Τεχνητή νοημοσύνη: Καταλύτης για τις επόμενες γενιές

ΣΚΑΪ Podcasts - SKAI podcasts

Η τεχνητή νοημοσύνη (ΑΙ) αποτελεί πλέον έναν από τους βασικούς παράγοντες που επηρεάζουν δραστικά κάθε πτυχή της ζωής μας. Από την εκπαίδευση και την υγεία μέχρι τη βιομηχανία και την ψυχαγωγία, η ΤΝ λειτουργεί ως καταλύτης αλλαγών, αναδεικνύοντας νέες δυνατότητες και ταυτόχρονα νέες προκλήσεις. Ωστόσο, η τεχνολογία αυτή φέρνει και σημαντικά ηθικά, κοινωνικά και πολιτικά ερωτήματα: Ποιος την ελέγχει; Πώς διασφαλίζεται η διαφάνεια και ο σεβασμός στην ανθρώπινη αξιοπρέπεια; Πώς προετοιμάζουμε τους νέους να συνυπάρχουν με την τεχνητή νοημοσύνη κριτικά και υπεύθυνα;

Выпуски

  1. #10 | Το μέλλον της εκπαίδευσης και η τεχνητή νοημοσύνη

    9 АПР.

    #10 | Το μέλλον της εκπαίδευσης και η τεχνητή νοημοσύνη

    Συνεχίζουμε την συζήτηση με τον Χρύσανθο Δελλαρόκα όσον αφορά τις - καλές και κακές - επιπτώσεις της ΤΝ στην εκπαίδευση. Η τεχνητή νοημοσύνη ανατρέπει τα δεδομένα της ανώτατης εκπαίδευσης. Όταν οι αλγόριθμοι μπορούν να συντάσσουν εργασίες, να διδάσκουν εξατομικευμένα και να απαντούν σε ερωτήσεις άμεσα, η παραδοσιακή διδασκαλία δείχνει να κινδυνεύει με απαξίωση. Ωστόσο, όπως επισημαίνει ο Χρύσανθος Δελλαρόκας, παρότι η τεχνητή νοημοσύνη μπορεί να υποκαταστήσει ορισμένες πλευρές της εκπαιδευτικής διαδικασίας, προσφέρει ταυτόχρονα τεράστιες δυνατότητες. Σήμερα, σε μια τάξη εκατό φοιτητών, ο καθένας ξεκινά και καταλήγει από διαφορετικό σημείο, όμως ο καθηγητής στοχεύει στον μέσο όρο — με αποτέλεσμα πολλοί να βαριούνται και άλλοι να μένουν πίσω. Η τεχνητή νοημοσύνη μπορεί να λειτουργήσει ως προσωπικός καθοδηγητής, να προσαρμόζεται στις ανάγκες του κάθε φοιτητή και να υποστηρίζει τους εκπαιδευτικούς με ουσιαστική ανατροφοδότηση για την πρόοδο της τάξης. Η φυσική παρουσία, όμως, δεν μπορεί να καταργηθεί. Η μάθηση είναι ουσιαστικά κοινωνική: εμπνέεται μέσα από τη συνεργασία, τη σχέση, την κοινή προσπάθεια. Το μέλλον της εκπαίδευσης βρίσκεται σε ένα υβριδικό μοντέλο — ανθρώπινη επαφή σε συνδυασμό με τις δυνατότητες της τεχνολογίας, που υπόσχονται ποιοτική, προσβάσιμη και πιο δίκαιη γνώση. Παρουσίαση - Έρευνα: Θάνος Παπαδημητρίου Παραγωγή - Επιμέλεια: Τζένη Πουπουλίδου

    7 мин.
  2. #09 | Τα όρια της συμβολικής τεχνητής νοημοσύνης

    6 АПР.

    #09 | Τα όρια της συμβολικής τεχνητής νοημοσύνης

    Στη Βοστώνη συναντάμε τον Χρύσανθο Δελλαρόκα, τέως Αναπληρωτή Πρύτανη Ψηφιακής Μάθησης & Καινοτομίας και νυν καθηγητή Πληροφορικής στο Questrom School of Business. Είναι διεθνώς αναγνωρισμένος για το έργο του όσον αφορά στη διάδοση και τις συνέπειες της φήμης στο διαδίκτυο, τα κοινωνικά δίκτυα και την οικονομία της πληροφορίας, με πολυάριθμες επιστημονικές δημοσιεύσεις και σημαντική επιρροή στον χώρο της ψηφιακής εκπαίδευσης και της καινοτομίας. Σε ένα σχολείο στην Ελλάδα στα μέσα της δεκαετίας του 80, με την παρότρυνση του πρωτοπόρου καθηγητή μαθηματικών Σπύρου Καλομιτσήνη, δύο νέοι μαθητές καταπιάνονται με έναν από του πρώτους υπολογιστές που μπήκε σε Ελληνικό σχολείο. Ο Χρύσανθος ήταν ένας από τους πρωτοπόρους και ξεκίνησε την πορεία του δημιουργώντας ένα πρωτόγονο πρόγραμμα τεχνητής νοημοσύνης, το οποίο — ξεκινώντας από βασικά γεωμετρικά αξιώματα — μπορούσε να αποδεικνύει απλά γεωμετρικά θεωρήματα. Επειδή σε αυτή τη μορφή τεχνητής νοημοσύνης οι κανόνες είναι προκαθορισμένοι από έναν άνθρωπο ή μια ομάδα ανθρώπων, τέτοια συστήματα ονομάζονται expert systems. Παρά τις πρώτες επιτυχίες, ο Χρύσανθος δεν άργησε να ανακαλύψει τα όρια αυτής της προσέγγισης στην τεχνητή νοημοσύνη. Αντίθετα, τα σημερινά συστήματα, όπως τα μοντέλα machine learning και τα μεγάλα γλωσσικά μοντέλα ή LLMs (όπως το ChatGPT), εξάγουν κανόνες στατιστικά, χωρίς ρητή ανθρώπινη καθοδήγηση. Αυτή η διαφοροποίηση σε μεγάλο βαθμό εξηγεί την έκρηξη της ΤΝ τα τελευταία χρόνια. Παρουσίαση - Έρευνα: Θάνος Παπαδημητρίου Παραγωγή - Επιμέλεια: Τζένη Πουπουλίδου

    9 мин.
  3. #08 | Ο κοινός κώδικας

    2 АПР.

    #08 | Ο κοινός κώδικας

    Συνεχίζουμε την συζήτηση μας με τον Μανώλη Κέλλη. Μιλάμε για το πώς οι μηχανές μπορούν να διδάξουν τον δημιουργό τους (δηλαδή τον άνθρωπο) με βάση τον κοινό κώδικα που τους ενώνει. O Μανώλης Κέλλης (ΜΚ) συζητά μας την εξέλιξη της τεχνητής νοημοσύνης. Αρχικά περιγράφει τα expert systems των '60s που βασίζονταν σε προγραμματισμένους κανόνες και ήταν σαν "παπαγάλοι" χωρίς πραγματική ευφυΐα. Στη συνέχεια εξηγεί τη μετάβαση στα neural networks που εμπνεύστηκαν από τους νευρώνες του εγκεφάλου. Η μεγάλη επανάσταση ήρθε το 2012-2017 με το "representation learning" όπου τα συστήματα άρχισαν να μαθαίνουν από μόνα τους τι να ψάχνουν, χωρίς προκαθορισμένους κανόνες. Αυτό οδήγησε σε μηχανές που ξεπερνούν τους δημιουργούς τους, όπως στο σκάκι όπου τα συστήματα AI ανακάλυψαν νέες στρατηγικές. Ο Κέλλης τονίζει ότι δεν φοβάται την υπεροχή των μηχανών αλλά τη χαιρετίζει, καθώς χρειαζόμαστε έξυπνες μηχανές για να λύσουμε τα μεγάλα προβλήματα της ανθρωπότητας Παρουσίαση - Έρευνα: Θάνος Παπαδημητρίου Παραγωγή - Επιμέλεια: Τζένη Πουπουλίδου

    19 мин.
  4. #07 | Βιολογία και τεχνητή νοημοσύνη

    30 МАР.

    #07 | Βιολογία και τεχνητή νοημοσύνη

    Σε αυτό το επεισόδιο ταξιδεύουμε στη Βοστώνη για να συνομιλήσουμε με τον Μανώλη Κέλλη, καθηγητή στο MIT και επικεφαλής της Ομάδας Υπολογιστικής Βιολογίας του Broad Institute. Δούλεψε με τον Tim Berners-Lee (εφευρέτη του WWW - ή απλά Internet) και στο Xerox PARC, όπου δημοσίευσε την πρώτη του εργασία. Θεωρείται πρωτοπόρος στη διασύνδεση της τεχνητής νοημοσύνης (AI) με τη βιοϊατρική έρευνα και τη γονιδιωματική. Ο Μανώλης Κέλλης μοιράζεται μαζί μας το ταξίδι του από ένα “τυπικό Ελληνόπουλο” σε καθηγητή του ΜΙΤ που ειδικεύεται στις εφαρμογές της τεχνητής νοημοσύνης στη βιολογία και την ιατρική. Γεννημένος από γονείς από τη Μυτιλήνη και τη Μήλο, η ζωή του άλλαξε δραματικά στα 12 του όταν ο πατέρας του, παρότι δεν μιλούσε καμία ξένη γλώσσα, μετακόμισε όλη την οικογένεια στη Γαλλία για να μάθουν τα παιδιά γαλλικά και να γίνουν "πολίτες του κόσμου." Μετά από τέσσερα χρόνια στο Aix-en-Provence φοιτώντας σε γαλλικά σχολεία, και τα τρία αδέλφια έγιναν δεκτά στο ΜΙΤ το 1994 - φαίνεται ρεκόρ βιβλίου Γκίνες. Ο ΜΚ τονίζει ότι το πέτυχαν με σκληρή δουλειά σε δημόσια σχολεία χωρίς ιδιαίτερα, φτιάχνοντας περίφημα τρύπες στις καρέκλες μελέτης τους. Στο ΜΙΤ, οι ορίζοντές του διευρύνθηκαν παγκοσμίως. Δούλεψε σε πρώιμα διαδικτυακά ρομποτικά έργα με τον Tim Berners-Lee (δημιουργό του World Wide Web) και πέρασε τρία χρόνια στο Xerox PARC, το θρυλικό ερευνητικό κέντρο που εφηύρε το ποντίκι υπολογιστή, τα γραφικά περιβάλλοντα και την εκτύπωση laser. Η καθοριστική στιγμή ήρθε όταν ανακάλυψε την υπολογιστική βιολογία μέσω ενός φίλου. Το να δει τα 3 δισεκατομμύρια γράμματα του ανθρώπινου γονιδιώματος ήταν σαν "ρομπότ να ανακαλύπτει τον δικό του προγραμματιστικό κώδικα." Αυτό ξεκίνησε το διαρκές πάθος του για να καταλάβει πώς ο βιολογικός "κώδικας" λειτουργεί διαφορετικά από την ανθρώπινη μηχανική - περιγράφοντας τις κυτταρικές διαδικασίες ως μια χαοτική "σούπα" όπου όλα επικοινωνούν με όλα, αλλά παρόλα αυτά λειτουργεί και εξελίσσεται επιτυχώςης gradients. Παρουσίαση - Έρευνα: Θάνος Παπαδημητρίου Παραγωγή - Επιμέλεια: Τζένη Πουπουλίδου

    15 мин.
  5. #06 | Υπερνοημοσύνη (μέρος Β΄)

    24 МАР.

    #06 | Υπερνοημοσύνη (μέρος Β΄)

    Συνεχίζουμε την συζήτηση με τον Βασίλη Βασσάλο όσον αφορά την υπερνοημοσύνη και τις κοινωνικές και ηθικές προεκτάσεις της. Η υπερνοημοσύνη θα μπορούσε να επιφέρει ριζικές κοινωνικές αλλαγές. Από τη μία, υπόσχεται λύσεις σε παγκόσμιες προκλήσεις όπως η φτώχεια, οι ασθένειες και η κλιματική κρίση. Από την άλλη, ενδέχεται να εντείνει τις ανισότητες, συγκεντρώνοντας υπερβολική δύναμη σε λίγα χέρια. Ο έλεγχος τέτοιων συστημάτων μπορεί να οδηγήσει σε απώλεια αυτονομίας, μαζική ανεργία και κρίση εμπιστοσύνης στους θεσμούς. Ανακύπτουν ηθικά διλήμματα: ποιος αποφασίζει τι είναι «καλό» ή «δίκαιο» όταν το μυαλό που σκέφτεται είναι μη ανθρώπινο; Η υπευθυνότητα και η διαφάνεια είναι κρίσιμες για μια θετική έκβαση. Παρουσίαση - Έρευνα: Θάνος Παπαδημητρίου Παραγωγή - Επιμέλεια: Τζένη Πουπουλίδου

    16 мин.
  6. #05 | Υπερνοημοσύνη (μέρος Α΄)

    23 МАР.

    #05 | Υπερνοημοσύνη (μέρος Α΄)

    Καλεσμένος σε αυτό το επεισόδιο είναι ο Βασίλης Βασσάλος, καθηγητής στο τμήμα της πληροφορικής του Οικονομικού Πανεπιστημίου Αθηνών. Το θέμα μας σήμερα είναι η υπερνοημοσύνη (superintelligence) — μια υποθετική μορφή τεχνητής νοημοσύνης που ξεπερνά τον άνθρωπο σε κάθε διανοητική ικανότητα. Σε αντίθεση με τα σημερινά συστήματα, που είναι εξαιρετικά σε ορισμένες εφαρμογές αλλά περιορισμένα, η υπερνοημοσύνη θα μπορούσε να υπερέχει συνολικά: στη δημιουργικότητα, στη λήψη αποφάσεων, στη μάθηση και στην επίλυση σύνθετων προβλημάτων. Οι δυνατότητές της είναι τεράστιες — από την αντιμετώπιση της κλιματικής κρίσης έως την εξάλειψη ασθενειών. Όμως η πορεία προς αυτήν απαιτεί τεχνολογικά άλματα και φέρνει μαζί της σοβαρές προκλήσεις. Πώς διασφαλίζουμε ότι θα παραμείνει ελεγχόμενη; Πώς αποφεύγουμε την κατάχρηση ή την ενίσχυση ανισοτήτων; Για να αξιοποιήσουμε τα οφέλη της και να μειώσουμε τους κινδύνους, χρειάζονται αυστηρά ηθικά πλαίσια, σαφής νομοθεσία και διεθνής συνεργασία. Το μέλλον της υπερνοημοσύνης δεν είναι απλώς τεχνολογικό — είναι βαθιά πολιτικό, κοινωνικό και ηθικό. Παρουσίαση - Έρευνα: Θάνος Παπαδημητρίου Παραγωγή - Επιμέλεια: Τζένη Πουπουλίδου

    14 мин.
  7. #04 | Μεγάλα γλωσσικά μοντέλα (LLM)

    19 МАР.

    #04 | Μεγάλα γλωσσικά μοντέλα (LLM)

    Καλεσμένος σε αυτό το επεισόδιο είναι ο Γιώργος Καραγιάννης, συνιδρυτής της Moveo AI μιας ταχύτατα αναπτυσσόμενης start up στον χώρο της συνομιλιακής τεχνητής νοημοσύνης με πάνω από 10 εκατομμύρια χρήστες το μήνα παγκοσμίως. Τα μεγάλα γλωσσικά μοντέλα, όπως το ChatGPT, βασίζονται σε τεχνολογίες αιχμής για την επεξεργασία της φυσικής γλώσσας. Εκπαιδεύονται σε τεράστιους όγκους κειμένων από το διαδίκτυο και χρησιμοποιούν αρχιτεκτονικές μετασχηματιστών (transformers), οι οποίες τους επιτρέπουν να κατανοούν όχι μόνο τη σημασία των λέξεων, αλλά και τη σχέση τους μέσα σε ένα ευρύτερο γλωσσικό πλαίσιο. Τα μοντέλα αυτά συνθέτουν απαντήσεις λέξη προς λέξη, προβλέποντας κάθε φορά ποια λέξη είναι πιθανότερο να ακολουθήσει, με βάση τα συμφραζόμενα. Όπως σημείωσε χαρακτηριστικά ο Andrei Karpathy, ένας από τους πιο σημαντικούς ερευνητές στον χώρο της τεχνητής νοημοσύνης, "τα Αγγλικά είναι η νέα γλώσσα προγραμματισμού". Με αυτό εννοεί ότι τα LLMs μπορούν να εκτελούν περίπλοκες εντολές γραμμένες σε φυσική γλώσσα, όπως άλλοτε τα προγράμματα σε κώδικα. Παρ’ όλη την εντυπωσιακή τους απόδοση, τα μοντέλα αυτά δεν είναι αλάνθαστα και συχνά εμφανίζουν "παραισθήσεις" — δηλαδή, παρουσιάζουν ψευδή ή ανακριβή στοιχεία με τρόπο πειστικό. Παρουσίαση - Έρευνα: Θάνος Παπαδημητρίου Παραγωγή - Επιμέλεια: Τζένη Πουπουλίδου

    14 мин.
  8. #03 | Ο μύθος του Προμηθέα (μέρος Β΄)

    16 МАР.

    #03 | Ο μύθος του Προμηθέα (μέρος Β΄)

    Συνεχίζουμε την συζήτηση με τον Θεοδόση Τάσιο, ομότιμο καθηγητή του ΕΜΠ, ο οποίος μοιράζεται μαζί μας την άποψη του για τον εάν η τεχνητή νοημοσύνη είναι απειλή για την ανθρωπότητα ή όχι. Παρουσίαση - Έρευνα: Θάνος Παπαδημητρίου Παραγωγή - Επιμέλεια: Τζένη Πουπουλίδου

    10 мин.
  9. #02 | Ο μύθος του Προμηθέα (μέρος Α΄)

    12 МАР.

    #02 | Ο μύθος του Προμηθέα (μέρος Α΄)

    Καλεσμένος σε αυτό το επεισόδιο είναι ο Θεοδόσης Τάσιος, ομότιμος καθηγητής του ΕΜΠ και ευαισθητοποιημένος σε κοινωνικά και φιλοσοφικά θέματα. Υπήρξε συνδιοργανωτής της έκθεσης «Αρχαίας Ελληνικής Τεχνολογίας» που παρουσιάστηκε στην Ελλάδα και την Γερμανία. Ο Προμηθέας, Τιτάνας της ελληνικής μυθολογίας και θεός της φωτιάς, βοήθησε καθοριστικά την ανθρωπότητα κλέβοντας τη φωτιά από τους θεούς και δίνοντάς την στους ανθρώπους για να αναπτύξουν πολιτισμό. Ως τιμωρία για την πράξη του, ο Δίας τον έδεσε σε βράχο όπου ένας γυπαετός έτρωγε καθημερινά το συκώτι του, το οποίο αναγεννιόταν κάθε νύχτα. Τελικά ελευθερώθηκε από τον Ηρακλή. Ποιο είναι το διαχρονικό νόημα αυτής της ιστορίας; Είναι παράδειγμα για το τι μπορεί να συμβεί στον άνθρωπο αν αποκτήσει πρόσβαση σε σημαντικές τεχνολογικές δυνατότητες, τόσο σημαντικές που ίσως προκαλούν και προσβάλουν τους Θεούς; Θα μπορούσε να συμβεί κάτι παρόμοιο και σήμερα με την τεχνητή νοημοσύνη. Μήπως - μεταφορικά και κυριολεκτικά - παίζουμε με την φωτιά; Παρουσίαση - Έρευνα: Θάνος Παπαδημητρίου Παραγωγή - Επιμέλεια: Τζένη Πουπουλίδου

    11 мин.
  10. #01 | 1956

    9 МАР.

    #01 | 1956

    Η τεχνητή νοημοσύνη (AI) ξεκίνησε επίσημα το καλοκαίρι του 1956, στο συνέδριο του Dartmouth College το οποίο βρίσκεται στο New Hampshire των Ηνωμένων Πολιτειών της Αμερικής. Εκεί, επιστήμονες όπως ο John McCarthy, o Marvin Minsky και άλλοι έθεσαν τα θεμέλια της ιδέας ότι η ανθρώπινη νοημοσύνη μπορεί να αναπαρασταθεί με τέτοιο τρόπο ώστε να προγραμματιστεί σε μηχανές. Οι στόχοι που έθεσαν ήταν ιδιαίτερα φιλόδοξοι: η δημιουργία συστημάτων που να κατανοούν γλώσσα, να λύνουν προβλήματα, να μαθαίνουν και να λαμβάνουν αποφάσεις όπως ο άνθρωπος. Πόσο χρόνο πίστευαν ότι θα έπαιρνε αυτό; Οι ερευνητές πίστευαν με αισιοδοξία ότι θα μπορούσαν να επιτύχουν σημαντική πρόοδο μέσα σε ένα καλοκαίρι! Όπως αποδείχθηκε, η αισιοδοξία τους ήταν μάλλον υπερβολική. Έπρεπε να φτάσουμε στην δεκαετία του 2010 για να αρχίσουμε να βλέπουμε τα τα πρώτα πραγματικά εντυπωσιακά επιτεύγματα της τεχνητής νοημοσύνης. Όμως το νερό είχε μπει στο αυλάκι ήδη από το μακρινό 1956….. Παρουσίαση - Έρευνα: Θάνος Παπαδημητρίου Παραγωγή - Επιμέλεια: Τζένη Πουπουλίδου

    12 мин.
  • Выпусков: 10

Об этом подкасте

Η τεχνητή νοημοσύνη (ΑΙ) αποτελεί πλέον έναν από τους βασικούς παράγοντες που επηρεάζουν δραστικά κάθε πτυχή της ζωής μας. Από την εκπαίδευση και την υγεία μέχρι τη βιομηχανία και την ψυχαγωγία, η ΤΝ λειτουργεί ως καταλύτης αλλαγών, αναδεικνύοντας νέες δυνατότητες και ταυτόχρονα νέες προκλήσεις. Ωστόσο, η τεχνολογία αυτή φέρνει και σημαντικά ηθικά, κοινωνικά και πολιτικά ερωτήματα: Ποιος την ελέγχει; Πώς διασφαλίζεται η διαφάνεια και ο σεβασμός στην ανθρώπινη αξιοπρέπεια; Πώς προετοιμάζουμε τους νέους να συνυπάρχουν με την τεχνητή νοημοσύνη κριτικά και υπεύθυνα;

Информация

Вам может также понравиться