Ιωάννης Αντώνογλου, Reflection AI: Η επόμενη γενιά τεχνητής νοημοσύνης ανοιχτή & προσβάσιμη σε όλους

Παναγιώτης: Γιάννη καλησπέρα.

Γιάννης: Καλησπέρα Παναγιώτη.

Παναγιώτης: Σε ευχαριστούμε πολύ που είσαι μαζί μας.

Γιάννης: Εγώ ευχαριστώ πολύ για την πρόσκληση.

Παναγιώτης: Είμαι πολύ χαρούμενος που θα έχουμε αυτή τη συζήτηση. Είναι ένα πολύ, καταρχάς, ενδιαφέρον θέμα η τεχνητή νοημοσύνη.

Γιάννης: Ναι, ναι.

Παναγιώτης: Αλλά για να προϊδεάσω λίγο και τους θεατές μας, έχουμε μπροστά μας ένα από τα πιο επιτυχημένα startups στην τεχνητή νοημοσύνη παγκοσμίως, που έχει Έλληνα co-founder. Μπορεί να είναι και το πιο πετυχημένο so far, αλλά το πιάνουμε από την αρχή και θα μας πεις τα πάντα, θα αφήσουμε τους θεατές να βγάλουν τα δικά τους συμπεράσματα. Πριν πάμε σε όλη αυτή τη συζήτηση, θα ήθελα να βάλουμε το context. Πες μας λίγο τι είναι η Reflection AI;

Γιάννης: Η Reflection AI είναι μια εταιρεία τεχνητής νοημοσύνης. Ο στόχος της είναι να φτιάξει αυτό που λέμε agentic μοντέλα. Τα agentic είναι μοντέλα τα οποία έχουν τη δυνατότητα αυτόνομα να εκτελούν tasks από την αρχή μέχρι το τέλος. Η μεγάλη διαφορά της Reflection είναι ότι θέλει αυτά τα μοντέλα να τα διαθέσει σε όλους. Θέλουμε να τα έχουμε ανοιχτού κώδικα, όπως λέγεται, και να έχει τη δυνατότητα ο καθένας να το εγκαταστήσει και να το τρέξει και να μπορεί να υπάρξει έρευνα η οποία γίνεται με βάση αυτά τα μοντέλα.

Παναγιώτης: Το 2024 ξεκινάτε.

Γιάννης: Ναι, η εταιρεία είναι ένα με ενάμιση χρόνο, είναι λιγότερο από ενάμιση χρόνο.

Παναγιώτης: Και ήδη έχει μεγαλώσει πολύ αυτό, με ενάμισι χρόνο ζωής στα μέσα του 2024 ξεκινάτε και ήδη έχετε φτάσει, όποιος ακολουθεί τα νέα της τεχνητής νοημοσύνης και βλέπει, έχετε κάνει δύο πραγματικά σπουδαίες χρηματοδοτήσεις, οι οποίες σας έχουν φτάσει ήδη στο μισό δις.

Γιάννης: Ναι.

Παναγιώτης: Αξία της εταιρείας. Εγώ βλέπω ένα κύμα από Έλληνες founders στην τεχνητή νοημοσύνη, οι οποίοι είναι όλοι τους σπουδαγμένοι, μεγαλωμένοι και σπουδαγμένοι στην Ελλάδα.

Γιάννης: Ναι.

Παναγιώτης: Εσύ γεννιέσαι και σπουδάζεις στη Θεσσαλονίκη.

Γιάννης: Εγώ γεννήθηκα στη Θεσσαλονίκη, μεγάλωσα στη Θεσσαλονίκη, σπούδασα στο Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης στο τμήμα των Ηλεκτρολόγων Μηχανικών και μετά έφυγα για μεταπτυχιακές σπουδές στο Εδιμβούργο και μετά σπούδασα στο Πανεπιστήμιο του UCL, έκανα το διδακτορικό μου στο Λονδίνο.

Παναγιώτης: Μίλησέ μας λίγο για τα παιδικά σου χρόνια στη Θεσσαλονίκη. Πώς ήταν τα σχολικά σου χρόνια, πώς ήταν η οικογένειά σου, πώς όλα αυτά έχουν συνεισφέρει στη διαδρομή σου μέχρι σήμερα;

Γιάννης: Ναι, βασικά νομίζω η οικογένειά μου ήταν μια τυπική ελληνική οικογένεια της δεκαετίας του '90. Η μητέρα μου δεν εργαζόταν, μας μεγάλωνε. Ο πατέρας μου είχε μια μικρή βιοτεχνία στην οποία δούλευε με τον αδερφό του. Ήταν ωραία χρόνια, ήταν αθώα χρόνια τότε, ειδικά στη Θεσσαλονίκη.

Παναγιώτης: Τι χρονολογία μιλάμε περίπου; Έχεις γεννηθεί πότε;

Γιάννης: Εγώ γεννήθηκα το '88, το 1988. Οπότε τα παιδικά μου χρόνια ήταν στη δεκαετία του '90, η οποία νομίζω ήταν μια καλή δεκαετία για την Ελλάδα, ανεξάρτητα ότι συνέβη μετά. Ήταν μια καλή δεκαετία για την Ελλάδα και ήταν ωραία να έχεις τα παιδικά σου χρόνια εδώ πέρα.

Παναγιώτης: Ήταν ωραίο να είσαι παιδί στα 90s, ήμουν και εγώ παιδί στα 90s, ήμουν το '86 εγώ.

Γιάννης: Ναι, ναι.

Παναγιώτης: Ήταν ωραία, ήταν ανέμελα να είσαι παιδί στα 90s. Ακριβώς. Δεν είχες όλα αυτά τα screens μπροστά σου, ήσουν όλη την ώρα στη γειτονιά, είχες το χρόνο να βαρεθείς.

Γιάννης: Ναι, έτρεχες με τους φίλους σου, έπαιζες μπάλα, έκανες διάφορα πράγματα. Αυτό που θυμάμαι από μικρός ήταν ότι, επειδή ο πατέρας μου είχε τη δικιά του μικρή επιχείρηση με τον αδερφό του, υπήρχε πάντα μια τάση προς την επιχειρηματικότητα. Ή το να κάνεις κάτι δικό σου, το οποίο νομίζω ότι εντάξει είναι και κοινό. Είναι το αστείο που λέμε, είναι ότι πας στη γιαγιά σου της λες ότι δουλεύεις στην NASA και σου λέει να τα μάθεις να έρθεις να κάνεις κάτι δικό σου εδώ πέρα. Είναι πολύ αυτής της λογικής η Ελλάδα. Και υπήρχε και σε μένα μια τάση, μια περισσότερη λογική να κάνεις κάτι δικό σου.

Παναγιώτης: Έχει ενδιαφέρον γιατί, ξέρεις, νομίζω ότι οι γονείς όταν είναι ένας από αυτούς, ή και δύο επιχειρηματίες, αυτό επηρεάζει πάρα πολύ την αντίληψη που έχουμε για την επιχειρηματικότητα και μπορεί να την επηρεάσει και από τις δύο πλευρές. Δηλαδή, μπορείς να δεις τους γονείς σου να δυσκολεύονται, να ρισκάρουν πολύ, να χαλάει πολλές φορές η ισορροπία μέσα στην οικογένεια, μπορείς να τους δεις όμως και να νιώθουν ολοκληρωμένοι, να νιώθουν επιτυχημένοι, να τους δεις να μεγαλώνουν, να αλλάζει η οικονομική κατάσταση μιας οικογένειας. Πώς ήταν η δική σου εμπειρία και πόσο συνδεδεμένο είναι ότι με το γεγονός ότι είσαι τώρα εσύ επιχειρηματίας;

Γιάννης: Η επιχειρηματικότητα προφανώς έχει τα ups και τα down της. Νομίζω ότι η επιχειρηματικότητα ειδικά στα 90s πήγαινε καλά η οικονομία, οι δουλειές πήγαιναν γενικά καλά, οπότε δεν είχαμε έτσι βιώσει κάποιες δυσκολίες. Αυτό που μπορώ να πω είναι ότι αυτό που είχε ο πατέρας μου ήταν τη λογική ότι δεν υπάρχουν φραγμοί στο τι μπορείς να κάνεις και το τι θέλεις να πετύχεις. Μπορεί να πεις ξέρω εγώ στους γονείς σου «θέλω να γίνω αστροναύτης». Οι πολλοί γονείς θα πούνε «ε, μικρό παιδί είναι, δεν ξέρει, δεν καταλαβαίνει», το ένα το άλλο. Ο πατέρας μου ήταν πάντα της λογικής «οκ, άμα θέλεις να γίνεις αστροναύτης, κάτσε να το βάλουμε κάτω να δούμε πώς μπορείς να το κάνεις και τι χρειάζεται για να το κάνεις». Οπότε ποτέ δεν μου έβαλε φραγμούς στο πού μπορώ να φτάσω, ή τι μπορώ να κάνω. Απλά πάντα μου έλεγε ότι «άμα θέλεις να κάνεις αυτό, απλά να ξέρεις ότι είναι πάρα πολύ δύσκολο και πρέπει να κάτσεις να δεις ποια είναι τα βήματα που πρέπει να πάρεις». Το οποίο νομίζω ήταν αυτό που έκανε την διαφορά σε μένα, ότι έλεγα ότι «α, θέλω να πάω και να κάνω κάτι σημαντικό, εντάξει, κάτσε να δω πώς μπορώ να το κάνω», αντί η πρώτη λογική μου να ήταν «ε, αυτό είναι πολύ δύσκολο, ε, σιγά που εγώ από τη Θεσσαλονίκη θα πάω να το κάνω και δεν ξέρω εγώ τι». Υπήρχε μια λογική και από τον πατέρα μου, ο οποίος και αυτός εργαζόταν πολύ σκληρά, οπότε υπήρχε έτσι μια λογική ότι πρέπει να εργάζεσαι πολύ και ειδικά από τον  παππού μου. Ο παππούς μου, ο πατέρας της μητέρας μου, ήταν άνθρωπος, ήταν εργάτης μια ζωή, ήταν άνθρωπος της εργατιάς, αλλά πάντα ήταν πάρα πολύ της οικογένειας και πάντα πίστευε ότι η δουλειά είναι αυτό το οποίο έχει, το οποίο σε εξυψώνει με μια έννοια. Υπήρχε, παρόλο που ήμασταν ορθόδοξοι, υπήρχε ένα προτεσταντικό νομίζω.

Παναγιώτης: Ότι η δουλειά είναι προορισμός του ανθρώπου έτσι.

Γιάννης: Όχι ότι η δουλειά είναι προορισμός, αλλά ότι σε εξυψώνει, ότι είναι σημαντικό να δουλεύεις και ότι ρε παιδί μου η τεμπελιά είναι αμάρτημα σχεδόν. Οπότε από μικρό πάντα ήθελα να με έχει να κάνω κάτι, να εργάζομαι και πάντα υπήρχε μια τάση ότι πρέπει να εργάζεσαι, πρέπει να δουλεύεις και πρέπει να δουλεύεις σκληρά. Οπότε και από τα δύο πρότυπα που είχα, και τον πατέρα μου και τον παππού μου, υπήρχε αυτή η έννοια ότι πρέπει να δουλεύεις πολύ.

Παναγιώτης: Υπήρχε κάποιος άλλος παράγοντας που σε οδήγησε να γίνεις ηλεκτρολόγος μηχανικός;

Γιάννης: Ο παράγοντας ήταν ότι ήθελα να μάθω πολύ τα μαθηματικά και ήταν μια σχολή η οποία άνοιγε πολλές πόρτες. Οπότε η λογική ήταν ότι θα ήταν μια καλή αρχή για οτιδήποτε θέλω να κάνω και μου άρεσε και η τεχνολογία. Οπότε λέω θα το ξεκινήσω και θα δούμε πώς θα πάμε από εκεί.

Παναγιώτης: Και περνάς στην πόλη σου.

Γιάννης: Ναι, πέρασα στη Θεσσαλονίκη. Ναι. Είχα γράψει και καλά και ήθελα να μείνω στη Θεσσαλονίκη. Είμαι από Θεσσαλονίκη. Οπότε είχα βάλει μόνο Θεσσαλονίκη, δεν είχα βάλει καν άλλες πόλεις.

Παναγιώτης: Μίλα μας λίγο για το πανεπιστήμιο, μίλα μας λίγο για το τι ευκαιρίες σου δόθηκαν μέσα σε αυτό και ποιοι συντελούν στην πορεία αυτή που έχεις ακολουθήσει μέχρι σήμερα;

Γιάννης: Εγώ έχω μια έτσι νομίζω αιρετική άποψη για το ελληνικό πανεπιστήμιο.

Παναγιώτης: Παρακαλώ.

Γιάννης: Με την έννοια ότι πολλοί, ειδικά στην Ελλάδα, πιστεύουν ότι το ελληνικό πανεπιστήμιο είναι πάρα πολύ καλό. Εγώ δεν πιστεύω ότι είναι τόσο καλό. Έχω μια αιρετική άποψη. Αυτό που πιστεύω ότι συμβαίνει είναι ότι είναι δύσκολο, είναι πολύ δύσκολο. Είναι δύσκολο γιατί υπάρχει και μια έλλειψη οργάνωσης, το οποίο το κάνει ακόμα πιο δύσκολο.

Παναγιώτης: Είναι λίγο πάνω σου να τα καταφέρεις ή όχι.

Γιάννης: Ναι, είναι λίγο πάνω σου να τα καταφέρεις. Είναι λίγο ότι μπορεί άλλοι να σου διδάσκουν, άλλοι να σε ρωτήσουν, υπάρχει λίγο αυτό.

Παναγιώτης: Υπήρχαν σημεία τα οποία σε βοήθησαν να συνεχίσεις αυτή την απόπειρα; Να μην χάσεις την όρεξή σου, πέρα από το ποιος είσαι εσύ σαν χαρακτήρας, σαν ξέρω εγώ ένα εργαστήριο, ένας καθηγητής;

Γιάννης: Έχω δύο καθηγητές βασικά, που έχω σε μεγάλη εκτίμηση. Ο ένας είναι ο κ. Πιτσιάνης, ο οποίος είναι στο Αριστοτέλειο, αλλά ήταν και στην Αμερική στο Cornell και στο Dukes, ο οποίος ήταν ο πρώτος που μου έμαθε πώς να γράφω CUDA. Η CUDA είναι η γλώσσα προγραμματισμού. Λέγονται GPUs, οι συσκευές αυτές, οι κάρτες γραφικών. Αυτές οι κάρτες γραφικών είναι η βάση της τεχνητής νοημοσύνης. Άμα δεν υπήρχαν αυτές οι κάρτες γραφικών, δεν θα μπορούσαμε να είμαστε εδώ. Ό,τι έχει φτιαχτεί, έχει φτιαχτεί λόγω αυτών των καρτών και αυτό η Nvidia, η οποία φτιάχνει αυτές τις κάρτες, είναι η πιο μεγάλη εταιρεία στον κόσμο. Με διαφορά. Είναι η μεγαλύτερη κεφαλαιοποίηση από οποιαδήποτε άλλη εταιρεία στον κόσμο, με μεγάλη διαφορά.

Παναγιώτης: Ασύλληπτο, έτσι; Ασύλληπτο.

Γιάννης: Βάζεις αυτές τις κάρτες να κάνουν το οτιδήποτε, είναι η CUDA. Και η CUDA βγήκε αρχές του 2000 και εμείς το 2008 - 2009, πότε ήταν, με το καθηγητή αυτό μας έβαλε να γράφουμε CUDA, δηλαδή που ήταν πρωτόγνωρο, αλλά το έκανε γιατί αυτός δούλευε ταυτόχρονα και στην Αμερική και είχε αυτά τα ερεθίσματα και πραγματικά ήθελε να φέρει τους ίδιους τρόπους εκμάθησης που έχει στην Αμερική να τους φέρει στην Ελλάδα. Και αυτός ήταν, ναι, ένας καθηγητής που το μάθημά του ήταν πολύ δύσκολο, αλλά ήταν πολύ ... το έχω σε πολύ εκτίμηση.

Παναγιώτης: Να υποθέσω ότι αυτός ο καθηγητής είναι και λίγο συνδεδεμένος με την απόφασή σου το 2012 να πας να σπουδάσεις τεχνητή νοημοσύνη, ενώ η τεχνητή νοημοσύνη...

Γιάννης: Το 2011 ήθελα να κάνω τεχνητή νοημοσύνη γιατί, βασικά με ενδιέφερε πολύ η λογική, είχα πάρει δύο μαθήματα τα οποία λεγόταν το ένα pattern recognition, αναγνώριση προτύπων. Και το δεύτερο λεγόταν ρομποτική νοημοσύνη, τα οποία ήταν και τα δύο που μπορούσες να τα πάρεις στο ΑΠΘ και ήταν πολύ καλά μαθήματα και μου έδειξαν την πρώτη φορά ότι πώς μπορείς να χρησιμοποιήσεις υπολογιστές και μαθηματικά, έτσι ώστε να φτιάξεις ένα σύστημα το οποίο παίρνει αποφάσεις για τον εαυτό του. Λέω αυτό είναι καταπληκτικό. Θέλω να μάθω περισσότερο για αυτό. Και έτσι αποφάσισα να πάω στο Εδιμβούργο. Το Εδιμβούργο έχει το παλαιότερο και το μεγαλύτερο εργαστήρι τεχνητής νοημοσύνης στην Ευρώπη. Είναι οι πρώτοι που το ξεκίνησαν. Γι' αυτό το αποφάσισα να πάω εκεί. Ήμουν ανάμεσα στο Εδιμβούργο και στο UCL στο Λονδίνο και πήγα εκεί, έκανα το μάστερ μου, έμεινα ένα χρόνο, από το 2011 μέχρι το 2012. Και το 2012 μετακόμισα στο Λονδίνο και ξεκίνησα να δουλεύω στην DeepMind. Η DeepMind όταν ξεκίνησα ήταν 25 άτομα. Η ερευνητική ομάδα ήταν 6 άτομα. Εγώ ήμουν το 6ο άτομο νομίζω, άμα θυμάμαι καλά.

Παναγιώτης: Εντάξει, πρέπει να κάνουμε ένα pause εδώ. Μπήκες στην DeepMind όταν ήταν 25 άνθρωποι και στην ερευνητική τους ομάδα όταν ήταν 6 άνθρωποι.

Γιάννης: Ναι, ήταν πολύ...

Παναγιώτης: Οπότε το πιάσες την DeepMind που τώρα είναι στην Google και θα μιλήσουμε λίγο και γι' αυτό γιατί είναι και ο λόγος που είσαι στην Αθήνα αυτές τις μέρες, αλλά  ασύλληπτο πράγμα αυτό. ΟΚ. Κάνεις και το PhD σου ταυτόχρονα.

Γιάννης: Το PhD μου το ξεκίνησα μετά μέσα στην DeepMind, αλλά με τον David Silver, θα μπορούμε να μιλήσουμε και γι' αυτό. Αλλά είναι μια πολύ έτσι ευχάριστη εμπειρία για μένα ότι είχα πάει στα γραφεία τους στην DeepMind και είχα πάει γιατί ψάχνανε κάποιον, τέλος πάντων ένας recruiter μου είπε πήγαινε μίλα με αυτούς. Πήγα και μίλησα με τον Shane Legg. Εγώ τώρα ήμουν φρέσκος από το πανεπιστήμιο, έχω μόλις σπουδάσει τεχνητή νοημοσύνη. Η τεχνητή νοημοσύνη μου ακούγεται το καλύτερο πράγμα στον κόσμο.

Παναγιώτης: Όλοι οι υπόλοιποι κοιμόμαστε κατ' αρχάς, να πω εδώ. Δεν έχουμε πάρει ....

Γιάννης: Βασικά όλος ο κόσμος.

Παναγιώτης: Ναι, ναι.

Γιάννης: Και πάω εκεί πέρα και μου λένε ότι θέλουμε να φτιάξουμε ένα σύστημα λέει που θα κάνει ό,τι μπορεί να κάνει και ένας άνθρωπος, να είναι η γενική τεχνητή νοημοσύνη. Και λέω σοβαρά; Και μου λέει σοβαρά. Και λέει είμαστε οι μόνοι που το κάνουμε αυτό στον κόσμο. Και λέω σοβαρά; Και λέω, κοίτα, δεν ξέρω, επειδή μόλις είναι η πρώτη συνέντευξη, δεν ξέρω άμα θα πετύχει η συνέντευξη, ή δεν θα πετύχει, αλλά και να μην πετύχει, εγώ θέλω να βοηθήσω και να συνεισφέρω με όποιο τρόπο μπορώ, γιατί πραγματικά το mission της εταιρείας μου κάνει τρομερή εντύπωση. Και θυμάμαι που μου λέει ο Shane, οκ, έχεις χρόνο τώρα; Και λέω, να κάτσω, γιατί όχι. Και έκατσα από τις 12 μέχρι τις 7 το απόγευμα και έκανα όλες τις συνεντεύξεις τη μία πίσω από την άλλη. Και την άλλη μέρα με παίρνει τηλέφωνο και μου λέει, προσλαμβάνεσαι. Ξεκινάς. Και οπότε, ναι, πραγματικά από την αρχή ήμουν σε φάση. Αυτό είναι η καλύτερη εταιρεία που θα μου τύχει, πρέπει να δουλέψω εκεί. Γιατί όταν ξεκινήσαμε, ήμασταν πολύ, εγώ ήμουν 23 χρονών, έλεγα ότι μάλλον δεν θα γίνει και κάτι, αλλά θα έχει τόσο χαβαλέ να ασχοληθώ με αυτό, που ακόμα και αν ασχοληθώ για το χαβαλέ δύο χρόνια και μετά πάω να βρω αυτό που λέμε πραγματική δουλειά, δεν με νοιάζει.

Παναγιώτης: Και κάθεσαι χρόνια εκεί;

Γιάννης: Ναι, κάθισα. 11 χρόνια κάθισα.

Παναγιώτης: 11 χρόνια. Δεν ξέρω πόσο θα τα καταφέρεις να κάνεις μια περίληψη όλης αυτής της φανταστικής πορείας. Ξέρω ότι όλο το υπόλοιπο κομμάτι και ότι ξεκινάς την επόμενη σου εταιρεία, ξεκινάς τη δική σου εταιρεία και ο co-founder σου είναι όλα συνδεδεμένα με την DeepMind.

Γιάννης: Ναι, ναι.

Παναγιώτης: Πώς μπορείς να μας βοηθήσεις να καταλάβουμε τι φανταστικό story είναι η DeepMind;

Γιάννης: Η DeepMind είναι νομίζω μια, και γι' αυτό ο Demis Hassabis είναι ένα πρότυπο για μένα, είναι ένας άνθρωπος ο οποίος, βασικά τα δύο πρότυπα που έχω στην DeepMind είναι από τη μία ο Demis Hassabis, γι' αυτό που κατάφερα να κάνει με την DeepMind, και ο David Silver που είναι ο καθηγητής μου και ο μάνατζερ μου για πολλά χρόνια. Είμαστε στο 2010, είναι στην καρδιά της οικονομικής κρίσης, η τεχνητή νοημοσύνη δεν υπάρχει καν σαν ιδέα σε κανέναν, και έρχεται ένας άνθρωπος, ο Demis Hassabis, ο οποίος λέει ότι εγώ θα φτιάξω ένα σύστημα το οποίο θα σκέφτεται σαν άνθρωπος. Δεν θα το κάνω στην Καλιφόρνια, που είναι όλα, που είναι όλοι στη Silicon Valley, που είναι όλες οι τεχνολογίες, θα το κάνω στο Λονδίνο, γιατί εγώ είμαι από το Λονδίνο και θέλω να το κάνω εδώ. Και καταφέρνει να πείσει παγκόσμιους μεγαθήρια επενδυτές να του δώσουν τα λεφτά για να ξεκινήσει το εργαστήρι στο Λονδίνο. Το ξεκινάει και μέσα σε τέσσερα χρόνια, από το 2010 μέχρι το 2014, καταφέρνει να φτιάξει το πρώτο αυτό που λέμε breakthrough στην τεχνητή νοημοσύνη με το DQN, και μπορώ να αναφερθώ γιατί δούλεψα και εγώ στο DQN. Και να οδηγηθεί στην εξαγορά της εταιρείας από την Google το 2014 σε μια -για τα δεδομένα της εποχής- τεράστια εξαγορά. Ήταν κοντά 500 εκατομμύρια δολάρια. Αλλά αυτό ήταν το 2014 στην τεχνητή νοημοσύνη. Δεν είναι καμία σχέση με το πώς είναι τα πράγματα τώρα.

Παναγιώτης: Μήπως πρέπει να βάλουμε ένα μηδενικό ακόμα για να καταλάβουμε τι...

Γιάννης: Ναι, σαν τώρα, θα ήταν και περισσότερο, θα ήταν πολύ πολύ ψηλότερο για να το αγοράσεις, αλλά τότε ήταν μια μοναδική επιτυχία. Και προφανώς της Google που κατάφερε το 2014 να δει ότι τα πράγματα θα πάνε έτσι στα επόμενα 10 χρόνια. Και σου λέει κάτσε να πάω την DeepMind τώρα. Δηλαδή για το πόσο αξίζει τώρα η DeepMind την πήρε τζάμπα η Google, την πήρε πραγματικά τζάμπα. Αλλά το γεγονός ότι κατάφερε στο Λονδίνο, να την κρατήσει στο Λονδίνο και να ξεκινήσει .... Στην πραγματικότητα ξεκίνησε η DeepMind τον αγώνα για την τεχνητή νοημοσύνη.

Παναγιώτης: Ξέρεις, αυτό που ξεχωρίζω λίγο περισσότερο και ξεχωρίζει μάλλον τον Demis Hassabis από τους υπόλοιπους είναι ότι he is one of the good guys. Δηλαδή νιώθεις ότι προβληματίζεται.

Γιάννης: Είναι πραγματικά ένας άνθρωπος ο οποίος το κάνει και κάνει την τεχνητή νοημοσύνη για το καλό της ανθρωπότητας. Δηλαδή το όνειρό του είναι το scientific discovery. Δηλαδή τα επιστημονικά επιτεύγματα τα οποία μπορούν να κάνουν τον κόσμο ένα καλύτερο μέρος. Γι' αυτό έχει επενδύσει τόσο πολύ στο AlphaFold. Το AlphaFold είναι ένα σύστημα το οποίο βοηθάει στην ανακάλυψη νέων φαρμάκων, το οποίο οδήγησε και στο Nobel Prize.

Παναγιώτης: Βέβαια.

Γιάννης: Πραγματικά υποστηρίζει την .... Δεν είναι η τεχνητή νοημοσύνη με την έννοια απλά ξέρουμε να βάλουμε χρήματα, είναι με την έννοια ότι πώς μπορούμε να κάνουμε τις επιστημονικές ανακαλύψεις αυτές, οι οποίες μπορούν να λύσουν προβλήματα, όπως είναι το global warming, ή τα ιατρικά θέματα υγείας, θέματα εκπαίδευσης και δεν συμμαζεύεται. 

Παναγιώτης: Εσύ με τι ασχολείσαι στην DeepMind;

Γιάννης: Βασικά καθ' όλη τη διάρκεια της καριέρας μου στην DeepMind, δούλευα σε ένα αντικείμενο μελέτης που λέγεται Deep Reinforcement Learning. Εκμάθηση μηχανών με  νευρωνικά δίκτυα. Ξεκίνησα δουλεύοντας στο DQN. Το DQN είναι ο πρώτος αλγόριθμος που δείχνει ότι γίνεται να το κάνεις αυτό το πράγμα με τον Vlad Nyi. Και μετά ξεκίνησα να δουλεύω με τον David Silver, ο οποίος ήταν και ο καθηγητής μου και ο μάνατζερ μου και σε μεγάλο βαθμό ο μέντοράς μου.

Παναγιώτης: Καθηγητής στο Εδιμβούργο ή στο Λονδίνο;

Γιάννης: Στο Λονδίνο. Στο UCL, εκεί που έκανα το διδακτορικό μου. Και ξεκινάμε να δουλεύουμε στο AlphaGo. Το AlphaGo είναι ο πρώτος υπολογιστής, το πρώτο πρόγραμμα υπολογιστή το οποίο μπορεί να κερδίσει έναν άνθρωπο στο παιχνίδι του Go. Αυτό για τον πολύ κόσμο μπορεί να είναι οκ και σιγά και τι έγινε, αλλά το Go είναι αυτό που λέμε το χρυσό δισκοπότηρο της τεχνητής νοημοσύνης για πάρα πάρα πάρα πολλά χρόνια. Ο λόγος είναι ότι η τεχνητή νοημοσύνη πάντα προσπαθούσε να μελετήσει πώς μπορούμε να λύσουμε προβλήματα τα οποία είναι πολύ δύσκολα για την ανθρώπινη νοημοσύνη χρησιμοποιώντας υπολογιστές. Και για να μπορείς να το μελετήσεις πρέπει να έχεις ένα πρόβλημα το οποίο το καταλαβαίνεις και να μπορείς να εφαρμόσεις τις μεθόδους της τεχνητής νοημοσύνης. Το μεγάλο θέμα με το παιχνίδι αυτό είναι ότι δεν υπάρχουν κανόνες που μπορείς να πεις στον υπολογιστή αν κάτι είναι καλό ή κακό. Ο υπολογιστής πρέπει να έχει αυτό που λέμε την ενσυναίσθηση. Πρέπει να έχει το δικό του ένστικτο. Το δικό του ένστικτο αν κάτι είναι καλό ή δεν είναι καλό. Το πώς μπορείς να μάθεις σε έναν υπολογιστή το ένστικτο που έχει ένας άνθρωπος είναι ένα πρόβλημα το οποίο δεν μπορούσε να λυθεί. Δεν είχε λυθεί. Ήταν ένα ερώτημα. Το AlphaGo αυτό που έκανε είναι ότι έδειξε ότι μπορούμε να εκπαιδεύσουμε νευρωνικά δίκτυα τα οποία καθαρά μόνο με μεθόδους υπολογιστικούς, που μπορεί να αποκτήσει αυτό το ένστικτο. Δηλαδή να δείξεις ένα παιχνίδι Go στον υπολογιστή και ο υπολογιστής να σου πει αυτό μου φαίνεται καλό, ή αυτό δεν μου φαίνεται καλό. Και να το κάνει αυτό σε επίπεδο που είναι καλύτερο από τους καλύτερους παίκτες στον κόσμο. Οπότε όταν ξεκίνησε, όλοι οι ειδικοί της τεχνητής νοημοσύνης πίστευαν ότι αυτό το επίτευγμα θα ήταν 10 χρόνια τουλάχιστον μακριά και 4 μήνες μετά η DeepMind βγάζει το AlphaGo.

Παναγιώτης: Και είσαι μέσα στην ομάδα αυτή;

Γιάννης: Και είμαι μέσα στην ομάδα αυτή. Έχουμε τον αγώνα με τον Lee Sedol στην Κορέα που το AlphaGo κερδίζει 4-1, υπάρχει και ένα ντοκιμαντέρ για την...

Παναγιώτης: Εγώ θυμάμαι να πηγαίνει και ο Demis Hassabis εκεί.

Γιάννης: Ήταν και ο Demis Hassabis, ήταν όλη η ομάδα του AlphaGo.

Παναγιώτης: Και ένα τεράστιο ενδιαφέρον από την παγκόσμια κοινότητα.

Γιάννης: Ειδικά στην Ασία το Go έχει τεράστια απήχηση. Είναι πώς είναι το σκάκι στη Δύση, αλλά ακόμα μεγαλύτερο. Δηλαδή υπήρχαν γιγαντοοθόνες στην Κορέα, στην κεντρική πλατεία της Κορέας που έδειχναν τον αγώνα. Ήταν πρωτοσέλιδο κάθε μέρα πώς πάει ο αγώνας. Ήταν πολύ μεγάλο γεγονός για την Κορέα.

Παναγιώτης: Και όχι μόνο.

Γιάννης: Ήταν αυτό που βασικά ξεκίνησε και πολύ την επένδυση χωρών όπως η Κίνα, η Ιαπωνία, η Κορέα στην τεχνητή νοημοσύνη. Ήταν αυτό που λέμε το Sputnik moment για αυτές τις χώρες. 

Παναγιώτης: Εσείς το κάνατε αυτό. Δηλαδή εκείνη τη στιγμή ξυπνάει η Ασία και η Κίνα κυρίως και ξεκινάνε τις επενδύσεις.

Γιάννης: Ακριβώς, ακριβώς. Τότε ξεκίνησαν.

Παναγιώτης: Ήταν wake-up call αυτός.

Γιάννης: Ακριβώς. Ήταν αυτό που λέμε το Sputnik moment. Όπως στην Αμερική το Sputnik τους έκανε να φτιάξουν το διαστημικό πρόγραμμα, έτσι στην Κίνα αντίστοιχα ήταν που λένε εδώ πέρα πρέπει να ξεκινήσουμε να επενδύουμε σοβαρά. Κάνουμε το AlphaGo, αλλά το AlphaGo είχε πολύ χρήση από ανθρώπινα δεδομένα. Δηλαδή μάθαινε με τη λογική του πώς μαθαίνουν οι άνθρωποι. Οπότε συνεχίσαμε κάνοντας το AlphaGo Zero, το οποίο απλά μάθαινε από μόνο του, δεν χρειαζόταν ανθρώπινη επίβλεψη. Έπαιζε παιχνίδια με τον εαυτό του και έμαθε να παίζει Go σε επίπεδο πολύ καλύτερο από τους καλύτερους ανθρώπους.

Παναγιώτης: Και πολύ γρηγορότερα φαντάζομαι.

Γιάννης: Και γρηγορότερα. Μετά συνεχίσαμε στο AlphaZero που χρησιμοποιήσαμε τους ίδιους μεθόδους σε άλλα παιχνίδια, όπως είναι το σκάκι, όπως είναι το Shogi, που είναι το γιαπωνέζικο σκάκι. Το επεκτείναμε σε ηλεκτρονικά παιχνίδια. Γενικά υπήρξε ο τελικός αλγόριθμος λεγόταν NewZero και η λογική ήταν ότι μπορούσε να εφαρμοστεί σε οποιοδήποτε περιβάλλον, έτσι ώστε να το μάθει και να έχει ένα επίπεδο επιτυχίας το οποίο ήταν υπεράνω των ανθρωπίνων δυνατοτήτων. Και μετά προφανώς αυτό είχε πολλές πραγματικές χρήσεις. Η Tesla για παράδειγμα το χρησιμοποιούσε στα αυτόματα αυτοκίνητα που έχει. Το YouTube το χρησιμοποιούσε για encoding. Τέλος πάντων υπήρχαν διάφορες πρακτικές χρήσεις μετά από αυτό. Πριν φύγω από τη DeepMind, η DeepMind το 2022, βασικά το 2022 βγήκε το ChatGPT, το ChatGPT που όλοι ξέρουμε, βγήκε το 2022, νομίζω ότι ήταν...

Παναγιώτης: Το δικό μας Sputnik moment.

Γιάννης: Το δικό μας Sputnik moment.

Παναγιώτης: Του μέσου καταναλωτή.

Γιάννης: Ακριβώς. Είναι και η στιγμή που οι άνθρωποι καταλαβαίνουν ότι η τεχνητή νοημοσύνη υπάρχει και είναι εδώ. Τι γίνεται ξέρω εγώ, από το πουθενά. Και τότε σε αυτό το σημείο η Google είχε ... Η Google είναι μια τεράστια εταιρεία. Είναι μια πραγματικά τεράστια εταιρεία με πάρα πολλές ομάδες που κάνουν έρευνα πάνω στην τεχνητή νοημοσύνη. Την DeepMind, την Google Brain, το Google Research, έχει πάρα πολλές ομάδες και αποφασίζει ότι πρέπει να φτιάξει μια ομάδα και να φτιάξει το πιο μεγάλο και το πιο ισχυρό μοντέλο στον κόσμο. Και έτσι ξεκινάει το πρόγραμμα Gemini. Και το πρόγραμμα Gemini είναι πραγματικά πολλές διαφορετικές ομάδες από όλη την Google έρχονται μαζί για να φτιάξουν αυτό το μοντέλο. Και εμένα μου αναθέτουν να τρέξω το κομμάτι του RLHF,. Έτσι λέγεται. Το οποίο είναι εκμάθηση μηχανών μέσω από feedback από ανθρώπους. Τι πιστεύουν οι άνθρωποι για τα διαφορετικά αποτελέσματα. Είναι το τρίτο από τα .... Υπάρχουν τρία διαφορετικά στάδια εκπαίδευσης αυτών των μοντέλων. Είναι το τρίτο τελευταίο στάδιο. Οπότε το έκανα αυτό για ένα χρόνο και κατά τη διάρκεια αυτού του project, γνώρισα και τον συνιδρυτή μου, τον Misha Laskin, ο οποίος εργαζόταν πάνω στα reward models μέσα στην ομάδα. Και τον Μάρτη του 2024, πέρσι, αποφασίσαμε να αφήσουμε την Google και την DeepMind και να ξεκινήσουμε την δικιά μας περιπέτεια, ξεκινώντας την Reflection AI.

Παναγιώτης: Και θα πάμε στη Reflection AI και ποια είναι η ιδέα και πώς την προσεγγίζετε με την καινοτομία σας; Αυτό που γρήγορα μου βγαίνει είναι ένα φανταστικό ride αυτό που έζησες στη DeepMind. Πώς αποτυπώνεις αυτή την εμπειρία σε σχέση με το πώς είσαι σαν founder και σαν leader; Τι έμαθες σε όλα αυτά τα χρόνια;

Γιάννης: Αυτό είναι πολύ καλή ερώτηση. Νομίζω ότι το πιο σημαντικό πράγμα όταν έχεις μια εταιρεία, το οποίο όταν ήμουν στην αρχή της DeepMind δεν το πολυ καταλάβαινα. Όσο περνούσε ο χρόνος στην DeepMind το καταλάβαινα περισσότερο και με το που ξεκίνησα τη δικιά μου εταιρεία το συνειδητοποίησα απόλυτα, είναι ότι ίσως το πιο σημαντικό πράγμα σε μια εταιρεία είναι το culture. Είναι το ποια είναι η κουλτούρα της εταιρείας. Και αυτό καθορίζει τα πάντα. Η κουλτούρα και το mission, δηλαδή ο στόχος της που θέλει να πετύχει. Ποιο είναι το long-term στόχο που θέλει να πετύχει η εταιρεία; Ποιο είναι το mission της εταιρείας, είναι τα πιο σημαντικά πράγματα. Γιατί είναι αυτά τα οποία φροντίζουν ο κάθε εργαζόμενος και ο κάθε άνθρωπος μέσα στην εταιρεία να ξέρει πώς θα πάρει αποφάσεις και με βάση τι θα πάρει αποφάσεις. Οπότε θέλεις να έχεις το culture για να ξέρεις ποια είναι αυτό που λέμε τα values, ποιες είναι οι αξίες της εταιρείας, έτσι ώστε να μπορείς να επιλέξεις ταυτόχρονα και να ξέρεις ποια είναι τα tasks, ποια είναι η εργασία που πρέπει να κάνεις, η οποία συνάδει με τον πραγματικό στόχο της εταιρείας. Οπότε αν ξέρεις ότι δεν κάνεις αυτό, άμα μπορείς να κάνεις Α ή Β, να ξέρεις ότι πρέπει να κάνω η Α ή Β, ανάλογα με το ποιο είναι αυτό που συνάδει περισσότερο με τον στόχο και το mission της εταιρείας.

Παναγιώτης: Παίρνεις την απόφαση να ξεκινήσεις τη δική σου εταιρεία με τον co-founder στον Misha.

Γιάννης: Ναι.

Παναγιώτης: Το driver είναι μια προφανής ανάγκη ή μια προφανής λύση;

Γιάννης: Όταν ξεκίνησα στην DeepMind, αυτό που πραγματικά ήταν το δικό μου κάλεσμα, ήταν να φτιάξουμε την τεχνητή νοημοσύνη και να φτιάξουμε την γενική τεχνητή νοημοσύνη. Όταν ξεκινήσαμε τη Reflection, ο κόσμος ήταν σε ένα σημείο καμπής. Πολύς κόσμος πίστευε ότι ο τρόπος για να φτιάξουμε αυτή την τεχνητή νοημοσύνη είναι απλά να χρησιμοποιούμε περισσότερους υπολογιστές και περισσότερα δεδομένα. Υπήρχαν, ειδικά στην Silicon Valley, υπήρχε πάρα πολύς κόσμος που απλά πίστευε ότι το μόνο που χρειαζόμαστε είναι να φτιάξουμε ένα τεράστιο data center. Να δώσουμε ένα τρισεκατομμύριο, να φτιάξουμε ένα τεράστιο data center και η τεχνητή νοημοσύνη απλά θα γίνει. Δεν χρειάζεται τίποτα άλλο. Οπότε είναι απλά θέμα χρόνου και απλά κάπου να βρούμε τα λεφτά ρε παιδιά να το φτιάξουμε. Εμείς δεν πιστεύαμε. Εμείς πιστεύουμε ότι το reinforcement learning είναι ένα αναπόσπαστο κομμάτι της τεχνητής νοημοσύνης και...

Παναγιώτης: Το έχεις δει στην πράξη καταρχάς, στο AlphaGo.

Γιάννης: Το έχω δει και στο AlphaGo. Οπότε πιστεύαμε ότι αυτός είναι ο τρόπος για να το φτιάξεις και θέλαμε να πρώτα απ' όλα να το φτιάξουμε και δεύτερον να το  διαθέσουμε σε όλους. Πιστεύαμε ότι είναι καλό να έχουμε ανοιχτά μοντέλα τα οποία μπορούν να διατεθούν στον κόσμο. Πραγματικά όμως ήταν σε σημείο που το πιστεύαμε πραγματικά. Δηλαδή ήταν ένα θέμα που έπρεπε να το κάνουμε. Δηλαδή το νιώθαμε. Νιώθαμε την ανάγκη ότι έπρεπε να το κάνουμε. Και στην DeepMind θα μπορούσες κάπως να το κάνεις αλλά δεν θα μπορούσες να το κάνεις πραγματικά όπως το έχεις στο μυαλό σου και όπως πραγματικά θέλεις να το κάνεις. Οπότε αποφασίσαμε ότι ο μόνος τρόπος για να να κάνουμε πραγματικά αυτό που θέλουμε να κάνουμε, είναι να ξεκινήσουμε τη δικιά μας εταιρεία.

Παναγιώτης: Με τον Misha πόσο καιρό δουλεύετε μαζί;

Γιάννης: Ένα χρόνο.

Παναγιώτης: Ένα χρόνο. Ήταν γρήγορο το κλικ, δηλαδή...

Γιάννης: Ήταν γρήγορο, ναι.

Παναγιώτης: Γρήγορα βρήκατε ότι είστε και οι δύο passionate για τον ίδιο σκοπό.

Γιάννης: Ακριβώς. Βρήκαμε ότι πραγματικά θέλουμε να πετύχουμε το ίδιο πράγμα και λέμε πάμε να το κάνουμε.

Παναγιώτης: Ξεκινάτε;

Γιάννης: Το Μάρτη.

Παναγιώτης: Το Μάρτη του 2024. Γιατί Νέα Υόρκη;

Γιάννης: Αυτό είναι πολύ καλή ερώτηση. Εγώ ήμουν στο Λονδίνο πάρα πάρα πολλά χρόνια, μέχρι το 2024.

Παναγιώτης: Ναι.

Γιάννης: Και η ομάδα η οποία έτρεχα ήταν κυρίως στο Λονδίνο και στην Καλιφόρνια και κάποιος κόσμος, ο Misha για παράδειγμα, ήταν στη Νέα Υόρκη. Ένα πράγμα το οποίο είχα παρατηρήσει είναι ότι είναι πολύ δύσκολο να δουλεύεις από το Λονδίνο με κόσμο που είναι στην Καλιφόρνια.

Παναγιώτης: Ναι, η διαφορά ....

Γιάννης: Είναι πάρα πολύ δύσκολο. Η διαφορά ώρας είναι 8 ώρες, που σημαίνει ότι έχεις πολύ λίγες ώρες μέσα στην...

Παναγιώτης: Overlap.

Γιάννης: Ναι, μέσα στην ημέρα για να κάνεις overlap. Οπότε είπαμε ότι ή θα πάμε στην Καλιφόρνια, με αποτέλεσμα μετά να μην... Ήξερα πάρα πολύ καλό κόσμο στο Λονδίνο που θα ήταν τρομερός, τρομερό ταλέντο για να εργαστεί μαζί μας. Ή θα πάμε στην Καλιφόρνια και δεν μπορούμε να δουλέψουμε με το Λονδίνο. Ή θα πάμε στο Λονδίνο και μετά αφήνουμε την Καλιφόρνια, αλλά η Καλιφόρνια είναι το επίκεντρο της τεχνητής νοημοσύνης, είναι όλα τα funds. Είναι η καρδιά. Οπότε λέμε ότι άμα πάμε όμως στην Νέα Υόρκη, αυτό μας δίνει easy access και στο Λονδίνο και στην Καλιφόρνια και μπορούμε να εργαστούμε και με ομάδες στην Καλιφόρνια και με ομάδες στο Λονδίνο. Οπότε έτσι αποφασίσαμε να πάμε στη Νέα Υόρκη. Και από την αρχή, δηλαδή τώρα έχουμε γραφεία στο Σαν Φρανσίσκο, στη Νέα Υόρκη και στο Λονδίνο και δηλαδή είμαστε ενάμιση χρόνο και έχουμε γραφεία και στις τρεις. Γιατί από την αρχή ήταν η σκέψη ότι πρέπει να έχουμε γραφεία, δηλαδή ο λόγος που είμαστε στη Νέα Υόρκη είναι για να μπορούμε να έχουμε τα άλλα δύο γραφεία και να μπορούμε να δουλέψουμε.

Παναγιώτης: Οπότε δεν είναι κάτι το οποίο θα άλλαζες αν πήγαινες, αν γυρνούσες το χρόνο πίσω και θα ξεκίναγες εξαρχής Σαν Φρανσίσκο. Η Νέα Υόρκη ήταν κάτι το οποίο απέδωσε.

Γιάννης: Είναι κάτι το οποίο έχει αποδώσει.

Παναγιώτης: Η Runway είναι επίσης με τα κεντρικά της στη Νέα Υόρκη. Νομίζω ότι και άλλες εταιρείες έχουν ακολουθήσει.

Γιάννης: Υπάρχουν. Δεν υπάρχουν τόσες πολλές, οι περισσότερες είναι...

Παναγιώτης: Επίσης Έλληνας, ο Αναστάσης.

Γιάννης: Ο Αναστάσης, ναι.

Παναγιώτης: Είναι και Endeavor Entrepreneurs η Runway. Έχουν μπει στην Endeavor και έχουμε πολύ ωραία πράγματα μαζί τους. Γίνονται πολύ όμορφα πράγματα και ξέρεις χαίρομαι πολύ γιατί και είμαι πολύ αισιόδοξος για τη χώρα, γιατί ο αριθμός των Ελλήνων που είναι στο τιμόνι και στην αιχμή του δόρατος σε αυτή τη νέα τεχνολογία και σε αυτές τις αλλαγές που γίνονται, είναι πολύ μεγαλύτερος από οποιαδήποτε άλλη στιγμή που η τεχνολογία ξέρεις αλλάζει. Έχουμε πραγματικά πολλούς Έλληνες εκεί και πολλούς στη Νέα Υόρκη επίσης. Ποιο ήταν το pitch το οποίο έκανες στους πρώτους εργαζόμενους, βάζοντας σε λίγο στη σκέψη σου ότι ποιο ήταν το pitch αν δεν ήξερε και τεχνολογία. Δηλαδή ποιο ήταν το...

Γιάννης: Βασικά όλοι οι εργαζόμενοι που φέραμε ήταν άνθρωποι που καταλάβαιναν, ήταν της τεχνολογίας, ήταν στα μεγάλα labs, ή ήταν στη DeepMind. Πολλοί από αυτούς ήταν στη DeepMind και τους ξέραμε, είχαμε δουλέψει μαζί και το pitch ήταν ότι ο τρόπος για να φτιάξεις την υπερνοημοσύνη είναι να χρησιμοποιείς αυτά τα πολύ δυνατά μοντέλα και να χρησιμοποιείς μετά reinforcement learning. Ότι αυτό ο στόχος και το ambition της εταιρείας είναι να φτιάξουμε την υπερνοημοσύνη. Αυτός είναι ο στόχος.

Παναγιώτης: Το οποίο πώς μπορούμε να το κάνουμε εμείς οι υπόλοιποι να το φανταστούμε; Είναι ένα σύστημα το οποίο έχει και...

Γιάννης: Ο τρόπος με τον οποίο εμείς το σκεφτόμαστε είναι ένα σύστημα, ένα μοντέλο το οποίο έχει πρόσβαση στον δικό του υπολογιστή και μπορεί να κάνει στον υπολογιστή αυτό οποιαδήποτε εργασία μπορεί να κάνει ένας άνθρωπος. Οπότε άμα του ζητήσεις να φτιάξει οτιδήποτε, ή να να κάνει οτιδήποτε στον υπολογιστή, οποιαδήποτε εργασία του τη ζητάς και θα την κάνει στον δικό του υπολογιστή και εσύ θα πάρεις το τελικό αποτέλεσμα. Αλλά θα το κάνει με τρόπο που είναι καλύτερο και γρηγορότερο από τον άνθρωπο.

Παναγιώτης: Πολύ γρήγορα σηκώνετε ένα ασύλληπτο round. Σηκώσατε ένα γύρο από τη Σεκόγια και ένα γύρο από τη Light Speed. Σωστά.

Γιάννης: Σεκόγια και CRV και μετά Light Speed και CRV.

Παναγιώτης: Το οποίο είναι 25.

Γιάννης: Και μετά 105.

Παναγιώτης: Και 105. Ποιο ήταν το pitch σε αυτούς;

Γιάννης: Το pitch είναι ότι προφανώς έχουμε μια μεγάλη προϋπηρεσία και μια ολόκληρη καριέρα όπου έχουμε δείξει ότι μπορούμε πραγματικά να εκπαιδεύσουμε αυτά τα μοντέλα και να φτιάξουμε πραγματικά τεχνητή νοημοσύνη στο υψηλότερο επίπεδο. Και ο στόχος είναι ότι θέλουμε να φτιάξουμε την υπερνοημοσύνη και να τη χρησιμοποιήσουμε στο να λύσουμε πραγματικά προβλήματα. Και αυτό ήταν το pitch. Το pitch ήταν αυτό. Ξέρουμε πώς να το κάνουμε, έτσι θα γίνει, έτσι πάει ο κόσμος, αυτό θα συμβεί, υποστήριξε μας.

Παναγιώτης: Πού βρίσκεστε αυτή τη στιγμή; Πώς είναι η η κατάσταση της της εταιρείας; Κατ' αρχάς είστε 50 άτομα περίπου;

Γιάννης: Αυτή τη στιγμή είμαστε 50 άτομα.

Παναγιώτης: 50 άτομα.

Γιάννης: Είμαστε σε σημείο καμπής που πραγματικά προσπαθούμε να αυξήσουμε το μέγεθος της εταιρείας. Θα αυξηθεί πολύ τον επόμενο χρόνο. Ο στόχος και όλο το focus και όλη η συγκέντρωση της εταιρείας είναι να φτιάξουμε τα καλύτερα μοντέλα και να τα κάνουμε διαθέσιμα σε όλους. Θέλουμε να κάνουμε open source.

Παναγιώτης: Αλλά ο αρχικός πελάτης είναι εταιρείες, είναι μεγάλοι οργανισμοί;

Γιάννης: Ναι. Οι πελάτες είναι πολύ μεγάλες εταιρείες οι οποίες θέλουν να έχουν τα δικά τους μοντέλα. Θέλουν να έχουν πρόσβαση στα δικά τους μοντέλα και όταν χρησιμοποιείς ένα μοντέλο της Anthropic και της OpenAI δεν το έχεις εσύ το μοντέλο, απλά σου δίνει ένα server που μπορείς να πας και να ρωτήσεις κάτι και να πάρεις μια απάντηση. Αλλά όταν είσαι μια μεγάλη εταιρεία, όπως είσαι για παράδειγμα μια μεγάλη τράπεζα, δεν μπορείς να δώσεις τα στοιχεία των πελατών σου έτσι ώστε να αυτοματοποιήσεις κάποιον έλεγχο, ή οτιδήποτε θέλεις να αυτοματοποιήσεις. Πρέπει να έχεις τα δικά σου μοντέλα, στο δικό σου server και να μπορείς να ελέγχεις το ολόκληρο σύστημα. Και δεν υπάρχουν κάποια μοντέλα που να είναι σε αυτό το επίπεδο τα οποία μπορούν να τα χρησιμοποιήσουν αυτοί οι μεγάλοι πελάτες και αυτοί είναι ο στόχος. Αυτοί που πραγματικά θα είναι οι πρώτοι μας μεγάλοι πελάτες.

Παναγιώτης: Πώς βλέπεις τον ανταγωνισμό;

Γιάννης: Ο πραγματικός ανταγωνισμός είναι οι μεγάλες εταιρείες, είναι η DeepMind, η OpenAI, η Anthropic, η XAI, αλλά έχουμε διαφορετική προσέγγιση. Είμαστε οι μόνοι οι οποίοι πραγματικά ακολουθούμε ένα μονοπάτι ανοιχτού κώδικα που θέλουμε να έχουμε τα μοντέλα διαθέσιμα και να μπορεί ο εκάστοτε πελάτης να τα αγοράσει. Προφανώς άμα θέλεις να το χρησιμοποιήσεις για εμπορικούς λόγους θα πρέπει να το πληρώσεις, αλλά θα μπορείς να το αγοράσεις και να έχεις δικό σου έλεγχο των μοντέλων και το τι μπορούν να κάνουν αυτά τα μοντέλα.

Παναγιώτης: Ένας κόσμος ο οποίος αλλάζει πάρα πολύ γρήγορα.

Γιάννης: Ναι, ναι.

Παναγιώτης: Και όλοι όλοι πασχίζουμε να μείνουμε συνδεδεμένοι με αυτές τις εξελίξεις. Πού βλέπεις σε δύο χρόνια την Reflection να έχει φτάσει και να είναι; Σε πόσες χώρες, σε πόσα γραφεία, πόσους ανθρώπους;

Γιάννης: Πιστεύω ότι στα επόμενα δύο χρόνια η εταιρεία θα είναι σε ένα μέγεθος παρόμοιο με άλλα μεγάλα labs, μερικές εκατοντάδες άτομα. Τα γραφεία θα παραμείνουν εκεί που είναι. Έχουμε γραφεία στο Σαν Φρανσίσκο, στην Καλιφόρνια, στη Νέα Υόρκη και στο Λονδίνο. Αυτές είναι οι τρεις περιοχές που θέλουμε πραγματικά να επενδύσουμε. Έχουμε μια κουλτούρα που ο κόσμος πηγαίνει στο γραφείο. Όταν κάνεις έρευνα, γιατί είναι πολύ σημαντικό να έχεις τη φυσική παρουσία, είναι ότι όταν κάνεις έρευνα έχεις μια ιδέα, θέλεις να πάρεις τον άλλο μηχανικό και να του πεις πάμε μέσα στο γραφείο, πάμε σε αυτό το δωμάτιο να κάτσουμε να το συζητήσουμε, να κάτσουμε να γράψουμε τις ιδέες μας και να υπάρχει αυτό το ...

Παναγιώτης: Η διάδραση.

Γιάννης: Η διάδραση.

Παναγιώτης: Άμεση διάδραση.

Γιάννης: Ακριβώς. Οπότε γι' αυτό είναι σημαντικό να είσαι με φυσική παρουσία.

Παναγιώτης: Συνέκρινε μου λίγο τη ζωή και την εταιρεία ανάμεσα στα τρία γραφεία. Αλλού είναι πιο ανταγωνιστικό, φαντάζομαι, το ταλέντο, αλλού είναι πιο ακριβό, εκεί είναι πιο θορυβώδες. Πώς συγκρίνονται οι τρεις πόλεις;

Γιάννης: Αυτό είναι μια πολύ καλή...

Παναγιώτης: Και πώς είναι να ζεις ανάμεσα στις τρεις πόλεις;

Γιάννης: Ναι, είναι μια πολύ καλή ερώτηση. Λοιπόν, θα έλεγα ότι άμα δει κανείς πού είναι το περισσότερο ταλέντο, είναι με διαφορά στο Σαν Φρανσίσκο, με τεράστια διαφορά. Το δεύτερο μέρος είναι το Λονδίνο. Πραγματικά, επειδή ο Demis φρόντισε το Λονδίνο να είναι η δεύτερη πρωτεύουσα της τεχνητής νοημοσύνης. Και το τρίτο είναι η Νέα Υόρκη, που είναι αρκετά μικρότερη από τα τρία μέρη. Όσον αφορά την ανταγωνιστικότητα του ταλέντου, το Σαν Φρανσίσκο είναι πολύ πιο ανταγωνιστικό από οποιαδήποτε άλλη αγορά, γιατί υπάρχουν πάρα πάρα πολλές εταιρείες οι οποίες ανταγωνίζονται για το ίδιο ταλέντο. Θα έλεγα ότι το Λονδίνο δεν είναι τόσο ανταγωνιστικό, γιατί δεν υπάρχουν τόσο πολλές ευκαιρίες για τους εργαζομένους όσες υπάρχουν στο Σαν Φρανσίσκο. Το ταλέντο του AI είναι πολύ ακριβό παντού. Και δεν πρέπει να το βλέπεις ότι είναι ακριβό ή δεν είναι ακριβό, είναι περισσότερο με την έννοια ότι αυτά τα άτομα έρχονται μαζί σου για να φτιάξετε κάτι μαζί. Οπότε απλά θέλεις να φροντίσεις να έχουν και αυτά, όταν πετύχετε, να έχουν και αυτά αντίστοιχα το σωστό κέρδος και τις σωστές απολαβές της επιτυχίας της εταιρείας. Οπότε μοιράζεσαι το βάρος, αλλά μοιράζεσαι και την επιτυχία.

Παναγιώτης: Η τεχνητή νοημοσύνη, πώς μπορούμε να ανταπεξέλθουμε σε αυτή την γρήγορη, σε αυτό το γρήγορο ρυθμό ανάπτυξης; Και βοήθησέ μας να είμαστε λίγο πιο προετοιμασμένοι για το μέλλον. Τι έρχεται;

Γιάννης: Ναι. Η τεχνητή νοημοσύνη είναι σε αυτή τη φάση σε ένα σημείο που αναπτύσσεται πολύ γρήγορα. Υπάρχουν τεράστιες επενδύσεις που γίνονται. Υπάρχει ακόμα πολύς δρόμος για να βελτιωθεί σημαντικά. Το frontier της τεχνητής νοημοσύνης είναι αυτό που λέμε το agentic, οι πράκτορες. Και οι πράκτορες είναι συστήματα τα οποία τους δίνεις ένα task και μπορούν να το φέρνουν εις πέρας και πρέπει να σου επιστρέψουν το τελικό αποτέλεσμα.

Παναγιώτης: Ένα παράδειγμα να καταλάβουμε και όσοι μπορεί να μην είναι γνώριμοι με το agentic AI.

Γιάννης: Από οτιδήποτε μπορεί να είναι.

Παναγιώτης: Φαντάζομαι να σου απαντάει στα emails μόνο του.

Γιάννης: Ναι, να σου απαντάει στα emails ή να του πεις έχω αυτά τα meetings, πήγαινε και δες στο ημερολόγιό μου, στο calendar μου, πώς μπορώ να τα χωρέσω και μίλα με τον κατάλληλο κόσμο έτσι ώστε να μετακινήσεις meetings δεξιά αριστερά. Ή να του πεις θέλω να μου φτιάξει κάποιος μια σελίδα και να του πεις πήγαινε φτιάξε μου τη σελίδα και όταν είναι έτοιμη φέρτη μου. Αυτοί είναι οι πράκτορες. Ο τρόπος με τον οποίο είναι καλό να σκεφτόμαστε είναι η τεχνητή νοημοσύνη, τα tasks τα οποία μπορεί να κάνει, πόσο θα έπαιρνε έναν άνθρωπο να τα κάνει. Οπότε μπορούμε να πούμε ότι τώρα η τεχνητή νοημοσύνη έχει φτάσει σε σημείο που μπορεί να κάνει αυτόνομα tasks τα οποία σε έναν άνθρωπο θα του έπαιρναν 15-20 λεπτά. Από εκεί θα πας σε tasks τα οποία έπαιρναν σε έναν άνθρωπο μερικές ώρες, μερικές μέρες, μερικούς μήνες, μερικά χρόνια. Σε σημείο που μπορείς να έχεις πράκτορες οι οποίοι απλά αναλαμβάνουν ολόκληρα functions σε μια εταιρεία και απλά συμβαίνουν στο background. Δηλαδή, υπάρχει ένας agent ο οποίος φροντίζει πάντα τα ημερολόγια όλων στην εταιρεία να είναι βελτιστοποιημένα.

Παναγιώτης: Ακριβώς. Optimized.

Γιάννης: Optimized, ακριβώς.

Παναγιώτης: Ή τα τιμολόγια όλα, οι πληρωμές, όλα αυτά.

Γιάννης: Όλα, ακριβώς. Οπότε θα βάζεις έναν πράκτορα και θα πεις ok, αυτό το πρόγραμμα δεν χρειάζεται να ξανασχοληθώ, θα το έχει ο πράκτορας από εδώ και πέρα. Οπότε αυτό θα συμβεί μέσα στα επόμενα 5 χρόνια. 3 με 5 χρόνια. Ο τρόπος, το τι μπορούμε να κάνουμε εμείς για να είμαστε προετοιμασμένοι για αυτό είναι αυτό που λένε και είναι λίγο κλισέ, αλλά ισχύει ότι πρέπει να μάθουμε να χρησιμοποιούμε αυτά τα μοντέλα και να μάθουμε να χρησιμοποιούμε την τεχνητή νοημοσύνη με τρόπο που αυξάνει τη δικιά μας αποδοτικότητα και αυξάνει την εργασία που παράγουμε εμείς. Αυτό που πιστεύω ότι θα συμβεί είναι ότι όλοι οι άνθρωποι θα δουλεύουμε σε ένα επίπεδο abstraction. Σε ένα επίπεδο σκέψης ψηλότερο από ότι τώρα.

Παναγιώτης: Οπότε δεν θα ασχολούμαστε με τα trivial πράγματα. Δεν θα ασχολούμαστε με τις απλές διαδικασίες. Θα έχουμε απαλλαγεί από αυτές, οπότε όλη μας η προσοχή μπορεί να είναι στραμμένη εκεί που πραγματικά αξίζει.

Γιάννης: Ακριβώς, ακριβώς, αυτό θα συμβεί.

Παναγιώτης: Ποια πιστεύεις ότι είναι τα πιο ευάλωτα επαγγέλματα όσο αυτή η τεχνολογία δημιουργείται τα επόμενα χρόνια;

Γιάννης: Νομίζω ότι όλα τα επαγγέλματα θα  αλλάξουν. Δεν νομίζω ότι κάποιο επάγγελμα είναι ευάλωτο γενικά σαν επάγγελμα. Νομίζω ότι αυτό που είναι ευάλωτο είναι συγκεκριμένα functions ή συγκεκριμένες εργασίες σε ένα επάγγελμα. Για παράδειγμα αν η δουλειά σου είναι να είσαι, όπως λέγαμε .... Μιλούσαμε για το calendar, μιλούσαμε για τα ημερολόγια, αν η δουλειά σου είναι να είσαι σαν προσωπικός βοηθός κάποιου, να του φτιάχνεις απλά το calendar, άμα μόνο κάνεις αυτό το πράγμα, προφανώς θα έρθει ένα ρομπότ και θα το κάνει καλύτερα από σένα, οπότε δεν θα χρειάζεται. Αλλά εγώ δεν το βλέπω έτσι. Πάλι θα χρειάζεσαι έναν προσωπικό βοηθό, έναν PA, αλλά θα πρέπει να σκέφτονται σε διαφορετικό επίπεδο. Να σκέφτονται σαν thought partner με τον άνθρωπο με τον οποίο εργάζεται. Και να μην είναι μόνο μηχανικά,  θα πάω και θα κάνω πράγματα στο calendar, αλλά θα είναι τι μπορώ, τι θα πρέπει να γίνει prioritized, πότε θα γίνει prioritized, ποιο είναι το context, τι πρέπει να μπει στην agenda, τι δεν πρέπει να μπει στην agenda, που είναι ένα κομμάτι μεγάλο που γίνεται σε αυτό. Οπότε αυτό το άτομο θα έχει πολύ περισσότερο χρόνο να σκέφτεται σε επίπεδο στρατηγικής, από ότι σε επίπεδο τώρα πρέπει να κάθομαι και να στέλνω αυτά τα email και να παίζω tetris με το calendar κάποιου. Αυτό είναι ένα παράδειγμα.

Παναγιώτης: Ήμουν πολύ πρόσφατα σε ένα ταξί και πήγαινα κάπου και ήμουν στο τηλέφωνο και μίλαγα και αναγκαστικά, επειδή κάνουμε πολλά γύρω από την τεχνητή νοημοσύνη, μίλαγα για κάτι το οποίο άκουσε ο ταξιτζής, το τεχνητή νοημοσύνη, άκουσε κάνα δύο ονόματα, μεγάλες εταιρείες, όλα αυτά και κλείνοντας το τηλέφωνο γύρνα και μου λέει αν έχεις πρόσβαση στον Elon Musk, πες του να καθυστερήσει τα ρομποταξί  4-5 χρόνια να δουλέψουμε λιγάκι και μετά να τα φέρει να ξεκουραστούμε.

Γιάννης: Ναι.

Παναγιώτης: Και αναρωτιέμαι τι θα έλεγες σε αυτόν; 'Η τι θα έλεγες σε έναν άνθρωπο ο οποίος είναι...

Γιάννης: Υπάρχουν κάποια συγκεκριμένα επαγγέλματα, όπως είναι το επάγγελμα του ταξί, του φορτηγού, που θα αυτοματοποιηθούν και τα αυτοκίνητα. Άμα πας στο Σαν Φρανσίσκο έχει τα Waymos, τα οποία είναι παντού, και δεν...

Παναγιώτης: Αν δεν τα σπάνε και δεν τα αφήνουν στην ησυχία τους.

Γιάννης: Γενικά συνήθως είναι .... Το πιο δύσκολο για μένα είναι πάλι όταν οδηγάω εγώ και βλέπεις το Waymo απέναντι και όταν είναι άνθρωπος οδηγός, μπορεί να κάνεις ένα νόημα, να πεις εγώ θα μπω, δεν θα μπεις εσύ, αλλά όταν είναι το ρομπότ λες τώρα τι σκέφτεται, ποιος ξέρει.

Παναγιώτης: Ακριβώς.

Γιάννης: Κοίτα, ναι, υπάρχουν κάποια επαγγέλματα όπως είναι αυτό και ειδικά με τα ρομπότ θα υπάρξουν και άλλα επαγγέλματα τα οποία πλήρως θα αντικατασταθούν από μηχανές. Αλλά συνήθως όταν συμβαίνει αυτό, άλλα επαγγέλματα δημιουργούνται και αυτοί οι άνθρωποι πρέπει να δούνε σε ποιο άλλο επάγγελμα θα μπορούν να απασχοληθούν. Προφανώς οι κυβερνήσεις και πρέπει το σύστημα να είναι έτσι ώστε να βοηθήσει αυτούς τους ανθρώπους. Δεν μπορούμε να τους αφήσει έτσι η κοινωνία. Προφανώς πρέπει να υπάρξουν.... Όταν ξεκινάς την τεχνητή νοημοσύνη, η τεχνητή νοημοσύνη θα αυξήσει την παραγωγικότητα σε βαθμούς αδιανόητους. Αυτοί είναι νέοι πόροι. Αυτοί οι νέοι πόροι, είναι πολύ σημαντικό το κράτος και το κάθε κράτος να φροντίσει να διανεμηθούν σωστά. Να μην έχουμε απλά κάποιους λίγους οι οποίοι έχουν όλους τους καρπούς. Και οι υπόλοιποι δεν κερδίζουν τίποτα. Είναι σημαντικό όλο αυτό το extra produce που θα δημιουργηθεί να χρησιμοποιηθεί ώστε να βελτιωθεί η ανθρωπότητα σαν σύνολο. Και αυτό για εμάς είναι πολύ σημαντικό και ένας λόγος που πραγματικά πιστεύουμε ότι τα μοντέλα πρέπει να είναι ανοιχτά, είναι γιατί αυτό σημαίνει ότι ο καθένας θα έχει πρόσβαση στην τεχνητή νοημοσύνη. Δεν θα είναι, α, το έχει μόνο η Google, η OpenAI, ή ο οποιοσδήποτε. Ο καθένας θα έχει πρόσβαση σε αυτό.

Παναγιώτης: Μου θυμίζει λίγο το Universal Basic Income, ότι ξέρεις, όλοι μας ...

Γιάννης: Αυτός είναι ένας τρόπος. 

Παναγιώτης: Υπάρχουν τέτοια concepts ή τέτοιες σκέψεις που τις έχεις βρει ενδιαφέρουσες;

Γιάννης: Νομίζω ότι όλοι στη Silicon Valley λένε ότι το μέλλον είναι το UBI, το Universal Basic Income, που είναι στην πραγματικότητα, τι είναι αυτό; Είναι η λογική ότι το κράτος θα δίνει σε κάθε πολίτη, ανεξαρτήτου οικονομικής κατάστασης ή οτιδήποτε, αρκετά χρήματα έτσι ώστε να έχει ένα άλφα επίπεδο ζωής. Και έχουν γίνει διάφορα πειράματα, πολλά από αυτά έχουν χρηματοδοτηθεί από την Silicon Valley, που έχουν δείξει ότι αυτό γενικά δουλεύει, γιατί απελευθερώνει και τους ανθρώπους να γίνουν πιο δημιουργικοί. Αυτό είναι καλό, ενώ μου αρέσει η λογική να βοηθήσουμε τον κόσμο όσο γίνεται περισσότερο ώστε να μην έχουμε μια κοινωνία δύο ταχυτήτων λόγω της τεχνητής νοημοσύνης. Έρχονται μεγάλες αλλαγές και πρέπει πραγματικά να δούμε πώς η νέα κοινωνία αυτή θα είναι φτιαγμένη με τέτοιο τρόπο ώστε όλοι να είμαστε, επειδή θα δημιουργηθεί τόσο πολύς πλούτος, θα υπάρχουν τόσο πολλές δυνατότητες, να φροντίσουμε όλοι να έχουμε ένα καλύτερο επίπεδο ζωής. Και δεν είναι μόνο τα χρήματα, είναι τα χρήματα, αλλά είναι και να νιώθουν οι άνθρωποι ότι είναι παραγωγικά μέλη της κοινωνίας, τα οποία μπορεί να είναι οτιδήποτε αυτό, από εθελοντισμό μέχρι οτιδήποτε, αλλά δεν μπορεί ο άλλος απλά να του πεις, ξέρω εγώ, πάρε λεφτά και αυτό. Πρέπει να έχει και κάποιο νόημα.

Παναγιώτης: Λοιπόν, ήρθε η ώρα νομίζω να παίξουμε ένα ωραίο παιχνιδάκι, το οποίο θέλουμε να μας δώσεις τον ορισμό μιας λέξης που θα τραβήξεις τυχαία.

Γιάννης: Οκ.

Παναγιώτης: Και να είναι ο δικός σου ορισμός.

Γιάννης: Τι λέει εδώ; Στρατηγική, strategy.

Παναγιώτης: Τι είναι στρατηγική για σένα και πώς...

Γιάννης: Βασικά νομίζω ότι υπάρχουν δύο επίπεδα στο επίπεδο στρατηγικής. Υπάρχει η στρατηγική που είναι το πλάνο, το σχέδιο με το οποίο θα προσεγγίσεις να λύσεις ένα πρόβλημα. Και μετά υπάρχει το επίπεδο παραπάνω στρατηγικής, που είναι ίσως λίγο μεταστρατηγική, που σημαίνει ότι τα σχέδια είναι απαραίτητα, αλλά άχρηστα, με την έννοια ότι στο τέλος αλλάζουν. Είναι το ίδιο, ότι πρέπει να έχεις και μια στρατηγική για το πώς θα αλλάξεις τη στρατηγική σου όταν θα αλλάξουν τα δεδομένα τα οποία έχεις διαθέσιμα. Οπότε η στρατηγική είναι και το πλάνο το οποίο θέλεις να εφαρμόσεις και ο τρόπος με τον οποίο σκέφτεσαι το πώς να προσεγγίσεις τα προβλήματα που πρέπει να λύσεις.

Παναγιώτης: Έχεις μπροστά σου τον ιδιοκτήτη μιας από τις 20 μεγαλύτερες εταιρείες στην Ελλάδα.

Γιάννης: Ναι.

Παναγιώτης: Εισηγμένη στο χρηματιστήριο, τεράστια, και έχει το ίδιο challenge, έχει την ίδια δυσκολία.

Γιάννης: Ναι.

Παναγιώτης: Τι κάνω, πώς χρησιμοποιώ την τεχνητή νοημοσύνη, πώς κρατάω την εταιρεία μου on top of it; Πώς; Ποια είναι η συμβουλή που έχεις να του δώσεις;

Γιάννης: Αυτό που θα έλεγα είναι ότι σε κάθε περίπτωση θα πρέπει να δει πώς μπορεί να χρησιμοποιήσει την τεχνητή νοημοσύνη μέσα στην εταιρεία του. Ένα πράγμα που βλέπω στην Αμερική και αυτό βοηθάει πάρα πολύ και το οικοσύστημα της Αμερικής και τις εταιρείες της Αμερικής να μείνουν τόσο ανταγωνιστικές είναι ότι κάνουν διαρκώς pilots. Έχουν κάθε χρόνο ένα budget, έναν προϋπολογισμό που πηγαίνει στο να συνεργαστούν με εταιρείες, νεοφυείς και να δουν πώς μπορούν το προϊόν το οποίο φτιάχνει να γίνεται co-design, λέμε. Δηλαδή, με την έννοια ότι έρχεται μια εταιρεία νεοφυή, η οποία θέλει να λύσει ένα πρόβλημα, δεν ξέρει ακριβώς ποιο είναι και πώς να το λύσει και μια μεγάλη εταιρεία που έχει ένα πρόβλημα και αυτοί οι δύο δουλεύουν μαζί έτσι ώστε να λυθεί το πρόβλημα. Και αυτό μετά οδηγεί και στο να δημιουργηθεί μια μεγάλη εταιρεία startup και να είσαι πρωτοπόρος στις λύσεις τις οποίες έχεις φέρει στην εταιρεία σου. Οπότε θα πρότεινα σε όλους να πάρουν αυτά τα ρίσκα, γιατί πολλές φορές στην Ευρώπη λέμε, έλα μωρέ, εντάξει, μόλις γίνουν στην Αμερική, μετά θα τα φέρουμε. Να πάρουν αυτά τα ρίσκα, να δουλέψουν με άτομα, ειδικά στην Ελλάδα, τα οποία πραγματικά θέλουν να φτιάξουν κάτι και να δουν πώς μπορούν να χρησιμοποιηθεί η τεχνητή νοημοσύνη στα δικά τους θέματα, στα δικά τους συστήματα, έτσι ώστε να μείνουν ανταγωνιστικοί και να βελτιστοποιήσουν τα συστήματά τους.

Παναγιώτης: Πάμε να κάνουμε ένα γρήγορο rapid fire questions, να είμαστε σίγουροι ότι έχουμε πιάσει όλες τις πτυχές και έχουμε καταλάβει τα πάντα γύρω από σένα. Είσαι του βιβλίου ή του podcast;

Γιάννης: Είμαι του βιβλίου πάντα. Πάντα προτιμώ να διαβάζω βιβλία.

Παναγιώτης: Πρωινός ή βραδινός τύπος;

Γιάννης: Πάντα πίστευα ότι ήμουν βραδινός, αλλά έχω γίνει πολύ πρωινός το τελευταίο καιρό. Τα τελευταία χρόνια έχω γίνει πολύ πρωινός.

Παναγιώτης: Καφέ ή τσάι;

Γιάννης: Καφέ, μόνο καφέ. Παρόλο που ήμουν 14 χρόνια στο Λονδίνο, στη Βρετανία είμαι του καφέ.

Παναγιώτης: Αν μπορούσες να δειπνήσεις με ένα ιστορικό πρόσωπο, εν ζωή ή όχι, με έναν άνθρωπο έτσι μεγάλης μορφής, ποιος θα ήτανε;

Γιάννης: Είναι πάρα πολλά τα άτομα τα οποία θα ήθελα να δειπνήσω και για διαφορετικούς λόγους. Στο επιστημονικό κομμάτι θα ήθελα να δειπνήσω με τον Turing, ο οποίος ήταν στην πραγματικότητα, ήταν μεγάλος μαθηματικός και ο ιδρυτής του Computer Science, της επιστήμης των υπολογιστών και είναι γνωστός για το Turing. Βασικά είναι γνωστός για πολλά πράγματα, το Turing Machine, αλλά υπάρχει και το Turing Test, το οποίο είναι το test της τεχνητής νοημοσύνης, για να ξέρεις αν έχεις πετύχει την τεχνητή νοημοσύνη ή όχι.

Παναγιώτης: Οκέι.

Γιάννης: Το οποίο στην πραγματικότητα αυτό που, με πολύ απλοϊκούς όρους, αυτό που λέει είναι ότι αν είσαι σε ένα δωμάτιο και μιλάς με μηνύματα με ένα entity, με ένα on, πίσω από το δωμάτιο, άμα δεν μπορείς να καταλάβεις αν αυτό το on είναι άνθρωπος ή δεν είναι άνθρωπος, τότε έχεις περάσει το Turing Test της τεχνητής νοημοσύνης.

Παναγιώτης: Οκέι.

Γιάννης: Και στην πραγματικότητα το περάσαμε. Δηλαδή έχουν γίνει πειράματα που έχουν δείξει ότι πρόσφατα το περάσαμε, που είναι τεράστιο.

Παναγιώτης: Τεράστιο.

Γιάννης: Επίτευγμα.

Παναγιώτης: Με ποια τεχνολογία δεν μπορείς να ζήσεις χωρίς;

Γιάννης: Νομίζω το κινητό μου. Το κινητό μου νομίζω είναι απαραίτητο πια, γιατί όλα γίνονται μέσω κινητού.

Παναγιώτης: Η αγαπημένη σου πόλη, και όχι μόνο από τις τρεις, αλλά θα ήθελα να ακούσω και από τις τρεις ποια είναι η αγαπημένη σου πόλη. Ποια είναι η αγαπημένη σου πόλη για να ταξιδεύεις, για δουλειά;

Γιάννης: Από τις τρεις πόλεις που ζω;

Παναγιώτης: Ναι.

Γιάννης: Η Νέα Υόρκη. Η Νέα Υόρκη είναι η αγαπημένη μου. Παρόλο που έζησα πάρα πολλά χρόνια στο Λονδίνο και είναι η πόλη η οποία την νιώθω σαν σπίτι μου, γιατί ήμουν πάρα πολλά χρόνια εκεί πέρα. Η Νέα Υόρκη έχει μια διαφορετική ενέργεια. Έχει μια πολύ διαφορετική ενέργεια, η οποία είναι.... είναι αυτό, είναι aspiring που λέμε, δηλαδή σου δίνει μια ενέργεια, σου δίνει μια....

Παναγιώτης: Συμφωνώ. Υπάρχει κάποιο βιβλίο που έτσι σου έχει μείνει, σου έχει αλλάξει τη ζωή, ξέρεις σου έχει αφήσει αποτύπωμα;

Γιάννης: Αυτό είναι πολύ καλή ερώτηση. Έχω διαβάσει πάρα πολλά βιβλία και γενικά είμαι πολύ του βιβλίου. Δηλαδή σίγουρα θα διαβάσω ένα βιβλίο. Πάντα υπάρχει ένα βιβλίο που διαβάζω. Ένα βιβλίο που μου έκανε εντύπωση είναι ένα βιβλίο που το διάβασα όταν ήμουν νέος και ειδικά στην Αμερική είναι πολύ γνωστό, το διαβάζουν όλοι στο κολέγιο, λέγεται "Gun Jams and Steel", που σημαίνει "όπλα, μικρόβια και  ατσάλι. Το οποίο στην πραγματικότητα αυτό που λέει είναι ότι εξηγεί γιατί η Ευρώπη είναι αυτή η οποία έκανε τις ανακαλύψεις και αποίκησε την Αμερική, την Αυστραλία και όχι η Αμερική δεν αποίκησε την Ευρώπη, η Αυστραλία δεν αποίκησε την Ευρώπη και εξηγεί ότι ενώ όλες αυτές οι περιοχές είχαν ανθρώπους και ο καθένας θα μπορούσε, δεν ήταν ξεκάθαρο ποιος θα κέρδιζε, το πώς η γεωγραφία και το τι ήταν διαθέσιμο σε κάθε ήπειρο πραγματικά καθόρισε το πώς θα εξελιχθούν οι ανθρώπινες κοινωνίες. Και αυτό που σε κάνει να σκέφτεσαι είναι ότι όταν βλέπεις κάτι, πάντα το πρώτο ένστικτο είναι να πεις ότι αυτή είναι η προφανής λύση, ότι ξέρω εγώ έγινε το ένα ή έγινε το άλλο. Αλλά πάντα υπάρχει μια βαθύτερη λογική για το τι συνέβη κάτι. Όλα τα trajectory, δηλαδή γιατί υπάρχει το οτιδήποτε στον κόσμο, γιατί έχουμε τράπεζες για παράδειγμα, γιατί έχουμε οργανώσει την κοινωνία με τον τρόπο τον οποίο την έχουμε οργανώσει, υπάρχει ένας ιστορικός λόγος και υπάρχει μια συνέχεια. Δηλαδή οι άνθρωποι πραγματικά χρησιμοποιούν τα resources που έχουν διαθέσιμα και προσπαθούν να κάνουν σε κάθε φάση τις καλύτερες επιλογές και αυτό οδηγεί στο να έχουμε μια συνέχεια. Αλλά υπάρχει πάντα ένας βαθύτερος λόγος για τον οποίο τα πράγματα έχουν γίνει με τον τρόπο με τον οποίο έχουν γίνει.

Παναγιώτης: Είναι όλα connected, είναι όλα μια συνεχής γραμμή.

Γιάννης: Δεν είναι; Ακριβώς.

Παναγιώτης: Πολύ ενδιαφέρον. Ποια είναι η καλύτερη συμβουλή που έχεις λάβει;

Γιάννης: Νομίζω ότι αυτό που είχα ξεκινήσει κιόλας, ότι ίσως η καλύτερη συμβουλή, που δεν είναι ακριβώς συμβουλή αλλά είναι ο τρόπος σκέψης, είναι αυτός που μου είχε δώσει ο πατέρας μου, ότι όταν θέλεις να πετύχεις κάτι και όταν ονειρεύεσαι να πετύχεις κάτι, μην σκέφτεσαι το αν μπορεί να γίνει, αλλά σκέψου το πώς μπορεί να γίνει. Και να σκέφτεσαι ότι όλα είναι εφικτά, ότι δεν υπάρχει όριο στο τι μπορείς να πετύχεις. Το μόνο που αλλάζει είναι τα βήματα που πρέπει να πάρεις και μπορεί τα βήματα να είναι πολύ δύσκολα, αλλά υπάρχουν βήματα και μπορείς να πετύχεις ό,τι θέλεις.

Παναγιώτης: Αν δεν ήσουν επιχειρηματίας, με τι θα ασχολιόσουν;

Γιάννης: Με αυτό που ασχολιόμουνα πιο πριν. Θα ήμουνα ερευνητής.

Παναγιώτης: Μια τελευταία ερώτηση. Τι πιστεύεις ότι κάνει έναν επιχειρηματία outlier;

Γιάννης: Αυτό που θα έλεγα ότι είναι πολύ σημαντικό είναι να πιστεύεις πραγματικά στο στόχο. Γιατί όταν θέλεις να πετύχεις κάτι, θα υπάρχουν χίλιοι άνθρωποι και πολλοί από αυτούς τους ανθρώπους που πραγματικά τους εμπιστεύεσαι και πραγματικά πιστεύεις πολύ στην άποψή τους, οι οποίοι θα σου πούνε ότι δεν πρέπει να γίνει αυτό, δεν πρέπει να το κάνεις αυτό, ή και να θέλεις να το κάνεις δεν γίνεται, ή και να γίνεται καλύτερα να μην το κάνεις, δηλαδή μπορεί να σε αποτρέψουν. Αλλά πρέπει να βρεις κάτι που πραγματικά θέλεις να το κάνεις και κάθε φορά που βλέπεις ένα εμπόδιο να σκέφτεσαι πώς μπορείς να να το περάσεις. Πώς μπορείς να περάσεις κάθε εμπόδιο.

Παναγιώτης: Γιάννη, σε ευχαριστούμε πολύ.

Γιάννης: Εγώ σας ευχαριστώ πάρα πολύ.