Τον καθοριστικό ρόλο των μεγάλων γλωσσικών μοντέλων και των διαδικασιών αξιολόγησης στην ανάπτυξη αξιόπιστων και λειτουργικών συστημάτων τεχνητής νοημοσύνης (ΤΝ) ανέδειξε η συζήτηση με τίτλο «LLMs and Evals: Building reliable AI agents», στο πλαίσιο του συνεδρίου EmTech Europe 2026. Στη συζήτηση συμμετείχαν ο Rohit Patel, Director στα Meta Superintelligence Labs, και η Charlotte Jee, Senior Reporter στο MIT Technology Review, η οποία είχε και τον ρόλο του συντονισμού.
Η συζήτηση επικεντρώθηκε στον τρόπο με τον οποίο τα μεγάλα γλωσσικά μοντέλα (Large Language Models – LLMs) σχεδιάζονται, αναπτύσσονται και αξιολογούνται, καθώς και στη σημασία των διαδικασιών αξιολόγησης (evaluations – evals) για τη διασφάλιση της αξιοπιστίας και της αποτελεσματικότητάς τους. Ο Rohit Patel παρουσίασε με συστηματικό τρόπο τη λειτουργία των μοντέλων αυτών, εξηγώντας πώς από βασικές αριθμητικές αναπαραστάσεις και ακολουθίες δεδομένων προκύπτουν, μέσω σταδιακών μαθηματικών διεργασιών, πολύπλοκες γλωσσικές δομές και τελικά εφαρμογές παραγωγικής ΤΝ. Μέσα από παραδείγματα, ανέδειξε τη μετάβαση από την επεξεργασία αριθμών στην κατανόηση και παραγωγή χαρακτήρων, λέξεων και εννοιών, καταδεικνύοντας τη μεθοδολογική βάση πάνω στην οποία στηρίζονται τα σύγχρονα συστήματα ΤΝ.
Ιδιαίτερη έμφαση έδωσε στο ερώτημα «πώς μεταβαίνουμε από ένα generating text σε έναν αληθινό ψηφιακό κόσμο», εξηγώντας ότι το κρίσιμο στοιχείο είναι η ικανότητα των μοντέλων να μαθαίνουν να χρησιμοποιούν εργαλεία, δηλαδή να αλληλεπιδρούν με άλλα συστήματα και πηγές πληροφορίας. Η εξέλιξη αυτή, όπως σημείωσε, σηματοδοτεί τη μετάβαση από απλά μοντέλα παραγωγής κειμένου σε ολοκληρωμένους ψηφιακούς «πράκτορες» ΤΝ, οι οποίοι μπορούν να επιτελούν σύνθετες εργασίες σε πραγματικά περιβάλλοντα.
Καθοριστικό ρόλο σε αυτή τη διαδικασία διαδραματίζουν οι μηχανισμοί αξιολόγησης. Οπως τόνισε ο κ. Patel, «το eval είναι ένα μέσο να αξιολογήσουμε και να βαθμολογήσουμε ένα AI model για τις επιδόσεις του», υπογραμμίζοντας ότι χωρίς αξιόπιστα συστήματα αξιολόγησης δεν είναι δυνατόν να διαπιστωθεί εάν ένα μοντέλο είναι κατάλληλο για τον σκοπό για τον οποίο προορίζεται. Σημείωσε επίσης ότι για την ορθή αξιολόγηση απαιτείται ο συνδυασμός πολλαπλών παραμέτρων, τόσο σε επίπεδο σχεδιασμού του ίδιου του μοντέλου όσο και σε επίπεδο ανάπτυξης των μεθοδολογιών αξιολόγησης, ενώ ανέδειξε και τον κρίσιμο ρόλο του ανθρώπινου παράγοντα σε αυτή τη διαδικασία.
Η συζήτηση επεκτάθηκε και στις προκλήσεις που σχετίζονται με την επιλογή της κατάλληλης τεχνολογίας. Σε σχετική ερώτηση της κ. Jee «μήπως συχνά στηριζόμαστε στη λάθος τεχνολογία», ο κ. Patel εξέφρασε την πεποίθηση ότι ο άνθρωπος διατηρεί την ικανότητα να κρίνει και να επιλέγει την κατάλληλη λύση, ανάλογα με το εκάστοτε πρόβλημα, δίνοντας έμφαση στη σημασία της ορθής αξιοποίησης των διαθέσιμων εργαλείων.
Αναφερόμενη στις διαφορετικές μεθόδους αξιολόγησης, η κ. Jee έθεσε το ζήτημα της ανάγκης διαμόρφωσης νέων και ενδεχομένως πιο αποτελεσματικών κριτηρίων, με τον κ. Patel να επισημαίνει ότι η αξιολόγηση δεν αποτελεί αποκλειστικά τεχνολογικό ζήτημα, αλλά απαιτεί συσσωρευμένη γνώση, εμπειρία και βαθιά κατανόηση των εφαρμογών της ΤΝ. Στο ίδιο πλαίσιο, η κ. Jee διατύπωσε το ερώτημα «Γιατί είναι σημαντική η αξιολόγηση του AI model», με τον κ. Patel να απαντά ότι υπάρχει μια θεμελιώδης σχέση ανάμεσα στην εξέλιξη της τεχνολογίας και στις προσδοκίες που αυτή δημιουργεί, γεγονός που καθιστά την αξιόπιστη αξιολόγηση ακόμη πιο κρίσιμη.
Κλείνοντας, ο κ. Patel αναφέρθηκε στις μελλοντικές εξελίξεις, εκτιμώντας ότι το επόμενο σημαντικό βήμα θα είναι η ενοποίηση (integration) επιμέρους ισχυρών μοντέλων, γεγονός που αναμένεται να ενισχύσει περαιτέρω τις δυνατότητες των συστημάτων ΤΝ. Οπως προέκυψε από τη συζήτηση, η ανάπτυξη αξιόπιστων εφαρμογών ΤΝ δεν εξαρτάται μόνο από την πρόοδο των ίδιων των μοντέλων, αλλά και από την ικανότητά μας να τα αξιολογούμε με ακρίβεια, να τα ενσωματώνουμε αποτελεσματικά και να τα χρησιμοποιούμε με τρόπο που ανταποκρίνεται στις πραγματικές ανάγκες της κοινωνίας και της οικονομίας.
