Back to Top
ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ
Ανθρώπινα Δικαιώματα, Δημοκρατία & Κράτος Δικαίου
Κωδικός Προϊόντος:
21148
- Έκδοση: 2025
- Σχήμα: 17x24
- Βιβλιοδεσία: Σκληρόδετη
- Σελίδες: 712
- ISBN: 978-618-08-0596-3
Το έργο αποτελεί ένα τολμηρό συλλογικό εγχείρημα που, σε μια κρίσιμη περίοδο μετάβασης, επιδιώκει να αναλύσει την αλληλεπίδραση μεταξύ Δικαίου και Τεχνολογίας στην εποχή της Τεχνητής Νοημοσύνης. Πάνω από 40 ειδικοί επιστήμονες από διαφορετικές γενιές, ειδικότητες και σχολές σκέψης, προερχόμενοι από περισσότερα από δέκα πανεπιστήμια της Ελλάδας και του εξωτερικού, αναδεικνύουν τα νέα νομικά διλήμματα που προκύπτουν για την Τεχνητή Νοημοσύνη, σε σχέση με τα Ανθρώπινα Δικαιώματα, όπως αυτά κατοχυρώνονται στο Ελληνικό Σύνταγμα, τη Δημοκρατία και το Κράτος Δικαίου.
Στον παρόντα συλλογικό τόμο απαντώνται τα εξής ερωτήματα:
| Ποια είναι η ιστορία, η τεχνική ορολογία και οι εφαρμογές της ΤΝ;
| Ποια νομικά ζητήματα ανακύπτουν από τις εφαρμογές της ΤΝ σε σχέση με τα Δικαιώματα του Ανθρώπου, όπως αυτά κατοχυρώνονται στο Ελληνικό Σύνταγμα;
| Πώς επιδρά η ΤΝ στη λειτουργία της εκτελεστικής, νομοθετικής και δικαστικής εξουσίας;
| Ποιες ηθικές, γεωπολιτικές, φιλοσοφικές και θεολογικές προσεγγίσεις της ΤΝ καταγράφονται;
| Πώς διαμορφώνεται το διεθνές, ευρωπαϊκό και εθνικό ρυθμιστικό πλαίσιο της ΤΝ;
| Υπάρχουν ήδη πρωτοποριακές εφαρμογές ΤΝ από επιχειρήσεις στην Ελλάδα;
Ο στόχος της διεπιστημονικής αυτής συνεργασίας είναι να ενημερωθεί η ακαδημαϊκή κοινότητα και η αγορά για την ΤΝ, αλλά και να προετοιμαστεί το θεσμικό πλαίσιο για την αξιοποίηση των δυνατοτήτων της ΤΝ, με ταυτόχρονη ελαχιστοποίηση των κινδύνων που απορρέουν από αυτήν.
Θεόδωρος Ρουσόπουλος
ΕΙΣΑΓΩΓΗ
Γιατί γράψαμε αυτό το βιβλίο; 1
Η εξέλιξη της Τεχνητής Νοημοσύνης 7
Ατομικά και Κοινωνικά Δικαιώματα στο Ελληνικό Σύνταγμα
και Τεχνητή Νοημοσύνη
Άρθρο 2 - Προστασία της αξίας του ανθρώπου
Ο σεβασμός και η προστασία της αξίας του ανθρώπου 27
Βασίλειος Χ. Μπάρος/Louis Henri Seukwa
Άρθρο 3 - Σχέσεις Εκκλησίας και Πολιτείας
Ορθόδοξη Εκκλησία και Τεχνητή Νοημοσύνη:
η επικρατούσα θρησκεία στην ψηφιακή πραγματικότητα 41
Τεχνητή Νοημοσύνη και δικαίωμα στην ισότητα:
είναι οι άνθρωποι ίσοι ενώπιον του αλγόριθμου; 56
Άρθρο 5 - Ελεύθερη ανάπτυξη της προσωπικότητας, προσωπική ελευθερία
Τεχνητή Νοημοσύνη και ελεύθερη ανάπτυξη της προσωπικότητας 89
Επιχειρηματικός Μετασχηματισμός και Τεχνητή Νοημοσύνη 98
Γεώργιος Δουκίδης/Τιμολέων Φαρμάκης
Άρθρο 5Α - Δικαίωμα στην Πληροφόρηση
Τεχνητή Νοημοσύνη και το Δικαίωμα στην Πληροφόρηση 145
Άρθρο 6 - Προσωπική ασφάλεια, προφυλάκιση
Η επίδραση της Τεχνητής Νοημοσύνης
σε ζητήματα προσωπικής ασφάλειας - προφυλάκιση 156
Άρθρο 7 - Καμία ποινή χωρίς νόμο, απαγόρευση βασανιστηρίων
Η χρήση Τεχνητής Νοημοσύνης στον τομέα της ποινικής τιμώρησης 170
Johannes Kaspar/Παναγιώτης Δεριζιώτης
Προστασία από τεχνολογικές καταχρήσεις 192
Άρθρο 8 - Δικαίωμα νομίμου δικαστή
Επίδραση της Τεχνητής Νοημοσύνης στην αρχή του νομίμου δικαστή 204
Συνταγματική προστασία του ασύλου κατοικίας και Τεχνητή Νοημοσύνη: σύγχρονες προκλήσεις 211
Άρθρο 9Α - Προστασία Προσωπικών Δεδομένων
Σύνταγμα, προσωπικά δεδομένα και Τεχνητή Νοημοσύνη:
μία μεταβαλλόμενη γεωμετρία 220
Άρθρο 10 - Δικαίωμα Αναφοράς προς τις αρχές
Άρθρο 11 - Δικαίωμα του συνέρχεσθαι
Η Τεχνητή Νοημοσύνη και το Θεμελιώδες Δικαίωμα του Συνέρχεσθαι 246
Άρθρο 12 - Δικαίωμα του συνεταιρίζεσθαι
Η Τεχνητή Νοημοσύνη και το Θεμελιώδες Δικαίωμα του Συνεταιρίζεσθαι 265
Άρθρο 13 - Θρησκευτική Ελευθερία
Θρησκευτική Ελευθερία και Τεχνητή Νοημοσύνη 273
Άρθρο 14 - Ελευθερία του τύπου
Τεχνητή Νοημοσύνη: με data του χθες τα πρωτοσέλιδα του μέλλοντος; 284
Άρθρο 15 - Κινηματογράφος, φωνογραφία, ραδιοφωνία και τηλεόραση
Άρθρο 16 - Παιδεία, τέχνη, επιστήμη
Νέα εποχή στην εκπαίδευση: κίνδυνοι και ευκαιρίες 306
Ευριπίδης Στυλιανίδης/Θάλεια Τσαλκιτζή
Άρθρο 17 - Προστασία της Ιδιοκτησίας
Πνευματική Ιδιοκτησία και έργα Παραγωγικής Τεχνητής Νοημοσύνης: ποιος θεωρείται δημιουργός; 353
Άρθρο 18 - Προστασία της ιδιοκτησίας, ειδικές περιπτώσεις, επίταξη
Τεχνητή Νοημοσύνη και θωράκιση της ιδιοκτησίας 371
Άρθρο 19 - Απόρρητο Επιστολών, ανταπόκρισης και επικοινωνίας
Άρθρο 20 - Έννομη προστασία δικαιώματος προηγούμενης ακρόασης
Άρθρο 21 - Προστασία οικογένειας, γάμου, μητρότητας
και παιδικής ηλικίας, δικαιώματα ατόμων με αναπηρίες
Τεχνητή Νοημοσύνη στον τομέα της κοινωνικής πρόνοιας
(άρθρο 21 παρ. 1-2, 4-6 Συντ.) 409
Αναστασία Αθανασούλια/Johannes Kaspar
Υγεία & Τεχνητή Νοημοσύνη (άρθρο 21 παρ. 3 Συντ.) 426
Άρθρο 22 - Προστασία της εργασίας
Τεχνητή Νοημοσύνη και η συνταγματική προστασία της εργασίας 452
Άρθρο 23 - Συνδικαλιστική ελευθερία
Τεχνητή Νοημοσύνη και προστασία της συνδικαλιστικής ελευθερίας
και συλλογικής αυτονομίας 463
Άρθρο 24 - Προστασία του περιβάλλοντος
Τεχνητή Νοημοσύνη και περιβαλλοντική προστασία 472
Εφαρμογές Τεχνητής Νοημοσύνης στο πεδίο της περιβαλλοντικής προστασίας 493
Θάλεια Τσαλκιτζή/Φίλιππος Κολιοπάνος
Άρθρο 25 - Αρχή του κοινωνικού κράτους δικαίου,
προστασία θεμελιωδών δικαιωμάτων
Το άρθρο 25 ως εγγυητής του Κοινωνικού Κράτους Δικαίου 505
Ευριπίδης Στυλιανίδης/Αντωνία Νικολοπούλου
Η επίδραση της Τεχνητής Νοημοσύνης στη λειτουργία
των τριών εξουσιών του άρθρου 26 Συντ.
Η επίδραση της Τεχνητής Νοημοσύνης στη Νομοθετική Εξουσία 515
Η επίδραση της Τεχνητής Νοημοσύνης στην Εκτελεστική Εξουσία 527
Η επίδραση της Τεχνητής Νοημοσύνης στη Δικαστική Εξουσία 535
Aντωνία Νικολοπούλου/Νίκος Ανδρεαδάκης
Αξιακές προσεγγίσεις και προβληματισμοί
Φερενίκη Παναγοπούλου/Μητροπολίτης Μεσογαίας και Λαυρεωτικής Νικόλαος (Χατζηνικολάου)
Ζητήματα Μετα-ανθρωπισμού και Τεχνητής Νοημοσύνης
στην Εποχή Καπιταλιστικών Κρίσεων 573
Τεχνητή Νοημοσύνη: προς μια «Ψηφιακή Πνύκα» 607
Αναστάσιος Ι. Αβραντίνης
Η αναγκαιότητα ρύθμισης της Τεχνητής Νοημοσύνης
Συγκριτική ανάλυση της ρυθμιστής προσέγγισης
στην Τεχνητή Νοημοσύνη σε ΗΠΑ και ΕΕ 613
Πρόταση για την Τεχνητή Νοημοσύνη ενόψει της Αναθεώρησης
του Ελληνικού Συντάγματος 633
Ελληνικές Επιχειρήσεις που πρωτοπορούν στις εφαρμογές
της Τεχνητής Νοημοσύνης
Σελ. 1
Εισαγωγή
Γιατί γράψαμε αυτό το βιβλίο;
Ευριπίδης Στυλιανίδης
Αν. Καθηγητής Συνταγματικού Δικαίου Νομικής Ευρωπαϊκού Πανεπιστημίου Κύπρου,
Βουλευτής Ροδόπης Ν.Δ., πρώην Υπουργός
Ο κόσμος αλλάζει ραγδαία. Η εποχή της εμπειρίας παραδίδει τη σκυτάλη στην εποχή της γνώσης και αυτή σταδιακά αντικαθίσταται από την εποχή της πληροφόρησης. Ποιος κατέχει, όμως, την πληροφορία και πώς τη χρησιμοποιεί; Μπορεί να τη μετεξελίξει σε πραγματική σοφία, συμβάλλοντας στην ποιοτική βελτίωση της ανθρωπότητας ή θα την καταστήσει όπλο στα χέρια κάποιων αυταρχικών κέντρων με στόχο τη συσσώρευση δύναμης; Και έπειτα, η πληροφορία ταυτίζεται με την αλήθεια;
Όλα αυτά είναι αναπάντητα ερωτήματα που τα επιτείνει η αστραπιαία εξέλιξη και η ευρεία διάδοση της ΤΝ, η οποία διαθέτει τη μοναδική δυνατότητα να συγκεντρώνει, να κωδικοποιεί, να επεξεργάζεται και να αξιοποιεί την πληροφορία με απίστευτη ταχύτητα.
Η δυνατότητα αυτή της ΤΝ μπορεί να οδηγήσει όχι μόνο στην αλήθεια αλλά και σε στρέβλωσή της, είτε μέσω της αλλοίωσης μιας πληροφορίας (deep fake news) είτε μέσω της υπερπληροφόρησης που προκαλεί σύγχυση και παραποίηση της πραγματικής κατάστασης και άρα κλονισμό της εμπιστοσύνης. Είναι χαρακτηριστικό ότι η ΤΝ που εφαρμόζεται σε ένα έξυπνο κινητό σήμερα, περιέχει περισσότερες πληροφορίες από την αρχαία βιβλιοθήκη της Αλεξάνδρειας.
Η μετάβαση στην εποχή της ΤΝ έχει εντελώς διαφορετικά χαρακτηριστικά από τη βιομηχανική επανάσταση, διότι μπορεί να οδηγήσει σε μια μη ανθρώπινη νοημοσύνη που θα κυριαρχεί στον κόσμο, θα ξεπερνά τον Homo Sapiens, τον σοφό άνθρωπο, και κανείς δεν θα μπορεί να προβλέψει, αν θα υπακούει σε ηθικούς κανόνες.
Η υποδοχή αυτή της ψηφιακής επανάστασης της ΤΝ, από την ανθρωπότητα ποικίλλει: To 1989 λίγο πριν από την πτώση του Τείχους του Βερολίνου, ο Ρόναλντ Ρέιγκαν, δήλωνε με ενθουσιασμό: «Ο Γολιάθ του ολοκληρωτισμού θα ηττηθεί αστραπιαία από τον Δαβίδ του μικροτσίπ. Και ο ισχυρότερος Μεγάλος Αδερφός, είναι όλο και πιο ανίσχυρος απέναντι στην τεχνολογία των επικοινωνιών. Οι πληροφορίες είναι το οξυγόνο της εποχής…Διαπερνούν τα τείχη με τα συρματοπλέγματα στην κορυφή. Πετούν πάνω από τα ηλεκτροφόρα ναρκοθετημένα σύνορα.
Σελ. 2
Το αεράκι των ηλεκτρονικών ακτίνων διαπερνά το Σιδηρούν Παραπέτασμα σαν να ήταν δαντέλα».
Επίσης, το 2009, ο Μπαράκ Ομπάμα, απευθυνόμενος στους Κινέζους οικοδεσπότες του στη Σαγκάη, υπογράμμισε: «Σε ό,τι αφορά τη ροή πληροφοριών, πιστεύω βαθιά στην τεχνολογία και στη διαφάνεια. Θεωρώ ότι όσο πιο ελεύθερα κινούνται οι πληροφορίες, τόσο πιο ισχυρή γίνεται η κοινωνία».
Στην ίδια κατεύθυνση, στο βιβλίο του «Η μοναδικότητα είναι πιο κοντά», ο Ρέι Κέρζουελ υποστηρίζει ότι η ΤΝ είναι η τεχνολογία - κλειδί που θα μας επιτρέψει να ανταποκριθούμε σε πιεστικές προκλήσεις, όπως οι ασθένειες, η φτώχια, η περιβαλλοντική υποβάθμιση και όλες οι ανθρώπινες παθογένειές μας. Έχουμε ηθικό καθήκον να υλοποιήσουμε αυτήν την υπόσχεση των νέων τεχνολογιών». Ωστόσο, στον αντίποδα, ο ίδιος μιλά για την ανάγκη να μετριαστούν πιθανοί κίνδυνοι που προκύπτουν από αυτήν.
Την ίδια δυσπιστία έχουν εκφράσει και άλλοι επιφανείς φιλόσοφοι, επιστήμονες ή επιχειρηματίες που προειδοποίησαν για τις απειλές κατά του πολιτισμού μας που μπορεί να εμπεριέχονται μέσα στην ΤΝ, όπως ο Τζέφρι Χίντον, ο Ίλον Μασκ, ο Σαμ Άλτμαν, ο Γιόσουα Μπέντζιο και ο Μουσταφά Σουλεϊμάν.
Σε έρευνα που ολοκληρώθηκε από 2778 ερευνητές για την ΤΝ, πάνω από το 1/3 έδωσαν πιθανότητες να οδηγήσει ακόμα και σε απειλή εξαφάνισης του ανθρώπινου είδους.
Την ανησυχία αυτή μοιράζονται και οι πολιτικές ηγεσίες, γι’ αυτό το 2023 περίπου 30 κυβερνήσεις με συμμετοχή της Κίνας, των ΗΠΑ και του Ηνωμένου Βασιλείου υπέγραψαν τη Διακήρυξη του Μπλέτσλεϊ, όπου αναγνωρίζουν ότι «προκύπτει η δυνατότητα για σοβαρές, ακόμα και καταστροφικές βλάβες, εκούσιες ή ακούσιες, από τις πιο σημαντικές ικανότητες αυτών των μοντέλων ΤΝ».
Η ΤΝ δεν είναι κάτι που έρχεται. Είναι ήδη εδώ με τις πρώτες εφαρμογές της, επηρεάζοντας την καθημερινότητά μας. Επομένως, δεν έχει νόημα να προσπαθούμε να την αποφύγουμε. Απλώς δεν πρέπει ούτε να τη δαιμονοποιούμε ούτε βέβαια να τη θεοποιούμε. Πρέπει να τη μελετού-
Σελ. 3
με και συνεχώς να προετοιμαζόμαστε, ώστε να αξιοποιούμε τις δυνατότητες της, αντιμετωπίζοντας, όμως, αποτελεσματικά τους κινδύνους και τις απειλές που φέρνει μαζί της.
Ο Yuval Noah Harari στο πρόσφατο βιβλίο του “NEXUS”, που είναι ήδη παγκόσμιο best seller, στη λίστα των τριών πρώτων βιβλίων των Sunday Times, ξεκινά την αφήγησή του για την ΤΝ από τον αρχαιοελληνικό μύθο του Φαέθωνα.
Ο Φαέθωνας, γιος του θεού Ήλιου, για να αποδείξει τη θεϊκή του καταγωγή, διεκδικεί το προνόμιο να οδηγήσει το Άρμα του Ήλιου. Ο Ήλιος τον προειδοποιεί ότι κανένας άνθρωπος δεν μπορεί να ελέγξει τα ουράνια άλογα. Ο Φαέθωνας, όμως, εγωιστικά επιμένει και χάνει τον έλεγχο του άρματος. Ο Ήλιος βγαίνει από την πορεία του και κατακαίει τη βλάστηση. Πολλοί άνθρωποι σκοτώνονται και κινδυνεύει η ίδια η Γη με απόλυτη καταστροφή. Τότε παρεμβαίνει ο θεός Δίας. Χτυπά με κεραυνό τον Φαέθωνα, ο οποίος πέφτει φλεγόμενος σαν αστέρι. Οι θεοί ξαναπαίρνουν τον έλεγχο του ουρανού και σώζουν τον κόσμο.
Ο παραλληλισμός της ΤΝ με τον μύθο του Φαέθωνα παραπέμπει και στην αρχαία ελληνική τραγωδία.
Η ανθρώπινη αλαζονεία οδηγεί στην Ύβρη, την οποία ακολουθεί η Νέμεση, δηλαδή οι συνέπειες, η τιμωρία, και στο τέλος έρχεται η Κάθαρση, δηλαδή η αποκατάσταση της ισορροπίας, της αρμονίας και του δικαίου.
Η ΤΝ είναι το σύγχρονο δημιούργημα του ανθρώπινου νου που βασίζεται κυρίως στη ραγδαία ανάπτυξη της τεχνολογίας. Θα μπορούσε κάποιος να ισχυριστεί ότι αποτελεί την κορύφωση της διαχρονικής απόπειρας του ανθρώπου να κατασκευάσει άνθρωπο (Ύβρις). Έτσι άλλωστε ερμηνεύεται και η χρήση όρων που σχετίζονται με την ανθρώπινη φύση του Homo Sapiens.
Εκτός από το μηχανικό ανθρωποειδές (ρομπότ), μιλούμε για νοημοσύνη, νευρώνες, μνήμη, ιούς κλπ. Η τεχνολογία, όμως, που βασίζεται στην έλλογη σκέψη και την αναπαράγει, δεν έχει καταφέρει να αποκωδικοποιήσει με τον ίδιο τρόπο και την ανθρώπινη συνείδηση. Η στρεβλή χρήση, επομένως, της ΤΝ χωρίς συνείδηση, αναπόφευκτα οδηγεί στην Ύβρη και κατ’ επέκταση στη Νέμεση που μπορεί να σημάνει το τέλος του ανθρώπινου είδους όπως το ξέρουμε, οδηγώντας όχι απλώς στον Υπεράνθρωπο που στοχεύουμε αλλά στον Μεταάνθρωπο.
Αυτό που μπορεί να εξασφαλίσει ισορροπία, αξιοποιώντας τα πλεονεκτήματα της ΤΝ, αντιμετωπίζοντας τους κινδύνους και τις απειλές που προκύπτουν από αυτή και οδηγώντας σε μια ηθική και ανθρωποκεντρική διαχείρισή της, είναι η ανθρώπινη συνείδηση.
Η ανθρώπινη συνείδηση μπορεί να προλάβει τις επιπτώσεις της κατάχρησης της ΤΝ, οδηγώντας απευθείας στην Κάθαρση, δηλαδή στη χρήση της ΤΝ με σεβασμό σε διαχρονικές αξίες, όπως τα Ανθρώπινα Δικαιώματα, η Δημοκρατία και το Κράτος Δικαίου.
Η συλλογική αυτή εργασία αποσκοπεί σε αυτόν ακριβώς τον σκοπό. Γράψαμε αυτό το βιβλίο, ξεκινώντας από διαφορετική αφετηρία σε σχέση με τη διεθνή βιβλιογραφία που μελετήσαμε. Οι περισσότερες διεθνείς μελέτες αναφέρονται σε εντυπωσιακές εφαρμογές της ΤΝ. Εξηγούν τη λειτουργία της και αναλύουν τις επιπτώσεις της στην οικονομική, κοινωνική, πολιτική και διεθνή πραγματικότητά και στην ανθρώπινη καθημερινότητα. Στο τέλος, καταλήγουν σε ηθι-
Σελ. 4
κά και νομικά ζητήματα που προκύπτουν, καθιστώντας αναγκαία τη ρύθμιση της ΤΝ σε εθνικό και διεθνές επίπεδο.
Η δική μας συλλογική μελέτη, που υποστηρίζεται από 40 επιστήμονες διαφορετικών επιστημών, κυρίως όμως νομικών, ακολουθεί την αντίστροφη διαδρομή.
Στο πρώτο κεφάλαιο, παρουσιάζει τον ορισμό και την ιστορία της ΤΝ με αναφορές σε εφαρμογές της που επηρεάζουν την κοινωνική, οικονομική και πολιτική ζωή.
Στο δεύτερο κεφάλαιο, παρουσιάζονται όλα τα Ατομικά και Κοινωνικά Δικαιώματα, όπως αυτά προστατεύονται από το Ελληνικό Σύνταγμα, από το άρθρο 2 έως το άρθρο 25. Περιγράφονται εφαρμογές της ΤΝ ανά δικαίωμα, που μπορεί να επηρεάσουν θετικά ή αρνητικά την προστασία του ή και να απειλήσουν τον σκληρό του πυρήνα, αναλύονται τα νέα νομικά ζητήματα ή διλήμματα που ανακύπτουν και προτείνονται ενδεχόμενες νομοθετικές λύσεις, εφόσον υπάρχει ωριμότητα για κάτι τέτοιο.
Στο τρίτο κεφάλαιο, αναλύεται η θετική ή αρνητική επίδραση της ΤΝ στη λειτουργία των τριών εξουσιών, κατά το άρθρο 26 Συντ.. Παρουσιάζεται, δηλαδή, η επίδρασή της στην Εκτελεστική, τη Νομοθετική και τη Δικαστική εξουσία και άρα στη λειτουργία της ίδιας της Δημοκρατίας.
Στο τέταρτο κεφάλαιο, καταγράφονται διαφορετικές αξιακές θέσεις και προβληματισμοί: Πολιτικές, γεωπολιτικές, φιλοσοφικές και θεολογικές προσεγγίσεις της ΤΝ. Αναλύονται ζητήματα μεταανθρωπισμού και ΤΝ κατά τη Μαρξιστική αντίληψη καθώς και κατά τη σύγχρονη φιλελεύθερη αντίληψη. Περιγράφεται η γεωπολιτική σημασία κάποιων εφαρμογών ΤΝ (για παράδειγμα drones) και αναδεικνύονται οι ηθικές και θεολογικές διαστάσεις της ΤΝ.
Στο πέμπτο κεφάλαιο, αναλύεται η αναγκαιότητα ρύθμισης της ΤΝ τόσο σε Ευρωπαϊκό όσο και σε διεθνές επίπεδο. Παρουσιάζεται ο Ευρωπαϊκός Κανονισμός (AI Act) της Ε.Ε., σε σύγκριση με ρυθμιστικές πρωτοβουλίες των ΗΠΑ καθώς και η Σύμβαση Πλαίσιο του Συμβουλίου της Ευρώπης που θα υπογραφεί όχι μόνο από τα 46 κράτη μέλη αλλά και από άλλα σημαντικά κράτη όπως οι ΗΠΑ που ήδη την υπέγραψαν, ο Καναδάς, η Αυστραλία, η Αργεντινή κλπ.
Κορύφωση της συλλογικής έρευνάς μας και ουσιαστική συμβολή στο δημόσιο διάλογο που θα ακολουθήσει αποτελεί η πρότασή μας ενόψει της επικείμενης Συνταγματικής Αναθεώρησης να θεσπιστεί μια νέα συνταγματική διάταξη, η οποία θα ρυθμίζει την ΤΝ, θα υιοθετεί τις αρχές που πρέπει να τη διέπουν και θα προβλέπει τη λειτουργία Ανεξάρτητης Αρχής που θα την εποπτεύει.
Στόχος της συλλογικής αυτής μελέτης είναι στα συμπεράσματά της να καταγράφονται:
- Νέα διλήμματα που ανέκυψαν από την έρευνα και χρήζουν περαιτέρω διερεύνησης
- Σύγχρονοι προβληματισμοί για την αξιοποίηση των πλεονεκτημάτων της ΤΝ, με πλήρη όμως προστασία των Ανθρώπινων Δικαιωμάτων, της Δημοκρατίας και του Κράτους Δικαίου
- Εισηγήσεις για καινούργιες διορθωτικές ή συμπληρωματικές ρυθμιστικές πρωτοβουλίες
και
- Προσαρμογές που πρέπει να κάνει κάθε κράτος στη νομοθεσία του και κάθε επιχείρηση στη λειτουργία της, σε σχέση με την ΤΝ
Σελ. 5
Με δεδομένο ότι οι επιστήμονες που συμμετέχουν στη συγγραφή αυτού του τόμου, προέρχονται από επιφανή ελληνικά, κυπριακά και ξένα πανεπιστήμια και επίσης από διαφορετικά επιστημονικά πεδία, επιδίωξη αυτής της διεπιστημονικής προσέγγισης είναι να αποτελέσει τη βάση για την πληρέστερη ενημέρωση της φοιτητικής και ακαδημαϊκής κοινότητας και των επιχειρήσεων για τα ζητήματα της ΤΝ. Έχουμε, βέβαια, επίγνωση ότι με την ταχύτητα με την οποία τρέχει η επιστήμη και η τεχνολογία, απειλεί να καταστήσει τη μελέτη ανεπίκαιρη, ακόμα και την ώρα που θα δημοσιεύεται. Ωστόσο, τολμήσαμε να συγγράψουμε πρώτοι, διότι από κάπου πρέπει να ξεκινήσει ο προβληματισμός και η γνώση που ποτέ δεν θα σταματήσουν να εξελίσσονται. Το μόνο στοιχείο που παραμένει σταθερό και πρέπει να διαφυλάττουμε είναι οι διαχρονικές αξίες του πολιτισμού μας.
Αξίζει να επισημανθεί ότι στο τέλος του συγγράμματός μας παρουσιάζονται εταιρείες από την ελληνική αγορά που έχουν ήδη προχωρήσει στον σχεδιασμό ή την εφαρμογή της ΤΝ, πρωτοστατώντας στον τομέα τους σε αυτό το πεδίο. Αυτό αποτελεί τη ζωντανή απόδειξη ότι η ΤΝ είναι ήδη παρούσα και ότι η Ελλάδα έχει την ευκαιρία να την αξιοποιήσει, με έναν τρόπο όμως απόλυτα συμβατό με τις αξίες του νομικού μας πολιτισμού και της εθνικής μας ταυτότητας.
Ξενόγλωσση Βιβλιογραφία
Grace, Katja και άλλοι, Thousands of AI Authors on the Future of AI (προδημοσίευση που υποβλήθηκε το 2024).
Harari, Yuval Noah, Nexus, Μια σύντομη ιστορία των δικτύων πληροφοριών από την Εποχή του Λίθου μέχρι την εποχή της Τεχνητής Νοημοσύνης, Μετάφραση Λαλιώτης Μιχάλης, εκδόσεις Αλεξάνδρεια, Σεπτ. 2024.
Isaacson, Walter, Elon Musk, Simon & Schuster, Λονδίνο, 2023.
Kurzweil, Ray, The Singularity is Nearer: When We Merge with AI, The Bodleus Head, Λονδίνο, 2024.
McKenzie, Andy, Transcript of Sam Altman’s Interview Touching on AI Safety, Less Wrong, 21 Ιανουαρίου 2023.
Metz, Cade, ‘The Godfather of AI’ Leaves Google and Warns of Danger Ahead, New York Times, 1 Μαΐου 2023.
Reagan, Ronald, Reagan Urges “Risk” on Gorbachev: Soviet Leader May Be Only Hope of Change, He Says, Los Angeles Times, 13 Ιουνίου 1989.
Robertson, Douglas S., The Information Revolution, Communication Research 17/2 (1990), 235-54.
Suleyman, Mustafa/Bhaskar, Michael, The Coming Wave: Technology Power and the Twenty-First Century’s Greatest Dilemma, Crown, Νέα Υόρκη, 2023.
Σελ. 7
ΠΡΩΤΟ ΚΕΦΑΛΑΙΟ
Η εξέλιξη της Τεχνητής Νοημοσύνης
Aντωνία Νικολοπούλου
Δικηγόρος Αθηνών - Διδάκτωρ Αστικού Δικαίου
Νομικής Σχολής Πανεπιστημίου Μονάχου (LMU)
Η αποσαφήνιση όρων όπως «Τεχνητή Νοημοσύνη», «Μηχανική Μάθηση», «Αυτονομία» και «Ρομπότ» συνιστά ένα ιδιαίτερα απαιτητικό εγχείρημα. Ωστόσο, η ερμηνεία των εννοιών αυτών και η συσχέτισή τους με νομικές αρχές, όπως το «Κράτος Δικαίου», η «Αρχή της Αναλογικότητας» και η «Υπαιτιότητα», καθίσταται ακόμη πιο περίπλοκη. Οι εν λόγω δυσχέρειες είναι απολύτως κατανοητές. Αφενός, η σημασιοδότηση των συγκεκριμένων όρων μεταβάλλεται διαρκώς: Όσο ταχύτερες είναι οι τεχνολογικές εξελίξεις, τόσο περισσότερο διαφοροποιείται και η σχετική ορολογία. Αφετέρου, η διερεύνηση αυτών των ζητημάτων απαιτεί διεπιστημονική προσέγγιση, δεδομένου ότι η τεχνολογία και η νομική επιστήμη δεν αλληλεπιδρούν απλώς, αλλά αλληλοσυμπληρώνονται και, σε ορισμένες περιπτώσεις, συγκρούονται μεταξύ τους.
Λαμβάνοντας υπόψη τα ανωτέρω, και πριν από την εμβάθυνση στα νομικά ζητήματα που σχετίζονται με την Τεχνητή Νοημοσύνη (εφεξής: ΤΝ), επιχειρείται, αρχικώς, μια συνοπτική ιστορική αναδρομή στην εξέλιξη της ΤΝ. Ακολούθως, γίνεται προσπάθεια να δοθεί ο ορισμός της, η διάκριση και η επεξήγηση των επιμέρους κατηγοριών της, καθώς και η ανάλυση του τρόπου λειτουργίας της. Αποσαφηνίζονται, εν συνεχεία, βασικές έννοιες και όροι που συνδέονται άμεσα με την ΤΝ και τέλος γίνεται αναφορά στους κινδύνους που προέρχονται από συστήματα ΤΝ – αυτόνομα συστήματα.
Ι. Τεχνητή Νοημοσύνη
Αρχικά, θα γίνει σύντομη αναφορά στην ιστορία της ΤΝ και στα πρώτα στάδια που υπήρξαν για την εξέλιξή της. Εν συνεχεία, θα επιχειρηθεί ο ορισμός της ΤΝ, ενώ τέλος θα προσδιοριστούν τα είδη της, τόσο με κριτήριο την ικανότητά (προοδευτικότητά) της όσο και με κριτήριο τη μέθοδο μάθησης.
Α. Ιστορία Τεχνητής Νοημοσύνης
Η ιστορία της ΤΝ έχει τις απαρχές της στην αρχαιότητα, όπου μύθοι, θρύλοι και αφηγήσεις περιγράφουν τεχνητά όντα προικισμένα με νοημοσύνη ή συνείδηση, δημιουργημένα από ικανούς τεχνίτες. Στην ελληνική μυθολογία, συναντώνται μορφές όπως τα χρυσά ανθρωποειδή του Ηφαίστου, γνωστά ως «Χρυσές Κόρες», τα οποία διέθεταν την ικανότητα πρόβλεψης και υλο-
Σελ. 8
ποίησης των επιθυμιών των κυρίων τους. Επιπλέον, ο Τάλως, ο χαλκοκατασκευασμένος φύλακας της Κρήτης, αποδίδεται στον Ήφαιστο, ενώ η Πανδώρα μπορεί να θεωρηθεί μια πρώιμη αναπαράσταση της έννοιας του «fembot», ενός ρομπότ με γυναικεία μορφή και ΤΝ. Κατά τη διάρκεια του Μεσαίωνα, καταγράφονται αναφορές σε μυστικιστικές ή αλχημικές διαδικασίες που επιδίωκαν την ενσωμάτωση νοημοσύνης στην ύλη. Παραδείγματα τέτοιων προσεγγίσεων περιλαμβάνουν το Takwin του Jabir ibn Hayyan, το «ανθρωπάριο» του Παράκελσου και τον Golem, που αποδίδεται στον ραβίνο Ιούδα Λεβ. Κατά τον 19ο αιώνα, η έννοια των τεχνητών όντων και των σκεπτόμενων μηχανών βρήκε έκφραση στη λογοτεχνία, με χαρακτηριστικά παραδείγματα το «Frankenstein» της Mary Shelley και το θεατρικό έργο «R.U.R.» (Rossum's Universal Robots) του Karel Čapek, το οποίο εισήγαγε τον όρο «ρομπότ».
Η θεμελίωση της σύγχρονης ΤΝ αποδίδεται σε επιστήμονες που επιχείρησαν να περιγράψουν τη διαδικασία της ανθρώπινης σκέψης ως έναν μηχανιστικό χειρισμό συμβόλων. Η προσπάθεια αυτή έφτασε στο απόγειό της με τη μελέτη του Άλαν Τούρινγκ (1912-1954), ο οποίος έθεσε το θεμελιώδες ερώτημα: «Μπορούν οι μηχανές να σκεφτούν;». Αναγνωρίζοντας την αοριστία του ερωτήματος, ο Τούρινγκ πρότεινε ως εναλλακτική το «Παιχνίδι της Μίμησης», το οποίο έγινε γνωστό στην ιστορία της Πληροφορικής ως το «Τεστ Τούρινγκ» (Turing Test). Στο πείραμα αυτό, ένας ανακριτής αλληλεπιδρά με δύο οντότητες –ένα φυσικό πρόσωπο και μια υπολογιστική μηχανή– χωρίς να γνωρίζει ποια είναι ποια. Μέσω μιας σειράς ερωτήσεων, καλείται να προσδιορίσει αν η απάντηση προέρχεται από άνθρωπο ή μηχανή.
Ο όρος «Τεχνητή Νοημοσύνη» επινοήθηκε το καλοκαίρι του 1956, κατά τη διάρκεια ενός επιστημονικού συνεδρίου στο Dartmouth (Ντάρτμουθ), όπου οι M. Minsky, J. McCarthy, A. Newell, H.A. Simon και C. Shannon συζήτησαν σχετικά με αυτήν. Το συνέδριο αυτό, στο πλαίσιο του οποίου χρησιμοποιήθηκε για πρώτη φορά ο όρος «artificial intelligence», σηματοδότησε την απαρχή του επιστημονικού διαλόγου για τον ορισμό και τη φύση της TN. Στο πλαίσιο του συνεδρίου, μια μικρή ομάδα επιστημόνων υποστήριξε ότι η νοημοσύνη θα μπορούσε να δημιουργηθεί και εκτός του ανθρώπινου εγκεφάλου. Οι ερευνητές του Ντάρτμουθ
Σελ. 9
επιδίωξαν να αναπτύξουν μηχανές ικανές να επικοινωνούν, να «σκέφτονται», να μαθαίνουν, να διαμορφώνουν έννοιες και να επιλύουν προβλήματα «αυτόνομα».
Έτσι, ο John McCarthy συγκαταλέγεται μεταξύ των πρώτων επιστημόνων που επιχείρησαν να ορίσουν την ΤΝ. Το 1955, διατύπωσε έναν από τους πρώτους ορισμούς της, σύμφωνα με τον οποίο «ο στόχος της ΤΝ είναι η ανάπτυξη μηχανών που συμπεριφέρονται σαν να είχαν νοημοσύνη». Αντίστοιχα, ο Marvin Minsky πρότεινε έναν ακόμη ορισμό, περιγράφοντας την ΤΝ ως «την επιστήμη που δημιουργεί μηχανές ικανές να εκτελούν ενέργειες, οι οποίες θα απαιτούσαν νοημοσύνη αν εκτελούνταν από ανθρώπους».
Έκτοτε, ωστόσο, ο όρος «Τεχνητή Νοημοσύνη» δεν έχει λάβει έναν ενιαίο και απολύτως αποδεκτό ορισμό στη βιβλιογραφία. Η δυσκολία στη διαμόρφωση ενός καθολικά αποδεκτού ορισμού μπορεί να δικαιολογηθεί, αν ληφθεί υπόψη ότι ένας από τους στόχους της ΤΝ είναι η ανάπτυξη ενός τύπου νοημοσύνης που προσομοιάζει με την ανθρώπινη και λειτουργεί ως η «κινητήρια δύναμη» των μηχανών. Αναπόφευκτα, τίθεται το ερώτημα πώς μπορεί να οριστεί με ακρίβεια η μηχανική (τεχνητή) νοημοσύνη, όταν ακόμη δεν υπάρχει πλήρης κατανόηση της ανθρώπινης νοημοσύνης και του τρόπου λειτουργίας του ανθρώπινου εγκεφάλου.
Υπό το πρίσμα αυτών των προβληματισμών, δεν θα γίνει αναφορά σε περαιτέρω ορισμούς της ΤΝ από τη βιβλιογραφία. Αντιθέτως, στην παρούσα μελέτη θα επιχειρηθεί ο ορισμός της ΤΝ με βάση τα σύγχρονα επιστημονικά δεδομένα.
Β. Ορισμός
Αφετηρία για τον ορισμό της ΤΝ στο πλαίσιο της παρούσας μελέτης αποτελεί ο πρόσφατος ορισμός που διατυπώθηκε από την Ομάδα Εμπειρογνωμόνων Υψηλού Επιπέδου για την ΤΝ της Ευρωπαϊκής Ένωσης. Σύμφωνα με τον εν λόγω ορισμό: «Η τεχνητή νοημοσύνη (ΤΝ) αναφέρεται σε συστήματα με «ευφυή» συμπεριφορά, τα οποία αναλύουν το περιβάλλον τους και δρουν με έναν βαθμό αυτονομίας για την επίτευξη συγκεκριμένων στόχων».
Σελ. 10
Ο παραπάνω ορισμός συμπληρώνεται από εκείνον που προτείνει η Ευρωπαϊκή Επιτροπή και ο οποίος βασίζεται σε μεγάλο βαθμό στον ήδη υιοθετημένο ορισμό του Οργανισμού Οικονομικής Συνεργασίας και Ανάπτυξης (ΟΟΣΑ). Ο συγκεκριμένος ορισμός διατυπώνεται στο άρθρο 3 του Κανονισμού του Ευρωπαϊκού Κοινοβουλίου και του Συμβουλίου για τη θέσπιση εναρμονισμένων κανόνων σχετικά με την ΤΝ [(ΕΕ) 2024/1689], σύμφωνα με τον οποίο ως «σύστημα τεχνητής νοημοσύνης» (σύστημα ΤΝ) νοείται:
«Λογισμικό που αναπτύσσεται με μία ή περισσότερες από τις τεχνικές και προσεγγίσεις που παρατίθενται στο Παράρτημα Ι και το οποίο δύναται, για ένα δεδομένο σύνολο στόχων που έχουν καθοριστεί από τον άνθρωπο, να παράγει στοιχεία εξόδου, όπως περιεχόμενο, προβλέψεις, συστάσεις ή αποφάσεις, τα οποία επηρεάζουν τα περιβάλλοντα με τα οποία αλληλεπιδρά».
Γ. Είδη Τεχνητής Νοημοσύνης
Η ΤΝ διακρίνεται σε διάφορους τύπους και κατηγορίες, ανάλογα με τη λειτουργία της, τις ικανότητές της και τις εφαρμογές της. Η παρούσα ανάλυση επιχειρεί τη συστηματική ταξινόμηση αυτών των διακρίσεων.
1. Με κριτήριο την ικανότητα (Προοδευτικότητα)
Καταρχάς, μία βασική διάκριση των ειδών-τύπων ΤΝ βασίζεται στην ικανότητα (ή προοδευτικότητά) της. Στο πλαίσιο αυτό, διακρίνονται η αδύναμη και η ισχυρή ΤΝ. Η αδύναμη ΤΝ (weak AI) ή περιορισμένη ΤΝ (narrow AI) αφορά συστήματα σχεδιασμένα για την επίλυση συγκεκριμένων, περιορισμένων προβλημάτων εφαρμογής. Η λειτουργία αυτών των συστημάτων στηρίζεται κυρίως σε μεθόδους των μαθηματικών και της πληροφορικής, αξιοποιώντας αλγορίθμους, δηλαδή προγραμματισμένους κανόνες που επιτρέπουν την αυτοματοποιημένη επίλυση ενός συγκεκριμένου προβλήματος. Τα συστήματα αυτά είναι κανόνο-κεντρικά και απαιτούν χαμηλό επίπεδο νοημοσύνης, καθώς εκτελούν προκαθορισμένες εργασίες. Συνεπώς, η αδύναμη ΤΝ δεν διαθέτει πραγματική νοημοσύνη, συνείδηση ή βαθιά κατανόηση αφηρημένων εννοιών. Παρόλα αυτά, βρίσκει ήδη ευρεία εφαρμογή σε πολλούς τομείς της καθημερινής ζωής, όπως η αναγνώριση εικόνας και ομιλίας, τα συστήματα πλοήγησης και τα έξυπνα συνομιλιακά προγράμματα (chatbots) που χρησιμοποιούνται για την εξυπηρέτηση πελατών.
Αντίθετα, η ισχυρή ΤΝ (strong AI) περιλαμβάνει δύο επιμέρους κατηγορίες: την ικανή ΤΝ (general AI) και την υπερ-τεχνητή νοημοσύνη (superintelligent AI). Η ικανή ΤΝ στοχεύει στην ανάπτυξη συστημάτων που μπορούν να κατανοούν, να μαθαίνουν και να εκτελούν οποιαδή-
Σελ. 11
ποτε εργασία που δύναται να εκτελέσει ένας άνθρωπος, προσομοιώνοντας τις ανθρώπινες διανοητικές ικανότητες. Από την άλλη, η υπερ-τεχνητή νοημοσύνη αναφέρεται σε ένα επίπεδο ΤΝ που υπερβαίνει τις ανθρώπινες γνωστικές και διανοητικές ικανότητες. Αναμένεται ότι τα συστήματα με ισχυρή ΤΝ δεν θα περιορίζονται σε αντιδραστικές ενέργειες, αλλά θα είναι σε θέση να λαμβάνουν πρωτοβουλίες και να δρουν αυτόνομα. Προς το παρόν, η ανάπτυξη της ισχυρής ΤΝ δεν έχει ακόμη επιτευχθεί.
2. Με κριτήριο τη μέθοδο εργασίας
Η ΤΝ με βάση τη μεθοδολογία εργασίας της, διακρίνεται σε δύο κύριες κατηγορίες: τη Συμβολική Τεχνητή Νοημοσύνη (Symbolic Artificial Intelligence) και τη Μηχανική Μάθηση (Machine Learning).
i. Συμβολική Τεχνητή Νοημοσύνη
Η Συμβολική Τεχνητή Νοημοσύνη, με κύρια έκφανσή της τα έμπειρα συστήματα (expert systems), αποτελεί τον κλάδο της ΤΝ που επιδιώκει να προσομοιώσει την ανθρώπινη νοημοσύνη μέσω της αναπαράστασης γνώσης και της επίλυσης προβλημάτων. Η διαδικασία αυτή πραγματοποιείται με τη μετάφραση βιολογικών νοητικών διεργασιών σε σύνολα αλγοριθμικών κανόνων και εντολών, που αναπαριστώνται μέσω συμβόλων και συμβολικού συλλογισμού. Πρόκειται για την παραδοσιακή μορφή ΤΝ, η οποία βασίζεται σε προκαθορισμένους, αυστηρούς κανόνες (rule-based systems), δομημένους σε σχήματα τύπου «εάν-τότε» (if-then-else). Ως εκ τούτου, η βελτίωση αυτών των συστημάτων είναι εφικτή μόνο μέσω ανθρώπινης παρέμβασης και τροποποίησης των κανόνων λειτουργίας τους. Σε ένα ιδανικό πλαίσιο, κάθε μεταβλητή σε ένα έμπειρο σύστημα είναι είτε αληθής είτε ψευδής, καθώς το σύστημα απαιτεί απόλυτες απαντήσεις –κάτι που στην επιστήμη δεν είναι πάντα εφικτό. Ωστόσο, τέτοια συστήματα έχουν τη δυνατότητα να χειρίζονται την ασαφή λογική (fuzzy logic), όπου οι μεταβλητές της απόφασης δεν είναι δυαδικές (αληθές/ψευδές), αλλά μπορούν να λάβουν τιμές αλήθειας σε ένα εύρος πιθανότητας. Παρά το γεγονός ότι η συμβολική ΤΝ θεωρείται το παλαιότερο στάδιο εξέλιξης της ΤΝ, εξακολουθεί να χρησιμοποιείται ευρέως σε διάφορες εφαρμογές.
Σελ. 12
ii. Μηχανική Μάθηση
Αντίθετα, η Μηχανική Μάθηση συνιστά μια εξελιγμένη προσέγγιση της ΤΝ, μέσω της οποίας επιτυγχάνεται η τεχνητή παραγωγή γνώσης από την εμπειρία. Συγκεκριμένα, η Μηχανική Μάθηση βασίζεται στη χρήση αλγορίθμων που έχουν τη δυνατότητα να μαθαίνουν ανεξάρτητα, να εξελίσσονται αυτόνομα και, συνεπώς, να επιτυγχάνουν βελτιωμένα αποτελέσματα στηριζόμενοι στη συσσωρευμένη εμπειρία τους.
Εικόνα 1.: The Structure of AI and Machine Learning
Ο όρος «αλγόριθμος» αναφέρεται σε μια ακριβή, προγραμματισμένη εντολή που χρησιμοποιείται για την επεξεργασία δεδομένων εισόδου και την παραγωγή αποτελεσμάτων σε προκαθορισμένη μορφή. Ωστόσο, οι αρχικά χρησιμοποιούμενοι αλγόριθμοι στη Μηχανική Μάθηση λειτουργούν ως θεμέλιο για τη δημιουργία νέων, πιο αποδοτικών αλγορίθμων, χωρίς την άμεση παρέμβαση του προγραμματιστή. Ο ρόλος του προγραμματιστή περιορίζεται στον αρχικό σχεδιασμό και ρύθμιση των αλγορίθμων, με γνώμονα τον επιθυμητό σκοπό της εκάστοτε μηχανής.
Η διαδικασία αυτή χαρακτηρίζεται από δυναμική και εξελικτική φύση, καθώς απαιτεί τη χρήση μεγάλου όγκου δεδομένων, προκειμένου οι αλγόριθμοι να εκπαιδευτούν και να βελτιώσουν τις αρχικές τους λειτουργίες, χωρίς να απαιτείται νέα προγραμματιστική παρέμβαση.
α. Μέθοδοι μάθησης
Στο πλαίσιο της Μηχανικής Μάθησης, διακρίνονται τρεις βασικές μέθοδοι μάθησης: η Μάθηση με Επίβλεψη (Supervised Learning), η Μάθηση χωρίς Επίβλεψη (Unsupervised Learning) και η Μάθηση με Ενίσχυση (Reinforcement Learning).
Σελ. 13
Η Μάθηση με Επίβλεψη βασίζεται στη χρήση συνόλων δεδομένων εκπαίδευσης, στα οποία οι παράμετροι εισόδου και τα επιθυμητά αποτελέσματα είναι εκ των προτέρων γνωστά. Οι αλγόριθμοι καλούνται να προσαρμοστούν, δημιουργώντας ένα μοντέλο που μαθαίνει να αντιστοιχεί τις εισόδους στα σωστά αποτελέσματα. Αυτή η μέθοδος χρησιμοποιείται ευρέως σε προβλήματα ταξινόμησης (classification) και παλινδρόμησης (regression).
Εικόνα 2.: Supervised Learning
Αντιθέτως, στη Μάθηση χωρίς Επίβλεψη, το σύστημα δεν έχει προκαθορισμένα αποτελέσματα προς εκμάθηση, αλλά καλείται να ανακαλύψει πρότυπα, συσχετίσεις ή δομές εντός των δεδομένων. Καθώς δεν υπάρχουν τιμές-στόχοι, το σύστημα αναπτύσσει δικές του στρατηγικές για την κατηγοριοποίηση των δεδομένων, εντοπίζοντας ομοιότητες ή αιτιακές σχέσεις. Αυτή η προσέγγιση χρησιμοποιείται συχνά σε εφαρμογές όπως η ανάλυση συστάδων (clustering) και η μείωση διαστάσεων (dimensionality reduction).
Εικόνα 3.: Unsupervised Learning
Σελ. 14
Μια ενδιάμεση μέθοδος μεταξύ της επιβλεπόμενης και της μη επιβλεπόμενης μάθησης είναι η Ημί-Επιβλεπόμενη Μάθηση (Semi-Supervised Learning). Σε αυτήν την περίπτωση, ο αλγόριθμος λαμβάνει τόσο χαρακτηρισμένα (labelled) όσο και μη χαρακτηρισμένα (unlabelled) δεδομένα, επιτρέποντάς του να εκτελέσει τον χαρακτηρισμό των τελευταίων με μεγαλύτερη ταχύτητα και ακρίβεια. Η ημί-επιβλεπόμενη μάθηση χρησιμοποιείται συχνά σε καταστάσεις όπου η σήμανση όλων των δεδομένων είναι δαπανηρή ή χρονοβόρα.
Τέλος, η Μάθηση με Ενίσχυση αποτελεί μια μέθοδο όπου δεν απαιτούνται εκ των προτέρων δεδομένα εκπαίδευσης. Αντιθέτως, το σύστημα βασίζεται σε μια διαδικασία δοκιμής και σφάλματος (trial and error), όπου μέσω αλληλεπίδρασης με ένα περιβάλλον προσομοίωσης αναζητά τη βέλτιστη στρατηγική δράσης. Οι αλγόριθμοι αυτής της κατηγορίας ανταμείβονται για επιτυχημένες αποφάσεις και τιμωρούνται για μη αποτελεσματικές επιλογές, επιτρέποντας έτσι τη σταδιακή βελτιστοποίηση της συμπεριφοράς τους. Η ενισχυτική μάθηση θεωρείται ιδιαίτερα ελπιδοφόρα, καθώς επιτρέπει την επίλυση πολύπλοκων προβλημάτων χωρίς προηγούμενη ανθρώπινη γνώση. Ιδιαίτερα στον τομέα των αυτόνομων ρομπότ, η ενισχυτική μάθηση συμβάλλει στην ενίσχυση του βαθμού αυτονομίας τους, επιτρέποντάς τους να προσαρμόζονται δυναμικά σε μεταβαλλόμενα περιβάλλοντα.
Εικόνα 4.: Reinforcement Learning
β. Βαθιά Μάθηση και Τεχνητά Νευρωνικά Δίκτυα
Η Βαθιά Μάθηση (Deep Learning) αποτελεί ένα εξειδικευμένο υποσύνολο της Μηχανικής Μάθησης, το οποίο βασίζεται στη χρήση Τεχνητών Νευρωνικών Δικτύων (Artificial Neural Networks). Τα δίκτυα αυτά διαθέτουν πολλαπλά ενδιάμεσα επίπεδα (hidden layers) μεταξύ
Σελ. 15
του επιπέδου εισόδου και του επιπέδου εξόδου, σχηματίζοντας έτσι μια σύνθετη και πολυεπίπεδη εσωτερική δομή.
Εικόνα 5.: Deep Neural Network
Η διαδικασία μάθησης στη Βαθιά Μάθηση προσομοιάζει τη λειτουργία του ανθρώπινου εγκεφάλου, καθώς τα νευρωνικά δίκτυα βασίζονται σε τεχνητούς νευρώνες που συνδέονται μεταξύ τους, δημιουργώντας ένα περίπλοκο δίκτυο πληροφορίας. Η βασική αρχή της βαθιάς μάθησης συνίσταται στη δυνατότητα των μηχανών να μαθαίνουν και να αναπτύσσονται ανεξάρτητα, χωρίς άμεση ανθρώπινη παρέμβαση. Οι μηχανές αυτές αναλύουν δεδομένα, αναγνωρίζουν πρότυπα και κάνουν προβλέψεις, ενώ η νέα γνώση που αποκτούν ενσωματώνεται εκ νέου στο σύστημα, διευρύνοντας το γνωστικό τους πεδίο και επιτρέποντας τη δημιουργία πιο σύνθετων μοντέλων.
Ένα από τα πλέον αξιοσημείωτα χαρακτηριστικά της βαθιάς μάθησης είναι η ικανότητα αυτοβελτίωσης μέσω συνεχούς ανατροφοδότησης (feedback loops) και προσαρμογής των εσωτερικών συνδέσεων των δικτύων. Οι μηχανές μπορούν να ελέγχουν τα αποτελέσματά τους, να τα τροποποιούν εάν απαιτείται και να επιτυγχάνουν όλο και πιο ακριβείς προβλέψεις. Ειδικότερα, στη μη επιβλεπόμενη μάθηση, η διαδικασία αυτή πραγματοποιείται χωρίς εξωτερική
Σελ. 16
επιβεβαίωση ή ανθρώπινη καθοδήγηση, γεγονός που οδήγησε στη διατύπωση της θέσης: «Η μάθηση γίνεται ευθύνη του αλγορίθμου».
Η πολυπλοκότητα της Βαθιάς Μάθησης οδηγεί σε μια σημαντική συνέπεια: Σε ορισμένες περιπτώσεις, το πώς ακριβώς λαμβάνονται οι αποφάσεις από ένα νευρωνικό δίκτυο δεν μπορεί να εξηγηθεί με ακρίβεια από έναν ειδικό ΤΝ. Όπως εύστοχα επισημαίνει ο Decker, εάν, για παράδειγμα, τεθεί το ερώτημα, γιατί ένα ρομπότ πραγματοποίησε μια συγκεκριμένη κίνηση, η απάντηση δεν μπορεί να προκύψει απλώς από την εξέταση του Τεχνητού Νευρωνικού Δικτύου. Ο βαθμός πολυπλοκότητας του συστήματος καθιστά δύσκολο τον πλήρη εντοπισμό της αιτιώδους σχέσης που οδήγησε στη συγκεκριμένη απόφαση, με αποτέλεσμα πολλές φορές να μπορεί να αξιολογηθεί μόνο το τελικό αποτέλεσμα και όχι η ακριβής διαδικασία που το παρήγαγε.
ΙΙ. Λοιποί όροι
Εν συνεχεία, θα επιχειρηθεί η σκιαγράφηση βασικών όρων που σχετίζονται με την TN, με στόχο την κατανόηση και αποσαφήνιση των εννοιών που εντάσσονται σε αυτήν. Οι όροι που θα αναλυθούν περιλαμβάνουν τους εξής: Αλγόριθμοι και Αυτοδιδασκόμενοι Αλγόριθμοι, αυτονομία, ευφυείς πράκτορες και ρομπότ.
Α. Αλγόριθμοι και αυτοδιδασκόμενοι αλγόριθμοι
Όπως προαναφέρθηκε, ο όρος «αλγόριθμος» αναφέρεται σε μία ακριβή και προγραμματισμένη εντολή, η οποία χρησιμοποιείται για την επεξεργασία δεδομένων εισόδου και την παραγωγή αποτελεσμάτων σε προκαθορισμένη μορφή.
Από δομική άποψη, ένας αλγόριθμος, προκειμένου να υποστηρίξει μια αλληλουχία ενεργειών, οφείλει να διαθέτει τα εξής θεμελιώδη χαρακτηριστικά:
1. Μηχανισμό εισόδου δεδομένων (input), μέσω του οποίου διατυπώνεται το πρόβλημα και εισάγονται οι απαραίτητες πληροφορίες.
2. Σαφείς και αποτελεσματικούς κανόνες επεξεργασίας των δεδομένων, οι οποίοι διασφαλίζουν την καθοριστικότητα, την περατότητα και την αποτελεσματικότητα της διαδικασίας.
3. Μηχανισμό εξόδου (output), ο οποίος επιτρέπει την παραγωγή συμπερασμάτων ή λύσεων με βάση την επεξεργασία των εισαχθέντων δεδομένων.
Στο πλαίσιο της ΤΝ, ιδιαίτερη σημασία αποκτούν οι αυτοδιδασκόμενοι αλγόριθμοι, δηλαδή υπολογιστικοί κανόνες και μέθοδοι που χρησιμοποιούνται για την επίλυση προβλημάτων μέσω της αυτόνομης αναγνώρισης προτύπων και κανονικοτήτων. Οι αλγόριθμοι αυτοί αξιοποιούν υπάρχουσες βάσεις δεδομένων, λειτουργώντας ως συστήματα αυτοδιδασκαλίας που αναπτύσσουν λύσεις δυναμικά.
Σελ. 17
Η ικανότητα μάθησης των ψηφιακών συστημάτων βασίζεται στην εκπαίδευσή τους μέσω μεγάλων όγκων δεδομένων και όχι στον παραδοσιακό προγραμματισμό με αυστηρά προκαθορισμένους κανόνες. Η εκπαίδευση αυτή επιτρέπει στα συστήματα να τροποποιούν ή να δημιουργούν νέους κανόνες επεξεργασίας πληροφορίας, όχι πλέον βάσει ανθρώπινης παρέμβασης (εκ μέρους προγραμματιστών), αλλά μέσω της ίδιας της μαθησιακής τους διαδικασίας.
Επιπλέον, η προσαρμοστικότητα των αλγορίθμων καθιστά τις αυτοματοποιημένες μηχανές αυτόνομα συστήματα, ικανά να επεξεργάζονται δεδομένα που συλλέγουν είτε μέσω των δικών τους αισθητήρων είτε μέσω της δικτύωσης με άλλες πηγές δεδομένων. Κατ’ αυτόν τον τρόπο, οι αλγόριθμοι δεν παραμένουν στατικοί, αλλά διαρκώς εξελίσσονται και προσαρμόζονται ανάλογα με τη φύση των δεδομένων που επεξεργάζονται, βελτιώνοντας τη λειτουργία και την ακρίβεια των αποτελεσμάτων τους.
Β. Αυτονομία
Στο σημείο αυτό, καταβάλλεται μια προσπάθεια να σκιαγραφηθεί η έννοια της «αυτονομίας» και η σύνδεσή της με τα σύγχρονα τεχνικά συστήματα, περιλαμβανομένων των ρομπότ. Ο όρος «αυτονομία» παρουσιάζει ποικιλία ερμηνειών στη βιβλιογραφία και είναι δύσκολο να οριοθετηθεί με ακρίβεια. Αυτό οφείλεται εν μέρει στην πολυσημία του και εν μέρει στην εφαρμογή του σε διαφορετικά θεματικά πεδία και επιστημονικούς κλάδους, όπως η φιλοσοφία, η ηθική, η ψυχολογία, η γλωσσολογία, η ιατρική, η κοινωνιολογία, το δίκαιο και, τελευταία, σε αυξανόμενο βαθμό, και στους τεχνικούς τομείς. Μια πλήρης ανάλυση της έννοιας της αυτονομίας και της σχέσης της με διάφορους επιστημονικούς τομείς θα υπερέβαινε το πεδίο της παρούσας μελέτης. Ωστόσο, στο σημείο αυτό, θα γίνει μία εν συντομία διάκριση μεταξύ «ανθρώπινης» και «τεχνικής» αυτονομίας.
1. Ανθρώπινη αυτονομία
Ο όρος «αυτονομία» έχει τις ρίζες του στην αρχαιότητα και από τότε χρησιμοποιείται για να περιγράψει μία ανθρώπινη ιδιότητα που αφορά τόσο το άτομο και την ύπαρξή του, όσο και τις διάφορες εκφάνσεις του δημόσιου βίου του, όπως για παράδειγμα η συμμετοχή του στην πολιτική. Στη διάρκεια των αιώνων, πλήθος στοχαστών έχει καταβάλει προσπάθειες να εξηγήσει τη φύση της αυτονομίας, καθώς και τη σχέση της με την ανθρώπινη ύπαρξη. Σε κυριολεκτική απόδοση, ο όρος «αυτονομία» σημαίνει την ικανότητα του ατόμου να ζει σύμφωνα με τους δικούς του κανόνες. Ωστόσο, παρά την ευρεία χρήση του όρου, δεν έχει διαμορφωθεί ακόμα μία καθολικά αποδεκτή και τυποποιημένη οριστική περιγραφή. Στη σύγχρονη βι-
Σελ. 18
βλιογραφία, ωστόσο, παρατηρείται γενική συναίνεση ως προς το γεγονός ότι ο ορισμός της αυτονομίας προϋποθέτει χαρακτηριστικά που συνάδουν με την ανθρώπινη φύση και τα χαρακτηριστικά της. Με το πέρασμα του χρόνου, ωστόσο, ο όρος αυτός έχει επεκταθεί και στην τεχνολογία, εφαρμόζοντας την έννοια της αυτονομίας και στις μηχανές. Στην επόμενη ενότητα, εξετάζεται η έννοια της αυτονομίας από μία τεχνική σκοπιά.
2. Τεχνική αυτονομία
Η «τεχνική αυτονομία» αναφέρεται στην ικανότητα ενός τεχνικού συστήματος να εκτελεί εργασίες ή να λαμβάνει αποφάσεις χωρίς την άμεση ανθρώπινη παρέμβαση ή καθοδήγηση. Η τεχνική αυτονομία σχετίζεται με την ανάπτυξη συστημάτων που μπορούν να αντιλαμβάνονται το περιβάλλον τους, να επεξεργάζονται πληροφορίες, να αξιολογούν καταστάσεις και να εκτελούν ενέργειες με βάση αφενός τα δεδομένα που ήδη έχουν και αφετέρου τις αλληλεπιδράσεις τους τόσο με άλλα (αυτόνομα) συστήματα όσο και με τον κόσμο γύρω τους – το εξωτερικό περιβάλλον.
Η τεχνική αυτονομία μπορεί να χωριστεί σε διάφορα επίπεδα, ανάλογα με τον βαθμό της ανεξαρτησίας που διαθέτει το σύστημα. Αυτά τα επίπεδα κυμαίνονται από συστήματα που απλώς εκτελούν προκαθορισμένες εντολές, μέχρι πιο σύνθετες τεχνολογίες που μπορούν να μάθουν και να προσαρμόζονται σε νέες καταστάσεις με την πάροδο του χρόνου. Σύμφωνα με τον Schulz, η αυτονομία μπορεί να διακριθεί σε δέκα επίπεδα, ανάλογα με τον ρόλο του ανθρώπου στη διαδικασία λήψης αποφάσεων και υλοποίησης ενεργειών:
1. Ο άνθρωπος καθορίζει πλήρως τις πιθανές ενέργειες και επιλέγει μία, την οποία το σύστημα εκτελεί.
2. Το σύστημα παρέχει υποστήριξη στον καθορισμό των πιθανών ενεργειών.
3. Το σύστημα βοηθά στον προσδιορισμό των πιθανών ενεργειών και προτείνει μία, την οποία ο άνθρωπος μπορεί να ακολουθήσει ή να απορρίψει.
4. Το σύστημα επιλέγει μια πορεία δράσης και ο άνθρωπος έχει την ελευθερία να την ακολουθήσει ή όχι.
5. Το σύστημα επιλέγει μια πορεία δράσης και την εφαρμόζει, εφόσον ο άνθρωπος συμφωνήσει.
6. Το σύστημα επιλέγει και εφαρμόζει μια πορεία δράσης, αλλά δίνει στον άνθρωπο τη δυνατότητα να την αποτρέψει.
7. Το σύστημα εκτελεί αυτόνομα όλες τις ενέργειες, ενημερώνοντας υποχρεωτικά τον άνθρωπο σχετικά με τις αποφάσεις του.
Σελ. 19
8. Το σύστημα εκτελεί αυτόνομα όλες τις ενέργειες και ενημερώνει τον άνθρωπο μόνο εάν του ζητηθεί.
9. Το σύστημα εκτελεί αυτόνομα όλες τις ενέργειες και αναφέρει στον άνθρωπο μόνο όσα κρίνει το ίδιο χρήσιμα.
10. Το σύστημα λειτουργεί πλήρως αυτόνομα, αποφασίζοντας ανεξάρτητα τόσο τις ενέργειες όσο και το επίπεδο πληροφόρησης του ανθρώπου.
Κατωτέρω πραγματοποιείται η αντιστοίχιση των προαναφερθέντων επιπέδων αυτονομίας με τα συστήματα ΤΝ διαφόρων βαθμών, ενώ παράλληλα αναλύεται ο βαθμός ανθρώπινης εμπλοκής σε καθένα από αυτά:
1. Τα πρώτα επίπεδα (1-4) περιγράφουν ημι-αυτόνομα συστήματα, όπου ο άνθρωπος έχει ακόμα σημαντικό έλεγχο στη λήψη αποφάσεων.
2. Τα μεσαία επίπεδα (5-7) αντιπροσωπεύουν συστήματα με αυξημένη αυτονομία, τα οποία μπορούν να εκτελούν ενέργειες, αλλά διατηρούν κάποια μορφή ανθρώπινης εποπτείας.
3. Τα ανώτερα επίπεδα (8-10) χαρακτηρίζουν πλήρως αυτόνομα συστήματα, τα οποία λαμβάνουν αποφάσεις και ενεργούν ανεξάρτητα, χωρίς την ανάγκη ανθρώπινης παρέμβασης ή έγκρισης.
Η διαβάθμιση αυτή βοηθά στην κατανόηση της αυτονομίας σε πρακτικό επίπεδο, καθώς και στην αξιολόγηση των δυνατοτήτων και των περιορισμών των σύγχρονων τεχνολογικών συστημάτων. Σε πλήρως αυτόνομα ρομπότ και τεχνητά συστήματα, εφαρμόζεται το επίπεδο 10, ενώ σε απλούστερες εφαρμογές με ανθρώπινο έλεγχο, ισχύουν τα επίπεδα 1-3.
Γ. (Αυτόνομα) Ρομπότ
Ο όρος «ρομπότ» καθιερώθηκε το 1920 μέσω του θεατρικού έργου «R.U.R.» του Τσέχου συγγραφέα Karel Čapek. Ωστόσο, η δημιουργία του όρου αποδίδεται στον αδελφό του, Karel Josef Čapek. Στο εν λόγω έργο, τα ρομπότ περιγράφονται ως μηχανικά όντα που εξυπηρετούν τους ανθρώπους, αλλά εξεγείρονται και επιδιώκουν την εξάλειψη του ανθρώπινου είδους. Ωστόσο, ο συγκεκριμένος όρος διαφέρει από τον σύγχρονο επιστημονικό προσδιορισμό του «ρομπότ». Στη βιβλιογραφία δεν έχει καθιερωθεί ένας τυποποιημένος ορισμός του όρου, ενώ, με την πάροδο του χρόνου, έχουν γίνει αρκετές απόπειρες ορισμού του, οι οποίες αναφέρονται σε πρώιμα στάδια της τεχνολογικής εξέλιξης, τα οποία πλέον δεν αντανακλούν την τρέχουσα πραγματικότητα και, συνεπώς, δεν αναλύονται εν προκειμένω.
Στο πλαίσιο του Συλλογικού αυτού Τόμου, τα ρομπότ ορίζονται ως έξυπνες, ικανές να μαθαίνουν μηχανές, οι οποίες προορίζονται για την επέκταση της ανθρώπινης ικανότητας δράσης στον φυσικό κόσμο και οι οποίες, λόγω της αυξημένης πολυπλοκότητάς τους, διαφοροποι-
Σελ. 20
ούνται από τις συμβατικές μηχανές, φέρουν δηλαδή έναν ελάχιστο βαθμό αυτονομίας. Είναι σημαντικό να επισημανθεί στο σημείο αυτό ότι, παρά το γεγονός ότι πολλές σύγχρονες μηχανές – συστήματα αναφέρονται ως ρομπότ, δεν πληρούν τον ορισμό του όρου «ρομπότ», όπως έχει διατυπωθεί παραπάνω και προς εξυπηρέτηση των σκοπών της παρούσας μελέτης. Παρά ταύτα, η παρουσίαση ακόμα και τέτοιων συστημάτων στον Συλλογικό αυτό Τόμο κρίνεται χρήσιμη για την προσφορά μιας ολοκληρωμένης επισκόπησης του θέματος.
Δ. Ευφυείς πράκτορες
Οι ευφυείς πράκτορες (intelligent agents) αναφέρονται σε υπολογιστικά συστήματα που είναι ικανά να αντιλαμβάνονται το περιβάλλον τους, να λαμβάνουν αποφάσεις και να δρουν «αυτόνομα» με σκοπό την επίτευξη συγκεκριμένων στόχων. Ο όρος «πράκτορας» χρησιμοποιείται για να περιγράψει μια οντότητα που ενεργεί εξ ονόματος ενός χρήστη ή ενός συστήματος, και χαρακτηρίζεται από την «ικανότητά» του να επεξεργάζεται πληροφορίες, να προσαρμόζεται σε μεταβαλλόμενες συνθήκες και να εκτελεί ενέργειες που προάγουν την επίτευξη των επιθυμητών αποτελεσμάτων. Η «ευφυΐα» ενός πράκτορα έγκειται στην ικανότητά του να εκτελεί «λογικές» αποφάσεις, να επιλύει προβλήματα και να αντιδρά στις εισερχόμενες πληροφορίες με τον πλέον αποδοτικό τρόπο, χρησιμοποιώντας αλγορίθμους μάθησης και προσαρμογής. Τέτοιοι πράκτορες εμφανίζονται σε διάφορους τομείς, όπως η ρομποτική, οι έξυπνες εφαρμογές, τα συστήματα συστάσεων και τα παιχνίδια υπολογιστών, και αποτελούν θεμελιώδες στοιχείο των συστημάτων ΤΝ, παρέχοντας ένα υπόβαθρο για την ανάπτυξη αυτονομίας και προσαρμοστικότητας σε υπολογιστικά περιβάλλοντα.
ΙΙΙ. Κίνδυνοι των συστημάτων Τεχνητής Νοημοσύνης -
των αυτόνομων συστημάτων
Η διάθεση στην αγορά και η χρήση συστημάτων υψηλής ΤΝ/αυτόνομων συστημάτων ενέχει σημαντικούς τεχνικούς κινδύνους, οι οποίοι μπορούν να κατηγοριοποιηθούν σε τρεις βασικούς τομείς: τον κίνδυνο αυτονομίας, τον κίνδυνο δικτύωσης ή διασύνδεσης και τον κίνδυνο διαφάνειας.
Α. Κίνδυνος αυτονομίας
Ο κίνδυνος αυτονομίας αναφέρεται στην πιθανότητα λάθους στις αποφάσεις που λαμβάνονται από αυτόνομα συστήματα εξοπλισμένα με προσαρμοστικούς αλγορίθμους. Εφόσον τα συστήματα αυτά έχουν τη δυνατότητα να λαμβάνουν αποφάσεις ανεξάρτητα, μπορεί να επιφέρουν αρνητικά αποτελέσματα, τα οποία ενδέχεται να προκαλέσουν ζημίες. Πριν την εφαρμογή
Σελ. 21
τους, η προβλεψιμότητα της συμπεριφοράς τους είναι περιορισμένη, καθώς το σύστημα πρέπει να «μάθει» πρώτα, καθιστώντας πιο δύσκολη την άμεση παρακολούθηση και τον έλεγχό του. Μετά την εκδήλωση μιας ζημίας, γίνεται ακόμη πιο δύσκολο να εντοπιστεί και να εξηγηθεί η αιτία που οδήγησε στην ανεπιθύμητη συμπεριφορά. Ο κίνδυνος από τη λήψη αυτόνομων λανθασμένων αποφάσεων αποκαλείται κίνδυνος αυτονομίας.
Β. Κίνδυνος δικτύωσης ή διασύνδεσης
Ο κίνδυνος δικτύωσης σχετίζεται με την ολοένα αυξανόμενη διασύνδεση διαφόρων ψηφιακών συστημάτων, καθώς και την αλληλεπίδραση μεταξύ ανθρώπου και μηχανής. Η αυξημένη δικτύωση επιφέρει κινδύνους τόσο από λάθος δεδομένα που διακινούνται μέσω του δικτύου (safety risk), όσο και από εξωτερικές επιθέσεις, οι οποίες ενδέχεται να προκύψουν από κακόβουλη ανθρώπινη παρέμβαση (security risk). Ο κίνδυνος αυτός είναι πιο έντονος όσο περισσότερο το αυτόνομο σύστημα εκπαιδεύεται ή καθοδηγείται από τον κατασκευαστή ή τον χρήστη, αλλά και όσο περισσότερο αλληλεπιδρά με το ευρύτερο περιβάλλον, αυξάνοντας έτσι την πιθανότητα επιθέσεων ή λαθών που προέρχονται από το ίδιο το δίκτυο.
Γ. Κίνδυνος διαφάνειας
Ο κίνδυνος διαφάνειας αφορά την έλλειψη πλήρους κατανόησης και εξήγησης των αποφάσεων που λαμβάνονται από αυτόνομα συστήματα. Η έλλειψη διαφάνειας καθιστά δύσκολη την πρόβλεψη της μελλοντικής συμπεριφοράς του συστήματος, καθώς και την εκ των υστέρων ανάλυση των αιτίων που οδήγησαν σε μια συγκεκριμένη ενέργεια ή απόφαση που προκαλεί ζημιά. Ειδικότερα, καθίσταται ασαφές ποιοι παράγοντες επηρέασαν τη διαδικασία μάθησης του συστήματος και σε ποιο βαθμό, κάτι που ενδέχεται να επηρεάσει τη δυνατότητα καθορισμού της ευθύνης. Όσο περισσότερες αλληλεπιδράσεις υπάρχουν μεταξύ των αυτόνομων συστημάτων ή όσο περισσότερα στοιχεία συμβάλλουν στην εκμάθησή τους, τόσο μεγαλύτερος είναι ο κίνδυνος να μην είναι δυνατόν να εξηγηθεί πλήρως η διαδικασία λήψης αποφάσεων.
Το AI.chatbook® είναι η πρώτη εφαρμογή AI στην Ελλάδα που συνδυάζει το περιεχόμενο έντυπων εκδόσεων με την τεχνητή νοημοσύνη. Το AI.chatbook®, μέσα από οποιαδήποτε συσκευή που έχει πρόσβαση στο διαδίκτυο, επιτρέπει στον αναγνώστη να υποβάλει ερωτήσεις στο περιεχόμενο επιλεγμένων βιβλίων, για να λάβει μέσα σε λίγα δευτερόλεπτα τεκμηριωμένες απαντήσεις με πλήρη πρόσβαση και αναφορά στην πηγή.
Η εφαρμογή βασίζεται σε μια καινοτόμα πλατφόρμα τεχνητής νοημοσύνης, η οποία αναπτύχθηκε από τα LexLabs για την επίλυση απλών ή σύνθετων θεμάτων που απασχολούν τον νομικό. Η επίλυση αυτή επιτυγχάνεται μέσα από την αλληλεπίδραση του με αξιόπιστο περιεχόμενο επιλεγμένων εκδόσεων και σταδιακά επί του συνόλου της Βιβλιογραφίας της ΝΟΜΙΚΗΣ ΒΙΒΛΙΟΘΗΚΗΣ.
Με την αγορά κάθε AI.chatbook®, έχετε δικαίωμα να υποβάλλετε έως και 200 ερωτήσεις σχετικά με το περιεχόμενο της επιλεγμένης έκδοσης και αποκτάτε πρόσβαση σε όλο το περιεχόμενο της με τη μορφή e-book.
