ChatGPT

Ένας ισχυρισμός που εξαπλώνεται στα social media έχει στρέψει τα βλέμματα στον αυξανόμενο ρόλο της τεχνητής νοημοσύνης στην ανάπτυξη τεχνολογικών έργων χαμηλού κόστους. Σύμφωνα με μια viral ανάρτηση, ένας 20χρονος φοιτητής από την Κίνα δημιούργησε μέσα σε μόλις εννέα ημέρες ένα σύστημα ανίχνευσης ταχύτητας οχημάτων με τη βοήθεια του AI βοηθού Claude, χρησιμοποιώντας μια παλιά κάμερα και περίπου 20 δολάρια σε API. Η ίδια ανάρτηση υποστηρίζει ότι αργότερα πούλησε το project σε τοπική κυβερνητική υπηρεσία έναντι 317.000 δολαρίων.

Η ιστορία έγινε γρήγορα viral, με πολλούς χρήστες να συζητούν κατά πόσο ένα τέτοιο επίτευγμα είναι ρεαλιστικό, να αναρωτιούνται για την τεχνολογία πίσω από το σύστημα και για το πώς ένα τόσο μικρό project θα μπορούσε να καταλήξει σε ένα τόσο μεγάλο δημόσιο συμβόλαιο. Παράλληλα, η υπόθεση άνοιξε τη συζήτηση γύρω από την προσβασιμότητα της τεχνητής νοημοσύνης, την ταχύτητα της σύγχρονης καινοτομίας και το κατά πόσο πλέον ένας ανεξάρτητος δημιουργός μπορεί να ανταγωνιστεί μεγάλες εταιρείες τεχνολογίας.

Η υπόθεση άρχισε να διαδίδεται όταν ο επιχειρηματίας Min Choi, με έδρα την Κίνα, δημοσίευσε σχετική ανάρτηση στο X (πρώην Twitter). Σύμφωνα με τον ίδιο, ο φοιτητής χρησιμοποίησε το Claude για να αναπτύξει ένα σύστημα τεχνητής νοημοσύνης που μπορεί να υπολογίζει την ταχύτητα των οχημάτων και να αναγνωρίζει πινακίδες κυκλοφορίας. Η ανάρτηση παρουσιάζει το project ως παράδειγμα του πώς τα σύγχρονα AI εργαλεία επιτρέπουν πλέον σε μεμονωμένους προγραμματιστές να δημιουργούν εφαρμογές που παλαιότερα απαιτούσαν μεγάλες ομάδες ανάπτυξης.

Δείτε αυτή τη δημοσίευση στο Instagram.

Η δημοσίευση κοινοποιήθηκε από το χρήστη Future Tech (@futuretech)

Ωστόσο, τα περισσότερα στοιχεία της ιστορίας παραμένουν αδιευκρίνιστα. Δεν υπάρχει ανεξάρτητη επιβεβαίωση για την ταυτότητα του φοιτητή, τη διαδικασία ανάπτυξης, τη συμφωνία πώλησης ή ακόμη και το αν η τοπική αρχή αγόρασε πράγματι το σύστημα έναντι των 317.000 δολαρίων. Μέχρι στιγμής, η viral ανάρτηση αποτελεί ουσιαστικά τη μοναδική πηγή αυτών των ισχυρισμών, ενώ δεν έχουν δημοσιευθεί επίσημα έγγραφα ή ανακοινώσεις που να επιβεβαιώνουν τη συναλλαγή.

Το σύστημα που περιγράφεται στην ανάρτηση φαίνεται να συνδυάζει εικόνα από κάμερα με τεχνολογία computer vision. Θεωρητικά, ένα τέτοιο σύστημα μπορεί να αναγνωρίζει κινούμενα οχήματα, να υπολογίζει την ταχύτητά τους και να διαβάζει τις πινακίδες κυκλοφορίας μέσω αναγνώρισης εικόνας. Παρόμοιες τεχνολογίες χρησιμοποιούνται ήδη σε πολλές χώρες για έλεγχο ταχύτητας, διόδια και αυτοματοποιημένη επιβολή του ΚΟΚ.

Η διαφορά εδώ είναι ο ισχυρισμός ότι ένας μόνο φοιτητής κατάφερε να δημιουργήσει μια λειτουργική έκδοση μέσα σε λίγες ημέρες και με ελάχιστο κόστος. Παρόλα αυτά, η ανάρτηση δεν εξηγεί την αρχιτεκτονική του συστήματος, τον εξοπλισμό που χρησιμοποιήθηκε πέρα από μια παλιά κάμερα ούτε την ακρίβεια στην αναγνώριση πινακίδων και στον υπολογισμό της ταχύτητας. Αυτές οι ελλείψεις αποτέλεσαν βασικό σημείο αμφισβήτησης από πολλούς χρήστες.

Η ανάρτηση συγκέντρωσε χιλιάδες αντιδράσεις. Ορισμένοι σχολίασαν: «Πώς κατάφερε να πείσει μια δημόσια υπηρεσία να πληρώσει 317.000 δολάρια;». Άλλοι στάθηκαν στις δυνατότητες της τεχνητής νοημοσύνης: «Το AI θα αυτοματοποιήσει σχεδόν πλήρως την επιβολή των ορίων ταχύτητας. Είναι απίστευτο πόσο γρήγορα εξελίσσεται η τεχνητή νοημοσύνη». Υπήρξαν όμως και αρκετές επιφυλάξεις. Πολλοί αναρωτήθηκαν ποια είναι η πραγματική ακρίβεια του συστήματος, αν έχει δοκιμαστεί σε πραγματικές συνθήκες κυκλοφορίας και αν πρόκειται για ολοκληρωμένο προϊόν ή απλώς για πρωτότυπο. Αρκετοί επίσης αμφισβήτησαν το ποσό των 317.000 δολαρίων, αναρωτώμενοι αν αγοράστηκε το λογισμικό, η πνευματική ιδιοκτησία, κάποια άδεια χρήσης ή ένα ολοκληρωμένο επιχειρησιακό σύστημα.

Ανεξάρτητα από το αν οι συγκεκριμένοι ισχυρισμοί είναι ακριβείς, η ιστορία αντικατοπτρίζει μια ευρύτερη τάση. AI βοηθοί προγραμματισμού όπως το Claude, το ChatGPT και άλλες αντίστοιχες υπηρεσίες επιτρέπουν πλέον σε μεμονωμένους δημιουργούς να αναπτύσσουν εφαρμογές πολύ ταχύτερα. Οι βοηθοί αυτοί μπορούν να δημιουργούν κώδικα, να εντοπίζουν σφάλματα, να προτείνουν λύσεις και να επιταχύνουν την ανάπτυξη πρωτοτύπων. Ωστόσο, η χρήση AI δεν αντικαθιστά τη σωστή μηχανική λογισμικού, τις δοκιμές και την πιστοποίηση ενός προϊόντος, ειδικά όταν αυτό προορίζεται για δημόσιες υποδομές.

Η ιστορία τράβηξε το ενδιαφέρον επειδή παρουσιάζει ένα εντυπωσιακό σενάριο: ένα project που φέρεται να δημιουργήθηκε με εξοπλισμό χαμηλού κόστους και ελάχιστη επένδυση να καταλήγει σε μια πώληση εκατοντάδων χιλιάδων δολαρίων. Παράλληλα, ενισχύει τη συζήτηση για το πώς το AI μειώνει τα εμπόδια εισόδου στην ανάπτυξη λογισμικού, επιτρέποντας σε μικρές ομάδες ή ακόμη και σε μεμονωμένους δημιουργούς να αναπτύσσουν εφαρμογές που μέχρι πριν λίγα χρόνια απαιτούσαν σημαντικούς πόρους.

Οι HDDs μπορεί να είναι απλώς ένα μικρό κουτί από αλουμίνιο, χαλκό και μερικές φορές κεραμικά, αλλά το πιο ανθρώπινο χαρακτηριστικό τους είναι προφανώς ότι αρχίζουν να καθυστερούν όταν τους φωνάζεις. Ένας engineer το ανακάλυψε αυτό πριν από 17 χρόνια.

Στο X, ο Ben Dicken μοιράστηκε πρόσφατα αυτή την ανακάλυψη του Brendan Gregg, ο οποίος πλέον πιθανότατα φωνάζει σε HDDs στην OpenAI, όπου εργάζεται. Όμως πριν τον προσλάβει ο Sam Altman, τον Δεκέμβριο του 2008, ο Bryan Cantrill ανέβασε στο YouTube ένα video με τον χαρακτηριστικό τίτλο "Shouting in the Datacenter". Ο Gregg έδειξε ότι το να φωνάξεις αρκετά δυνατά μπορεί να αυξήσει το latency σε ένα server rack, και μάλιστα μπορούσε να εντοπίσει ποια περιοχή δεχόταν το μεγαλύτερο χτύπημα από τη φωνή, καθώς ο υπολογιστής του σημείωνε οποιονδήποτε δίσκο χρειαζόταν περισσότερο χρόνο από το φυσιολογικό για να λειτουργήσει.

Αν αναρωτιέστε γιατί συμβαίνει αυτό, το να φωνάξεις αρκετά δυνατά και αρκετά κοντά στον δίσκο προκαλεί δονήσεις, και η δόνηση του δίσκο μπορεί να δημιουργήσει προβλήματα latency. Βέβαια, πρέπει να βρίσκεσαι αρκετά κοντά στον δίσκο για να συμβεί αυτό. Στο video, ο Gregg βάζει το χέρι του γύρω από τον δίσκο και φωνάζει ακριβώς δίπλα του. Το ίδιο το video γυρίστηκε σε ένα data center, όπου υπάρχει ένας αρκετά δυνατός συνεχόμενος θόρυβος, ο οποίος όμως δεν φαίνεται να προκαλεί προβλήματα latency.

Υπάρχουν πολλά φυσικά εξαρτήματα μέσα στους σκληρούς δίσκους που εξηγούν γιατί οι δονήσεις μπορούν να είναι τόσο μεγάλο πρόβλημα. Οι SSDs, από την άλλη, δεν έχουν την ίδια αδυναμία. Δεν είναι μόνο πιο γρήγοροι, αλλά και πιο ανθεκτικοί, καθώς βασίζονται σε ηλεκτρικά ρεύματα αντί για μηχανικές κινήσεις για την ανάγνωση και εγγραφή δεδομένων: «Θυμάστε τότε που ο @brendangregg φώναξε σε σκληρούς δίσκους για να τους κάνει πιο αργούς; Κάποιος ας επιβεβαιώσει ότι οι NVMe SSDs είναι άτρωτοι.»

Οι σκληροί δίσκοι είναι περίεργες συσκευές. Τόσο περίεργες, μάλιστα, που το "Rhythm Nation" της Janet Jackson αποτέλεσε κάποτε μια μορφή cyberattack, επειδή το τραγούδι περιείχε την ίδια φυσική συχνότητα συντονισμού με πολλά 5400 RPM laptop hard δίσκοs. Κάποιος μπορούσε να παίξει το τραγούδι από το δικό του μηχάνημα και να προκαλέσει crash σε κοντινά laptops, αν αυτά είχαν τον λάθος δίσκο. Το πρόβλημα ήταν τόσο σοβαρό που επηρέαζε laptops μεταξύ 2005 και 2009.

Remember that time @brendangregg shouted at hard drives to make them slower?

Someone please confirm nvme ssd is immune. pic.twitter.com/fbdKyEkMoz

— Ben Dicken (@BenjDicken) June 11, 2026

Οπότε μην παίζετε Janet Jackson στο laptop σας του 2006 και μην φωνάζετε στον σκληρό δίσκο σας. Ο Gregg λέει: «Το υψηλό latency που προκαλείται από δονήσεις είναι πραγματικό πρόβλημα. Το έχετε δει. Υπάρχει». Στο οποίο ο Cantrill απαντά: «Απλά μην αφήνετε τον Brendan να φωνάζει στους δίσκους σας.»