23 Απριλίου 2026

Ο εμπειρογνώμονας μηχανικής μάθησης Jordan εκφράζει τη λύπη του για τη χρήση του AI ως γενικού όρου

Περίληψη άρθρου:
Ο πρωτοπόρος της μηχανικής μάθησης Michael I. Jordan επέκρινε τη σύγχυση μεταξύ της τεχνητής νοημοσύνης (AI) και της μηχανικής μάθησης (ML), υποστηρίζοντας ότι οι συζητήσεις επιστημονικής φαντασίας αποτελούν "αντιπερισπασμό". Ο Jordan, καθηγητής στο Πανεπιστήμιο της Καλιφόρνιας στο Μπέρκλεϊ και βραβευμένη προσωπικότητα στον τομέα της μηχανικής μάθησης και της επιστήμης των δεδομένων, δήλωσε στο Ινστιτούτο Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικών (ΙΕΕΕ) ότι το "πραγματικό πρόβλημα" είναι η δημιουργία συστημάτων μηχανικής μάθησης σε μέγεθος πλανήτη που να προσφέρουν αξία στους ανθρώπους χωρίς να ενισχύουν τις υπάρχουσες ανισότητες. Ο Jordan υποστήριξε επίσης ότι η μηχανική έχει κάνει περισσότερα για την αύξηση της ανθρώπινης ευτυχίας από ό,τι η επιστήμη ή η τεχνητή νοημοσύνη. Το άρθρο του "Artificial Intelligence: The Revolution Hasn't Happened Yet", το οποίο επικρίνει τις μη ρεαλιστικά αισιόδοξες προβλέψεις για τον πιθανό αντίκτυπο της τεχνητής νοημοσύνης στην κοινωνία, δημοσιεύθηκε για πρώτη φορά τον Ιούλιο του 2019.

Περισσότερα...

Iurii Milovanov, SoftServe: Πώς η AI/ML συμβάλλει στην ενίσχυση της καινοτομίας και της εξατομίκευσης

Περίληψη άρθρου:
Η SoftServe είναι ένας παγκόσμιος πάροχος υπηρεσιών πληροφορικής και επαγγελματικών υπηρεσιών που ειδικεύεται στη χρήση αναδυόμενων τεχνολογιών, όπως η τεχνητή νοημοσύνη, τα μεγάλα δεδομένα και το blockchain, για την επίλυση πραγματικών επιχειρηματικών προβλημάτων. Η εταιρεία δραστηριοποιείται σε πολλούς κλάδους, όπως η υγειονομική περίθαλψη, η χρηματοδότηση και το λιανικό εμπόριο. Η κύρια τάση στην τεχνητή νοημοσύνη και τη μηχανική μάθηση είναι ότι οι τεχνολογίες αυτές γίνονται το βιομηχανικό πρότυπο για την επίλυση σύνθετων προβλημάτων που απαιτούν γνώση, υπολογισμό, αντίληψη, συλλογισμό και λήψη αποφάσεων. Η μηχανική μάθηση μπορεί να χρησιμοποιηθεί για τη βελτίωση της εξατομίκευσης με την εκμάθηση προσωπικών σημάτων από δεδομένα για την παροχή εξατομικευμένων εμπειριών. Η AI/ML επηρεάζει επίσης το metaverse, επιτρέποντας στις εταιρείες να αναπαράγουν φυσικά περιουσιακά στοιχεία ή να δημιουργήσουν αμιγώς ψηφιακά που συμπεριφέρονται έξυπνα. Σχεδόν κάθε εταιρεία σήμερα έχει κάνει κάποια εργασία AI/ML λόγω της ευρείας υιοθέτησης αυτής της τεχνολογίας. Η μεγαλύτερη πρόκληση στην τεχνητή νοημοσύνη και τη μηχανική μάθηση σήμερα είναι η μετατροπή των ιδεών σε αξιόπιστα προϊόντα. Ορισμένες εταιρείες έχουν εξαιρετικές ιδέες αλλά δεν διαθέτουν την τεχνογνωσία για να τις εξελίξουν, ενώ άλλες διαθέτουν τεχνικές δεξιότητες αλλά δυσκολεύονται να εφαρμόσουν την AI/ML σε πραγματικά επιχειρηματικά προβλήματα. Το μέλλον της τεχνητής νοημοσύνης είναι αισιόδοξο, καθώς η ιστορία δείχνει ότι η τεχνολογία ενισχύει παρά αντικαθιστά την ανθρώπινη νοημοσύνη. Το κλειδί είναι να μάθουμε πώς να αξιοποιούμε αυτή την τεχνολογία για να κάνουμε την εργασία πιο αποτελεσματική και να αποκτήσουμε ανταγωνιστικό πλεονέκτημα στο μέλλον.

Περισσότερα...

Τι είναι το μαύρο κουτί; Ένας επιστήμονας πληροφορικής εξηγεί τι σημαίνει όταν οι εσωτερικές λειτουργίες της ΤΝ είναι κρυφές

Περίληψη άρθρου:
Ο όρος "black box" στην τεχνητή νοημοσύνη (AI) αναφέρεται σε συστήματα AI των οποίων οι εσωτερικές λειτουργίες είναι κρυμμένες από τον χρήστη, καθιστώντας αδύνατη την εξέταση του κώδικα ή της λογικής που παρήγαγε την έξοδο. Η μηχανική μάθηση είναι ένα κυρίαρχο υποσύνολο της ΤΝ, το οποίο περιλαμβάνει έναν αλγόριθμο, δεδομένα εκπαίδευσης και ένα μοντέλο. Οι προγραμματιστές συχνά τοποθετούν το μοντέλο ή τα δεδομένα εκπαίδευσης σε ένα "μαύρο κουτί" για να προστατεύσουν την πνευματική τους ιδιοκτησία. Το αντίθετο ενός μαύρου κουτιού είναι ένα "glass box", όπου όλα τα συστατικά είναι διαθέσιμα για να τα δει ο καθένας. Ωστόσο, ακόμη και τα "γυάλινα κουτιά" μπορεί να έχουν πτυχές που οι ερευνητές δεν κατανοούν πλήρως. Τα μαύρα κουτιά έχουν επιπτώσεις στην ασφάλεια των συστημάτων λογισμικού, επειδή η διατήρηση του λογισμικού σε ένα μαύρο κουτί δεν εμποδίζει απαραίτητα τους χάκερς να εκμεταλλευτούν τα τρωτά σημεία. Ο τομέας της επεξηγήσιμης τεχνητής νοημοσύνης εργάζεται για την ανάπτυξη αλγορίθμων που μπορούν να γίνουν καλύτερα κατανοητοί από τους ανθρώπους, ακόμη και αν δεν είναι εξ ολοκλήρου συστήματα glass box.

Περισσότερα...

Η τεχνητή νοημοσύνη μπορεί να επιταχύνει την ανάπτυξη του δικτύου 5G

Περίληψη άρθρου:
Η τεχνητή νοημοσύνη (AI) μπορεί να βοηθήσει στην επίλυση σφαλμάτων και στη βελτίωση της κατανόησης του δικτύου κινητής τηλεφωνίας 5G, σύμφωνα με μια διατριβή του Πανεπιστημίου Umeå. Ο Tobias Sundqvist, βιομηχανικός διδακτορικός φοιτητής στο Τμήμα Επιστήμης Υπολογιστών, δημιούργησε μεθόδους μηχανικής μάθησης που χρησιμοποιούν δεδομένα αντιμετώπισης προβλημάτων για την κατανόηση της συμπεριφοράς του συστήματος RAN. Ο Sundqvist πιστεύει ότι η τεχνητή νοημοσύνη μπορεί πλέον να εκτελεί εργασίες που προηγουμένως έπαιρναν στους ανθρώπους εβδομάδες ή μήνες σε λίγα μόνο δευτερόλεπτα. Προηγούμενες έρευνες επικεντρώθηκαν στη βελτιστοποίηση του RAN ή στον εντοπισμό ανωμαλιών στις συλλεγόμενες μετρήσεις, αλλά η έρευνα του Sundqvist εξετάζει περαιτέρω την ανάλυση των αρχείων καταγραφής που προορίζονται για τους ανθρώπους για την ταχύτερη εύρεση σφαλμάτων και την επιτάχυνση της μελλοντικής ανάπτυξης δικτύων κινητής τηλεφωνίας.

Περισσότερα...

Το BuzzFeed ετοιμάζει νέα γεννήτρια συνταγών με τεχνητή νοημοσύνη, το Botatouille

Περίληψη άρθρου:
Το BuzzFeed ξεκίνησε το Botatouille, μια γεννήτρια συνταγών με τεχνητή νοημοσύνη που θα προτείνει γεύματα με βάση το τι έχει ο χρήστης στο ψυγείο του, καθώς και ένα chatbot για μαγειρικές ερωτήσεις. Η κίνηση αυτή αποτελεί μέρος μιας ευρύτερης προσπάθειας της εταιρείας να παρέχει "διασκεδαστικό" περιεχόμενο, μετά το κλείσιμο του βραβευμένου τμήματος BuzzFeed News. Ο διευθύνων σύμβουλος του BuzzFeed Jonah Peretti δήλωσε ότι οι αναγνώστες "αναζητούν όλο και περισσότερο τις πλατφόρμες κοινωνικής δικτύωσης για να παρέχουν μια διέξοδο όπου μπορούν να βρουν ψυχαγωγία, χαρά και διασκέδαση". Ο ιστότοπος είχε δηλώσει προηγουμένως στους υπαλλήλους ότι είχε χρησιμοποιήσει τεχνητή νοημοσύνη για να βελτιώσει τα κουίζ και το περιεχόμενό του.

Περισσότερα...

Είναι η δημιουργική τεχνητή νοημοσύνη κακή για το περιβάλλον; Ένας επιστήμονας πληροφορικής εξηγεί το αποτύπωμα άνθρακα του ChatGPT και των "συγγενών" του

Περίληψη άρθρου:
Η δημιουργική τεχνητή νοημοσύνη, η οποία μπορεί να παράγει σύνθετα δεδομένα όπως γλώσσα, εικόνες και βίντεο, γίνεται όλο και πιο ισχυρή, αλλά η κατανάλωση ενέργειας αποτελεί αυξανόμενη ανησυχία. Καθώς τα chatbots και οι γεννήτριες εικόνων γίνονται πιο δημοφιλή, ο αριθμός των ερωτημάτων που λαμβάνουν θα μπορούσε να αυξηθεί εκθετικά. Ωστόσο, υπάρχουν τρόποι για να μειωθούν οι περιβαλλοντικές επιπτώσεις, όπως η χρήση πιο αποδοτικής αρχιτεκτονικής μοντέλων και επεξεργαστών και ο προγραμματισμός των υπολογισμών για ώρες που η ανανεώσιμη ενέργεια είναι περισσότερο διαθέσιμη. Η κοινωνική πίεση θα μπορούσε επίσης να ενθαρρύνει τις εταιρείες και τα ερευνητικά εργαστήρια να δημοσιεύουν το αποτύπωμα άνθρακα των μοντέλων τεχνητής νοημοσύνης τους, ώστε οι καταναλωτές να επιλέγουν πιο "πράσινα" chatbots.

Περισσότερα...

Ο ρομποτικός πληρεξούσιος φέρνει στη ζωή τους απομακρυσμένους χρήστες σε πραγματικό χρόνο

Περίληψη άρθρου:
Ερευνητές από το Πανεπιστήμιο Cornell δημιούργησαν το ρομπότ ReMotion, το οποίο αντικατοπτρίζει τη γλώσσα του σώματος του χρήστη σε πραγματικό χρόνο. Εκτός από την αντιγραφή των σωματικών κινήσεων, το ρομπότ μπορεί να μεταφέρει μη λεκτικές ενδείξεις, όπως το δείξιμο και η οπτική επαφή, οι οποίες συχνά χάνονται κατά την εικονική επικοινωνία. Η συσκευή ύψους δύο μέτρων ελέγχεται από ένα άτομο που φοράει μια συσκευή εντοπισμού που ονομάζεται NeckFace, η οποία στέλνει δεδομένα στο ρομπότ. Η ομάδα πίσω από το ReMotion ισχυρίζεται ότι προσφέρει καλύτερη σύνδεση μεταξύ απομακρυσμένων ομάδων από τα υπάρχοντα τηλερομποτικά συστήματα. Ωστόσο, προς το παρόν λειτουργεί μόνο με δύο χρήστες που καταλαμβάνουν πανομοιότυπους χώρους.

Περισσότερα...

Αποτελεσματική ως συλλογικότητα: Ερευνητές διερευνούν τη συμπεριφορά σμήνους των μικρορομπότ

Περίληψη άρθρου:
Ορισμένοι ερευνητές από το Πανεπιστήμιο Johannes Gutenberg του Mainz μελετούν τις δυνατότητες χρήσης συλλογών μικρών ρομπότ για την εκτέλεση εργασιών που δεν μπορεί να διεκπεραιώσει μια μεμονωμένη μηχανή. Μελέτησαν τη συλλογική συμπεριφορά εμπορικά διαθέσιμων ρομπότ και παρατήρησαν δύο αποτελέσματα όταν η συλλογικότητα των ρομπότ είχε διαφοροποιήσεις ως προς τις τροχιές τους: απαιτούσαν λιγότερο χρόνο για να εξερευνήσουν τον χώρο στον οποίο είχαν τοποθετηθεί και όταν περιορίζονταν σε έναν κλειστό χώρο, άρχισαν να υποβάλλονται σε αυτοοργανωμένη ταξινόμηση. Οι ερευνητές κατέληξαν στο συμπέρασμα ότι αυτού του είδους η δραστηριότητα θα μπορούσε να χρησιμοποιηθεί για να κάνει τα ρομπότ να μεταφέρουν ένα φορτίο και να αλληλεπιδρούν με αυτό και ότι η στατιστική φυσική μπορεί να βοηθήσει στην αποκάλυψη νέων στρατηγικών που μπορούν να χρησιμοποιηθούν από συλλογικότητες ρομπότ.

Περισσότερα...