιακή ρύθμιση.
Η συμφωνία για το AI Omnibus, που επιτεύχθηκε στις 7 Μαΐου, αναμένεται να τεθεί σε ψηφοφορία στην Ολομέλεια του Ευρωπαϊκού Κοινοβουλίου τον Ιούνιο του 2026. Εάν εγκριθεί, θα είναι μία από τις ταχύτερες νομοθετικές διαδικασίες για ψηφιακή νομοθεσία της τελευταίας δεκαετίας, και ένα σοβαρό βήμα πίσω για τα θεμελιώδη δικαιώματα.
Το συμπέρασμα είναι κατηγορηματικό
Το AI Omnibus υπονομεύει τον AI Act πριν καν τεθούν σε εφαρμογή οι βασικές του εγγυήσεις. Καθυστερεί τη λογοδοσία, συρρικνώνει τη διαφάνεια, κατακερματίζει την οριζόντια αρχιτεκτονική του νόμου και στέλνει στους βιομηχανικούς λομπίστες ένα ηχηρό μήνυμα: ότι η εφαρμογή μπορεί να αξιοποιηθεί ως δεύτερη ευκαιρία για να αποδυναμωθούν υποχρεώσεις που δεν τους εξυπηρετούν. edri
Οι οργανισμοί καλούν το Ευρωπαϊκό Κοινοβούλιο να απορρίψει τη συμφωνία. Όσοι νομοθέτες υπερασπίζονται τα θεμελιώδη δικαιώματα, το κράτος δικαίου και την ουσιαστική λογοδοσία οφείλουν να αντισταθούν στην κανονικοποίηση της απορρύθμισης — ανεξαρτήτως του προσχήματος υπό το οποίο αυτή εμφανίζεται.
Η Τεχνητή Νοημοσύνη έχει μπει στην καθημερινή ζωή με έναν τρόπο που δημιουργεί ενθουσιασμό, αλλά και σοβαρές παρανοήσεις. Τα σύγχρονα γλωσσικά μοντέλα γράφουν καθαρά, απαντούν γρήγορα, προσαρμόζουν το ύφος τους και συχνά δίνουν την εντύπωση ότι «καταλαβαίνουν» όσα τους ζητάμε. Όμως η ευχέρεια στη διατύπωση δεν ισοδυναμεί με γνώση. Ένα κείμενο μπορεί να είναι καλογραμμένο, πειστικό και οργανωμένο, αλλά να περιέχει λάθη, ανύπαρκτες παραπομπές ή επικίνδυνες συμβουλές.
Με μια φωτογραφία, ένα εργαλείο παραγωγής εικόνας και ένα ψεύτικο μήνυμα, μπορεί να δημιουργηθεί μια απολύτως αληθοφανής απάτη. Ένας γονιός μπορεί να δει το παιδί του σε νοσοκομειακό κρεβάτι, ένας πολίτης μπορεί να λάβει δήθεν επίσημη ειδοποίηση, ένας εργαζόμενος μπορεί να παραπλανηθεί από πλαστό ηχητικό μήνυμα. Η αλήθεια δεν καταρρέει επειδή η τεχνολογία έγινε «κακή». Καταρρέει επειδή η αληθοφάνεια έγινε φθηνή, γρήγορη και μαζικά διαθέσιμη.
Τα γλωσσικά μοντέλα δεν σκέφτονται όπως οι άνθρωποι
Τα μεγάλα γλωσσικά μοντέλα δεν είναι μηχανές αλήθειας. Δεν έχουν συνείδηση, εμπειρία, κρίση ή προσωπική ευθύνη. Στην πιο απλή περιγραφή, μαθαίνουν στατιστικά μοτίβα από τεράστιες ποσότητες κειμένου και προβλέπουν ποια λέξη ή φράση είναι πιθανό να ακολουθεί. Αυτό τα κάνει εντυπωσιακά χρήσιμα για περίληψη, αναδιατύπωση, ταξινόμηση, αναζήτηση ιδεών και υποβοήθηση εργασιών. Δεν τα κάνει, όμως, αξιόπιστους μάρτυρες της πραγματικότητας.
Οι λεγόμενες «ψευδαισθήσεις» της ΤΝ είναι ακριβώς αυτό: απαντήσεις που φαίνονται σωστές, αλλά δεν στηρίζονται σε πραγματικά δεδομένα. Ένα μοντέλο μπορεί να επινοήσει βιβλιογραφικές αναφορές, νομικές υποθέσεις, στατιστικά στοιχεία ή δηλώσεις δημοσίων προσώπων. Το επικίνδυνο δεν είναι μόνο ότι κάνει λάθος. Είναι ότι συχνά κάνει λάθος με αυτοπεποίθηση. Δεν κοκκινίζει, δεν διστάζει και δεν νιώθει την ανάγκη να πει «δεν ξέρω», εκτός αν έχει σχεδιαστεί και ελεγχθεί ώστε να το κάνει.
Το πρόβλημα της ιδιωτικότητας
Υπάρχει και μια δεύτερη, εξίσου κρίσιμη πλευρά. Οι χρήστες συχνά μοιράζονται με εργαλεία ΤΝ στοιχεία που δεν θα έδιναν εύκολα σε έναν άγνωστο: διευθύνσεις, τηλέφωνα, σχολεία, ιατρικά προβλήματα, εργασιακές δυσκολίες, οικογενειακές εντάσεις, ακόμη και ψυχολογική πίεση. Όταν μια υπηρεσία λειτουργεί σε κλειστή υποδομή τρίτης εταιρείας, ο χρήστης δεν γνωρίζει πάντα πού αποθηκεύονται τα δεδομένα, για πόσο χρόνο, ποιος έχει πρόσβαση, αν χρησιμοποιούνται για βελτίωση συστημάτων ή αν μπορούν να εκτεθούν από τεχνικό σφάλμα.
Για την προστασία της ιδιωτικότητας δεν αρκεί η ατομική προσοχή. Χρειάζονται κανόνες, τεχνικές εγγυήσεις και δημόσιες υποδομές. Ειδικά σε σχολεία, πανεπιστήμια, δήμους, νοσοκομεία και δημόσιες υπηρεσίες, η χρήση ΤΝ δεν μπορεί να βασίζεται στην άκριτη αποστολή προσωπικών ή ευαίσθητων δεδομένων σε απομακρυσμένες πλατφόρμες. Η αρχή πρέπει να είναι απλή: όσα δεδομένα δεν χρειάζεται να φύγουν από τον οργανισμό, δεν φεύγουν.
Γιατί τα τοπικά ανοιχτά μοντέλα είναι μέρος της λύσης
Τα τοπικά μοντέλα ΤΝ ανοιχτού λογισμικού δεν εξαφανίζουν τα λάθη. Μπορούν όμως να κάνουν τη χρήση της ΤΝ πιο ελέγξιμη, πιο ασφαλή και πιο οικονομική. Όταν ένα μοντέλο λειτουργεί τοπικά, σε υπολογιστή, μικρό εξυπηρετητή, δημοτικό κόμβο ή δημόσια ελεγχόμενη υποδομή, τα δεδομένα μπορούν να παραμένουν εντός του φορέα. Αυτό μειώνει την έκθεση προσωπικών πληροφοριών και επιτρέπει καλύτερο έλεγχο πρόσβασης, καταγραφή ενεργειών και συμμόρφωση με τον GDPR.
Η ανοιχτότητα είναι επίσης κρίσιμη. Μοντέλα με ανοιχτά βάρη, ανοιχτό κώδικα ή πλήρη τεκμηρίωση μπορούν να ελεγχθούν, να συγκριθούν, να προσαρμοστούν και να βελτιωθούν από πανεπιστήμια, ερευνητικά κέντρα, κοινότητες ανοιχτού λογισμικού και μικρές επιχειρήσεις. Αντί ο δημόσιος τομέας να νοικιάζει διαρκώς κλειστές υπηρεσίες, μπορεί να χτίζει τεχνογνωσία, επαναχρησιμοποιήσιμο κώδικα και δημόσια ψηφιακή περιουσία.
Το χαμηλό κόστος δεν σημαίνει χαμηλή ποιότητα. Για πολλές δημόσιες και εκπαιδευτικές χρήσεις δεν χρειάζονται τεράστια μοντέλα. Ένα μικρό ή μεσαίο μοντέλο, σωστά ρυθμισμένο, μπορεί να κάνει περίληψη εγγράφων, ταξινόμηση αιτημάτων, γλωσσική υποστήριξη, προσχέδια απαντήσεων, ανωνυμοποίηση κειμένων και αναζήτηση μέσα σε θεσμικές πηγές. Με τεχνικές συμπίεσης και εκτέλεσης σε απλό υλικό, τέτοιες λύσεις μπορούν να λειτουργούν με πολύ μικρότερη κατανάλωση ενέργειας από τη συνεχή χρήση μεγάλων απομακρυσμένων μοντέλων γενικού σκοπού.
Η ΤΝ πρέπει να απαντά με πηγές, όχι μόνο από «μνήμη»
Η πιο σημαντική τεχνική βελτίωση είναι η σύνδεση των τοπικών μοντέλων με αξιόπιστες πηγές. Για παράδειγμα, ένα σύστημα που υποστηρίζει πολίτες δεν πρέπει να απαντά για επιδόματα, άδειες, φόρους ή δικαιώματα από τη γενική «μνήμη» του μοντέλου. Πρέπει να αναζητά την απάντηση σε επίσημα κείμενα, νόμους, εγκυκλίους, αποφάσεις, οδηγίες υπηρεσιών και ενημερωμένες βάσεις γνώσης. Έτσι η ΤΝ δεν λειτουργεί ως αυθαίρετος γνώστης, αλλά ως βοηθός αναζήτησης και σύνθεσης.
Αυτό απαιτεί συγκεκριμένες προδιαγραφές: τεκμηριωμένες πηγές για κάθε απάντηση, καταγραφή των ερωτημάτων, αξιολόγηση σφαλμάτων, ανθρώπινη εποπτεία, δυνατότητα διόρθωσης και σαφή προειδοποίηση όταν η απάντηση δεν είναι βέβαιη. Στην εκπαίδευση, στα ΚΕΠ, στους δήμους και στα νοσοκομεία, η ΤΝ πρέπει να είναι βοηθός του ανθρώπου, όχι αντικαταστάτης της κρίσης και της ευθύνης.
Ψηφιακή παιδεία και δημόσια υποδομή
Η απάντηση στους κινδύνους της ΤΝ δεν είναι ούτε πανικός ούτε άκριτος ενθουσιασμός. Είναι ψηφιακή παιδεία, ανοιχτή τεχνολογία και δημοκρατικός έλεγχος. Οι πολίτες πρέπει να μάθουν να ελέγχουν πηγές, να μην κοινοποιούν ευαίσθητα στοιχεία, να αντιμετωπίζουν την ΤΝ ως αφετηρία εργασίας και όχι ως τελικό κριτή της αλήθειας. Τα σχολεία και τα πανεπιστήμια πρέπει να διδάσκουν πώς ελέγχουμε μια απάντηση, πώς αναγνωρίζουμε την παραπλάνηση και πώς προστατεύουμε τα προσωπικά δεδομένα.
Ταυτόχρονα, η χώρα χρειάζεται δημόσιες, χαμηλού κόστους, ανοιχτές υποδομές ΤΝ. Τοπικά μοντέλα, ελληνικά σύνολα δεδομένων, ανοιχτές άδειες, διαφανείς προμήθειες, ενεργειακά αποδοτική λειτουργία και ανθρώπινη εποπτεία μπορούν να κάνουν την ΤΝ χρήσιμη χωρίς να παραδώσουν την ιδιωτικότητα, τη γνώση και τη δημόσια διοίκηση σε κλειστά συστήματα. Η Τεχνητή Νοημοσύνη δε θα λέει πάντα την αλήθεια. Μπορούμε όμως να σχεδιάσουμε θεσμούς και τεχνολογίες που μειώνουν τα λάθη, προστατεύουν τους πολίτες και κρατούν τον άνθρωπο υπεύθυνο για τις αποφάσεις.
OpenAI, “March 20 ChatGPT outage: Here’s what happened”: Η επίσημη τεχνική αναφορά τεκμηριώνει περιστατικό κατά το οποίο σφάλμα σε βιβλιοθήκη ανοιχτού κώδικα επέτρεψε σε χρήστες να δουν τίτλους συνομιλιών άλλων χρηστών, αναδεικνύοντας τη σημασία της προστασίας δεδομένων και της προσεκτικής διακυβέρνησης συστημάτων ΤΝ: https://openai.com/index/march-20-chatgpt-outage/,
Mistral AI, Mistral 7B: Η Mistral AI αποτελεί σημαντικό ευρωπαϊκό παράδειγμα ανάπτυξης ισχυρών μοντέλων ανοιχτών βαρών με άδεια Apache 2.0, κατάλληλων για τοπική εγκατάσταση, πειραματισμό και εφαρμογές χαμηλότερου υπολογιστικού κόστους: https://mistral.ai/news/announcing-mistral-7b/,
Allen Institute for AI, OLMo: Το OLMo είναι από τα σημαντικότερα παραδείγματα πλήρως ανοιχτής προσέγγισης σε γλωσσικά μοντέλα, με έμφαση στη διαφάνεια του μοντέλου, των δεδομένων και της διαδικασίας ανάπτυξης, χρήσιμο ως πρότυπο για δημόσια ελέγξιμη ΤΝ: https://allenai.org/olmo,
Hugging Face, SmolLM2: Η οικογένεια SmolLM2 τεκμηριώνει ότι μικρά γλωσσικά μοντέλα, όπως οι εκδόσεις 135M, 360M και 1.7B παραμέτρων, μπορούν να χρησιμοποιηθούν σε εφαρμογές χαμηλού κόστους και τοπικής εκτέλεσης, ιδίως για ταξινόμηση, υποβοήθηση και ελαφρές γλωσσικές εργασίες: https://huggingface.co/collections/HuggingFaceTB/smollm2,
llama.cpp, Local LLM inference in C/C++: Το llama.cpp είναι βασικό εργαλείο ανοιχτού κώδικα για τοπική εκτέλεση γλωσσικών μοντέλων με ελάχιστη εγκατάσταση και υποστήριξη πολλών τύπων υλικού, συμβάλλοντας στη διάδοση χαμηλού κόστους και ενεργειακά αποδοτικών λύσεων ΤΝ: https://github.com/ggml-org/llama.cpp.
Πότε ελέγξατε τελευταία το κινητό σας; Οι πιθανότητες είναι μεγάλες να εμπλέκονται τα μέσα κοινωνικής δικτύωσης. Και δεν είστε μόνοι. Η κύλιση στη ροή ειδήσεων, η ανάγνωση και η κοινοποίηση περιεχομένου έχουν πλέον γίνει μέρος της καθημερινής ρουτίνας εκατομμυρίων πολιτών της ΕΕ. Μια νέα έκθεση του data.europa.eu αναλύει πώς οι πολίτες και οι επιχειρήσεις χρησιμοποιούν ... Read more
Στις 10 Ιουνίου 2026 πραγματοποιήθηκε το τρίτο webinar της εκπαιδευτικής δράσης «Οι Τήνιοι γράφουν για την Τήνο και ανοίγουν τη γνώση σε όλους!», με στόχο την ενίσχυση της συμμετοχής των πολιτών στη δημιουργία και διάδοση ελεύθερης γνώσης για την Τήνο μέσα από τα έργα Wikimedia.
Η δράση διοργανώθηκε στο πλαίσιο της πρωτοβουλίας ΒίκιΕλληνιστί, η οποία προωθεί την ενίσχυση της ελληνικής παρουσίας στη Βικιπαίδεια και στο οικοσύστημα της ανοικτής γνώσης.
Η συνάντηση ξεκίνησε με μια σύντομη επανάληψη των βασικών σημείων που παρουσιάστηκαν στα προηγούμενα μαθήματα.
Στο κύριο μέρος του webinar πραγματοποιήθηκαν επιτόπιες πρακτικές ασκήσεις στη Βικιπαίδεια, στα Wikimedia Commons και στα Wikidata. Οι συμμετέχοντες είχαν την ευκαιρία να εφαρμόσουν στην πράξη όσα έμαθαν, να βελτιώσουν λήμματα, να εργαστούν με πολυμεσικό υλικό και να εξοικειωθούν περισσότερο με τη δομημένη γνώση των Wikidata.
Ιδιαίτερη έμφαση δόθηκε στις καλές πρακτικές συνεισφοράς, στην αξιοπιστία των πηγών, στη συνεργατική επεξεργασία περιεχομένου και στους τρόπους με τους οποίους οι νέοι συντάκτες μπορούν να συνεχίσουν ενεργά τη συμμετοχή τους στις κοινότητες Wikimedia μετά την ολοκλήρωση του προγράμματος.
Το webinar ολοκληρώθηκε με την παρουσίαση των επόμενων βημάτων και μια συζήτηση για τις προοπτικές αξιοποίησης των εργαλείων Wikimedia στην ανάδειξη της ιστορίας, του πολιτισμού, της παράδοσης και της σύγχρονης ζωής της Τήνου.
Η Ευρώπη βρίσκεται μπροστά σε μια κρίσιμη επιλογή. Μπορεί να υπερασπιστεί τη δημοκρατία ενισχύοντας τη διαφάνεια, την ανθεκτικότητα, την κυβερνοασφάλεια και τη λογοδοσία των μεγάλων ψηφιακών πλατφορμών. Ή μπορεί, στο όνομα της «ψηφιακής κυριαρχίας», να διολισθήσει σε πρακτικές κρατικού ελέγχου του λόγου που θυμίζουν τα αυταρχικά καθεστώτα τα οποία υποτίθεται ότι θέλει να αντιμετωπίσει.
Η πρώτη επιλογή είναι δύσκολη, αλλά δημοκρατική. Η δεύτερη είναι επικίνδυνη, διότι μετατρέπει την προστασία της δημοκρατίας σε μηχανισμό περιορισμού της. Το διαδίκτυο δεν υπήρξε ποτέ ουδέτερος χώρος. Ενίσχυσε την παραπληροφόρηση, την τοξικότητα, την εμπορική εκμετάλλευση της προσοχής και τη δύναμη λίγων τεχνολογικών κολοσσών. Ταυτόχρονα όμως έδωσε σε πολίτες, κοινωνικά κινήματα, ανεξάρτητους δημοσιογράφους, ερευνητές και οργανώσεις της κοινωνίας των πολιτών τη δυνατότητα να ελέγχουν την εξουσία, να αποκαλύπτουν αυθαιρεσίες και να οργανώνονται πέρα από τα παραδοσιακά φίλτρα ενημέρωσης.
Αυτό είναι το κρίσιμο σημείο. Το ανοιχτό διαδίκτυο δεν πρέπει να αντιμετωπίζεται ως αφελής ουτοπία της δεκαετίας του 2010, αλλά ως δημοκρατική υποδομή που χρειάζεται νέα θεσμική και τεχνική θωράκιση. Δεν χρειαζόμαστε ένα ανεξέλεγκτο ψηφιακό πεδίο όπου οι πλατφόρμες αποφασίζουν μόνες τους τι βλέπουν οι πολίτες. Αλλά ούτε χρειαζόμαστε ένα κρατικά επιτηρούμενο διαδίκτυο, όπου οι κυβερνήσεις ή οι διορισμένες αρχές ορίζουν με ασαφή κριτήρια τι είναι «παραπληροφόρηση», τι είναι «επικίνδυνη άποψη» και τι επιτρέπεται να κυκλοφορεί στη δημόσια σφαίρα.
Η λογοκρισία δεν είναι κυβερνοανθεκτικότητα
Η ψηφιακή κυριαρχία έχει πραγματικό περιεχόμενο όταν αφορά υποδομές, δεδομένα, ανοικτά πρότυπα, κυβερνοασφάλεια, δημόσια τεχνογνωσία και απεξάρτηση από τεχνολογικά ολιγοπώλια. Χάνει όμως τη δημοκρατική της αξία όταν μετατρέπεται σε επιχείρημα για έλεγχο του λόγου. Η Ευρωπαϊκή Ένωση δεν πρέπει να αντιγράψει, έστω σε ηπιότερη μορφή, τη λογική του κινεζικού και ρωσικού μοντέλου, όπου η «κυριαρχία» σημαίνει κρατικός έλεγχος της πληροφορίας.
Υπάρχει και ένας πρακτικός κίνδυνος. Κάθε υποδομή λογοκρισίας που δημιουργείται σήμερα από μια φιλελεύθερη κυβέρνηση μπορεί αύριο να χρησιμοποιηθεί από μια αυταρχική, εθνικιστική ή ακροδεξιά κυβέρνηση. Οι μηχανισμοί ελέγχου του λόγου δεν εξαφανίζονται όταν αλλάζουν οι πολιτικές πλειοψηφίες. Αντιθέτως, κληρονομούνται. Και συνήθως πλήττουν πρώτα τους πιο αδύναμους: μειονότητες, αντιπολιτευόμενους, δημοσιογράφους, εργαζόμενους που καταγγέλλουν αυθαιρεσίες, κινήματα πολιτών.
Επιπλέον, η γενικευμένη πίεση στις πλατφόρμες να αφαιρούν περιεχόμενο οδηγεί σε υπερβολική συμμόρφωση. Για να αποφύγουν πρόστιμα και πολιτικές συγκρούσεις, οι πλατφόρμες θα κατεβάζουν περισσότερο υλικό από όσο απαιτεί ο νόμος. Το αποτέλεσμα δεν θα είναι περισσότερη αλήθεια, αλλά λιγότερη δημόσια συζήτηση. Η παραπληροφόρηση δεν αντιμετωπίζεται αποτελεσματικά με ασαφείς απαγορεύσεις. Αντιμετωπίζεται με λογοδοσία, διαφάνεια, έρευνα, ανθεκτικούς θεσμούς και πολίτες που μπορούν να ελέγχουν τις πηγές τους.
Δημοκρατική άμυνα απέναντι στην παραπληροφόρηση
Οι δημοκρατίες έχουν δικαίωμα και υποχρέωση να αμυνθούν απέναντι σε οργανωμένες επιχειρήσεις παραπληροφόρησης, κρατικά υποστηριζόμενες επιχειρήσεις επιρροής και οργανωμένο κυβερνοέγκλημα. Το ερώτημα είναι πώς. Η απάντηση πρέπει να είναι στοχευμένη, τεκμηριωμένη και συμβατή με τα θεμελιώδη δικαιώματα.
Πρώτο μέτρο είναι η διαφάνεια των πλατφορμών. Οι πολύ μεγάλες πλατφόρμες πρέπει να υποχρεώνονται να δημοσιοποιούν στοιχεία για τα συστήματα σύστασης περιεχομένου, τη διαφημιστική στόχευση, την πολιτική διαφήμιση, τις μεγάλες καμπάνιες αυτοματοποιημένης διάδοσης και τις αποφάσεις αφαίρεσης περιεχομένου. Οι ερευνητές, τα πανεπιστήμια, οι ανεξάρτητες αρχές και οι οργανώσεις της κοινωνίας των πολιτών πρέπει να έχουν νόμιμη πρόσβαση σε δεδομένα που επιτρέπουν έλεγχο, χωρίς να παραβιάζεται η ιδιωτικότητα των χρηστών.
Δεύτερο μέτρο είναι η διάκριση ανάμεσα στην ανωνυμία του πολίτη και την υπεύθυνη ταυτοποίηση. Ο απλός πολίτης πρέπει να μπορεί να μιλά ψευδωνύμως, ειδικά όταν καταγγέλλει εργοδοτική αυθαιρεσία, κρατική κακοδιοίκηση ή κοινωνικές διακρίσεις. Όμως οι λογαριασμοί που αγοράζουν πολιτικές διαφημίσεις, διαχειρίζονται μεγάλες κοινότητες, υποδύονται θεσμούς, χρησιμοποιούν μαζική αυτοματοποίηση, κερδίζουν χρήματα από την επιρροή τους ή διαμορφώνουν δημόσια συζήτηση σε μεγάλη κλίμακα πρέπει να είναι τεχνικά πιστοποιημένοι, νομικά ιχνηλάσιμοι και εξωτερικά ελέγξιμοι.
Τρίτο μέτρο είναι η σήμανση και η ιχνηλασιμότητα του συνθετικού περιεχομένου. Τα deepfakes, οι ψεύτικες ηχογραφήσεις, οι πλαστές εικόνες και τα δίκτυα μαζικής παραγωγής περιεχομένου από ΤΝ πρέπει να εντοπίζονται με ανοικτά πρότυπα προέλευσης περιεχομένου, υδατογραφήματα όπου είναι εφικτό, δημόσιες βιβλιοθήκες πολιτικών διαφημίσεων και υποχρεωτική επισήμανση όταν χρησιμοποιείται αυτοματοποίηση.
Τέταρτο μέτρο είναι η ενίσχυση της κυβερνοανθεκτικότητας. Τα κόμματα, οι εκλογικές αρχές, τα μέσα ενημέρωσης, τα πανεπιστήμια, οι δήμοι, τα νοσοκομεία και οι κρίσιμες υποδομές χρειάζονται κοινά πρότυπα ασφάλειας, υποχρεωτική αναφορά περιστατικών, ασκήσεις ετοιμότητας, προστασία από phishing, ασφαλή ταυτοποίηση, εφεδρικά συστήματα και ομάδες ταχείας απόκρισης. Η κυβερνοασφάλεια δεν είναι μόνο στρατιωτικό ζήτημα. Είναι προϋπόθεση δημοκρατικής λειτουργίας.
Πέμπτο μέτρο είναι η στοχευμένη αντιμετώπιση των οργανωμένων δικτύων επιρροής και κυβερνοεγκλήματος. Όχι αόριστες απαγορεύσεις απόψεων, αλλά τεκμηριωμένη απόδοση ευθύνης, δικαστικές εντολές για botnets, κυρώσεις σε κρατικά υποστηριζόμενους φορείς, διεθνής συνεργασία διωκτικών αρχών, προστασία δημοσιογράφων και ερευνητών, καθώς και δημόσια ενημέρωση των πολιτών όταν εντοπίζονται επιχειρήσεις χειραγώγησης.
Ψηφιακή κυριαρχία με ανοικτά πρότυπα και δημόσιο έλεγχο
Η δημοκρατική απάντηση δεν είναι λιγότερο διαδίκτυο. Είναι καλύτερο διαδίκτυο. Με ανοικτά πρότυπα, διαλειτουργικότητα, αποκεντρωμένες υποδομές, δημόσια ελεγχόμενα δεδομένα, διαφανείς αλγορίθμους, ανεξάρτητη έρευνα και ισχυρή κοινωνία των πολιτών. Η Ευρώπη μπορεί να υπερασπιστεί τη δημοκρατία μόνο αν παραμείνει διαφορετική από τα αυταρχικά καθεστώτα. Αν η απάντηση στην παραπληροφόρηση είναι η κρατική επιτήρηση του λόγου, τότε η δημοκρατία θα έχει ηττηθεί με τα δικά της μέσα.
Η πραγματική ψηφιακή κυριαρχία δεν είναι να ελέγχει το κράτος τι λένε οι πολίτες. Είναι να έχουν οι πολίτες, οι θεσμοί και οι δημοκρατικές κοινωνίες την ικανότητα να ελέγχουν τις ψηφιακές υποδομές που επηρεάζουν τη ζωή τους.
Πηγές άρθρου:
UN Human Rights Council, “A/HRC/RES/20/8, The promotion, protection and enjoyment of human rights on the Internet”: Το ψήφισμα κατοχυρώνει τη βασική δημοκρατική αρχή ότι τα ίδια δικαιώματα που ισχύουν εκτός διαδικτύου πρέπει να προστατεύονται και στο διαδίκτυο, ιδίως η ελευθερία της έκφρασης: https://digitallibrary.un.org/record/731540/files/A_HRC_RES_20_8-EN.pdf.
European Commission, “Digital Services Act, Codes of Conduct”: Το πλαίσιο του DSA είναι κρίσιμο επειδή μετατοπίζει τη συζήτηση από την αυθαίρετη λογοκρισία περιεχομένου στη λογοδοσία των μεγάλων πλατφορμών, στη διαχείριση συστημικών κινδύνων και στη συνεργασία με ανεξάρτητους φορείς: https://digital-strategy.ec.europa.eu/en/policies/dsa-codes-conduct.
European Commission, “NIS2 Directive: securing network and information systems”: Η οδηγία NIS2 αποτελεί βασική ευρωπαϊκή υποδομή κυβερνοανθεκτικότητας, καθώς θεσπίζει ενιαίο πλαίσιο κυβερνοασφάλειας για κρίσιμους και σημαντικούς τομείς, με εθνικές στρατηγικές, συνεργασία και υποχρεώσεις ασφάλειας: https://digital-strategy.ec.europa.eu/en/policies/nis2-directive.
European Commission, “Cyber Resilience Act”: Ο Cyber Resilience Act είναι σημαντικός γιατί αντιμετωπίζει την ασφάλεια προϊόντων με ψηφιακά στοιχεία, την ανάγκη έγκαιρων ενημερώσεων ασφαλείας και την προστασία πολιτών και επιχειρήσεων από ευάλωτο λογισμικό και υλικό: https://digital-strategy.ec.europa.eu/en/policies/cyber-resilience-act.
Η συζήτηση για την Τεχνητή Νοημοσύνη στην επιστημονική δημοσίευση ξεκίνησε συχνά από τα εύκολα παραδείγματα: ανύπαρκτες παραπομπές, αλλόκοτες εικόνες, φράσεις που έμειναν κατά λάθος από κάποιο εργαλείο συνομιλίας, κείμενα που έμοιαζαν γυαλισμένα αλλά άδεια. Αυτά τα σημάδια βοήθησαν την ακαδημαϊκή κοινότητα να καταλάβει ότι κάτι αλλάζει. Δεν αρκούν όμως για να την προστατεύσουν.
Καθώς τα μοντέλα ΤΝ βελτιώνονται, τα πιο χονδροειδή λάθη θα μειώνονται. Οι ανύπαρκτες βιβλιογραφικές αναφορές θα γίνονται πιο σπάνιες ή πιο δύσκολες στον εντοπισμό. Οι εικόνες θα μοιάζουν πιο πειστικές. Το ύφος θα προσαρμόζεται καλύτερα στο επιστημονικό πεδίο. Το πρόβλημα, επομένως, δεν θα είναι ότι η ΤΝ παράγει κακό κείμενο. Θα είναι ότι μπορεί να παράγει επαρκώς πειστικό κείμενο, χωρίς αντίστοιχα επαρκή επιστημονική τεκμηρίωση.
Το νέο πρόβλημα δεν είναι η γραφή, είναι η εμπιστοσύνη
Η επιστήμη δεν προχωρά επειδή τα άρθρα φαίνονται καλογραμμένα. Προχωρά επειδή οι ισχυρισμοί μπορούν να ελεγχθούν, τα δεδομένα μπορούν να αξιολογηθούν, οι μέθοδοι μπορούν να αναπαραχθούν και οι παραπομπές οδηγούν σε πραγματική γνώση. Η ΤΝ μπορεί να βοηθήσει σημαντικά έναν ερευνητή να οργανώσει σκέψεις, να βελτιώσει τη γλώσσα ή να συνοψίσει υλικό. Όταν όμως χρησιμοποιείται για να καλύψει πρόχειρη, αδύναμη ή ακόμη και κατασκευασμένη εργασία, τότε δεν ενισχύει την επιστήμη. Τη θολώνει.
Το λεγόμενο “σκουπίδια ΤΝ”(AI slop) στην επιστήμη δεν είναι απλώς κείμενο χαμηλής ποιότητας. Είναι μαζικά παραγόμενο, πειστικό περιεχόμενο που καταλαμβάνει χώρο, χρόνο και προσοχή. Επιβαρύνει τους επιμελητές, κουράζει τους αξιολογητές, μολύνει τις βάσεις προδημοσιεύσεων και κάνει δυσκολότερο για τους νέους ερευνητές να ξεχωρίσουν τι αξίζει πραγματικά να διαβαστεί.
Γιατί οι αυτοματοποιημένοι ανιχνευτές θα δυσκολευτούν
Οι σημερινοί ανιχνευτές στηρίζονται συχνά σε γλωσσικά ίχνη: ύφος, επαναλήψεις, λέξεις που εμφανίζονται υπερβολικά συχνά, προβλέψιμη σύνταξη. Όσο όμως τα μοντέλα βελτιώνονται, αυτά τα ίχνη θα γίνονται λιγότερο σταθερά. Ένα κείμενο μπορεί να γραφτεί από άνθρωπο, να διορθωθεί από ΤΝ, να ξαναδουλευτεί από άνθρωπο και στη συνέχεια να περάσει από άλλο εργαλείο. Σε αυτή την περίπτωση, το ερώτημα «το έγραψε άνθρωπος ή μηχανή;» χάνει μέρος της χρησιμότητάς του.
Το κρίσιμο ερώτημα είναι διαφορετικό: είναι σωστό, ελέγξιμο και επιστημονικά έντιμο; Ένας ανιχνευτής μπορεί να υποδείξει πιθανή χρήση ΤΝ. Δεν μπορεί όμως από μόνος του να αξιολογήσει αν ένα πείραμα έγινε, αν τα δεδομένα υπάρχουν, αν οι εικόνες είναι αυθεντικές, αν οι μέθοδοι επαρκούν ή αν η εργασία προσθέτει πραγματική γνώση.
Ο ανθρώπινος έλεγχος γίνεται πιο σημαντικός, όχι λιγότερο
Η απάντηση δεν είναι να απαγορευθεί η ΤΝ στην ακαδημαϊκή εργασία. Αυτό θα ήταν και ανεφάρμοστο και άδικο, ιδίως για ερευνητές που τη χρησιμοποιούν ως γλωσσικό ή βοηθητικό εργαλείο. Η απάντηση είναι να αλλάξει το επίπεδο ελέγχου.
Οι ακαδημαϊκοί και οι εκδότες πρέπει να περάσουν από τον έλεγχο του ύφους στον έλεγχο της τεκμηρίωσης. Κάθε παραπομπή πρέπει να επαληθεύεται. Τα δεδομένα πρέπει να συνοδεύουν την εργασία όπου είναι δυνατόν. Οι εικόνες και τα διαγράμματα πρέπει να ελέγχονται με εξειδικευμένα εργαλεία. Οι αξιολογητές πρέπει να ζητούν σαφή δήλωση χρήσης ΤΝ, όχι ως δήλωση ενοχής, αλλά ως στοιχείο διαφάνειας. Τα περιοδικά και τα συνέδρια πρέπει να υιοθετήσουν κοινά πρωτόκολλα: έλεγχο αναφορών, έλεγχο εικόνων, δήλωση δεδομένων, δήλωση εργαλείων, καταγραφή διορθώσεων.
Ανοιχτή επιστήμη απέναντι στον επιστημονικό θόρυβο
Η πιο ανθεκτική απάντηση στο AI slop είναι η ανοιχτή επιστήμη. Ανοιχτά δεδομένα, ανοιχτός κώδικας, ανοικτά πρωτόκολλα, αναπαραγώγιμες αναλύσεις και διαφανής αξιολόγηση μειώνουν τον χώρο της παραπλάνησης. Όσο περισσότερα στοιχεία μιας εργασίας μπορούν να ελεγχθούν δημόσια, τόσο δυσκολότερο γίνεται να περάσει μια πειστική αλλά κενή δημοσίευση.
Για την εκπαίδευση και τα πανεπιστήμια, αυτό σημαίνει ότι οι φοιτητές και οι νέοι ερευνητές δεν πρέπει να εκπαιδεύονται μόνο στο πώς χρησιμοποιούν εργαλεία ΤΝ. Πρέπει να εκπαιδεύονται στο πώς επαληθεύουν, πώς τεκμηριώνουν, πώς δηλώνουν τη χρήση εργαλείων, πώς διακρίνουν την καλή από την επιφανειακή εργασία. Η ακαδημαϊκή ακεραιότητα στην εποχή της ΤΝ δεν είναι νοσταλγία για το παρελθόν. Είναι νέα δεξιότητα.
Η τεχνολογία πρέπει να εξελίσσεται μαζί με την απειλή
Χρειάζονται εργαλεία που δεν περιορίζονται στο να «μαντεύουν» αν ένα κείμενο είναι γραμμένο από ΤΝ. Χρειάζονται συστήματα επαλήθευσης παραπομπών σε πραγματικό χρόνο, εργαλεία εντοπισμού ύποπτων εικόνων, έλεγχοι συνέπειας δεδομένων, μητρώα διορθώσεων και ανοικτές υποδομές για τον έλεγχο της ερευνητικής παραγωγής. Και αυτά τα εργαλεία πρέπει να είναι όσο γίνεται ανοιχτά, ελέγξιμα και διαθέσιμα στην ακαδημαϊκή κοινότητα, όχι μόνο σε μεγάλους εκδοτικούς οίκους.
Η μάχη δεν θα κερδηθεί με έναν μαγικό ανιχνευτή. Θα κερδηθεί με συνδυασμό ανθρώπινης κρίσης, θεσμικών κανόνων, ανοιχτών υποδομών και διαρκούς τεχνικής αναβάθμισης. Η ΤΝ μπορεί να υπηρετήσει την επιστήμη. Αλλά μόνο αν η επιστημονική κοινότητα θυμηθεί ότι η ποιότητα της γνώσης δεν μετριέται από την ευφράδεια του κειμένου, αλλά από την αλήθεια των τεκμηρίων.
Πηγές άρθρου:
Ross Andersen, “Science Is Drowning in AI Slop”, The Atlantic: Το άρθρο αποτελεί το βασικό δημοσιογραφικό κείμενο για το πώς η ΤΝ επιβαρύνει περιοδικά, συνέδρια, προδημοσιεύσεις και αξιολόγηση, με έμφαση στις ανύπαρκτες παραπομπές και στα paper mills: https://www.theatlantic.com/science/2026/01/ai-slop-science-publishing/685704/.
Miryam Naddaf και Elizabeth Quill, “Hallucinated citations are polluting the scientific literature. What can be done?”, Nature: Το κείμενο τεκμηριώνει την αύξηση των ανύπαρκτων παραπομπών και παρουσιάζει γιατί το πρόβλημα δεν λύνεται μόνο με απλούς ελέγχους ύφους: https://www.nature.com/articles/d41586-026-00969-z,
Maxim Topaz et al., “Fabricated citations: an audit across 2.5 million biomedical research papers”, The Lancet: Η μελέτη είναι σημαντική γιατί ελέγχει σε μεγάλη κλίμακα βιοϊατρικές δημοσιεύσεις και δείχνει ότι οι ψεύτικες παραπομπές έχουν ήδη εισχωρήσει στην επιστημονική βιβλιογραφία: https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(26)00603-3/fulltext,
Dmitry Kobak et al., “Delving into LLM-assisted writing in biomedical publications through excess vocabulary”, Science Advances: Η εργασία δείχνει, με γλωσσική ανάλυση μεγάλης κλίμακας, ότι η χρήση ΤΝ στην επιστημονική γραφή έχει αυξηθεί σημαντικά, κάτι που εξηγεί γιατί η απλή ανίχνευση ύφους δεν αρκεί: https://www.science.org/doi/10.1126/sciadv.adt3813,
Miryam Naddaf, “Major AI conference flooded with peer reviews written fully by AI”, Nature: Το άρθρο αναδεικνύει το νέο πρόβλημα της αξιολόγησης από ΤΝ, όπου δεν παράγονται μόνο άρθρα με ΤΝ, αλλά και κρίσεις για άρθρα με ΤΝ, δημιουργώντας κίνδυνο κλειστού κύκλου χαμηλής ποιότητας: https://www.nature.com/articles/d41586-025-03506-6.
Τις τελευταίες δεκαετίες, οι ρόλοι των δύο φύλων στην Ευρώπη έχουν αλλάξει αισθητά. Όλο και περισσότερες γυναίκες εντάσσονται στην αγορά εργασίας, ενώ όλο και περισσότεροι άνδρες αναλαμβάνουν μερίδιο των ευθυνών του σπιτιού. Παρ’ όλα αυτά, εμφανείς διαφορές ανάμεσα στους ρόλους των φύλων εξακολουθούν να υπάρχουν στις ευρωπαϊκές κοινωνίες — από το ποιος φτάνει σε θέσεις ... Read more
Η Nextcloud γιορτάζει μια δεκαετία καινοτομίας με την κυκλοφορία του Hub 26 Spring, φέρνοντας ανανεωμένη διεπαφή, νέο Euro-Office, προηγμένο AI Assistant και δεκάδες βελτιώσεις στην παραγωγικότητα.
Ακριβώς 10 χρόνια μετά την ίδρυσή του, το Nextcloud παρουσιάζει το Hub 26 Spring, μια επετειακή έκδοση που επιβεβαιώνει τη δέσμευση της πλατφόρμας στην ιδιωτικότητα, την ψηφιακή κυριαρχία και το ανοιχτό λογισμικό. Για εκατομμύρια χρήστες, από μικρές ομάδες έως κυβερνήσεις και μεγάλες επιχειρήσεις, το Nextcloud Hub αποτελεί τον ψηφιακό χώρο εργασίας που δεν θέτει εκπτώσεις στην ασφάλεια ή τον έλεγχο των δεδομένων
Σε αυτό το άρθρο, θα δούμε όλα όσα φέρνει το Nextcloud Hub 26 Spring, πώς βελτιώνει την καθημερινή συνεργασία και γιατί αξίζει να το δοκιμάσετε, είτε είστε διαχειριστής είτε απλός τελικός χρήστης.
Νέα εμφάνιση: πιο καθαρή, πιο αποδοτική
Η πρώτη εντύπωση από το Hub 26 είναι η ανανεωμένη διεπαφή. Το Nextcloud «άνοιξε» τα χρώματα, μείωσε την οπτική θόλωση και βελτίωσε την πλοήγηση.
«Waffle menu»: όλες οι εφαρμογές συγκεντρώνονται σε ένα κεντρικό μενού, μειώνοντας τους περισπασμούς.
Αριστερή πλευρική γραμμή: πιο διακριτικές αποχρώσεις, ώστε να μην ανταγωνίζεται το κύριο περιεχόμενο.
Ενεργές καρτέλες: πλέον έχουν χρώμα και μικρή γραμμή επισήμανσης, κάνοντας εύκολο να δείτε πού βρίσκεστε.
Βελτιώσεις στις ρυθμίσεις και σε πολλές εφαρμογές, διορθώνοντας μικρά ενοχλητικά προβλήματα («papercut issues»).
Για τους τελικούς χρήστες, αυτό σημαίνει λιγότερη κούραση στα μάτια και ταχύτερη πρόσβαση σε ό,τι χρειάζεστε.
Δύο office suites: Collabora Online & ολοκαίνουργιο Euro-Office
Μία από τις σημαντικότερες ανακοινώσεις είναι η προσθήκη του Euro-Office ως δεύτερης βασικής επιλογής δίπλα στο Collabora Online. Τώρα, κάθε χρήστης ή διαχειριστής μπορεί να επιλέξει:
Χαρακτηριστικό
Collabora Online
Euro-Office
Ανοιχτός κώδικας
Ναι
Ναι
Απόδοση στο browser
Πολύ καλή
Εξαιρετική
Φόρτος διακομιστή
Μεσαίος
Χαμηλότερος
Συμβατότητα με Microsoft Office
Καλή
Κορυφαία
Συμβατότητα με ODF (π.χ. LibreOffice)
Κορυφαία
Περιορισμένη
Επεξεργασία από κινητό (iOS/Android)
Ναι (μέσω εφαρμογής)
Εγγενώς στην εφαρμογή Nextcloud
Euro-Office βασίζεται σε μια ευρωπαϊκή πρωτοβουλία ανοιχτού κώδικα με κοινή διακυβέρνηση. Υπόσχεται εξαιρετική συμβατότητα με αρχεία Microsoft, ανεξάρτητη λειτουργία Undo/Redo και Track Changes κατά την ταυτόχρονη επεξεργασία, καθώς και δυνατότητα δημιουργίας/επεξεργασίας εγγράφων απευθείας από την εφαρμογή Nextcloud στο κινητό σας.
Για τους χρήστες: Μπορείτε εύκολα να εναλλάσσεστε μεταξύ των δύο office suites μέσω του Nextcloud AIO interface, ανάλογα με το αν χρειάζεστε απόλυτη συμβατότητα με MS Office (Euro-Office) ή μέγιστη υποστήριξη ανοιχτών προτύπων (Collabora).
Εξελιγμένη συνεργασία: Nextcloud Talk & Groupware
Nextcloud Talk: κλήσεις παντού, καλύτερη οργάνωση
Κλήση από παντού: πατώντας το avatar οποιασδήποτε επαφής, ξεκινάτε άμεσα κλήση.
Ταξινόμηση συνομιλιών: αλφαβητικά ή κατά πρόσφατη δραστηριότητα.
Ετικέτες (tags) σε συνομιλίες: ομαδοποιήστε τα project chats, τις ομάδες και τα off-topic δωμάτια.
Ιδιωτικές απαντήσεις: σε μήνυμα ομαδικής συνομιλίας, απαντήστε ιδιωτικά (το αρχικό μήνυμα μπαίνει ως παράθεση).
Voice Rooms: δωμάτια με ενεργές κλήσεις, όπου μπορείτε να μπείτε αμέσως χωρίς προσκάλεση.
Βελτιωμένη μείωση θορύβου: με προηγμένη επιλογή.
Στην εφαρμογή υπολογιστή: υποστήριξη πολλαπλών λογαριασμών (προσωπικός, εργασιακός) και αυτόματες ενημερώσεις.
Στο Nextcloud Mail να διαβάζετε και να απαντάτε emails εκ μέρους άλλου ατόμου.
Στο Nextcloud Calendar να δημιουργείτε εκδηλώσεις για λογαριασμό άλλου και να αποδέχεστε προσκλήσεις.
Προώθηση προσκλήσεων ημερολογίου: ο παραλήπτης μπορεί να την προσθέσει στο δικό του ημερολόγιο (με δυνατότητα απενεργοποίησης από τον διοργανωτή).
Πλήρης υποστήριξη CalDAV/CardDAV: σύνδεση εξωτερικών ημερολογίων και βιβλίων διευθύνσεων (π.χ. Zimbra, OpenXchange) με εγγραφή και ανάγνωση.
Nextcloud Deck: Διαγράμματα Gantt και εξαρτήσεις καρτών
Το εργαλείο διαχείρισης έργων απογειώνεται:
Εξαρτήσεις καρτών (card dependencies): μια κάρτα δεν ολοκληρώνεται πριν την προηγούμενη.
Ημερομηνία έναρξης: προσθέστε start date μαζί με end date.
Διαγράμματα Gantt: δείτε όλες τις εξαρτήσεις και χρονοδιαγράμματα σε μία όψη. Drag & drop, εβδομάδα/μήνας/ημέρα, χρωματισμός.
Ανάθεση ολόκληρων ομάδων σε κάρτες.
Προεπιλεγμένος πίνακας κατά την εκκίνηση του Deck.
Στήλη “Done”: ορίστε ποια στήλη θεωρείται ολοκληρωμένη.
Προσαρμοσμένα φόντο καρτών.
Nextcloud Assistant: Τεχνητή νοημοσύνη με σεβασμό στην ιδιωτικότητα
Το AI εργαλείο της Nextcloud γίνεται πιο ισχυρό, χωρίς να στέλνει τα δεδομένα σας στο cloud κάποιας μεγάλης εταιρείας.
Universal Search: το Assistant μπορεί να ψάξει σε όλο το Hub σας (αρχεία, emails, κάρτες Deck, φόρμες) μέσω του Context Agent.
Συνομιλία στο κινητό: ρωτήστε τον Assistant από την εφαρμογή iOS/Android, και χρησιμοποιήστε το context menu για να επεξεργαστείτε οποιοδήποτε κείμενο συναντάτε.
Ευέλικτο UI: σύρετε και αλλάξτε μέγεθος του παραθύρου του Assistant, συνεχίζοντας να εργάζεστε σε άλλες εφαρμογές.
Καλύτερη απόδοση: βελτιωμένος προγραμματισμός εργασιών και υποστήριξη Kubernetes για Context Chat και LLM2.
Συμμόρφωση με EU AI Act: τεκμηρίωση και διαφάνεια για τον πάροχο.
Για τους τελικούς χρήστες: μπορείτε πλέον να σύρετε και να αλλάζετε μέγεθος του παραθύρου του Assistant, ώστε να δουλεύετε παράλληλα.
Collectives (γνώση): περιηγηθείτε σε σελίδες από την προσωρινή μνήμη ακόμα και offline (εφόσον τις έχετε ανοίξει στο παρελθόν). Βελτιωμένη αναζήτηση με νέα βάση TNTSearch.
Tables: αναδιάταξη, ταξινόμηση, καρφίτσωμα στηλών. Διαγραφή και διπλασιασμός γραμμών. Ειδοποιήσεις για νέες ενέργειες σε πίνακες.
Για προγραμματιστές και επεκτασιμότητα
Η Nextcloud ανακοινώνει το ISV Program (Independent Software Vendor) για να βοηθήσει ανεξάρτητους δημιουργούς εφαρμογών να προωθήσουν τα έργα τους μέσω του App Store. Παράλληλα, δημιουργείται ομάδα Developer Relations (επικεφαλής Anna Larch) με στόχο καθαρότερη τεκμηρίωση, σταθερότερα APIs και καλύτερη επικοινωνία.
Νέες εφαρμογές κοινότητας που ξεχωρίζουν:
Mastermind: το γνωστό παιχνίδι σπάσιμο κώδικα.
Linkboard: ταμπλό υπηρεσιών με κατηγορίες και παρακολούθηση κατάστασης.
Countdown: αντίστροφη μέτρηση για κυκλοφορίες, ταινίες, προσωπικά γεγονότα.
Week Planner: εβδομαδιαίος προγραμματιστής τύπου Tweek.
HomeShelf: εφαρμογή διαχείρισης νοικοκυριού.
Σταθερότητα και συντήρηση, το 96% του κώδικα
Αξίζει να σημειωθεί ότι το 96% των αλλαγών κώδικα σε αυτή την έκδοση αφορούν συντήρηση: διορθώσεις σφαλμάτων, βελτιώσεις απόδοσης, μεταφράσεις, ασφάλεια. Μόνο το 4% είναι νέα χαρακτηριστικά. Η Nextcloud επενδύει στην αξιοπιστία – κάτι που εκτιμούν οι καθημερινοί χρήστες.
Nextcloud Governance, για μεγάλους οργανισμούς (Enterprise)
Για επιχειρήσεις με αυστηρές κανονιστικές απαιτήσεις, η νέα ενότητα Governance προσφέρει:
Ετικέτες ευαισθησίας (sensitivity labels) που ελέγχουν δικαιώματα πρόσβασης.
Νομική δέσμευση αρχείων (legal hold) και κανόνες κύκλου ζωής δεδομένων.
Παρακολούθηση συμμόρφωσης (compliance tasks).
Η έκδοση Enterprise θα είναι διαθέσιμη σύντομα μετά την ολοκλήρωση πρόσθετων ελέγχων.
Συμπέρασμα: 10 χρόνια Nextcloud και το μέλλον είναι φωτεινό
Το Nextcloud Hub 26 Spring δεν είναι απλώς άλλη μια έκδοση. Είναι μια δήλωση: η ανοιχτή πλατφόρμα συνεργασίας μεγαλώνει με σεβασμό στους χρήστες της. Από το ανανεωμένο UI, τις δύο office suites, το AI που σέβεται τα δεδομένα σας, μέχρι τα διαγράμματα Gantt και την αντιπροσώπευση στα email, κάθε νέα λειτουργία δίνει περισσότερο έλεγχο και λιγότερο άγχος.
Είτε διαχειρίζεστε μια μικρή ομάδα, είτε έναν ολόκληρο οργανισμό, το Nextcloud Hub 26 σας προσκαλεί να δουλέψετε όπως θέλετε, όπου θέλετε, με απόλυτη κυριότητα των δεδομένων σας.
Δοκιμάστε το σήμερα ή αναβαθμίστε το σύστημά σας, το μέλλον της συνεργασίας είναι εδώ.
Η προηγμένη Τεχνητή Νοημοσύνη δεν είναι πια μια αγορά λογισμικού όπου μερικές νεοφυείς επιχειρήσεις ανταγωνίζονται για καλύτερα προϊόντα. Μετατρέπεται σε κρίσιμη υποδομή ισχύος, συγκρίσιμη με τα δίκτυα ενέργειας, τις τηλεπικοινωνίες, τους δορυφόρους, τα χρηματοπιστωτικά συστήματα και τη βιομηχανική βάση της άμυνας. Όποιος ελέγχει τα μεγάλα μοντέλα, τα υπολογιστικά κέντρα, τα δεδομένα, τα τσιπ, τα εργαλεία κυβερνοασφάλειας και τα κανάλια διανομής της ΤΝ, αποκτά πλεονέκτημα όχι μόνο στην αγορά, αλλά και στο πεδίο της κρατικής ισχύος.
Αυτή είναι η ουσιαστική μετατόπιση που πρέπει να δούμε πίσω από τον θόρυβο για την «αυτοβελτιούμενη νοημοσύνη». Τα μεγάλα εργαστήρια ΤΝ παρουσιάζονται ακόμη ως χώροι ριζοσπαστικής καινοτομίας, όμως η λειτουργία τους μοιάζει όλο και περισσότερο με στρατηγική βιομηχανία. Συνεργάζονται με υπουργεία Άμυνας, υπηρεσίες πληροφοριών, μηχανισμούς κυβερνοασφάλειας και κρίσιμες υποδομές. Οι κυβερνήσεις, από την άλλη πλευρά, δεν αντιμετωπίζουν πλέον την ΤΝ ως απλό εργαλείο παραγωγικότητας. Τη βλέπουν ως τεχνολογία που μπορεί να καθορίσει την οικονομική ανταγωνιστικότητα, τη στρατιωτική υπεροχή, την ανθεκτικότητα των δικτύων και τη δυνατότητα επιτήρησης κοινωνιών.
Αυτό δεν σημαίνει ότι η ΤΝ είναι από τη φύση της αυταρχική. Σημαίνει όμως ότι, όταν αναπτύσσεται μέσα σε κλειστές εταιρικές δομές, με αδιαφανή δεδομένα, τεράστια συγκέντρωση κεφαλαίου και απευθείας σύνδεση με εθνικές στρατηγικές ασφαλείας, η τεχνολογία παύει να υπηρετεί αυτονόητα την επιστήμη και το δημόσιο συμφέρον. Γίνεται πεδίο γεωπολιτικής ισχύος.
Ο μύθος της αυτοβελτίωσης
Η ιδέα της «αναδρομικής αυτοβελτίωσης» έχει ισχυρή μυθολογική δύναμη. Υπονοεί ότι ένα σύστημα ΤΝ μπορεί να αρχίσει να σχεδιάζει καλύτερες εκδοχές του εαυτού του, επιταχύνοντας την τεχνολογική πρόοδο πέρα από τα ανθρώπινα όρια. Ως τεχνικό ενδεχόμενο, αξίζει σοβαρή μελέτη. Ως πολιτικό αφήγημα, όμως, λειτουργεί διαφορετικά. Παρουσιάζει την ΤΝ ως σχεδόν αναπόφευκτη ιστορική δύναμη, απέναντι στην οποία οι κοινωνίες πρέπει απλώς να προσαρμοστούν.
Εδώ βρίσκεται ο κίνδυνος. Όταν μια εταιρεία λέει ότι το μοντέλο της επιταχύνει την ανάπτυξη νέων μοντέλων, μιλά για μια πραγματική τάση: εργαλεία ΤΝ μπορούν να γράφουν κώδικα, να εντοπίζουν λάθη, να υποστηρίζουν ερευνητές, να προτείνουν διαδρομές πειραματισμού. Αυτό όμως δεν είναι ακόμη αυτόνομη επιστήμη. Δεν είναι αυτόνομη κρίση. Δεν είναι κοινωνικά νομιμοποιημένη επιλογή στόχων. Είναι επιτάχυνση συγκεκριμένων εργασιών μέσα σε ανθρώπινες, εταιρικές και κρατικές αλυσίδες αποφάσεων.
Ο μύθος αρχίζει όταν αυτή η επιτάχυνση μεταφράζεται σε πολιτική εξαίρεση: επειδή «έρχεται» κάτι τόσο ισχυρό, πρέπει να δοθούν περισσότερα χρήματα, περισσότερη υπολογιστική ισχύς, μεγαλύτερη πρόσβαση σε δεδομένα, προνομιακή σχέση με το κράτος, λιγότερη δημόσια λογοδοσία και ταχύτερη στρατιωτική ενσωμάτωση. Η ρητορική του υπαρξιακού κινδύνου και η ρητορική της εθνικής υπεροχής συναντιούνται. Η μία λέει «είμαστε οι μόνοι που καταλαβαίνουμε τον κίνδυνο». Η άλλη λέει «πρέπει να προηγηθούμε πριν προηγηθούν οι αντίπαλοι». Το αποτέλεσμα είναι το ίδιο: συγκέντρωση εξουσίας σε λίγες εταιρείες και λίγους κρατικούς μηχανισμούς.
Η ΤΝ ως δημόσια υποδομή ή ως ιδιωτικό οπλοστάσιο
Το κρίσιμο ερώτημα δεν είναι αν η ΤΝ θα χρησιμοποιηθεί από το κράτος. Θα χρησιμοποιηθεί. Το ερώτημα είναι με ποιους όρους. Θα είναι δημόσια ελεγχόμενη υποδομή, με ανοιχτά πρότυπα, ανοικτό κώδικα, διαφανή αξιολόγηση, ερευνητική πρόσβαση και δημοκρατική λογοδοσία; Ή θα είναι ένα σύνολο κλειστών εταιρικών συστημάτων, ενσωματωμένων σε κρατικούς μηχανισμούς ασφαλείας, χωρίς δυνατότητα ουσιαστικού ελέγχου από πολίτες, κοινοβούλια, πανεπιστήμια και ανεξάρτητες αρχές;
Η δεύτερη εκδοχή είναι η πιο επικίνδυνη. Δημιουργεί μια νέα μορφή ψηφιακού μερκαντιλισμού. Το κράτος δεν χρηματοδοτεί απλώς την καινοτομία, αλλά θωρακίζει συγκεκριμένες εταιρείες ως εθνικούς πρωταθλητές. Οι εταιρείες δεν πουλούν απλώς προϊόντα, αλλά γίνονται μέρος της κρατικής υποδομής. Το δημόσιο χρήμα, η δημόσια ισχύς και η δημόσια νομιμοποίηση καταλήγουν να αυξάνουν την αξία ιδιωτικών εταιρείων, ενώ το κοινωνικό όφελος παραμένει ασαφές.
Αυτή η εξέλιξη δεν βοηθά την επιστήμη. Η επιστήμη χρειάζεται αναπαραγωγιμότητα, πρόσβαση σε δεδομένα, ανοικτές μεθόδους, δυνατότητα ελέγχου, πολλαπλά ερευνητικά κέντρα, όχι ένα ολιγοπώλιο μοντέλων που λειτουργεί ως μαύρο κουτί. Δεν βοηθά ούτε τη δημοκρατία. Η δημοκρατία χρειάζεται λογοδοσία, διαχωρισμό εξουσιών, δημόσια διαβούλευση, δικαιώματα και δυνατότητα αμφισβήτησης. Ένα κλειστό μοντέλο που χρησιμοποιείται σε κυβερνοασφάλεια, δημόσια διοίκηση, επιτήρηση, άμυνα ή κοινωνικές υπηρεσίες χωρίς πλήρη θεσμικό έλεγχο είναι τεχνολογική ισχύς χωρίς επαρκή πολιτική ευθύνη.
Η ευρωπαϊκή και προοδευτική απάντηση
Η απάντηση δεν μπορεί να είναι τεχνοφοβία. Η ΤΝ μπορεί να βοηθήσει στην ιατρική έρευνα, στην κλιματική προσαρμογή, στη δημόσια διοίκηση, στη μετάφραση, στην προσβασιμότητα, στην ανάλυση δημόσιων δεδομένων και στην ενίσχυση μικρών επιχειρήσεων. Αλλά για να υπηρετήσει αυτά τα πεδία πρέπει να αναπτυχθεί ως κοινή υποδομή και όχι ως μυστικό προνόμιο.
Για την Ευρώπη και ειδικά για χώρες όπως η Ελλάδα, η στρατηγική πρέπει να στηριχθεί σε τέσσερις αρχές. Πρώτον, δημόσιο χρήμα να παράγει δημόσιο κώδικα, δημόσια δεδομένα και δημόσια τεχνογνωσία. Δεύτερον, τα κρίσιμα συστήματα ΤΝ του Δημοσίου να βασίζονται σε ανοιχτά πρότυπα, ελέγξιμες αρχιτεκτονικές, τοπική ή κυρίαρχη υποδομή και τεκμηριωμένα μοντέλα. Τρίτον, η ευρωπαϊκή υπολογιστική υποδομή, όπως τα AI Factories, να μην γίνει απλώς φθηνό καύσιμο για νεοφυείς επιχειρήσεις, αλλά δημόσια βάση για πανεπιστήμια, ερευνητικά κέντρα, ΜμΕ, δήμους, νοσοκομεία και κοινωνικές ανάγκες. Τέταρτον, η δημόσια ΤΝ να είναι υποχρεωτικά ελέγξιμη: με μητρώα αλγορίθμων, model cards, datasheets, αξιολόγηση κινδύνου, ανθρώπινη τελική ευθύνη και δυνατότητα απόσυρσης.
Η «αυτοβελτιούμενη νοημοσύνη» δεν πρέπει να γίνει ο νέος μύθος που νομιμοποιεί την ιδιωτικοποίηση της δημόσιας ισχύος. Η πραγματική πρόοδος δεν θα κριθεί από το ποια εταιρεία θα πείσει ότι βρίσκεται πιο κοντά στο θαύμα. Θα κριθεί από το αν οι κοινωνίες θα μπορέσουν να μετατρέψουν την ΤΝ σε δημοκρατική, ανοιχτή, βιώσιμη και λογοδοτούσα υποδομή. Όχι σε μηχανή παγκόσμιας ηγεμονίας.
Πηγές άρθρου:
AI Supremacy, “Path to an AI Mythology”: Το κείμενο αποτελεί την αφετηρία της ανάλυσης, επειδή συνδέει τη ρητορική περί recursive self-improvement με Anthropic, Mythos, κρατική εμπλοκή, στρατιωτικές χρήσεις, χρηματοοικονομική συγκέντρωση και δημόσιο κίνδυνο από την ιδιωτικοποίηση της ΤΝ: https://www.ai-supremacy.com/p/path-to-an-ai-mythology-2026-recursive-self-improvement-anthropic,
NIST, “Artificial Intelligence Risk Management Framework: Generative AI Profile”: Το πλαίσιο του NIST είναι χρήσιμο επειδή μεταφέρει τη συζήτηση από γενικές διακηρύξεις περί ασφάλειας σε πρακτική διαχείριση κινδύνων για συστήματα γενετικής ΤΝ: https://www.nist.gov/itl/ai-risk-management-framework,
EuroHPC JU, “AI Factories”: Η ευρωπαϊκή πρωτοβουλία των AI Factories δείχνει ότι η ΤΝ οργανώνεται πλέον γύρω από δημόσιες και υπερεθνικές υπολογιστικές υποδομές, άρα η πρόσβαση σε υπολογιστική ισχύ είναι ζήτημα κυριαρχίας: https://www.eurohpc-ju.europa.eu/ai-factories_en,
IEA, “Energy and AI”: Η ανάλυση του International Energy Agency τεκμηριώνει ότι η ΤΝ έχει υλικό αποτύπωμα σε ενέργεια και data centers, κάτι που καταρρίπτει την ιδέα της «άυλης» ψηφιακής προόδου: https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai,
Allen Institute for AI, “OLMo”: Το OLMo είναι σημαντικό παράδειγμα πλήρως ανοικτής προσέγγισης σε γλωσσικά μοντέλα, χρήσιμο ως αντίβαρο στην κλειστή εταιρική ΤΝ και ως υπόδειγμα επιστημονικής διαφάνειας: https://allenai.org/olmo.
Η Ευρωπαϊκή Επιτροπή δημοσίευσεμια νέα έκθεσηπου προτείνει πρακτικές στρατηγικές για την αντιμετώπιση των εμποδίων που εξακολουθούν να περιορίζουν τη διαμοίραση και την επαναχρησιμοποίηση λογισμικού ανοικτού κώδικα (Open Source Software – OSS) μεταξύ των δημόσιων διοικήσεων στην Ευρώπη.
Η δημοσίευση έρχεται σε μια ιδιαίτερα σημαντική χρονική συγκυρία για την ευρωπαϊκή ψηφιακή πολιτική. Στις 3 Ιουνίου 2026, η Επιτροπή υιοθέτησε το πακέτο «EU Technological Sovereignty Package», συνοδευόμενο από τη νέα Στρατηγική Ανοικτού Κώδικα της Ευρωπαϊκής Ένωσης. Η στρατηγική αυτή αναγνωρίζει το λογισμικό ανοικτού κώδικα ως βασικό πυλώνα της ψηφιακής αυτονομίας, της ανθεκτικότητας και της ανταγωνιστικότητας της Ευρώπης.
Η νέα έκθεση, η οποία εκπονήθηκε στο πλαίσιο της δράσης FOSSEPS και της επέκτασης του EU Open Source Solutions Catalogue, καταγράφει τα βασικά τεχνικά, νομικά, οργανωτικά, πολιτισμικά και στρατηγικά εμπόδια που αντιμετωπίζουν οι δημόσιοι φορείς κατά τη διαμοίραση και επαναχρησιμοποίηση λογισμικού ανοικτού κώδικα. Παράλληλα, προσφέρει συγκεκριμένες κατευθύνσεις για τον εντοπισμό, την αξιολόγηση, την προσαρμογή και τη μακροχρόνια συντήρηση επαναχρησιμοποιήσιμων ψηφιακών λύσεων.
Γιατί η επαναχρησιμοποίηση λογισμικού είναι κρίσιμη
Τα τελευταία χρόνια, ολοένα και περισσότερες δημόσιες διοικήσεις στην Ευρώπη αναγνωρίζουν τα οφέλη του ανοικτού κώδικα. Η χρήση του μπορεί να μειώσει τον διπλασιασμό εργασιών, να αυξήσει τη διαφάνεια, να βελτιώσει τη διαλειτουργικότητα μεταξύ συστημάτων, να ενισχύσει την ψηφιακή κυριαρχία και να συμβάλει στην παροχή αποτελεσματικότερων δημόσιων υπηρεσιών.
Παρά τα οφέλη αυτά, η διασυνοριακή ανταλλαγή και επαναχρησιμοποίηση λύσεων παραμένει περιορισμένη. Σύμφωνα με την έκθεση, η δυσκολία δεν οφείλεται σε έναν μόνο παράγοντα αλλά σε έναν συνδυασμό τεχνικών, νομικών, οργανωτικών και πολιτισμικών εμποδίων που επηρεάζουν το κατά πόσο μια υφιστάμενη λύση μπορεί να εντοπιστεί, να αξιολογηθεί και τελικά να υιοθετηθεί από άλλους οργανισμούς.
Τεχνικές προκλήσεις και ζητήματα διαλειτουργικότητας
Ένα από τα βασικά εμπόδια αφορά την τεχνική ετοιμότητα των εφαρμογών. Λύσεις που δεν έχουν σχεδιαστεί με αρθρωτή αρχιτεκτονική, δεν ακολουθούν κοινά πρότυπα ή διαθέτουν ελλιπή τεκμηρίωση είναι δύσκολο να αξιολογηθούν και να ενσωματωθούν σε διαφορετικά περιβάλλοντα.
Η Επιτροπή επισημαίνει ότι η υιοθέτηση ανοικτών προτύπων, η ύπαρξη ποιοτικής τεκμηρίωσης, η χρήση μεταδεδομένων και εργαλείων όπως το publiccode.yml μπορούν να διευκολύνουν σημαντικά την αναζήτηση, σύγκριση και προσαρμογή λύσεων από άλλες διοικήσεις.
Νομικά και κανονιστικά εμπόδια
Η αβεβαιότητα γύρω από τις άδειες χρήσης, τα δικαιώματα πνευματικής ιδιοκτησίας, τους κανόνες προμηθειών και τις ευθύνες συντήρησης συχνά αποθαρρύνει τους δημόσιους φορείς από την αξιοποίηση υφιστάμενων λύσεων.
Η έκθεση αναφέρει ότι οι διαφορετικοί τύποι αδειών ανοικτού κώδικα, οι πιθανές ασυμβατότητες μεταξύ τους, αλλά και η έλλειψη σαφών κατευθυντήριων γραμμών δημιουργούν αβεβαιότητα. Παράλληλα, σε πολλές περιπτώσεις οι διαδικασίες δημοσίων προμηθειών εξακολουθούν να ευνοούν ιδιοκτησιακό λογισμικό, δυσκολεύοντας την υιοθέτηση ανοικτών εναλλακτικών λύσεων.
Ως απάντηση, προτείνεται η ανάπτυξη εναρμονισμένων πλαισίων αδειοδότησης, η παροχή πρακτικών οδηγιών προς τους δημόσιους φορείς και η ενσωμάτωση απαιτήσεων ανοικτού κώδικα στις διαδικασίες προμηθειών.
Οργανωτικές δυσκολίες και εξάρτηση από προμηθευτές
Σημαντικό εμπόδιο αποτελεί επίσης η εξάρτηση πολλών δημόσιων οργανισμών από συγκεκριμένους προμηθευτές λογισμικού. Το φαινόμενο του vendor lock-in καθιστά δύσκολη και συχνά δαπανηρή τη μετάβαση σε ανοικτές λύσεις.
Επιπλέον, πολλοί οργανισμοί αντιμετωπίζουν ελλείψεις σε τεχνικές δεξιότητες, κατακερματισμένα πληροφοριακά συστήματα και ασαφείς αρμοδιότητες σχετικά με τη συντήρηση και υποστήριξη των εφαρμογών.
Η έκθεση προτείνει τη δημιουργία ειδικών δομών διακυβέρνησης ανοικτού κώδικα, όπως τα Open Source Programme Offices (OSPOs), τα οποία μπορούν να συντονίζουν δράσεις, να προωθούν την επαναχρησιμοποίηση και να λειτουργούν ως κέντρα τεχνογνωσίας. Χαρακτηριστικό παράδειγμα αποτελεί το OSPO της Ευρωπαϊκής Επιτροπής, το οποίο λειτουργεί από το 2020 και συμβάλλει στην προώθηση της ανοικτής καινοτομίας σε ευρωπαϊκό επίπεδο.
Πολιτισμικές αντιλήψεις και αντίσταση στην αλλαγή
Πέρα από τις τεχνικές και οργανωτικές προκλήσεις, η έκθεση εντοπίζει και σημαντικά πολιτισμικά εμπόδια. Πολλοί δημόσιοι λειτουργοί εξακολουθούν να θεωρούν το λογισμικό ανοικτού κώδικα περίπλοκο, δύσκολο στη συντήρηση ή λιγότερο ασφαλές σε σχέση με τις εμπορικές λύσεις.
Παράλληλα, το φαινόμενο «Not Invented Here» – η προτίμηση σε λύσεις που αναπτύσσονται εσωτερικά αντί για υιοθέτηση εξωτερικών εφαρμογών – περιορίζει τη συνεργασία και την αξιοποίηση ήδη δοκιμασμένων λύσεων.
Η Επιτροπή προτείνει την ανάδειξη επιτυχημένων παραδειγμάτων, την εκπαίδευση των στελεχών του δημόσιου τομέα και την ενίσχυση της κουλτούρας συνεργασίας και ανταλλαγής γνώσης.
Η ασφάλεια ως προτεραιότητα
Ένα ακόμη ζήτημα που αναδεικνύεται είναι η αντίληψη ότι το ανοικτό λογισμικό είναι λιγότερο ασφαλές. Η έκθεση επισημαίνει ότι αυτή η αντίληψη βασίζεται συχνά σε λανθασμένες παραδοχές.
Αντίθετα, η διαφάνεια του πηγαίου κώδικα επιτρέπει ευρύτερο έλεγχο, ταχύτερο εντοπισμό ευπαθειών και συνεχή βελτίωση από την κοινότητα των προγραμματιστών. Για την ενίσχυση της εμπιστοσύνης προτείνονται τυποποιημένες διαδικασίες ελέγχου ασφαλείας, αυτοματοποιημένοι έλεγχοι ευπαθειών και σαφή πλαίσια ευθυνών για τη συντήρηση και προστασία των εφαρμογών.
Ο ρόλος του EU Open Source Solutions Catalogue
Κεντρικό εργαλείο στην προσπάθεια αυτή αποτελεί το EU Open Source Solutions Catalogue, ο ευρωπαϊκός κατάλογος λύσεων ανοικτού κώδικα για τον δημόσιο τομέα.
Ο κατάλογος λειτουργεί ως σημείο αναφοράς για την ανακάλυψη, αξιολόγηση και επαναχρησιμοποίηση λογισμικού. Μέσω κοινών προτύπων τεκμηρίωσης και δομημένων μεταδεδομένων, διευκολύνει τις δημόσιες διοικήσεις να εντοπίζουν ώριμες λύσεις, να αξιολογούν τη βιωσιμότητά τους και να έρχονται σε επαφή με τους δημιουργούς τους.
Με αυτόν τον τρόπο συμβάλλει στην αύξηση της ορατότητας των διαθέσιμων λύσεων, στην οικοδόμηση εμπιστοσύνης και στην ενίσχυση της συνεργασίας μεταξύ κρατών και οργανισμών.
Προς μια πιο κυρίαρχη και ανεξάρτητη ψηφιακή Ευρώπη
Τα συμπεράσματα της έκθεσης συνδέονται άμεσα με τον ευρύτερο στόχο της Ευρωπαϊκής Ένωσης για ενίσχυση της τεχνολογικής κυριαρχίας. Σε μια περίοδο κατά την οποία η Ευρώπη επιδιώκει να μειώσει την εξάρτησή της από τεχνολογικούς παρόχους εκτός ΕΕ, το λογισμικό ανοικτού κώδικα αναδεικνύεται σε στρατηγικό εργαλείο.
Η δυνατότητα διαφάνειας, ελέγχου, προσαρμογής και κοινής ανάπτυξης που προσφέρει το ανοικτό λογισμικό επιτρέπει στις δημόσιες διοικήσεις να συνεργάζονται αποτελεσματικότερα, να αποφεύγουν τον κατακερματισμό και να αξιοποιούν από κοινού τις επενδύσεις τους.
Η νέα έκθεση της Ευρωπαϊκής Επιτροπής δεν περιορίζεται στην καταγραφή προβλημάτων. Παρουσιάζει έναν πρακτικό οδικό χάρτη που μπορεί να μετατρέψει την επαναχρησιμοποίηση λογισμικού από μεμονωμένες καλές πρακτικές σε μια συστηματική ευρωπαϊκή προσέγγιση, συμβάλλοντας ουσιαστικά στη δημιουργία ενός πιο ανοικτού, διαλειτουργικού και ψηφιακά κυρίαρχου ευρωπαϊκού οικοσυστήματος.
Οι εκδηλώσεις δεν σταματούν καθώς αυτήν την εβδομάδα πραγματοποιούνται εκδηλώσεις στην Ελλάδα και στο εξωτερικό για τις ανοιχτές τεχνολογίες και την καινοτομία! Ο Οργανισμός Ανοιχτών Τεχνολογιών (ΕΕΛΛΑΚ) σας προτείνει να τις παρακολουθήσετε και να τις διαδώσετε. Μπορείτε επίσης να δείτε περισσότερες εκδηλώσεις για τις επόμενες εβδομάδες ή να καταχωρίσετε τη δική σας εκδήλωση στο: https://ellak.gr/events.
Η στροφή προς το λογισμικό ανοικτού κώδικα (Open Source Software) στον δημόσιο τομέα αποκτά ολοένα και μεγαλύτερη δυναμική στην Ευρώπη. Ένα χαρακτηριστικό παράδειγμα αποτελεί η πρόσφατη απόφαση της Ολλανδικής Ένωσης Δήμων (VNG – Vereniging van Nederlandse Gemeenten) να ενσωματώσει την αρχή «open source, εκτός αν υπάρχει λόγος για το αντίθετο» στις νέες κατευθυντήριες οδηγίες για τις προμήθειες τεχνολογίας πληροφοριών.
Η αλλαγή αυτή περιλαμβάνεται στην έκδοση GIBIT 2025 (Gemeentelijke Inkoop bij IT), ένα πρότυπο πλαίσιο συμβατικών όρων και προϋποθέσεων που χρησιμοποιείται ευρέως από τους δήμους της Ολλανδίας για την προμήθεια και ανάπτυξη πληροφοριακών συστημάτων.
Μια σημαντική αλλαγή πολιτικής
Σε αντίθεση με την προηγούμενη έκδοση του GIBIT (2023), η οποία δεν περιείχε καμία ειδική πρόβλεψη για το λογισμικό ανοικτού κώδικα, η έκδοση του 2025 εισάγει για πρώτη φορά ένα ξεχωριστό κεφάλαιο αφιερωμένο στο open source.
Σύμφωνα με τις νέες οδηγίες, όταν ένας δήμος αναθέτει την ανάπτυξη εξατομικευμένου λογισμικού, η προεπιλεγμένη επιλογή είναι η δημοσίευση του παραγόμενου λογισμικού ως ανοικτού κώδικα. Η εξαίρεση από αυτόν τον κανόνα επιτρέπεται μόνο όταν υπάρχει τεκμηριωμένος και δικαιολογημένος λόγος.
Η προσέγγιση αυτή ανατρέπει την παραδοσιακή λογική, σύμφωνα με την οποία το λογισμικό που αναπτύσσεται για τον δημόσιο τομέα παραμένει συνήθως κλειστό και διαθέσιμο μόνο στον φορέα που το χρηματοδότησε.
Οφέλη για τους δήμους και τους πολίτες
Η υιοθέτηση του ανοικτού κώδικα μπορεί να προσφέρει πολλαπλά πλεονεκτήματα:
Μείωση κόστους μέσω επαναχρησιμοποίησης λογισμικού από διαφορετικούς δημόσιους φορείς.
Μεγαλύτερη διαφάνεια, καθώς ο πηγαίος κώδικας είναι διαθέσιμος για έλεγχο.
Αποφυγή εξάρτησης από συγκεκριμένους προμηθευτές (vendor lock-in).
Ενίσχυση της καινοτομίας, αφού τρίτοι μπορούν να συνεισφέρουν στη βελτίωση του λογισμικού.
Καλύτερη αξιοποίηση δημόσιων πόρων, καθώς το λογισμικό που χρηματοδοτείται από τους φορολογούμενους μπορεί να επαναχρησιμοποιηθεί από άλλους οργανισμούς.
Η επιλογή της άδειας EUPL
Το GIBIT 2025 προβλέπει ότι το λογισμικό που δημοσιεύεται ως ανοικτού κώδικα θα πρέπει να διατίθεται με την άδεια European Union Public Licence (EUPL).
Η EUPL αναπτύχθηκε από την Ευρωπαϊκή Επιτροπή ειδικά για τις ανάγκες των δημόσιων διοικήσεων της Ευρώπης και λαμβάνει υπόψη το ευρωπαϊκό νομικό πλαίσιο σχετικά με τα πνευματικά δικαιώματα και την προστασία δεδομένων. Η χρήση μιας κοινής ευρωπαϊκής άδειας διευκολύνει τη συνεργασία και την ανταλλαγή λογισμικού μεταξύ δημόσιων οργανισμών διαφορετικών χωρών.
Μέρος μιας ευρύτερης ευρωπαϊκής τάσης
Παρότι οι οδηγίες της VNG δεν είναι νομικά δεσμευτικές, η επιρροή τους είναι ιδιαίτερα σημαντική, καθώς η Ένωση εκπροσωπεί και τους 342 δήμους της Ολλανδίας. Ως εκ τούτου, οι νέες κατευθύνσεις αναμένεται να επηρεάσουν σημαντικά τον τρόπο με τον οποίο οι τοπικές αρχές προμηθεύονται και αναπτύσσουν λογισμικό.
Η εξέλιξη αυτή συνδέεται με μια ευρύτερη ευρωπαϊκή τάση υπέρ του ανοικτού κώδικα. Ήδη από το 2020, η ολλανδική κυβέρνηση προωθεί την αρχή «open, unless», σύμφωνα με την οποία το λογισμικό που αναπτύσσεται με δημόσια χρηματοδότηση θα πρέπει, κατά κανόνα, να είναι δημόσια διαθέσιμο.
Μια νέα μελέτη του Ινστιτούτου Πληροφοριακού Δικαίου (IViR), που εκπονήθηκε για λογαριασμό της οργάνωσης COMMUNIA, αναδεικνύει ένα κρίσιμο πρόβλημα που αντιμετωπίζουν σήμερα τα εκπαιδευτικά ιδρύματα, οι ερευνητικοί οργανισμοί και οι φορείς πολιτιστικής κληρονομιάς στην Ευρώπη: τη νομική αβεβαιότητα γύρω από τη χρήση πνευματικά προστατευόμενου υλικού για σκοπούς διδασκαλίας, μάθησης και έρευνας. Η μελέτη, με τίτλο «Towards a Digital Knowledge Act – Mapping Policy Options to Mitigate Legal Risks for Teaching, Learning and Research», υποστηρίζει ότι η υφιστάμενη ευρωπαϊκή νομοθεσία περί πνευματικής ιδιοκτησίας δεν παρέχει επαρκή ασφάλεια δικαίου στα ιδρύματα γνώσης. Αντίθετα, η πολυπλοκότητα των κανόνων, οι αποκλίσεις μεταξύ κρατών-μελών και οι περιορισμοί που επιβάλλονται μέσω συμβάσεων και τεχνολογικών μέτρων δημιουργούν ένα περιβάλλον όπου οι οργανισμοί συχνά αποφεύγουν ακόμη και νόμιμες δραστηριότητες από φόβο πιθανών νομικών συνεπειών.
Το πρόβλημα της «αμυντικής συμμόρφωσης»
Σύμφωνα με τους συντάκτες της μελέτης, η νομική αβεβαιότητα έχει εξελιχθεί σε μια συστημική συνθήκη που επηρεάζει τον τρόπο λειτουργίας των ιδρυμάτων γνώσης. Πολλά πανεπιστήμια, βιβλιοθήκες και ερευνητικά κέντρα υιοθετούν μια στάση «αμυντικής συμμόρφωσης», αποφεύγοντας χρήσεις που ενδέχεται να είναι απολύτως νόμιμες βάσει των εξαιρέσεων του δικαίου πνευματικής ιδιοκτησίας. Το αποτέλεσμα είναι η επιβράδυνση της καινοτομίας, η δυσχέρανση της έρευνας και η περιορισμένη αξιοποίηση ψηφιακών εργαλείων και πόρων.
Η μελέτη εντοπίζει τέσσερις βασικές πηγές κινδύνου:
Οι εξαιρέσεις για εκπαιδευτικές και ερευνητικές χρήσεις είναι συχνά στενά διατυπωμένες και δύσκολα ερμηνεύσιμες.
Οι δικαιούχοι μπορούν να αμφισβητήσουν τη νομιμότητα μιας χρήσης επικαλούμενοι γενικές και αόριστες νομικές προϋποθέσεις.
Τα τεχνολογικά μέτρα προστασίας μπορούν να εμποδίσουν πρακτικά την άσκηση δικαιωμάτων που αναγνωρίζει ο νόμος.
Οι συμβάσεις αδειοδότησης συχνά υπερισχύουν στην πράξη των νομοθετικών εξαιρέσεων.
Πέντε προτάσεις για ένα νέο πλαίσιο
Για την αντιμετώπιση των παραπάνω προβλημάτων, η μελέτη προτείνει ένα ολοκληρωμένο πακέτο μεταρρυθμίσεων.
1. Κατευθυντήριες γραμμές βέλτιστων πρακτικών
Πρώτη πρόταση είναι η ανάπτυξη εξειδικευμένων οδηγιών που θα μετατρέπουν τις σύνθετες νομικές διατάξεις σε πρακτικές διαδικασίες συμμόρφωσης. Οι οδηγίες αυτές θα μπορούσαν να καλύπτουν δραστηριότητες όπως η ψηφιοποίηση συλλογών, η εξόρυξη δεδομένων και κειμένου (Text and Data Mining), η διασυνοριακή ανταλλαγή δεδομένων και τα διεθνή εκπαιδευτικά προγράμματα. Παράλληλα, θα παρέχουν λίστες ελέγχου και διαγράμματα λήψης αποφάσεων, διευκολύνοντας τα ιδρύματα να λειτουργούν με μεγαλύτερη ασφάλεια.
2. Δημιουργία συμβουλευτικού φορέα πνευματικής ιδιοκτησίας
Η δεύτερη πρόταση αφορά τη σύσταση ενός ανεξάρτητου συμβουλευτικού οργάνου για τον εκπαιδευτικό, επιστημονικό και πολιτιστικό τομέα. Ο φορέας αυτός θα εκδίδει τεκμηριωμένες γνωμοδοτήσεις και θα συμβάλλει στην εναρμόνιση των ερμηνειών μεταξύ των κρατών-μελών της Ευρωπαϊκής Ένωσης. Αν και οι γνωμοδοτήσεις του δεν θα είναι δεσμευτικές, θα μπορούσαν να δημιουργήσουν ένα σώμα «ήπιου προηγούμενου» που θα ενισχύει την προβλεψιμότητα των νομικών αποτελεσμάτων.
3. Περιορισμός της προσωπικής ευθύνης του προσωπικού
Η μελέτη προτείνει επίσης την εισαγωγή ειδικής προστασίας για τα στελέχη και τους εργαζομένους των ιδρυμάτων γνώσης. Όταν ενεργούν καλόπιστα, στο πλαίσιο των καθηκόντων τους και με τη δέουσα επιμέλεια, θα μπορούσαν να απαλλάσσονται από προσωπική ευθύνη για πιθανές παραβιάσεις. Ένα τέτοιο μέτρο θα μείωνε τον φόβο δικαστικών διεκδικήσεων και θα ενθάρρυνε την αξιοποίηση των νόμιμων εξαιρέσεων της νομοθεσίας.
4. Επέκταση της αρχής της χώρας προέλευσης στην έρευνα
Η ευρωπαϊκή νομοθεσία ήδη εφαρμόζει την αρχή της «χώρας προέλευσης» στις διασυνοριακές ψηφιακές εκπαιδευτικές δραστηριότητες. Η μελέτη εισηγείται την επέκτασή της και στις ερευνητικές δραστηριότητες. Έτσι, σε διεθνή ερευνητικά έργα, η νομιμότητα μιας χρήσης θα κρίνεται με βάση το δίκαιο της χώρας όπου εδρεύει ο κύριος ερευνητής, αντί να απαιτείται συμμόρφωση με πολλαπλά εθνικά καθεστώτα. Η αλλαγή αυτή θα απλοποιούσε σημαντικά τη διασυνοριακή συνεργασία.
5. Αντιμετώπιση καταχρηστικών συμβατικών όρων
Τέλος, η μελέτη προτείνει τη θέσπιση ειδικών κανόνων κατά των καταχρηστικών όρων σε συμβάσεις πρόσβασης σε ψηφιακό περιεχόμενο και βάσεις δεδομένων. Προβλέπεται η δημιουργία «μαύρης λίστας» απαγορευμένων ρητρών, «γκρίζας λίστας» ύποπτων όρων και υποχρεώσεων διαφάνειας στη διατύπωση των συμβάσεων. Στόχος είναι να αποτραπεί η υπονόμευση των εξαιρέσεων πνευματικής ιδιοκτησίας μέσω συμβατικών περιορισμών.
Προς ένα νέο οικοσύστημα γνώσης
Οι ερευνητές υποστηρίζουν ότι οι παραπάνω προτάσεις λειτουργούν συμπληρωματικά και μπορούν να δημιουργήσουν ένα πιο σταθερό και προβλέψιμο περιβάλλον για την εκπαίδευση, την έρευνα και την πολιτιστική κληρονομιά. Αντί η πνευματική ιδιοκτησία να λειτουργεί ως εμπόδιο, μπορεί να αποτελέσει ένα πλαίσιο που ενθαρρύνει τη δημιουργία, τη διάδοση και την αξιοποίηση της γνώσης, διατηρώντας παράλληλα την προστασία των δικαιούχων. Η πρόταση για μια «Ψηφιακή Πράξη Γνώσης» (Digital Knowledge Act) έρχεται σε μια περίοδο κατά την οποία η Ευρώπη επιδιώκει να ενισχύσει την ανταγωνιστικότητά της στην επιστήμη και την καινοτομία. Η υιοθέτηση ενός πιο ξεκάθαρου και λειτουργικού πλαισίου πνευματικής ιδιοκτησίας θα μπορούσε να αποτελέσει σημαντικό βήμα προς αυτή την κατεύθυνση.
Στις 3 Ιουνίου πραγματοποιήθηκε το 2ο μάθημα του κύκλου «Οι Τήνιοι γράφουν για την Τήνο», με αντικείμενο την περαιτέρω εξοικείωση των συμμετεχόντων με τη Βικιπαίδεια και τα Wikimedia Commons μέσα από πιο πρακτική εφαρμογή.
Η δράση διοργανώθηκε στο πλαίσιο της πρωτοβουλίας ΒίκιΕλληνιστί, η οποία προωθεί την ενίσχυση της ελληνικής παρουσίας στη Βικιπαίδεια και στο οικοσύστημα της ανοικτής γνώσης μέσω εκπαιδευτικών εργαστηρίων, συνεργασιών με πολιτιστικούς και εκπαιδευτικούς φορείς και δράσεων συμμετοχικής συγγραφής λημμάτων.
Κατά τη διάρκεια της συνάντησης, οι συμμετέχοντες είχαν την ευκαιρία να πλοηγηθούν στο περιβάλλον της Βικιπαίδειας και να κατανοήσουν καλύτερα τον τρόπο με τον οποίο δομούνται και τεκμηριώνονται τα λήμματα.
Το μάθημα ανέδειξε επίσης απορίες και δυσκολίες που είναι αναμενόμενες κατά την πρώτη επαφή με τα εργαλεία, ενώ η ενεργή συμμετοχή συνέβαλε στην ομαλή εξέλιξη της διαδικασίας και στην καλύτερη κατανόηση των εννοιών.
Συνολικά, το 2ο μάθημα έθεσε τις βάσεις για την περαιτέρω συμμετοχή των εκπαιδευόμενων στις επόμενες δράσεις του προγράμματος.
Τα μεγάλα γλωσσικά μοντέλα άλλαξαν ήδη τον τρόπο με τον οποίο γράφουμε, προγραμματίζουμε, αναζητούμε πληροφορίες, οργανώνουμε διοικητικές διαδικασίες και παράγουμε γνώση. Η επιτυχία τους στηρίζεται σε μια απλή αλλά ισχυρή ιδέα: όταν αυξάνεται η υπολογιστική ισχύς, ο όγκος των δεδομένων και η κλίμακα των μοντέλων, εμφανίζονται νέες ικανότητες που δεν είχαν προβλεφθεί εύκολα. Αυτή η υπόθεση της μεγέθυνσης εξηγεί μεγάλο μέρος της προόδου των τελευταίων ετών.
Όμως η επιστημονική συζήτηση έχει πλέον ωριμάσει. Το κρίσιμο ερώτημα δεν είναι αν τα LLMs είναι χρήσιμα. Είναι εξαιρετικά χρήσιμα. Το ερώτημα είναι αν η συνεχής μεγέθυνσή τους αρκεί για να προσεγγίσουμε αξιόπιστη, γενική και κοινωνικά ωφέλιμη τεχνητή νοημοσύνη. Η απάντηση που προκύπτει από την έρευνα είναι πιο σύνθετη από τον τεχνολογικό ενθουσιασμό. Η κλίμακα έχει σημασία, αλλά δεν είναι από μόνη της στρατηγική.
Τα δεδομένα δεν είναι ανεξάντλητα
Η πρώτη μεγάλη δυσκολία είναι τα δεδομένα. Τα σημερινά μοντέλα έχουν ήδη αξιοποιήσει τεράστιο μέρος του διαθέσιμου δημόσιου ψηφιακού κειμένου. Η επόμενη γενιά δεν μπορεί απλώς να εκπαιδεύεται σε “περισσότερο ίντερνετ”, διότι το διαθέσιμο ανθρώπινο κείμενο υψηλής ποιότητας είναι πεπερασμένο. Αυτό οδηγεί τις εταιρείες σε δύο επιλογές: είτε σε συμφωνίες για ιδιωτικά και εξειδικευμένα δεδομένα, είτε στη χρήση συνθετικών δεδομένων που παράγονται από τα ίδια τα μοντέλα.
Η δεύτερη επιλογή κρύβει σοβαρό κίνδυνο. Όταν ένα μοντέλο εκπαιδεύεται επανειλημμένα σε περιεχόμενο που έχει παραχθεί από προηγούμενα μοντέλα, υπάρχει κίνδυνος σταδιακής απώλειας της ποικιλίας, της σπανιότητας και της ακρίβειας των αρχικών δεδομένων. Το μοντέλο γίνεται πιο ομοιόμορφο, πιο αυτάρεσκο και λιγότερο συνδεδεμένο με την πραγματική ανθρώπινη εμπειρία. Δεν σημαίνει ότι τα συνθετικά δεδομένα είναι άχρηστα. Σημαίνει ότι πρέπει να χρησιμοποιούνται με αυστηρή μεθοδολογία, με ανθρώπινη επαλήθευση και με διατήρηση πρόσβασης σε αυθεντικά, ποιοτικά και πολυγλωσσικά σύνολα δεδομένων.
Για γλώσσες όπως τα ελληνικά, αυτό είναι κρίσιμο. Αν το μέλλον της ΤΝ στηριχθεί μόνο σε αγγλικά κλειστά κείμενα, οι μικρότερες γλώσσες, οι δημόσιες διοικήσεις και οι τοπικές επιστημονικές κοινότητες θα εξαρτώνται από συστήματα που δεν κατανοούν επαρκώς το θεσμικό, γλωσσικό και πολιτισμικό τους περιβάλλον.
Γλωσσική ευχέρεια δεν σημαίνει κατανόηση
Η πιο ισχυρή κριτική στα LLMs είναι ότι δεν καταλαβαίνουν με ανθρώπινη έννοια. Είναι εντυπωσιακά συστήματα πρόβλεψης, συσχέτισης και παραγωγής κειμένου. Μπορούν να γράψουν πειστικά, να συνοψίσουν, να μεταφράσουν, να οργανώσουν επιχειρήματα και να βοηθήσουν στον προγραμματισμό. Όμως η γλωσσική ευχέρεια δεν πρέπει να συγχέεται με την κρίση, την πρόθεση, την υπευθυνότητα ή τη βιωματική κατανόηση.
Αυτός είναι ο λόγος που τα LLMs μπορούν να παράγουν λάθη με μεγάλη αυτοπεποίθηση. Η λεγόμενη ψευδαίσθηση δεν είναι απλό τεχνικό σφάλμα. Είναι συνέπεια της ίδιας της αρχιτεκτονικής τους: το μοντέλο έχει μάθει να παράγει πιθανό κείμενο, όχι να εγγυάται αλήθεια. Η λύση δεν είναι να απαγορεύσουμε τη χρήση τους, αλλά να τα τοποθετήσουμε στη σωστή θέση. Είναι ισχυρά εργαλεία υποβοήθησης, όχι αυτόνομοι θεσμικοί κριτές.
Στο δημόσιο, στην υγεία, στη δικαιοσύνη, στην εκπαίδευση και στη δημοσιογραφία, αυτό σημαίνει ένα απλό αξίωμα: άνθρωπος στην τελική ευθύνη, τεκμηρίωση στις απαντήσεις, δυνατότητα ελέγχου, καταγραφή σφαλμάτων και επαναξιολόγηση.
Από τα γλωσσικά μοντέλα στα μοντέλα κόσμου
Μια δεύτερη σχολή σκέψης υποστηρίζει ότι η πραγματική πρόοδος θα έρθει όταν τα συστήματα ΤΝ αποκτήσουν καλύτερα “μοντέλα κόσμου”. Δηλαδή εσωτερικές αναπαραστάσεις που δεν μαθαίνουν μόνο πώς συνδέονται οι λέξεις, αλλά πώς λειτουργούν τα πράγματα: ο χώρος, ο χρόνος, η αιτιότητα, οι φυσικοί περιορισμοί, οι ανθρώπινες προθέσεις, οι συνέπειες μιας πράξης.
Η θέση αυτή είναι ιδιαίτερα σημαντική για τον σχεδιασμό, τη ρομποτική, την επιστημονική ανακάλυψη και τα συστήματα που πρέπει να ενεργούν στον πραγματικό κόσμο. Ένα μοντέλο που γνωρίζει πολλές προτάσεις για τη βαρύτητα δεν είναι το ίδιο με ένα σύστημα που μπορεί να προβλέψει αξιόπιστα τι θα συμβεί όταν ένα αντικείμενο κινηθεί, συγκρουστεί ή αποτύχει. Για αυτό η συζήτηση μετακινείται από τα καθαρά γλωσσικά μοντέλα σε πολυτροπικά, ενσώματα και προσανατολισμένα στον στόχο συστήματα.
Το υβριδικό μέλλον
Η πιο ρεαλιστική προοπτική δεν είναι η απόλυτη νίκη μιας σχολής. Το μέλλον πιθανότατα θα είναι υβριδικό. Τα LLMs θα συνδυάζονται με αναζήτηση σε έγκυρες πηγές, βάσεις γνώσης, τυπική λογική, εργαλεία υπολογισμού, συστήματα ελέγχου, εξειδικευμένα μικρότερα μοντέλα και ανθρώπινη εποπτεία.
Για την Ευρώπη και την Ελλάδα, το στρατηγικό συμπέρασμα είναι σαφές. Δεν αρκεί να αγοράζουμε πρόσβαση σε κλειστά μοντέλα μέσω εμπορικών διεπαφών. Χρειαζόμαστε ανοιχτά μοντέλα, ανοιχτά δεδομένα, δημόσια ελεγχόμενες υποδομές, αξιολόγηση στα ελληνικά και θεσμικούς κανόνες για τη χρήση τους. Η ΤΝ πρέπει να γίνει δημόσια ικανότητα και όχι νέα μορφή τεχνολογικής εξάρτησης.
Τα LLMs δεν είναι ούτε απλή μόδα ούτε μαγικός δρόμος προς την καθολική νοημοσύνη. Είναι μια θεμελιώδης τεχνολογία γενικού σκοπού, με τεράστια παραγωγική αξία και πραγματικά όρια. Όποιος κατανοήσει και τα δύο θα μπορέσει να τη χρησιμοποιήσει υπέρ της γνώσης, της δημοκρατίας και της κοινωνικής προόδου.
Τα μεγάλα γλωσσικά μοντέλα άλλαξαν ήδη τον τρόπο με τον οποίο γράφουμε, προγραμματίζουμε, αναζητούμε πληροφορίες, οργανώνουμε διοικητικές διαδικασίες και παράγουμε γνώση. Η επιτυχία τους στηρίζεται σε μια απλή αλλά ισχυρή ιδέα: όταν αυξάνεται η υπολογιστική ισχύς, ο όγκος των δεδομένων και η κλίμακα των μοντέλων, εμφανίζονται νέες ικανότητες που δεν είχαν προβλεφθεί εύκολα. Αυτή η υπόθεση της μεγέθυνσης εξηγεί μεγάλο μέρος της προόδου των τελευταίων ετών.
Όμως η επιστημονική συζήτηση έχει πλέον ωριμάσει. Το κρίσιμο ερώτημα δεν είναι αν τα LLMs είναι χρήσιμα. Είναι εξαιρετικά χρήσιμα. Το ερώτημα είναι αν η συνεχής μεγέθυνσή τους αρκεί για να προσεγγίσουμε αξιόπιστη, γενική και κοινωνικά ωφέλιμη τεχνητή νοημοσύνη. Η απάντηση που προκύπτει από την έρευνα είναι πιο σύνθετη από τον τεχνολογικό ενθουσιασμό. Η κλίμακα έχει σημασία, αλλά δεν είναι από μόνη της στρατηγική.
Τα δεδομένα δεν είναι ανεξάντλητα
Η πρώτη μεγάλη δυσκολία είναι τα δεδομένα. Τα σημερινά μοντέλα έχουν ήδη αξιοποιήσει τεράστιο μέρος του διαθέσιμου δημόσιου ψηφιακού κειμένου. Η επόμενη γενιά δεν μπορεί απλώς να εκπαιδεύεται σε “περισσότερο ίντερνετ”, διότι το διαθέσιμο ανθρώπινο κείμενο υψηλής ποιότητας είναι πεπερασμένο. Αυτό οδηγεί τις εταιρείες σε δύο επιλογές: είτε σε συμφωνίες για ιδιωτικά και εξειδικευμένα δεδομένα, είτε στη χρήση συνθετικών δεδομένων που παράγονται από τα ίδια τα μοντέλα.
Η δεύτερη επιλογή κρύβει σοβαρό κίνδυνο. Όταν ένα μοντέλο εκπαιδεύεται επανειλημμένα σε περιεχόμενο που έχει παραχθεί από προηγούμενα μοντέλα, υπάρχει κίνδυνος σταδιακής απώλειας της ποικιλίας, της σπανιότητας και της ακρίβειας των αρχικών δεδομένων. Το μοντέλο γίνεται πιο ομοιόμορφο, πιο αυτάρεσκο και λιγότερο συνδεδεμένο με την πραγματική ανθρώπινη εμπειρία. Δεν σημαίνει ότι τα συνθετικά δεδομένα είναι άχρηστα. Σημαίνει ότι πρέπει να χρησιμοποιούνται με αυστηρή μεθοδολογία, με ανθρώπινη επαλήθευση και με διατήρηση πρόσβασης σε αυθεντικά, ποιοτικά και πολυγλωσσικά σύνολα δεδομένων.
Για γλώσσες όπως τα ελληνικά, αυτό είναι κρίσιμο. Αν το μέλλον της ΤΝ στηριχθεί μόνο σε αγγλικά κλειστά κείμενα, οι μικρότερες γλώσσες, οι δημόσιες διοικήσεις και οι τοπικές επιστημονικές κοινότητες θα εξαρτώνται από συστήματα που δεν κατανοούν επαρκώς το θεσμικό, γλωσσικό και πολιτισμικό τους περιβάλλον.
Γλωσσική ευχέρεια δεν σημαίνει κατανόηση
Η πιο ισχυρή κριτική στα LLMs είναι ότι δεν καταλαβαίνουν με ανθρώπινη έννοια. Είναι εντυπωσιακά συστήματα πρόβλεψης, συσχέτισης και παραγωγής κειμένου. Μπορούν να γράψουν πειστικά, να συνοψίσουν, να μεταφράσουν, να οργανώσουν επιχειρήματα και να βοηθήσουν στον προγραμματισμό. Όμως η γλωσσική ευχέρεια δεν πρέπει να συγχέεται με την κρίση, την πρόθεση, την υπευθυνότητα ή τη βιωματική κατανόηση.
Αυτός είναι ο λόγος που τα LLMs μπορούν να παράγουν λάθη με μεγάλη αυτοπεποίθηση. Η λεγόμενη ψευδαίσθηση δεν είναι απλό τεχνικό σφάλμα. Είναι συνέπεια της ίδιας της αρχιτεκτονικής τους: το μοντέλο έχει μάθει να παράγει πιθανό κείμενο, όχι να εγγυάται αλήθεια. Η λύση δεν είναι να απαγορεύσουμε τη χρήση τους, αλλά να τα τοποθετήσουμε στη σωστή θέση. Είναι ισχυρά εργαλεία υποβοήθησης, όχι αυτόνομοι θεσμικοί κριτές.
Στο δημόσιο, στην υγεία, στη δικαιοσύνη, στην εκπαίδευση και στη δημοσιογραφία, αυτό σημαίνει ένα απλό αξίωμα: άνθρωπος στην τελική ευθύνη, τεκμηρίωση στις απαντήσεις, δυνατότητα ελέγχου, καταγραφή σφαλμάτων και επαναξιολόγηση.
Από τα γλωσσικά μοντέλα στα μοντέλα κόσμου
Μια δεύτερη σχολή σκέψης υποστηρίζει ότι η πραγματική πρόοδος θα έρθει όταν τα συστήματα ΤΝ αποκτήσουν καλύτερα “μοντέλα κόσμου”. Δηλαδή εσωτερικές αναπαραστάσεις που δεν μαθαίνουν μόνο πώς συνδέονται οι λέξεις, αλλά πώς λειτουργούν τα πράγματα: ο χώρος, ο χρόνος, η αιτιότητα, οι φυσικοί περιορισμοί, οι ανθρώπινες προθέσεις, οι συνέπειες μιας πράξης.
Η θέση αυτή είναι ιδιαίτερα σημαντική για τον σχεδιασμό, τη ρομποτική, την επιστημονική ανακάλυψη και τα συστήματα που πρέπει να ενεργούν στον πραγματικό κόσμο. Ένα μοντέλο που γνωρίζει πολλές προτάσεις για τη βαρύτητα δεν είναι το ίδιο με ένα σύστημα που μπορεί να προβλέψει αξιόπιστα τι θα συμβεί όταν ένα αντικείμενο κινηθεί, συγκρουστεί ή αποτύχει. Για αυτό η συζήτηση μετακινείται από τα καθαρά γλωσσικά μοντέλα σε πολυτροπικά, ενσώματα και προσανατολισμένα στον στόχο συστήματα.
Το υβριδικό μέλλον
Η πιο ρεαλιστική προοπτική δεν είναι η απόλυτη νίκη μιας σχολής. Το μέλλον πιθανότατα θα είναι υβριδικό. Τα LLMs θα συνδυάζονται με αναζήτηση σε έγκυρες πηγές, βάσεις γνώσης, τυπική λογική, εργαλεία υπολογισμού, συστήματα ελέγχου, εξειδικευμένα μικρότερα μοντέλα και ανθρώπινη εποπτεία.
Για την Ευρώπη και την Ελλάδα, το στρατηγικό συμπέρασμα είναι σαφές. Δεν αρκεί να αγοράζουμε πρόσβαση σε κλειστά μοντέλα μέσω εμπορικών διεπαφών. Χρειαζόμαστε ανοιχτά μοντέλα, ανοιχτά δεδομένα, δημόσια ελεγχόμενες υποδομές, αξιολόγηση στα ελληνικά και θεσμικούς κανόνες για τη χρήση τους. Η ΤΝ πρέπει να γίνει δημόσια ικανότητα και όχι νέα μορφή τεχνολογικής εξάρτησης.
Τα LLMs δεν είναι ούτε απλή μόδα ούτε μαγικός δρόμος προς την καθολική νοημοσύνη. Είναι μια θεμελιώδης τεχνολογία γενικού σκοπού, με τεράστια παραγωγική αξία και πραγματικά όρια. Όποιος κατανοήσει και τα δύο θα μπορέσει να τη χρησιμοποιήσει υπέρ της γνώσης, της δημοκρατίας και της κοινωνικής προόδου.
Πηγές άρθρου:
DeepMind, “Training Compute-Optimal Large Language Models”: Η εργασία Chinchilla τεκμηριώνει ότι η απόδοση των LLMs δεν εξαρτάται μόνο από το μέγεθος των παραμέτρων, αλλά από τη σωστή σχέση υπολογιστικής ισχύος, μεγέθους μοντέλου και όγκου δεδομένων, δείχνοντας ότι μικρότερα αλλά καλύτερα εκπαιδευμένα μοντέλα μπορούν να υπερέχουν: https://arxiv.org/abs/2203.15556,
Nature, “AI models collapse when trained on recursively generated data”: Η δημοσίευση τεκμηριώνει το φαινόμενο model collapse, δηλαδή τη σταδιακή υποβάθμιση μοντέλων που εκπαιδεύονται επανειλημμένα σε δεδομένα παραγόμενα από προηγούμενα μοντέλα: https://www.nature.com/articles/s41586-024-07566-y,
Emily M. Bender, Timnit Gebru, Angelina McMillan-Major, Margaret Mitchell, “On the Dangers of Stochastic Parrots”: Η κλασική εργασία διατυπώνει την κριτική ότι τα μεγάλα γλωσσικά μοντέλα παράγουν γλωσσική ευχέρεια χωρίς εγγυημένη κατανόηση, αναδεικνύοντας κινδύνους μεροληψίας, συγκέντρωσης ισχύος και αδιαφάνειας: https://dl.acm.org/doi/10.1145/3442188.3445922,
Yann LeCun, “A Path Towards Autonomous Machine Intelligence”: Το κείμενο παρουσιάζει την ανάγκη για νέες αρχιτεκτονικές που μαθαίνουν μοντέλα κόσμου και δεν περιορίζονται στην πρόβλεψη λέξεων, θέτοντας τη βάση για Objective-Driven AI και JEPA: https://openreview.net/forum?id=BZ5a1r-kVsf,
Artur d’Avila Garcez and Luis C. Lamb, “Neurosymbolic AI: The 3rd Wave”: Η εργασία τεκμηριώνει την ανάγκη συνδυασμού νευρωνικών μεθόδων με συμβολική αναπαράσταση γνώσης, λογική, ερμηνευσιμότητα και λογοδοσία: https://arxiv.org/abs/2012.05876,
François Chollet et al., “ARC-AGI-2: A New Challenge for Frontier AI Reasoning Systems”: Η εργασία δείχνει ότι τα σύγχρονα συστήματα ΤΝ εξακολουθούν να αντιμετωπίζουν δυσκολίες σε προβλήματα αφαιρετικού συλλογισμού που είναι σχετικά προσιτά στους ανθρώπους, άρα η γλωσσική επίδοση δεν ταυτίζεται με γενική νοημοσύνη: https://arxiv.org/abs/2505.11831,
Rich Sutton, “The Bitter Lesson”: Το κείμενο εξηγεί γιατί οι γενικές μέθοδοι που αξιοποιούν υπολογιστική ισχύ έχουν ιστορικά υπερισχύσει στην ΤΝ, αλλά ταυτόχρονα βοηθά να κατανοηθεί ότι η κλίμακα πρέπει να συνδυάζεται με κατάλληλες αρχιτεκτονικές και εμπειρία από τον πραγματικό κόσμο: https://www.incompleteideas.net/IncIdeas/BitterLesson.html.
Στις 27 Μαΐου πραγματοποιήθηκε η εισαγωγική συνάντηση και το 1ο μάθημα του κύκλου «Οι Τήνιοι γράφουν για την Τήνο», με στόχο τη γνωριμία, το καλωσόρισμα και την παρουσίαση του προγράμματος των σεμιναρίων.
Η δράση διοργανώθηκε στο πλαίσιο της πρωτοβουλίας ΒίκιΕλληνιστί, η οποία προωθεί την ενίσχυση της ελληνικής παρουσίας στη Βικιπαίδεια και στο οικοσύστημα της ανοικτής γνώσης μέσω εκπαιδευτικών εργαστηρίων, συνεργασιών με πολιτιστικούς και εκπαιδευτικούς φορείς και δράσεων συμμετοχικής συγγραφής λημμάτων. Η συμμετοχή της ΒίκιΕλληνιστί στο πρόγραμμα υπογράμμισε τη σημασία της τεκμηρίωσης και διάδοσης της τοπικής ιστορίας και πολιτιστικής κληρονομιάς της Τήνου μέσα από τα εγχειρήματα Wikimedia.
Η έναρξη περιλάμβανε χαιρετισμούς από προσκεκλημένους ομιλητές και εκπροσώπους φορέων, μεταξύ των οποίων η δημοσιογράφος Βίκυ Φλέσσα, η Πρόεδρος του Ιδρύματος Κάτοπτρον Μάγια Τσόκλη και η διευθύντρια του Μουσείου Κώστα Τσόκλη, Χρυσάνθη Κουτσουράκη, οι οποίες ανέδειξαν τη σημασία της πρωτοβουλίας για την ανάδειξη της Τήνου μέσα από τη συλλογική παραγωγή γνώσης και πολιτισμού.
Στη συνέχεια παρουσιάστηκε το πλαίσιο του έργου και έγινε εισαγωγή στη Βικιπαίδεια και στο ευρύτερο οικοσύστημα του Wikimedia. Οι συμμετέχοντες ενημερώθηκαν για τις βασικές αρχές λειτουργίας της Βικιπαίδειας, τον τρόπο συνεισφοράς, καθώς και τη σημασία της τεκμηρίωσης και της αξιόπιστης πληροφόρησης. Παράλληλα, έγινε μια πρώτη αναφορά στα Wikimedia Commons και στον ρόλο των πολυμεσικών αρχείων στην ελεύθερη γνώση.
Το μάθημα ολοκληρώθηκε με συζήτηση και ερωτήσεις, όπου δόθηκε η ευκαιρία για διευκρινίσεις και ανταλλαγή απόψεων. Η πρώτη αυτή συνάντηση έθεσε τις βάσεις για τη συνέχεια του προγράμματος, δημιουργώντας ένα θετικό και συνεργατικό κλίμα για τα επόμενα μαθήματα.
Στο πλαίσιο της διάδοσης της ελεύθερης γνώσης, της ψηφιακής συμμετοχής και της πρωτοβουλίας «Βικιλληνιστί», πραγματοποιήθηκε στις 18 Μαΐου 2026 ενημερωτική εκδήλωση για τη Βικιπαίδεια στο Μουσείο Κώστα Τσόκλη στην Τήνο.
Η δράση είχε στόχο να γνωρίσει στο κοινό τον τρόπο λειτουργίας της μεγαλύτερης διαδικτυακής εγκυκλοπαίδειας, αναδεικνύοντας τη σημασία της συνεργατικής δημιουργίας και διάδοσης της γνώσης.
Κατά τη διάρκεια της εκδήλωσης παρουσιάστηκαν οι βασικές αρχές της Βικιπαίδειας, οι τρόποι με τους οποίους οι πολίτες μπορούν να συνεισφέρουν με αξιόπιστο περιεχόμενο, καθώς και η αξία της τεκμηριωμένης πληροφόρησης στη σύγχρονη ψηφιακή εποχή. Ιδιαίτερη έμφαση δόθηκε στην ανάδειξη της τοπικής ιστορίας, του πολιτισμού και της πολιτιστικής κληρονομιάς, μέσα από λήμματα που μπορούν να εμπλουτιστούν από την τοπική κοινωνία.
Η πρωτοβουλία αποτέλεσε μια σημαντική ευκαιρία ανταλλαγής γνώσεων και εμπειριών, ενθαρρύνοντας περισσότερους ανθρώπους να συμμετέχουν ενεργά στη δημιουργία ελεύθερου ψηφιακού περιεχομένου. Παράλληλα, ανέδειξε τον ρόλο των πολιτιστικών φορέων ως χώρων εκπαίδευσης, διαλόγου και εξωστρέφειας προς την κοινωνία.
Στις 3 Ιουνίου 2026, η Ευρωπαϊκή Επιτροπή παρουσίασε το νέο Πακέτο Τεχνολογικής Ανεξαρτησίας (Technological Sovereignty Package), στο οποίο περιλαμβάνεται και η νέα Στρατηγική για το Ανοιχτό Λογισμικό (Open Source Strategy). Η πρωτοβουλία αυτή σηματοδοτεί μια σημαντική αλλαγή στην ψηφιακή πολιτική της Ευρωπαϊκής Ένωσης, με στόχο τη μείωση της εξάρτησης από ιδιόκτητες τεχνολογίες και την ενίσχυση της ευρωπαϊκής τεχνολογικής αυτονομίας.
Η πρόκληση της εξάρτησης από ιδιόκτητο λογισμικό
Σήμερα, η Ευρωπαϊκή Ένωση δαπανά περίπου 264 δισεκατομμύρια ευρώ ετησίως για προϊόντα και υπηρεσίες πληροφορικής, με το μεγαλύτερο μέρος αυτών των δαπανών να κατευθύνεται σε ιδιόκτητες λύσεις λογισμικού. Η κατάσταση αυτή έχει δημιουργήσει μακροχρόνιες εξαρτήσεις από συγκεκριμένους προμηθευτές και έχει περιορίσει την ευελιξία των δημόσιων οργανισμών και επιχειρήσεων. Η νέα στρατηγική της Ευρωπαϊκής Επιτροπής αναγνωρίζει το Ελεύθερο και Ανοιχτό Λογισμικό ως στρατηγικό εργαλείο για την ενίσχυση της ανταγωνιστικότητας της Ευρώπης. Παράλληλα, αναδεικνύει τις θεμελιώδεις ελευθερίες που το συνοδεύουν: τη δυνατότητα χρήσης, μελέτης, διαμοιρασμού και βελτίωσης του λογισμικού.
Η αρχή «Open Source First»
Κεντρικό στοιχείο της νέας πολιτικής αποτελεί η εισαγωγή της αρχής «Open Source First» μέσω του επερχόμενου νομοθετήματος Cloud and AI Development Act (CADA). Σύμφωνα με αυτήν, οι δημόσιες διοικήσεις θα πρέπει να προτιμούν λύσεις ανοιχτού λογισμικού στις προμήθειες λογισμικού για υποδομές cloud και εφαρμογές τεχνητής νοημοσύνης.Επιπλέον, το λογισμικό που αναπτύσσεται ή αποκτάται με δημόσιους πόρους θα πρέπει να είναι διαθέσιμο για επαναχρησιμοποίηση από άλλους δημόσιους φορείς. Η προσέγγιση αυτή στοχεύει στη μείωση του φαινομένου του «vendor lock-in», δηλαδή της εξάρτησης από έναν μόνο προμηθευτή τεχνολογικών λύσεων. Ωστόσο, ειδικοί επισημαίνουν ότι η επιτυχία της στρατηγικής θα εξαρτηθεί από την αποτελεσματική εφαρμογή της και την αποφυγή πιθανών παραθύρων που θα μπορούσαν να περιορίσουν την πρακτική της επίδραση.
Στήριξη της ευρωπαϊκής καινοτομίας
Η νέα στρατηγική δίνει ιδιαίτερη έμφαση στη στήριξη των ευρωπαϊκών μικρομεσαίων επιχειρήσεων και των εταιρειών που δραστηριοποιούνται στον χώρο του ανοιχτού λογισμικού. Για τον σκοπό αυτό προβλέπονται νέες κατευθυντήριες γραμμές για τις δημόσιες προμήθειες, οι οποίες θα διευκολύνουν τη συμμετοχή μικρότερων ευρωπαϊκών παρόχων σε διαγωνισμούς που μέχρι σήμερα ευνοούσαν κυρίως μεγάλους διεθνείς προμηθευτές. Παράλληλα, η Ευρωπαϊκή Ένωση θέτει ως προτεραιότητα την ανάπτυξη ανοιχτών τεχνολογιών σε κρίσιμους τομείς όπως οι μικροεπεξεργαστές RISC-V, οι πλατφόρμες cloud, τα πλαίσια ανάπτυξης τεχνητής νοημοσύνης και τα ελεύθερα λειτουργικά συστήματα για κινητές συσκευές.
Χρηματοδότηση και στόχοι έως το 2030
Για την υλοποίηση της στρατηγικής, η Ευρωπαϊκή Ένωση σχεδιάζει να διαθέσει 2 δισεκατομμύρια ευρώ σε ορίζοντα επτά ετών. Το ποσό αυτό θα χρηματοδοτήσει δράσεις ανάπτυξης και συντήρησης κρίσιμων έργων ανοιχτού λογισμικού, συμπεριλαμβανομένων μηχανισμών σταθερής χρηματοδότησης για βασικές ψηφιακές υποδομές. Παρότι το ποσό θεωρείται σημαντικό, παραμένει μικρό σε σύγκριση με τις ετήσιες δαπάνες των 264 δισεκατομμυρίων ευρώ για ιδιόκτητο λογισμικό και υπηρεσίες. Επιπλέον, η Επιτροπή στοχεύει, σε συνεργασία με τα κράτη-μέλη και τις Ευρωπαϊκές Κοινοπραξίες Ψηφιακών Υποδομών (EDICs), να φτάσει τα 30 εκατομμύρια ενεργούς χρήστες εργαλείων συνεργασίας και ασφαλούς ανταλλαγής μηνυμάτων βασισμένων σε ανοιχτό λογισμικό έως το 2030.
Εκπαίδευση και ψηφιακή ανεξαρτησία
Ιδιαίτερη βαρύτητα δίνεται και στον τομέα της εκπαίδευσης. Η Ευρωπαϊκή Επιτροπή αναγνωρίζει την ανάγκη για ανεξάρτητα ψηφιακά εργαλεία στα σχολεία και τα πανεπιστήμια και σχεδιάζει να υποστηρίξει την ανάπτυξη μιας ολοκληρωμένης σουίτας ανοιχτού λογισμικού για εκπαιδευτικά ιδρύματα. Παράλληλα, προβλέπεται η προώθηση εκπαιδευτικών προγραμμάτων και καταρτίσεων που δεν θα εξαρτώνται από συγκεκριμένους προμηθευτές .
Η νέα Στρατηγική για το Ανοιχτό Λογισμικό αποτελεί μία από τις πιο φιλόδοξες προσπάθειες της Ευρωπαϊκής Ένωσης να ενισχύσει την ψηφιακή της κυριαρχία και να δημιουργήσει ένα πιο ανοιχτό, ανταγωνιστικό και βιώσιμο τεχνολογικό οικοσύστημα. Αν εφαρμοστεί αποτελεσματικά, μπορεί να συμβάλει στη μείωση της εξάρτησης από εξωτερικούς τεχνολογικούς παρόχους, να ενισχύσει την ευρωπαϊκή καινοτομία και να προσφέρει μεγαλύτερη διαφάνεια και έλεγχο στις δημόσιες ψηφιακές υποδομές. Ωστόσο, η πραγματική επιτυχία της θα κριθεί από την υλοποίηση των μέτρων και τη δέσμευση των κρατών-μελών να υιοθετήσουν στην πράξη τις αρχές του ανοιχτού λογισμικού.
Η ψηφιοποίηση της υγείας αποτελεί μία από τις σημαντικότερες προκλήσεις αλλά και ευκαιρίες για την Ευρωπαϊκή Ένωση. Σε έναν κόσμο όπου οι πολίτες ταξιδεύουν, σπουδάζουν και εργάζονται συχνά σε διαφορετικές χώρες, η άμεση και ασφαλής πρόσβαση σε ιατρικές πληροφορίες μπορεί να αποδειχθεί καθοριστική για την ποιότητα της παρεχόμενης φροντίδας. Με αυτό το όραμα, η Ευρωπαϊκή ... Read more
Στο πλαίσιο του φετινού μαραθώνιου λημματογράφησης CEE Spring, δημιουργήθηκαν και επεκτάθηκαν 753 λήμματα στην Ελληνική Βικιπαίδεια σχετικά με τις χώρες της Ανατολικής και Κεντρικής Ευρώπης.
Η φετινή συμμετοχή ανέδειξε για ακόμη μία χρονιά τη σημασία της συνεργατικής συγγραφής και της εθελοντικής συμβολής στη διάδοση της ελεύθερης γνώσης. Οι συντάκτες της Βικιπαίδειας συνέβαλαν ουσιαστικά στον εμπλουτισμό της εγκυκλοπαίδειας με αξιόπιστο και τεκμηριωμένο περιεχόμενο, καλύπτοντας ένα ευρύ φάσμα θεμάτων που αφορούν την ιστορία, τον πολιτισμό, τη γεωγραφία και την κοινωνία των χωρών της περιοχής.
Ο διαγωνισμός CEE Spring αποτελεί ετήσια πρωτοβουλία της κοινότητας των Βικιπαιδιστών της Κεντρικής και Ανατολικής Ευρώπης, με στόχο την ενίσχυση της διαπολιτισμικής κατανόησης και την αύξηση της ποικιλομορφίας του περιεχομένου στις γλωσσικές εκδόσεις της Βικιπαίδειας. Η ελληνική κοινότητα συμμετέχει ενεργά, αποδεικνύοντας τη σταθερή της δέσμευση στην προώθηση της ελεύθερης και ανοικτής γνώσης.
Ο διαγωνισμός διοργανώθηκε για μία ακόμη χρονιά από το Wikimedia Community User Group Greece.
Απευθύνονται θερμά συγχαρητήρια σε όλους τους συμμετέχοντες και ιδιαιτέρως στους πέντε νικητές:
Στο πλαίσιο του φετινού μαραθώνιου λημματογράφησης CEE Spring, δημιουργήθηκαν και επεκτάθηκαν 753 λήμματα στην Ελληνική Βικιπαίδεια σχετικά με τις χώρες της Ανατολικής και Κεντρικής Ευρώπης.
Η φετινή συμμετοχή ανέδειξε για ακόμη μία χρονιά τη σημασία της συνεργατικής συγγραφής και της εθελοντικής συμβολής στη διάδοση της ελεύθερης γνώσης. Οι συντάκτες της Βικιπαίδειας συνέβαλαν ουσιαστικά στον εμπλουτισμό της εγκυκλοπαίδειας με αξιόπιστο και τεκμηριωμένο περιεχόμενο, καλύπτοντας ένα ευρύ φάσμα θεμάτων που αφορούν την ιστορία, τον πολιτισμό, τη γεωγραφία και την κοινωνία των χωρών της περιοχής.
Ο διαγωνισμός CEE Spring αποτελεί ετήσια πρωτοβουλία της κοινότητας των Βικιπαιδιστών της Κεντρικής και Ανατολικής Ευρώπης, με στόχο την ενίσχυση της διαπολιτισμικής κατανόησης και την αύξηση της ποικιλομορφίας του περιεχομένου στις γλωσσικές εκδόσεις της Βικιπαίδειας. Η ελληνική κοινότητα συμμετέχει ενεργά, αποδεικνύοντας τη σταθερή της δέσμευση στην προώθηση της ελεύθερης και ανοικτής γνώσης.
Ο διαγωνισμός διοργανώθηκε για μία ακόμη χρονιά από το Wikimedia Community User Group Greece.
Απευθύνονται θερμά συγχαρητήρια σε όλους τους συμμετέχοντες και ιδιαιτέρως στους πέντε νικητές:
Με αφορμή τη συμπλήρωση δέκα ετών από την ίδρυσή του, το Nextcloud γιορτάζει ένα σημαντικό ορόσημο για το ανοιχτό λογισμικό, την ιδιωτικότητα και την ψηφιακή κυριαρχία. Από το 2016, όταν αποτέλεσε ένα τολμηρό fork του ownCloud από τον ιδρυτή Frank Karlitschek, το Nextcloud έχει εξελιχθεί από ένα εργαλείο διαμοιρασμού αρχείων σε μία πλήρη πλατφόρμα συνεργασίας, εξυπηρετώντας εκατοντάδες χιλιάδες ψηφιακούς χώρους εργασίας κάθε μήνα. Το 2026, η πλατφόρμα αριθμεί περισσότερους από 500.000 ενεργούς διακομιστές παγκοσμίως, με εκατομμύρια χρήστες να επιλέγουν την αυτονομία έναντι του εγκλεισμού σε λύσεις μεγάλων παρόχων.
Μια δεκαετία εξέλιξης και καινοτομίας
Η πορεία του Nextcloud χαρακτηρίζεται από συνεχή καινοτομία και προσαρμογή στις ανάγκες της κοινότητας. Βασισμένο σε γλώσσες PHP και JavaScript, και διαθέσιμο σε περισσότερες από 60 γλώσσες, το σύστημα μπορεί να φιλοξενηθεί σε οποιοδήποτε περιβάλλον Linux, ενώ οι πελάτες του υποστηρίζουν Windows, macOS, Linux, FreeBSD, Android και iOS. Σε αυτή τη δεκαετία, η πλατφόρμα εισήγαγε λειτουργίες που την τοποθέτησαν στην αιχμή της τεχνολογίας: από την επαναστατική μηχανή ADA για επιτάχυνση πρόσβασης και επεκτασιμότητα, έως την ενσωμάτωση δυνατοτήτων AI και αυτοματοποιημένων ροών εργασίας που σέβονται την ιδιωτικότητα. Παράλληλα, η αναγνώριση της αξίας της ήταν συνεχής: διακρίθηκε 10 συνεχόμενες φορές στα CloudComputing-Insider Readers’ Choice Awards (κερδίζοντας πέντε φορές την πλατινένια διάκριση), ενώ ο Frank Karlitschek τιμήθηκε με το European Open Source Award for Business & Impact.
Ψηφιακή Κυριαρχία. Η απάντηση στους Big Tech
Σε μια εποχή όπου οι μεγάλες τεχνολογικές εταιρείες απειλούν τη λεγόμενη «ψηφιακή κυριαρχία», το Nextcloud αναδεικνύεται ως η ισχυρή, εναλλακτική λύση ανοιχτού λογισμικού. Αντί να δεσμεύονται τα δεδομένα σε κλειστά οικοσυστήματα, τα άτομα και οι οργανισμοί ανακτούν τον έλεγχο. Η πρόσφατη έκδοση Hub 26 Spring, που θα παρουσιάστηκε στις 9 Ιουνίου 2026, δίνει έμφαση σε εργαλεία μετανάστευσης από το Microsoft 365 και το Google Workspace, ελέγχους για την εκτέλεση μοντέλων Τεχνητής Νοημοσύνης εντός της υποδομής του χρήστη, ενώ απλοποιεί τη συμμόρφωση με κανονισμούς όπως ο GDPR (Γενικός Κανονισμός για την Προστασία Δεδομένων). Σύμφωνα με τον CEO Frank Karlitschek, αυτή είναι η στιγμή όπου η κοινότητα καλείται να υπερασπιστεί περαιτέρω τον έλεγχο των δεδομένων και τα ανοικτά πρότυπα.
Τεχνική ισχύς και απεριόριστη επεκτασιμότητα
Για τους διαχειριστές συστημάτων, το Nextcloud παραμένει ένα ευέλικτο, ασφαλές και ισχυρό εργαλείο. Υποστηρίζοντας βάσεις δεδομένων όπως SQLite, MySQL/MariaDB και PostgreSQL, και λειτουργώντας σε οποιοδήποτε διακομιστή Linux, η πλατφόρμα είναι έτοιμη για φόρτωση από μικρές εγκαταστάσεις έως υπερ-κλίμακες εκατομμυρίων χρηστών. Η ενότητα Nextcloud Talk αποτελεί λύση αιχμής για επικοινωνία, ενώ οι μηχανισμοί κρυπτογράφησης (από άκρο σε άκρο, φιλτράρισμα ευαίσθητων δεδομένων με AI, αυτόματο κλείδωμα αρχείων για αποφυγή συγκρούσεων) ικανοποιούν και τις πιο αυστηρές απαιτήσεις ασφαλείας. Σύμφωνα με συγκριτικές αναλύσεις, το Nextcloud υπερτερεί σε πληρότητα λειτουργιών, ενοποίηση εφαρμογών και δυνατότητες συνεργασίας, αποτελώντας μια ολοκληρωμένη πλατφόρμα, σε αντίθεση με πιο εξειδικευμένες λύσεις όπως το Seafile. Η ενεργή κοινότητα εκατοντάδων προγραμματιστών και ο τακτικός κύκλος εκδόσεων (κυκλοφορία κάθε 4 μήνες με υποστήριξη 1 έτους) εξασφαλίζουν σταθερότητα, ενημερώσεις ασφαλείας και μακροπρόθεσμη υποστήριξη.
Γιορταστικές εκδηλώσεις και Events
Το καλοκαίρι του 2026 είναι αφιερωμένο στον εορτασμό αυτής της δεκαετίας. Κύριο σημείο αναφοράς αποτελεί το Nextcloud Summit, που πραγματοποιείται στο Μόναχο στις 9 Ιουνίου, με ομιλίες από ειδικούς όπως η Δρ. Sachiko Muto (Πρόεδρος του OpenForum Europe) και τη συμμετοχή της γερμανικής κυβέρνησης, της Ευρωπαϊκής Επιτροπής και της SUSE. Ακολουθεί το Nextcloud Community Conference (19-20 Σεπτεμβρίου στο Βερολίνο), όπου καλούνται μέλη της κοινότητας να συμμετάσχουν ως ομιλητές. Ακόμα, η ομάδα του Nextcloud συλλέγει βίντεο και ιστορίες από χρήστες στην καμπάνια «10 years of Nextcloud: share your story», προσκαλώντας τους πάντες να γίνουν μέρος του αφηγήματος. Η ψηφοφορία για το βραβείο CloudComputing-Insider, όπου το Nextcloud είναι υποψήφιο για 10η φορά, παραμένει ανοιχτή έως τις 31 Αυγούστου 2026.
Κοιτάζοντας μπροστά. Το μέλλον με εγγυήσεις ιδιωτικότητας
Καθώς το Nextcloud εισέρχεται στη δεύτερη δεκαετία ζωής του, θέτει νέους στόχους για την εμβάθυνση της ψηφιακής αυτονομίας, τη βελτιστοποίηση της AI που σέβεται τα δεδομένα και την επέκταση των δυνατοτήτων ενορχήστρωσης. Η ενεργή συμμετοχή της κοινότητας, που περιλαμβάνει χιλιάδες προγραμματιστές, μεταφραστές και οργανισμούς, παραμένει ο βασικός πυλώνας επιτυχίας.
Είτε είστε απλός χρήστης που αναζητά μια ασφαλή λύση αποθήκευσης, είτε διαχειριστής που επιθυμεί να κλιμακώσει μια ευέλικτη υποδομή συνεργασίας, το Nextcloud αποτελεί την πλέον αξιόπιστη επιλογή που σέβεται τον απόλυτο έλεγχο των δεδομένων σας. Ο εορτασμός δέκα χρόνων είναι η κατάλληλη στιγμή για να γίνετε κι εσείς μέλος της κοινότητας. Εξερευνήστε το Nextcloud Hub 26, εγκαταστήστε τον διακομιστή σας, ή απλά ψηφίστε για την αποστολή του στον διαγωνισμό CloudComputing-Insider. Το επόμενο κεφάλαιο της ψηφιακής ιστορίας γράφεται από εμάς.
O πλανήτης αποτελεί ένα τόπο συνάντησης των μελών της ελληνικής κοινότητας ΕΛ/ΛΑΚ.
Τα άρθρα του πλανήτη συλλέγονται αυτόματα χωρίς ανθρώπινη παρέμβαση, αποτελούν πνευματική ιδιοκτησία των συγγραφέων τους και αντικατοπτρίζουν τις απόψεις τους.
Η διαχείριση του πλανήτη γίνεται δημόσια μέσα από το σχετικό repository της υπηρεσίας GitHub: greek-libre-planet, όπου μπορείς να ζητήσεις την προσθήκη του blog σου δηλώνοντας το feed της κατηγορίας, του tag, ή το γενικό feed του blog σου, το όνομα/επώνυμο σου και προαιρετικά το avatar σου, αφού πρώτα εγγραφείτε και κατόπιν συνδεθείτε στην υπηρεσία GitΗub, ανοίγοντας νέο issue που θα περιέχει τα συγκεκριμένα στοιχεία σου.
(Αν δεν έχετε λογαριασμό στην υπηρεσία GitHub, για να προστεθει το blog σου θα προστεθεί στον πλανήτη ΕΛ/ΛΑΚ μπορείτε εναλλακτικά να μας αποστειλετε τα παραπάνω στοιχεία στην ηλεκτρονική διεύθυνση info @ eellak gr.)
Ημερομηνία: Παρασκευή, 10 Ιουλίου 2026
Ώρα: 11:30 – 13:00 (ώρα Ελλάδας) / 10:30 – 12:00 CET
Τόπος: Διαδικτυακά μέσω Zoom
Προεγγραφή:
Σύνδεσμος Zoom:
Ιστότοπος έργου:
Πού: Πανεπιστήμιο Δυτικής Αττικής (Θηβών 250, Αιγάλεω)
Είσοδος: Δωρεάν — όπως αρμόζει στο ελεύθερο λογισμικό
Προθεσμία υποβολών: Κυριακή 18 Οκτωβρίου 2026, 23:59 (ώρα Ελλάδας)
Υπέβαλε εδώ: 
Αναλυτικά το κάλεσμα: 
