Τα Μαθηματικά στον Χώρο της Πληροφορικής: Η Αυταπάτη του Prompt και το Ξύπνημα του 2026

PUBLISHED: 2026-10-04•17 MIN READ

Current Session Stats

Panic Level: 0%
⏱️
Time Spent
0 hours

Είναι 2:00 τα ξημερώματα. Στο ένα μόνιτορ έχω ανοιχτό το VS Code, παρέα με τρία τερματικά, δύο τοπικούς AI agents να συζητάνε μεταξύ τους και ένα LLM να μου παράγει 200 γραμμές boilerplate κώδικα πριν καν προλάβω να πάρω ανάσα. Στο άλλο μόνιτορ (ή μάλλον, πάνω στο γραφείο μου, πλάι στον μισοτελειωμένο κρύο καφέ) βρίσκεται ένας τόμος του Ελληνικού Ανοικτού Πανεπιστημίου (ΕΑΠ) για τα Μαθηματικά της Πληροφορικής.

Κοιτάζω το βιβλίο. Διακριτά μαθηματικά, σχέσεις ισοδυναμίας, πίνακες, ιδιοδιανύσματα, όρια, συνδυαστική και θεωρία πιθανοτήτων.

Και εκεί, μέσα στη σιωπή της νύχτας, σκάει το μεγάλο, ύπουλο υπαρξιακό bug:

"Μα καλά, 2026 έχουμε. Ο κόσμος έξω χτίζει startups με τρία prompts, σηκώνει SaaS σε ένα απόγευμα και μιλάει για agents που αυτο-διορθώνονται. Εγώ τι ακριβώς κάνω εδώ; Για ποιον λόγο καίω τα εγκεφαλικά μου κύτταρα πάνω σε μαθηματικές αποδείξεις και ορίζουσες, αφού στην καθημερινότητά μου ως developer δεν θα χρειαστεί να λύσω ποτέ διαφορική εξίσωση στο χέρι;"

Αν έχεις περάσει έστω και ένα εξάμηνο στο ΕΑΠ (ή σε οποιαδήποτε σχολή πληροφορικής), ξέρεις ακριβώς αυτό το συναίσθημα. Μοιάζει με άσκοπο σαδισμό. Σαν να σε αναγκάζουν να μάθεις πώς να φτιάχνεις τροχούς από πέτρα, την ώρα που έξω κυκλοφορούν ηλεκτρικά αυτοκίνητα.

Μέχρι που σήμερα το πρωί διάβασα ένα κείμενο που λειτούργησε σαν ηλεκτροσόκ.


Το Πρωινό Χαστούκι: «Άσε κάτω το μαγεμένο κινητό»

Το κείμενο δεν μάσαγε τα λόγια του. Ήταν μια ωμή, κυνική υπενθύμιση για το πού πραγματικά βρισκόμαστε:

⚠️Η Αλήθεια που Πονάει

«Κάθισε κάτω, άνοιξε τα αυτιά σου και άσε κάτω αυτό το μαγεμένο κινητό που σε έχει πείσει ότι μπορείς να γίνεις μηχανικός με τρία prompt και μια ευχή! Σήμερα θα μιλήσουμε σοβαρά.

Βλέπεις γύρω σου αυτόν τον χαοτικό, θορυβώδη κόσμο της πληροφορικής του 2026. Νομίζεις ότι βρισκόμαστε σε μια παιδική χαρά όπου τα LLM, οι agents και τα έτοιμα API θα σου λύνουν τα χέρια για πάντα, ενώ εσύ θα αράζεις με τον καφέ σου περιμένοντας να πέσει ο μισθός.

Αν δεν χτίσεις θεμέλια, το οικοδόμημα θα σε καταπλακώσει.»

Αυτό το κείμενο με χτύπησε κατευθείαν στο δόξα πατρί. Γιατί περιγράφει με ανατριχιαστική ακρίβεια τη μεγαλύτερη ψευδαίσθηση της εποχής μας: Την αυταπάτη του «τα ξέρω όλα επειδή μπορώ να τα ρωτήσω».

Ζούμε στην εποχή της απόλυτης επιφάνειας. Ο καθένας μπορεί να σηκώσει έναν MCP server, να συνδέσει τρία Docker containers, να κάνει "vibe coding" με το Claude Mythos και να αυτοβαπτιστεί "Solutions Architect".

Ξέρεις όμως τι συμβαίνει μόλις σπάσει η αλυσίδα;

Μόλις το μοντέλο πετάξει εκείνο το πανέμορφο, γεμάτο αυτοπεποίθηση λάθος (hallucination) που θα ρίξει το production; Μόλις το σύστημα αρχίσει να συμπεριφέρεται μη-ντετερμινιστικά, η μνήμη τιναχτεί στον αέρα ή ο αλγόριθμος αναζήτησης χτυπήσει εκθετική πολυπλοκότητα;

Εκείνη την ώρα, οι agents δεν έχουν ιδέα τι να κάνουν. Και εκεί ακριβώς φαίνεται η γύμνια αυτού που έμαθε να πατάει κουμπιά αντί να κατανοεί συστήματα. Δεν είναι μηχανικός. Είναι ένας ακριβός χειριστής πληκτρολογίου.


Η Δική μου Πραγματικότητα: Ένας Χρόνος Παλεύω μια... Πολυκατοικία

Θέλεις να σου πω γιατί όλα αυτά δεν είναι απλώς θεωρητικές αναλύσεις για να περνάει η ώρα, αλλά η ωμή, αιματοβαμμένη πραγματικότητα που ζω στο πετσί μου;

Εδώ και σχεδόν έναν χρόνο δουλεύω πάνω σε ένα δικό μου project: ένα ολοκληρωμένο σύστημα υπολογισμού κοινοχρήστων και ψηφιακής διαχείρισης πολυκατοικίας.

Ένας χρόνος. 365 μέρες. Εκατοντάδες commits, αμέτρητα ξενύχτια, τόνοι καφέ. Και το project ακόμα δεν μπορώ να το έχω production ready.

Όλα ξεκίνησαν με εκείνο το κλασικό, ανόητο θράσος που διακατέχει κάθε developer όταν ανακαλύπτει τα σύγχρονα εργαλεία: «Έλα μωρέ, σιγά το σύστημα! Πόσο δύσκολο μπορεί να είναι; Μια βάση δεδομένων, δυο φόρμες, τρεις διαιρέσεις με τα χιλιοστά και έτοιμο. Πετάω δυο prompt στο Claude Mythos, μου στήνει το backend και το UI σε ένα Σαββατοκύριακο, και τη Δευτέρα το πουλάω ως SaaS!»

Ναι, καλά. Κούνια που μας κούναγε.

Στο Silicon Valley κάνουν Chaos Engineering με εργαλεία τύπου "Chaos Monkey" που ρίχνουν servers για να τεστάρουν το resilience. Στην Ελλάδα, το απόλυτο Chaos Engineering Lab έχει άλλο όνομα: Γενική Συνέλευση Πολυκατοικίας στην πιλοτή, ένα παγωμένο βράδυ Τετάρτης.

Εκεί δεν υπάρχει 99.9% SLA. Εκεί υπάρχει μηδενική ανοχή στο σφάλμα. Έχεις απέναντί σου:

  • Τον διαχειριστή με το μπλοκάκι διπλοτύπων που μυρίζει μούχλα και καρμπόν.
  • Τον ένοικο του 1ου ορόφου που απαιτεί έκπτωση 100% στα έξοδα ανελκυστήρα επειδή «ανεβαίνει με τα πόδια για cardio».
  • Τον ιδιοκτήτη του 3ου που έχει το διαμέρισμα κλειστό, αλλά απειλεί με αγωγές αν τολμήσεις να του χρεώσεις έστω και ένα ευρώ για πάγιο θέρμανσης.
  • Και τον συνταξιούχο στον 4ο που κάθεται με τον μεγεθυντικό φακό πάνω από το ειδοποιητήριο και συγκρίνει τα δεκαδικά με το τιμολόγιο της ΕΥΔΑΠ μέχρι το τελευταίο cent.

Όποιος δεν έχει προσπαθήσει να κωδικοποιήσει την ελληνική πολυκατοικία, νομίζει ότι ο προγραμματισμός είναι απλώς κουμπάκια και CRUD APIs. Στην πραγματικότητα, είναι ένα αλγοριθμικό και μαθηματικό ναρκοπέδιο:

1. Ο Εφιάλτης των Χιλιοστών: Πολυδιάστατοι Χώροι Δαπανών

Στην πολυκατοικία δεν υπάρχει "ένα" ποσοστό. Κάθε διαμέρισμα είναι ένα διάνυσμα συμμετοχής σε εντελώς διαφορετικούς υποχώρους:

  • Χιλιοστά κοινοχρήστων (γενικές δαπάνες, καθαριότητα, ΔΕΗ κοινοχρήστων).
  • Χιλιοστά ανελκυστήρα (συντήρηση, πιστοποιήσεις, επισκευές μοτέρ).
  • Χιλιοστά θέρμανσης (λειτουργικά έξοδα λέβητα/καυστήρα).
  • Χιλιοστά ιδιοκτησίας (μόνιμες βλάβες, μόνωση ταράτσας, αποχετεύσεις).
  • Χιλιοστά ειδικών δαπανών. Κάθε διαμέρισμα ανήκει σε διαφορετικό partition. Αν αλλάξει μια λάμπα στον διάδρομο του 2ου ορόφου, πρέπει να ξέρεις μαθηματικά σε ποιο υποσύνολο του διανύσματος εφαρμόζεται η δαπάνη.

2. Αυτόνομη Θέρμανση: Το Προεδρικό Διάταγμα του '85 (ΦΕΚ 631/Δ)

Εδώ τα πράγματα περνάνε στη σφαίρα του απόλυτου τρόμου. Ανοίγεις τη νομοθεσία για την κατανομή δαπανών κεντρικής θέρμανσης με αυτονομία (ωρομετρητές ή θερμιδομετρητές) και δεν βλέπεις νομικό κείμενο. Βλέπεις ένα σκοτεινό μαθηματικό χειρόγραφο:

q_i = ε_i · Q + (1 - Σ ε_i) · [ (f_i · h_i) / Σ (f_j · h_j) ] · Q

Συντελεστές θερμικών απωλειών (f_i), πάγιο θέρμανσης (ε_i), ώρες λειτουργίας (h_i), επιβαρύνσεις εκκίνησης, κλειστά διαμερίσματα, ελάχιστες καταναλώσεις.

Ξέρεις τι έγινε όταν είπα στο AI: «Φτιάξε μου τη συνάρτηση κατανομής αυτόνομης θέρμανσης βάσει του Π.Δ.»; Μου πέταξε έναν κώδικα μέσα σε 10 δευτερόλεπτα, με ένα αυτάρεσκο σχόλιο τύπου: «Here is your fully compliant calculation!». Τρέχω το unit test. Αποτέλεσμα: Το διαμέρισμα Α1 (45 τ.μ.) έβγαινε να πληρώσει 580€ για 12 ώρες θέρμανση, ενώ το ρετιρέ των 140 τ.μ. που έκαιγε 80 ώρες έπαιρνε... επιστροφή 25€! Το LLM είχε μπερδέψει τους δείκτες άθροισης, έκανε διαίρεση με το μηδέν όταν όλα τα διαμερίσματα είχαν μηδενικές ώρες, και επινόησε μια δικιά του θεωρία φυσικής όπου η θερμότητα επιστρέφει στο παρελθόν.

3. Το Έγκλημα του Ενός Λεπτού (Floating Point Hell & Rounding Residuals)

Συνολική δαπάνη πετρελαίου: 1.250,33€. Μοιράζεις το ποσό στα 18 διαμερίσματα βάσει των χιλιοστών τους. Αθροίζεις τα ειδοποιητήρια: 1.250,34€. Ένα λεπτό. Ένα ρημαδο-cent του ευρώ διαφορά!

Για έναν vibe coder, το ένα λεπτό είναι «στατιστικό λάθος» ή «ασήμαντο rounding error». Στη συνέλευση της πολυκατοικίας όμως, αυτό το 1 cent σημαίνει ότι:

  1. Το ταμείο δεν κλείνει.
  2. Ο ισολογισμός είναι άκυρος.
  3. Ο διαχειριστής κατηγορείται για υπεξαίρεση.

Τα floats στο JavaScript/Python αρχίζουν τα κλασικά τους όργια ($0.1 + 0.2 = 0.30000000000000004$). Αν προσπαθήσεις να το σώσεις με απλό Math.round(), διαπιστώνεις ότι σε άλλη περίπτωση χάνεις 2 λεπτά και σε άλλη κερδίζεις 3.

Για να λύσεις αυτό το πρόβλημα, δεν χρειάζεσαι prompt engineering. Χρειάζεσαι Μαθηματικά. Κατέληξα να υλοποιώ τον αλγόριθμο Largest Remainder (Hare-Niemeyer) —δηλαδή το μαθηματικό σύστημα που χρησιμοποιούν τα κράτη για να μοιράζουν αναλογικά τις βουλευτικές έδρες στις εκλογές— απλώς και μόνο για να μοιράσω δίκαια τα δεκαδικά των κοινοχρήστων χωρίς να χαθεί ούτε ένα cent!

4. Το Αδιάσειστο Ledger: Double-Entry Bookkeeping

Μια πολυκατοικία είναι μια μικρογραφία τράπεζας. Έχεις αποθεματικό κεφάλαιο, προκαταβολές, αναδρομικές χρεώσεις, διακανονισμούς παλιών οφειλών. Αν κάποιος πληρώσει 50€ έναντι οφειλής 120€, πώς κατανέμεται η πληρωμή; Πάνε πρώτα στα παλιά χρέη; Πάνε στο τρέχον αποθεματικό; Πάνε στις τρέχουσες δαπάνες;

Χρειάζεσαι State Machines και αμετάβλητα λογιστικά βιβλία (Immutable Ledgers). Αν κάνεις το λάθος που μου πρότεινε το AI —να κάνω direct mutate το balance του διαμερίσματος στον πίνακα της βάσης δεδομένων— σε τρεις μήνες χάνεις το ιστορικό, το ταμείο βγάζει έλλειμμα και δεν ξέρεις ποιος χρωστάει σε ποιον.


Το AI σού φτιάχνει το Περιτύλιγμα, αλλά πνίγεται στον Πυρήνα

Και κάπως έτσι, επιστρέφουμε στην ουσία: Ξέρεις τι έκανε το AI όλο αυτόν τον χρόνο; Μου έφτιαξε πανέμορφα κουμπάκια. Μου έφτιαξε slick dashboards με Tailwind CSS, responsive φόρμες, dark mode, εξαγωγές σε PDF και modals με butter-smooth animations. Στο UI, το AI είναι μάγος.

Μόλις όμως φτάσαμε στον πυρήνα —εκεί που τα μαθηματικά πρέπει να είναι αδιάσειστα, ντετερμινιστικά, αποδείξιμα και απόλυτα ακριβή— το AI πέταξε λευκή πετσέτα. Hallucinations στις εξισώσεις, στρογγυλοποιήσεις που εξαφάνιζαν χρήματα, λογικά άλματα σε edge cases κλειστών διαμερισμάτων, και όλα αυτά σερβιρισμένα με τουπέ καθηγητή του Harvard.

Ένας χρόνος μετά, το project ακόμα δεν είναι production-ready.

Όχι επειδή δεν ξέρω να φτιάξω frontend ή επειδή δεν μου έγραψε το AI τα API endpoints. Αλλά επειδή η μαθηματική λογική, η αυστηρότητα των δομών και η ακεραιότητα των δεδομένων δεν είναι θέμα "vibe". Απαιτούν βαθιά, ανθρώπινη μηχανική σκέψη. Απαιτούν να κάτσεις κάτω με μολύβι και χαρτί, να αποδείξεις ότι τα invariants σου διατηρούνται σε κάθε συνθήκη, και να εγγυηθείς ότι δεν υπάρχει περίπτωση να καταρρεύσει η αριθμητική συνέπεια.


Το Μεγάλο Ψέμα: «Τα Μαθηματικά δεν χρειάζονται στον Προγραμματισμό»

Ας διαλύσουμε τον μεγαλύτερο μύθο των bootcamps και των tech influencers: "Δεν χρειάζεσαι μαθηματικά για να γράψεις κώδικα."

Ναι, ισχύει. Αν η φιλοδοξία σου είναι να φτιάχνεις κουμπιά που αλλάζουν χρώμα στο hover ή να παίρνεις δεδομένα από ένα REST API και να τα τυπώνεις σε έναν πίνακα, τα μαθηματικά σου περισσεύουν. Ένα LLM μπορεί να το κάνει αυτό καλύτερα, γρηγορότερα και χωρίς να ζητήσει άδεια ή καφέ.

Αλλά αν θέλεις να λέγεσαι Μηχανικός, τα πράγματα αλλάζουν ριζικά. Ειδικά τώρα, στην εποχή του AI, τα μαθηματικά δεν είναι παρωχημένα. Είναι ο πηγαίος κώδικας ολόκληρης της τεχνολογίας που χρησιμοποιούμε:

1. Γραμμική Άλγεβρα: Η Ψυχή του Σύγχρονου AI

Τι νομίζεις ότι είναι τα περιβόητα embeddings, τα vector databases (βλέπε Qdrant, Milvus, Pinecone), το RAG και οι μηχανισμοί attention των Transformers; Δεν είναι μαγεία. Είναι Γραμμική Άλγεβρα.

  • Διανύσματα σε χώρους 1536 διαστάσεων.
  • Εσωτερικά γινόμενα (dot products) και συνημίτονα γωνιών (cosine similarity) για να μετρήσεις πόσο "μοιάζουν" δύο έννοιες.
  • Διαδοχικοί πολλαπλασιασμοί γιγαντιαίων πινάκων που τρέχουν παράλληλα στις κάρτες γραφικών. Όταν δεν ξέρεις γραμμική άλγεβρα, κοιτάς τα διανύσματα σαν ιερογλυφικά και προσεύχεσαι στη μαύρη μαγεία του framework. Όταν την ξέρεις, καταλαβαίνεις ακριβώς πού χάνει την πληροφορία το retrieval system σου.

2. Διακριτά Μαθηματικά & Γράφοι: Η Αρχιτεκτονική της Λογικής

Πώς δουλεύουν τα Agent Workflows που θαυμάζεις; Σε Directed Acyclic Graphs (DAGs). Πώς αποφασίζει ένας compiler αν ο κώδικάς σου στέκει; Με Abstract Syntax Trees (ASTs) και πεπερασμένα αυτόματα. Πώς δουλεύουν τα databases, το Git, τα dependency injection containers και τα routing tables; Με σύνολα, σχέσεις και θεωρία γραφημάτων. Χωρίς διακριτά μαθηματικά, είσαι τυφλός απέναντι στο πώς τα δεδομένα συνδέονται, κινούνται και διασταυρώνονται.

3. Πιθανότητες & Στατιστική: Το Αντίδοτο στη Μαγεία

Ένα Large Language Model δεν "σκέφτεται", ούτε "καταλαβαίνει". Είναι μια τεράστια μηχανή υπολογισμού υπό συνθήκη πιθανοτήτων:

P(w_t | w_1, w_2, ..., w_t-1)

Προβλέπει το επόμενο πιο πιθανό token. Αν δεν καταλαβαίνεις τι σημαίνει κατανομή πιθανοτήτων, variance, bias, sampling temperature και θεώρημα του Bayes, αντιμετωπίζεις το AI σαν μαντείο των Δελφών. Όταν όμως έχεις το θεωρητικό υπόβαθρο, καταλαβαίνεις ακριβώς γιατί το μοντέλο κάνει hallucinate και πώς να το περιορίσεις.

4. Απειροστικός Λογισμός: Πώς Μαθαίνουν τα Μοντέλα

Πώς γίνεται το training; Με Gradient Descent και Backpropagation. Και τι είναι αυτά; Παράγωγοι, μερικές παράγωγοι και ο κανόνας της αλυσίδας (chain rule). Όλη η σύγχρονη επανάσταση του Deep Learning βασίζεται στην απλή ιδέα της ελαχιστοποίησης μιας συνάρτησης κόστους μέσω παραγώγων.


Τα Μαθηματικά δεν είναι Ασκήσεις· είναι Defrag στον Εγκέφαλο

Εδώ είναι το μυστικό που κανείς δεν σου λέει όταν ανοίγεις τα βιβλία του ΕΑΠ:

Ο στόχος των μαθηματικών στο πανεπιστήμιο δεν είναι να σε κάνει ανθρώπινο κομπιουτεράκι.

Κανένας καθηγητής δεν περιμένει ότι στην καριέρα σου θα κάθεσαι με μολύβι και χαρτί να βρίσκεις ανάστροφους πίνακες $4 \times 4$. Ο πραγματικός στόχος είναι το Mental Conditioning — ένα βαθύ defrag στον τρόπο που σκέφτεσαι.

ℹ️Τι σου Μαθαίνει μια Μαθηματική Απόδειξη

Σου μαθαίνει να μη δέχεσαι τίποτα ως αληθινό χωρίς αξιώματα, αυστηρά βήματα και λογική συνέπεια. Σου μαθαίνει να σκέφτεσαι τα edge cases: «Ισχύει αυτό για κάθε x; Τι συμβαίνει όταν το x = 0; Τι γίνεται στο όριο του απείρου;»

Στον προγραμματισμό, ο μέτριος developer γράφει έναν κώδικα, πατάει run, βλέπει ότι παίζει για 2 παραδείγματα και λέει: "Κομπλέ, δουλεύει, κάνε deploy!".

Ο μηχανικός με μαθηματική παιδεία σκέφτεται: "Έπαιξε για τα δύο happy paths. Ποιο είναι το domain; Ποια είναι τα όρια; Πού σπάει η συνάρτηση; Τι πολυπλοκότητα έχει αυτός ο βρόχος αν το input δεκαπλασιαστεί;"

Στην εποχή του AI Slop και των "παπατζήδων" του κώδικα, αυτή η ικανότητα είναι το μοναδικό σου πραγματικό πλεονέκτημα (moat). Το AI μπορεί να σου ξεράσει 500 γραμμές κώδικα σε 3 δευτερόλεπτα. Μόνο ένας άνθρωπος που έχει εκπαιδευτεί στη μαθηματική αυστηρότητα μπορεί να κοιτάξει αυτές τις 500 γραμμές και να αναφωνήσει: "Ώπα, κάτσε. Αυτό εδώ μέσα είναι ένας κρυφός O(N²) αλγόριθμος που με 10.000 requests θα μας κάψει τον server".


Ο Πίνακας της Αλήθειας


Τα Εργαλεία Πεθαίνουν. Τα Θεμέλια Μένουν.

Σκέψου το λίγο: Ζούμε σε έναν κλάδο που πάσχει από μανιοκατάθλιψη του hype. Το λεγόμενο "Fast Fashion" της πληροφορικής. Πόσα "επαναστατικά" frameworks έχουν εμφανιστεί, αποθεωθεί στα tech blogs, έγιναν mandatory προαπαιτούμενα στα job descriptions και εξαφανίστηκαν μέσα σε μια δεκαετία;

  • Πού είναι το AngularJS, το Backbone, το Grunt, το Gulp, το Bower;
  • Πού είναι οι 800 γραμμές Webpack configuration που αν δεν τις ήξερες απ' έξω το 2018 σε κοιτούσαν σαν εξωγήινο;
  • Πόσες γλώσσες, αρχιτεκτονικά trends και database engines θεωρήθηκαν "το μέλλον" και κατέληξαν μουσειακά εκθέματα legacy συντήρησης;

Ακόμα και σήμερα, στο 2026: Κάθε Τρίτη βγαίνει ένα νέο "SOTA" μοντέλο. Κάθε Πέμπτη ένα νέο agent framework που υπόσχεται να καταργήσει το προηγούμενο. «Ξέχνα το τάδε tool, τώρα δουλεύουμε με MCP!», «Πέθανε το απλό prompting, ζήτω το multi-agent reasoning!».

Αν η ταυτότητά σου ως developer βασίζεται αποκλειστικά στο ποιο εργαλείο, ποιο framework ή ποιο wrapper χρησιμοποιείς αυτή τη στιγμή, είσαι καταδικασμένος. Βρίσκεσαι πάνω σε έναν ατελείωτο διάδρομο γυμναστηρίου που τρέχει με 20 km/h: αν σταματήσεις έστω για μια στιγμή να κάνεις ingest το επόμενο documentation, έχεις μείνει πίσω. Ζεις σε ένα διαρκές, εξοντωτικό burn-out επιφανειακής ημιμάθειας.

Υπάρχει όμως μια θεμελιώδης αρχή στην επιστημολογία που ονομάζεται Φαινόμενο Lindy (Lindy Effect):

Όσο περισσότερο χρόνο έχει επιβιώσει μια τεχνολογία ή μια ιδέα στο παρελθόν, τόσο μεγαλύτερο είναι το προσδόκιμο ζωής της στο μέλλον.

Ένα JavaScript framework ή ένα AI orchestrator wrapper που εμφανίστηκε πριν από δύο χρόνια, έχει πιθανό προσδόκιμο ζωής άλλα δύο χρόνια πριν αντικατασταθεί από το επόμενο λαμπερό πυροτέχνημα.

Ξέρεις ποια πράγματα δεν έγιναν ποτέ deprecated; Ξέρεις τι δεν έβγαλε ποτέ breaking change τα τελευταία διακόσια χρόνια;

  • Η Άλγεβρα Boole του George Boole (1854): Πέρασαν 170 χρόνια. Κάθε ψηφιακό κύκλωμα, κάθε transistor, κάθε επεξεργαστής, κάθε conditional statement if/else και κάθε optimizer σε relational databases βασίζεται στο ίδιο αξίωμα: ότι το $0$ και το $1$, το AND, το OR και το NOT συνθέτουν ένα πλήρες, αυστηρό σύστημα λογικής αλήθειας.
  • Η Θεωρία Πληροφορίας του Claude Shannon (1948): Τα bits, η εντροπία, η συμπίεση δεδομένων. Όταν σήμερα μετράμε το context window ενός LLM, το perplexity ενός μοντέλου ή το Cross-Entropy Loss κατά το training των νευρωνικών δικτύων, χρησιμοποιούμε επακριβώς τα μαθηματικά που διατύπωσε ο Shannon στα Bell Labs πριν από 80 χρόνια.
  • Η Υπολογισιμότητα του Alan Turing (1936): Η έννοια του αλγορίθμου, η Μηχανή Turing, το Halting Problem (το πρόβλημα του τερματισμού). Κανένα LLM, κανένας αυτόνομος agent, καμία μελλοντική τεχνητή νοημοσύνη δεν μπορεί να υπερβεί τα μαθηματικά όρια της υπολογισιμότητας που απέδειξε ο Turing με μολύβι και χαρτί πριν καν κατασκευαστεί ο πρώτος ηλεκτρονικός υπολογιστής.
  • Η Γραμμική Άλγεβρα (Gauss, Cayley, Hamilton - 19ος αιώνας): Όταν η Nvidia πουλάει datacenter GPUs αξίας εκατομμυρίων με H100 και Blackwell chips, τι νομίζεις ότι κατασκευάζει; "Μαγικά AI chips"; Όχι. Κατασκευάζει γιγαντιαίες, παράλληλες μηχανές πολλαπλασιασμού πινάκων. Η τεχνητή νοημοσύνη είναι, στον φυσικό της πυρήνα, διανυσματικοί χώροι και γραμμικοί μετασχηματισμοί.
  • Η Θεωρία Πιθανοτήτων (Bayes, Pascal, Kolmogorov - 1933): Το αξιωματικό σύστημα των πιθανοτήτων. Ένα νευρωνικό δίκτυο των 400 δισεκατομμυρίων παραμέτρων δεν είναι τίποτα παραπάνω από έναν τεράστιο, παραμετρικό εκτιμητή πολυδιάστατων κατανομών πιθανότητας.

Αυτά είναι τα δομικά υλικά με τα οποία είναι χτισμένο το ψηφιακό σύμπαν.

Όταν επενδύεις τον χρόνο σου μόνο για να μάθεις το εκάστοτε trendy framework, αγοράζεις ένα εργαλείο με ημερομηνία λήξης. Μαθαίνεις να χειρίζεσαι ένα συγκεκριμένο κομπρεσέρ. Αν αύριο το εργοτάξιο αλλάξει μηχανήματα, ψάχνεις ξανά από την αρχή πού είναι ο διακόπτης.

Όταν όμως λιώνεις πάνω στα Μαθηματικά του ΕΑΠ, δεν μαθαίνεις το κομπρεσέρ. Μαθαίνεις τη στατική των κτιρίων, τη μηχανική των υλικών και τους νόμους της βαρύτητας.

Γι' αυτό τα πανεπιστημιακά τμήματα Πληροφορικής δεν σου διδάσκουν "React 19 Hooks σε 10 μαθήματα" ή "Πώς να γράψετε prompts για agents". Τα πανεπιστήμια ξέρουν κάτι που οι δημιουργοί των ταχύρρυθμων courses αρνούνται να παραδεχτούν: ότι το framework θα έχει πεθάνει πριν προλάβεις να ορκιστείς.

Τα Μαθηματικά όμως είναι το μοναδικό κομμάτι των σπουδών σου που διαθέτει εγγύηση αιωνιότητας. Είναι η πρώτη ύλη κάθε τεχνολογίας που υπήρξε, που υπάρχει και που θα υπάρξει ποτέ. Σου δίνουν το απόλυτο, αδιαπέραστο πλεονέκτημα: την ικανότητα να κοιτάζεις οποιοδήποτε μελλοντικό σύστημα —όσο εξωγήινο κι αν μοιάζει— και να βλέπεις μέσα του τα ίδια διαχρονικά θεμέλια.


Το Grand Finale: Επιστροφή στις 2:30 π.μ. (και στα μανίκια ψηλά)

Η ώρα πήγε 2:30.

Στο δωμάτιο επικρατεί απόλυτη ησυχία. Το μόνο φως προέρχεται από το μόνιτορ και ένα μικρό φωτιστικό γραφείου. Στο Discord του ΕΑΠ, οι συζητήσεις έχουν αρχίσει να σβήνουν — έχουν απομείνει μόνο τρεις-τέσσερις ξενύχτηδες, οι κλασικοί «αιμοδότες» των νυχτερινών commits, να ανταλλάσσουν κουρασμένα μηνύματα για τις προθεσμίες των εργασιών.

Κοιτάζω ξανά τον ανοιχτό τόμο των Μαθηματικών πάνω στο γραφείο μου.

Τα διακριτά μαθηματικά δεν έγιναν ξαφνικά ευκολότερα. Οι πίνακες παραμένουν απειλητικοί, οι σχέσεις ισοδυναμίας εξακολουθούν να απαιτούν εγκεφαλικά άλματα, και εκείνη η τελευταία γουλιά από τον κρύο καφέ έχει πια γεύση καθαρής απόγνωσης.

Αλλά το εσωτερικό μου τοπίο έχει αλλάξει ριζικά.

Το υπαρξιακό βάρος έφυγε. Δεν νιώθω πια ότι χάνω τον χρόνο μου παλεύοντας με αρχαίες θεωρίες. Νιώθω ότι βρίσκομαι στο πιο κρίσιμο, στο πιο σκληρό γυμναστήριο της ζωής μου.

Δεν είμαστε εχθροί της τεχνολογίας, ούτε μπούμερζ που νοσταλγούν την εποχή των διάτρητων καρτών. Αύριο το πρωί θα ξανανοίξω τα LLMs, θα χρησιμοποιήσω ξανά το Claude Mythos, θα εκμεταλλευτώ στο έπακρο τους agents και τα εργαλεία για να γράψω κώδικα με ταχύτητα δεκαπλάσια από εκείνη του παρελθόντος.

Αλλά θα το κάνω με διαφορετικούς όρους:

  • Όχι ως ένας αφελής τουρίστας που κοιτάζει μαγεμένος τα κουμπιά που αναβοσβήνουν.
  • Όχι ως ένας «χειριστής πληκτρολογίου» που παρακαλάει το AI να του λύσει τα bugs με ένα μαγικό prompt.
  • Αλλά ως ένας Μηχανικός που κάθεται στη θέση του καπετάνιου, καταλαβαίνει τη φυσική του σκάφους, ελέγχει τα ρεύματα και ξέρει ακριβώς τι συμβαίνει κάτω από την ίσαλο γραμμή.

Όταν θα έρθει η ώρα να βγει το σύστημα των κοινοχρήστων στο production —εκεί στην πιλοτή, μπροστά στη σκληρή πραγματικότητα του κυρ-Μήτσου και του 1 λεπτού του ευρώ— δεν θα με σώσει καμία επίκληση σε τεχνητή νοημοσύνη. Θα με σώσει το ότι κάθισα και απέδειξα μαθηματικά ότι το σύστημα δεν μπορεί να κάνει leak ούτε ένα cent.

Κι όταν κάποιος με ρωτήσει αύριο: «Μα καλά, ρε φίλε, 2026 έχουμε. Γιατί λιώνεις τα βράδια σου στα Μαθηματικά του ΕΑΠ; Τι σου χρειάζονται;», θα χαμογελάσω ήρεμα και θα του απαντήσω:

«Μου χρειάζονται για να μη μου πουλάει παπά κανένας: ούτε ο συνάδελφος στο standup, ούτε ο διαχειριστής στη γενική συνέλευση, ούτε οι servers της OpenAI.»

Όπως έλεγε και εκείνο το πρωινό κείμενο που μου τίναξε τα μυαλά:

«Είσαι εδώ για να γίνεις αφέντης της τεχνολογίας ή σκλάβος των εργαλείων της; Η επιλογή είναι δική σου. Τώρα, φύγε από δω και άνοιξε βιβλίο!»

Κλείνω τα tabs με τα AI playgrounds και τον τσάτπαπατζή. Γυρίζω το μαγεμένο κινητό ανάποδα πάνω στο γραφείο — Do Not Disturb. Ας χτυπάνε τα notifications στο κενό. Κλείνω το terminal.

Στο δωμάτιο μένει μόνο η σιωπή, το λευκό χαρτί και η σκληρή, αφτιασίδωτη αλήθεια των μαθηματικών συμβόλων.

Εκείνη τη στιγμή καταλαβαίνεις τι σημαίνει πραγματικά να είσαι μηχανικός: Δεν είναι τα shortcuts, δεν είναι οι εύκολες υποσχέσεις, δεν είναι τα frameworks που σε ναρκώνουν με την ψευδαίσθηση της παντοδυναμίας. Είναι η πειθαρχία να κοιτάξεις το ακατανόητο κατάματα, να αναλύσεις το πρόβλημα στα εξ ων συνετέθη και να επιβάλεις την τάξη στο χάος με τη δύναμη της δικής σου, αδέσμευτης λογικής.

Παίρνω μια βαθιά ανάσα, πιάνω το μολύβι, τραβάω μια αποφασιστική γραμμή στο χαρτί και ανοίγω το επόμενο θεώρημα.

Τα θεμέλια δεν χτίζονται με ευχές. Χτίζονται με ξενύχτι, μολύβι και πείσμα.

Σήκωσε τα μανίκια. Έχουμε δουλειά να κάνουμε.