Η Τεχνητή Νοημοσύνη συνεχώς εξελίσσεται και παίζει σημαντικότερο ρόλο στις ζωές μας.
Ο όρος Τεχνητή Νοημοσύνη χρησιμοποιείται στον τομέα της Πληροφορικής, είναι η προσπάθεια δημιουργίας ενός Τεχνητού Νευρωνικού Δικτύου(Artificial Neural Network) το οποίο θα μιμείται τον ανθρώπινο εγκέφαλο, δηλαδή θα έχει δικιά του ευφυΐα και θα μπορεί να μαθαίνει εμπειρικά χωρίς την παρέμβαση μας.
Η πρώτη μορφή τεχνητού νευρωνικού δικτύου εμφανίστηκε στην δεκαετία του 1940, το οποίο είχε περιορισμένες δυνατότητες επίλυσης αλγορίθμων. Το 1950 ο μαθηματικός Alan Turing και προπάτορας της τεχνητής νοημοσύνης, πρότεινε την δοκιμή Turing, μία μέθοδο που θα εξακρίβωνε αν μία μηχανή διαθέτει ευφυΐα. Λίγα χρόνια αργότερα το 1959, οριζέται η Μηχανική Μάθηση(Machine Learning) ως υποκατηγορία της τεχνητής νοημοσύνης από τον Arthur Samuel, όπου θα δινόταν η δυνατότητα στους υπολογιστές να μαθαίνουν, χωρίς να έχουν προγραμματιστεί. Αυτό γίνεται δυνατόν με την δημιουργία αλγορίθμων που μπορούν να μαθαίνουν από τα δεδομένα και να κάνουν τις σχετικές προβλέψεις. Στην πορεία παρουσιάστηκε ο όρος Βαθιά Μάθηση(Deep Learning) από την Rina Dechter το 1986, ως υποκατηγορία της Μηχανικής Mάθησης. Είναι μια κλάση αλγορίθμων που χρησιμοποιούν προοδευτικά πολλαπλά επίπεδα, για την εξαγωγή υψηλών χαρακτηριστικών από ακατέργαστες πληροφορίες.
Η Τεχνητή Νοημοσύνη σήμερα χρησιμοποιείται σε αρκετούς κλάδους, όπως Υπολογιστικές Επιστήμες, Ιατρική, Οικονομία, Αυτονομία κ.ά. Μέρα με την μέρα διεισδύει όλο και περισσότερο στην καθημερινότητα μας, αλλά πια είναι τα πλεονεκτήματα που μας προσφέρει και τι προβλήματα θα μπορούσαμε να αντικρίσουμε στο μέλλον;
Πλεονεκτήματα
- Αύξηση της Παραγωγικότητας: Με την εισαγωγή της τεχνητής νοημοσύνης στους χώρους εργασίας, οι δουλειά μας θα γίνεται πιο γρήγορα, αποτελεσματικότερα και με μεγαλύτερη ακρίβεια.
- Μεγαλύτερη Ασφάλεια: Τα συστήματα αυτοματισμού θα αποφεύγουν τα ανθρώπινα λάθη π.χ. αυτόνομα οχήματα, με αποτέλεσμα την μείωση ατυχημάτων.
- Υγιέστερος Τρόπος Ζωής: Με τις ψηφιακές προσωπικές βοηθούς π.χ. Siri, Google Assistant θα προγραμματίζουμε καλύτερα την ημέρα μας και θα αποκτούμε πιο υγιές συνήθειες. Ακόμη με την εισαγωγή της τεχνητής νοημοσύνης στον Ιατρικό κλάδο, θα αντιμετωπίζονται ευκολότερα και γρηγορότερα οι αρρώστιες.
- Μείωση της Εγκληματικότητας: Με την χρησιμοποίηση συστημάτων αναγνώρισης προσώπου και πιο άμεσων τρόπων εντοπισμού εμπρηστικών πράξεων, θα βοηθηθούν σημαντικά οι αρχές στην δραστική αντιμετώπιση εγκληματιών.
Μειονεκτήματα
- Μείωση Θέσεων Εργασίας: Πολλές από τις δουλειές του σήμερα σε κάποια χρόνια θα γίνονται μόνο από αυτόνομα συστήματα, χωρίς ανθρώπινη επέμβαση με συνέπεια πολύς κόσμος να μείνει χωρίς εργασία.
- Μεγάλο Κόστος Υλοποίησης: Η δημιουργία και ανάπτυξη μιας τεχνητής νοημοσύνης μπορεί να κοστίσει από 100-300 χιλιάδες εύρω, κάνοντας το δύσκολο για μικρές εταιρίες να εφαρμόσουν ένα τέτοιο σύστημα.
- Περιορισμένα Καθήκοντα: Το κάθε σύστημα τεχνητής νοημοσύνης φτιάχνεται με σκοπό την ολοκλήρωση ενός συγκεκριμένου έργου και δεν έχει την δυνατότητα να κάνει πολλά και διαφορετικά είδη εργασιών.
- Λανθασμένες Αποφάσεις: Υπάρχει κίνδυνος μια τεχνητή νοημοσύνη να κάνει λάθη, αν δεν έχει μάθει μέσω της σωστής ροής πληροφοριών και εφόσον δεν έχει εκπαιδευτεί να ξεχωρίζει το λάθος από το σωστό.
