Στήλη: Γενικά

H ιστορία της 3D εκτύπωσης

Η τρισδιάστατη εκτύπωση, γνωστή και ως 3D εκτύπωση, έχει τις ρίζες της στη δεκαετία του 1980. Αρχικά, η τεχνολογία χρησιμοποιήθηκε κυρίως για την κατασκευή πρωτότυπων και μοναδικών κομματιών σε βιομηχανικά περιβάλλοντα. Το 1984, ο Chuck Hull ανακάλυψε την τεχνολογία της στερεολιθογραφίας (stereolithography), μια διαδικασία που χρησιμοποιείται για την κατασκευή αντικειμένων με τη χρήση υλικών που στερεώνουν με την έκθεση σε φως.

Στα μέσα της δεκαετίας του 1990, η τεχνολογία της 3D εκτύπωσης άρχισε να γίνεται πιο προσιτή και προσβάσιμη για το ευρύ κοινό. Η εξέλιξη της τεχνολογίας επέτρεψε τη χρήση πιο πολλαπλών υλικών, μεγαλύτερης ανάλυσης εκτυπωτών και μεγαλύτερης ταχύτητας εκτύπωσης.

Η τεχνολογία της 3D εκτύπωσης εξελίχθηκε περαιτέρω στα 2000s και 2010s, όταν και επεκτάθηκε η χρήση της σε πολλούς τομείς της βιομηχανίας και της επιστήμης

 

Γιώργος Μόσχος       Χρήστος Μπλούκας    Γιώργος Μπουλούζος

 

Η 3D εκτύπωση στην εκπαίδευση

Η τεχνολογία της 3D εκτύπωσης μπορεί να έχει σημαντικές εφαρμογές στην εκπαίδευση σε πολλούς τομείς, όπως η επιστήμη, η τεχνολογία, η μαθηματική, η καλλιτεχνική και η ιατρική εκπαίδευση.

Η 3D εκτύπωση μπορεί να βοηθήσει τους μαθητές να αντιληφθούν περίπλοκα θέματα και να κατανοήσουν τα μαθήματα με μια πιο ζωντανή και διαδραστική προσέγγιση. Για παράδειγμα, μπορεί να χρησιμοποιηθεί για να δημιουργήσει ανατομικά μοντέλα, γεωγραφικά χαρτογραφικά μοντέλα, μοντέλα μοριακής δομής ή μοντέλα μεγάλων μηχανικών κατασκευών.

Επιπλέον, η 3D εκτύπωση μπορεί να βοηθήσει τους εκπαιδευτικούς να δημιουργήσουν εξατομικευμένα μαθήματα και προγράμματα εκμάθησης για τους μαθητές. Μπορούν να δημιουργήσουν διαδραστικά μοντέλα που θα επιτρέπουν στους μαθητές να εξερευνήσουν περιπλοκότερες έννοιες και να αναπτύξουν τις δεξιότητες τους στον τομέα της προγραμματιστικής.

Μαριλία Μπουλούζου        Ιόλη Μπαρπαρούση 

 

 

 

Εφαρμογή του 3D printing στα μαθηματικά

Το 3D printing είναι μια τεχνολογία που μπορεί να εφαρμοστεί στα μαθηματικά για να βοηθήσει στην οπτικοποίηση των μαθηματικών έννοιων και στην παρουσίαση πειραματικών αποτελεσμάτων.

Με το 3D printing μπορούν να δημιουργηθούν τρισδιάστατα μοντέλα από γεωμετρικά σχήματα και συναρτήσεις. Για παράδειγμα, μπορεί να εκτυπωθεί ένα κύβος ή μια σφαίρα για να εξηγηθούν οι έννοιες του όγκου και της επιφάνειας. Επίσης, μπορεί να δημιουργηθεί ένα μαθηματικό παιχνίδι στο οποίο οι μαθητές θα πρέπει να επιλύσουν προβλήματα σχετικά με τον όγκο και την επιφάνεια των αντικειμένων.

Επιπλέον, με τη χρήση του 3D printing μπορούν να δημιουργηθούν αντικείμενα που απεικονίζουν μαθηματικές συναρτήσεις και γραφήματα. Για παράδειγμα, μπορεί να εκτυπωθεί ένα κύλινδρος με μια επιφάνεια που απεικονίζει μια συνάρτηση ή ένα γράφημα.

Τέλος, με τη χρήση του 3D printing μπορούν να δημιουργηθούν πραγματικά μαθηματικά αντικείμενα.

 

Νίκα Κωνσταντίνα            Παπαβασιλείου Φένια            Ντρούκα Μαρίσα

 

Εφαρμογή του 3d printing στην ψυχαγωγία

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 εξελιξη της 3D εκτύπωσης

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

 

Εφαρμογή του 3d printing στην ιατρική

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

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

Τεχνητή Νοημοσύνη: Ευλογία ή απειλή;

αai2

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.

ai3

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

 

Εργαλεία «ελέγχου προκαταλήψεων» για αλγορίθμους τεχνητής νοημοσύνης

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.

Artificial intelligence banner

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

 

 

 

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

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».

sideris pappas popov

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 προβλημάτωνμηχανική μάθησηανακάλυψη γνώσηςσυστήματα 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 ΜίνσκυΚλοντ 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

Όροι Χρήσης schoolpress.sch.gr | Δήλωση προσβασιμότητας
Top