Για να επιτευχθεί η τεχνητή γενική νοημοσύνη, ή AGI, μια μηχανή πρέπει να είναι σε θέση να εξισώσει ή να ξεπεράσει τις ανθρώπινες ικανότητες στη μάθηση και την εφαρμογή της γνώσης.

Αν και η τεχνολογία δεν έχει φτάσει ακόμα σε αυτό το επίπεδο — και η ύπαρξη της AGI αποτελεί αντικείμενο έντονων συζητήσεων — η τεχνητή νοημοσύνη έχει ήδη κατακτήσει ορισμένες δεξιότητες. Για παράδειγμα, οι υπολογιστές νικούν τους ανθρώπους στο σκάκι εδώ και σχεδόν τρεις δεκαετίες. Φέτος, τόσο η Alphabet και το ChatGPT της OpenAI σημείωσαν επιδόσεις επιπέδου χρυσού μεταλλίου στην Διεθνή Μαθηματική Ολυμπιάδα, τον παγκόσμιο διαγωνισμό μαθηματικών για μαθητές προπανεπιστημιακής ηλικίας.

Οι άνθρωποι δεν είναι πολύ καλοί στην επιλογή μετοχών — ακόμη και εκείνοι που το κάνουν επαγγελματικά. Σύμφωνα με μια μελέτη του 2024 από την S&P Global, περίπου το 90% των ενεργών διαχειριστών δημόσιων μετοχικών αμοιβαίων κεφαλαίων υπολείπονται του δείκτη τους.

Το MarketWatch έθεσε την ακόλουθη ερώτηση στα chatbots ChatGPT της OpenAI, Gemini της Google, Claude της Anthropic και Grok της xAI: «Είστε διαχειριστής χαρτοφυλακίου τεχνολογίας και αναζητάτε ευκαιρίες για το 2026. Παρακαλώ, μοιραστείτε πέντε από τις μετοχές τεχνολογίας που σας εμπνέουν μεγαλύτερη εμπιστοσύνη για το επόμενο έτος».

Οι ρεπόρτερ επέλεξαν ένα πλαίσιο ρόλων αντί για μια άμεση ερώτηση, προκειμένου να παρακάμψουν τους περιορισμούς των LLM. Όταν ζητήθηκε μια λίστα με «επιλογές μετοχών» χωρίς το υποθετικό πλαίσιο, το Claude αρνήθηκε να απαντήσει, επιμένοντας ότι «δεν είναι χρηματοοικονομικός σύμβουλος» και δεν μπορεί να παρέχει επενδυτικές συστάσεις.

Το Claude και το Gemini συμπεριέλαβαν και τα δύο μια δήλωση αποποίησης ευθύνης ότι απαντούσαν σε υποθετικό ρόλο και δεν προσέφεραν πραγματικά επενδυτικές συμβουλές, ενώ ενθάρρυναν την πραγματοποίηση ανεξάρτητης έρευνας. Το Grok είπε να «συμβουλεύεστε πάντα έναν χρηματοοικονομικό σύμβουλο για εξατομικευμένες συμβουλές».

Τα αποτελέσματα δεν προσέφεραν κάτι καινούργιο. Αντί να ανακαλύψουν ευκαιρίες που δεν έχουν γίνει γνωστές, τα chatbots επέλεξαν μια μάλλον ομοιογενή επιλογή ονομάτων υποδομών AI και hyperscalers που καθορίζουν επί του παρόντος τον τομέα της AI.

Η Nvidia ήταν η ομόφωνα κορυφαία επιλογή, ένα αναμενόμενο αποτέλεσμα δεδομένου του ρόλου της ως κυρίαρχου προμηθευτή τσιπ τεχνητής νοημοσύνης που τροφοδοτούν τα πιο προηγμένα μοντέλα στον κόσμο. Ορισμένες από τις άλλες μετοχές των «Magnificent Seven», οι οποίες είναι επίσης πελάτες του κατασκευαστή τσιπ, επισημάνθηκαν από τα chatbots, όπως η Microsoft.

Η μηχανή Claude υποδήλωσε «σκόπιμη υπερεκτίμηση των ημιαγωγών», απαντώντας ότι οι μετοχές υποδομών είναι «εκεί όπου βρίσκονται τα πιο ανθεκτικά προπύργια και οι ορατές τροχιές ζήτησης». Η Gemini, από την άλλη πλευρά, προσέθεσε κάποια ποικιλία συμπεριλαμβάνοντας τις εταιρείες λογισμικού Palantir Technologies και CrowdStrike Holdings.

Το ChatGPT έδωσε συγκεκριμένες κατανομές χαρτοφυλακίου, προτείνοντας έκθεση 50% έως 60% σε ονόματα «βασικής ανάπτυξης» όπως Nvidia, Amazon.com και Microsoft, και το υπόλοιπο σε κατασκευαστές τσιπ Advanced Micro Devices και Broadcom. Επίσης, επεσήμανε εξειδικευμένες υποδομές τεχνητής νοημοσύνης, όπως «αναδυόμενες νεοφυείς επιχειρήσεις κβαντικής τεχνολογίας/τεχνητής νοημοσύνης», ως πιθανές επιλογές για παρακολούθηση.

Η διαδικασία με την οποία τα LLM «συλλογίζονται» μπορεί να εξηγήσει πώς αυτά τα chatbots κατέληξαν στα αντίστοιχα συμπεράσματά τους. Κατά τη διάρκεια της αρχικής φάσης εκπαίδευσης, οι προγραμματιστές τροφοδοτούν το μοντέλο με τεράστιες ποσότητες δεδομένων μέχρι μια συγκεκριμένη ημερομηνία, τα οποία το μοντέλο χωρίζει σε «tokens», δηλαδή κομμάτια λέξεων ή φράσεων.

Το μοντέλο συμμετέχει επανειλημμένα σε μια διαδικασία που ονομάζεται «πρόβλεψη επόμενου token», όπου μαθαίνει να προβλέπει την πιο πιθανή επόμενη λέξη σε μια ακολουθία. Με την πάροδο του χρόνου, αυτή η διαδικασία ενισχύει τις μαθηματικές συνδέσεις, ή «βάρη», μεταξύ σχετικών εννοιών — για παράδειγμα, συνδέοντας στενά το «Nvidia» με το «AI».

Αν και τα μοντέλα εκπαιδεύονται σε παρόμοια σύνολα δεδομένων, διαφέρουν όταν οι ερευνητές προσαρμόζουν τα βάρη τους για να ευνοήσουν συγκεκριμένα αποτελέσματα. Αυτό σημαίνει ότι οι απαντήσεις που παράγονται από το LLM δεν είναι απαραίτητα σωστές, αλλά απλώς οι πιο πιθανές. Αν το LLM δεν έχει τη δυνατότητα να σερφάρει στο διαδίκτυο όπως οι πιο πρόσφατες εκδόσεις του ChatGPT, τα δεδομένα εκπαίδευσης είναι ξεπερασμένα.

Ας πάρουμε ως παράδειγμα μια πρόσφατη μελέτη ερευνητών του Πανεπιστημίου της Φλόριντα. Οι ερευνητές ζήτησαν από το ChatGPT-4 να προβλέψει μελλοντικά οικονομικά γεγονότα, όπως τα επιτόκια και τα ποσοστά ανεργίας, αλλά «έκοψαν» τα δεδομένα εκπαίδευσης στο 2023, ενώ διεξήγαγαν τη μελέτη το 2025. Επίσης, δεν επέτρεψαν στο μοντέλο να έχει πρόσβαση στο διαδίκτυο.

Η ομάδα διαπίστωσε ότι το ChatGPT-4 είχε σχεδόν τυχαίες προβλέψεις όταν δεν μπορούσε πλέον να αξιοποιήσει τη βάση γνώσεων που είχε απομνημονεύσει, δηλαδή τα δεδομένα με τα οποία είχε εκπαιδευτεί.

Διαβάστε ακόμη

Τέλη κυκλοφορίας 2026: «Ποδαρικό» για τα μειωμένα πρόστιμα σε περίπου 800.000 ιδιοκτήτες

Η αποκαθήλωση της «βασίλισσας» Tesla – Το 2025 έχασε τα πρωτεία από την κινεζική BYD

Ανάλυση FT: Πόσα κερδίζει πραγματικά η Κριστίν Λαγκάρντ – 50% υψηλότερες αποδοχές από τον επίσημο μισθό

Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφτείτε το Πρώτο Θέμα