Χθες, Τετάρτη 11 Μαρτίου 2026, η διαΝΕΟσις διοργάνωσε στον Φάρο – Κέντρο Πολιτισμού Ίδρυμα Σταύρος Νιάρχος την εκδήλωση «Μπροστά στην πρόκληση της Τεχνητής Νοημοσύνης», στο πλαίσιο των εορτασμών για τα 10 χρόνια του οργανισμού. Η συμμετοχή ήταν εξαιρετικά υψηλή, με πολύ κόσμο από διαφορετικούς τομείς, γεγονός που ανέδειξε το ενδιαφέρον και την αναγκαιότητα του δημόσιου διαλόγου για την AI. Στην εκδήλωση παραβρέθηκαν πολλοί παράγοντες της καινοτομίας και της πληροφορικής, εκπρόσωποι του ερευνητικού και πανεπιστημιακού κόσμου, καθώς και στελέχη εταιρειών και φορέων που ασχολούνται με την τεχνολογία και τις εφαρμογές της, αλλά και ιδιωτών που ενδιαφέρονται για τα θέματα της Τεχνητής Νοημοσύνης.
Στο πλαίσιο της εκδήλωσης παρουσιάστηκαν επίσης τα αποτελέσματα νέας δημοσκοπικής έρευνας της διαΝΕΟσις σχετικά με τις στάσεις των Ελλήνων απέναντι στην τεχνητή νοημοσύνη, φωτίζοντας τις αντιλήψεις, τις ανησυχίες αλλά και τις προσδοκίες της κοινωνίας απέναντι στις δυνατότητες και τους κινδύνους που συνοδεύουν την εξάπλωση της τεχνολογίας αυτής.
Κεντρικός ομιλητής ήταν ο καθηγητής Ιωσήφ Σηφάκης, κάτοχος του βραβείου Turing 2007, ο οποίος ανέλυσε τις σημαντικότερες ευκαιρίες και προκλήσεις που φέρνει η τεχνητή νοημοσύνη στην κοινωνία, στην οικονομία και στην επιστήμη, δίνοντας έμφαση στην ανάγκη για υπεύθυνη ανάπτυξη, διακυβέρνηση και εκπαίδευση ώστε η τεχνολογία να υπηρετεί το δημόσιο συμφέρον χωρίς να παραβλέπει κοινωνικά ζητήματα. Όπως επισήμανε, η τεχνητή νοημοσύνη αναπτύχθηκε ιστορικά μέσα από δύο βασικές προσεγγίσεις: τη συμβολική, που βασίζεται στον προγραμματισμό και τη λογική αναπαράσταση γνώσης, και την εμπειρική, που αξιοποιεί τα τεχνητά νευρωνικά δίκτυα προσπαθώντας να μιμηθεί τη λειτουργία του ανθρώπινου εγκεφάλου. Υπογράμμισε ακόμη ότι η εξέλιξη της τεχνητής νοημοσύνης χαρακτηρίστηκε από περιόδους έντονης ανάπτυξης αλλά και από τους λεγόμενους «χειμώνες της τεχνητής νοημοσύνης», μέχρι τη σημαντική πρόοδο που παρατηρείται από τις αρχές της δεκαετίας του 2000 χάρη στη μηχανική μάθηση και τα βαθιά νευρωνικά δίκτυα.
O Καθηγητής Ιωσήφ Σηφάκης με τον Διευθύνοντα Σύμβουλο της ΜETATEAM κ. Χαλαβαζή Γιάννη
Ο κ. Σηφάκης σημείωσε επίσης ότι υπάρχει συχνά σύγχυση σχετικά με τον πραγματικό στόχο της τεχνητής νοημοσύνης. Όπως ανέφερε, δεν πρόκειται απλώς για συστήματα που θα ξεπεράσουν τον άνθρωπο σε μεμονωμένες γνωστικές λειτουργίες, αλλά για την ανάπτυξη μηχανών ικανών να κατανοούν τον κόσμο και να συνδυάζουν γνώσεις και ενέργειες με τρόπο πιο ολοκληρωμένο. Παράλληλα, υπογράμμισε ότι τα σύγχρονα συστήματα τεχνητής νοημοσύνης διαθέτουν κυρίως τεχνολογικά δομικά στοιχεία, ενώ εξακολουθούν να λείπουν οι θεμελιώδεις θεωρητικές αρχές που θα επιτρέψουν την πλήρη ανάπτυξή τους.
Αναφερόμενος στο μέλλον της τεχνητής νοημοσύνης, ο καθηγητής τόνισε ότι η επόμενη μεγάλη εξέλιξη θα αφορά την ανάπτυξη πιο σύνθετων και αυτόνομων συστημάτων και πρακτόρων τεχνητής νοημοσύνης, οι οποίοι θα μπορούν να λειτουργούν συνεχώς και να ελέγχουν πολύπλοκα συστήματα χωρίς άμεση ανθρώπινη παρέμβαση. Εξήγησε ότι, τέτοια αυτόνομα συστήματα θα αποτελούνται από πολλούς «πράκτορες» που θα λειτουργούν συντονισμένα, παρόμοια με τον τρόπο που λειτουργεί μια ανθρώπινη κοινωνία, δημιουργώντας μορφές συλλογικής νοημοσύνης. Ωστόσο, υπογράμμισε ότι η τεχνική υλοποίηση αυτού του στόχου παραμένει ιδιαίτερα δύσκολη.
Ιδιαίτερη έμφαση έδωσε επίσης στην ανάγκη αξιοπιστίας των συστημάτων τεχνητής νοημοσύνης. Σημείωσε ότι, εάν αυτά πρόκειται να αντικαταστήσουν τον άνθρωπο σε κρίσιμες λειτουργίες, θα πρέπει να επιτυγχάνουν επίπεδα ασφάλειας και αξιοπιστίας αντίστοιχα ή και υψηλότερα από τα παραδοσιακά τεχνολογικά συστήματα. Παράλληλα, τόνισε ότι ένα από τα σημαντικότερα σημερινά προβλήματα είναι η δυσκολία κατανόησης και εξήγησης των αποφάσεων που λαμβάνουν τα συστήματα AI, γεγονός που καθιστά απαραίτητη την ανάπτυξη νέων θεωρητικών και μαθηματικών εργαλείων για την ερμηνεία της λειτουργίας τους.
Ο κ. Σηφάκης μίλησε ακόμη για τη θεμελιώδη διαφορά μεταξύ ανθρώπινης και τεχνητής νοημοσύνης, επισημαίνοντας ότι ο ανθρώπινος νους διαθέτει ένα σημασιολογικό μοντέλο του κόσμου που του επιτρέπει να κατανοεί καταστάσεις με πολύ λιγότερα δεδομένα, ενώ τα συστήματα τεχνητής νοημοσύνης χρειάζονται εκτεταμένη εκπαίδευση και μεγάλους όγκους δεδομένων για να αναγνωρίσουν παρόμοια μοτίβα.
Παρά τις προκλήσεις αυτές, υπογράμμισε ότι η τεχνητή νοημοσύνη αναμένεται να έχει βαθιές επιπτώσεις στην επιστήμη, την οικονομία και την κοινωνία, καθώς μπορεί να αναλύει τεράστιους όγκους δεδομένων και να εντοπίζει σχέσεις που ξεπερνούν τις ανθρώπινες δυνατότητες. Όπως σημείωσε, η τεχνολογία αυτή μπορεί να συμβάλει στην αντιμετώπιση μεγάλων παγκόσμιων προκλήσεων, όπως η κλιματική αλλαγή, η διαχείριση φυσικών πόρων και η παραγωγή τροφίμων.
Ταυτόχρονα, προειδοποίησε για ορισμένες κοινωνικές και συστημικές επιπτώσεις της ευρείας χρήσης της τεχνητής νοημοσύνης, όπως ο κίνδυνος νοητικής εξάρτησης από αυτοματοποιημένα συστήματα, οι πιθανές αλλαγές στην αγορά εργασίας και η ανάγκη προστασίας των προσωπικών δεδομένων. Υπογράμμισε επίσης ότι η ανάπτυξη της τεχνητής νοημοσύνης μπορεί να επηρεάσει τη διεθνή γεωπολιτική ισορροπία και τις έννοιες της ασφάλειας και της αποτροπής.
Κλείνοντας, ο κ. Σηφάκης δήλωσε ότι η τεχνητή νοημοσύνη από μόνη της δεν αποτελεί πρόβλημα, αλλά ότι η πραγματική πρόκληση βρίσκεται στην ικανότητα των κοινωνιών να τη ρυθμίσουν, να τη διαχειριστούν υπεύθυνα και να δημιουργήσουν διεθνή κανονιστικά πλαίσια που θα περιορίζουν τους κινδύνους και θα διασφαλίζουν ότι η τεχνολογία αυτή θα αξιοποιηθεί προς όφελος της ανθρωπότητας.
Με διαδικτυακή τοποθέτηση συμμετείχε και κ. Χρίστος Παπαδημητρίου, καθηγητής στο Τμήμα Επιστήμης Υπολογιστών του Πανεπιστήμιο Κολούμπια, ο οποίος παρουσίασε μια ευρύτερη θεωρητική αποτίμηση της εξέλιξης της τεχνητής νοημοσύνης. Όπως ανέφερε, η ιστορία της τεχνητής νοημοσύνης χαρακτηρίζεται από επαναλαμβανόμενους κύκλους μεγάλων προσδοκιών και απογοητεύσεων, μέχρι την εντυπωσιακή τεχνολογική πρόοδο που σημειώθηκε το 2012 με την επιτυχία των βαθιών νευρωνικών δικτύων.
Ο κ. Παπαδημητρίου εξήγησε ότι η πρόσφατη αυτή πρόοδος δεν προέκυψε τυχαία, αλλά οφείλεται σε έναν συνδυασμό παραγόντων. Μεταξύ αυτών ανέφερε τη συνεχή αύξηση της υπολογιστικής ισχύος σύμφωνα με τον νόμο του Moore, τη μαζική διαθεσιμότητα δεδομένων μέσω του διαδικτύου και την πολυετή επιμονή ερευνητών που συνέχισαν να αναπτύσσουν τα νευρωνικά δίκτυα παρά τις αρχικές αποτυχίες. Όπως σημείωσε, καθοριστικό ρόλο έπαιξε επίσης η τεχνική της οπισθοδιάδοσης (backpropagation), η οποία, αν και είχε προταθεί δεκαετίες νωρίτερα, κατέστη τελικά βασικός μηχανισμός εκπαίδευσης των σύγχρονων μοντέλων.
Παράλληλα, υπογράμμισε ότι η τεχνητή νοημοσύνη εξακολουθεί να παρουσιάζει μια επιστημονική ιδιαιτερότητα, ότι ενώ επιτυγχάνει εντυπωσιακά πρακτικά αποτελέσματα, η λειτουργία πολλών συστημάτων δεν έχει ακόμη πλήρως εξηγηθεί θεωρητικά. Με άλλα λόγια, όπως είπε, η τεχνολογία αυτή αποτελεί σε μεγάλο βαθμό ένα εμπειρικό επίτευγμα που προηγείται της πλήρους επιστημονικής κατανόησης των μηχανισμών της.
Αναφερόμενος στη λειτουργία των σύγχρονων γλωσσικών μοντέλων, επισήμανε ότι η βασική τους αρχή είναι η στατιστική πρόβλεψη της επόμενης λέξης σε μια ακολουθία κειμένου, γεγονός που εξηγεί τόσο την εντυπωσιακή ικανότητα παραγωγής λόγου όσο και τα λάθη που εμφανίζονται συχνά στις απαντήσεις τους. Τόνισε ότι, σε αντίθεση με τον άνθρωπο, του οποίου η κατανόηση των λέξεων συνδέεται με εμπειρίες ζωής και βαθύτερα νοητικά μοντέλα του κόσμου, τα νευρωνικά δίκτυα βασίζονται κυρίως σε στατιστικές συσχετίσεις μεταξύ μεγάλων όγκων δεδομένων.
Ο καθηγητής υπογράμμισε επίσης ότι η ανάπτυξη της τεχνητής νοημοσύνης εξελίσσεται πλέον μέσα σε έναν έντονο διεθνή ανταγωνισμό μεταξύ κρατών και μεγάλων τεχνολογικών εταιρειών, γεγονός που δυσκολεύει την ύπαρξη ενός ήρεμου και δημοκρατικού δημόσιου διαλόγου για τη ρύθμισή της. Επεσήμανε ότι, η ανάγκη θεσμικής και νομοθετικής ρύθμισης είναι ιδιαίτερα σημαντική, καθώς η τεχνολογία αυτή βασίζεται στη συλλογική πνευματική παραγωγή της ανθρωπότητας, ενώ σήμερα ελέγχεται κυρίως από λίγες μεγάλες εταιρείες.
Στην ίδια κατεύθυνση σημείωσε ότι η ρύθμιση της τεχνητής νοημοσύνης αποτελεί δύσκολο εγχείρημα, καθώς τα κανονιστικά πλαίσια συχνά κινδυνεύουν είτε να καθυστερήσουν την καινοτομία είτε να αποδειχθούν ανεπαρκή μπροστά στην ταχύτητα της τεχνολογικής εξέλιξης.
Παράλληλα, αναφέρθηκε στις κοινωνικές επιπτώσεις που μπορεί να έχει η διάδοση της τεχνητής νοημοσύνης, επισημαίνοντας ότι ζητήματα όπως η ανεργία, η αύξηση των ανισοτήτων και η συγκέντρωση ισχύος αποτελούν σοβαρές προκλήσεις για τις σύγχρονες κοινωνίες. Όπως τόνισε, η τεχνητή νοημοσύνη ενδέχεται να ενισχύσει υπάρχουσες ανισότητες εάν δεν συνοδευτεί από κατάλληλες πολιτικές και θεσμικές παρεμβάσεις.
Τέλος, υπογράμμισε ότι η τεχνητή νοημοσύνη μπορεί να διαδραματίσει σημαντικό ρόλο και στην αντιμετώπιση μεγάλων παγκόσμιων προβλημάτων, όπως η κλιματική κρίση. Σύμφωνα με μελέτες διεθνών οργανισμών, η αξιοποίησή της θα μπορούσε να συμβάλει σημαντικά στη μείωση των εκπομπών και στη βελτίωση της ενεργειακής αποδοτικότητας, εφόσον εφαρμοστεί με τρόπο υπεύθυνο και βιώσιμο.
Στο πάνελ συζήτησης συμμετείχαν επίσης η κα Λίλιαν Μήτρου, καθηγήτρια στο Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτων του Πανεπιστήμιο Αιγαίου, ο Μιχάλης Μπλέτσας, Διευθυντής Πληροφορικής στο MIT Media Lab, και ο Διομήδης Σπινέλλης, καθηγητής στο Οικονομικό Πανεπιστήμιο Αθηνών και στο Πολυτεχνείο του Delft, οι οποίοι συζήτησαν την αξιοποίηση της τεχνητής νοημοσύνης στην εκπαίδευση, την καινοτομία, την επιχειρηματικότητα και τη δημόσια διοίκηση, καθώς και τις ηθικές και κοινωνικές προκλήσεις που προκύπτουν από τη διάδοση των αυτοματοποιημένων συστημάτων.
Ο Γεώργιος Μητακίδης, καθηγητής στο Πανεπιστήμιο Πάτρας, Πρόεδρο του Επιστημονικού Συμβουλίου του Ινστιτούτου Τεχνολογιών Πληροφορικής, Ανώτατο Σύμβουλο του Ιδρύματος Μείζονος Ελληνισμού και Σύμβουλο σε Διεθνείς Φορείς με τον Διευθύνοντα Σύμβουλο της ΜΕΤΑΤΕΑΜ κ. Γιάννη Χαλαβαζή
