Η τεχνητή νοημοσύνη αναπτύσσει υπολογιστικά συστήματα τα οποία επιχειρούν να λύσουν προβλήματα ή να εκτελέσουν εργασίες που συνήθως θεωρούμε πως απαιτούν νοημοσύνη. Παραδείγματα τέτοιων προβλημάτων είναι η απόδειξη μαθηματικών θεωρημάτων, η οδήγηση αυτοκινήτων, η κατανόηση φυσικής γλώσσας. Η τεχνητή νοημοσύνη χρησιμοποιεί ιδέες από πολλές επιστήμες, όπως η βιολογία, τα μαθηματικά, η γλωσσολογία, οι οικονομικές επιστήμες, αλλά ως κλάδος της πληροφορικής μελετάται από τη δεκαετία του 1950. Μάλιστα, πολλοί από τους θεμελιωτές της σύγχρονης πληροφορικής, όπως ο Alan Turing, ήταν και πρωτοπόροι της τεχνητής νοημοσύνης. Η τεχνητή νοημοσύνη έχει περάσει περιόδους υπεραισιόδοξων εκτιμήσεων του τι θα μπορούσε να καταφέρει, αλλά και «χειμώνες», περιόδους στις οποίες πολύ λίγοι πίστευαν πλέον στις δυνατότητές της. Σήμερα διανύουμε περίοδο έντονης αισιοδοξίας, που οφείλεται κυρίως στις επιδόσεις συστημάτων που χρησιμοποιούν μηχανική μάθηση, και ιδιαίτερα «βαθιά μάθηση», μια μορφή τεχνητών νευρωνικών δικτύων.
Σήμερα επικρατεί έντονη αισιοδοξία για τις επιδόσεις συστημάτων που χρησιμοποιούν «βαθιά μάθηση», μια μορφή τεχνητών νευρωνικών δικτύων.
Οι αλγόριθμοι μηχανικής μάθησης επιτρέπουν στους υπολογιστές να μαθαίνουν οι ίδιοι πώς να εκτελούν μια εργασία. Για παράδειγμα, ένα σύστημα αυτόματης οδήγησης εκπαιδεύεται σε δεδομένα του παρελθόντος που δείχνουν τι «έβλεπαν» οι κάμερες του αυτοκινήτου και άλλοι αισθητήρες όσο οδηγούσαν άνθρωποι, μαζί με τις ενέργειες των οδηγών (π.χ. προς τα πού έστριβαν το τιμόνι, πόσο πατούσαν το γκάζι). Από τα δεδομένα αυτά, το σύστημα μαθαίνει να μιμείται τη συμπεριφορά των ανθρώπων-οδηγών.
Στην περίπτωση ενός απλοϊκού νευρωνικού δικτύου (βλ. εικόνα), οι ενδείξεις των αισθητήρων θα ήταν οι είσοδοι x1,…,xn του δικτύου και οι έξοδοι y1,…,yk θα έλεγχαν το τιμόνι, το γκάζι κ.λπ. Ο κάθε κόμβος του δεύτερου και τρίτου στρώματος (z, y) είναι ένας τεχνητός νευρώνας. Υπολογίζει ένα ζυγισμένο άθροισμα των εισόδων του, εφαρμόζοντας κατόπιν στο άθροισμα μια μη γραμμική συνάρτηση (f, g). Τα βάρη του δικτύου (w, u) προσαρμόζονται κατά την εκπαίδευση, ώστε οι αποκρίσεις του δικτύου να πλησιάζουν τις επιθυμητές (τις ενέργειες των ανθρώπων-οδηγών). Αντίστοιχα, σε ένα σύστημα εξόρυξης γνώμης, οι είσοδοι (x) θα παρίσταναν π.χ. το κείμενο ενός tweet και οι έξοδοι (y) το πόσο θετική ή αρνητική γνώμη εκφράζει το tweet.
Η βαθιά μάθηση χρησιμοποιεί πολύ περισσότερα στρώματα νευρώνων με πολύ πιο περίπλοκες διατάξεις, αλλά η βασική ιδέα παραμένει η ίδια.
* Ίων Ανδρουτσόπουλος, Καθηγητής Τμήματος Πληροφορικής Οικονομικού Πανεπιστημίου Αθηνών
Πηγή: OΠΑ Νews που κυκλοφόρησε μαζί με το Βήμα της Κυριακής (06/02/2022)
ΟΠΑ News: Μαζί με το Βήμα στις 6 Φεβρουαρίου – Αφιέρωμα στο ψηφιακό «αύριο»
Latest News
myAUEB: Η νέα εφαρμογή για το κινητό από το ΟΠΑ
Η πρώτη ολοκληρωμένη εφαρμογή κινητού σε ελληνικό ΑΕΙ από το Οικονομικό Πανεπιστήμιο Αθηνών
Δύσκολες οι καταναλωτικές προοπτικές για το 2024 – Οι προσδοκίες για το 2025
Σύμφωνα με την Oxford Economics τα ποσοστά αποταμίευσης των νοικοκυριών έχουν σταθεροποιηθεί πάνω από τα προ της πανδημίας επίπεδα
Στην κορυφή διεθνώς τα μεταπτυχιακά προγράμματα του ΟΠΑ
Πώς αξιολογήθηκαν τα μεταπτυχιακά του ΟΠΑ με βάση τον έγκυρο διεθνή φορέα αξιολόγησης “Eduniversal Best Masters Rankings” για το 2024
Ελπίδες για ισχυρή ανάκαμψη της Ευρωζώνης στο 2ο εξάμηνο του 2024
Διευρύνεται η διαφορά επιδόσεων ανάμεσα σε ΗΠΑ και άλλες χώρες των G7, σύμφωνα με την Consensus Economics
Συμφωνία Συνεργασίας ΟΠΑ - ΕΥΔΑΠ
Οι δυο οργανισμοί ενώνουν τις δυνάμεις τους στους τομείς της εκπαίδευσης, της καινοτομίας και της επιχειρηματικότητας
Μια Τομεακή Ερμηνεία της Έξαρσης του Πληθωρισμού στην Ελλάδα
Από το συνολικό δείκτη τιμών καταναλωτή αλλά και τις τιμές σε διάφορους τομείς, φαίνεται ότι οι τάσεις στην Ελλάδα και την ευρωζώνη κινούνται με διαφορετικό ρυθμό και ένταση
Επίτιμος διδάκτωρ του ΠΑΠΕΙ ο αείμνηστος Ιωάννης Αγγελικούσης
Το δίπλωμα επιδόθηκε στη σύζυγο και στην κόρη του εκλιπόντος
Οι υπηρεσίες φρενάρουν τη μείωση του πληθωρισμού - Τα αίτια
Οι τιμές των υπηρεσιών αντιπροσωπεύουν ολοένα και μεγαλύτερο μέρος του συνολικού πληθωρισμού