Συνεχης ενημερωση

    Παρασκευή, 04-Απρ-2025 11:03

    Mannmohan Muthuraman: Ο ειδικός στην Τεχνητή Νοημοσύνη εξηγεί γιατί πρέπει να αλλάξουμε τον τρόπο που τη χρησιμοποιούμε

    Mannmohan Muthuraman: Ο ειδικός στην Τεχνητή Νοημοσύνη εξηγεί γιατί πρέπει να αλλάξουμε τον τρόπο που τη χρησιμοποιούμε
    • Εκτύπωση
    • Αποστολή με email
    • Προσθήκη στη λίστα ανάγνωσης
    • Μεγαλύτερο μέγεθος κειμένου
    • Μικρότερο μέγεθος κειμένου

    Για τις ευκαιρίες, τις προκλήσεις, το μέλλον και τις αλλαγές στην Τεχνητή Νοημοσύνη μίλησε στο Capital  ο ειδικός του κλάδου, Mannmohan Muthuraman, ο οποίος παρουσίασε τα ευρήματα της έρευνας του στην ετήσια εκδήλωση "Η επόμενη ημέρα, Future Ready" που πραγματοποιήθηκε στο ξενοδοχείο Athens Plaza από τον Όμιλο NextCom.

    Το μοντέλα της ΤΝ και των LLM εξελίσσονται διαρκώς

    Όσον αφορά τα Μεγάλα Γλωσσικά Μοντέλα (LLM) τα οποία την τελευταία τριετία έχουν μπει στην καθημερινότητα και την εργασία μας, ο κ. Muthuraman επισημαίνει ότι συντελείται μία εξέλιξή τους και πλέον το στοίχημα είναι το μέγεθος του κειμένου που μπορεί να απομνημονεύσει το μοντέλο. 

    Αυτό έχει να κάνει με τη δυνατότητα του μοντέλου να δίνει απαντήσεις που να ανταποκρίνονται στο περιεχόμενο που του δίνει ο χρήστης. Εν ολίγοις τα LLM μετατρέπονται πλέον σε παραγωγική τεχνητή νοημοσύνη (AGI), η οποία μπορεί να μιμηθεί την ανθρώπινη λογική και να δώσει απαντήσεις.

    Ωστόσο, όπως προσθέτει, ακόμα και αυτή η νέα ΤΝ έχει περιορισμούς στο κατά πόσο καλά μπορεί να απαντήσει καθώς και το ποιοι είναι οι υπολογισμοί που έχει να κάνει. Πρόκληση παραμένει, επίσης, το πως έχουν "εκπαιδευθεί" αυτά τα LLM καθώς ενημερώνονται από το Internet με αποτέλεσμα να απαντούν με τα δεδομένα μιας συγκεκριμένης χρονικής στιγμής και επομένως υπάρχει ο κίνδυνος να απαντήσουν χωρίς να λάβουν υπόψη το περιεχόμενο που τους δίνεται, γράφοντας μία δική τους "ιστορία".

    Πρέπει να αλλάξουμε τον τρόπο που χρησιμοποιούμε την ΤΝ

    Για την εφαρμογή και τη χρήση τους στην καθημερινότητά μας σχολιάζει ότι αυτές πρέπει να αλλάξουν, καθώς η πλειοψηφία χρησιμοποιεί τα LLM και την ΤΝ για να λύσει προβλήματα, αλλά πρόκειται κάτι το οποίο και τα δύο μοντέλα δε μπορούν να το κάνουν.

    Το πρόβλημα εδώ είναι το γεγονός ότι και τα δύο μοντέλα βασίζονται σε δεδομένα από το Internet, τα οποία δεν αποκλείεται να είναι εσφαλμένα. Επομένως, εμείς οι χρήστες πρέπει να αναρωτηθούμε " Τι δε πρέπει να κάνω ώστε να έχω την καλύτερη δυνατή απάντηση από την ΤΝ, και τι πρέπει να αποφύγω να ρωτήσω; Άρα, αν αποκλείσουμε όλες τις λάθος παραμέτρους, τότε, θα μπορούμε να έχουμε μία πραγματική λύση".

    Τονίζει,δε, ότι και τα δύο μοντέλα μπορούν να χειραγωγηθούν εύκολα τόσο όσον αφορά το πως "εκπαιδεύονται", αλλά και τα δεδομένα των χρηστών, καθώς τα μοντέλα λειτουργούν σε public domains.

    Οι αυτοματισμοί και η ΤΝ μας απαλλάσσουν από βαριές και βαρετές δουλειές

    Για τη χρήση του αυτοματισμού στην παραγωγή, ο ειδικός της ΤΝ, επισημαίνει ότι αυτή χρησιμοποιείται σε κάθε τεχνολογική επανάσταση με στόχο να απαλλάξει τον άνθρωπο από βαριές και βαρετές εργασίες και διαδικασίες.

    Στη σημερινή εποχή, οι αυτοματισμοί και πιο συγκεκριμένα τα ρομπότ μαζί με τη ΤΝ έχουν βελτιώσει κατά πολύ την παραγωγή, δημιουργώντας το ερώτημα του τι θα γίνει εάν δεν πραγματοποιεί ο άνθρωπος επαναλαμβανόμενες εργασίες όπως για παράδειγμα το να βιδώνει εξαρτήματα σε αυτοκίνητα.

    Το αποτέλεσμα της παραπάνω αλλαγής θα είναι η δημιουργία καλύτερων και πιο αποδοτικών προϊόντων, καθώς δε θα υπάρχει ανθρώπινο κόστος, ενώ το προσωπικό δε θα μειώνεται αλλά θα εκπαιδεύεται και θα εξελίσσεται.

    Για την Ευρώπη σχολιάζει ότι υπάρχουν σημαντικά γραφειοκρατικά εμπόδια, όπως για παράδειγμα το πολύ αυστηρό πλαίσιο του GDPR και ο ιδεαλιστικός στόχος της πράσινης μετάβασης έως το 2050, που μπλοκάρουν τις επενδύσεις και την ανάπτυξη της ΤΝ και δεν είναι τυχαίο ότι κανέναν από τα πιο δημοφιλή μοντέλα ΤΝ και LLM δεν έχουν δημιουργηθεί στη Γηραιά Ήπειρο.

    Η νέα του έρευνα για τα πιο εξελιγμένα μοντέλα ΤΝ

    Για την έρευνα που πραγματοποιεί αυτή την περίοδο αναφέρει ότι επιδιώκει να βελτιώσει την αρχιτεκτονική και τον τρόπο δημιουργίας των μοντέλων LLM.

    Προσθέτει, ότι η έρευνα αυτή είναι σημαντική καθώς υπάρχει μεγάλη ανάγκη εκπαίδευσης των μοντέλων αυτών ώστε να είναι "αυτάρκη", αλλά για να επιτευχθεί αυτό χρειάζονται μεγάλες υπολογιστικές δυνάμεις, γεγονός και το οποίο αποτελεί μεγάλο στοίχημα και πρόκληση για τον ίδιο.

    Μέσω περίπλοκων διαδικασιών έχει καταφέρει στη παρούσα φάση να εντοπίσει τους παράγοντες που θα μας φέρουν ακόμα πιο κοντά στην  παραγωγική τεχνητή νοημοσύνη (AGI).

    Διαβάστε ακόμα για:

    ΣΑΣ ΑΡΕΣΕ ΤΟ ΑΡΘΡΟ;

    ΣΧΕΤΙΚΑ ΑΡΘΡΑ