tο πρωτο περιοδικο ρομποτικής & νεων τεχνολογιων

Ι Α ΝΟ Υ Α ΡΙΟΣ ■ 2 0 2 3 ■ ν ο 4 | i s s n ■ 2 6 5 4 - 2 3 3 1
 03 editorial
04 Τι είναι η βαθιά μάθηση
18 Η αρνητική χρήση της τεχνητής νοημοσύνης στην τέχνη
22 Στον ορίζοντα των έξυπνων πόλεων: Πώς το AI και το IoT μετα
μορφώνουν την αστική ζωή
28 Τα ρομπότ στηζ ωή μας
34 Χρησιμοποιώντας την Α.Ι. στην καθημερινή ζωή
40 Δέκα κορυφαία παραδείγματα πώς η τεχνητή νοημοσύνη
χρησιμοποιείται ήδη στην καθημερινότητά μας
46 Πώς η Α.Ι. θα επηρεάσει τη βιομηχανία έξυπνων κατοικιών;
50 Ρομπότ που βοηθούν τους ανθρώπους σε ξηρά, αέρα και
θάλασσα
56 Η σκοτεινή πλευρά της τέχνης τεχνητής νοημοσύνης και οι
επιπτώσεις της
62 Η Α.Ι. και ο αντίκτυπός της στην καθημερινή ζωή
70 Η χρήση των ρομπότ

Φωτογραφία εξωφύλλου: Alexandra_Koch από το Pixabay

Κάντε subscribe για να λαμβάνετε

ΕΓΓΡΑΦΗ
το Περιοδικό στο e-mail σας..!

ΝΥGMA ● ISSN: 2654-2331

Εκδότης ΑΘΛΕΠΟΛΙΣ ●
Υπεύθυνοι έκδοσης: Μ. ΜΕΤΑΞΑΣ - Ν. ΣΙΜΟΣ ● Δ.ΛΙΝΑΡΔΑΤΟΣ
ετήσια έκδοση.!! Έως τότε, συντονιστείτε...
● www.athlepolis.gr ● e-mail: info@athlepolis.gr
www.facebook.com/athlepolis ● www.facebook.com/groups/
 Αγαπητοί αναγνώστες

Μπορεί η τεχνολογία να ήρθε για να μείνει, αλλά το πώς

εκφράζεται μέσα από την τέχνη και πώς διαμορφώνει την
καθημερινότητά μας, είναι ένα θέμα που συζητείται ευρέως.

Editorial...
Στο τεύχος αυτό αποθησαυρίσαμε άρθρα από τον Ιστό αφο-
ρώντα στις πολλές διαστάσεις της τεχνητής νοημοσύνης (ΑΙ)
και τον αντίκτυπό της σε διάφορους τομείς της ζωής μας.
Η βαθιά μάθηση και η χρήση ρομπότ έχουν αναπτυχθεί
πολύ γρήγορα, και έχουν ενσωματωθεί στην καθημερινότητά
μας. Από τις αυτόνομες συσκευές στο σπίτι μας, μέχρι την
αυτόνομη οδήγηση, οι εξελίξεις αυτές επαναπροσδιορίζουν
τον τρόπο που ζούμε και εργαζόμαστε.
Η συνάντηση της ΑΙ με την τέχνη ανοίγει νέους ορίζοντες.
Καλλιτέχνες χρησιμοποιούν αλγόριθμους και νευρωνικά δί-
κτυα για να δημιουργήσουν έργα που προκαλούν συζητήσεςι.
Η τεχνητή νοημοσύνη είναι πλέον συμπαραγωγικό εργαλείο,
"ανοίγοντας" νέες πτυχές στην έκφραση. Ωστόσο, η ΑΙ δεν
είναι απρόσκοπτα θετική. Η σκοτεινή πλευρά της εκδηλώνε-
ται στην απώλεια θέσεων εργασίας λόγω αυτοματισμού, στην
επιβολή προκαταλήψεων από τους αλγόριθμους και στην
προβληματική συλλογή δεδομένων.
Σε σχέση με την αστική ζωή, το AI και το Internet of Things
(IoT) διαμορφώνουν τον τρόπο που αλληλεπιδρούμε με το
περιβάλλον μας. Έξυπνες πόλεις, συνδεδεμένα σπίτια και
αυτόνομα μέσα μεταφοράς προσφέρουν νέες δυνατότητες,
αλλά προκαλούν και νέες προκλήσεις όσον αφορά στην ιδιω-
τικότητα και στην ασφάλεια του ατόμου.
Τελικά, πρέπει να αναλογιστούμε τις ευθύνες που έχουμε
ως κοινωνία και να διερωτηθούμε πόσο αυτή η εξέλιξη θα
είναι ωφέλιμη και δίκαιη για όλους;

Αυτή η συζήτηση είναι κρίσιμη για το μέλλον της ανθρωπό-

τητας.

Το ΔΣ
4
 ΒΑΘΙΑ ΜΑΘΗΣΗ Alexander S. Gillis
ΠΗΓΗ:https://www.techtarget.com/searchenterpriseai/definition/
deep-learning-deep-neural-network
© εικόνας: justDIYteam:

Τι είναι η βαθιά μάθηση

Η βαθιά μάθηση είναι ένας τύπος μηχανικής μάθησης
και τεχνητής νοημοσύνης (AI) που μιμείται τον τρόπο με τον
οποίο οι άνθρωποι αποκτούν ορισμένους τύπους γνώσης. Τα
μοντέλα βαθιάς μάθησης μπορούν να διδαχθούν να εκτε-
λούν εργασίες ταξινόμησης και να αναγνωρίζουν μοτίβα σε
φωτογραφίες, κείμενο, ήχο και άλλα διάφορα δεδομένα.
Χρησιμοποιείται επίσης για την αυτοματοποίηση εργασιών
που κανονικά θα χρειάζονταν ανθρώπινη νοημοσύνη, όπως η
περιγραφή εικόνων ή η μεταγραφή αρχείων ήχου.
Η βαθιά μάθηση αποτελεί σημαντικό στοιχείο της επιστή-
μης των δεδομένων, συμπεριλαμβανομένης της στατιστικής
και της προγνωστικής μοντελοποίησης. Είναι εξαιρετικά επω-
φελής για τους επιστήμονες δεδομένων που είναι επιφορτι-
σμένοι με τη
. συλλογή, ανάλυση και ερμηνεία μεγάλου όγκου
δεδομένων η βαθιά μάθηση καθιστά τη διαδικασία αυτή
ταχύτερη και ευκολότερη.

5
 Ενώ οι ανθρώπινοι εγκέ-
φαλοι διαθέτουν εκατομμύρια
διασυνδεδεμένους νευρώνες
που συνεργάζονται για να μά-
θουν πληροφορίες, η βαθιά
μάθηση διαθέτει νευρωνικά δί-
κτυα που κατασκευάζονται από
πολλαπλά στρώματα κόμβων
λογισμικού που συνεργάζονται
μεταξύ τους. Τα μοντέλα βα-
θιάς μάθησης εκπαιδεύονται
χρησιμοποιώντας ένα μεγάλο
σύνολο δεδομένων με ετικέτες
και αρχιτεκτονικές νευρωνικών
δικτύων.
Η βαθιά μάθηση επιτρέπει
σε έναν υπολογιστή να μαθαί-
νει με βάση το παράδειγμα.
Για να καταλάβετε τη βαθιά
μάθηση, φανταστείτε ένα νή-
πιο του οποίου η πρώτη λέξη
είναι σκύλος. Το νήπιο μαθαί-
νει τι είναι και τι δεν είναι ο
σκύλος δείχνοντας αντικείμενα
και λέγοντας τη λέξη σκύλος.
Ο γονέας λέει: "Ναι, αυτό είναι
σκύλος" ή "Όχι, αυτό δεν είναι
σκύλος" Καθώς το νήπιο συνε-
χίζει να δείχνει αντικείμενα,
αποκτά μεγαλύτερη επίγνωση
των χαρακτηριστικών που δι-
αθέτουν όλα τα σκυλιά. Αυτό
6
που κάνει το νήπιο, χωρίς να το
γνωρίζει, είναι να αποσαφηνί-
ζει μια πολύπλοκη αφαίρεση:
την έννοια του σκύλου. Αυτό
το κάνουν χτίζοντας μια ιεραρ-
χία στην οποία κάθε επίπεδο
αφαίρεσης δημιουργείται με
τη γνώση που αποκτήθηκε από
το προηγούμενο επίπεδο της
ιεραρχίας.
Γιατί είναι σημαντική
η βαθιά μάθηση
Η βαθιά μάθηση απαιτεί
τόσο μεγάλο όγκο δεδομένων
με ετικέτες όσο και υπολογιστι-
κή ισχύ. Εάν ένας οργανισμός
μπορεί να καλύψει και τις
δύο ανάγκες, η βαθιά μάθη-
ση μπορεί να χρησιμοποιηθεί
σε τομείς όπως οι ψηφιακοί
βοηθοί, η ανίχνευση απάτης
και η αναγνώριση προσώπου.
Η βαθιά μάθηση έχει επίσης
υψηλή ακρίβεια αναγνώρισης,
η οποία είναι ζωτικής σημασί-
ας για άλλες πιθανές εφαρ-
μογές όπου η ασφάλεια είναι
σημαντικός παράγοντας, όπως
στα αυτόνομα αυτοκίνητα ή στις
ιατρικές συσκευές.
Πώς λειτουργεί η βαθιά
μάθηση
Τα προγράμματα υπολογιστών που
χρησιμοποιούν βαθιά μάθηση περ-
νούν από την ίδια διαδικασία με ένα
μικρό παιδί που μαθαίνει να αναγνω-
ρίζει έναν σκύλο, για παράδειγμα.
Τα προγράμματα βαθιάς μάθησης
έχουν πολλαπλά επίπεδα διασυνδε-
δεμένων κόμβων, με κάθε επίπεδο
να βασίζεται στο προηγούμενο για
να βελτιώνει και να βελτιστοποιεί τις
προβλέψεις και τις ταξινομήσεις. Η
βαθιά μάθηση εκτελεί μη γραμμι-
κούς μετασχηματισμούς στην είσοδό
της και χρησιμοποιεί αυτό που μα-
θαίνει για να δημιουργήσει ένα στα-
τιστικό μοντέλο ως έξοδο. Οι επανα-
λήψεις συνεχίζονται μέχρι η έξοδος
να φτάσει σε ένα αποδεκτό επίπεδο
ακρίβειας. Ο αριθμός των επιπέδων
επεξεργασίας από τα οποία πρέπει
να περάσουν τα δεδομένα είναι αυτό
που ενέπνευσε την ετικέτα deep.
Στην παραδοσιακή μηχανική μά-
θηση, η διαδικασία μάθησης είναι
εποπτευόμενη και ο προγραμμα-
τιστής πρέπει να είναι εξαιρετικά
συγκεκριμένος όταν λέει στον υπο-
λογιστή τι είδους πράγματα πρέπει
να αναζητήσει για να αποφασίσει αν
μια εικόνα περιέχει ή όχι ένα σκύλο.
Πρόκειται για μια επίπονη διαδικασία
που ονομάζεται εξαγωγή χαρακτηρι-
στικών και το ποσοστό επιτυχίας του
υπολογιστή εξαρτάται αποκλειστικά
από την ικανότητα του προγραμματι-
στή να ορίσει με ακρίβεια ένα σύνο-
λο χαρακτηριστικών για το σκύλο. Το
πλεονέκτημα της βαθιάς μάθησης
είναι ότι το πρόγραμμα δημιουργεί
το σύνολο των χαρακτηριστικών από
μόνο του χωρίς επίβλεψη.
Αρχικά, το πρόγραμμα υπολογι-
στή θα μπορούσε να εφοδιαστεί με
δεδομένα εκπαίδευσης - ένα σύνολο
εικόνων για τις οποίες ένας άνθρω-
πος έχει χαρακτηρίσει κάθε εικόνα
ως σκύλο ή όχι σκύλο με μετα- στοι-
χεία. Το πρόγραμμα χρησιμοποιεί
τις πληροφορίες που λαμβάνει από
τα δεδομένα εκπαίδευσης για να δη-
μιουργήσει ένα σύνολο χαρακτηρι-
στικών για το σκύλο και να κατασκευ-
άσει ένα προγνωστικό μοντέλο. Σε
αυτή την περίπτωση, το μοντέλο που
δημιουργεί πρώτα ο υπολογιστής
μπορεί να προβλέπει ότι οτιδήποτε
σε μια εικόνα έχει τέσσερα πόδια
και ουρά θα πρέπει να χαρακτηρι-
στεί ως σκύλος. Φυσικά, το πρόγραμ-
μα δεν γνωρίζει τις ετικέτες τέσσερα
πόδια ή ουρά. Απλώς αναζητά μοτί-
7
 βα εικονοστοιχείων στα ψηφια-
κά δεδομένα. Με κάθε επανά-
ληψη, το μοντέλο πρόβλεψης
γίνεται πιο πολύπλοκο και πιο
ακριβές.
Σε αντίθεση με το νήπιο, το
οποίο χρειάζεται εβδομάδες
ή και μήνες για να κατανοή-
σει την έννοια του σκύλου, ένα
πρόγραμμα υπολογιστή που
χρησιμοποιεί αλγόριθμους βα-
θιάς μάθησης μπορεί να δει
ένα σύνολο εκπαίδευσης και
να ταξινομήσει εκατομμύρια
εικόνες, αναγνωρίζοντας με
ακρίβεια ποιες εικόνες περι-
έχουν σκύλους, μέσα σε λίγα
λεπτά.
Για να επιτύχουν ένα απο-
δεκτό επίπεδο ακρίβειας, τα
προγράμματα βαθιάς μάθησης
απαιτούν πρόσβαση σε τερά-
στιες ποσότητες δεδομένων
εκπαίδευσης και επεξεργαστι-
κής ισχύος, τα οποία δεν ήταν
εύκολα διαθέσιμα στους προ-
γραμματιστές μέχρι την εποχή
των μεγάλων δεδομένων και
του υπολογιστικού νέφους.
Επειδή ο προγραμματισμός
της βαθιάς μάθησης μπορεί να
δημιουργεί σύνθετα στατιστι-
8
κά μοντέλα απευθείας από τη
δική του επαναληπτική έξοδο,
είναι σε θέση να δημιουργεί
ακριβή μοντέλα πρόβλεψης
από μεγάλες ποσότητες μη
επισημειωμένων, μη δομημέ-
νων δεδομένων.
Μέθοδοι βαθιάς μά-
θησης
Μπορούν να χρησιμοποι-
ηθούν διάφορες μέθοδοι για
τη δημιουργία ισχυρών μοντέ-
λων βαθιάς μάθησης. Αυτές οι
τεχνικές περιλαμβάνουν την
πτώση του ρυθμού μάθησης,
τη μάθηση μεταφοράς, την εκ-
παίδευση από το μηδέν και την
εγκατάλειψη.
Μείωση του ρυθμού
μάθησης
Ο ρυθμός εκμάθησης είναι
μια υπερ- παράμετρος - ένας
παράγοντας που ορίζει το σύ-
στημα ή θέτει τις συνθήκες
λειτουργίας του πριν από τη
διαδικασία εκμάθησης - που
ελέγχει την αλλαγή που υφί-
σταται το μοντέλο ως απάντηση
στο εκτιμώμενο σφάλμα κάθε φορά
που μεταβάλλονται τα βάρη του μο-
ντέλου. Πολύ υψηλοί ρυθμοί μάθη-
σης μπορεί να οδηγήσουν σε αστα-
θείς διαδικασίες εκπαίδευσης ή στην
εκμάθηση ενός μη βέλτιστου συνό-
λου βαρών. Τα πολύ μικρά ποσοστά
μάθησης μπορεί να οδηγήσουν σε
μια μακρόχρονη διαδικασία εκπαί-
δευσης που μπορεί να κολλήσει.
Η μέθοδος μείωσης του ρυθμού
μάθησης -- που ονομάζεται επίσης
ανόπτηση του ρυθμού μάθησης ή
προσαρμοζόμενος ρυθμός μάθησης
-- είναι η διαδικασία προσαρμογής
του ρυθμού μάθησης για την αύξη-
ση της απόδοσης και τη μείωση του
χρόνου εκπαίδευσης. Οι ευκολότε-
ρες και πιο συνηθισμένες προσαρ-
μογές του ρυθμού μάθησης κατά τη
διάρκεια της εκπαίδευσης περιλαμ-
βάνουν τεχνικές για τη μείωση του
ρυθμού μάθησης με την πάροδο του
χρόνου.
Μεταφορά μάθησης
Η διαδικασία αυτή περιλαμβάνει
την τελειοποίηση ενός προηγου-
μένως εκπαιδευμένου μοντέλου-
απαιτεί μια διεπαφή με τα εσωτε-
ρικά ενός προϋπάρχοντος δικτύου.
Πρώτον, οι χρήστες τροφοδοτούν το
υπάρχον δίκτυο με νέα δεδομένα
που περιέχουν άγνωστες προηγου-
μένως ταξινομήσεις. Μόλις γίνουν
προσαρμογές στο δίκτυο, μπορούν
να εκτελεστούν νέες εργασίες με πιο
συγκεκριμένες ικανότητες κατηγορι-
οποίησης. Η μέθοδος αυτή έχει το
πλεονέκτημα ότι απαιτεί πολύ λιγότε-
ρα δεδομένα από τις άλλες, μειώνο-
ντας έτσι τον χρόνο υπολογισμού σε
λεπτά ή ώρες.
Εκπαίδευση από το
μηδέν
Αυτή η μέθοδος απαιτεί από τον
προγραμματιστή να συλλέξει ένα με-
γάλο σύνολο δεδομένων με ετικέτες
και να διαμορφώσει μια αρχιτεκτονι-
κή δικτύου που μπορεί να μάθει τα
χαρακτηριστικά και το μοντέλο. Αυτή
η τεχνική είναι ιδιαίτερα χρήσιμη
για νέες εφαρμογές, καθώς και για
εφαρμογές με πολλές κατηγορίες
εξόδου. Ωστόσο, συνολικά, πρόκειται
για μια λιγότερο διαδεδομένη προ-
σέγγιση, καθώς απαιτεί υπερβολικό
όγκο δεδομένων, με αποτέλεσμα η
εκπαίδευση να διαρκεί ημέρες ή
εβδομάδες.
9
 Dropout
Η μέθοδος αυτή επιχειρεί
να επιλύσει το πρόβλημα της
υπερ-προσαρμογής σε δίκτυα
με μεγάλο αριθμό παραμέ-
τρων με την τυχαία απόρριψη
μονάδων και των συνδέσεών
τους από το νευρωνικό δίκτυο
κατά τη διάρκεια της εκπαί-
δευσης. Έχει αποδειχθεί ότι η
μέθοδος εγκατάλειψης μπορεί
να βελτιώσει την απόδοση των
νευρωνικών δικτύων σε εργα-
σίες μάθησης με επίβλεψη σε
τομείς όπως η αναγνώριση ομι-
λίας, η ταξινόμηση εγγράφων
και η υπολογιστική βιολογία.
Νευρωνικά δίκτυα
βαθιάς μάθησης
Ένας τύπος προηγμένου αλ-
γορίθμου μηχανικής μάθησης,
γνωστός ως τεχνητό νευρωνικό
δίκτυο (ANN), αποτελεί τη βάση
των περισσότερων μοντέλων
βαθιάς μάθησης. Ως αποτέλε-
σμα, η βαθιά μάθηση μπορεί
μερικές φορές να αναφέρεται
ως βαθιά νευρωνική μάθηση ή
βαθύ νευρωνικό δίκτυο (DDN).
Τα DDN αποτελούνται από
10
στρώματα εισόδου, κρυφά
στρώματα και στρώματα εξό-
δου. Οι κόμβοι εισόδου λει-
τουργούν ως στρώμα για την
τοποθέτηση δεδομένων εισό-
δου. Ο αριθμός των επιπέδων
εξόδου και των κόμβων που
απαιτούνται αλλάζει ανά έξο-
δο. Για παράδειγμα, οι έξοδοι
"ναι" ή "όχι" χρειάζονται μόνο
δύο κόμβους, ενώ οι έξοδοι με
περισσότερα δεδομένα απαι-
τούν περισσότερους κόμβους.
Τα κρυφά στρώματα είναι πολ-
λαπλά στρώματα που επεξερ-
γάζονται και διαβιβάζουν δε-
δομένα σε άλλα στρώματα του
νευρωνικού δικτύου.
Τα νευρωνικά δίκτυα υπάρ-
χουν σε διάφορες μορφές,
μεταξύ των οποίων οι ακόλου-
θες:
• Επαναλαμβανόμενα
νευρωνικά δίκτυα.
• Συνελικτικά νευρωνικά
δίκτυα.
• ANNs και τροφοδοσία.
• Νευρωνικά δίκτυα προ-
ώθησης.
Κάθε τύπος νευρωνικού δι-
κτύου έχει πλεονεκτήματα για
συγκεκριμένες περιπτώσεις χρήσης.
Ωστόσο, όλα λειτουργούν με κάπως
παρόμοιο τρόπο - εισάγοντας δεδο-
μένα και αφήνοντας το μοντέλο να
καταλάβει μόνο του αν έχει κάνει τη
σωστή ερμηνεία ή απόφαση για ένα
δεδομένο στοιχείο δεδομένων.
Τα νευρωνικά δίκτυα περιλαμ-
βάνουν μια διαδικασία δοκιμής και
λάθους, οπότε χρειάζονται τεράστι-
ες ποσότητες δεδομένων για να εκ-
παιδευτούν. Δεν είναι τυχαίο ότι τα
νευρωνικά δίκτυα έγιναν δημοφιλή
μόνο αφότου οι περισσότερες επι-
χειρήσεις υιοθέτησαν την ανάλυση
μεγάλων δεδομένων και συσσώρευ-
σαν μεγάλες αποθήκες δεδομένων.
Επειδή οι πρώτες επαναλήψεις του
μοντέλου περιλαμβάνουν κάπως
τεκμηριωμένες εικασίες σχετικά με
το περιεχόμενο μιας εικόνας ή τα
μέρη της ομιλίας, τα δεδομένα που
χρησιμοποιούνται κατά το στάδιο της
εκπαίδευσης πρέπει να επισημαν-
θούν ώστε το μοντέλο να μπορεί να
δει αν η εικασία του ήταν ακριβής.
Αυτό σημαίνει ότι τα μη δομημένα
δεδομένα είναι λιγότερο χρήσιμα. Τα
μη δομημένα δεδομένα μπορούν να
αναλυθούν από ένα μοντέλο βαθιάς
μάθησης μόνο αφού εκπαιδευτεί
και φτάσει σε ένα αποδεκτό επίπεδο
ακρίβειας, αλλά τα μοντέλα βαθιάς
μάθησης δεν μπορούν να εκπαιδευ-
τούν σε μη δομημένα δεδομένα.
Οφέλη από τη βαθιά μά-
θηση
Τα οφέλη της βαθιάς μάθησης
περιλαμβάνουν:
• Αυτόματη εκμάθηση χαρα-
κτηριστικών. Τα συστήματα Deep
Learning μπορούν να εκτελούν αυ-
τόματα εξαγωγή χαρακτηριστικών,
πράγμα που σημαίνει ότι δεν χρει-
άζονται επίβλεψη για την προσθήκη
νέων λειτουργιών.
• Ανακάλυψη προτύπων. Τα
συστήματα βαθιάς μάθησης μπο-
ρούν να αναλύσουν μεγάλες ποσότη-
τες δεδομένων και να αποκαλύψουν
σύνθετα πρότυπα σε εικόνες, κείμε-
νο και ήχο και μπορούν να αντλή-
σουν ιδέες που μπορεί να μην έχουν
εκπαιδευτεί.
• Επεξεργασία ρευστών συ-
νόλων δεδομένων. Τα συστήματα
Deep Learning μπορούν να κατη-
γοριοποιήσουν και να ταξινομήσουν
σύνολα δεδομένων που έχουν μεγά-
λες διαφοροποιήσεις, όπως σε συ-
στήματα συναλλαγών και απάτης.
• Τύποι δεδομένων. Τα συστή-
11
 ματα βαθιάς μάθησης μπορούν
να επεξεργάζονται τόσο δομη-
μένα όσο και μη δομημένα δε-
δομένα.
• Ακρίβεια. Οποιαδήποτε
πρόσθετα επίπεδα κόμβων που
χρησιμοποιούνται βοηθούν στη
βελτιστοποίηση μοντέλων βα-
θιάς εκμάθησης για ακρίβεια.
• Μπορεί να κάνει πε-
ρισσότερα από άλλες μεθό-
δους μηχανικής εκμάθησης.
Σε σύγκριση με τις τυπικές δι-
αδικασίες μηχανικής μάθησης,
η βαθιά μάθηση χρειάζεται
λιγότερη ανθρώπινη παρέμ-
βαση και μπορεί να αναλύσει
δεδομένα που δεν μπορούν να
κάνουν και άλλες διαδικασίες
μηχανικής μάθησης.
Παραδείγματα βα-
θιάς μάθησης
Επειδή τα μοντέλα βαθιάς
μάθησης επεξεργάζονται
πληροφορίες με τρόπους πα-
ρόμοιους με τον ανθρώπινο
εγκέφαλο, μπορούν να εφαρ-
μοστούν σε πολλές εργασίες
που κάνουν οι άνθρωποι. Η βα-
θιά εκμάθηση χρησιμοποιείται
12
επί του παρόντος στα περισσό-
τερα κοινά εργαλεία αναγνώρι-
σης εικόνων, στην επεξεργα-
σία φυσικής γλώσσας (NLP)
και στο λογισμικό αναγνώρισης
ομιλίας.
Βασικοί τομείς όπου οι επι-
χειρήσεις μπορούν να χρησι-
μοποιήσουν την επεξεργασία
φυσικής γλώσσας (NLP)
Οι περιπτώσεις χρήσης σή-
μερα για βαθιά μάθηση περι-
λαμβάνουν όλους τους τύπους
εφαρμογών ανάλυσης μεγά-
λων δεδομένων, ειδικά εκείνες
που επικεντρώνονται στο NLP,
τη μετάφραση γλώσσας, την ια-
τρική διάγνωση, τα σήματα συ-
ναλλαγών στο χρηματιστήριο,
την ασφάλεια δικτύου και την
αναγνώριση εικόνας.
Συγκεκριμένα πεδία στα
οποία χρησιμοποιείται επί του
παρόντος η βαθιά μάθηση πε-
ριλαμβάνουν τα ακόλουθα:
• Εμπειρία πελατών (CX).
Τα μοντέλα Deep Learning
χρησιμοποιούνται ήδη για
chatbots. Και, καθώς συνεχίζει
να ωριμάζει, η βαθιά μάθηση
αναμένεται να εφαρμοστεί σε
διάφορες επιχειρήσεις για τη
βελτίωση του CX και την αύξη-
ση της ικανοποίησης των πελατών.
• Δημιουργία κειμένου. Οι μη-
χανές διδάσκονται τη γραμματική και
το στυλ ενός κειμένου και στη συνέ-
χεια χρησιμοποιούν αυτό το μοντέλο
για να δημιουργήσουν αυτόματα ένα
εντελώς νέο κείμενο που ταιριάζει
με τη σωστή ορθογραφία, γραμματι-
κή και στυλ του αρχικού κειμένου.
• Αεροδιαστημική και στρατιω-
τική. Η βαθιά εκμάθηση χρησιμοποι-
είται για την ανίχνευση αντικειμένων
από δορυφόρους που προσδιορίζουν
περιοχές ενδιαφέροντος, καθώς και
ασφαλείς ή μη ασφαλείς ζώνες για
τα στρατεύματα.
• Βιομηχανικός αυτοματι-
σμός. Η βαθιά μάθηση βελτιώνει
την ασφάλεια των εργαζομένων σε
περιβάλλοντα όπως εργοστάσια και
αποθήκες παρέχοντας υπηρεσίες
μέσω βιομηχανικού αυτοματισμού
που εντοπίζουν αυτόματα πότε ένας
εργαζόμενος ή ένα αντικείμενο πλη-
σιάζει πολύ ένα μηχάνημα.
• Προσθήκη χρώματος. Το
χρώμα μπορεί να προστεθεί σε
ασπρόμαυρες φωτογραφίες και
βίντεο χρησιμοποιώντας μοντέλα
βαθιάς εκμάθησης. Στο παρελθόν,
αυτή ήταν μια εξαιρετικά χρονοβό-
ρα, χειρωνακτική διαδικασία.
• Υπολογιστική όραση. Η βαθιά
εκμάθηση έχει βελτιώσει σημαντικά
την όραση των υπολογιστών, παρέχο-
ντας στους υπολογιστές εξαιρετική
ακρίβεια για την ανίχνευση αντικει-
μένων και την ταξινόμηση, την απο-
κατάσταση και την τμηματοποίηση
εικόνων.
Περιορισμοί και προκλή-
σεις
Τα συστήματα βαθιάς μάθησης
έχουν επίσης μειονεκτήματα, για πα-
ράδειγμα:
• Μαθαίνουν μέσω παρατηρήσε-
ων, που σημαίνει ότι γνωρίζουν μόνο
τι περιείχε τα δεδομένα στα οποία
εκπαιδεύτηκαν. Εάν ένας χρήστης
έχει μικρό όγκο δεδομένων ή προ-
έρχεται από μια συγκεκριμένη πηγή
που δεν είναι απαραίτητα αντιπροσω-
πευτική της ευρύτερης λειτουργικής
περιοχής, τα μοντέλα δεν μαθαίνουν
με τρόπο που να είναι γενικεύσιμος.
• Το θέμα των μεροληψιών είναι
επίσης ένα σημαντικό πρόβλημα για
τα μοντέλα βαθιάς μάθησης. Εάν ένα
μοντέλο εκπαιδεύεται σε δεδομένα
που περιέχουν μεροληψίες, το μο-
ντέλο αναπαράγει αυτές τις μερολη-
ψίες στις προβλέψεις του. Αυτό ήταν
ένα ενοχλητικό πρόβλημα για τους
προγραμματιστές βαθιάς μάθησης,
13
 καθώς τα μοντέλα μαθαίνουν
να διαφοροποιούνται με βάση
τις ανεπαίσθητες παραλλαγές
στα στοιχεία δεδομένων. Συ-
χνά, οι παράγοντες που καθο-
ρίζει ότι είναι σημαντικοί δεν
γίνονται ρητά σαφείς στον προ-
γραμματιστή. Αυτό σημαίνει,
για παράδειγμα, ένα μοντέλο
αναγνώρισης προσώπου μπο-
ρεί να κάνει προσδιορισμούς
για τα χαρακτηριστικά των αν-
θρώπων με βάση πράγματα
όπως η φυλή ή το φύλο χωρίς
να το γνωρίζει ο προγραμματι-
στής.
• Το ποσοστό μάθησης γίνε-
ται επίσης μια σημαντική πρό-
κληση για τα μοντέλα βαθιάς
μάθησης. Εάν το ποσοστό είναι
πολύ υψηλό, τότε το μοντέλο
συγκλίνει πολύ γρήγορα, πα-
ράγοντας μια λιγότερο από τη
βέλτιστη λύση. Εάν το ποσοστό
είναι πολύ χαμηλό, τότε η δι-
αδικασία μπορεί να κολλήσει
και είναι ακόμη πιο δύσκολο
να βρεθεί λύση.
• Οι απαιτήσεις υλικού για
τα μοντέλα βαθιάς μάθησης
δημιουργούν επίσης περιορι-
σμούς. Απαιτούνται πολυπύ-
ρηνες μονάδες επεξεργασίας
14
γραφικών υψηλής απόδοσης
(GPU) και άλλες παρόμοιες
μονάδες επεξεργασίας για τη
διασφάλιση βελτιωμένης από-
δοσης και μειωμένης κατανά-
λωσης χρόνου. Ωστόσο, αυτές
οι μονάδες είναι ακριβές και
χρησιμοποιούν μεγάλες ποσό-
τητες ενέργειας. Άλλες απαι-
τήσεις υλικού περιλαμβάνουν
τη μνήμη RAM και μια μονάδα
σκληρού δίσκου ή RAM που
βασίζεται σε μονάδα δίσκου
στερεάς κατάστασης.
Άλλοι περιορισμοί και προ-
κλήσεις περιλαμβάνουν τα
ακόλουθα:
• Απαιτεί μεγάλο όγκο δε-
δομένων. Επιπλέον, τα πιο
ισχυρά και ακριβή μοντέλα
χρειάζονται περισσότερες πα-
ραμέτρους, οι οποίες με τη
σειρά τους απαιτούν περισσό-
τερα δεδομένα.
• Έλλειψη πολλαπλών ερ-
γασιών. Μόλις εκπαιδευτούν, τα
μοντέλα βαθιάς μάθησης γίνο-
νται άκαμπτα και δεν μπορούν
να χειριστούν το multitasking.
Μπορούν να προσφέρουν
αποτελεσματικές και ακριβείς
λύσεις αλλά μόνο σε ένα συ-
γκεκριμένο πρόβλημα. Ακόμη και η
επίλυση ενός παρόμοιου προβλήμα-
τος θα απαιτούσε επανεκπαίδευση
του συστήματος.
• Έλλειψη συλλογισμού. Οποια-
δήποτε εφαρμογή απαιτεί συλλογι-
σμό -- όπως ο προγραμματισμός ή
η εφαρμογή της επιστημονικής με-
θόδου -- ο μακροπρόθεσμος σχεδια-
σμός και ο χειρισμός δεδομένων που
μοιάζει με αλγόριθμο είναι εντελώς
πέρα από αυτό που μπορούν να κά-
νουν οι τρέχουσες τεχνικές βαθιάς
μάθησης, ακόμη και με μεγάλες πο-
σότητες δεδομένων.
Βαθιά μάθηση έναντι μη-
χανικής μάθησης
Η βαθιά μάθηση είναι ένα υπο-
σύνολο της μηχανικής μάθησης που
διαφοροποιείται μέσω του τρόπου
με τον οποίο επιλύει προβλήματα.
Η μηχανική εκμάθηση απαιτεί από
έναν ειδικό τομέα για τον εντοπισμό
των περισσότερων λειτουργιών που
εφαρμόζονται. Από την άλλη πλευ-
ρά, η βαθιά μάθηση κατανοεί τα
χαρακτηριστικά σταδιακά, εξαλείφο-
ντας έτσι την ανάγκη για εξειδίκευση
στον τομέα.
Αυτό κάνει τους αλγόριθμους βα-
θιάς μάθησης να χρειάζονται πολύ
περισσότερο χρόνο για να εκπαιδευ-
τούν από τους αλγόριθμους μηχανι-
κής μάθησης, οι οποίοι χρειάζονται
μόνο λίγα δευτερόλεπτα έως λίγες
ώρες. Ωστόσο, το αντίστροφο ισχύ-
ει κατά τη διάρκεια της δοκιμής. Οι
αλγόριθμοι βαθιάς μάθησης χρειά-
ζονται πολύ λιγότερο χρόνο για την
εκτέλεση δοκιμών από τους αλγόριθ-
μους μηχανικής μάθησης, των οποί-
ων ο χρόνος δοκιμής αυξάνεται μαζί
με το μέγεθος των δεδομένων.
Επιπλέον, η μηχανική εκμάθηση
δεν απαιτεί τα ίδια δαπανηρά, high-
end μηχανήματα και GPU υψηλής
απόδοσης που απαιτεί η βαθιά εκ-
μάθηση.
AI εναντίον βαθιάς μάθη-
σης έναντι νευρωνικών
δικτύων
Στο τέλος, πολλοί επιστήμονες
δεδομένων επιλέγουν την παραδο-
σιακή μηχανική μάθηση έναντι της
βαθιάς μάθησης λόγω της ανώτερης
κατανόησης της ή της ικανότητας να
κατανοούν τις λύσεις. Οι αλγόριθμοι
μηχανικής εκμάθησης προτιμώνται
επίσης όταν τα δεδομένα είναι μικρά.
Οι περιπτώσεις όπου η βαθιά μά-
θηση γίνεται προτιμητέα περιλαμβά-
15
 νουν καταστάσεις όπου υπάρ-
χει μεγάλος όγκος δεδομένων,
έλλειψη κατανόησης του τομέα
για ενδοσκόπηση χαρακτηριστι-
κών ή πολύπλοκα προβλήματα,
όπως η αναγνώριση ομιλίας και
το NLP.
Η διαδικασία βαθιάς μάθη-
σης περιλαμβάνει μια σειρά
βημάτων, από τον εντοπισμό
συνόλων δεδομένων που θα
χρησιμοποιηθούν για ένα συ-
γκεκριμένο πρόβλημα έως την
επιλογή του σωστού αλγορίθ-
μου, την εκπαίδευση του αλ-
γορίθμου και στη συνέχεια τη
δοκιμή του.
Πιθανές εφαρμογές
βαθιάς μάθησης στο
μέλλον
Επί του παρόντος, η βαθιά
μάθηση χρησιμοποιείται σε
κοινές τεχνολογίες, όπως σε
συστήματα αυτόματης αναγνώ-
ρισης προσώπου, ψηφιακούς
βοηθούς και ανίχνευση απά-
16
της. Η βαθιά μάθηση χρησιμο-
ποιείται επίσης και σε αναδυό-
μενες τεχνολογίες.
Για παράδειγμα, χρησιμο-
ποιείται στον ιατρικό τομέα
για την ανίχνευση παραληρή-
ματος σε βαρέως πάσχοντες
ασθενείς. Οι ερευνητές του
καρκίνου έχουν επίσης αρχί-
σει να εφαρμόζουν τη βαθιά
μάθηση στην πρακτική τους
ως έναν τρόπο αυτόματης ανί-
χνευσης καρκινικών κυττάρων.
Τα αυτοοδηγούμενα αυτοκίνητα
χρησιμοποιούν επίσης βαθιά
εκμάθηση για να ανιχνεύουν
αυτόματα αντικείμενα όπως
οδικές πινακίδες ή πεζούς.
Και οι πλατφόρμες μέσων κοι-
νωνικής δικτύωσης μπορούν
να χρησιμοποιήσουν τη βαθιά
εκμάθηση για την εποπτεία του
περιεχομένου, την ανάλυση ει-
κόνων και ήχου.
Στα αυτοοδηγούμενα αυτο-
κίνητα, η βαθιά εκμάθηση χρη-
σιμοποιείται για την αυτόματη
ανίχνευση αντικειμένων όπως
οδικές πινακίδες ή πεζούς.
17
18
 Priyanka Singh
ΠΗΓΗ:https://medium.com/@gfaj/negative-impacts-of-ai-art-on-artists-
in-ai-ethics-305df8619b17

Η άνοδος της τεχνητής νοημοσύνης (AI) έχει επιφέρει ση-

μαντικές προόδους σε διάφορους τομείς, συμπεριλαμβανο-
μένης της τέχνης. Η τέχνη που δημιουργείται από την τεχνητή
νοημοσύνη έχει κερδίσει δημοτικότητα τα τελευταία χρόνια,
αλλά ο αντίκτυπός της στους παραδοσιακούς καλλιτέχνες έχει
προκαλέσει ανησυχία. Η σύγχρονη τεχνολογία, με την ικανό-
τητά της να δημιουργεί περίπλοκα έργα τέχνης, έχει δημιουρ-
γήσει μια πρόκληση για τους ανθρώπινους καλλιτέχνες.
Η ευκολία και η αποτελεσματικότητα με την οποία η τεχνητή
νοημοσύνη μπορεί να δημιουργήσει τέχνη έχει μειώσει την

19
 αξία των παραδοσιακών καλ-
λιτεχνικών δεξιοτήτων, οδηγώ-
ντας σε μείωση των ευκαιριών
για τους ανθρώπους καλλιτέ-
χνες.
Ένα από τα κύρια ζητή-
ματα με την τέχνη AI είναι η
ανθρώπινη δημιουργικότητα.
Οι αλγόριθμοι τεχνητής νοημο-
σύνης μπορούν να αναπαρά-
γουν και να μιμούνται διάφορα
καλλιτεχνικά στυλ με ευκολία,
οδηγώντας σε έναν κορεσμό
παρόμοιων έργων τέχνης στο
διαδίκτυο. Αυτή η πλημμύρα
τέχνης που δημιουργείται από
την τεχνητή νοημοσύνη μπορεί
να επισκιάσει τη μοναδικότητα
και την πρωτοτυπία των έργων
που έχουν δημιουργηθεί από
τον άνθρωπο, καθιστώντας δύ-
σκολο για τους καλλιτέχνες να
ξεχωρίσουν και να αναγνωρι-
στούν για τα ατομικά τους τα-
λέντα.
Επιπλέον, η προσβασιμότη-
τα και η οικονομική προσιτότη-
τα της τεχνολογίας AI εντείνει
περαιτέρω τις προκλήσεις που
αντιμετωπίζουν οι καλλιτέχνες.
Με το λογισμικό τεχνητής νοη-
μοσύνης που είναι άμεσα δια-
20
θέσιμο σε οποιονδήποτε διαθέ-
τει υπολογιστή, το εμπόδιο για
την είσοδο στον κόσμο της τέ-
χνης μειώνεται σημαντικά. Ως
αποτέλεσμα, η αγορά πλημμυ-
ρίζει από μια αφθονία τέχνης
που δημιουργείται από την τε-
χνητή νοημοσύνη, καθιστώντας
πιο δύσκολο για τους καλλιτέ-
χνες να κερδίζουν τα προς το
ζην μόνο από τις καλλιτεχνικές
τους προσπάθειες.
Ο αρνητικός αντίκτυπος της
τέχνης AI ξεπερνά τις αρνητι-
κές επιπτώσεις της για τους
καλλιτέχνες. Επίσης, εγείρει
ανησυχίες σχετικά με το αν-
θρωπιστικό επίπεδο της ηθικής
της τεχνητής νοημοσύνης. Οι
αλγόριθμοι τεχνητής νοημο-
σύνης εκπαιδεύονται σε τερά-
στιες ποσότητες δεδομένων,
που συχνά προέρχονται από
το διαδίκτυο, τα οποία μπορεί
να περιλαμβάνουν υλικό που
προστατεύεται από πνευματικά
δικαιώματα χωρίς την κατάλλη-
λη άδεια. Αυτό εγείρει ερωτή-
ματα σχετικά με τα δικαιώματα
πνευματικής ιδιοκτησίας και
την ηθική της χρήσης υλικού
που προστατεύεται από πνευ-
ματικά δικαιώματα για τη δημιουργία
τέχνης που δημιουργείται από AI.
Επιπλέον, οι αλγόριθμοι τεχνητής
νοημοσύνης δεν έχουν την ενσυναί-
σθηση, τα συναισθήματα και τις υπο-
κειμενικές εμπειρίες που φέρνουν
οι ανθρώπινοι καλλιτέχνες στη δου-
λειά τους. Αυτό μειώνει τη δυνατότη-
τα της τέχνης να αντικατοπτρίζει και
να εκφράζει την πολυπλοκότητα της
ανθρώπινης κατάστασης, μειώνοντας
έτσι τον αντίκτυπό της στην κοινωνία.
Συμπερασματικά, ενώ η τέχνη AI
παρουσιάζει συναρπαστικές δυνατό-
τητες και καινοτομίες, θέτει επίσης
προκλήσεις για τους παραδοσιακούς
καλλιτέχνες. Η ευκολία της δημιουρ-
γίας τέχνης που δημιουργείται από
την τεχνητή νοημοσύνη, ο αντίκτυπός
της στην καλλιτεχνική αναγνώριση
και ο υπερκορεσμός της αγοράς
συμβάλλουν στις αρνητικές συνέπει-
ες για τους ανθρώπους καλλιτέχνες.
Επιπλέον, οι ηθικές επιπτώσεις της
τέχνης της τεχνητής νοημοσύνης
επεκτείνονται στην υποβάθμιση του
ανθρωπιστικού επιπέδου της ηθικής
της τεχνητής νοημοσύνης, καθώς
μειώνει τη μοναδική προοπτική και
το συναισθηματικό βάθος που φέρ-
νουν οι άνθρωποι καλλιτέχνες στη
δουλειά τους. Η επίτευξη ισορροπί-
ας μεταξύ των προόδων της τεχνητής
νοημοσύνης και της διατήρησης της
αξίας της ανθρώπινης τέχνης είναι
ζωτικής σημασίας για τη διασφάλιση
ενός ακμάζοντος και ποικίλου καλλι-
τεχνικού τοπίου.
H Priyanka Singh είναι μια Ινδή τρα-
γουδίστρια και performer που δραστη-
ριοποιείται κυρίως στον κινηματογράφο
Bhojpuri και Hindi.
Sources:
Wallaceburg Columnists |
Wallaceburg Courier Press, www.
wallaceburgcourierpress.com/category/
opinion/columnists/. Accessed 3 July
2023.
Babbs, Verity. “Digital Artists Are
Pushing Back against AI.” Hyperallergic,
6 Mar. 2023, hyperallergic.
com/806026/digital-artists-are-pushing-
back-against-ai/.
Tolcheva, Simona. “The Dark Side
of AI Art: 4 Potential Issues with the
Growing Trend.” MUO, 12 Jan. 2023,
www.makeuseof.com/dark-side-of-ai-art-
potential-issues/.
21
22
 David Ly
ΠΗΓΗ: https://www.forbes.com/sites/forbestechcouncil/2023/04/07/on-the-horizon-
for-smart-cities-how-ai-and-iot-are-transforming-urban-living/

Καθώς οι πόλεις σε όλο τον κόσμο γίνονται πιο πολυσύχνα-

στες και πολύπλοκες, η ανάγκη για καινοτόμες, αποτελεσμα-
τικές λύσεις δεν ήταν ποτέ μεγαλύτερη. Οι έξυπνες πόλεις
- που κάποτε φαινόταν σαν ένα φουτουριστικό όνειρο - ανα-
δύονται ως απάντηση, αξιοποιώντας την προηγμένη τεχνο-
λογία για τη βελτιστοποίηση των υποδομών, των υπηρεσιών
και των πόρων. Για όσους είναι περίεργοι για το τι κάνει μια
πόλη πραγματικά έξυπνη, μην κοιτάξετε πέρα από το ισχυρό
δίδυμο της τεχνητής νοημοσύνης (AI) και του Διαδικτύου των
Πραγμάτων (IoT).

23
 Αυτός ο συνδυασμός καινοτό-
μου τεχνολογίας μεταμορφώνει
τον τρόπο που ζούμε και αλλη-
λεπιδρούμε με το αστικό περι-
βάλλον. Ως ιδρυτής μιας εται-
ρείας που συνεργάζεται στενά
με δήμους και οργανισμούς σε
όλο τον κόσμο ––από την Ταϊβάν
μέχρι το Μεξικό έως τις Φιλιππί-
νες–– είχα την ευκαιρία να δω
από πρώτο χέρι πόσο ισχυρές
μπορούν να είναι αυτές οι τεχνο-
λογίες όταν συνεργαζόμαστε.
Με την τεχνητή νοημοσύνη
και το IoT ως κινητήριες δυνά-
μεις πίσω από αυτό το επόμε-
νο κύμα αστικής καινοτομίας, οι
πόλεις μπορούν να μετατραπούν
σε δυναμικές, ανταποκρινόμε-
νες οντότητες που βελτιώνουν τη
ζωή των κατοίκων.
Ο επαναπροσδιορι-
σμός της τεχνολογίας
στις χρήση του στις
εξυπνες πόλεις
Ο όρος «AI» συνεχίζει να δι-
ογκώνεται όλο και περισσότε-
ρο, προχωρώντας πέρα από το
είδος επιστημονικής φαντασίας
24
και στην καθημερινότητά μας. Τι
σημαίνει όμως στην πραγματικό-
τητα όσον αφορά την ευρύτερη
σφαίρα των έξυπνων πόλεων; Οι
περιπτώσεις χρήσης του είναι
συχνά πολύ πιο κοντά στο σπίτι
από τα ρομπότ που βλέπουμε
σε ταινίες.
Οι έξυπνοι μετρητές, οι οποί-
οι χρησιμοποιούν αισθητήρες
IoT για την παρακολούθηση και
την παρακολούθηση της χρήσης
ενέργειας, αποτελούν χαρακτη-
ριστικό παράδειγμα της τεχνη-
τής νοημοσύνης που κάνει τις
πόλεις πιο έξυπνες. Επιτρέπο-
ντας τη συνεχή παρακολούθηση
και ανάλυση της χρήσης ενέρ-
γειας, οι έξυπνοι μετρητές πα-
ρέχουν στους διαχειριστές της
πόλης δεδομένα σε πραγματικό
χρόνο για τη βελτιστοποίηση της
κατανάλωσης ενέργειας και την
εξοικονόμηση κόστους. Το απο-
τέλεσμα είναι πόλεις που είναι
έξυπνες και βιώσιμες. Και αυτή
είναι μόνο μία περίπτωση χρή-
σης στο οπλοστάσιο του έξυπνου
μετρητή.
Η Βαρκελώνη είναι ένα χαρα-
κτηριστικό παράδειγμα μιας έξυ-
πνης πόλης που έχει εφαρμόσει
με επιτυχία έξυπνους μετρητές για
τη βελτίωση της ενεργειακής από-
δοσης και τη μείωση του κόστους.
Το 2012, η πόλη ανέπτυξε σχεδόν
20.000 έξυπνους μετρητές για να
ανιχνεύσει και να ελέγξει εξ απο-
στάσεως την άρδευση και τη στάθμη
του νερού στα πάρκα της πόλης, με
αποτέλεσμα μια αύξηση 25% στην
εξοικονόμηση νερού, εξοικονομώ-
ντας περίπου 555.000 $ ετησίως.
Ένα άλλο παράδειγμα τεχνολογί-
ας IoT που οδηγεί το επόμενο κύμα
καινοτομίας έξυπνων πόλεων μπορεί
να δει κανείς στους έξυπνους πό-
λους. Αυτές οι έξυπνες δομές έχουν
σχεδιαστεί για να προσφέρουν ένα
ευρύ φάσμα λειτουργιών όπως φω-
τισμό, ασύρματη συνδεσιμότητα και
παρακολούθηση περιβάλλοντος.
Εξοπλισμένοι με μια ποικιλία αι-
σθητήρων και καμερών, οι έξυπνοι
πόλοι μπορούν να καταγράφουν και
να μεταδίδουν δεδομένα σε πραγμα-
τικό χρόνο, επιτρέποντας στους δια-
χειριστές της πόλης να λαμβάνουν
τεκμηριωμένες αποφάσεις με βάση
τις πιο ακριβείς και ενημερωμένες
πληροφορίες. Μπορούν επίσης να
παρέχουν πρόσβαση στο internet
υψηλής ταχύτητας. Με την ικανότητά
τους να φιλοξενούν πολλαπλές λει-
τουργίες, προβλέπουμε ότι οι έξυ-
πνοι πόλοι θα μεταμορφώσουν τα
αστικά τοπία παγκοσμίως.
Η τεχνητή νοημοσύνη έχει επίσης
αρχίσει να αλλάζει τον τρόπο που
σκεφτόμαστε για τις αστικές μεταφο-
ρές. Το μέλλον της διέλευσης είναι
αυτόνομο, αλλά για να γίνει πραγμα-
τικότητα αυτή η κάποτε μακρινή ιδέα,
οι πόλεις πρέπει να κάνουν προσε-
κτικές επενδύσεις σε έξυπνες υπο-
δομές. Για να επιτευχθεί πραγματικά
αυτόνομη κατάσταση, τα οχήματα
πρέπει να είναι σε θέση να αντιλαμ-
βάνονται με ακρίβεια το περιβάλλον
τους, κάτι που απαιτεί προηγμένους
αισθητήρες και άλλες έξυπνες συ-
σκευές πόλης που λειτουργούν μαζί
σε ένα διασυνδεδεμένο πλαίσιο.
Καθώς προχωράμε προς ένα μέλ-
λον στο οποίο τα αυτόνομα οχήμα-
τα γίνονται ο κανόνας –είτε πρόκει-
ται για αυτοοδηγούμενα αυτοκίνητα
που παραδίδουν το Uber Eats μας
είτε μας παραλαμβάνουν από το αε-
ροδρόμιο–– η έξυπνη υποδομή θα
είναι το κλειδί για να ξεκλειδώσει
πλήρως τις δυνατότητες του κλάδου.
25
 Κατακτήστε την τέ-
χνη της έξυπνης δια-
χείρισης πόλεων
Η ανάπτυξη τεχνολογιών
έξυπνων πόλεων μπορεί να
είναι ένα δύσκολο έργο, με τις
τοπικές κυβερνήσεις να αντι-
μετωπίζουν προκλήσεις από
την έλλειψη χρηματοδότησης,
τεχνογνωσίας και συντονισμού
μεταξύ των ενδιαφερομένων
έως ρυθμιστικούς φραγμούς
και εμπόδια αντίληψης του κοι-
νού. Ωστόσο, υπάρχουν βέλτι-
στες πρακτικές που μπορούν
να ακολουθήσουν οι κυβερνη-
τικοί φορείς και οι ηγέτες τε-
χνολογίας για να ξεπεράσουν
αυτά τα εμπόδια και να ανοί-
ξουν το δρόμο για επιτυχημέ-
νες πρωτοβουλίες για έξυπνες
πόλεις.
Η ανάπτυξη ενός σαφούς
οράματος και στρατηγικής για
τις προσπάθειες έξυπνων πό-
λεων πρέπει να είναι πρώτα
και κύρια. Είναι σημαντικό να
κατανοήσουμε γιατί μια κοινό-
τητα επιδιώκει να αναπτύξει
πρακτικές έξυπνων πόλεων και
ποιοι είναι οι στόχοι πριν επεν-
26
δύσει. Ελπίζετε να κρατήσετε
τους κατοίκους πιο ασφαλείς;
Ίσως βρίσκεστε κάπου όπου
συμβαίνουν συχνά φυσικές
καταστροφές -όπως τυφώνες
ή ανεμοστρόβιλοι- και η έξυ-
πνη τεχνολογία θα μπορούσε
να καλύψει σημαντικά κενά
στην ανίχνευση καταιγίδων και
στην προστασία ανθρώπων και
περιουσιακών στοιχείων. Θα
μπορούσε να είναι τόσο απλό
όσο να οραματιστείτε μια μελ-
λοντική πόλη γεμάτη με αυτό-
νομα ταξί. Όποιοι και αν είναι
οι στόχοι, οι ηγέτες των πόλε-
ων και οι πάροχοι τεχνολογίας
πρέπει να συνεργαστούν για να
σκιαγραφήσουν και να επικοι-
νωνήσουν, διασφαλίζοντας την
αποδοχή όλων των απαραίτη-
των ενδιαφερόμενων μερών.
Οι ηγέτες τεχνολογίας μπο-
ρεί επίσης να θέλουν να δε-
σμεύσουν τους πολίτες και
τους ενδιαφερόμενους από
την έναρξη της διαδικασίας
σχεδιασμού και εφαρμογής.
Για να οικοδομηθεί μια πραγ-
ματικά έξυπνη πόλη για πρώ-
τη φορά στην κοινότητα, τα
μέλη της κοινότητας πρέπει
να συμμετέχουν. Επιπλέον, πρέπει
να ακουστούν και είναι σημαντικό
να ανοίξετε ενεργά την ευκαιρία
για ερωτήσεις, σχόλια και συνεχή
διάλογο. Αυτό διασφαλίζει ότι οι πο-
λίτες κατανοούν πλήρως τον τρόπο
λειτουργίας της τεχνολογίας, καθώς
και τους σκοπούς και τις περιπτώσεις
χρήσης που θα εξυπηρετεί.
Η ανάπτυξη της έξυπνης πόλης
μπορεί να είναι δαπανηρή και ο μεγά-
λος προϋπολογισμός μπορεί εύκολα
να δημιουργήσει ερωτήματα. Οι πά-
ροχοι τεχνολογίας θα πρέπει να εξε-
τάσουν το ενδεχόμενο να αξιοποιή-
σουν την υπάρχουσα υποδομή (όπου
είναι δυνατόν) για να υλοποιήσουν
τους στόχους της έξυπνης πόλης
χωρίς υπερβολικές επενδύσεις. Για
παράδειγμα, εξετάστε το ενδεχόμενο
εγκατάστασης έξυπνης τεχνολογίας
που μπορεί να ενσωματωθεί απρό-
σκοπτα σε προϋπάρχοντες στύλους
φωτισμού και κάμερες σε μια πόλη,
εξοικονομώντας χρήματα που μπορεί
να δαπανηθούν καλύτερα αλλού.
Η ουσία είναι η εξής: Για να γί-
νει μια πόλη πραγματικά έξυπνη,
πρέπει να δοθεί προτεραιότητα σε
λύσεις με επίκεντρο τον πολίτη που
ανταποκρίνονται στις ανάγκες της κοι-
νότητας, διασφαλίζοντας παράλληλα
το απόρρητο και την ασφάλεια των
δεδομένων μέσω διαφανών πολιτι-
κών.
Πρόβλεψη του μέλλο-
ντος των έξυπνων πόλε-
ων
Καθώς προχωράμε προς το 2023
και μετά, η υιοθέτηση τεχνολογιών
AI και IoT αναμένεται να επιταχυνθεί,
με τη λήψη αποφάσεων βάσει δεδο-
μένων και την προγνωστική ανάλυση
να πρωτοστατούν. Καθώς η τεχνολο-
γία εξελίσσεται, πρέπει να ακολου-
θήσουμε μια συνολική προσέγγιση
για να διασφαλίσουμε ότι οι πρωτο-
βουλίες έξυπνων πόλεων ωφελούν
όλους τους πολίτες και δημιουργούν
ένα πιο δίκαιο και βιώσιμο μέλλον
για όλους.
27
28
 ΠΗΓΗ: https://business.esa.int/funding/invitation
-to-tender/robotics-for-society
© εικόνας: TerraSentia

Τα ρομπότ χρησιμοποιούνται σε πολλούς τομείς, ειδικά

όπου μπορούν να φέρουν εις πέρας δύσκολες εργασίες ή
να ολοκληρώσουν αποστολές που είναι επικίνδυνες για τον
άνθρωπο. Οι πρόσφατες εξελίξεις στη ρομποτική και στην
τεχνητή νοημοσύνη φέρνουν επανάσταση στις επιχειρήσεις,
στην κοινωνία και στην προσωπική μας ζωή.

Εκτός απ' το ότι είναι ακριβή και συνεπή στην εργασία

τους, τα ρομπότ μπορούν να λειτουργήσουν σε οποιοδήποτε
περιβάλλον, και αυτό τους προσθέτει ευελιξία.

29
 Τα ρομπότ αναλαμβάνουν
επικίνδυνες για τον άνθρωπο
εργασίες επειδή είναι ικανά
να ανταπεξέρχονται σε επιβλα-
βή περιβάλλοντα. Μπορούν
να χειριστούν βαριά φορτία,
τοξικές ουσίες και να κάνουν
επαναλαμβανόμενες εργασίες.
Αυτό βοήθησε τις εταιρείες να
αποτρέψουν πολλά ατυχήματα,
εξοικονομώντας επίσης χρόνο
και χρήμα. Στον ιατρικό τομέα
τα ρομπότ χρησιμοποιούνται
για περίπλοκες χειρουργικές
επεμβάσεις όπως είναι η χει-
ρουργική επέμβαση του καρκί-
νου του προστάτη.
Τα ρομπότ έχουν την ικανό-
τητα να φτάσουν εκεί που τα
ανθρώπινα χέρια αδυνατούν,
επιτρέποντας μεγαλύτερη ακρί-
βεια. Τα ρομποτικά οφέλη στον
ιατρικό τομέα μπορεί να είναι
λιγότερο επεμβατικές διαδικα-
σίες και να μειώσουν τον πόνο
για τον ασθενή όταν αναρρώνει.
Αυτή η καινούργια δραστηρι-
ότητα στοχεύει στο να ενσωμα-
τώσει ρομποτικές εφαρμογές
που συνδέονται με διαστημι-
κές τεχνολογίες σε μια μεγάλη
ποικιλία τομέων όπως ακραία
περιβάλλοντα, γεωργία, παρα-
30
κολούθηση υποδομών, μετα-
φορές, κοινωνική φροντίδα και
ρομποτική εύκαμπτων υλικών.
Επίσης, λόγω της πρόσφατης
πανδημίας, η ρομποτική τεχνο-
λογία μπόρεσε να προσφέρει
πρόσθετες δημιουργικές λύ-
σεις για την αντιμετώπιση αυ-
τής της άνευ προηγουμένου
κατάστασης.
Η ρομποτική και η τεχνητή
νοημοσύνη αυξάνουν και ενι-
σχύουν το ανθρώπινο δυναμι-
κό, αυξάνουν την παραγωγικό-
τητα και κινούνται από την απλή
συλλογιστική προς τις ανθρώπι-
νες γνωστικές ικανότητες.
Οι διαστημικές εφαρμογές
και η δορυφορική τεχνολογία
μπορούν να προσφέρουν προ-
στιθέμενη αξία στον τομέα της
ρομποτικής και να αυξήσουν
τις δυνατότητές της με διάφο-
ρους τρόπους.
Θέματα υψηλής προ-
τεραιότητας
Ρομποτική για ακραία
περιβάλλοντα.
Ο πλανήτης μας γίνεται όλο
και πιο ευάλωτος λόγω φυσι-
κών και ανθρωπογενών καταστρο-
φών. Τέτοιες εκδηλώσεις είναι ανα-
πόφευκτες λόγω του ολοένα και πιο
διασυνδεμένου κόσμου μέσω των
σύγχρονων μεταφορών και της ταχύ-
τερης μετακίνησης των ανθρώπων.
Είναι ζωτικής σημασίας να προσδι-
ορίσουμε γρήγορα πώς μπορούμε
να αποτρέψουμε καταστροφές και
να παρέχουμε βοήθεια στα θύματα
κατά τις πρώτες ώρες, όπου η άμεση
ανακούφιση μπορεί να σώσει ζωές.
Η ανάπτυξη της ρομποτικής τε-
χνολογίας σε ακραία περιβάλλοντα,
όπως η πυρηνική επαγρύπνηση και
απενεργοποίηση διαδικασιών σχά-
σης, η ενέργεια από τον κυματισμό
και τους παράκτιους ανέμους, η εξε-
ρεύνηση του διαστήματος και η εξό-
ρυξη σε μεγάλα βάθη, έχουν βρεθεί
σε υψηλή προτεραιότητα τα τελευ-
ταία χρόνια.
Ρομποτική για τη γεωργία.
Τα Ηνωμένα Έθνη εκτιμούν ότι ο
παγκόσμιος πληθυσμός θα φτάσει τα
10 δισεκατομμύρια μέχρι το 2050.
Αυτό θα προκαλέσει αύξηση της ζή-
τησης για γεωργικά προϊόντα πάνω
από 30%. Το μέγεθος της πρόκλη-
σης επιδεινώνεται από τη διαθεσιμό-
τητα (ή την έλλειψή του) εργατικού
δυναμικού και των φυσικών πόρων.
Αυτό καθιστά τις επιστημονικές και
τεχνολογικές εξελίξεις (π.χ. γεωρ-
γικά ρομπότ) τους κύριους παράγο-
ντες που θα συμβάλλουν στην τρίτη
γεωργική επανάσταση. Τα γεωργικά
ρομπότ, που υποστηρίζονται από τε-
χνολογίες GNSS, SatEO και Satcom,
είναι έτοιμα να βρεθούν στο επίκε-
ντρο της τρίτης γεωργικής επανάστα-
σης, όχι εκτοπίζοντας τους αγρότες,
αλλά αυξάνοντας την προστιθέμενη
αξία του γεωργού με παράλληλη με-
γιστοποίηση της απόδοσης και βελτι-
στοποίηση της χρήσης των φυσικών
πόρων.
Ρομποτική για παρακολούθηση
υποδομών.
Τις τελευταίες δεκαετίες, έχουν
αναπτυχθεί σημαντικές ποσότητες
αισθητήρων και συστήματα ανίχνευ-
σης για την παρακολούθηση και την
αξιολόγηση της κατάστασης των δο-
μών. Η παρακολούθηση της δομικής
υγείας (SHM) αποτελεί βασικό στοι-
χείο στην πολιτική μηχανική για την
ασφάλεια και την ακεραιότητα των
πολιτικών δομών, όπως κτήρια, γέφυ-
ρες, σταθμούς ηλεκτροπαραγωγής,
δομές και σήραγγες. Οι υπερσύγ-
χρονες τεχνολογίες ανίχνευσης, αυ-
τοματισμού και ρομποτικής μπορούν
31
 να διευκολύνουν σημαντικά την
αυτοματοποίηση κατασκευής
συστημάτων υποδομής. Τα ρο-
μπότ που εξειδικεύονται για
εφαρμογές (SHM) έχουν πρό-
σφατα αναπτυχθεί πρόσφατα
και έχουν μοναδικά συστήματα
μετακίνησης που επιτρέπουν
την επαρκή κάλυψης αναγκών
επιθεώρησης δομικών κατα-
σκευών.
Η ρομποτική στον τομέα
των μεταφορών.
Η ρομποτική επεκτείνει τη
βιομηχανία μεταφορών και
logistics. Πλαισιωμένα από ρα-
διοπομπούς, κάμερες όρασης,
μαγνητόμετρα, LiDAR, λέιζερ,
εξοπλισμένα με ψηφιακούς
χάρτες, συστήματα πλοήγησης
και εξοπλισμένους αισθητήρες
για τον εντοπισμό εμποδίων,
τα ρομπότ μπορούν να οδηγή-
σουν ανεξάρτητα σε έναν προ-
ορισμό και να υπολογίσουν την
ακριβή θέση και τη διαδρομή
τους. Με τη βοήθεια αισθητή-
ρων, μπορούν να εντοπίσουν
κρίσιμες καταστάσεις και να
ανταποκριθούν ανάλογα, χρη-
σιμοποιώντας τους ίδιους δρό-
32
μους με ανθρώπους και άλλα
οχήματα. Η αυτοματοποίηση
της μεταφοράς θα μπορούσε
να ενισχύσει την ασφάλεια, την
αξιοπιστία και την αποτελεσμα-
τικότητα. Ενώ η ζήτηση για οδη-
γούς και πιλότους θα μειωθεί,
νέοι ρόλοι στον έλεγχο και τη
διαχείριση θα ανοίξουν. Ωστό-
σο, για να είναι το εγχείρημα
πλήρως αποδοτικό θα πρέπει
να αλλάξουν οι υποδομές, οι
κανονισμοί και οι ανθρώπινες
συμπεριφορές.
Από αυτοοδηγούμενα αυτο-
κίνητα, λεωφορεία ρομπότ που
ήδη δοκιμάζονται στους ευρω-
παϊκούς δρόμους και drones
που θα δημιουργήσουν ένα
εντελώς νέο δίκτυο μεταφορών
στις πόλεις, οι εταιρείες ήδη
επενδύουν για να αλλάξουν
το πρόσωπο των ιδιωτικών και
εμπορικών ταξιδιών.
Ρομποτική για κοινωνική
φροντίδα.
Υπάρχουν πολλές επιτυχη-
μένες τεχνολογικές καινοτομί-
ες που συμβαίνουν στην πρώτη
γραμμή της κοινωνικής φρο-
ντίδας, αλλά η μερική χρησι-
μοποίηση τόσο της ιατρικής όσο και
της ψηφιακής τεχνολογίας σημαίνει
ότι υπάρχει πραγματική ευκαιρία να
απελευθερωθεί ένα νέο κύμα και-
νοτομίας που θα μπορούσε να έχει
επαναστατικό αντίκτυπο στον τρόπο
παροχής της φροντίδας και πώς οι
ασθενείς θα αλληλεπιδρούν με τους
επαγγελματίες για να διαχειριστούν
τη δική τους υγεία και φροντίδα. Τα
ρομπότ και τα αυτόνομα συστήματα,
μαζί με την τεχνητή νοημοσύνη, τα
διασυνδεμένα δεδομένα και την ψη-
φιακή υποδομή μπορούν να έχουν
τη δυνατότητα να φέρουν επανάστα-
ση στον τρόπο παροχής κοινωνικής
και ιατρικής περίθαλψης για τους
ηλικιωμένους και τα άτομα με ειδι-
κές ανάγκες.
Ρομποτική εύκαμπτων υλικών.
Η ρομποτική των εύκαμπτων υλι-
κών εμπνέεται από ζώα όπως σκου-
λήκια, αστερίες ή σαλιγκάρια ή από
μέρη του σώματος ζώων όπως την
προβοσκίδα του ελέφαντα, τα πλο-
κάμια των χταποδιών ή τα άκρα
θηλαστικών. Τα «μαλακά ρομπότ»
χαρακτηρίζονται από το ότι είναι ευέ-
λικτα χάρη στα ελαστικά και μαλακά
υλικά όπως είναι το καουτσούκ ή τα
ηλεκτροενεργά πολυμερή που χρη-
σιμοποιούνται στο σώμα τους. Αυτή
η ευκαμψία φέρνει ορισμένα πλε-
ονεκτήματα και μειονεκτήματα σε
σύγκριση με τη λεγόμενη «σκληρή
ρομποτική».
Τα «μαλακά ρομπότ» προσφέρουν
επιδεξιότητα, μεγαλύτερη μεταβλη-
τότητα κινήσεων, καλύτερη χρηστι-
κότητα σε μέρη που διαφορετικά θα
ήταν απρόσιτα καθώς και μεγαλύτε-
ρη ασφάλεια. Από την άλλη πλευρά,
τα «μαλακά ρομπότ» είναι πιο δύσκο-
λο να ελεγχθούν λόγω του σχεδόν
άπειρου αριθμού βαθμών ελευθερί-
ας που έχουν το σώμα τους.
Υπάρχουν διάφοροι τύποι «μαλα-
κών ρομπότ», καθώς και μια ποικιλία
τομέων όπου βρίσκουν εφαρμογές
που παρουσιάζουν ισχυρές εμπορι-
κές δυνατότητες, όπως για παράδειγ-
μα: ρομποτικοί μύες, αναρριχητικά,
φορητά, προσθετικά και βρώσιμα
ρομπότ.
33
34
 German Lopez
ΠΗΓΗ: https://www.nytimes.com/2023/04/21/briefing/ai-chatgpt.html

Για τους περισσότερους ανθρώπους, το ChatGPT είναι πε-

ρισσότερο ένα παιχνίδι παρά ένα εργαλείο. Μπορείτε να του
κάνετε ανόητες ερωτήσεις, αλλά δεν είναι αρκετά αξιόπιστο
ώστε να γράψει υψηλής ποιότητας σημειώσεις εργασίας, ή
σχολικά δοκίμια. Ωστόσο, οι άνθρωποι πίσω από τα προγράμ-
ματα τεχνητής νοημοσύνης πιστεύουν ότι αυτά τα συστήματα
κάποια μέρα θα γίνουν αναπόσπαστο μέρος της ζωής μας,
βοηθώντας μας στην καθημερινή ρουτίνα.
Πώς; Κάποιος τύπος Α.Ι. θα εισαγάγει αυτή την πραγματι-
κότητα όχι επειδή θα είναι τέλεια ή θα εμφανίζει νοημοσύ-
νη σε ανθρώπινο επίπεδο.

35
 Απλώς, θα εκτελεί μια ερ-
γασίες καλύτερα από ό,τι μπο-
ρούν τώρα οι άνθρωποι. Δεν
γνωρίζουμε ακόμα, ποιες θα
είναι αυτές οι εργασίες. Ίσως
θα είναι εργασίες που φαί-
νονται απλές, αλλά απαιτούν
χρόνο, όπως η σύνταξη ενός
απαντητητικού e-mail ή η ορ-
γάνωση ενός προγράμματος.
Ή θα μπορούσαν να είναι πιο
σύνθετες, όπως η οδήγηση
αυτοκινήτου. Είτε έτσι, είτε αλ-
λιώς, η αλλαγή θα είναι μεγά-
λη ώστε το κοινό να την υιοθε-
τήσει ευρέως.
Οι κάμερες τηλεφώνου εί-
ναι ένα χρήσιμο παράδειγμα.
Τυπικά, τραβούν φωτογραφίες
αλλά χαμηλότερης ποιότητας
από τις ψηφιακές φωτογραφι-
κές μηχανές. Αλλά οι περισσό-
τεροι άνθρωποι έχουν υιοθετή-
σει το κινητό τους ως κάμερα
επειδή είναι βολικό, και πάντα
μαζί τους. Αυτό το είδος της
χρησιμότητας είναι πολύ χα-
μηλότερος πήχης για την Α.Ι.
απ' ότι την φανταζόμασταν να
είναι στην ζωή μας στο μέλλον.
Ένας περίπου παντογνώστης
όπως την παρουσίαζε η επιστη-
μονική φαντασία.
36
Στη συνέχεια, η ευρεία υι-
οθέτηση της Α.Ι. θα μπορούσε
να βελτιωθεί περαιτέρω.
Η τεχνολογία βασίζεται σε
δεδομένα. Και όσο περισσότε-
ροι άνθρωποι χρησιμοποιούν
την Α.Ι. τόσο περισσότερα δε-
δομένα μπορούν να συλλέξουν
οι προγραμματιστές για να
προσαρμόσουν τα προγράμμα-
τά τους. Ας δούμε πώς αυτό το
μέλλον θα μπορούσε να αρχί-
σει τώρα..
Καλύτερα, όχι τέλεια
Υπάρχει ένας περιεκτικός
τρόπος για να περιγράψουμε
πώς προοδεύει η τεχνολογία:
Αρκεί να γίνεται καλύτερη δεν
χρειάζεται να είναι ήδη τέλεια!
Ένα παράδειγμα είναι η Α.Ι.
μπορεί να γράφει πρόγραμμα
για υπολογιστή. Άνθρωποι που
δεν γνωρίζουν προγραμματι-
σμό, ήδη χρησιμοποιούν bots
(εφαρμογές Α.Ι.) ως συμπλή-
ρωμα στο computer gaming.
Eπίσης ορισμένοι επαγγελματί-
ες προγραμματιστές χρησιμο-
ποιούν ήδη την Α.Ι. συμπληρω-
ματικά στην δουλειά τους.
Η τρέχουσα τεχνολογία είναι
ατελής. Μπορεί να κάνει λάθη προ-
γραμματίζοντας και συνεχώς παλεύει
με όλο και περίπλοκες εργασίες ή
προγράμματα. Όπως άλλωστε κάνουν
και οι άνθρωποι προγραμματιστές.
«Οι άνθρωποι δεν είναι τέλειοι
σε πολλές από τις εργασίες που
εκτελούν», δήλωσε η Helen Toner,
διευθύντρια στο Κέντρο Ασφάλειας
και Αναδυόμενης Τεχνολογίας του
Πανεπιστημίου Georgetown.
Σύμφωνα με αυτό το πρότυπο, τα
bots που κωδικοποιούν δεν χρειά-
ζεται να είναι άψογα για να αντικα-
ταστήσουν την υπάρχουσα εργασία.
Αρκεί να εξοικονομούν χρόνο. Ένας
άνθρωπος προγραμματιστής αξιο-
ποιεί αυτόν τον επιπλέον χρόνο για
να βελτιώσει τη δουλειά της Α.Ι., να
συλλάβει άλλες ιδέες για προγράμ-
ματα ή να κάνει κάτι άλλο.
Παράπλευρες συνέπειες
Τα αποτελέσματα δεν θα είναι πά-
ντα καλά. Με τις κάμερες τηλεφώ-
νου, οι άνθρωποι θυσιάζουν την ποι-
ότητα της φωτογραφίας για ευκολία.
Εξετάστε ένα πρόγραμμα Α.Ι. που
μπορεί να γράψει καλά. Καταρχάς, η
ποιότητα μπορεί να υπολείπεται του
τι θα μπορούσατε να γράψετε εσείς
οι ίδιοι. Ωστόσο, όπως ένα πρόγραμ-
μα Α.Ι. που προγραμματίζει όπως
λέγαμε πριν, θα μπορούσε να σας
δώσει χρόνο που θα τον χρησιμοποι-
ήσετε για να βελτιώσετε το προσχέ-
διο που σας έφτιαξε, να εστιάσετε
στην έρευνα ή να ολοκληρώσετε μια
διαφορετική εργασία.
Αλλά αυτό το bot μπορεί επίσης
να μην ενδιαφέρεται για ορισμένες
ιδιότητες που εκτιμούν οι άνθρωποι.
Μπορεί να διαιωνίσει ψέματα που
ορισμένοι συγγραφείς δεν θα πιά-
σουν πριν δημοσιεύσουν στο διαδί-
κτυο. Ή κακόβουλοι παράγοντες θα
μπορούσαν να χρησιμοποιήσουν την
Α.Ι. για τη δημιουργία και τη διανομή
καλογραμμένης παραπληροφόρη-
σης πιο αποτελεσματικά.
Με άλλα λόγια, η Α.Ι. μπορεί να
αποτύχει στους στόχους που έχει βά-
λει ο δημιουργός της ή στο τι ζητάει
ο χρήστης. «είναι μια πολύ γενική τε-
χνολογία που πρόκειται να χρησιμο-
ποιηθεί για πάρα πολλά πράγματα»,
είπε η Katja Grace, μια ειδικός στην
ασφάλεια της Α.Ι. και πρόσθεσε ότι:
«είναι πολύ δύσκολο να προβλέψεις
εκείνους τους τρόπους με τους οποί-
ους μπορεί να το εκπαιδεύεις, ώστε
να αποφύγει οτιδήποτε μπορεί να
είναι επιβλαβές».
Ακολουθεί ένα πραγματικό παρά-
δειγμα: ο Ted Rall, ένας πολιτικός
37
 σκιτσογράφος, ζήτησε πρό-
σφατα από το ChatGPT να πε-
ριγράψει τη σχέση του με τον
Scott Stantis, έναν άλλο σκι-
τσογράφο. Υπέδειξε ψευδώς
ότι ο Stantis είχε κατηγορήσει
τον Rall για λογοκλοπή το 2002
και ότι και οι δύο είχαν δημό-
σια διαμάχη. Τίποτα από αυτά
δεν συνέβη. Αλλά η παρούσα
Α.Ι. παράγει συχνά φανταστι-
κές ιστορίες, αυτό που ένας
ειδικός θα ονόμαζε παραισθή-
σεις αν αναφερόταν σε έναν
πραγματικό άνθρωπο.
Οι ειδικοί δεν είναι σίγου-
ροι γιατί αυτό συμβαίνει. Μια
πιθανή εξήγηση είναι ότι αυτά
τα συστήματα είναι κατά κύριο
λόγο προγραμματισμένα για να
παράγουν πειστική, διαλογική
γραφή, και όχι για να διακρί-
νουν το γεγονός από τη φαντα-
σία.
Υπάρχει ο κίνδυνος εαν η Α.Ι.
στο παρόν της στάδιο αντικατα-
στήσει ανθρώπινες δραστηριό-
τητες ή σύγχρονες τεχνολογίες
όπως οι συνήθεις μηχανές ανα-
ζήτησης η βλάβη θα μπορούσε
να είναι περισσότερη απ' ό,τι η
ωφέλεια.
38
Εκθετική αύξηση
Η Α.Ι. αναπτύσσεται απίστευ-
τα γρήγορα. Η υπολογιστική
ισχύς πίσω από την τεχνολο-
γία έχει αυξηθεί εκθετικά για
δεκαετίες και οι ειδικοί ανα-
μένουν ότι έτσι θα συνεχίσει.
Όσο εντυπωσιακό κι αν είναι
το GPT-4, θα μπορούσαμε εύ-
λογα να αποκτήσουμε σύντομα
προγράμματα Α.Ι. που θα είναι
πολλές φορές ισχυρότερα.
Αυτή η τεχνολογία αναπτύσ-
σεται τόσο γρήγορα που οι νο-
μοθέτες και άλλες ρυθμιστικές
αρχές δεν μπορούν να συμβα-
δίσουν μαζί της. Περισσότεροι
από 1.000 ειδικοί τεχνολογίας
και ερευνητές ζήτησαν πρό-
σφατα να σταματήσει η ανά-
πτυξη της Α.Ι. μέχρι να θεσπι-
στούν κανόνες ασφαλείας.
Μέχρι στιγμής, δεν υπάρχει
ένδειξη ότι αυτές οι εκκλήσεις
εισακούστηκαν. Οι εταιρείες
τεχνολογίας όπως η Google και
η Microsoft προέβαλαν αντί-
σταση σε κάθε κάθε τάση για
επιβράδυνση των προγραμμά-
των τους για διασπορά της Α.Ι.
για χρήση από το ευρύ κοινό.
39
40
 Bernard Marr
ΠΗΓΗ:https://www.forbes.com/sites/bernardmarr
/2019/12/16/the-10-best-examples-of-how-ai-is-already-used-in-our-everyday-life/
© εικόνας: Ralph/Altrip/Germany

Όταν ακούτε νέα για την τεχνητή νοημοσύνη (ΤΝ), είναι πι-
θανό να θεωρήσετε ότι δεν σας αφορούν. Μπορεί να φαντα-
στείτε ότι η τεχνητή νοημοσύνη είναι κάτι που αφορά κυρίως
τους μεγάλους τεχνολογικούς γίγαντες και ότι δεν επηρεάζει
την καθημερινή σας ζωή. Στην πραγματικότητα, όμως, η
τεχνητή νοημοσύνη επηρεάζει πολλούς ανθρώπους από το
πρωί έως το βράδυ.
Παρακάτω παρατίθενται 10 από τα κορυφαία παραδείγ-
ματα πώς η τεχνητή νοημοσύνη χρησιμοποιείται ήδη στην
καθημερινή ζωή μας.

41
 1. Ξεκλείδωμα του
τηλεφώνου με ανα-
γνώριση προσώπου
Πολλοί άνθρωποι καθημε-
ρινά ξεκινούν την ημέρα τους
ανοίγοντας τα smartphones
τους. Όταν η συσκευή σας
ξεκλειδώνεται με χρήση βι-
ομετρικών δεδομένων, όπως
η αναγνώριση προσώπου, η
τεχνητή νοημοσύνη χρησιμο-
ποιείται για να ενεργοποιήσει
αυτήν τη λειτουργία. Για πα-
ράδειγμα, το FaceID της Apple
λειτουργεί με 3D σάρωση του
προσώπου, χρησιμοποιώντας
υπέρυθρες κουκκίδες και αλ-
γόριθμους μηχανικής εκμάθη-
σης για να εξακριβώσει την
ταυτότητά σας.
2. Κοινωνικά δίκτυα
Μετά το ξεκλείδωμα του
τηλεφώνου τους, πολλοί άν-
θρωποι προβαίνουν στον
έλεγχο των λογαριασμών τους
στα κοινωνικά δίκτυα, όπως
το Facebook, το X (πρώην
Twitter), το Instagram κ.ά. Η
τεχνητή νοημοσύνη δεν προ-
σαρμόζει απλώς το περιεχόμε-
42
νο που βλέπετε στη ροή σας
(καθώς έχει μάθει ποια είδη
αναρτήσεων σας ενδιαφέρουν
περισσότερο βάσει του παρελ-
θόντος), αλλά ανιχνεύει προ-
τάσεις φίλων, αναγνωρίζει και
φιλτράρει ψεύτικα νέα, ενώ η
μηχανική εκμάθηση συμβάλ-
λει στην πρόληψη του διαδι-
κτυακού εκφοβισμού.
3. Αποστολή ηλε-
κτρονικού ταχυδρο-
μείου ή μηνύματος
Καθημερινά, οι περισσό-
τεροι από εμάς στέλνουν ένα
ή περισσότερα ηλεκτρονικά
μηνύματα. Εργαλεία όπως το
Grammarly και ο έλεγχος ορ-
θογραφίας ενεργοποιούνται
κατά τη σύνταξη του ηλεκτρονι-
κού σας μηνύματος για να σας
βοηθήσουν να τα δημιουργείτε
χωρίς σφάλματα.
Αυτά τα εργαλεία χρησιμο-
ποιούν τεχνητή νοημοσύνη και
επεξεργασία φυσικής γλώσσας.
Κατά τη λήψη των μηνυμάτων
σας, τα φίλτρα ανεπιθύμητης
αλληλογραφίας χρησιμοποιούν
τεχνητή νοημοσύνη για να απο-
κλείσουν αυτά που είναι ύποπτα ως
ανεπιθύμητα ή για να προσδιορίσουν
αν ένα μήνυμα αξίζει να εμφανιστεί
στα εισερχόμενα του παραλήπτη.
Επιπλέον, το λογισμικό προστασίας
από ιούς χρησιμοποιεί μηχανική εκ-
μάθηση για την ασφάλεια του λογα-
ριασμού email σας.
4. Αναζήτηση στο Google
Οι περισσότεροι από εμάς δεν
μπορούμε να περάσουμε μια ημέρα
χωρίς να κάνουμε αναζητήσεις στο
Google για πληροφορίες ή προϊό-
ντα που χρειαζόμαστε. Οι μηχανές
αναζήτησης δεν θα μπορούσαν να
προσφέρουν τις απαντήσεις που θέ-
λουμε χωρίς την υποστήριξη της τε-
χνητής νοημοσύνης.
Όσον αφορά στις διαφημίσεις
που φαίνεται να μας ακολουθούν;
Αυτές ενεργοποιούνται από την τε-
χνητή νοημοσύνη, βασιζόμενες στο
ιστορικό αναζητήσεών μας και προ-
σαρμόζονται εξατομικευμένα για
εμάς, με σκοπό να προβάλλουν αντι-
κείμενα που οι αλγόριθμοι πιστεύουν
ότι θα μας ενδιαφέρουν.
5. Ψηφιακοί βοηθοί φω-
νής
Από το να λαμβάνουμε οδηγίες
για το γεύμα μας μέχρι να ρωτάμε
για τον καιρό για το Σαββατοκύρια-
κο, οι ψηφιακοί βοηθοί φωνής γίνο-
νται γρήγορα οι σύντροφοί μας στην
καθημερινότητά μας. Αυτά τα εργα-
λεία, από τη Siri και την Alexa έως
το Google Home και την Cortana,
χρησιμοποιούν επεξεργασία φυσι-
κής γλώσσας και γεννήτριες που κι-
νούνται από την τεχνητή νοημοσύνη
για να παρέχουν απαντήσεις.
6. Έξυπνες οικιακές συ-
σκευές
Τα σπίτια μας γίνονται όλο και πιο
"έξυπνα". Πολλοί από εμάς διαθέ-
τουν ήδη "έξυπνους" θερμοστάτες,
όπως το Nest, που μαθαίνουν τις
προτιμήσεις μας για θέρμανση και
ψύξη και προσαρμόζουν τη θερ-
μοκρασία σύμφωνα με αυτές πριν
επιστρέψουμε στο σπίτι. Υπάρχουν
επίσης έξυπνα ψυγεία που δημιουρ-
γούν λίστες με τα αποθέματά σας
και προτείνουν προϊόντα που θα σας
ενδιαφέρουν. Φυσικά, οι έξυπνες
συσκευές θα συνεχίσουν να γίνονται
πιο διαδεδομένες.
43
 7. Μετακίνηση με
αυτοκίνητο
Τα ταξιδιωτικά βοηθήματα
που ενεργοποιούνται από την
τεχνητή νοημοσύνη περιλαμβά-
νουν περισσότερα από απλούς
χάρτες. Οι χάρτες Google και
άλλες ταξιδιωτικές εφαρμο-
γές χρησιμοποιούν τεχνητή
νοημοσύνη για να παρακολου-
θούν την κίνηση, να παρέχουν
πληροφορίες για αυτή και τις
καιρικές συνθήκες σε πραγμα-
τικό χρόνο, και να προτείνουν
διαδρομές για την αποφυγή
της κυκλοφοριακής συμφόρη-
σης. Το αυτοκίνητό σας μπορεί
επίσης να διαθέτει τεχνολογία
υποβοήθησης οδηγού ή ακόμα
και πλήρως αυτόνομης οδήγη-
σης!
8. Τραπεζικές Δρα-
στηριότητες
Υπάρχουν πολλοί τρόποι με
τους οποίους η τεχνητή νοη-
μοσύνη ενσωματώνεται στο
τραπεζικό μας σύστημα. Συμ-
μετέχει ενεργά στην ασφάλεια
των χρηματοοικονομικών μας
συναλλαγών και στον εντοπι-
44
σμό απάτης. Αν καταθέσετε
ένα επιταγή, σαρώνοντάς το με
το τηλέφωνό σας, λαμβάνετε
ειδοποίηση για χαμηλό υπό-
λοιπο ή ακόμα και συνδέεστε
στον τραπεζικό σας λογαρια-
σμό στο διαδίκτυο, η τεχνητή
νοημοσύνη εργάζεται πίσω
από τα παρασκήνια. Εάν, για
παράδειγμα, επισκεφθείτε ένα
κατάστημα για φαγητό και αγο-
ράσετε ένα νέο παντελόνι, η
τεχνητή νοημοσύνη θα ελέγξει
τη συναλλαγή για να καθορίσει
εάν πρόκειται για μια "κανονι-
κή" αγορά ή αν απαιτεί επιβε-
βαίωση ή ακύρωση, πάντα με
τον φόβο της μη εξουσιοδοτη-
μένης χρήσης της πιστωτικής
σας κάρτας.
9. Προτάσεις Amazon
Ο μεγαλύτερος διαδικτυακός
λιανοπωλητής στην Αμερική, η
Amazon, παρέχει έναν άλλο
τρόπο με τον οποίο πολλοί άν-
θρωποι έρχονται σε επαφή με
την τεχνητή νοημοσύνη. Οι αλ-
γόριθμοι της τεχνητής νοημο-
σύνης του λιανοπωλητή έχουν
μάθει τα ενδιαφέροντά σας
και τι αγόρασαν άλλοι πελά-
τες με παρόμοια προφίλ, έτσι ώστε
η Amazon να παρουσιάζει προϊόντα
που υπολογίζει ότι μπορεί να σας
αρέσουν ή χρειάζεστε. Η Amazon
είναι τόσο βέβαιη για τις προβλέψεις
και τους αλγόριθμους της, ώστε θα
στείλει προϊόντα στο καλάθι σας ακό-
μα και πριν κάνετε "κλικ για αγορά".
10. Netflix
Κατά το τέλος της ημέρας, όταν
έρχεται η ώρα για χαλάρωση, πολλοί
από εμάς απευθύνονται σε υπηρε-
σίες περιεχομένου όπως το Netflix.
Η μηχανή προτάσεων της εταιρείας
τροφοδοτείται από τεχνητή νοημο-
σύνη και χρησιμοποιεί το ιστορικό
προβολών σας για να προτείνει πε-
ριεχόμενο που πιθανόν να σας αρέ-
σει (συμπεριλαμβανομένων ειδών,
ηθοποιών, χρονικών περιόδων και
άλλων παραμέτρων). Το εργαλείο
αυτό γίνεται όσο πιο ακριβές γίνεται,
λαμβάνοντας υπόψη την ώρα που
παρακολουθείτε και τα προτιμώμενα
σας περιεχόμενα για κάθε χρονική
περίοδο. Στην πραγματικότητα, το
80% αυτού που παρακολουθούμε
καθοδηγείται από τις συστάσεις του
Netflix.
Έτσι, είναι δύσκολο να φαντα-
στούμε την καθημερινή μας ρουτίνα
χωρίς τη βοήθεια της τεχνητής νο-
ημοσύνης. Ακόμα και η μετάφραση
και απόδοση του συγκεκριμένου κει-
μένου είναι προϊόν τεχνητής νοημο-
σύνης!
45
46
© εικόνας: Gerd Altmann

Amit Ravat
ΠΗΓΗ:https://www.linkedin.com/pulse/how-ai-impact-smart-home-industry-amit-ravat

Η τεχνητή νοημοσύνη είναι έτοιμη να επηρεάσει βαθιά τη

βιομηχανία των έξυπνων κατοικιών, φέρνοντας επανάσταση
στον τρόπο με τον οποίο αλληλεπιδρούμε με τα σπίτια μας
και ενισχύοντας τις συνολικές εμπειρίες διαβίωσης. Ακολου-
θούν μερικοί τρόποι που πιστεύω ότι η τεχνητή νοημοσύνη
θα διαμορφώσει το μέλλον των έξυπνων σπιτιών:

Εξατομικευμένος οικιακός αυτοματισμός: Τα έξυπνα οι-

κιακά συστήματα που λειτουργούν με AI μπορούν να μάθουν
από τις συμπεριφορές και τις προτιμήσεις των χρηστών, δη-
μιουργώντας εξατομικευμένες ρουτίνες αυτοματισμού. Αυτά
τα συστήματα μπορούν να προσαρμοστούν σε μεμονωμένες
συνήθειες, όπως η προσαρμογή του φωτισμού και της θερ-
μοκρασίας, η βελτιστοποίηση της χρήσης ενέργειας και η
πρόβλεψη των αναγκών των ενοίκων.

47
 Βοηθοί που ενεργοποι-
ούνται με τη φωνή: Οι βοη-
θοί φωνής που βασίζονται σε
τεχνητή νοημοσύνη, όπως το
Alexa της Amazon, το Google
Assistant και το Siri της Apple,
έχουν γίνει αναγκαία στα έξυ-
πνα σπίτια. Επιτρέπουν τον
απρόσκοπτο έλεγχο διαφόρων
συσκευών και συσκευών μέσω
εντολών φωνητικών εντολών,
καθιστώντας τον οικιακό αυτο-
ματισμό πιο προσιτό και διαι-
σθητικό.
Προγνωστική συντήρηση:
Η τεχνητή νοημοσύνη μπορεί
να παρακολουθεί έξυπνες οικι-
ακές συσκευές και συστήματα,
εντοπίζοντας ανωμαλίες και πι-
θανά προβλήματα σε πραγματι-
κό χρόνο. Αυτή η προγνωστική
συντήρηση βοηθά στην αποφυ-
γή αστοχιών του εξοπλισμού
και βελτιώνει τη συνολική αξι-
οπιστία των έξυπνων οικιακών
προϊόντων.
Ενισχυμένη ασφάλεια και
ιδιωτικότητα: Τα συστήματα
ασφαλείας που λειτουργούν με
AI μπορούν να ανιχνεύουν ύπο-
πτες δραστηριότητες, να ανα-
γνωρίζουν πρόσωπα και να πα-
ρέχουν πιο ισχυρές μεθόδους
48
ελέγχου ταυτότητας. Επιπλέον,
η τεχνητή νοημοσύνη μπορεί
να ενισχύσει το απόρρητο των
δεδομένων αναλύοντας τα μοτί-
βα των χρηστών τοπικά, μειώ-
νοντας την ανάγκη μετάδοσης
ευαίσθητων πληροφοριών στο
cloud.
Ενεργειακή απόδοση και
εξοικονόμηση κόστους: Η
τεχνητή νοημοσύνη μπορεί
να βελτιστοποιήσει τη χρήση
ενέργειας αναλύοντας δεδο-
μένα από έξυπνους μετρητές,
μετεωρολογικές προβλέψεις
και μοτίβα πληρότητας. Αυτή
η νοημοσύνη επιτρέπει στα
έξυπνα οικιακά συστήματα να
προσαρμόζουν αυτόματα τους
θερμοστάτες, τον φωτισμό και
άλλες συσκευές για εξοικονό-
μηση ενέργειας και μείωση του
κόστους κοινής ωφέλειας.
Ενοποίηση του οικοσυστή-
ματος του έξυπνου σπιτιού:
Η τεχνητή νοημοσύνη προωθεί
τη διαλειτουργικότητα μεταξύ
διαφόρων έξυπνων οικιακών
συσκευών, δημιουργώντας
ένα ενοποιημένο οικοσύστημα
όπου οι συσκευές μπορούν να
επικοινωνούν και να συνεργά-
ζονται απρόσκοπτα. Αυτή η ενο-
ποίηση ενισχύει τη συνολική απόδο-
ση και απόδοση του έξυπνου σπιτιού.
Παρακολούθηση υγείας και ευ-
εξίας: Οι αισθητήρες που λειτουρ-
γούν με τεχνητή νοημοσύνη μπορούν
να παρακολουθούν την ευημερία των
ενοίκων, να παρακολουθούν δραστη-
ριότητες, μοτίβα ύπνου και μετρήσεις
υγείας. Αυτά τα δεδομένα μπορούν
να χρησιμοποιηθούν για την παροχή
εξατομικευμένων συστάσεων υγείας
και την ειδοποίηση υπηρεσιών έκτα-
κτης ανάγκης εάν χρειαστεί.
Αυτοματοποιημένες υπηρεσίες
στο σπίτι: Η τεχνητή νοημοσύνη μπο-
ρεί να διαχειριστεί εργασίες όπως
ψώνια παντοπωλείου, καθαρισμό
σπιτιού και συντήρηση συσκευών,
βελτιώνοντας την άνεση για τους ιδι-
οκτήτες σπιτιού και ελευθερώνοντας
πολύτιμο χρόνο.
Προσαρμόσιμος φωτισμός χώ-
ρου: Η τεχνητή νοημοσύνη μπορεί
να δημιουργήσει προσαρμοστικά πε-
ριβάλλοντα περιβάλλοντος προσαρ-
μόζοντας τον φωτισμό, τη μουσική
και τη θερμοκρασία ώστε να ταιριά-
ζει με τις διαθέσεις ή τις δραστηρι-
ότητες των ενοίκων, δημιουργώντας
έναν πιο ευχάριστο και άνετο χώρο
διαβίωσης.
Συνεχής εξέλιξη: Η τεχνητή νοη-
μοσύνη θα συνεχίσει να εξελίσσεται
και να βελτιώνεται στη βιομηχανία
έξυπνων κατοικιών. Καθώς οι αλγό-
ριθμοι τεχνητής νοημοσύνης γίνονται
πιο εξελιγμένοι και οι συσκευές γί-
νονται πιο διασυνδεδεμένες, τα έξυ-
πνα σπίτια θα γίνονται συνεχώς πιο
διαισθητικά, πιο αποτελεσματικά και
θα ανταποκρίνονται στις ανάγκες των
χρηστών.
Συμπερασματικά, ο αντίκτυπος της
τεχνητής νοημοσύνης στη βιομηχα-
νία των έξυπνων κατοικιών θα είναι
μετασχηματιστικός, εγκαινιάζοντας
μια εποχή εξατομικευμένων, αποτε-
λεσματικών και ευφυών χώρων δια-
βίωσης. Καθώς η τεχνολογία συνεχί-
ζει να προοδεύει, η βιομηχανία των
έξυπνων κατοικιών θα γίνει μάρτυρας
της αυξημένης υιοθέτησης και ενσω-
μάτωσης λύσεων που βασίζονται στην
τεχνητή νοημοσύνη, δημιουργώντας
μια πιο απρόσκοπτη, συνδεδεμένη
και ενδυναμωτική εμπειρία διαβίω-
σης για τους ιδιοκτήτες σπιτιού.
Πώς πιστεύετε ότι η τεχνητή νοη-
μοσύνη θα επηρεάσει τον τρόπο που
ζούμε στα σπίτια μας στο μέλλον;
49
50
 Helen Massy - Beresford
ΠΗΓΗ:https://projects.research-and-innovation.ec.europa.eu/en/horizon-magazine/robots-help-humans-
land-air-and-sea

Η έρευνα στη ρομποτική θα μπορούσε να οδηγήσει σε μηχανές που μπο-

ρούν να πλοηγούνται στη θάλασσα όπως τα ψάρια και να ελέγχουν μεγάλες
απομακρυσμένες κατασκευές από τον αέρα.

Ένα εναέριο ρομπότ που σχεδιάστηκε από το project

ARCAS. Η εικόνα είναι ευγενική προσφορά του έργου
ARCAS
Η έρευνα ρομποτικής σε όλη την Ευρώπη κάνει τεράστια
άλματα προς τα εμπρός, αποδεικνύοντας πώς η τεχνολογία
μπορεί να προστατεύσει τους ανθρώπους σε σκληρές συνθή-
κες, να κάνει τη βιομηχανία πιο αποτελεσματική και να συμ-
βάλει στην προστασία του περιβάλλοντος.

51
 Τα έργα που χρηματοδοτού-
νται από την ΕΕ βρίσκονται στην
πρώτη γραμμή της έρευνας στη
ρομποτική – και τα αποτελέ-
σματα θα πρέπει να έχουν με-
γάλο αντίκτυπο στον τρόπο με
τον οποίο όλοι, από εταιρείες
πετρελαίου και φυσικού αερί-
ου έως φορείς εκμετάλλευσης
δορυφόρων, οργανώσεις προ-
στασίας και ομάδες έρευνας
και διάσωσης θα λειτουργούν
στο μέλλον.
Το χρηματοδοτούμενο από
την ΕΕ έργο FILOSE δημιουρ-
γεί ένα υποβρύχιο ρομπότ που
μιμείται τη συμπεριφορά των
ψαριών και την αλληλεπίδρασή
τους με το περιβάλλον τους για
να αυξήσει την αποτελεσματι-
κότητα και την αυτονομία.
Η Maarja Kruusmaa καθη-
γήτρια του Τεχνολογικού Πα-
νεπιστημίου του Ταλίν, στην
Εσθονία, είπε ότι το έργο θα
μπορούσε να οδηγήσει σε ρι-
ζικά διαφορετικά υποβρύχια
ρομπότ. Προς το παρόν, χρησι-
μοποιούν γενικά προπέλες, με
αποτέλεσμα να είναι λιγότερο
αποδοτικ;a από τα ψάρια.
«Η φύση είναι μια τεράστια,
52
ελεύθερα διαθέσιμη βάση δε-
δομένων διπλωμάτων ευρεσι-
τεχνίας, αλλά δεν έχει ακόμη
αναπτύξει κανένα πλάσμα που
να χρησιμοποιεί έλικα», είπε.
Ρομπότ πλοηγούνται σε
άγνωστο υποθαλάσσιο έδαφος
με σόναρ. Για την ομάδα του
Kruusmaa, το κυνήγι είναι σε
εξέλιξη για την ανάπτυξη ενός
ρομπότ που λειτουργεί σαν
ψάρι και μπορεί να λειτουρ-
γεί μόνο του για μεγαλύτερες
χρονικές περιόδους από ό,τι
συμβαίνει σήμερα μέσω της
αποδοτικής κατανάλωσης ενέρ-
γειας.
Το project γεννήθηκε από
την παρατήρηση ότι τα ψάρια
κολυμπούν χρησιμοποιώντας τη
ροή του νερού για να τα ωθή-
σουν. Για να γίνει αυτό, πρέπει
να αναγνωρίσουν τις δίνες στη
ροή και για αυτό χρησιμοποι-
ούν ένα εξελιγμένο αισθητήριο
όργανο που ονομάζεται «πλευ-
ρική γραμμή» που παρέχει στα
ψάρια τεράστιες ποσότητες
πληροφοριών σχετικά με το
«τοπίο ροής» γύρω του.
«Και τα 30.000 είδη ψα-
ριών έχουν αυτό το όργανο –
αλλά κανένα υποβρύχιο όχημα δεν
διαθέτει αισθητήρα ροής. Όταν κο-
λυμπάμε στο νερό, απλώς σκεφτό-
μαστε «είναι κρύο, είναι ζεστό, είναι
υγρό», είπε ο Kruusmaa. «Για ένα
ψάρι, είναι σαν να κολυμπάς σε πλη-
ροφορίες ή να ακούς ραδιόφωνο».
Το έργο θα μπορούσε να οδηγή-
σει στην ανάπτυξη πιο αποτελεσμα-
τικών υποβρύχιων οχημάτων που θα
μπορούσαν να χρησιμοποιηθούν για
περιβαλλοντικές εφαρμογές, έρευ-
να και διάσωση ή εφαρμογές πε-
τρελαίου και φυσικού αερίου. Στο
μεταξύ, ένα spin-off project θα μπο-
ρούσε να δώσει κάτι πίσω στα ψάρια.
Οι πληροφορίες σχετικά με το πώς
αντιλαμβάνονται τα ψάρια το «τοπίο
ροής» χρησιμοποιούνται για να βο-
ηθήσουν στο σχεδιασμό καλύτερων
«ψαροπερασμάτων», που είναι ειδι-
κές διαδρομές που δημιουργήθηκαν
για να επιτρέψουν στα μεταναστευ-
τικά ψάρια να επιστρέψουν στις πε-
ριοχές ωοτοκίας τους, όπου διαφο-
ρετικά ένα φράγμα υδροηλεκτρικής
ενέργειας θα τα απέκλειε.
Εναέρια ρομπότ επιθεω-
ρητές
Εν τω μεταξύ, το έργο AIRobots,
που ολοκληρώθηκε νωρίτερα αυτό
το έτος και υποστηρίχθηκε από την
Ευρωπαϊκή Ένωση, είχε ως στόχο
την ανάπτυξη μικρών ρομπότ επι-
θεώρησης που θα μπορούσαν να
πετούν αυτόνομα για να πραγματο-
ποιούν ελέγχους σε μεγάλες κατα-
σκευές όπως φράγματα και γέφυ-
ρες –όπου η ανέγερση σκαλωσιάς
και η αποστολή ανθρώπων για την
ίδια εργασία μπορεί να είναι επικίν-
δυνη, χρονοβόρα και δαπανηρή– η
συλλογή πληροφοριών μέσω αισθη-
τήρων επαφής και υπερήχων.
Ο συντονιστής του έργου, καθηγη-
τής Lorenzo Marconi του Πανεπιστη-
μίου της Μπολόνια, Ιταλία, είπε ότι η
μεγάλη πρόκληση ήταν ο σχεδιασμός
ενός ρομπότ που θα μπορούσε να
ελεγχθεί από έναν άνθρωπο χειριστή
σε αντίθεση με έναν πιλότο UAV (μη
επανδρωμένο εναέριο όχημα).
«Το σύστημα ελέγχου έπρεπε να
έχει μια εύκολη διεπαφή, ώστε ο
καθένας να μπορεί να χειρίζεται το
όχημα», είπε ο Marconi. Στο τέλος,
το έργο κατέληξε σε ένα σύστημα
παρόμοιο με μια κονσόλα για βιντε-
οπαιχνίδι, όπου ο χειριστής καθοδη-
γεί εξ αποστάσεως τις κινήσεις του
ρομπότ μέσω ενός joystick.
53
 Το project ARCAS στοχεύει
στη χρήση εναέριων ρομπότ
όχι μόνο για τη συλλογή πλη-
ροφοριών από το περιβάλλον,
αλλά και για τη φυσική αλλη-
λεπίδραση με αυτό, ιδίως με
τη συναρμολόγηση εξοπλισμού
και δομών, χρησιμοποιώντας
συνεργαζόμενα ρομπότ που
φέρουν χειριστές με πολλα-
πλές αρθρώσεις.
Ο γενικός διευθυντής του
project, καθηγητής Anibal
Ollero του Πανεπιστημίου της
Σεβίλλης, Ισπανία, πιστεύει ότι
η τεχνολογία που εξερευνάται
θα μπορούσε να είναι χρήσιμη
στη βιομηχανία -επισκευάζο-
ντας δυσπρόσιτα βιομηχανικά
συγκροτήματα όπως φράγματα
ή αντιδραστήρες- καθώς και
στο διάστημα. «Είναι συναρ-
παστικό να θεωρούμε ότι το
project επικυρώνεται σε ρεα-
λιστικά σενάρια», είπε. Τα ενα-
έρια ρομπότ αναπτύσσονται για
να μπορούν να συναρμολογούν
απομακρυσμένες κατασκευές
χωρίς την ανάγκη ανθρώπινης
παρουσίας.
Το εναέριο ρομπότ μπορεί
να μεταφέρει και να συναρμο-
54
λογήσει επί τόπου ένα ρομπότ
εδάφους για να λειτουργεί σε
ένα κατά τα άλλα απρόσιτο
περιβάλλον και η ARCAS ανα-
πτύσσει επίσης ρομποτικές λει-
τουργίες ελεύθερης πτήσης για
συντήρηση δορυφόρου.
«Το project πηγαίνει καλά
και στα πρώτα πειράματα επι-
κύρωσης πετύχαμε καλύτερα
αποτελέσματα από ό,τι θα πε-
ρίμενε κανείς για τους πρώ-
τους 17 μήνες του έργου», δή-
λωσε ο καθηγητής Ollero.
Ρομπότ στη βιομηχα-
νία
Στο Πανεπιστήμιο του
Nottingham, UK, το project
MiRoR στοχεύει στην ανάπτυ-
ξη ενός μικροσκοπικού ρομπότ
που να μπορεί να χρησιμοποι-
ηθεί για την επισκευή μεγάλων
και περίπλοκων εγκαταστά-
σεων, όπως αεροκινητήρες,
σταθμοί παραγωγής ενέργειας
και υπεράκτιες πλατφόρμες
πετρελαίου στο πεδίο.
Το project αναπτύσσει συ-
στήματα που θα επιτρέψουν
στο μικροσκοπικό ρομπότ να
«περπατάει» και να «φιδίζει» το δρό-
μο του σε στενά σημεία, καθώς και
έναν έξυπνο ελεγκτή που θα του επι-
τρέψει να πλοηγηθεί εκεί που χρειά-
ζεται, να αποφασίσει μόνος του πώς
θα έχει πρόσβαση στο χώρο εργα-
σίας και να μάθει από την εμπειρία
του.
Ο καθηγητής Dragos Axinte του
Πανεπιστημίου του Nottingham δή-
λωσε:
«Τα αρχικά πρωτότυπα τόσο του
βραχίονα του φιδιού όσο και του
εξάποδου με ελεύθερα πόδια (ρο-
μπότ με έξι πόδια) έχουν δοκιμαστεί
και τώρα έχουν αναπτυχθεί οι επι-
δείξεις του συστήματος. Ελπίζουμε
να έρθουμε σύντομα στην ακαδημα-
ϊκή και ερευνητική κοινότητα με τα
πρακτικά αποτελέσματα του MiRoR.»
55
56
© εικόνας: geralt

Geetha Malathkar
ΠΗΓΗ:www.analyticsinsight.net/what-are-the-negative-impacts-of-the-dark-side-of-artificial-intelligence-art/

Ποιες είναι οι αρνητικές επιπτώσεις της σκοτεινής πλευράς

της τέχνης της τεχνητής νοημοσύνης;
Η τέχνη της Τεχνητής Νοημοσύνης είναι ένας νέος και
συναρπαστικός τομέας που κερδίζει γρήγορα δημοτικότητα.
Ωστόσο, υπάρχει μια σκοτεινή πλευρά της τέχνης AI που συ-
χνά παραβλέπεται. Αυτή η σκοτεινή πλευρά περιλαμβάνει τη
δυνατότητα χρήσης τέχνης τεχνητής νοημοσύνης για πολιτική
προπαγάνδα, δημιουργία ψεύτικης τέχνης και παραβίαση
πνευματικών δικαιωμάτων.

57
 Τα τελευταία χρόνια, η τε-
χνητή νοημοσύνη εμπλέκεται
όλο και περισσότερο στον κό-
σμο της τέχνης. Η Τεχνητή Νο-
ημοσύνη μπορεί πλέον να δη-
μιουργεί ρεαλιστικές εικόνες,
βίντεο, ακόμη και γλυπτά. Η τέ-
χνη της τεχνητής νοημοσύνης
μερικές φορές δεν διακρίνεται
από την τέχνη που δημιουρ-
γείται από ανθρώπους. Μερι-
κοί άνθρωποι πιστεύουν ότι η
τεχνητή νοημοσύνη θα αντικα-
ταστήσει τελικά τους ανθρώπι-
νους καλλιτέχνες συνολικά.
Ωστόσο, υπάρχει μια σκο-
τεινή πλευρά της τέχνης της
τεχνητής νοημοσύνης. Επειδή
η τεχνητή νοημοσύνη τροφο-
δοτείται από δεδομένα, είναι
προκατειλημμένη έναντι των
υποεκπροσωπούμενων ομά-
δων. Για παράδειγμα, εάν ένα
AI εκπαιδεύεται σε ένα σύνολο
δεδομένων κυρίως λευκών αρ-
σενικών προσώπων, πιθανότατα
θα δημιουργήσει τέχνη που
είναι προκατειλημμένη προς
τα λευκά αρσενικά πρόσωπα.
Αυτό θα μπορούσε να οδηγήσει
σε ένα μέλλον όπου ο κόσμος
58
της τέχνης κυριαρχείται από
έργα που έχουν δημιουργηθεί
από την τεχνητή νοημοσύνη και
είναι προκατειλημμένα κατά
των γυναικών και των έγχρω-
μων ανθρώπων.
Ενώ η τέχνη της τεχνητής
νοημοσύνης βρίσκεται ακόμα
στα αρχικά της στάδια, είναι
σημαντικό να γνωρίζουμε τους
πιθανούς κινδύνους και τους
κινδύνους που ενέχει. Αυτό το
άρθρο θα διερευνήσει τη σκο-
τεινή πλευρά της τέχνης AI και
πώς θα μπορούσε να επηρε-
άσει τον κόσμο της τέχνης με
αρνητικό τρόπο.
Ακολουθούν ορισμένες από
τις πτυχές της τέχνης Τεχνητής
Νοημοσύνης και οι επιπτώσεις
της:
1. AI προκατάληψη
Δεδομένου ότι οι αλγόριθ-
μοι Α.Ι. κατασκευάζονται από
ανθρώπους, μπορούν να έχουν
μια ενσωματωμένη προκατά-
ληψη από εκείνους που είτε
σκόπιμα είτε ακούσια τους ει-
σάγουν στον αλγόριθμο. Εάν οι
αλγόριθμοι Α.Ι. έχουν κατασκευαστεί
με προκατάληψη ή τα δεδομένα στα
σετ εκπαίδευσης από τα οποία δίνο-
νται να μάθουν είναι προκατειλημμέ-
να, θα παράγουν αποτελέσματα που
είναι μεροληπτικά. Αυτή η πραγματι-
κότητα θα μπορούσε να οδηγήσει σε
ακούσιες συνέπειες όπως αυτές που
έχουμε δει με τους αλγόριθμους
στρατολόγησης που προκαλούν δια-
κρίσεις και το chatbot της Microsoft
στο Twitter που έγινε ρατσιστικό.
Καθώς οι εταιρείες κατασκευάζουν
αλγόριθμους Α.Ι., πρέπει να ανα-
πτύσσονται και να εκπαιδεύονται με
υπευθυνότητα.
2. Λάση ορισμένων εργα-
σιών
Ενώ πολλές θέσεις εργασίας θα
δημιουργηθούν από την Α.Ι. και πολ-
λοί άνθρωποι προβλέπουν καθαρή
αύξηση θέσεων εργασίας ή τουλάχι-
στον αναμένουν ότι θα δημιουργηθεί
το ίδιο ποσό για να αντικατασταθούν
εκείνες που χάνονται χάρη στην τε-
χνολογία Α.Ι., θα υπάρξουν δουλειές
που κάνουν οι άνθρωποι σήμερα που
θα κάνουν οι μηχανές αναλαμβάνω.
Αυτό θα απαιτήσει αλλαγές στα προ-
γράμματα κατάρτισης και εκπαίδευ-
σης για να προετοιμάσει το μελλο-
ντικό μας εργατικό δυναμικό, καθώς
και να βοηθήσει τους σημερινούς
εργαζόμενους να μεταβούν σε νέες
θέσεις που θα χρησιμοποιούν τις μο-
ναδικές ανθρώπινες ικανότητές τους.
3. Μια αλλαγή στην αν-
θρώπινη εμπειρία
Εάν η Α.Ι.αναλαμβάνει ταπεινές
εργασίες και επιτρέπει στους αν-
θρώπους να μειώσουν σημαντικά
τον χρόνο που χρειάζεται να αφιε-
ρώσουν σε μια δουλειά, η επιπλέον
ελευθερία μπορεί να φαίνεται σαν
ουτοπία με την πρώτη ματιά. Ωστό-
σο, για να αισθάνονται ότι η ζωή
τους έχει έναν σκοπό, οι άνθρωποι
θα πρέπει να διοχετεύσουν τη νέα
τους ελευθερία σε νέες δραστηριό-
τητες που τους προσφέρουν τα ίδια
κοινωνικά και ψυχικά οφέλη που πα-
ρείχε η δουλειά τους. Αυτό μπορεί
να είναι ευκολότερο για ορισμένους
ανθρώπους και κοινότητες παρά για
άλλους. Πιθανότατα θα υπάρξουν
και οικονομικοί προβληματισμοί όταν
οι μηχανές αναλάβουν ευθύνες για
τις οποίες πληρώνονταν οι άνθρω-
ποι. Τα οικονομικά οφέλη από την
59
 αύξηση της αποτελεσματικότη-
τας είναι αρκετά ξεκάθαρα στις
δηλώσεις κερδών-ζημιών των
επιχειρήσεων, αλλά τα συνολι-
κά οφέλη για την κοινωνία και
την ανθρώπινη κατάσταση είναι
λίγο πιο αδιαφανή.
4. Global κανονισμούς
Ενώ ο κόσμος μας είναι πολύ
μικρότερος από ποτέ λόγω τε-
χνολογίας, αυτό σημαίνει επί-
σης ότι η τεχνολογία Α.Ι. που
απαιτεί νέους νόμους και κανο-
νισμούς θα πρέπει να καθορι-
στεί μεταξύ των διαφόρων κυ-
βερνήσεων για να επιτρέψουν
ασφαλείς και αποτελεσματικές
παγκόσμιες αλληλεπιδράσεις.
Δεδομένου ότι δεν είμαστε
πλέον απομονωμένοι ο ένας
από τον άλλο, οι ενέργειες και
οι αποφάσεις σχετικά με την τε-
χνητή νοημοσύνη σε μια χώρα
θα μπορούσαν να επηρεάσουν
δυσμενώς άλλες πολύ εύκολα.
Βλέπουμε ότι αυτό συμβαίνει
ήδη, όπου η Ευρώπη έχει υιο-
θετήσει μια ισχυρή ρυθμιστική
προσέγγιση για να εξασφαλίσει
τη συναίνεση και τη διαφάνεια,
60
ενώ οι ΗΠΑ και ιδιαίτερα η Κίνα
επιτρέπουν στις εταιρείες τους
να εφαρμόζουν την τεχνητή
νοημοσύνη πολύ πιο φιλελεύ-
θερα.
5. Celerated Hacking
Η Α.Ι. αυξάνει την ταχύτητα αυ-
τού που μπορεί να επιτευχθεί
και σε πολλές περιπτώσεις,
υπερβαίνει την ικανότητά μας
ως άνθρωποι να ακολουθήσου-
με. Με την αυτοματοποίηση,
κακόβουλες ενέργειες όπως το
phishing, η παράδοση ιών σε
λογισμικό και η αξιοποίηση συ-
στημάτων τεχνητής νοημοσύνης
λόγω του τρόπου με τον οποίο
βλέπουν τον κόσμο, μπορεί να
είναι δύσκολο για τους ανθρώ-
πους να αποκαλύψουν μέχρι
να αντιμετωπίσουν ένα πραγμα-
τικό τέλμα.
6. AI τρομοκρατία
Ομοίως, μπορεί να υπάρ-
χουν νέες μορφές τρομοκρα-
τίας που υποστηρίζουν την
τεχνητή νοημοσύνη για αντιμε-
τώπιση: Από την επέκταση των
αυτόνομων drones και την εισαγωγή
ρομποτικών σμηνών έως τις απο-
μακρυσμένες επιθέσεις ή τη μετά-
δοση ασθενειών μέσω νανορομπότ.
Οι οργανώσεις επιβολής του νόμου
και άμυνας θα πρέπει να προσαρ-
μοστούν στην πιθανή απειλή που
παρουσιάζουν. Θα χρειαστεί χρόνος
και εκτενής ανθρώπινος συλλογισμός
για να καθοριστεί ο καλύτερος τρό-
πος προετοιμασίας για ένα μέλλον
με ακόμη περισσότερες εφαρμογές
Α.Ι., ώστε να διασφαλιστεί ότι, παρό-
λο που υπάρχουν πιθανές αρνητικές
επιπτώσεις με την περαιτέρω υιοθέ-
τησή του, θα ελαχιστοποιηθεί όσο το
δυνατόν περισσότερο.
Όπως συμβαίνει με κάθε ανατρε-
πτικό συμβάν, αυτές δεν είναι εύκο-
λο να λυθούν καταστάσεις, αλλά όσο
έχουμε ακόμα ανθρώπους που συμ-
μετέχουν στον καθορισμό λύσεων,
θα μπορούμε να εκμεταλλευτούμε
τα πολλά οφέλη της τεχνητής νοημο-
σύνης μειώνοντας και μετριάζοντας
τις αρνητικές επιπτώσεις.
61
62
 Ruth Brooks
ΠΗΓΗ:https://online.york.ac.uk/artificial-intelligence-and-its-impact-on-everyday-life
© εικόνας: tara-winstead

Τα τελευταία χρόνια, η τεχνητή νοημοσύνη (Α.Ι.) έχει εν-

σωματωθεί στην καθημερινότητά μας με τρόπους που ίσως
δεν γνωρίζουμε καν. Έχει γίνει τόσο διάχυτο που πολλοί
αγνοούν τόσο τον αντίκτυπό του όσο και την εμπιστοσύνη μας
σε αυτό.
Από το πρωί μέχρι το βράδυ, κάνοντας τις καθημερινές
μας ρουτίνες, η τεχνολογία A.I. καθοδηγεί πολλά από αυτά
που κάνουμε. Όταν ξυπνάμε, πολλοί από εμάς πιάνουμε το
κινητό ή το φορητό υπολογιστή μας για να ξεκινήσουμε τη
μέρα μας. Αυτό έχει γίνει αυτόματο και αναπόσπαστο μέρος
του τρόπου λειτουργίας μας όσον αφορά τη λήψη αποφάσε-
ων, τον προγραμματισμό και την αναζήτηση πληροφοριών.

63
 Μόλις ενεργοποιήσουμε τις
συσκευές μας, συνδέουμε αμέ-
σως τη λειτουργία A.I., όπως:
• αναγνωριστικό προσώπου
και αναγνώριση εικόνας
• email
• εφαρμογές
• μέσα κοινωνικής δικτύω
σης
• αναζήτηση Google
• ψηφιακοί βοηθοί φωνής
πχ το Siri της Apple και το
Alexa της Amazon
• ηλεκτρονική τραπεζική
• βοηθήματα οδήγησης
– χαρτογράφηση διαδρομής,
ενημερώσεις κυκλοφορίας,
καιρικές συνθήκες
• ψώνια
• διακοπές ελεύθερου
χρόνου –όπως το Netflix και το
Amazon για ταινίες και προ-
γράμματα.
Το A.I. αγγίζει κάθε πτυ-
χή της προσωπικής και επαγ-
γελματικής διαδικτυακής μας
ζωής σήμερα. Η παγκόσμια
επικοινωνία και η διασυνδεσι-
μότητα στις επιχειρήσεις είναι,
και συνεχίζει να είναι, ένας
64
εξαιρετικά σημαντικός τομέας.
Η αξιοποίηση της τεχνητής νο-
ημοσύνης και της επιστήμης
δεδομένων είναι απαραίτητη
και η πιθανή τροχιά ανάπτυξής
της είναι απεριόριστη.
Ενώ η τεχνητή νοημοσύνη
είναι αποδεκτή ως σχεδόν συ-
νηθισμένη, τι ακριβώς είναι και
πώς προέκυψε;
Τι είναι η τεχνητή νο-
ημοσύνη;
Η τεχνητή νοημοσύνη (A.I.)
είναι η νοημοσύνη που επιδει-
κνύουν οι μηχανές, σε αντίθε-
ση με τη φυσική νοημοσύνη
που επιδεικνύουν τόσο τα ζώα
όσο και οι άνθρωποι.
Ο ανθρώπινος εγκέφαλος
είναι το πιο περίπλοκο όργανο,
που ελέγχει όλες τις λειτουργί-
ες του σώματος και ερμηνεύει
πληροφορίες από τον έξω κό-
σμο. Τα νευρωνικά του δίκτυα
περιλαμβάνουν περίπου 86
δισεκατομμύρια νευρώνες, όλοι
υφασμένοι από περίπου 100
τρισεκατομμύρια συνάψεις.
Ακόμη και τώρα, οι νευρο-
επιστήμονες δεν έχουν ακόμη
αποκαλύψει και κατανοήσουν πολλές
από τις προεκτάσεις και τις δυνατότη-
τές του.
Ο άνθρωπος συνεχώς εξελίσσεται
και μαθαίνει. αυτό αντικατοπτρίζει τον
τρόπο λειτουργίας του AI στον πυρή-
να του. Η ανθρώπινη νοημοσύνη, η
δημιουργικότητα, η γνώση, η εμπει-
ρία και η καινοτομία είναι οι μοχλοί
για την επέκταση στις τρέχουσες και
μελλοντικές τεχνολογίες νοημοσύνης
μηχανών.
Πότε εφευρέθηκε η τε-
χνητή νοημοσύνη;
Κατά τη διάρκεια του Β΄Παγκοσμί-
ου Πολέμου, η εργασία του Τούρινγκ
στο Bletchley Park σχετικά με τα γερ-
μανικά μηνύματα που σπάζουν τον
κώδικα προανήγγειλε μια θεμελιώδη
επιστημονική καμπή. Το πρωτοπορια-
κό του έργο βοήθησε στην ανάπτυξη
ορισμένων από τα βασικά της επιστή-
μης των υπολογιστών.
Μέχρι τη δεκαετία του '50, ο
Turing έθεσε αν οι μηχανές μπορού-
σαν να σκεφτούν μόνες τους. Αυτή η
ριζοσπαστική ιδέα, μαζί με τις αυξα-
νόμενες επιπτώσεις της μηχανικής
μάθησης στην επίλυση προβλημά-
των, οδήγησε σε πολλές ανακαλύψεις
στον τομέα. Η έρευνα διερεύνησε τις
θεμελιώδεις δυνατότητες για το εάν οι
μηχανές θα μπορούσαν να κατευθυν-
θούν και να δοθούν οδηγίες για:
• νομίζω
• καταλαβαίνουν
• μαθαίνω
• εφαρμόζουν τη δική τους
«νοημοσύνη» στην επίλυση προβλη-
μάτων όπως οι άνθρωποι.
Οι επιστήμονες υπολογιστών και
γνωσιακών επιστημών, όπως ο M.
Minsky και ο J. McCarthy, αναγνώρι-
σαν αυτή τη δυνατότητα στη δεκαετία
του 1950. Η έρευνά τους, η οποία
βασίστηκε στον Turing, τροφοδότη-
σε εκθετική ανάπτυξη σε αυτόν τον
τομέα. Οι συμμετέχοντες σε ένα ερ-
γαστήριο το 1956, που πραγματοποι-
ήθηκε στο Dartmouth College των
Η.Π.Α., έθεσαν τα θεμέλια για αυτό
που σήμερα θεωρούμε τον τομέα της
τεχνητής νοημοσύνης. Αναγνωρισμέ-
νο ως ένα από τα πιο διάσημα πανε-
πιστήμια ακαδημαϊκής έρευνας στον
κόσμο, πολλοί από τους παρόντες
έγιναν ηγέτες και καινοτόμοι τεχνητής
νοημοσύνης τις επόμενες δεκαετίες.
Σε μαρτυρία της πρωτοποριακής
έρευνάς του, το Test Turing -στην
65
 ενημερωμένη του μορφή- εξα-
κολουθεί να εφαρμόζεται στη
σημερινή έρευνα τεχνητής νο-
ημοσύνης και χρησιμοποιείται
για τη μέτρηση του μέτρου επι-
τυχίας της ανάπτυξης και των
έργων A.I. Αυτό το infographic
που περιγράφει λεπτομερώς
την ιστορία της A.I. προσφέρει
ένα χρήσιμο στιγμιότυπο αυτών
των κύριων γεγονότων.
Πώς λειτουργεί η τε-
χνητή νοημοσύνη;
Το A.I. βασίζεται στην από-
κτηση τεράστιων ποσοτήτων
δεδομένων. Αυτά τα δεδομένα
μπορούν στη συνέχεια να υπο-
βληθούν σε επεξεργασία για
τον προσδιορισμό της γνώσης,
των μοτίβων και των γνώσεων.
Ο στόχος είναι να δημιουργη-
θούν και να βασιστούν πάνω σε
όλα αυτά τα μπλοκ, εφαρμόζο-
ντας τα αποτελέσματα σε νέα
και άγνωστα σενάρια.
Αυτή η τεχνολογία βασίζεται
σε προηγμένους αλγόριθμους
μηχανικής μάθησης και εξαι-
ρετικά υψηλού επιπέδου προ-
γραμματισμό, σύνολα δεδο-
66
μένων, βάσεις δεδομένων και
αρχιτεκτονική υπολογιστών. Η
επιτυχία συγκεκριμένων εργα-
σιών οφείλεται, μεταξύ άλλων,
στην υπολογιστική σκέψη, στη
μηχανική λογισμικού και στην
εστίαση στην επίλυση προβλη-
μάτων.
Η A.I. διατίθεται σε πολλές
μορφές, που κυμαίνονται από
απλά εργαλεία όπως chatbots
σε εφαρμογές εξυπηρέτησης
πελατών, έως πολύπλοκα συ-
στήματα μηχανικής εκμάθησης
για τεράστιους επιχειρηματι-
κούς οργανισμούς. Το πεδίο εί-
ναι τεράστιο, ενσωματώνοντας
τεχνολογίες όπως:
Μηχανική Μάθηση (ML).
Χρησιμοποιώντας αλγόριθμους
και στατιστικά μοντέλα, η ML
αναφέρεται σε συστήματα υπο-
λογιστών που είναι σε θέση να
μαθαίνουν και να προσαρμό-
ζονται χωρίς να ακολουθούν
σαφείς οδηγίες. Στην ML, τα
συμπεράσματα και η ανάλυση
διακρίνονται σε πρότυπα δε-
δομένων, χωρισμένα σε 3 κύ-
ριους τύπους: εποπτευόμενη,
χωρίς επίβλεψη και ενισχυτική
μάθηση.
 Στενό A.I. Αυτό είναι αναπόσπα-
στο μέρος των σύγχρονων συστημά-
των υπολογιστών, αναφερόμενο σε
εκείνα που έχουν διδαχθεί ή έχουν
μάθει να αναλαμβάνουν συγκεκριμέ-
νες εργασίες χωρίς να έχουν προ-
γραμματιστεί ρητά να το κάνουν.
Παραδείγματα στενής τεχνητής
νοημοσύνης περιλαμβάνουν: εικο-
νικούς βοηθούς σε κινητά τηλέφω-
να, όπως αυτοί που βρίσκονται στο
Apple iPhone και προσωπικούς βοη-
θούς Android στο Google Assistant.
και μηχανές συστάσεων που κάνουν
προτάσεις με βάση το ιστορικό ανα-
ζήτησης ή αγορών.
Τεχνητή Γενική Νοημοσύνη
(AGI). Κατά καιρούς, ο κόσμος της
επιστημονικής φαντασίας και της
πραγματικότητας φαίνεται να θο-
λώνει. Υποθετικά, το AGI –που πα-
ραδειγματίζεται από τα ρομπότ σε
προγράμματα όπως το Westworld,
το The Matrix και το Star Trek– έχει
φτάσει να αντιπροσωπεύει την ικανό-
τητα των έξυπνων μηχανών που κα-
τανοούν και μαθαίνουν οποιαδήποτε
εργασία ή διαδικασία που συνήθως
αναλαμβάνει ένας άνθρωπος.
Ισχυρό A.I. Αυτός ο όρος χρησι-
μοποιείται συχνά εναλλακτικά με το
AGI. Ωστόσο, ορισμένοι ακαδημαϊκοί
και ερευνητές A.I. πιστεύουν ότι θα
πρέπει να εφαρμόζεται μόνο όταν
οι μηχανές αποκτήσουν αίσθηση ή
συνείδηση.
Επεξεργασία Φυσικής Γλώσσας
(NLP). Αυτός είναι ένας προκλητικός
τομέας της A.I. στην επιστήμη των
υπολογιστών, καθώς απαιτεί τεράστι-
ες ποσότητες δεδομένων. Απαιτού-
νται έμπειρα συστήματα και ερμη-
νεία δεδομένων για να διδάξουν στις
ευφυείς μηχανές πώς να κατανοούν
τον τρόπο με τον οποίο οι άνθρωποι
γράφουν και μιλούν. Οι εφαρμογές
NLP χρησιμοποιούνται όλο και περισ-
σότερο, π.χ. σε ρυθμίσεις υγειονο-
μικής περίθαλψης και τηλεφωνικών
κέντρων.
Deepmind. Καθώς οι μεγάλοι τε-
χνολογικοί οργανισμοί επιδιώκουν να
κατακτήσουν την αγορά μηχανικής
μάθησης, αναπτύσσουν υπηρεσίες
cloud για να αξιοποιήσουν τομείς
όπως η αναψυχή και η αναψυχή.
Για παράδειγμα, το Deepmind της
Google δημιούργησε ένα πρόγραμ-
μα υπολογιστή, το AlphaGo, για να
παίξει το επιτραπέζιο παιχνίδι Go,
ενώ ο Watson της IBM είναι ένας
υπερ-υπολογιστής που συμμετείχε
περίφημα σε ένα τηλεοπτικό Watson
and Jeopardy! Πρόκληση. Χρησιμο-
ποιώντας το NLP, ο Watson απάντησε
σε ερωτήσεις με αναγνωρίσιμη ανα-
67
 γνώριση ομιλίας και απόκριση,
προκαλώντας σάλο στην ευαι-
σθητοποίηση του κοινού σχετι-
κά με το πιθανό μέλλον της A.I..
Προοπτικές καριέ-
ρας A.I.
Η αυτοματοποίηση, η επιστή-
μη δεδομένων και η χρήση της
A.I. θα συνεχίσουν να επεκτεί-
νονται. Οι προβλέψεις για τον
κλάδο της ανάλυσης δεδομέ-
νων έως το 2023 προβλέπουν
εκθετική επέκταση στον τομέα
συλλογής μεγάλων δεδομένων.
Στο The Global Big Data
Analytics Forecast του 2023,
οι Frost και Sullivan σχεδιάζουν
ανάπτυξη 29,7%, αξίας 40,6
δισ. δολαρίων. Ως εκ τούτου,
υπάρχουν πολλές ακόμη ανεκ-
μετάλλευτες δυνατότητες, με
αυξανόμενες προοπτικές στα-
διοδρομίας. Πολλοί κορυφαίοι
εργοδότες αναζητούν επαγγελ-
ματίες με τις δεξιότητες, την
εξειδίκευση και τις γνώσεις για
να προωθήσουν τους οργανωτι-
κούς τους στόχους.
68
Τα μονοπάτια σταδιο-
δρομίας
1. Ρομποτική και αυτοοδη-
γούμενα/αυτόνομα αυτοκίνητα
(π.χ. Waymo, Nissan, Renault)
2. Υγειονομική περίθαλψη
(π.χ. πολλαπλές εφαρμογές
στην έρευνα γενετικής αλλη-
λουχίας, θεραπεία όγκων και
ανάπτυξη εργαλείων για την
επιτάχυνση των διαγνώσεων συ-
μπεριλαμβανομένης της νόσου
του Αλτσχάιμερ)
3. Ακαδημαϊκή κοινότητα (τα
κορυφαία πανεπιστήμια στην
έρευνα της A.I. περιλαμβάνουν
το MIT, το Stanford, το Harvard
και το Cambridge)
4. Λιανικό εμπόριο (κατα-
στήματα AmazonGo και άλλες
καινοτόμες επιλογές αγορών)
5. Τραπεζικές εργασίες
6. Χρηματοδότηση
Το σίγουρο είναι ότι με κάθε
τεχνολογική στροφή θα δημι-
ουργούνται νέες θέσεις εργα-
σίας και καριέρες για να αντι-
καταστήσουν τις χαμένες.
69
 γρήγορα δημοτικό- κεται όλο και πε-
G e e t h a τητα. Ωστόσο, υπάρ- ρισσότερο στον
Malathkar χει μια σκοτεινή κόσμο της τέχνης.
29 Νοεμβρίου πλευρά της τέχνης Η Τεχνητή Νοημο-
2022 3 λεπτά ανά- AI που συχνά πα- σύνη μπορεί πλέον
γνωση ραβλέπεται. Αυτή να δημιουργεί ρε-
Τεχνητή-Νο- η σκοτεινή πλευρά αλιστικές εικόνες,
ημοσύνη-Τέχνη- περιλαμβάνει τη βίντεο, ακόμη και
και-τα-Επιπτώσεις δυνατότητα χρήσης γλυπτά. Η τέχνη της
Ποιες είναι οι τέχνης τεχνητής νο- τεχνητής νοημοσύ-
αρνητικές επιπτώ- ημοσύνης για πολι- νης μερικές φορές
σεις της σκοτεινής τική προπαγάνδα, δεν διακρίνεται από
πλευράς της τέχνης δημιουργία ψεύτι- την τέχνη που δη-
της τεχνητής νοημο- κης τέχνης και πα- μιουργείται από αν-
σύνης; ραβίαση πνευματι- θρώπους. Μερικοί
Η τέχνη της Τε- κών δικαιωμάτων. άνθρωποι πιστεύ-
χνητής Νοημοσύνης ουν ότι η τεχνητή
είναι ένας νέος και Τα τελευταία νοημοσύνη θα αντι-
συναρπαστικός το- χρόνια, η τεχνητή καταστήσει τελικά
μέας που κερδίζει νοημοσύνη εμπλέ- τους ανθρώπινους

70
 Η ΧΡΗΣΗ
ΤΩΝ ΡΟΜΠΟΤ
6 τυπικα
παραδειγματα
Trung Tran
© εικόνας: geralt

ΠΗΓΗ:https://www.orientsoftware.com/blog/robots-in-everyday-life/

Καθώς η τεχνολογία συνεχίζει να αναπτύσσεται γρήγορα,

τα ρομπότ γίνονται όλο και πιο διαδεδομένα στην καθημερι-
νή μας ζωή. Μπορούν να βρεθούν σε εργοστάσια και άλλα
βιομηχανικά περιβάλλοντα, εκτελώντας επικίνδυνες ή δύσκο-
λες εργασίες για τον άνθρωπο. Αλλά τα ρομπότ αρχίζουν να
εμφανίζονται και σε πιο κοσμικά περιβάλλοντα, όπως σπίτια
και νοσοκομεία. Ενώ υπάρχει κάποια ανησυχία για την αυ-
ξανόμενη χρήση των ρομπότ, είναι σαφές ότι προσφέρουν
μια σειρά από πλεονεκτήματα που μπορούν να ωφελήσουν
όλους. Σε αυτό το άρθρο, θα ρίξουμε μια πιο προσεκτική
ματιά σε μερικά τυπικά παραδείγματα ρομπότ στην καθημε-
ρινή ζωή, τα οφέλη τους και πώς αλλάζουν την ανθρώπινη
ζωή.

71
 Γενικά Οφέλη των
Ρομπότ στην Καθημε-
ρινή Ζωή
Ακολουθούν ορισμένα τυπι-
κά οφέλη των ρομπότ στην κα-
θημερινή ζωή:
Ασφάλεια
Τα ρομπότ είναι σε θέση να
εκτελούν εργασίες σε επικίνδυ-
να περιβάλλοντα, όπως το εσω-
τερικό ενός πυρηνικού σταθμού
ηλεκτροπαραγωγής ή βαθιά
κάτω από το νερό. Μπορούν
επίσης να προστατεύσουν τους
ανθρώπους από επικίνδυνες
καταστάσεις δουλεύοντας μαζί
μας, όπως πετώντας αεροπλά-
να ή οδηγώντας αυτοκίνητα.
Εξοικονόμηση χρόνου
Πολλές επαναλαμβανόμενες
και επίπονες εργασίες μπορούν
να εκτελεστούν από ρομπότ,
πράγμα που σημαίνει ότι δεν
χρειάζεται να τις κάνουμε. Αυτό
μπορεί να αυξήσει την παρα-
γωγικότητα και να ελευθερώσει
χρόνο για πιο κρίσιμες δραστη-
ριότητες.
72
Προσιτότητα
Τα ρομπότ προσφέρουν
στους ανθρώπους πρόσβαση
σε πράγματα που διαφορε-
τικά δεν θα μπορούσαμε να
κάνουμε. Για παράδειγμα, ένα
ρομπότ θα μπορούσε να μετα-
φέρει βαριά αντικείμενα ή να
βοηθήσει κάποιον να μετακινη-
θεί από το ένα μέρος στο άλλο
όπως κάνει ένα αναπηρικό κα-
ροτσάκι για όσους χρειάζονται
βοήθεια στο περπάτημα.
Επιτήρηση
Τα ρομπότ μπορούν να εξο-
πλιστούν με κάμερες για να
μας δώσουν θέα σε μέρη που
διαφορετικά θα ήταν απρόσιτα
ή πολύ επικίνδυνα για τον άν-
θρωπο. Αυτό περιλαμβάνει ρο-
μπότ εξουδετέρωσης βομβών
που εισέρχονται σε επικίνδυνες
καταστάσεις και συλλέγουν πλη-
ροφορίες πριν αποφασίσουν οι
ειδικοί πώς να προχωρήσουν.
Μειώνει τη Μοναξιά
Οι ρομποτικοί σύντροφοι
της τεχνητής νοημοσύνης (AI)
μπορούν να κάνουν συντροφιά
στους ανθρώπους όταν είναι μόνοι,
παρέχοντας κοινωνική αλληλεπίδρα-
ση και κάνοντας όσους αισθάνονται
μοναξιά λιγότερο πιθανό να πάθουν
κατάθλιψη. Είτε πρόκειται για ένα ρο-
μπότ που εκτελεί εργασίες με το άτο-
μο είτε για ένα ρομπότ που προσφέ-
ρει απλώς συντροφιά, οι ρομποτικοί
«φίλοι» μπορούν να κάνουν τη ζωή
πιο ικανοποιητική για ανθρώπους
όλων των ηλικιών.
Παραγωγικότητα
Τα ρομπότ μειώνουν τις ανθρώπι-
νες προσπάθειες και αυξάνουν την
παραγωγικότητα στο χώρο εργασίας
αναλαμβάνοντας επικίνδυνες δου-
λειές που οι άνθρωποι δεν θέλουν να
κάνουν. Αυτό μπορεί να είναι κοσμι-
κές δραστηριότητες, όπως η σκούπα
με ηλεκτρική σκούπα ή πιο περίπλο-
κες εργασίες, όπως η συναρμολόγη-
ση εξαρτημάτων σε περιβάλλον ερ-
γοστασιακού τύπου.
Βελτιωμένη λειτουργία
Τα ρομπότ μπορούν επίσης να
βελτιώσουν τη λειτουργία συστημά-
των όπως τα δίκτυα υπολογιστών και
τα ηλεκτρικά δίκτυα. Μπορούν να
επιδιορθώσουν προβλήματα χωρίς
να πρέπει να εισέλθουν οι άνθρωποι,
πράγμα που σημαίνει μεγαλύτερη
παραγωγικότητα και ταχύτερους χρό-
νους απόκρισης εάν υπάρχει ανάγκη
να διορθωθεί ένα ζήτημα.
Λιγότερα ανθρώπινα λάθη
Τα ρομπότ μπορούν να εξασφα-
λίσουν καλύτερη ακρίβεια στο χώρο
εργασίας, γεγονός που μειώνει την
πιθανότητα ανθρώπινου λάθους.
Όταν τα ρομπότ εργάζονται δίπλα σε
ανθρώπους, μπορούν να βοηθήσουν
στη μείωση των λαθών εκτελώντας
κρίσιμες εργασίες χωρίς οι άνθρωποι
να χρειάζεται να διακινδυνεύσουν τη
ζωή τους.
Τυπικά παραδείγματα
ρομπότ στην καθημερινή
ζωή
Υπάρχουν πολλά παραδείγματα
ρομπότ στην καθημερινή ζωή που
εξετάζουμε παρακάτω:
Συνεργατικά ρομπότ (Cobots)
Ενώ τα περισσότερα ρομπότ έχουν
σχεδιαστεί για να λειτουργούν αυτόνο-
73
 μα, ορισμένες εταιρείες έχουν
αρχίσει να αναπτύσσουν συνερ-
γατικά ρομπότ. Τα συνεργατικά
ρομπότ μπορούν να ελεγχθούν
από έναν ανθρώπινο χειριστή,
καθιστώντας τους ασφαλέστε-
ρους για χρήση σε εργοστάσια
και άλλους χώρους εργασίας
όπου υπάρχουν άνθρωποι. Δε-
δομένου ότι τα cobot συνεργά-
ζονται με τους ανθρώπους για
την εκτέλεση εργασιών, ονομά-
ζονται επίσης ρομποτική αύξη-
ση προσωπικού. Αυτό επιτρέπει
στους ανθρώπους να εκτελούν
πιο σύνθετες εργασίες χωρίς
να χρειάζεται να εργάζονται
μαζί με ένα αυτόνομο ρομπότ.
Τα συνεργατικά ρομπότ χρη-
σιμοποιούνται συνήθως σε βιο-
μηχανικά περιβάλλοντα, εργο-
στάσια, αποθήκες ή νοικοκυριά.
Ωστόσο, μπορούν να βρεθούν
και σε άλλους χώρους εργα-
σίας, όπως εμπορικά κέντρα
ή αεροδρόμια. Τα συνεργατικά
ρομπότ έχουν τη δυνατότητα
να ενισχύσουν την παραγωγι-
κότητα μειώνοντας ταυτόχρονα
τα εργατικά ατυχήματα. Πολλοί
74
ειδικοί πιστεύουν ότι τα συνερ-
γατικά ρομπότ θα είναι κρίσιμα
για την επιχειρηματική επιτυχία
τα επόμενα χρόνια.
Ένα παράδειγμα συνεργα-
τικού ρομπότ είναι το ρομπότ
Baxter. Είναι ένα μικρό, ελα-
φρύ ρομπότ που μπορεί εύκο-
λα να μετακινηθεί στον χώρο
εργασίας. Έχει δύο βραχίονες
και μπορεί να ελεγχθεί από
έναν άνθρωπο χειριστή. Το
Baxter έχει σχεδιαστεί για να
συνεργάζεται με ανθρώπους
για την εκτέλεση εργασιών, κα-
θιστώντας το ασφαλέστερο για
χρήση σε εργοστάσια και άλ-
λους χώρους εργασίας. Εκτός
από τις συνεργατικές του δυ-
νατότητες, το Baxter είναι επί-
σης πολύ εύκολο στη χρήση.
Μπορεί να προγραμματιστεί για
να εκτελεί μια ποικιλία εργασι-
ών χωρίς να απαιτείται ειδική
εκπαίδευση. Αυτό το καθιστά
ιδανικό για επιχειρήσεις που
πρέπει να αναπτύξουν γρήγο-
ρα ρομπότ στο χώρο εργασί-
ας. Άλλα τυπικά παραδείγματα
Cobots είναι αυτόνομα αυτοο-
δηγούμενα αυτοκίνητα, στρατι-
ωτικά drones, αυτόματες ηλεκτρικές
σκούπες ή προσωπικοί βοηθοί μη-
χανικής εκμάθησης όπως ο Siri σε
iPhone ή η Cortana σε τηλέφωνα
Windows.
Οικιακά Ρομπότ
Τα οικιακά ρομπότ, γνωστά και ως
ρομπότ προσωπικής εξυπηρέτησης
ή ρομπότ συνοδών, έχουν σχεδιαστεί
για να βοηθούν στις οικιακές εργα-
σίες. Τα οικιακά ρομπότ μπορούν να
βρεθούν στα σπίτια και στους χώρους
εργασίας των ανθρώπων. Εκτελούν
ποικίλες εργασίες, όπως καθαρισμό,
πλύσιμο ρούχων και παροχή φρο-
ντίδας σε ηλικιωμένους ή άτομα με
ειδικές ανάγκες. Ένα παράδειγμα
οικιακού ρομπότ είναι το ρομπότ ηλε-
κτρικής σκούπας Roomba. Είναι ένα
μικρό, αυτόνομο ρομπότ καθαρισμού
που μπορεί να προγραμματιστεί να
καθαρίζει δάπεδα, χαλιά και χα-
λιά. Τα Roombas χρησιμοποιούνται
σε σπίτια σε όλο τον κόσμο από το
2002. Σήμερα υπάρχουν αρκετά δι-
αφορετικά μοντέλα διαθέσιμα από
την iRobot και άλλες εταιρείες.
Ένα ακόμη παράδειγμα οικιακού
ρομπότ είναι το ρομπότ Wakamaru,
που αναπτύχθηκε από τη Mitsubishi.
Το Wakamaru έχει σχεδιαστεί για να
παρέχει συντροφιά σε ηλικιωμένους
που ζουν μόνοι ή που δυσκολεύονται
να μετακινηθούν. Με το μικρό του
μέγεθος και το φιλικό πρόσωπό του,
το Wakamaru έχει περιγραφεί ως
ένα «πολύ συμπαγές βοηθητικό ρο-
μπότ». Χρησιμοποιεί αισθητήρες και
AI για να παρακολουθεί την υγεία, τη
συμπεριφορά και την τοποθεσία των
χρηστών του. Εάν εντοπιστεί κάποιο
πρόβλημα, ο Wakamaru μπορεί να
επικοινωνήσει με έναν φροντιστή ή
μέλος της οικογένειας για βοήθεια.
Τα οικιακά ρομπότ γίνονται όλο
και πιο δημοφιλή στα νοικοκυριά σε
όλο τον κόσμο. Οφείλεται κυρίως στη
μεγάλη ζήτηση από άτομα μεγαλύτε-
ρης ηλικίας που θέλουν να ζήσουν
αυτόνομα για μεγαλύτερο χρονικό δι-
άστημα. Ορισμένες εταιρείες έχουν
αρχίσει να αναπτύσσουν οικιακά ρο-
μπότ που μπορούν να χρησιμοποιη-
θούν για ποικίλες εργασίες, συμπε-
ριλαμβανομένου του καθαρισμού και
της παροχής συντροφικότητας. Ενώ
τα περισσότερα τρέχοντα μοντέλα
έχουν σχεδιαστεί για χρήση στο σπίτι,
υπάρχει επίσης κάποιο ενδιαφέρον
για χρήση σε εμπορικούς χώρους,
όπως αεροδρόμια, εμπορικά κέντρα
και ξενοδοχεία.
75
 Ιατρικά Ρομπότ
Τα ιατρικά ρομπότ έχουν
αναπτυχθεί για να εκτελούν
μια ποικιλία εργασιών σε πε-
ριβάλλοντα υγειονομικής περί-
θαλψης. Μπορούν να βρεθούν
σε νοσοκομεία, χειρουργεία
γιατρών και ασθενοφόρα. Κυ-
μαίνονται από βασικά ρομποτι-
κά εργαλεία που βοηθούν τους
χειρουργούς κατά τη διάρκεια
των επεμβάσεων έως αυτό-
νομα χειρουργικά συστήματα
που πραγματοποιούν ολόκλη-
ρες επεμβάσεις μόνα τους. Το
2007, μεγάλος αριθμός ελάχι-
στα επεμβατικών επεμβάσεων
με τη βοήθεια ρομπότ πραγμα-
τοποιήθηκαν παγκοσμίως.
Τα ιατρικά ρομπότ έχουν σχε-
διαστεί για να κάνουν τις ιατρι-
κές διαδικασίες ευκολότερες,
ταχύτερες και ακριβέστερες.
Μπορούν να χρησιμοποιηθούν
για μια ποικιλία χειρουργικών
εργασιών, συμπεριλαμβανομέ-
νης της αφαίρεσης όγκων, βι-
οψιών με βελόνα και ενδοσκο-
πικών επεμβάσεων. Τα ιατρικά
ρομπότ μπορούν επίσης να
εκτελούν τεστ ρουτίνας που οι
γιατροί θεωρούν ότι είναι επα-
76
ναλαμβανόμενες ή δύσκολο να
ολοκληρωθούν. Παραδείγματα
περιλαμβάνουν ανάλυση αιμο-
σφαιρίων, οφθαλμικές εξετά-
σεις και μαστογραφίες.
Ένα από τα πιο ευρέως χρη-
σιμοποιούμενα ιατρικά ρομπότ
είναι το χειρουργικό σύστημα
da Vinci. Αναπτύχθηκε από την
Intuitive Surgical, είναι ένα ρο-
μποτικό σύστημα που επιτρέπει
στους χειρουργούς να εκτελούν
ελάχιστα επεμβατική χειρουρ-
γική επέμβαση μέσω μικρο-
σκοπικών τομών στο σώμα των
ασθενών τους. Οι χειρουργοί
χρησιμοποιούν ειδικά όργανα
και χειριστήρια ενσωματωμένα
στους δύο βραχίονες του ρομπότ
για να χειριστούν τη συσκευή.
Οι πρώτοι βραχίονες χρησιμο-
ποιούνται για να κρατούν και να
χειρίζονται ειδικά χειρουργικά
εργαλεία, ενώ ο δεύτερος ελέγ-
χει την κίνηση των καμερών,
των φώτων και άλλων συσκευών
που δίνουν στους χειρουργούς
μια καθαρή θέα στο σώμα των
ασθενών τους.
Η χρήση ιατρικών ρομπότ
όπως αυτό μειώνει την επεμ-
βατικότητα της χειρουργικής
επέμβασης και περιορίζει την απώ-
λεια αίματος, καθιστώντας λιγότερο
δαπανηρή και πιο πιθανό ότι οι ασθε-
νείς θα επιβιώσουν από τις επεμβά-
σεις τους χωρίς να τραυματιστούν. Τα
ιατρικά ρομπότ βοηθούν επίσης τους
χειρουργούς να ολοκληρώνουν τις δι-
αδικασίες πιο γρήγορα, πράγμα που
σημαίνει ότι οι ασθενείς μπορούν
να αναρρώσουν από τις επεμβάσεις
τους νωρίτερα και να επιστρέψουν
στην εργασία ή τη ζωή στο σπίτι.
Βιομηχανικά Ρομπότ
Τα βιομηχανικά ρομπότ χρησιμο-
ποιούνται στη μεταποιητική βιομη-
χανία, ιδιαίτερα για εργασίες που
απαιτούν μεγάλη ταχύτητα, ακρίβεια
και αντοχή. Μπορούν να βρεθούν σε
γραμμές συναρμολόγησης σε όλους
τους τύπους βιομηχανιών, για εργασί-
ες που κυμαίνονται από τη φόρτωση
υλικών έως τη συγκόλληση εξαρτη-
μάτων. Το κύριο πλεονέκτημά τους
έναντι των ανθρώπων είναι η ακρί-
βειά τους. δεν κουράζονται και δεν
κάνουν λάθη, ακόμη και όταν εκτε-
λούν επαναλαμβανόμενες εργασίες.
Τέτοια ρομπότ ελέγχονται από
υπολογιστές, πράγμα που σημαίνει
ότι οι ενέργειές τους μπορούν να
προγραμματιστούν εκ των προτέρων.
Χρησιμοποιούν μια σειρά αισθητή-
ρων για να «βλέπουν» πότε έχουν
ολοκληρώσει μια εργασία και στα-
ματούν να λειτουργούν αυτόματα. Με
αυτόν τον τρόπο, είναι δυνατό να δια-
σφαλιστεί ότι οι κινήσεις του ρομπότ
είναι πάντα ακριβείς, ακόμα κι αν
ο προγραμματισμός τους είναι ελα-
φρώς λανθασμένος. Επιπλέον, μια
σειρά από μέτρα ασφαλείας είναι εν-
σωματωμένα σε βιομηχανικά ρομπότ
για να αποτρέψουν τον τραυματισμό
ανθρώπων, όπως αισθητήρες που
ανιχνεύουν πότε οι άνθρωποι πλησιά-
ζουν πολύ και σταματούν τη μηχανή.
Η ταχύτητα και η ακρίβεια των βιο-
μηχανικών ρομπότ τα καθιστούν ιδιαί-
τερα χρήσιμα για εργασίες που απαι-
τούν επαναλαμβανόμενη εργασία και
υψηλά επίπεδα ελέγχου. Τα ρομποτι-
κά χέρια μπορούν να κάνουν την ίδια
κίνηση ξανά και ξανά με απίστευτη
ακρίβεια, ενώ ένας ανθρώπινος βρα-
χίονας δεν μπορεί. Για τον λόγο αυτό,
τα βιομηχανικά ρομπότ μπορούν να
χρησιμοποιηθούν για τον καθαρισμό
εξαρτημάτων ή τη συγκόλληση με-
ταξύ τους σε ταχύτητες που κανένας
άνθρωπος δεν θα μπορούσε να αντι-
γράψει. Είναι επίσης δημοφιλείς στις
γραμμές συναρμολόγησης επειδή
μπορούν να ολοκληρώσουν εργασίες
77
 πιο γρήγορα και με λιγότερες
πιθανότητες λάθους από τους
ανθρώπους. Αυτό σημαίνει ότι
τα προϊόντα κατασκευάζονται
πιο γρήγορα, κάτι που ωφελεί
τις εταιρείες γιατί μειώνει το κό-
στος τους.
Ωστόσο, αυτή η αποτελεσμα-
τικότητα έχει και τα μειονεκτή-
ματά της: πολλοί πιστεύουν ότι
ο κόσμος εξαρτάται γρήγορα
υπερβολικά από τα βιομηχανικά
ρομπότ και ότι θα προκύψουν
απώλειες θέσεων εργασίας
καθώς δεν χρειάζονται πλέον
άνθρωποι για να εργάζονται σε
γραμμές παραγωγής. Σήμερα,
εκατομμύρια βιομηχανικά ρο-
μπότ εργάζονται σε εργοστάσια
σε όλο τον κόσμο και ο αριθμός
αυτός αυξάνεται ραγδαία κάθε
χρόνο. Πολλοί πιστεύουν ότι τα
ρομπότ σύντομα θα εργάζονται
στα περισσότερα, αν όχι σε
όλα, εργοστάσια του κόσμου,
και αυτό θα μπορούσε να οδη-
γήσει σε εκτεταμένη ανεργία
και οικονομική παρακμή.
Ρομπότ ψυχαγωγίας
Αυτά τα ρομπότ έχουν σχε-
78
διαστεί για να είναι διασκεδα-
στικά για το κοινό. Μπορούν
να λάβουν πολλές μορφές,
συμπεριλαμβανομένων των
animatronic παιχνιδιών, των
κλόουν και των αυτοματοποιη-
μένων πλασμάτων που εμφανί-
ζονται σε ταινίες επιστημονικής
φαντασίας και βόλτες. Οι άν-
θρωποι χρησιμοποιούν τέτοια
ρομπότ για διάφορους λόγους:
μπορούν να βοηθήσουν τους
ανθρώπους να χαλαρώσουν
και να χαλαρώσουν. μπορούν
να διασκεδάσουν τα παιδιά και
ορισμένοι πιστεύουν ότι η αν-
θρωποειδής ρομποτική κάνει
τους ανθρώπους πιο πιθανό να
τα εμπιστεύονται.
Ως εκ τούτου, τα ρομπότ
ψυχαγωγίας είναι όλο και πιο
δημοφιλή σε όλο τον κόσμο,
ειδικά τα ρομποτικά παιχνίδια.
Τέτοια ρομπότ επιτρέπουν σε
ανθρώπους όλων των ηλικιών
να πειραματιστούν με τη ρο-
μποτική με διασκεδαστικό και
διαισθητικό τρόπο. Είναι επίσης
οικονομικά, πράγμα που σημαί-
νει ότι κάθε οικογένεια μπορεί
να αντέξει οικονομικά τουλάχι-
στον ένα ρομπότ για να παίξουν
τα παιδιά της. Αυτά τα παιχνίδια εν-
σωματώνουν μηχανική μάθηση για να
τους επιτρέπουν να εκτελούν εργασί-
ες ή να απαντούν σε ερωτήσεις μόνα
τους. Επίσης, μπορούν να ελέγχονται
εξ αποστάσεως μέσω φορητών συ-
σκευών ή άλλων ηλεκτρονικών συ-
σκευών, γεγονός που τους δίνει την
εντύπωση ότι είναι ζωντανοί.
Εκπαιδευτικά Ρομπότ
Τα εκπαιδευτικά ρομπότ έχουν
σχεδιαστεί για χρήση σε σχολεία και
άλλα εκπαιδευτικά ιδρύματα. Μπο-
ρούν να βοηθήσουν τους δασκάλους
να παραδώσουν μαθήματα ή να επι-
τρέψουν στους μαθητές να διερευνή-
σουν θέματα που τους ενδιαφέρουν
χωρίς τον κίνδυνο τραυματισμού.
Αυτά τα ρομπότ είναι κατασκευα-
σμένα ειδικά για παιδιά επειδή είναι
πολύ μικρότερα από τα βιομηχανικά
μοντέλα, έχουν ενσωματωμένα πολ-
λά χαρακτηριστικά ασφαλείας, είναι
λιγότερο πιθανό να προκαλέσουν ζη-
μιά σε περίπτωση δυσλειτουργίας και
γενικά είναι λιγότερο ακριβά από τα
μεγαλύτερα ρομπότ.
Τα εκπαιδευτικά ρομπότ μπορούν
να βοηθήσουν τους ανθρώπους να
μάθουν πώς λειτουργούν οι μηχανές
και να εξερευνήσουν τον κόσμο της
ρομποτικής σε ένα ασφαλές, ελεγχό-
μενο περιβάλλον. Μπορούν επίσης
να χρησιμοποιηθούν παράλληλα με
άλλες μεθόδους διδασκαλίας: για πα-
ράδειγμα, εάν οι μαθητές καταλαβαί-
νουν ήδη πώς λειτουργούν οι απλοί
διακόπτες και οι κινητήρες, μπορεί
να τους αρέσει να χρησιμοποιούν ένα
animatronic σχήμα για να αξιοποιή-
σουν τις γνώσεις τους στην πράξη.
Πολλά εκπαιδευτικά ρομπότ είναι
κατασκευασμένα από πλαστικό με
έντονα χρώματα, κάτι που τα κάνει
ιδιαίτερα ελκυστικά στα παιδιά. Επι-
πλέον, συχνά διαθέτουν φώτα που
αναβοσβήνουν και ηχητικά εφέ που
προσθέτουν ενδιαφέρον στο νεανικό
κοινό. Μερικά από τα φθηνότερα ρο-
μπότ έχουν επίσης τροχούς ή ράγες
που τους επιτρέπουν να κινούνται
ελεύθερα σε ένα περιβάλλον όπως
μια τάξη: αυτό θα επιτρέψει στους
δασκάλους να τα χρησιμοποιούν με
πολλούς διαφορετικούς τρόπους χω-
ρίς να χρειάζεται να ξεκαθαρίζουν
μετά από κάθε μάθημα. Τα εκπαι-
δευτικά ρομπότ χρησιμοποιούνται
ήδη ευρέως σε σχολεία σε όλο τον
κόσμο.
79
 Συμπέρασμα
Η ρομποτική γίνεται όλο
και πιο διαδεδομένη στην κα-
Η ΧΡΗΣΗ ΤΩΝ ΡΟΜΠΟΤ
θημερινή μας ζωή καθώς τη
βλέπουμε παντού, από τον
όροφο του εργοστασίου μέχρι
τη γραμμή ταμείου του παντο-
πωλείου. Σε αυτό το άρθρο
αναφερθήκαμε σε μερικά
τυπικά παραδείγματα ρομπότ
στην καθημερινή ζωή και πε-
ριγράψαμε πώς οι εταιρείες
εφαρμόζουν ρομποτικά συστή-
80
ματα αύξησης προσωπικού σε
διάφορες βιομηχανίες. Αυτό
επιτρέπει στους ανθρώπους να
επικεντρωθούν σε πιο σημαντι-
κά καθήκοντα, ενώ παράλληλα
αυξάνουν τα πρότυπα παραγω-
γικότητας και ασφάλειας.
Καθώς η τεχνολογία προχω-
ρά και γίνεται πιο προηγμένη,
ο ρόλος τους θα αυξηθεί και
είναι σαφές ότι το μέλλον θα
είναι πιο πιθανό να διαμορφω-
θεί από ρομπότ