Στο πλαίσιο του Φεστιβάλ Panathenea 2026 μιλήσαμε με τον Γιάννη Αντώνογλου σε μια συνέντευξη τύπου η οποία διοργανώθηκε απο την Endeavor Greece.
Ο Γιάννης Αντώνογλου, συνιδρυτής της Reflection AI, διαγράφει μια από τις πιο επιδραστικές πορείες στον παγκόσμιο χάρτη της τεχνητής νοημοσύνης. Γεννημένος και μεγαλωμένος στη Θεσσαλονίκη, με σπουδές στο Αριστοτέλειο Πανεπιστήμιο και μεταπτυχιακό στο Εδιμβούργο, βρέθηκε το 2012 σε μια άγνωστη τότε startup 25 ατόμων στο Λονδίνο, την DeepMind.
Όταν μπήκε στην εταιρεία, ο διακηρυγμένος – και τότε σχεδόν ουτοπικός – στόχος ήταν η επίτευξη του AGI (Artificial General Intelligence). Εκεί, ως μέλος μιας ερευνητικής ομάδας μόλις 6 ατόμων, έγραψε ιστορία: το 2013 συμμετείχε στη δημιουργία του DQN, του πρώτου συστήματος deep reinforcement learning (ενισχυτικής μάθησης) που μάθαινε αυτόνομα μέσω “trial and error”.
Ακολούθησαν ιστορικά ορόσημα όπως τα AlphaGo, AlphaZero και MuZero, ενώ πριν αποχωρήσει το 2024, διετέλεσε συν-επικεφαλής στο post-training του Gemini, του τεράστιου AI μοντέλου της Google. Ήταν η εμπειρία του με το AlphaGo και τη θρυλική “Κίνηση 37” (Move 37) που τον έπεισε οριστικά ότι η τεχνητή νοημοσύνη δεν μιμείται απλώς, αλλά διαθέτει αυθεντική, ανώτερη δημιουργικότητα, παίζοντας κινήσεις που κανένας άνθρωπος δεν θα μπορούσε να φανταστεί.
Το 2024 προχώρησε στην ίδρυση της Reflection AI (με έδρα τη Νέα Υόρκη, γραφεία στο Σαν Φρανσίσκο και το Λονδίνο, και περίπου 200 άτομα προσωπικό). Τα οικονομικά μεγέθη της εταιρείας προκαλούν ίλιγγο: συγκέντρωσε 25 εκατομμύρια δολάρια στο Seed στάδιο, 110 εκατομμύρια στο Series A, και πάνω από 2 δισεκατομμύρια δολάρια στον πρόσφατο γύρο Series B. Με τη συνολική χρηματοδότηση να ξεπερνά τα 2,4 δισεκατομμύρια, η αποτίμηση της εταιρείας κινείται σε δυσθεώρητα ύψη, ξεπερνώντας τα 25 δισεκατομμύρια δολάρια. Ο ίδιος εξηγεί ότι αυτά τα τεράστια κεφάλαια δεν είναι πολυτέλεια, αλλά απόλυτη αναγκαιότητα.
Για να εκπαιδευτούν τα βασικά μοντέλα (foundation models) από το μηδέν, απαιτούνται τεράστια data centers, χιλιάδες πανάκριβες GPUs και η στρατολόγηση των κορυφαίων επιστημόνων παγκοσμίως. Απαντώντας στις ανησυχίες περί “φούσκας” στην AI, παραδέχεται ότι πάντα υπάρχει σπατάλη σε τέτοιες τεκτονικές αλλαγές, όμως οι νικητές αυτής της κούρσας θα δημιουργήσουν εταιρείες με κεφαλαιοποιήσεις πολλών τρισεκατομμυρίων (κατά πολύ μεγαλύτερες από αυτές της εποχής του dot-com).
Το στρατηγικό όραμα της Reflection AI βασίζεται στο Sovereign AI και τα Ανοιχτά Μοντέλα (Open Models), με την Reflection να χαρακτηρίζεται η αμερικανική “Deep Seek”. Σε αντίθεση με τη στρατηγική της OpenAI, ο Αντώνογλου αναλύει τα 4 ανίκητα πλεονεκτήματα των ανοιχτών μοντέλων για οργανισμούς και κυβερνήσεις:
- Στρατηγική αυτονομία: Οι πελάτες τρέχουν το AI στα δικά τους μηχανήματα, απεξαρτημένοι από αποφάσεις κλειστών εταιρειών (όπως η πρόσφατη ρήξη της Anthropic με το αμερικανικό Πεντάγωνο), διασφαλίζοντας ότι κανείς δεν μπορεί να τους “κόψει” την πρόσβαση.
- Βαθιά παραμετροποίηση (Fine-tuning): Ένας μεγάλος οργανισμός, όπως μια τράπεζα με 60 χρόνια ιδιωτικών δεδομένων (IP) που δεν υπάρχουν στο διαδίκτυο, μπορεί να πάρει το ανοιχτό μοντέλο και να το μετεκπαιδεύσει εξειδικευμένα, χωρίς να το μοιραστεί δημόσια.
- Απόλυτη ασφάλεια και ιδιωτικότητα: Τα δεδομένα δεν εγκαταλείπουν ποτέ τα συστήματα του πελάτη για να ταξιδέψουν στους servers της Google ή της OpenAI, κάτι που αποτελεί αυστηρή νομική αναγκαιότητα για πολλούς κλάδους.
- Διαχείριση κόστους (Cost Management): Οι επιχειρήσεις πληρώνουν μια φορά για τις δικές τους υποδομές (CAPEX) και γνωρίζουν το σταθερό κόστος λειτουργίας, αποφεύγοντας τον “εφιάλτη” του budgeting με τις απρόβλεπτες χρεώσεις ανά token χρήσης.
Διαβάστε την συνέχεια στο startupper.gr
