ΠΟΥ ΥΣΤΕΡΕΙ Η ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΕΝΑΝΤΙ ΤΟΥ ΑΝΘΡΩΠΟΥ;
![](http://indeepanalysis.gr/sites/default/files/article_imgs/business-8530773_640.jpg)
Στη σύγχρονη συζήτηση σχετικά με τη σχέση Τεχνητής Νοημοσύνης (ΤΝ) και ανθρώπου, η έμφαση δίνεται στους τομείς όπου η ΤΝ είναι αποτελεσματικότερη από τον άνθρωπο, όπως η ταχύτητα και ο όγκος επεξεργασίας δεδομένων, προκειμένου να φτάσει σε έναν προκαθορισμένο στόχο.
Ωστόσο, η εικόνα αυτή απέχει από την πραγματικότητα, καθώς στην εξέταση της σχέσης αυτής μας διαφεύγουν τα σημεία, όπου η ΤΝ υπολείπεται του ανθρώπου, τα οποία είναι απαραίτητα για να είμαστε σε θέση να εκτιμήσουμε ορθότερα τη σχέση αυτή και το μέλλον της.
Ενδεικτικά, ορισμένα από αυτά είναι τα ακόλουθα[1]:
1. Δεν έχει κοινή λογική: Συχνά η ΤΝ παρουσιάζει εντυπωσιακή αδυναμία να ενσωματώσει τις πληροφορίες που της επιτρέπουν να ανταποκριθεί σε βασικά, καθημερινά ζητήματα, που για τον άνθρωπο.
2. Έχει περιορισμένο ορίζοντα: Τα περισσότερα συστήματα ΤΝ δεν έχουν δυνατότητα για ευρεία αναπαράσταση ή κατανόηση του κόσμου, πέρα από τον συγκεκριμένο σκοπό, για το οποίο έχουν σχεδιαστεί.
3. Δεν μπορεί να σκεφτεί εκτός πλαισίου: Τα συστήματα ΤΝ είναι δημιουργικά μόνο μέσα στο πλαίσιο που τους δίνεται και η δημιουργικότητά τους περιορίζεται από τα δεδομένα, με τα οποία έχουν εκπαιδευτεί.
4. Δεν έχει συναισθηματική και κοινωνική διορατικότητα: Αν σκεφτούμε ότι ακόμα και ο άνθρωπος αδυνατεί να εκτιμήσει και να αξιολογήσει τα συναισθήματα των άλλων, είναι κατανοητό το πόσο δύσκολο είναι να ενσωματώσουμε σε συστήματα ΤΝ μια τέτοια δυνατότητα. Γι’ αυτό και, παρά τις σχετικές προόδους που έχουν γίνει σε αυτόν τον τομέα, τα αποτελέσματα ελλιπή ή αντιφατικά.
5. Δεν μπορεί να αλληλοεπιδράσει επαρκώς με τον φυσικό κόσμο: Παρά το ότι κάποια συστήματα ΤΝ μπορούν να δημιουργήσουν υψηλού επιπέδου σχέδια για ενέργειες στον κόσμο, είναι αδύναμα να «βγουν» έξω στον κόσμο και να αλληλοεπιδράσουν επαρκώς με τα φυσικά αντικείμενα.
6. Είναι ευάλωτη σε αλλαγές περιεχομένου: Οι σύγχρονοι αλγόριθμοι ΤΝ έχουν τη δυνατότητα να είναι αποτελεσματικοί σε δομημένα, επαναλαμβανόμενα περιβάλλοντα. Όταν, όμως, το περιβάλλον είναι αδόμητο ή ποικίλο, τόσο λιγότερο αποτελεσματικός είναι ο αλγόριθμος.
Διάλεξε από τα προγράμματά μας αυτό που ταιριάζει περισσότερο στα ενδιαφέροντα και τις ανάγκες σου:
Συστήματα Τεχνητής Νοημοσύνης στην Κυβερνοασφάλεια
Artificial Intelligence and Machine Learning Specialist in Financial Services
Artificial Intelligence in Healthcare
ChatGPT και Χρήση του για Επιτυχημένη Διαφήμιση και Digital Marketing
[1] Jana Schaich Borg, Walter Sinnott-Armstron, Vincent Conitzer, Moral AI, and how to get there, Pelican Books, 2024.
* Κάθε κείμενο που δημοσιεύεται στο InDeep Analysis εκφράζει και βαραίνει αποκλειστικά τον συντάκτη του. Οι αναλύσεις που δημοσιεύονται δεν συνιστούν συμβουλές για οποιουδήποτε είδους δραστηριότητα. Το InDeep Analysis δεν δεσμεύεται από τις πληροφορίες, τις απόψεις και τις αναλύσεις που δημοσιεύονται στην ψηφιακή πλατφόρμα του, και δεν φέρει απολύτως καμία ευθύνη για αυτές.
Online διαδραστική πλατφόρμα προβολής του πολιτισμού των Ελλήνων σε ολόκληρο τον κόσμο.
Μπες στο www.act4Greece.gr Επίλεξε τη ∆ράση YOU GO CULTURE
Κάνε τη δωρεά σου με ένα κλικ στο
ΘΕΛΩ ΝΑ ΠΡΟΣΦΕΡΩή με απ’ ευθείας κατάθεση ή μέσω internet, phone και mobile banking.
![](http://indeepanalysis.gr/sites/default/files/images/ygc-donate/crowd-fasa-05.jpg)
Πρόγραμμα Crowdfunding
Εξειδικευμένη γνώση με το κύρος του Πανεπιστημίου Αθηνών
E-Learning Προγράμματα
Σχετικά άρθρα
Συνεντεύξεις
Συνεντεύξεις: |