Πηγή Εικόνας: https://pixabay.com/el/illustrations/%cf%84%ce%b5%cf%87%ce%bd%ce%b7%cf%84%ce%ae-%ce%bd%ce%bf%ce%b7%ce%bc%ce%bf%cf%83%cf%8d%ce%bd%ce%b7-%ce%b5%ce%b3%ce%ba%ce%ad%cf%86%ce%b1%ce%bb%ce%bf%cf%82-%ce%bd%ce%bf%ce%bc%ce%af%ce%b6%cf%89-3382507/

Έρευνες αιχμής και καίριοι προβληματισμοί που αφορούν στην αξιοποίηση της τεχνητής νοημοσύνης σε διαφορετικά επιστημονικά πεδία τέθηκαν στο επίκεντρο του επιστημονικού εργαστηρίου και του συνεδρίου, που διοργάνωσε το Ελληνικό Ινστιτούτο Προηγμένων Μελετών (HIAS) χτες και σήμερα στο Ίδρυμα Ευγενίδου στην Αθήνα.

«Η τεχνητή νοημοσύνη ενώνει τα διαφορετικά επιστημονικά πεδία, γι’ αυτό ελπίζουμε και στοχεύουμε οι δράσεις αυτές να συμβάλουν στον διάλογο ανάμεσα σε ερευνητές διαφορετικών πεδίων», παρατήρησε ο Γιώργος Παππάς, καθηγητης στο Τμήμα Ηλεκτρολόγων Μηχανικών στο Πανεπιστήμιο της Πενσιλβάνια και μέλος του HIAS.

«Η τεχνητή νοημοσύνη έχει υποστεί τεράστιο μετασχηματισμό και τώρα μετασχηματίζει άλλα επιστημονικά πεδία. Θα επηρεάσει την καθημερινότητά μας, εάν δεν το κάνει ήδη», ανέφερε η Λυδία Καβράκη, καθηγήτρια στους τομείς Πληροφορικής, Εμβιομηχανικής, Ηλεκτρολόγων Μηχανικών και Μηχανολόγων Μηχανικών στο Πανεπιστήμιο Ράις και μέλος του HIAS.

«Δεν υπήρξα ποτέ τόσο ενθουσιασμένος κατά την ακαδημαϊκή μου πορεία όσο είμαι τώρα για το πώς η τεχνητή νοημοσύνη επηρεάζει την ανθρωπότητα σε πολλούς τομείς, όπως η Υγεία, η Γεωργία και η Νομική», πρόσθεσε ο καθηγητής Επιχειρησιακής Έρευνας στο ΜΙΤ, επίσης μέλος του HIAS, Δημήτρης Μπερτσιμάς. Ο κ. Μπερτσιμάς πρότεινε τη δημιουργία ενός Ινστιτούτου στην Ελλάδα για την οριζόντια εκπαίδευση των επιστημόνων στην τεχνητή νοημοσύνη και την ενθάρρυνση της ανάπτυξης επιχειρηματικών πρωτοβουλιών στον τομέα αυτό.

Ο Λίο Γκίμπας, καθηγητής στο Τμήμα Πληροφορικής στο Πανεπιστήμιο Στάνφορντ, ασχολείται την τελευταία δεκαετία με την ανάπτυξη γεωμετρικών αλγορίθμων με τεχνολογίες Deep Learning (βαθιάς μάθησης). Όπως παρατήρησε, η τεχνητή νοημοσύνη αλλάζει και επανεφευρίσκει διαρκώς τον εαυτό της, σε σημείο που δεν κατανοούμε και δεν είμαστε εκπαιδευμένοι για τα όρια των δυνατοτήτων της.

Ο καθηγητής Τεχνητής Νοημοσύνης στο Οικονομικό Πανεπιστήμιο Αθηνών, Ίων Ανδρουτσόπουλος, αναφέρθηκε στην έρευνά του στην ανάπτυξη συστημάτων Επεξεργασίας Φυσικής Γλώσσας (natural language processing), που κατανοούν και αναπαράγουν κείμενα φυσικής γλώσσας, επιχειρούν να απαντήσουν σε ερωτήματα ιατρικού περιεχομένου και διαγνωστικών εξετάσεων, ακόμα και να εντοπίσουν τοξικό περιεχόμενο στα κοινωνικά δίκτυα. Ο τομέας της Επεξεργασίας Φυσικής Γλώσσας είναι ένα κύριο πεδίο της τεχνητής νοημοσύνης, που επηρεάζεται από όλες τις μεγάλες αλλαγές της τεχνητής νοημοσύνης, αλλά και έχει επηρεάσει την εξέλιξη της τεχνητής νοημοσύνης, συμπλήρωσε.

Η Ελένη Χατζή, καθηγήτρια στο Τμήμα Πολιτικών Μηχανικών του Πανεπιστημίου ETH Zurich, αξιοποιεί μοντέλα τεχνητής νοημοσύνης που συμβάλλουν στην κατανόηση της κατάστασης των υποδομών και την πρόγνωση της μελλοντικής απόδοσής τους. Όπως ανέφερε, οι εξελίξεις στην τεχνητή νοημοσύνη έχουν επηρεάσει πολύ τον τομέα των κατασκευών και ανέφερε ως παράδειγμα την παρακολούθηση της δομικής ακεραιότητας των κατασκευών με τη βοήθεια αλγόριθμων και βάσεων δεδομένων σχετικών με την κατάσταση διατήρησης άλλων ομοιογενών κατασκευών.

Ο Σπύρος Ράπτης, επικεφαλής στο Τμήμα Έρευνας και Ανάπτυξης της Samsung στην Ελλάδα και συνιδρυτής της spin-off εταιρείας Innoetics του Ινστιτούτου Επεξεργασίας του Λόγου του ερευνητικού κέντρου «Αθηνά» που μετατρέπει το κείμενο σε λόγο, μίλησε για την ανάλυση και μοντελοποίηση μοτίβων της φυσικής γλώσσας με στόχο την ανασύνθεση του λόγου από μηχανές.

Η αξιοποίηση της τεχνητής νοημοσύνης στον τομέα της Υγείας βρίσκεται στην πρωτοπορία της επιστημονικής έρευνας, προς όφελος της ανθρωπότητας. Η Μαρία Παπαδοπούλη, καθηγήτρια στο Πανεπιστήμιο Κρήτης, παρουσίασε την έρευνα της ομάδας της γύρω από το πώς μπορεί ο τρόπος λειτουργίας των νευρώνων του εγκεφάλου να αξιοποιηθεί γα την ανάπτυξη νέων υπολογιστικών τεχνολογιών. Η Μαρία Βακαλοπούλου, επίκουρη καθηγήτρια στο Πανεπιστήμιο του Παρισιού, αναφέρθηκε στην αξιοποίηση των μεγάλων γλωσσικών μοντέλων σε ιατρικές εφαρμογές, όπως η ιατρική απεικόνιση και η κλινική ογκολογία, και ανέφερε ότι η τεχνητή νοημοσύνη επιτυγχάνει εντυπωσιακά αποτελέσματα γι’ αυτό και θα αξιοποιείται όλο και περισσότερο στις ιατρικές εφαρμογές. Ο διευθυντής του Κέντρου Αριστείας για την Τεχνητή Νοημοσύνη του Δημόκριτου, Γιώργος Παλιούρας, μίλησε για μια δεκαετή έρευνα στην ανάπτυξη του προγράμματος BioASQ που οργανώνει έρευνες, επιστημονικά άρθρα και πληροφορίες στον τομέα της Βιοϊατρικής.

Η μηχανική όραση είναι ένα πεδίο της τεχνητής νοημοσύνης, που επιχειρεί να αναπαράγει αλγοριθμικά την αίσθηση της όρασης. Πόσο εύκολο είναι όμως μία μηχανή να μάθει να βλέπει, όπως ο άνθρωπος; Την πρόοδο που έχει επιτευχθεί στον τομέα της ανάπτυξης συστημάτων που μπορούν να μιμηθούν πτυχές της ανθρώπινης παρουσίας παρουσίασαν τρεις ερευνητές, ο Αντώνης Αργυρός, καθηγητής στο Τμήμα Πληροφορικής στο Πανεπιστήμιο Κρήτης, η Κατερίνα Φραγκιαδάκη, επίκουρη καθηγήτρια Πληροφορικής στο Πανεπιστήμιο Κάρνεγκι Μέλον και η Γεωργία Γκιοξάρη, επίκουρη καθηγήτρια Πληροφορικής στο Τεχνολογικό Ινστιτούτο της Καλιφόρνιας Κάλτεκ.

Αναφορικά με τα βασικά προεκπαιδευμένα μοντέλα της τεχνητής νοημοσύνης, που μπορούν να επιτελέσουν πολύ μεγάλο αριθμό από λειτουργίες, ο καθηγητής στο Τμήμα Ηλεκτρολόγων Μηχανικών του Πανεπιστημίου του Τέξας στο Όστιν, ‘Αλεξ Δημάκης, έθεσε στο επίκεντρο τη σημασία της δημιουργίας μοντέλων τεχνητής νοημοσύνης ανοιχτής πρόσβασης άμεσα, προκειμένου να μην υπάρχει μονοπωλιακή κατοχή των μοντέλων αυτών από λίγες εταιρείες.

Ο Βασίλης Συργκάνης, επίκουρος καθηγητής στο Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας στο Πανεπιστήμιο Στάνφορντ, αναφέρθηκε στις προκαταλήψεις και τα σφάλματα που εντοπίζονται στη μηχανική μάθηση και πώς αυτά μπορούν να αρθούν μέσα από το επιστημονικό πεδίο της αιτιώδους συναγωγής (causal inference). Τέλος, ο επίκουρος καθηγητής στο Τμήμα Πληροφορικής του Πανεπιστημίου Αθηνών, Χρήστος Τζάμος, παρουσίασε αλγοριθμικές προκλήσεις στη μηχανική μάθηση επισημαίνοντας ότι πρέπει να γίνουν τα συστήματα περισσότερο αξιόπιστα και στιβαρά, ικανά να λύνουν σύνθετα ζητήματα με εγγυήσεις αποτελεσματικότητας. 

Απανθρακοποίηση της ναυτιλίας

Κατά τη σημερινή ημερίδα δόθηκε, εκτός από την τεχνητή νοημοσύνη, έμφαση μεταξύ άλλων και στην απανθρακοποίηση της ναυτιλίας. Σύμφωνα με στοιχεία που παρέθεσε ο καθηγητής στο Τεχνικό Πανεπιστήμιο της Δανίας, Χαρίλαος Ψαραύτης, μέσω της ναυτιλίας διακινείται το 90% του όγκου και το 70% της αξίας του παγκόσμιου εμπορίου και το ποσοστό εκπομπών αερίων του θερμοκηπίου αντιστοιχεί στο 3% των συνολικών ετήσιων εκπομπών από ανθρωπογενείς δραστηριότητες. Ο στόχος που έχει τεθεί από τον Διεθνή Οργανισμό Ναυτιλίας είναι οι εκπομπές αυτές να μειωθούν κατά 40% ως το 2030 και ο κ. Ψαραύτης εκτίμησε ότι «ο δρόμος για την πλήρη απανθρακοποίηση θα είναι μακρύς».

Ο Δημήτρης Φαφαλιός, πρόεδρος της Διεθνούς Ένωσης Πλοιοκτητών Πλοίων Μεταφοράς Χύδην Ξηρού Φορτίου (Intercargo), σχολίασε ότι «δεν μπορούμε να προχωρήσουμε στην απανθρακοποίηση με οποιοδήποτε κόστος. Η ασφάλεια των πλοίων, του προσωπικού και των εμπορευμάτων είναι εξίσου σημαντική» και ζήτησε από την ελληνική ακαδημαϊκή κοινότητα να συμβάλει στην κατεύθυνση της απανθρακοποίησης με έρευνες επάνω σε υπάρχουσες και νέες τεχνολογίες. Ο Πάνος Κουτσουράκης από τον αμερικανικό νηογνώμονα American Bureau of Shipping αναφέρθηκε σε μερικές από τις προκλήσεις της απανθρακοποίησης και έκανε την πρόταση η Ελλάδα να αξιοποιήσει την ευκαιρία αυτής της μετάβασης και να τεθεί πρωτοπόρα μέσα από έρευνες της ακαδημαϊκής κοινότητας.