Ωστόσο, θα ήταν παράλογο να πιστεύουμε ότι μια νέα τεχνολογία δεν θα συνοδεύεται και από τυχόν προβληματισμούς που προκύπτουν κατά την εφαρμογή της.

Τεχνητή νοημοσύνη, είναι ο κλάδος της πληροφορικής αλλά και της μηχανικής υπολογιστών, ο οποίος ασχολείται με τη δημιουργία συστημάτων που μιμούνται τη μεθοδολογία σκέψης της ανθρώπινης νοημοσύνης. Η τεχνητή νοημοσύνη έχει αρκετά θετικά αλλά περιέχει και πολλούς κινδύνους. Εννοείται, πως οι κίνδυνοι της τεχνητής νοημοσύνης δεν αναιρούν τα πλεονεκτήματά της.

1. Κίνδυνος 1: Απουσία διαφάνειας στη λήψη αποφάσεων.

Είναι δύσκολο να καταλάβουμε τη πορεία και τα κίνητρα ορισμένων αποφάσεων όταν αυτές αποδεικνύονται λανθασμένες. Κάτι τέτοιο απασχολεί τομείς όπως η υγεία, όπου η διαφάνεια στη λήψη αποφάσεων είναι απαραίτητη.

2. Κίνδυνος 2: Παραβίαση ιδιωτικότητας.

Στο ψηφιακό χώρο βρίσκονται διαθέσιμα κάθε είδους δεδομένα, τα οποία οι επιχειρήσεις μπορούν να εκμεταλλευτούν με τη χρήση τεχνητής νοημοσύνης.

3. Κίνδυνος 3: Εφαρμογή προκαταλήψεων και διακρίσεων.

Αν ένα σύστημα AI τροφοδοτηθεί με δεδομένα προκατειλημμένου περιεχομένου, είναι λογικό οι αποφάσεις που θα πάρει να φέρουν τις ίδιες προκαταλήψεις.

4. Κίνδυνος 4: Εξάπλωση hacking.

Η τεχνητή νοημοσύνη, όπως και κάθε άλλη τεχνολογία, μπορεί να χρησιμοποιηθεί για κακούς σκοπούς, όπως το κακόβουλο hacking. Οι hackers έχουν την δυνατότητα να κάνουν πολλές προσπάθειες για να εισβάλουν στα συστήματα.

Οι κίνδυνοι αυτοί, απασχολούν έντονα τους επιστήμονες και τους κάνουν να αναρωτιούνται για τη χρήση της τεχνητής νοημοσύνης στο μέλλον. Βέβαια, αυτό δε σημαίνει ότι η χρήση θα περιοριστεί, αλλά ότι θα υπάρχουν νέα μέτρα ώστε να μειωθούν οι κίνδυνοι της. 

Η ΧΡΗΣΗ της τεχνητής νοημοσύνης στον τομέα της υγείας θα μπορούσε να έχει πολλαπλές θετικές επιπτώσεις.

1. Θα μπορούσε να καλύψει την έλλειψη βασικού εξειδικευμένου προσωπικού.
2. Θα μπορούσε να παίξει σημαντικό ρόλο στις πρότυπες θεραπείες ώστε να εφαρμόζονται όχι μόνο στα εξειδικευμένα κέντρα, αλλά και σε όλα τα γενικά νοσοκομεία, ακόμα και τα επαρχιακά.
3. Θα μπορούσε να μειώσει τα ιατρικά λάθη.
4. Θα γινόταν καλύτερη και γρηγορότερη διαχείριση των περιστατικών.
5. Θα προέκυπταν αποτελεσματικότερες θεραπείες, αφού θα μας επέτρεπε να καταλάβουμε τη συσχέτιση μεταξύ της αποτελεσματικότητας της θεραπείας και του επιλεγμένου θεραπευτικού σχήματος.
6. Θα μας επέτρεπε να ανακαλύψουμε δείκτες αποτελεσματικότητας της θεραπείας και να την κατευθύνουμε προς τους κατάλληλους ασθενείς, δηλαδή εκείνους που έχουν μεγαλύτερη πιθανότητα να αποκριθούν σε αυτή.
7. Θα μπορούσε να καταστήσει φθηνότερη την ιατρική, αποφεύγοντας τη διενέργεια πολυάριθμων και πανάκριβων για το εθνικό σύστημα υγείας διαγνωστικών εξετάσεων

Η Τεχνητή Νοημοσύνη αρχίζει να μπαίνει στην ιατρική πολύ γρήγορα και αυτό προκαλεί και πλεονεκτήματα και μειονεκτήματα.

Μέσα στην πανδημία (Covid 19), χρησιμοποιήθηκαν οι υπολογιστές και οι ηλεκτρονικές συσκευές ως εργαλείο μάθησης. Τα εργαλεία τεχνητής νοημοσύνης, είναι μια νέα πραγματικότητα για τις ανεπτυγμένες χώρες. Για παράδειγμα, το Webex με το οποίο παρακολουθούσαμε το μάθημα, είναι το πρώτο βήμα της τεχνητής νοημοσύνης αφού σε αυτό θα <<κουμπώσουν>> εφαρμογές που θα κάνουν τη ζωή πιο εύκολη. Επιπλέον, ήδη σε κάποιες χώρες, υπάρχουν εφαρμογές τεχνητής νοημοσύνης στην εκπαίδευση. Αυτές οι εφαρμογές διευκολύνουν την εκπαίδευση και κάνουν τη μάθηση πιο ευχάριστη. Τέτοιες εφαρμογές είναι:

• Εφαρμογές που εκμηδενίζουν τον χρόνο διόρθωσης εξετάσεων, εφαρμογές που αναγνωρίζουν τις αδυναμίες των μαθητών και προσαρμόζουν τα τεστ και την ύλη στις ανάγκες τους, βοηθώντας πολύ στην εξατομικευμένη εκπαίδευση.
• Εφαρμογές που μπορούν να μεταφράζουν σε πραγματικό χρόνο σε διαφορετικές γλώσσες, καταργώντας έτσι τα όρια που θέτει αυτή η παράμετρος.
• Προγράμματα που μπορούν να διαβάζουν τα χειρόγραφα των μαθητών και να τα βαθμολογούν αυτόματα. 

 Ως αποτέλεσμα, η τεχνητή νοημοσύνη βοηθάει στην εκπαίδευση να γίνει καλύτερη και πιο αποτελεσματική. Τα συστήματα τεχνητής νοημοσύνης μπορούν να αναλύουν την επίδοση ενός μαθητή και να προσαρμόζουν το εκπαιδευτικό περιεχόμενο στις ατομικές μαθησιακές του ανάγκες. Η δυνατότητα τέτοιων προγραμμάτων υψηλού επιπέδου ανάλυσης δεδομένων, μπορεί να εντοπίσει μαθητές που μπορεί να δυσκολεύονται και να χρειάζονται πρόσθετη υποστήριξη, επιτρέποντας την έγκαιρη παρέμβαση. Κατόπιν, βοηθάει τον εκπαιδευτικό να διορθώνει τα τεστ γρηγορότερα, άρα έτσι, έχει περισσότερο χρόνο να αφιερώσει στους μαθητές.

Κλείνοντας, η τεχνητή νοημοσύνη στην εκπαίδευση παίζει σημαντικό ρόλο για τους καθηγητές και τους μαθητές και έχει πολλά οφέλη για την μάθηση.