Πώς οι διάφορες εφαρμογές χρησιμοποιούν την τεχνητή νοημοσύνη

Σύνταξη άρθρου: Ευθύμης Κυρίκος

Επιμέλεια άρθρου: Κωνσταντίνος Ουρανός

Ο όρος «Τεχνητή νοημοσύνη» δεν αναφέρεται πλέον σε κάποια εξωτική έννοια που αφορά λίγους και ειδικευμένους. Είναι μια τεχνολογία που φιλοδοξεί να μετασχηματίσει τον χώρο εργασίας, την παραγωγικότητα και την αλληλεπίδραση του σύγχρονου ανθρώπου με την τεχνολογία και το διαδίκτυο.

Η αρχή των εφαρμογών της τεχνητής νοημοσύνης

Μετά την είσοδο των αλγορίθμων τεχνητής νοημοσύνης στην καθημερινότητά μας τα τελευταία χρόνια, μια πληθώρα εφαρμογών έχει δημιουργηθεί, οι οποίες βασίζονται στους αλγόριθμους αυτούς. Οι εφαρμογές αυτές αφορούν σε ποικίλους τομείς της ανθρώπινης δραστηριότητας προσφέροντας προηγμένες δυνατότητες, όπως αυτοματοποίηση εργασιών, ανάλυση δεδομένων, επεξεργασία γλώσσας και δημιουργία περιεχομένου (εικόνες, βίντεο, κείμενο και μουσική).

Σε αυτό το άρθρο θα εξετάσουμε τις διάφορες κατηγορίες εφαρμογών που χρησιμοποιούν αλγορίθμους τεχνητής νοημοσύνης (Τ.Ν. για συντομία). Θα αναλύσουμε επίσης τι προσφέρουν καθώς και το αν θα πρέπει να βασίζουμε τις εργασίες μας πάνω σε αυτές τις τεχνολογίες. Πάμε να δούμε τις βασικές κατηγορίες αυτών.

• εφαρμογές επεξεργασίας φυσικής γλώσσας

Μια από τις νεότερες και πιο εντυπωσιακές  εφαρμογές της τεχνητής νοημοσύνης είναι η ικανότητα επεξεργασίας φυσικής γλώσσας. Με τον όρο αυτόν εννοούμε ότι ένας τέτοιος αλγόριθμος είναι ικανός να κατανοεί, να κάνει μεταφραστικό έργο αλλά και να δημιουργεί δικές του προτάσεις σε κάποια ανθρώπινη γλώσσα.

Οι εφαρμογές που χρησιμοποιούν αλγορίθμους επεξεργασίας φυσικής γλώσσας έχουν την ικανότητα να καταλαβαίνουν μία περιγραφή ως κείμενο, που θα τους δοθεί, ή θα τους υπαγορευτεί φωνητικά και δύνανται να απαντούν με τις κατάλληλες προτάσεις όπως σε έναν διάλογο μεταξύ ανθρώπων. Οι εφαρμογές αυτές χωρίζονται σε τρεις μεγάλες κατηγορίες δυνατοτήτων. Αυτές είναι:

1. τα chatbots που είναι και οι πλέον γνωστές εφαρμογές τεχνητής νοημοσύνης (ChatGPT, Google Assistant, Google Gemini, Siri),
2. οι μεταφραστές γλώσσας που μπορούν να μεταφράζουν κείμενο από μια γλώσσα σε μια άλλη,
3. οι αναλυτές κειμένων που είναι εφαρμογές που μπορούν μέσα σε μεγάλα κείμενα να ανακαλύψουν συγκεκριμένα νοήματα και να αναλύουν δεδομένα βάσει των πληροφοριών που βρίσκονται εντός του κειμένου.

Η χρήση των παραπάνω εφαρμογών βοηθά στην αποτελεσματικότερη εκτέλεση ορισμένων εργασιών, όπως η αναζήτηση πληροφοριών στο διαδίκτυο, που είναι και η συνηθέστερη. Ή βοηθά στα πρώτα στάδια έργου τεχνικής υποστήριξης. Εύκολα αντιλαμβάνεται κανείς πως πρόκειται για εργασίες που είναι απλές και δε χρειάζονται ιδιαίτερα πολύπλοκες σκέψεις και διαδικασίες από τον άνθρωπο. Κατά συνέπεια αποδεσμεύονται έτσι πολύτιμοι ανθρώπινοι πόροι.

• εφαρμογές μηχανικής μάθησης και ανάλυσης πρόγνωσης

Οι εφαρμογές μηχανικής μάθησης και ανάλυσης προγνώσεων χρησιμοποιούν μεγάλο όγκο δεδομένων, ώστε να τροφοδοτούν τους αλγορίθμους τεχνητής νοημοσύνης αξιοποιώντας τις ικανότητες αυτορρύθμισης (μηχανική μάθηση) των προγραμμάτων αυτών. Οι αλγόριθμοι αυτοί με την σειρά τους διαβάζουν όλα τα δεδομένα και αναγνωρίζουν τα πρότυπα σε αυτά, ώστε να εξαγάγουν συμπεράσματα και να λάβουν αποφάσεις. Οι εφαρμογές αυτές δεν είναι στατικές αλλά καθώς τροφοδοτούνται με νέα δεδομένα, όσο χρησιμοποιούνται, και αυτοβελτιώνονται και «μαθαίνουν» να είναι αποδοτικότερες και πιο σωστές για την επίλυση παρόμοιων προβλημάτων στο μέλλον.

Οι εφαρμογές αυτές είναι χρήσιμες σε:

1. μηχανές αναζήτησης σε πλατφόρμες με σειρές και ταινίες, σε ηλεκτρονικά καταστήματα, σε παιχνίδια, ως και στο Youtube. Οι μηχανές αυτές προβλέπουν το περιεχόμενο που είναι πιθανότερο να ενδιαφέρει τον χρήστη και το εμφανίζουν στις αναζητήσεις του.
2. συστήματα ανίχνευσης για ηλεκτρονικές απάτες και γενικώς κακόβουλων διαδικτυακών πράξεων. Σε αυτά τα συστήματα οι εφαρμογές παρακολουθούν τις υπηρεσίες και τα λογισμικά μεγάλων οργανισμών και διακόπτουν την πρόσβαση σε χρήστες αν κρίνουν πως οι τελευταίοι εμφανίζουν περίεργη συμπεριφορά για το σύστημα.
3. προβλέψεις στον κλάδο υγείας. Οι εφαρμογές αυτές δέχονται ως δεδομένα τα στοιχεία ενός ασθενή, τις εξετάσεις του και την κατάστασή του δηλαδή, ώστε να προβλέψουν τη διάγνωση και να προτείνουν την καταλληλότερη συνταγογράφηση αλλά και θεραπεία.
4. ανάλυση επιστημονικών δεδομένων. Άλλη κατηγορία εφαρμογών αυτή, η οποία αναλύει τα δεδομένα επιστημονικών πειραμάτων ή από ερευνητικές παρατηρήσεις και μέσω αλγορίθμων καταλήγει σε συμπεράσματα.

• δημιουργικότητα και σχεδιασμός στις εφαρμογές τεχνητής νοημοσύνης

Μια πολύ εντυπωσιακή κατηγορία εφαρμογών της τεχνητής νοημοσύνης είναι η βοήθεια σε δημιουργικές εργασίες, όπως η δημιουργία γραφικών, η σύνθεση μουσικής, η δημιουργία εικόνας και η κατασκευή και το μοντάζ βίντεο. Οι εφαρμογές αυτές βρίσκουν χρήση σε:

1. δημιουργία εικόνων, λογοτύπων και βίντεο βάσει της περιγραφής που δίνει ο χρήστης,
2. σύνθεση μουσικής, όπου βάσει μιας περιγραφής ο αλγόριθμος μπορεί να συνθέσει πρωτότυπη μουσική,
3. εργαλεία δημιουργίας κειμένου. Οι εφαρμογές αυτές έχουν την ικανότητα να παράγουν κείμενο, άρθρα, δημοσιεύσεις για κοινωνικά δίκτυα καθώς και διαφημίσεις βάσει του περιεχομένου που τους δίνεται.

• αναγνώριση και σύνθεση φωνής από εφαρμογές τεχνητής νοημοσύνης

Οι εφαρμογές αυτές έχουν την δυνατότητα, μέσω αλγορίθμων τεχνητής νοημοσύνης να παράγουν κείμενο (αποδελτίωση) από την ανθρώπινη ομιλία καθώς και να συνθέτουν ομιλία (ανάγνωση/αναπαράσταση φωνής) από κείμενο. Οι εφαρμογές αυτές βρίσκουν αντικείμενο σε:

1. ηχητικούς βοηθούς για άτομα με χαμηλή ή καθόλου όραση,
2. γρήγορη μετατροπή ομιλίας σε κείμενο και τούμπαλιν,
3. μετατροπή εντολών σε κείμενο, ώστε να μην αποσπάται η όραση του ανθρώπου από σημαντικότερες εργασίες, όπως κατά την οδήγηση όπου ο ψηφιακός πλοηγός μάς δίνει ηχητικές κατευθύνσεις σχετικά με την πορεία που πρέπει να ακολουθήσουμε ή κατά την διάρκεια λεπτών πολύπλοκων δραστηριοτήτων όπως μια εγχείρηση με τη βοήθεια ρομπότ.

• αυτοματοποίηση διαδικασιών

Οι εφαρμογές αυτές λειτουργούν παράλληλα με άλλα λογισμικά, ώστε να αυτοματοποιούν επαναλαμβανόμενες διαδικασίες για να μη χρειάζεται να εκτελούνται από τον χρήστη. Με αυτόν τον τρόπο τα λογισμικά αυτά γίνονται πιο ευέλικτα και αποτελεσματικά. Ορισμένα παραδείγματα εργασιών είναι :

1. εισαγωγή δεδομένων σε πίνακες, σε βάσεις δεδομένων και σε φόρμες,
2. αυτοματισμοί σε λογισμικά διαχείρισης μεγάλων εταιρειών, όπως πληρωμές, έκδοση αποδείξεων και τιμολογίων και έλεγχος αποθήκης,
3. εξυπηρέτηση πελατών όπου ψηφιακοί βοηθοί τεχνητής νοημοσύνης εκτελούν συνήθεις διαδικασίες που επιλύουν εύκολα προβλήματα πριν χρειαστεί η επέμβαση του ανθρώπου.

• εφαρμογές εικονικής και επαυξημένης πραγματικότητας

Αν και η συγκεκριμένη κατηγορία δεν συνδέεται άμεσα με την τεχνητή νοημοσύνη, εντούτοις αποτελεί πεδίο εφαρμογής των αλγορίθμων της. Ο σχεδιασμός ενός περιβάλλοντος επαυξημένης ή εικονική πραγματικότητας είναι μια ιδιαίτερα πολύπλοκη και χρονοβόρα διαδικασία καθώς απαιτεί ο σχεδιασμός του κόσμου να γίνεται στερεοσκοπικά (δίνοντας την ψευδαίσθηση του βάθους και του τρισδιάστατου κόσμου) και όχι μέσα από μία οθόνη. Οι εφαρμογές και οι αλγόριθμοι τεχνητής νοημοσύνης βοηθούν τους ψηφιακούς δημιουργούς να βελτιώσουν και να επιταχύνουν τη δουλειά τους προσφέροντας καλύτερα και ρεαλιστικότερα αποτελέσματα. Παραδείγματα τέτοιων εφαρμογών είναι:

1. ηλεκτρονικά παιχνίδια, όπου τόσο το περιβάλλον όσο και οι χαρακτήρες που ελέγχονται από τεχνητή νοημοσύνη αντιδρούν πιο φυσικά στην αλληλεπίδραση με τον παίκτη,
2. εφαρμογές εκπαιδευτικού σκοπού όπου μέσα σε έναν εικονικό κόσμο οι μαθητές μπορούν να βιώσουν διάφορα φαινόμενα με αρκετά ρεαλιστικό τρόπο,
3. αρχιτεκτονική. Με την χρήση επαυξημένης πραγματικότητας είναι δυνατόν να κατασκευαστούν ψηφιακά τρισδιάστατα αντίγραφα εσωτερικών και εξωτερικών χώρων. Μάλιστα, ιδιαίτερα διαδεδομένες είναι εφαρμογές εταιρειών επίπλων όπου ο χρήστης μπορεί να τοποθετεί τα διάφορα έπιπλα στον εικονικό χώρο του και να βλέπει το αποτέλεσμα ώστε να κάνει την καταλληλότερη αγορά. Σε υψηλότερο επίπεδο η εφαρμογή αυτή χρησιμοποιείται από τους αρχαιολόγους στη μελέτη και στην έρευνα αρχαιολογικών χώρων ή από τους γεωλόγους στην αναπαράσταση του παλαιοπεριβάλλοντος.

Επίλογος

Σίγουρα η τεχνητή νοημοσύνη έχει έρθει για να προσφέρει μια πληθώρα νέων δυνατοτήτων σε όλους μας. Ωστόσο η χρήση της ενέχει και πολλούς κινδύνους τους οποίους και έχουμε αρχίσει να αντιλαμβανόμαστε μόλις. Η υιοθέτηση της τεχνητής νοημοσύνης, αν και μπορεί να μειώσει τον χρόνο επίπονων και χρονοβόρων εργασιών στην καθημερινότητα, δημιουργεί ωστόσο περιεχόμενο το οποίο δεν είναι πάντα σαφές, αξιόπιστο και αληθές. Ένας αλγόριθμος τεχνητής νοημοσύνης είναι απλά ένα πρόγραμμα που προσπαθεί να μιμηθεί τον τρόπο σκέψης ενός ανθρώπου και όχι να μας λέει αλήθειες. Αποτελεί δηλαδή μια άποψη και μια οπτική της πραγματικότητας όπως θα μπορούσε να την αντιλαμβάνεται υποκειμενικά ένας άνθρωπος. Δεν εξασφαλίζει ούτε την αυθεντικότητα, ούτε την ορθότητα των αποτελεσμάτων καθώς δε γνωρίζουμε ούτε την προέλευση και πιστότητα των δεδομένων που χρησιμοποίησε για να εξαγάγει ένα συμπέρασμα αλλά ούτε τον τρόπο με τον οποίο το πράττει. Είναι απλά το αποτέλεσμα μιας σειράς υπολογισμών που περιέχει ως έναν βαθμό και τον παράγοντα αυτού που ονομάζουμε «χαοτικό σύστημα»*. Με τα παραπάνω γίνεται εύκολα αντιληπτό πως η άκριτη χρήση τεχνητής νοημοσύνης δεν πρέπει να υιοθετείται χωρίς την ανθρώπινη επίβλεψη και μάλιστα από ανθρώπους και επαγγελματίες που γνωρίζουν σε βάθος το αντικείμενο πάνω στο οποίο εφαρμόζεται η τεχνητή νοημοσύνη και η εκάστοτε γλώσσα (ελληνικά, αγγλικά, αραβικά, κ.ο.κ.). Αυτά είναι τα εχέγγυα για ορθή χρήση των εφαρμογών τεχνητής νοημοσύνης.

Γλωσσάρι

*Χαοτικό σύστημα: Μαθηματικό μοντέλο που περιγράφει τη συμπεριφορά συστημάτων (φυσικών, βιολογικών, οικονομικών)  τα οποία είναι εξαιρετικά ευαίσθητα στις αρχικές συνθήκες**. Η συμπεριφορά των συστημάτων αυτών μοιάζει να είναι τυχαία ενώ στην πραγματικότητα επαμφοτερείται από συγκεκριμένα εξαιρετικά πολύπλοκους συνδυασμούς των φυσικών μηχανισμών και νόμων. Οι συνδυασμοί αυτοί δύσκολα γίνονται αντιληπτοί από τον μέσο νου με αποτέλεσμα να δίνεται η εντύπωση της τυχαιότητας. Το διασημότερο χαοτικό σύστημα στην φύση είναι ο καιρός.

**Αρχικές συνθήκες: Η αρχική κατάσταση του προς μελέτη συστήματος κατά την ακριβή χρονική στιγμή που ξεκινάμε να το μελετάμε.

Πηγές

ChatGPT

Ηλ.Ταχ.: [email protected]

Ευθύμης Κυρίκος