Το 3D printing μπορεί να χρησιμοποιηθεί στην ψυχαγωγία σε πολλούς τομείς, όπως στα βιντεοπαιχνίδια, τις ταινίες, τις σειρές και τα κόμικς. Με τη βοήθεια του 3D printing, μπορούν να δημιουργηθούν φυσικά αντικείμενα που αντιπροσωπεύουν αντικείμενα και χαρακτήρες από αυτά τα μέσα ψυχαγωγίας.

Ένα παράδειγμα είναι η δημιουργία action figures από τους αγαπημένους χαρακτήρες των ταινιών και των βιντεοπαιχνιδιών. Μπορούν να δημιουργηθούν επίσης αντίγραφα εικόνων από τις ταινίες και τα βιντεοπαιχνίδια, όπως παραδείγματος χάρη το Iron Man suit.

Επιπλέον, μπορούν να δημιουργηθούν και πρωτότυπα αντικείμενα όπως παιχνίδια και puzzle που σχεδιάζονται αποκλειστικά για να τυπώνονται σε 3D εκτυπωτές. Αυτό μπορεί να προσθέσει μια νέα διάσταση στα παιχνίδια και τις δραστηριότητες ψυχαγωγίας.

Τέλος, μπορούν να δημιουργηθούν ειδικά εφέ για τις ταινίες και τα βιντεοπαιχνίδια, όπως παραδείγματος χάρη τη δημιουργία του Gollum στην ταινία του Lord of the Rings.

Ντούζγου Φωτεινή, Παπαδήμα Ξένια, Παπαγιάννη Ασημένια

Η τεχνολογία της 3D εκτύπωσης έχει βελτιωθεί σημαντικά τα τελευταία χρόνια και έχουν παρουσιαστεί πολλές εξελίξεις σε αυτόν τον τομέα. Μερικές από τις πιο σημαντικές εξελίξεις είναι οι εξής:

1. Αυξημένη ανάλυση και ταχύτητα εκτύπωσης: Η τεχνολογία έχει βελτιωθεί τόσο πολύ, ώστε οι εκτυπωτές μπορούν να εκτυπώνουν αντικείμενα με ακόμη μεγαλύτερη ανάλυση και σε πολύ μεγαλύτερες ταχύτητες.

2. Νέα υλικά: Έχουν παρουσιαστεί νέα υλικά που μπορούν να χρησιμοποιηθούν στην εκτύπωση, όπως μέταλλα, κεραμικά, γυαλί και πολλά άλλα. Αυτό επεκτείνει τις δυνατότητες της τεχνολογίας και την καθιστά πιο ευέλικτη.

3. Βελτιωμένη λογισμική: Η λογισμική που χρησιμοποιείται για τη σχεδίαση και την προετοιμασία των αρχείων για την εκτύπωση έχει εξελιχθεί σημαντικά, καθιστώντας τη διαδικασία ευκολότερη και πιο ακριβή.

Δημήτρης Μπεσλεμές

Σπύρος Μπαμπούνης

Ορλάνντο Μουγιάη

Η τεχνολογία του 3D printing έχει αρχίσει να εφαρμόζεται στον τομέα της ιατρικής και έχει ανοίξει νέους δρόμους για τη βελτίωση της θεραπείας και της φροντίδας των ασθενών. Οι εφαρμογές του 3D printing στην ιατρική περιλαμβάνουν:

1. Παραγωγή προσαρμοσμένων εμφυτευμάτων: Με τη χρήση του 3D printing, μπορούν να δημιουργηθούν προσαρμοσμένα εμφυτεύματα, όπως αρθρώσεις, οστικά εμφυτεύματα, και κομμάτια αντικατάστασης οστών, τα οποία ταιριάζουν απόλυτα στην ανατομία του ασθενούς.

2. Παραγωγή μοντέλων οργάνων για χειρουργική εκπαίδευση: Οι επιστήμονες μπορούν να δημιουργήσουν ακριβείς αναπαραστάσεις των ανθρωπίνων οργάνων με τη χρήση 3D printing, τα οποία μπορούν να χρησιμοποιηθούν για εκπαίδευση χειρουργών πριν από μια πραγματική επέμβαση.

3. Κατασκευή προσαρμοσμένων εξαρτημάτων: Οι ιατροί μπορούν να δημιουργήσουν προσαρμοσμένα εξαρτήματα για χρήση σε χειρουργικές επεμβάσεις

Παπαστέφανος Μάριος -Σεραφείμ          Μάριος Ντζιαβός             Ντούβας Κωνσταντίνος

Η τεχνολογία του 3D printing μπορεί να χρησιμοποιηθεί σε πολλούς τομείς της εκπαίδευσης, συμπεριλαμβανομένου του μαθήματος της φυσικής. Υπάρχουν διάφοροι τρόποι χρήσης του 3D printing στο μάθημα της φυσικής, όπως:

1. Δημιουργία μοντέλων: Οι μαθητές μπορούν να χρησιμοποιήσουν το 3D printing για να δημιουργήσουν μοντέλα των διαφόρων στοιχείων που μελετούν στο μάθημα της φυσικής, όπως κύβοι, σφαίρες, τετράγωνα κ.λπ.

2. Δημιουργία προτύπων: Οι μαθητές μπορούν να χρησιμοποιήσουν το 3D printing για να δημιουργήσουν πρότυπα των εξαρτημάτων ή των μηχανισμών που μελετούν στο μάθημα της φυσικής. Αυτό μπορεί να βοηθήσει τους μαθητές να κατανοήσουν καλύτερα τις αρχές που διέπουν τη λειτουργία των μηχανισμών.

3. Δημιουργία πειραμάτων: Οι μαθητές μπορούν να χρησιμοποιήσουν το 3D printing για να δημιουργήσουν αντικείμενα που θα χρησιμοποιήσουν σε πειράματα στο μάθημα της φυσικής. Αυτό μπορεί να βοηθήσει τους μαθητές να κατανοήσουν

Αναστασία Παππά

Ειρήνη Παπαθεοδώρου

Ρόη Νερολή

Η τεχνητή νοημοσύνη παρουσιάζει εντυπωσιακή εξέλιξη τα τελευταία χρόνια και – παρόλο που αποτελεί συχνά θέμα υπερβολών ή ακόμα και σεναρίων καταστροφολογίας – αρκεί να εστιάσουμε στην πραγματική τεχνολογική πρόοδο για να συνειδητοποιήσουμε τις συναρπαστικές δυνατότητές της.

Αποφεύγοντας την τεχνική ορολογία, ένα σύστημα τεχνητής νοημοσύνης θα μπορούσε να προσδιοριστεί ως ένα υπολογιστικό σύστημα που μπορεί να εκτελέσει γνωστικές λειτουργίες ενώ ταυτόχρονα προσαρμόζεται και ‘μαθαίνει’, ώστε να γίνεται αποτελεσματικότερο. Σύγχρονα συστήματα τεχνητής νοημοσύνης μπορούν να ‘κατανοούν’ το περιβάλλον τους σε πραγματικό χρόνο και να λαμβάνουν βέλτιστες αποφάσεις. Η ‘κατανόηση του περιβάλλοντος’ συνίσταται στην αποτελεσματική επεξεργασία πολλαπλών σημάτων και ροών δεδομένων. Οι τεχνολογίες Computer Vision και Natural Language Processing επιτρέπουν στα υπολογιστικά συστήματα να ‘κατανοούν’ εικόνες, βίντεο και ομιλία και να αντιδρούν με τον καλύτερο δυνατό τρόπο. Χαρακτηριστικά παραδείγματα εφαρμογών που στηρίζονται σε τεχνολογίες A.I. είναι τα ακόλουθα.

Computer Vision – οι αλγόριθμοι αποκτούν όραση

Η δυνατότητα των υπολογιστών να ‘βλέπουν’ είναι αδιαμφησβήτητα ένα σημαντικό επίτευγμα. Οι αλγόριθμοι ανάλυσης εικόνας μπορούν πλέον να αναγνωρίσουν τις οντότητες που απεικονίζονται σε μία τυχαία εικόνα ή ένα βίντεο, με μεγάλη ακρίβεια και ταχύτητα. Για παράδειγμα μπορούν να εντοπίσουν σε μία εικόνα ανθρώπους, αυτοκίνητα, σπίτια, δρόμους, δέντρα κλπ. Επιπλέον, μπορούν να εκτιμήσουν και άλλες παραμέτρους της εικόνας και των οντοτήτων που περιλαμβάνει – στο παραπάνω παράδειγμα, την μάρκα και τον τύπο των αυτοκινήτων, τον αριθμό των ατόμων, το φύλο, την ηλικία τους ή ακόμα και την συναισθηματική τους κατάσταση. Ο αλγόριθμος μπορεί επίσης να αναγνωρίσει την περίσταση που απεικονίζεται ή υπονοείται  – για παράδειγμα ένα παιδικό πάρτι, ένα αθλητικό γεγονός, μία επαγγελματική συνάντηση ή μία συγκέντρωση ανθρώπων σε μία πλατεία.

Οι εφαρμογές είναι απεριόριστες και εντυπωσιακές: από τα αυτόνομα αυτοκίνητα που μπορούν να ‘βλέπουν’ και να αντιλαμβάνονται το περιβάλλον τους σε πραγματικό χρόνο, μέχρι ειδικές εφαρμογές όπως το πρωτότυπο Seeing AI της Microsoft που βοηθάει ανθρώπους με σοβαρά προβλήματα όρασης να κατανοήσουν καλύτερα τον περιβάλλοντα χώρο. Σε αυτό το παράδειγμα, ο χρήστης με τα προβλήματα όρασης μπορεί να ζητήσει από το σύστημα μία λεπτομερή περιγραφή του περιβάλλοντος ή συνοπτικές ενημερώσεις των αλλαγών που συμβαίνουν – με την επικοινωνία να γίνεται απλά, σε φυσική γλώσσα.

Η τεχνολογία Computer Vision παρέχει νέες δυνατότητες σε μεγάλο εύρος εφαρμογών όπως πλοήγηση, ρομποτική, ιατρικές διαγνώσεις, αποτελεσματικότερη διαχείριση του online περιεχομένου, συστήματα ασφαλείας κλπ.

Ο διάλογος με την ‘μηχανή’

Μία σύντομη ‘συζήτηση’ με το Amazon Echo, την Cortana, το Google Home ή την Siri αρκεί για να κατανοήσουμε την πρόοδο της τεχνολογίας NLP – Natural Language Processing – και τις νέες δυνατότητες αλληλεπίδρασης σε φυσική γλώσσα. H Microsoft και η IBM πρόσφατα ανακοίνωσαν ότι η απόδοση των NLP τεχνολογιών τους είναι πλέον αντίστοιχη με την μέση απόδοση επαγγελματιών transcribers στην συγκεκριμένη διαδικασία (μεταγραφή συζητήσεων σε σειρά θεμάτων, από αθλητικά έως πολιτική). Αν και οι αλγόριθμοι δυσκολεύονται ακόμα από τις διαφορετικές προφορές και το θόρυβο στο περιβάλλον, η συνολική απόδοση βελτιώνεται ταχύτατα.

Η επικοινωνία με τους ψηφιακούς βοηθούς – digital assistants – εξελίσσεται, από ‘ερωτήματα και απαντήσεις’ σε ‘φυσικούς διαλόγους’. Οι ψηφιακοί βοηθοί γίνονται συνεχώς ‘εξυπνότεροι’ έχοντας στην διάθεσή τους πλούσια δεδομένα για τον χρήστη και το ευρύτερο περιβάλλον του. Σύντομα θα ενεργούν και αυτόνομα, θα μπορούν να πάρουν ‘πρωτοβουλία’ – εκμεταλλευόμενοι τα σήματα του περιβάλλοντος, και την βαθιά γνώση του χρήστη και των προτιμήσεών του – ώστε να προτείνουν αυτόνομα συγκεκριμένες ενέργειες και περιεχόμενο.

Η σπουδαιότητα της Τεχνητής Νοημοσύνης

Η πρόοδος της τεχνητής νοημοσύνης σε συνδυασμό με την ταχύτατα αυξανόμενη δυνατότητα αποθήκευσης και επεξεργασίας δεδομένων, οδηγεί μία σπουδαία τεχνολογική επανάσταση. Σε ένα κοντινό σενάριο και στα πλαίσια του Internet of Things, δισεκατομμύρια διασυνδεδεμένες συσκευές θα αποστέλλουν, συστηματικά, δεδομένα και events που θα αποθηκεύονται και επεξεργάζονται αυτόματα από προηγμένες τεχνολογίες Big Data, Machine Learning και Artificial Intelligence. Ο πλούτος των δεδομένων σε συνδυασμό με τις δυνατότητες αξιοποίησής τους, θα δημιουργήσει πρωτοφανείς ευκαιρίες για την βελτίωση της υγείας, της καθημερινότητας και του τρόπου ζωής μας, των μεταφορών και του περιβάλλοντος. Οι εφαρμογές είναι πραγματικά απεριόριστες.

Από την άλλη πλευρά, υπάρχουν σοβαρά ερωτήματα με πολιτικές, κοινωνικές και ηθικές προεκτάσεις. Για παράδειγμα, η Τεχνητή Νοημοσύνη επιτρέπει μεγάλης κλίμακας, έξυπνες αυτοματοποιήσεις που θα επιφέρουν δραματικές αλλαγές στην απασχόληση και την αγορά εργασίας. Από μία άλλη οπτική, υπάρχουν εξίσου μεγάλα ερωτήματα σχετικά με την πρόσβαση στα δεδομένα και τη γνώση που παράγεται από την ανάλυση και μοντελοποίησή τους. Όπως επίσης και σχετικά με την διαχείριση και ‘εκπαίδευση’ κεντρικών συστημάτων τεχνητής νοημοσύνης.

Η τεχνολογία ήδη μετασχηματίζει τον κόσμο μας και η τεχνητή νοημοσύνη επιταχύνει τις σχετικές διεργασίες. Αυτό που πρέπει να εξασφαλιστεί, είναι η καλή χρήση της τεχνολογίας.

Zαρίκα Αλεξάνδρα

Καθηγήτρια Πληροφορικής

Αρχισυντάκτης Robosapiens

Ένα εργαλείο το οποίο θα αναλύει πώς και γιατί οι αλγόριθμοι τεχνητής νοημοσύνης καταλήγουν σε αποφάσεις σε πραγματικό χρόνο αναπτύσσει η ΙΒΜ. Όπως αναφέρει το BBC, μεταξύ άλλων, το Fairness 360 Kit θα αναζητά επίσης ίχνη «προκαταλήψεων» στις τεχνητές νοημοσύνες και θα προτείνει σχετικές ρυθμίσεις και αλλαγές.

Το εργαλείο αυτό έχει προκύψει εξαιτίας των προβληματισμών πως οι προηγμένοι αλγόριθμοι που χρησιμοποιούνται όλο και περισσότερο από κολοσσούς του χώρου της τεχνολογίας δεν είναι πάντα «δίκαιοι» όσον αφορά στον τρόπο που καταλήγουν σε αποφάσεις: Για παράδειγμα, στο παρελθόν συστήματα αναγνώρισης εικόνας (image recognition) δεν ήταν σε θέση να αναγνωρίζουν πρόσωπα τα οποία δεν ανήκαν σε λευκούς. Τέτοιου είδους τάσεις/ «αντιλήψεις» θα μπορούσαν να αποτελέσουν σημαντικό πρόβλημα εφόσον εξαπλώνεται η χρήση τους σε όλο και περισσότερο τομείς- από τη δημόσια τάξη μέχρι τις ασφαλίσεις και τον έλεγχο της πληροφορίας που κυκλοφορεί online. Επίσης, ανησυχία προκαλεί το γεγονός πως, συχνά, οι αλγόριθμοι τεχνητής νοημοσύνης λειτουργούν εντός «μαύρων κουτιών», εννοώντας πως οι ιδιοκτήτες τους δεν είναι σε θέση να παρακολουθούν το πώς ακριβώς καταλήγουν στις αποφάσεις στις οποίες καταλήγουν.

Το λογισμικό της IBM θα είναι cloud-based, open source και θα μπορεί να συνεργάζεται με ένα αρκετά μεγάλο εύρος πλαισίων που χρησιμοποιούνται για τη δημιουργία αλγορίθμων. Οι χρήστες του θα είναι σε θέση να βλέπουν, μέσω μιας οπτικής απεικόνισης, πώς οι αλγόριθμοί τους λαμβάνουν αποφάσεις και ποιοι είναι οι παράγοντες που χρησιμοποιούνται προκειμένου να καταλήγουν στα τελικά συμπεράσματα. Ακόμη, θα παρακολουθείται σε βάθος χρόνου η ακρίβεια και οι επιδόσεις του μοντέλου, καθώς και το πόσο «δίκαιο» είναι.

Πηγή: https://slideplayer.gr

Ελενα Πετρέσκου

Μαρία Παπαδημητρίου

Γιάννης Παπακώνσταντινου

Ο όρος τεχνητή νοημοσύνη αναφέρεται στον κλάδο της πληροφορικής ο οποίος ασχολείται με τη σχεδίαση και την υλοποίηση υπολογιστικών συστημάτων που μιμούνται στοιχεία της ανθρώπινης συμπεριφοράς τα οποία υπονοούν έστω και στοιχειώδη ευφυΐα: μάθηση, προσαρμοστικότητα, εξαγωγή συμπερασμάτων, κατανόηση από συμφραζόμενα, επίλυση προβλημάτων κλπ. Ο Τζον Μακάρθι όρισε τον τομέα αυτόν ως «επιστήμη και μεθοδολογία της δημιουργίας νοημόνων μηχανών».

Η τεχνητή νοημοσύνη αποτελεί σημείο τομής μεταξύ πολλαπλών επιστημών όπως της πληροφορικής, της ψυχολογίας, της φιλοσοφίας, της νευρολογίας, της γλωσσολογίας και της επιστήμης μηχανικών, με στόχο τη σύνθεση ευφυούς συμπεριφοράς, με στοιχεία συλλογιστικής, μάθησης και προσαρμογής στο περιβάλλον, ενώ συνήθως εφαρμόζεται σε μηχανές ή υπολογιστές ειδικής κατασκευής. Διαιρείται στη συμβολική τεχνητή νοημοσύνη, η οποία επιχειρεί να εξομοιώσει την ανθρώπινη νοημοσύνη  αλγοριθμικά  χρησιμοποιώντας  σύμβολα και λογικούς κανόνες υψηλού επιπέδου, και στην υποσυμβολική τεχνητή νοημοσύνη, η οποία προσπαθεί να αναπαράγει την ανθρώπινη ευφυΐα χρησιμοποιώντας στοιχειώδη αριθμητικά μοντέλα που συνθέτουν επαγωγικά νοήμονες συμπεριφορές με τη διαδοχική αυτοοργάνωση απλούστερων δομικών συστατικών («συμπεριφορική τεχνητή νοημοσύνη»), προσομοιώνουν πραγματικές βιολογικές διαδικασίες όπως η εξέλιξη των ειδών και η λειτουργία του εγκεφάλου(«υπολογιστική νοημοσύνη»), ή αποτελούν εφαρμογή στατιστικών μεθοδολογιών σε προβλήματα ΤΝ.

Στην κινηματογραφική ταινία επιστημονικής φαντασίας 2001: Η οδύσσεια του διαστήματος(1968) κεντρικό ρόλο στην πλοκή παίζει ένας νοήμων ηλεκτρονικός υπολογιστής. Στην εικόνα φαίνεται το τεχνητό «μάτι» (μία βιντεοκάμερα) με το οποίο ο υπολογιστής κατασκοπεύει το ανθρώπινο πλήρωμα του διαστημοπλοίου όπου είναι εγκατεστημένος.

Η διάκριση σε συμβολικές και υποσυμβολικές προσεγγίσεις αφορά τον χαρακτήρα των χρησιμοποιούμενων εργαλείων, ενώ δεν είναι σπάνια η σύζευξη πολλαπλών προσεγγίσεων (διαφορετικών συμβολικών, υποσυμβολικών, ή ακόμα συμβολικών και υποσυμβολικών μεθόδων) κατά την προσπάθεια αντιμετώπισης ενός προβλήματος. Με βάση τον επιθυμητό επιστημονικό στόχο η ΤΝ κατηγοριοποιείται σε άλλου τύπου ευρείς τομείς, όπως επίλυση προβλημάτων, μηχανική μάθηση, ανακάλυψη γνώσης, συστήματα γνώσης κλπ. Επίσης υπάρχει επικάλυψη με συναφή επιστημονικά πεδία όπως η μηχανική όραση, η επεξεργασία φυσικής γλώσσας ή η ρομποτική, τα οποία μπορούν να τοποθετηθούν μες στο ευρύτερο πλαίσιο της σύγχρονης τεχνητής νοημοσύνης ως ανεξάρτητα πεδία της.

Η λογοτεχνία και ο κινηματογράφος επιστημονικής φαντασίας από τη δεκαετία του 1920 μέχρι σήμερα έχουν δώσει στο ευρύ κοινό την αίσθηση ότι η ΤΝ αφορά την προσπάθεια κατασκευής μηχανικών ανδροειδών ή αυτοσυνείδητων προγραμμάτων υπολογιστή(ισχυρή ΤΝ), επηρεάζοντας μάλιστα ακόμα και τους πρώτους ερευνητές του τομέα. Στην πραγματικότητα οι περισσότεροι επιστήμονες της τεχνητής νοημοσύνης προσπαθούν να κατασκευάσουν λογισμικό ή πλήρεις μηχανές οι οποίες να επιλύουν με αποδεκτά αποτελέσματα ρεαλιστικά υπολογιστικά προβλήματα οποιουδήποτε τύπου (ασθενής ΤΝ), αν και πολλοί πιστεύουν ότι η εξομοίωση ή η προσομοίωση της πραγματικής ευφυΐας, η ισχυρή ΤΝ, πρέπει να είναι ο τελικός στόχος.

Η σύγχρονη τεχνητή νοημοσύνη αποτελεί ένα από τα πλέον «μαθηματικοποιημένα» και ταχέως εξελισσόμενα πεδία της πληροφορικής. Σήμερα, ο τομέας αξιοποιεί περισσότερο υποσυμβολικές μεθόδους και εργαλεία καταγόμενα από τα εφαρμοσμένα μαθηματικά και τις επιστήμες μηχανικών, παρά από τη θεωρητική πληροφορική και τη μαθηματική λογική όπως συνέβαινε πριν το 1990. Σε ακαδημαϊκό επίπεδο η τεχνητή νοημοσύνη μελετάται επίσης από την ηλεκτρονική μηχανική, ενώ συνιστά ένα από τα σημαντικότερα θεμελιακά συστατικά του διεπιστημονικού γνωστικού πεδίου της γνωσιακής επιστήμης.

Κατά τη δεκαετία του 1940 εμφανίστηκε η πρώτη μαθηματική περιγραφή τεχνητού νευρωνικού δικτύου, με πολύ περιορισμένες δυνατότητες επίλυσης αριθμητικών προβλημάτων. Καθώς ήταν εμφανές ότι οι ηλεκτρονικές υπολογιστικές συσκευές που κατασκευάστηκαν μετά τον Β” Παγκόσμιο Πόλεμο ήταν ένα τελείως διαφορετικό είδος μηχανής από ό,τι προηγήθηκε, η συζήτηση για την πιθανότητα εμφάνισης μηχανών με νόηση ήταν στην ακμή της. Το 1950 ο μαθηματικός Άλαν Τούρινγκ, πατέρας της θεωρίας υπολογισμού και προπάτορας της τεχνητής νοημοσύνης, πρότεινε τη δοκιμή Τούρινγκ· μία απλή δοκιμασία που θα μπορούσε να εξακριβώσει αν μία μηχανή διαθέτει ευφυΐα. Η τεχνητή νοημοσύνη θεμελιώθηκε τυπικά ως πεδίο στη συνάντηση ορισμένων επιφανών Αμερικανών επιστημόνων του τομέα το 1956 (Τζον Μακάρθι, Μάρβιν Μίνσκυ, Κλοντ Σάνον κλπ). Τη χρονιά αυτή παρουσιάστηκε για πρώτη φορά και το Logic Theorist, ένα πρόγραμμα το οποίο στηριζόταν σε συμπερασματικούς κανόνες τυπικής λογικής και σε ευρετικούς αλγορίθμους αναζήτησης για να αποδεικνύει μαθηματικά θεωρήματα.

Βασίλης Θανάσης Σιδέρης

Φώτης Παππάς

Μάρκος Ποπόβ

Στις μέρες μας υπάρχουν πολλά είδη χρήσης τεχνητής νοημοσύνης. Αρχικά βλέπουμε ακόμα και σήμερα  την αυτόνομη οδήγηση. Ακόμα και η αναγνώριση προσώπων και εικόνων είναι μια τεχνολογία που χρησιμοποιείται ευρύτατα και χρησιμοποιεί τέτοιες μεθόδους. Αλγόριθμοι Τεχνητής Νοημοσύνης χρησιμοποιούνται σε ηλεκτρονικά παιχνίδια για να προσδώσουν περισσότερο ρεαλισμό, μεγαλύτερη δυσκολία και να βελτιώσουν την εμπειρία του χρήστη.  Επίσης, χρησιμοποιούνται σε συστήματα συστάσεων, για να προτείνουν ταινίες, μουσική, ξενοδοχεία, πακέτα διακοπών. Στα κοινωνικά δίκτυα υπάρχουν πολλά παραδείγματα “αξιοποίησης” τους, για αναγνώριση τάσεων και για εξατομικευμένες συστάσεις που βασίζονται στην αναγνώριση προσωπικών προτιμήσεων. Η κατανόηση φυσικής γλώσσας είναι κάτι που υπάρχει και που αναπτύσσεται χάριν της συγκεκριμένης τεχνολογίας και που μπορεί να αξιοποιηθεί στο μέλλον και για την κατανόηση της στρατηγικής σκέψης, όπως και για την κατανόηση της γέννησης και εξέλιξης της γλώσσας.

 Η Τεχνητή Νοημοσύνη όμως ήδη βρίσκει εφαρμογή σε περισσότερους τομείς που έχουν άμεση σχέση με την καθημερινότητά μας. Αναφέρω εδώ κάποιους που προσωπικά θεωρώ εξαιρετικά σημαντικούς και ενδιαφέροντες και που έχουν και άμεση σχέση με την Κύπρο, την Ελλάδα, την κοινωνία και την οικονομία τους:

(1) Στη τη διαχείριση ηλεκτρικού δικτύου και διαχείριση συστημάτων παραγωγής ενέργειας, π.χ. από ανανεώσιμες πηγές, όπως και για το συντονισμό σε μεγάλη κλίμακα μικρών παραγωγών και καταναλωτών ενέργειας.
(2) Κάτι πιο συγκεκριμένο σε σχέση με το παραπάνω: η χρήση μεθόδων Τεχνητής Νοημοσύνης μπορεί να επιτρέψει τον έλεγχο και τον συγχρονισμό στόλων ηλεκτρικών οχημάτων (αυτόνομων ή μη), και τη σύνδεσή τους με το δίκτυο ηλεκτροδότησης για παροχή ενέργειας όταν χρειάζεται και αποθήκευση στις μπαταρίες τους περίσσειας ενέργειας όταν είναι εφικτό. Προφανώς, τέτοιοι στόλοι οχημάτων μπορούν να αξιοποιηθούν και από την τουριστική βιομηχανία.
(3) Μπορεί επίσης να χρησιμοποιηθεί για την υποβοήθηση ηλικιωμένων και ανθρώπων με κινητικές και νευρολογικές παθήσεις (όπως Αλτζχάιμερ και άλλες μορφές άνοιας).
(4) Μπορούν αλγόριθμοι Τεχνητής Νοημοσύνης να βοηθήσουν στην ανάλυση αρχαιολογικών δεδομένων, και τη δημιουργία μοντέλων που μπορούν να αξιοποιηθούν από την κοινωνική αρχαιολογία ( π.χ. μοντέλων εξέλιξης αρχαίων κοινωνιών), και για τη δημιουργία εκπαιδευτικών και ψυχαγωγικών συστημάτων σε μουσεία κι όχι μόνο.
(5) Επιπλέον, να αξιοποιηθεί για τη διαχείριση ανθρωπιστικών κρίσεων και φυσικών καταστροφών (σε περίπτωση σεισμών, πλημμυρών, πυρκαγιών), καταφέρνοντας το συντονισμό “μεικτών” ομάδων ανθρώπων- διασωστών, ρομπότ, drones, και την κατάστρωση αποτελεσματικών σχεδίων αντιμετώπισης της καταστροφής ενώ αυτή εξελίσσεται (και φυσικά και εκ των προτέρων).

Γενικότερα, μπορούμε να φανταστούμε ένα (σχετικά άμεσο) μέλλον όπου θα αλληλεπιδρούμε συνεχώς και πολλές φορές χωρίς να το αντιλαμβανόμαστε, με “έξυπνες” συσκευές και αισθητήρες, για τον προγραμματισμό των δραστηριοτήτων μας και για τη βελτίωση της ζωής μας: θα μπορούμε εύκολα και με χρήση φυσικής γλώσσας (ή και χωρίς αυτήν) να εκφράζουμε επιθυμίες που θα οδηγήσουν στον άμεσο βέλτιστο χρονοπρογραμματισμό δραστηριοτήτων, τον χρονοπρογραμματισμό και τον (απομακρυσμένο) έλεγχο συσκευών, κ.ό.κ. Είναι το λεγόμενο “internet of things”, το οποίο δε νοείται χωρίς χρήση Τεχνητής Νοημοσύνης.

Νομίζω από αυτά είναι σαφές πως η εν λόγω τεχνολογία μπορεί όντως να βελτιώσει τη ζωή μας. Το “να αλλάξει την κοινωνία προς το καλύτερο” είναι λίγο ευρύτερο ερώτημα. Θα τολμούσα να πω ναι, αλλά χρειάζεται να υπάρξει πραγματικά σύμφυση της “μαθηματικής/ μηχανικής” προσέγγισης της επιστήμης της με άλλες επιστήμες, κοινωνικές και πολιτικές, καθώς και η διαμόρφωση του κατάλληλου κοινωνικού και πολιτικού υποστρώματος για την “ορθή” χρήση των νέων τεχνολογιών. Η τεχνολογία από μόνη της, δεν μπορεί να “αλλάξει την κοινωνία προς το καλύτερο”.

Οι επιχειρήσεις προφανώς μπορούν να την αξιοποιήσουν. Όχι μόνο στο μέλλον αλλά και σήμερα. Πιο πάνω ανέφερα τους τομείς που επιτρέπουν ή μάλλον απαιτούν την επιχειρηματική δράση για άμεση υιοθέτηση των νέων τεχνολογιών και δημιουργία στρατηγικού πλεονεκτήματος έναντι σε ανταγωνιστές. Άλλο παράδειγμα χρήσης ακόμα και από πιο “παραδοσιακές” επιχειρήσεις αποτελεί η χρήση ρομπότ σε μεγάλες αποθήκες (όπως αυτά που ήδη αξιοποιεί η Amazon).

Στο μέλλον, η χρήση μεθόδων Τεχνητής Νοημοσύνης αναμένεται να εξορθολογήσει και να βελτιστοποιήσει τις διαδικασίες λειτουργίας των επιχειρήσεων: π.χ. η πρόβλεψη τάσεων και ο προγραμματισμός δράσεων σε βάθος χρόνου θα είναι εφικτά. Πρόσφατες ερευνητικές εργασίες προτείνουν ακόμα και νέες, αναμενόμενα πιο αποτελεσματικές, μεθόδους επιλογής προσωπικού, που βασίζονται στο “πάντρεμα” των τεχνικών της με προσεγγίσεις της “oργανωσιακής ψυχολογίας” (organizational psychology).

ΠΗΓΗ:

https://inbusinessnews.reporter.com.cy

 ΨΩΡΟΓΙΑΝΝΗ  ΒΑΛΕΡΙΑ ΦΥΣΕΚΗ ΣΟΦΙΑ ΧΟΥΣΙΑΔΑ ΑΘΑΝΑΣΙΑ

Στόχος της τεχνητής νομοσύνης

Ο γενικός ερευνητικός στόχος της τεχνητής νοημοσύνης είναι η δημιουργία τεχνολογίας που επιτρέπει στους υπολογιστές και τις μηχανές να λειτουργούν με έξυπνο τρόπο. Το γενικό πρόβλημα της προσομοίωσης (ή της δημιουργίας) νοημοσύνης έχει αναλυθεί σε υποπροβλήματα. Αυτά αποτελούνται από συγκεκριμένα χαρακτηριστικά ή δυνατότητες που οι ερευνητές αναμένουν να παρουσιάσει ένα ευφυές σύστημα.

Καθώς η τεχνολογία εξελισσόταν οι μηχανές έγιναν πολύ ικανές στην εκτέλεση ορισμένων εργασιών δύσκολων για τον άνθρωπο. Όσο όμως αυξανόταν ο αριθμός των μηχανών, που έπαιρναν μέρος σε καθημερινές εργασίες, αποκαλύφθηκε ταυτόχρονα η μεγαλύτερή τους αδυναμία, που δεν είναι άλλη από την ανικανότητα προσαρμογής σε διαφοροποιούμενες συνθήκες περιβάλλοντος. Αυτό μπορεί να γίνει αντιληπτό με ένα απλό παράδειγμα. Σκεφτείτε έναν ρομποτικό βραχίονα που βιδώνει μια βίδα σε μια γραμμή παραγωγής ενός εργοστασίου. Πάνω στο διάδρομο έρχονται όλα τα κομμάτια το ένα μετά το άλλο και σταματούν στο σημείο, που πρέπει, ώστε ο βραχίονας να βιδώσει το κομμάτι. Φανταστείτε τώρα πως λόγω μιας λάθος κίνησης ένα κομμάτι δεν έχει τοποθετηθεί σωστά και η βίδα βρίσκεται λίγα εκατοστά από το σωστό σημείο. Σε αυτήν την περίπτωση ο βραχίονας είναι ανίκανος να καταλάβει τη μεταβολή και να αλλάξει τη θέση του. Ο επιβλέπων εργάτης το βλέπει και το μετακινεί λίγα εκατοστά για να εκτελέσει την εργασία. Παρατηρούμε λοιπόν πως ο άνθρωπος παίρνει μια απόφαση βασιζόμενος στις μεταβολές του περιβάλλοντος, ενώ η μηχανή είναι ανίκανη να προσαρμοστεί. Προβλήματα σαν το παραπάνω σήμερα έχουν ήδη επιλυθεί με τη χρήση της τεχνητής νοημοσύνης.

Χειρισμός αντικειμένων και κίνηση

 Το πεδίο της ρομποτικής συνδέεται στενά με τη τεχνητή νοημοσύνη καθώς απαιτείται ευφυΐα, ώστε τα ρομπότ να εκτελούν εργασίες χειρισμού αντικειμένων και αυτόνομης πλοήγησης. Χωρίς τεχνητή νοημοσύνη εργασίες όπως εντοπισμός, χαρτογράφηση χώρου και σχεδιασμός τροχιάς της κίνησης δεν θα ήταν πραγματοποιήσιμες. Οι αλγόριθμοι αυτοί βοηθούν, ώστε το ρομπότ να σχεδιάζει το χάρτη του περιβάλλοντός του, να καταλαβαίνει πώς να πάει από ένα σημείο του χώρου στο άλλο και να εκτελέσει την κίνηση, η οποία συχνά περιλαμβάνει και αποφυγή εμποδίων στον χώρο. Στο πλαίσιο της αναπτυξιακής ρομποτικής, αναπτύσσονται μαθησιακές προσεγγίσεις, ώστε να επιτρέπουν στα ρομπότ να συσσωρεύουν νέες δεξιότητες μέσω της αυτόνομης εξερεύνησης του χώρου. Σήμερα ήδη κυκλοφορούν στο εμπόριο ηλεκτρικές σκούπες, που έχουν τη δυνατότητα να κινούνται αυτόνομα στο χώρο και μαθαίνουν με το πέρασμα των ημερών τη διαρρύθμιση και τη θέση των επίπλων.

Ηλεκτρονικά παιχνίδια

Ίσως η κλασικότερη εφαρμογή της τεχνητής νοημοσύνης. Τα ηλεκτρονικά παιχνίδια χρησιμοποίησαν αλγορίθμους τεχνητής νοημοσύνης σχεδόν από την αρχή τους, αλλά τα τελευταία χρόνια η πολυπλοκότητά τους έχει αυξηθεί σημαντικά. Σύγχρονα ηλεκτρονικά παιχνίδια έχουν τη δυνατότητα να προσαρμόζουν τη συμπεριφορά του παιχνιδιού ανάλογα με το τρόπο αντίδρασης του παίκτη στο παρελθόν. Με αυτό το τρόπο επιτυγχάνεται πιο συχνά η έκπληξη και αυξάνεται η πολυπλοκότητα ενός τίτλου. Άλλοι τίτλοι πάλι δημιουργούν αντιπάλους που ξέρουν να εκμεταλλεύονται τις συνθήκες του περιβάλλοντος και αντιδρούν ανάλογα με τις κινήσεις του παίκτη με αρκετά αληθοφανή τρόπο. Παρόλο που η τεχνητή νοημοσύνη είναι μικρής σημασίας στα ηλεκτρονικά παιχνίδια, το μέγεθος της βιομηχανίας έχει προχωρήσει αρκετά την εξέλιξη των τεχνικών και των αλγορίθμων σήμερα.

ΠΗΓΗ: http://athinodromio.gr

Φέκας Ορέστης     Χατχηθεοδώρου Αγγελος     Χόντζα Άλισον

Τα ρομπότ προοδεύουν συνεχώς, αλλά δεν έχουν ακόμη μάθει να δημιουργούν μόνα τους εικόνες του εαυτού τους όπως οι άνθρωποι. Το νέο ρομπότ άρχισε να κάνει κάτι τέτοιο μόνο του και μπορεί να χρησιμοποιήσει την αυτο-προσομοίωσή του για να προσαρμόζεται σε νέα περιβάλλοντα και καθήκοντα, καθώς επίσης -έχοντας επίγνωση για τον «εαυτό» του- για να αυτοεπιδιορθώνεται.

«Αν θέλουμε τα ρομπότ να γίνουν ανεξάρτητα και να προσαρμόζονται γρήγορα σε σενάρια που δεν είχαν προβλέψει οι δημιουργοί τους, είναι ζωτικό να μαθαίνουν από την προσομοίωση του εαυτού τους», δήλωσε ο Λίψον, διευθυντής του Εργαστηρίου Δημιουργικών Μηχανών του Κολούμπια.

Αρχικά το ρομπότ (με μορφή βραχίονα) δεν ήταν αρκετά ακριβές στο να φαντάζεται τον εαυτό, π.χ. να καταλαβαίνει πώς συνδέονται οι αρθρώσεις του. Όμως, χάρη στη χρήση ενός αλγόριθμου βαθιάς μάθησης, σταδιακά μέσα σε χρονικό διάστημα 35 ωρών βελτίωσε την αυτο-εικόνα του, παράγοντας τελικά ένα μοντέλο του εαυτού του με μικρές αποκλίσεις από την πραγματικότητα.

Οι άνθρωποι είναι ικανότατοι στο να φαντάζονται τον εαυτό τους και χάρη σε αυτή την ικανότητα να δημιουργούν διάφορα μελλοντικά σενάρια ή να στοχάζονται το παρελθόν τους. Τώρα, ερευνητές του Πανεπιστημίου Κολούμπια της Νέας Υόρκης δημιούργησαν το πρώτο ρομπότ που είναι ικανό και να «φανταστεί» τον εαυτό του, δημιουργώντας εκ του μηδενός μια εικόνα του εαυτού του μαθαίνοντας από αυτήν να προσαρμόζεται καλύτερα στο περιβάλλον του.

Πρόκειται για ένα ακόμη βήμα προς τη δημιουργία μηχανών που θα έχουν αυτοσυνείδηση και, κατά συνέπεια, μεγαλύτερη αυτονομία και προσαρμοστικότητα. Την ίδια στιγμή όμως, ορισμένοι -ανατρέχοντας και στη λογοτεχνία επιστημονικής φαντασίας- φοβούνται ότι, με μια τέτοια τεχνολογική εξέλιξη, οι άνθρωποι θα χάσουν σταδιακά τον έλεγχο των μηχανών τους, όπως συνέβη κάποτε στον Φρανκενστάιν με το δημιούργημά του.

Οι ερευνητές, με επικεφαλής τον καθηγητή Χοντ Λίψον του Τμήματος Μηχανολόγων Μηχανικών, έκαναν τη σχετική δημοσίευση στο αμερικανικό περιοδικό ρομποτικής “Science Robotics“. Όπως είπε ο Λίψον, «μολονότι η ικανότητα του ρομπότ μας να φαντάζεται τον εαυτό του, είναι ακόμη πρωτόγονη σε σύγκριση με τους ανθρώπους, πιστεύουμε ότι βρίσκεται στο σωστό δρόμο για τη αυτεπίγνωση των μηχανών

Πηγή: www.altsantiri.com

ΚΩΝΣΤΑΝΤΙΝΟΣ ΦΛΩΡΟΣ

ΓΙΩΡΓΟΣ ΦΩΣΚΟΛΟΣ