Αναζήτηση στην κοινότητα

Τίθεται σε ισχύ ο ευρωπαϊκός κανονισμός για την τεχνητή νοημοσύνη, ο πρώτος ολοκληρωμένος κανονισμός για την τεχνητή νοημοσύνη (ΤΝ) στον κόσμο. Ο κανονισμός για την ΤΝ σχεδιάστηκε κατά τρόπον ώστε η ΤΝ που αναπτύσσεται και χρησιμοποιείται στην ΕΕ να είναι αξιόπιστη, με εγγυήσεις για την προστασία των θεμελιωδών δικαιωμάτων των πολιτών. Ο κανονισμός αποσκοπεί στη δημιουργία μιας εναρμονισμένης εσωτερικής αγοράς για την ΤΝ στην ΕΕ, ενθαρρύνοντας την υιοθέτηση της ΤΝ και δημιουργώντας ένα ευνοϊκό περιβάλλον για την καινοτομία και τις επενδύσεις. Η Εκτελεστική Αντιπρόεδρος για μια Ευρώπη Έτοιμη για την Ψηφιακή Εποχή κ. Μαργκρέιτε Βέστεϊγιερ δήλωσε σχετικά: «Η ΤΝ μπορεί να αλλάξει τον τρόπο που δουλεύουμε και ζούμε και υπόσχεται τεράστια οφέλη για τους πολίτες, την κοινωνία μας και την ευρωπαϊκή οικονομία. Η ευρωπαϊκή προσέγγιση όσον αφορά αυτή την τεχνολογία είναι ανθρωποκεντρική και διασφαλίζει την προστασία των δικαιωμάτων όλων των πολιτών. Με τον κανονισμό για την ΤΝ, η ΕΕ έχει κάνει ένα σημαντικό βήμα ώστε η υιοθέτηση της τεχνολογίας ΤΝ να συμμορφώνεται με τους κανόνες της ΕΕ.» Ο Επίτροπος Εσωτερικής Αγοράς κ. Τιερί Μπρετόν δήλωσε τα εξής: «Η σημερινή μέρα αποτελεί σημαντικό βήμα και αναδεικνύει τον ηγετικό ρόλο της Ευρώπης στον τομέα της αξιόπιστης ΤΝ. Με την έναρξη ισχύος του κανονισμού για την ΤΝ, η ευρωπαϊκή δημοκρατία θεσπίζει ένα αποτελεσματικό, αναλογικό και πρωτοπόρο παγκόσμιο πλαίσιο για την ΤΝ, το οποίο αντιμετωπίζει τους κινδύνους και λειτουργεί ως εφαλτήριο για τις ευρωπαϊκές νεοφυείς επιχειρήσεις ΤΝ.» Η πλειονότητα των διατάξεων του κανονισμού για την ΤΝ θα αρχίσει να εφαρμόζεται στις 2 Αυγούστου 2026. Ωστόσο, οι απαγορεύσεις των συστημάτων ΤΝ που θεωρείται ότι ενέχουν μη αποδεκτούς κινδύνους θα εφαρμοστούν ήδη μετά από έξι μήνες, ενώ οι κανόνες για τα λεγόμενα μοντέλα ΤΝ γενικού σκοπού θα εφαρμοστούν μετά από 12 μήνες. Προκειμένου να καλυφθεί η μεταβατική περίοδος πριν από την πλήρη εφαρμογή του κανονισμού, η Επιτροπή δρομολόγησε το σύμφωνο για την ΤΝ. Η εν λόγω πρωτοβουλία καλεί τους προγραμματιστές ΤΝ να υιοθετήσουν οικειοθελώς τις βασικές υποχρεώσεις του κανονισμού για την ΤΝ πριν από τις νόμιμες προθεσμίες. Τα κράτη μέλη έχουν πλέον προθεσμία έως τις 2 Αυγούστου 2025 για να ορίσουν τις εθνικές αρμόδιες αρχές, οι οποίες θα εποπτεύουν την εφαρμογή των κανόνων για τα συστήματα ΤΝ, καθώς και την αγορά. Η Υπηρεσία ΤΝ της Επιτροπής θα είναι ο κύριος φορέας εφαρμογής του κανονισμού για την ΤΝ σε επίπεδο ΕΕ, καθώς και ο εγγυητής των κανόνων για τα μοντέλα ΤΝ γενικού σκοπού. Το σχετικό δελτίο Τύπου είναι διαθέσιμο εδώ. View full είδηση

Ήταν αρχές Σεπτεμβρίου του 2021 όταν μία παρέα φίλων και ερευνητών με εξειδίκευση στον αυτοματισμό και τις νέες τεχνολογίες διοργάνωναν ακόμη μία πεζοπορία στη Ζεστή Κοιλάδα, γνωστή ως Βάλια Κάλντα στη Βόρεια Πίνδο. Eχοντας βρεθεί εκεί αρκετές φορές για περιπλάνηση και άφθονη περιπέτεια στο άγριο τοπίο, ο Γιώργος Μενδρινός, ο Μάριος Γλυτσός και ο Γιώργος Μίχας διέσχισαν πολλές «γιδόστρατες» στον διάβα τους, απέφυγαν πολλά επικίνδυνα «λούκια», ενώ εύχονταν να γνώριζαν εκ των προτέρων για τα αδιάβατα μονοπάτια που καταλήγουν σε πουρναροτόπια. Συνειδητοποιώντας πως υπήρχαν πάρα πολλές διαδρομές ανά την Ελλάδα έτοιμες προς εξερεύνηση, η σκέψη που έκαναν τότε φαντάζει σήμερα πολύ απλή εξαιτίας των ραγδαίων τεχνολογικών εξελίξεων. «Γιατί να μη βάλουμε την τεχνητή νοημοσύνη να χαρτογραφήσει τα μονοπάτια;», είπαν και ξεκίνησαν να «ψάχνονται». Ερχόμενοι στο σήμερα η τοπική νεοφυής επιχείρηση Caius έχει κάνει μεγάλη πρόοδο στη χαρτογράφηση των ελληνικών μονοπατιών μέσω της τεχνητής νοημοσύνης, ενώ είναι η πρώτη εταιρεία που χρησιμοποιεί την AI σε αυτόν τον τομέα. Από αριστερά προς τα δεξιά ο Γιώργος Μενδρινός CEO της Caius, ο Μάριος Γλυτσός (CIO) και ο Γιώργος Μίχας (CTO). «Αυτό που κατανοήσαμε ως πεζοπόροι στο πεδίο είναι πόσο δύσκολη είναι η χαρτογράφηση των μονοπατιών από μία ομάδα ανθρώπων αλλά και πόσα πολλά μονοπάτια υπάρχουν στη χώρα μας που παραμένουν απάτητα. Μόλις καταλήξαμε σε αυτή τη διαπίστωση, καταλάβαμε πως ένας μέρος της διαδικασίας μπορεί να γίνει αυτοματοποιημένα γλιτώνοντας πολύτιμο χρόνο και ενέργεια στους πεζοπορους», αναφέρει στην «Κ» ο CEO της εταιρίας Γιώργος Μενδρινός. Αυτό που κάναμε επί μήνες γίνεται σε μερικές εβδομάδες Εξηγώντας αναλυτικά πώς ακριβώς η τεχνητή νοημοσύνη θα βοηθήσει την Ελλάδα να γίνει ένας από τους κορυφαίους πεζοπορικούς προορισμούς στον κόσμο, ο Φοίβος Τσαβαρόπουλος, συνιδρυτής της κοινοτικής συνεταιριστικής επιχείρησης, Paths of Greece με 20ετή εμπειρία στην πεζοπορία εξηγεί πόσο δύσκολο ήταν το έργο της ανακάλυψης και καταγραφής δικτύων μονοπατιών σε περιοχές της Ελλάδας πριν από την έλευση των νέων τεχνολογιών. Τα τρία πρώτα (DEM, SAR και RGB) είναι τα κύρια επίπεδα δεδομένων τα οποία χρησιμοποιεί το ΑΙ μοντέλο για να χαρτογραφήσει μονοπάτια, ενώ τα τρία επόμενα (different terrain areas, trails, Points of Interest) είναι τα επίπεδα δεδομένων που εξάγει το ΑΙ μοντέλο. Πριν η εταιρεία Caius τους χτυπήσει την πόρτα, η ομάδα περνούσε μήνες σε μία περιοχή για να ανιχνεύσει παλιά μονοπάτια και να τα συνδέσει με ήδη γνωστά. «Όταν μας καλούσε ένας δήμος για να του χαρτογραφήσουμε τα μονοπάτια, η έρευνά μας μπορεί να διαρκούσε ακόμη και δύο μήνες. Αρχικά βασιζόμασταν σε παλιούς χάρτες του στρατού αλλά και τη γνώση των ντόπιων προκειμένου να δημιουργήσουμε έναν χάρτη πριν ξεκινήσουμε την επιτόπια έρευνα. Το γεγονός πως οι χάρτες ήταν αρκετά παλιοί αλλά και οι ντόπιοι που ήξεραν τα μονοπάτια λιγόστευαν όλο και περισσότερο με τα χρόνια δυσκόλευαν το έργο μας. Πλέον αυτή τη δουλειά την κάνει η τεχνητή νοημοσύνη και έτσι χρειαζόμαστε απλώς μερικές εβδομάδες», εξηγεί ο κ. Τσαβαρόπουλος λέγοντας ουσιαστικά πως με την AI η ομάδα του ξεκινά πεζοπορία σε μία περιοχή έχοντας στα χέρια της πολύ πιο στοχευμένα δεδομένα. 3D ψηφιοποιήσεις επί του πεδίου που διενεργεί η Caius προκειμένου να μελετήσει τα μονοπάτια. Πλέον οι εικόνες υψηλής ευκρίνειας από τους δορυφόρους, τα δεδομένα από τα ραντάρ, τα μοντέλα μηχανικής μάθησης και η τεχνητή νοημοσύνη έχουν αντικαταστήσει τις παραπάνω τεχνικές. «Πλέον μπορούμε να βλέπουμε την ίδια εικόνα πολλές φορές –σε έγχρωμη και 3D μορφή αλλά και με ακτινοβολία στο φάσμα των υπερύθρων– με αποτέλεσμα η τεχνητή νοημοσύνη να προσπαθεί να αναγνωρίσει μονοπάτια σε κάθε εικόνα συμπεριλαμβάνοντάς τα σε μία τελική χαρτογράφηση», εξηγεί ο κ. Μενδρινός. Ένας από τους στόχους της ψηφιοποίησης των μονοπατιών είναι και η βελτίωση του ΑΙ μοντέλου της Caius. Από την Ιο μέχρι τη Σερβία Παρ’ ότι κανείς θα νόμιζε πως οι ερευνητές τεχνητής νοημοσύνης και οι επαγγελματίες πεζοπόροι θα μπορούσαν να είναι αντίπαλοι και όχι συνεργάτες, εν προκειμένω αποδεικνύεται πως η συνεργασία τους είναι καθοριστική για τη δημιουργία ενός μεγάλου και ολοκληρωμένου εθνικού δικτύου μονοπατιών. Εικόνες από την πορεία εκπαίδευσης του νευρωνικού δικτύου αυτοματοποιημένης ανακάλυψης μονοπατιών. Όπως εξηγεί ο CEO της Caius οι επαγγελματίες πεζοπόροι της “Paths of Greece” όσο και μαραθωνοδρόμοι βουνού έπαιξαν με τη σειρά τους καθοριστικό ρόλο καθώς με τις γνώσεις τους αλλά και την επιτόπια έρευνά τους μας βοήθησαν στη δημιουργία μίας μεγάλης βάσης δεδομένων πάνω στην οποία εκπαιδεύθηκε η AI. Ένα μινιμαλιστικό δείγμα από τον χάρτη που δημιουργεί το ΑΙ και χρησιμοποιούν οι επαγγελματίες πεζοπόροι στην επί του πεδίου μελέτη τους. Μέχρι στιγμής η Caius έχει χαρτογραφήσει δίκτυο μοναπατιών στη Σπάρτη, την Ιο, τη Σκιάθο, τη Χαλκιδική, την Ήπειρο, την Αρχαία Ολυμπία αλλά και στη νότια Ιταλία, τη Σερβία, την Κύπρο και τα σύνορα Ελλάδας-Αλβανίας. Οι υπηρεσίες της απευθύνονται σε αρμόδιες επιχειρήσεις και φορείς ώστε μετά τη χαρτογράφηση να ακολουθήσει η συντήρηση και διάνοιξη των μονοπατιών, απαραίτητη προϋπόθεση για την ασφάλεια όλων των πεζοπόρων προτού περιπλανηθούν σε αυτά. Το ίδιο δείγμα στην πλήρη μορφή του. Live περιήγηση Οι ερευνητές ετοιμάζονται να δημοσιεύσουν σε λίγο καιρό και μία πλατφόρμα για το ευρύ κοινό όπου θα έχουν συγκεντρώσει όλα τα πιστοποιημένα μονοπάτια από τις αρμόδιες υπηρεσίες. Με αυτόν τον τρόπο το ευρύ κοινό θα μπορεί να περιηγείται στα μονοπάτια ακόμη και ψηφιακά. «Ο χρήστης θα μπορεί μέσω της εφαρμογής να πλοηγηθεί σε 3D μονοπάτια, να δει το επίπεδο δυσκολίας και άλλες χρήσιμες πληροφορίες αλλά και να γνωρίζει την ακριβή θέση τους ώστε να μπορεί να εκπέμψει SOS σε περίπτωση κινδύνου. Αυτό αναμένεται να είναι κιόλας η πρώτη AI εφαρμογή για μονοπάτια στην Ευρώπη», εξηγεί ο κ. Μενδρινός επισημαίνοντας πως αυτή τη στιγμή το μοντέλο τους έχει 92-95% ακρίβεια στη χαρτογράφηση μονοπατιών. Μπορεί η AI να αποτρέψει μία τραγωδία; Στην ερώτηση αν αυτή η καινοτομία μπορεί να αποτελέσει ένα χρήσιμο εργαλείο στα χέρια των πεζοπόρων με αφορμή τα τραγικά περιστατικά όπου τουρίστες χάνουν τη ζωή τους κάθε χρόνο, κατά τη διάρκεια φαινομενικά απλών δραστηριοτήτων της υπαίθρου, ο κ. Τσαβαρόπουλος επιμένει πως η σωστή προετοιμασία είναι το Α και το Ω στην πεζοπορία. Επαναλαμβάνοντας πως τα περισσότερα τραγικά περιστατικά αφορούν τουρίστες και όχι πεζοπόρους ο ίδιος σημειώνει πως αν κάποιος στην πεζοπορία δεν προετοιμαστεί σωστά λαμβάνοντας υπόψη όλες τις παραμέτρους, τότε η τεχνητή νοημοσύνη δεν θα είναι αυτή που θα τον βοηθήσει σε μία δύσκολη στιγμή. Η ομάδα της Caius μαζί με συνεργάτες της στο Μέτσοβο για έρευνα επί του πεδίου. «Σε κάθε περίπτωση όταν η τεχνητή νοημοσύνη διαθέτει μόνο ασφαλή δεδομένα από τα μονοπάτια της επικράτειας, τότε έχει τη δυνατότητα να παρουσιάσει πολύ ωραίες και εξατομικευμένες διαδρομές ανάλογα με τις ανάγκες και τα “θέλω” του καθενός. Με άλλα λόγια μπορεί να μας “σερβίρει” διαδρομές κομμένες και ραμμένες στα μέτρα μας αλλά πάντα με επιβεβαιωμένα δεδομένα», εξηγεί ο επαγγελματίας πεζοπόρος. Τα μονοπάτια ως μέσα ασφαλούς εκκένωσης Εκτός από τη χρήση της AI για τουριστικούς λόγους, η ομάδα της Caius ασχολείται με τη χαρτογράφηση μονοπατιών ως μέσων διαφυγής και επέμβασης σε περίπτωση φωτιάς, καθώς θεωρεί πως μπορούν να χρησιμοποιηθούν για την ασφαλή εκκένωση μιας περιοχής αλλά και για την επέμβαση της Πυροσβεστικής ειδικά σε μία δασική έκταση. «Αυτή τη στιγμή ετοιμάζουμε κάποια case studies σε δασικές περιοχές της Ηπείρου και της Πελοποννήσου με στόχο την πρόληψη για τη σωστή συντήρηση μονοπατιών σε περίπτωση πυρκαγιάς», καταλήγει ο κ. Μενδρινός. Φωτογραφίες: Caius View full είδηση

To θερμόμετρο δείχνει 40 βαθμούς Κελσίου και οι άνεμοι πνέουν ισχυροί την ώρα που μια μικρή στήλη καπνού ίσα που ξεπροβάλει ανάμεσα από τις κόμες των πεύκων στο Σέιχ Σου. Μια πυρκαγιά βρίσκεται εν τη γενέσει, αλλά ευτυχώς το περιαστικό δάσος της Θεσσαλονίκης είναι εξοπλισμένο με άγρυπνα «μάτια». Αισθητήρες εδάφους και drones με κάμερες συμβατικές και υπέρυθρων, που το περιπολούν, καταγράφουν άμεσα το συμβάν και στέλνουν τα δεδομένα στο Κέντρο Επιχειρήσεων της Πυροσβεστικής. Εκεί, με τη χρήση και Τεχνητής Νοημοσύνης (ΤΝ), αρχίζει τη διαδικασία για τη βέλτιστη αντιμετώπιση της πυρκαγιάς. Ταυτόχρονα, λαμβανομένων υπόψη των ισχυρών ανέμων που πνέουν στην περιοχή και του καύσωνα, διατυπώνονται σενάρια για το πόσο γρήγορα οι φλόγες θα μπορούσαν να φτάσουν από το Σέιχ Σου στον δρόμο Χορτιάτη- Αγίου Βασιλείου, αν ξεφύγει η κατάσταση, ώστε να γίνουν -αν χρειαστεί- οι απαιτούμενες εκκενώσεις και οι δυνάμεις της πυροσβεστικής να κατευθυνθούν εγκαίρως στα καίρια σημεία. Ταυτόχρονα, με τη χρήση της τεχνολογίας, εντοπίζεται ένα αυτοκίνητο με τέσσερις αμέριμνους επιβάτες, οι οποίοι θα μπορούσαν δυνητικά να κινδυνέψουν από τις φλόγες, αν δεν απομακρυνθούν από την περιοχή εντός μίας ώρας. Το παραπάνω σενάριο είναι υποθετικό. Ωστόσο, οι δυνατότητες που περιγράφει, χάρη στη χρήση της τεχνολογίας, είναι υπαρκτές και βρίσκονται στο επίκεντρο του ευρωπαϊκού προγράμματος έρευνας και καινοτομίας ΤΕΜΑ (Αξιόπιστη και Εξαιρετικά Ακριβής Χαρτογράφηση και Πρόβλεψη για Διαχείριση Έκτακτων Καταστάσεων), που συμπλήρωσε τους πρώτους 18 μήνες του πριν από λίγες ημέρες, αναφέρει το ΑΠΕ-ΜΠΕ. Συντονιστής στο έργο, προϋπολογισμού 11 εκατ. ευρώ, είναι το Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ), ενώ από πλευράς της Ελλάδας μετέχουν ακόμα το Κέντρο Μελετών Ασφάλειας (ΚΕΜΕΑ) και ο δήμος Μαντουδίου, όπως λέει στο ΑΠΕΜΠΕ ο καθηγητής του Τμήματος Πληροφορικής του ΑΠΘ, Ιωάννης Πήτας. Συνολικά, για τους σκοπούς του έργου συνεργάζονται 19 εταίροι από όλη την Ευρώπη. Εργαλείο πρόληψης πυρκαγιών και οι ...αναρτήσεις στα social media Πώς ακριβώς λειτουργεί το όλο σύστημα; Συνδυάζοντας όλα τα απαιτούμενα εργαλεία και αναλύοντας Μεγάλα Δεδομένα, προερχόμενα από δορυφορικές εικόνες, εικόνες υπέρυθρου κάμερας, βίντεο από drones (τα οποία σημειωτέον μπορούν να πετάξουν ακόμα και σε πυκνό καπνό και να καταγράψουν εικόνα μέσω της κάμερας υπέρυθρων όπως εξηγεί ο καθηγητής), μετεωρολογικές μετρήσεις και προβλέψεις, αλλά και αναρτήσεις στα μέσα κοινωνικής δικτύωσης. Σχεδόν κάθε πολίτης σήμερα διαθέτει ένα έξυπνο κινητό με κάμερα και μπορεί να καταγράψει στατικές εικόνες ή βίντεο, που παρέχουν πολύτιμη πληροφορία για την πρόληψη και αντιμετώπιση των δασικών πυρκαγιών. Το πρώτο βήμα όμως, όπως αυτό αναπτύσσεται στο έργο ΤΕΜΑ, είναι η ανάπτυξη ενός ψηφιακού διδύμου (digital twin), ενός τρισδιάστατου χάρτη: «υπάρχουν περιοχές που θεωρούνται πολύ σημαντικές, όπως για παράδειγμα περιαστικά δάση σαν το Σέιχ Σου. Σε αυτές γίνεται πρώτα αποτύπωση της περιοχής σε έναν τρισδιάστατο χάρτη, όπου φαίνονται για παράδειγμα το ανάγλυφο του εδάφους, η καύσιμη ύλη, η κατεύθυνση από την οποία συνήθως πνέουν οι άνεμοι, το πόσο συχνοί είναι οι καύσωνες, οι προσβάσεις κτλ. Έπειτα σχεδιάζεται η επιτήρηση του δάσους, με αισθητήρες εδάφους, drones με κάμερες κτλ. Έτσι, αν εκδηλωθεί νέα εστία φωτιάς, η Πυροσβεστική μπορεί να χειριστεί το συμβάν πολύ ευκολότερα και ταχύτερα» εξηγεί ο κ.Πήτας. Αν τώρα πρόκειται για μια πυρκαγιά που έχει ξεφύγει από τον έλεγχο, όπως οι πρόσφατες στον Έβρο, που η κατάσβεσή τους μπορεί να απαιτήσει και μέρες, το σύστημα μπορεί να βοηθήσει και με άλλους τρόπους: να παρακολουθεί και να αναλύει, μέσω Τεχνητής Νοημοσύνης, μετεωρολογικά δεδομένα και δορυφορικές εικόνες, ώστε να γίνονται πιο εύστοχες προβλέψεις, π.χ., για την κατεύθυνση προς την οποία θα μπορούσε να εξαπλωθεί η φωτιά, για το πόσο γρήγορα θα μπορούσε να φτάσει σε μια κατοικημένη περιοχή ή για τις αναγκαίες εκκενώσεις. Στην πιο επιστημονική γλώσσα, το TEMA αναπτύσσει τεχνολογίες αιχμής που μπορούν να εξάγουν πληροφορία σε πραγματικό χρόνο από πολλαπλές πηγές ετερογενών δεδομένων, με τη χρήση αλγορίθμων Τεχνητής Νοημοσύνης (ΤΝ), να κάνουν προβλέψεις για την πιθανή εξέλιξη του φαινομένου σε πραγματικό χρόνο και να δημιουργήσουν ενημερωμένους τρισδιάστατους σημασιολογικούς χάρτες της πληττόμενης περιοχής. Οι αλγόριθμοι της ΤΝ (που πραγματοποιούν, πχ, ανίχνευση πυρκαγιάς, εύρεση οχημάτων/ατόμων που κινδυνεύουν) κατανέμονται με βέλτιστο τρόπο μεταξύ συσκευών χαμηλής υπολογιστικής ισχύος (π.χ., drones) στο πεδίο της καταστροφής και ισχυρών υπολογιστών που βρίσκονται στο υπολογιστικό νέφος (computing cloud), ίσως και χιλιάδες χιλιόμετρα μακριά. Η ανάλυση των δεδομένων της πυρκαγιάς ή πλημμύρας πραγματοποιείται με βάση Βαθιά Νευρωνικά Δίκτυα (DNNs) ή άλλους αλγορίθμους ΤΝ αιχμής με αξιόπιστο, διαφανή και εξηγήσιμο τρόπο. Η ανάλυση μεγάλων δεδομένων (π.χ., βίντεο από drones, δορυφορικές εικόνες, εικόνες υπέρυθρου, μηνύματα σε κοινωνικά μέσα, μετεωρολογικές μετρήσεις και προβλέψεις) γίνεται με τέτοιον τρόπο, ώστε να καλύπτονται οι ανάγκες τόσο του Κέντρου Επιχειρήσεων της Πυροσβεστικής, όσο και των πυροσβεστικών μονάδων, που επιχειρούν στο πεδίο της καταστροφής. Μελλοντικά, με τα ίδια εργαλεία θα μπορούσαν να μετρηθούν με ακρίβεια οι καμένες (ή πλημμυρισμένες) εκτάσεις. Οι δυσκολίες στην πράξη και οι πιλοτικές εφαρμογές Όλα αυτά ακούγονται εξαιρετικά. Είναι όμως και εφαρμόσιμα; Όπως επισημαίνει ο κ. Πήτας, η εφαρμογή ενός συστήματος όπως το ΤΕΜΑ δεν είναι απλή, αφού δεν αρκεί π.χ., ένας δήμος να προμηθευτεί δύο ή πέντε drones με κάμερες ή αισθητήρες εδάφους. «Χρειάζεται να προσληφθούν πιλότοι για τα drones, χρειάζεται πλάνο και συντονισμός, δεν είναι τόσο εύκολο» παρατηρεί. Χρήσιμα συμπεράσματα για την εφαρμογή αναμένεται πάντως να εξαχθούν κατά την τρίτη φάση του έργου ΤΕΜΑ, κατά την οποία προβλέπεται να γίνουν πιλοτικές εφαρμογές σε τέσσερις περιοχές: μια που θα αφορά πλημμύρες στο Μαντούδι της Εύβοιας (όπου η ομάδα του έργου θα βρεθεί τον Σεπτέμβριο του 2024), μία για πυρκαγιές και πλημμύρες στη Σαρδηνία, μία για πλημμύρες στη Βαυαρία και μια για δασικές φωτιές με ιδιαίτερα χαρακτηριστικά στη Φιλανδία. Η τρίτη αυτή φάση περιλαμβάνει δύο διαφορετικά πειράματα για κάθε περιοχή και αναμένεται να ολοκληρωθεί στο τέλος του 2026. Στο Μαντούδι έχει ήδη δημιουργηθεί digital twin της περιοχής, ενώ δεν αποκλείεται το ενδεχόμενο εγκατάστασης υδρομετρικών σταθμών και χρήσης μετεωρολογικών δεδομένων για την πρόβλεψη της πιθανότητας πλημμυρών. Προς το παρόν ολοκληρώθηκε η πρώτη φάση του έργου, που αφορά την ανάπτυξη των απαραίτητων τεχνολογιών αιχμής και των προγνωστικών μοντέλων ΤΝ και το 2025 εκτιμάται ότι θα εκκινήσει η δεύτερη φάση, που προβλέπει τη δημιουργία ενιαίου λογισμικού, όπου θα ενσωματώνονται όλες οι τεχνολογίες. View full είδηση

H ενσωμάτωση της τεχνητής νοημοσύνης στον τομέα των κατασκευών δεν είναι απλώς μια καλή ιδέα, αλλά πραγματικά μια αναγκαιότητα, λόγω της ανάγκης μείωσης του κόστους και της βελτίωσης της αποτελεσματικότητας και της ασφάλειας. Αυτό που ξεχωρίζει τους κατασκευαστές από άλλες εταιρείες είναι η ακόμη μεγαλύτερη εξάρτηση από την εργασία, τους μεγάλους στόλους εξοπλισμού, την κατασκευή υλικών και τη μεταφορά φορτίων. Στην όλη παραγωγική διαδικασία υπάρχουν τεράστιες δυνατότητες βελτίωσης μέσω της τεχνητής νοημοσύνης, με έξι παραμέτρους να ξεχωρίζουν. Προγραμματισμός και Σχεδιασμός Μία από τις πρώτες εφαρμογές της τεχνητής νοημοσύνης στις κατασκευές είναι στον προγραμματισμό και το σχεδιασμό έργων. Τα εργαλεία προγραμματισμού επαυξημένης τεχνητής νοημοσύνης παρέχουν τη δυνατότητα εκτέλεσης ανάλυσης και εντοπισμού πιθανών κινδύνων του έργου πιο γρήγορα από ό,τι στο παρελθόν. Παράλληλα, εργαλεία σχεδιασμού με τεχνητή νοημοσύνη, όπως τα συστήματα BIM, αξιοποιούν αλγόριθμους μηχανικής μάθησης για τη δημιουργία λεπτομερών τρισδιάστατων μοντέλων κατασκευαστικών έργων. Αυτά τα μοντέλα διευκολύνουν την καλύτερη οπτικοποίηση, επιτρέποντας στους ενδιαφερόμενους να εντοπίσουν πιθανά ζητήματα πριν ξεκινήσει η κατασκευή. Διαχείριση ασφάλειας και εκτίμηση κινδύνου Η ασφάλεια αποτελεί πρωταρχικό μέλημα στον κλάδο των κατασκευών. Η τεχνητή νοημοσύνη ενισχύει τη διαχείριση της ασφάλειας μέσω παρακολούθησης σε πραγματικό χρόνο και προγνωστικών αναλύσεων. Για παράδειγμα, οι κάμερες και οι αισθητήρες με τεχνητή νοημοσύνη μπορούν να ανιχνεύσουν επικίνδυνες συμπεριφορές ή συνθήκες στο χώρο και να ειδοποιήσουν τους επόπτες. Επιπλέον, με καλά σωρευτικά δεδομένα επιθεώρησης, οι αλγόριθμοι τεχνητής νοημοσύνης μπορούν να αναλύσουν ιστορικά δεδομένα για να προβλέψουν και να μετριάσουν πιθανούς κινδύνους. Παράγοντες όπως ο καιρός, η εναλλαγή των εργαζομένων, η συχνότητα της εκπαίδευσης σε θέματα ασφάλειας και η καθυστέρηση ενός έργου έχουν επιπτώσεις σε πιθανά συμβάντα ασφάλειας. Αυτοματοποιημένος εξοπλισμός κατασκευής Ο αυτοματισμός στις κατασκευές προχωρά με ταχείς ρυθμούς, με την τεχνητή νοημοσύνη να διαδραματίζει κρίσιμο ρόλο στην ανάπτυξη αυτόνομου εξοπλισμού. Μη επανδρωμένα αεροσκάφη, ρομποτικοί βραχίονες και αυτόνομα οχήματα που ελέγχονται από την τεχνητή νοημοσύνη χρησιμοποιούνται για εργασίες όπως επιτόπιες έρευνες, μεταφορά υλικών, ακόμη και εργασίες κατασκευής όπως η τοιχοποιία και η συγκόλληση. Ωστόσο, οι τεχνολογίες ελέγχου μηχανών που κυκλοφορούν εδώ και λίγο καιρό είναι ένα πρώιμο παράδειγμα αυτοματισμού. Καθώς η τεχνολογία AI προχωρά και γίνεται πιο οικονομική, η υιοθέτησή της αναμένεται να αυξηθεί. Βελτιστοποίηση της εφοδιαστικής αλυσίδας Η τεχνητή νοημοσύνη μεταμορφώνει τη διαχείριση της εφοδιαστικής αλυσίδας στον τομέα των κατασκευών, βελτιστοποιώντας τα logistics και τη διαχείριση αποθεμάτων. Οι αλγόριθμοι μηχανικής εκμάθησης μπορούν να προβλέψουν τη ζήτηση για υλικά, να προσδιορίσουν τις πιο αποτελεσματικές διαδρομές προμήθειας και να διαχειριστούν τα επίπεδα αποθέματος σε πραγματικό χρόνο. Η βελτιστοποίηση της εφοδιαστικής αλυσίδας με τεχνητή νοημοσύνη κερδίζει έδαφος, ειδικά μεταξύ μεγάλων κατασκευαστικών εταιρειών. Και, ενώ η τεχνολογία είναι ώριμη, η εφαρμογή της απαιτεί ενοποίηση με τα υπάρχοντα συστήματα προγραμματισμού πόρων της επιχείρησης και συνεργασία με προμηθευτές. Ποιοτικός έλεγχος και διασφάλιση Η διασφάλιση της υψηλής ποιότητας κατασκευής είναι κρίσιμη για την επιτυχία ενός έργου. Η τεχνητή νοημοσύνη βοηθά στον ποιοτικό έλεγχο αναλύοντας εικόνες και δεδομένα από εργοτάξια για τον εντοπισμό ελαττωμάτων ή αποκλίσεων από το σχέδιο και τις προδιαγραφές του έργου. Για παράδειγμα, τα συστήματα υπολογιστικής όρασης μπορούν να ανιχνεύσουν ρωγμές στο σκυρόδεμα ή ασυνέπειες σε δομικά στοιχεία. Ενώ υπάρχουν λύσεις που βασίζονται στην τεχνητή νοημοσύνη για κάθετη κατασκευή, τα εργαλεία για χρήση σε βαριά αστικά έργα είναι ακόμα νέα. Η κύρια πρόκληση αυτής της παραμέτρου είναι η ενοποίηση των συστημάτων τεχνητής νοημοσύνης με τις παραδοσιακές διαδικασίες διασφάλισης ποιότητας και η ανάγκη για εξειδικευμένο προσωπικό για την ερμηνεία των δεδομένων που παράγονται από την τεχνητή νοημοσύνη. Αποφάσεις με γνώμονα την τεχνητή νοημοσύνη Ο αριθμός των αποφάσεων που πρέπει να λάβει μια ομάδα έργου κάθε μέρα για να διατηρήσει το έργο της σε καλό δρόμο, εντός προϋπολογισμού και με την απαραίτητη ασφάλεια είναι συγκλονιστικός. Αυτές οι αποφάσεις λαμβάνονται με ή χωρίς καλά δεδομένα. Τα συστήματα υποστήριξης αποφάσεων που βασίζονται στην τεχνητή νοημοσύνη παρέχουν στους διαχειριστές κατασκευών πληροφορίες και συστάσεις με βάση την ανάλυση δεδομένων σε πραγματικό χρόνο, η οποία μπορεί να περιλαμβάνει εξωτερικές πηγές δεδομένων. Αυτά τα συστήματα μπορούν να προβλέψουν τα αποτελέσματα του έργου, να προτείνουν κατανομές πόρων και να εντοπίσουν πιθανές καθυστερήσεις ή υπερβάσεις προϋπολογισμού. Ωστόσο, η διαθεσιμότητα και η αποτελεσματικότητα αυτών των εργαλείων ποικίλλει πολύ, με πολλά να εξαρτώνται από την ποιότητα της εισαγωγής δεδομένων και την ικανότητα των διαχειριστών να κατανοούν τα δεδομένα που παρουσιάζονται, να τα εμπιστεύονται και να ενεργούν σύμφωνα με τις συστάσεις που δημιουργούνται από την τεχνητή νοημοσύνη. Ενώ οι δυνατότητες της τεχνητής νοημοσύνης στη βαριά αστική κατασκευή είναι σημαντικές, αρκετές προκλήσεις εμποδίζουν την πλήρη υιοθέτησή της. Μεταξύ αυτών, το υψηλό κόστος των τεχνολογιών τεχνητής νοημοσύνης, η ανάγκη για εξειδικευμένο προσωπικό, η ανησυχίες για την προστασία των ιδιωτικών δεδομένων και η αντίσταση που παρουσιάζει ο κλάδος στις αλλαγές, αποτελούν διακριτές δυσκολίες. Ωστόσο, η συνεχής εξέλιξη της τεχνητής νοημοσύνης υποδηλώνει ότι πολλοί τομείς χρήσης θα συνεχίσουν να εξελίσσονται ραγδαία και θα καταφέρουν να ενσωματωθούν επιτυχώς στον κλάδο των κατασκευών. Πηγή: Construction Dive View full είδηση

Η τεχνητή νοημοσύνη (AI) έχει αρχίσει να φέρνει σημαντικές αλλαγές στην αυτοκινητοβιομηχανία, επηρεάζοντας διάφορους τομείς όπως η παραγωγή, η οδήγηση, η ασφάλεια και η συντήρηση. Η βασικότερη αλλαγή θα συντελεστεί όμως, προς το παρόν, στην αυτόνομη οδήγηση. Η αυτονομία επιπέδου 5, που σημαίνει ότι τα αυτοκίνητα θα κυκλοφορούν πλήρως χωρίς οδηγό, θα στηριχθεί πάνω στην τεχνητή νοημοσύνη. Τα αυτόνομα οχήματα χρησιμοποιούν AI για να αναγνωρίζουν εμπόδια, να παίρνουν αποφάσεις σε πραγματικό χρόνο και να πλοηγούνται με ασφάλεια στους δρόμους. Παράλληλα, οι αλγόριθμοι τεχνητής νοημοσύνης μπορούν να αντιδράσουν πιο γρήγορα και με μεγαλύτερη ακρίβεια από τον ανθρώπινο οδηγό, αναλαμβάνοντας δράση για την αποφυγή συγκρούσεων, μέχρι και την πρόληψη κόπωσης. Πέρα από τις δυνατότητες τις οποίες ήδη αναφέραμε, χάρη στα προηγμένα συστήματα υποβοήθησης του οδηγού (ADAS), η τεχνητή νοημοσύνη αναλύοντας τα δεδομένα του οχήματος, μπορεί να προβλέψει μηχανικές βλάβες και να προτείνει αντικατάσταση ή επισκευή ορισμένων εξαρτημάτων. Με αυτόν τον τρόπο θα αποτελέσει πηγή πιθανής εξοικονόμησης κόστους, καθώς θα εντοπιστεί το πρόβλημα πριν αυτό γίνει μεγαλύτερο. Ενώ ωτόσο, ακόμα παραμένει το ερώτημα εάν το σύστημα είναι ασφαλές σε όλες τις πιθανές συνθήκες οδήγησης, το μέγεθος της αγοράς για αυτόνομα οχήματα αναμένεται να τριπλασιαστεί τα επόμενα πέντε χρόνια. Ήδη οι αυτοκινητοβιομηχανίες επενδύουν τεράστια ποσά για να αναπτύξουν τα επίπεδα της αυτόνομης οδήγησης. Οι μεγαλύτερες εταιρείες αυτοκινήτων και τεχνολογίας, όπως η Tesla, Google (Waymo) και Uber, ήδη επενδύουν σε τεχνολογίες αυτόνομων οχημάτων. Το 2024, η Tesla αναμένεται να επενδύσει πάνω από 10 δισεκατομμύρια δολάρια στο πρόγραμμα αυτοοδήγησης της. Αυτή η επένδυση περιλαμβάνει την ανάπτυξη υπολογιστικής ισχύος για εκπαίδευση, τη δημιουργία τεράστιων δεδομένων και την αποθήκευση βίντεο. Η συνολική επένδυση της Tesla σε οχήματα εξοπλισμένα με AI ανέρχεται σε περίπου 250 δισεκατομμύρια δολάρια, καθώς η εταιρεία προσπαθεί να καταστήσει δυνατή την πλήρη αυτονομία των αυτοκινήτων της. View full είδηση

Αν το 2023 θεωρήθηκε η χρονιά που η τεχνολογία της τεχνητής νοημοσύνης έγινε γνωστή στο ευρύ κοινό, το 2024 αποτελεί ορόσημο για την πρακτική ενσωμάτωσή της στην καθημερινή λειτουργία των επιχειρήσεων. Το παραπάνω συμπέρασμα προκύπτει, μεταξύ άλλων, από την πρόσφατη μελέτη «State of AI in early 2024: Gen AI adoption spikes and starts to generate value» της Quantum Black AI, by McKinsey. Ενδεικτικά, σε διάστημα μόλις 10 μηνών, η υιοθέτηση της παραγωγικής τεχνητής νοημοσύνης (gen ΑΙ) φέρεται να έχει διπλασιαστεί, με τις επιχειρήσεις που την εμπιστεύτηκαν πρώτες, να καταγράφουν ήδη βελτιωμένα οικονομικά στοιχεία. Εντούτοις, περίπου 9 στα 10 έργα που ξεκινούν στο πεδίο της Τεχνητής Νοημοσύνης δεν καταφέρνουν να ξεπεράσουν το πιλοτικό στάδιο και να φτάσουν στην πλήρη υλοποίηση. Γεγονός που καταδεικνύει και την περιπλοκότητα της υιοθέτησης τέτοιων συστημάτων σε ευρεία κλίμακα. Στο ταξίδι αυτό οι ελληνικές επιχειρήσεις έχουν ακόμα αρκετή απόσταση να διανύσουν, παρά την αξιόλογη πρόοδο που έχουν κάνει. Όπως επεσήμαναν εχθές, στο πλαίσιο ενημερωτικής εκδήλωσης, στελέχη της McKinsey, η Ελλάδα βρίσκεται πολύ πιο πίσω σε σχέση με τον διεθνή μέσο όρο ως προς την υιοθέτηση της τεχνητής νοημοσύνης, ωστόσο μπορεί να αποκομίσει μεγάλα οφέλη εκμεταλλευόμενη το υψηλό επίπεδο ταλέντου και έρευνας. Όπως ανέφερε χαρακτηριστικά ο Χριστόφορος Αναγνωστόπουλος partner της McKinsey και επικεφαλής της Quantum Black, που αποτελεί εξειδικευμένο τμήμα της McKinsey για το AI, «η στιγμή είναι πολύ κρίσιμη για την Ελλάδα και τις ελληνικές επιχειρήσεις καθώς τα περιθώρια στενεύουν». Οι επιχειρήσεις, σύμφωνα με τον ίδιο, πρέπει να δράσουν άμεσα και να εκμεταλλευτούν την «έκρηξη» της τεχνητής νοημοσύνης σε μια περίοδο κατά την οποία η χρήση των εργαλείων gen ΑΙ από τις επιχειρήσεις καταγράφει κατακόρυφη αύξηση, σε παγκόσμιο επίπεδο. Η διείσδυση της τεχνητής νοημοσύνης στις επιχειρήσεις Στην Ελλάδα, η διείσδυση της τεχνητής νοημοσύνης αλλά και του ίδιου του ψηφιακού μετασχηματισμού ο οποίος αποτελεί σε μεγάλο βαθμό προϋπόθεσή της, εξακολουθεί να υστερεί κατά περίπου 50% σε σχέση με τον ευρωπαϊκό μέσο όρο, σε όλες τις επιχειρήσεις ανεξαρτήτως μεγέθους. Εντούτοις, το ποσοστό των εταιρειών που εξετάζουν την υιοθέτηση συστημάτων τεχνητής νοημοσύνης διπλασιάστηκε από το 2021 μέχρι το 2023. Σε παγκόσμιο επίπεδο, το 72% των επιχειρήσεων υιοθετούν τεχνολογίες τεχνητής νοημοσύνης, ανατρέποντας μια στασιμότητα έξι ετών κατά την οποία η χρήση τέτοιων τεχνολογιών είχε μείνει αμετάβλητη, περίπου στο 50%. Η πλειοψηφία των εταιρειών δηλώνει ότι στρέφεται στην τεχνητή νοημοσύνη με στόχο να καλυφθούν ταυτόχρονες ανάγκες σε πολλαπλούς τομείς, με πιο συνήθεις το marketing, τις πωλήσεις, την ανάπτυξη προϊόντων και το ΙΤ. Σήμερα, η παραγωγική τεχνητή νοημοσύνη (gen ΑΙ) διεισδύει και στην καθημερινότητα των ιδίων των στελεχών, γεγονός που δεν παρατηρούνταν στον ίδιο βαθμό με παλαιότερες μορφές ΤΝ. Συγκεκριμένα, το 56% των διοικητικών στελεχών (CxOs) αναφέρουν ότι χρησιμοποιούν συχνά εργαλεία παραγωγικής τεχνητής νοημοσύνης (gen ΑΙ) εντός ή/και εκτός εργασιακού περιβάλλοντος. Εντούτοις, αξίζει να σημειωθεί πως το ποσοστό στελεχών μεσαίας ή υψηλής βαθμίδας που δηλώνουν τακτικοί χρήστες εργαλείων τεχνητής νοημοσύνης εντός εργασιακού περιβάλλοντος ανέρχεται στο 32% στην Ευρώπη, ένα ποσοστό αισθητά μικρότερο σε σχέση με άλλες περιοχές του πλανήτη, με την μεγαλύτερη εξοικείωση να καταγράφεται στην Κίνα, όπου το ίδιο ποσοστό ανέρχεται στο 46%. Οι τομείς στους οποίους η χρήση τεχνητής νοημοσύνης εντός εργασιακού περιβάλλοντος έχει τη μεγαλύτερη διείσδυση είναι οι τηλεπικοινωνίες, ο χώρος της τεχνολογίας, και ο κλάδος των επαγγελματικών υπηρεσιών. Σε επίπεδο επιχειρήσεων, σύμφωνα με τα ευρήματα της έρευνας, η συχνή χρήση της παραγωγικής τεχνητής νοημοσύνης (gen ΑΙ) στο εργασιακό περιβάλλον έχει αυξηθεί σημαντικά σε σχέση με το 2023: Μέσα και Επικοινωνίες: 45% (από 21%) Τεχνολογία: 54% (από 39%) Επιχειρήσεις, νομικές και συμβουλευτικές υπηρεσίες: 57% (από 23%) Ενέργεια: 35% (από 11%) Προηγμένες βιομηχανίες: 27% (από 20%) Καταναλωτικά αγαθά και λιανική: 33% (από 18%) Χρηματοοικονομικές υπηρεσίες: 26% (από 24%) Υγεία: 31% (από 16%) Η παραγωγική τεχνητή νοημοσύνη (gen ΑΙ) έχει πλέον καθιερωθεί ως ένα αποτελεσματικό εργαλείο για τις επιχειρήσεις, προσφέροντας σημαντικά οφέλη. Αναγνωρίζοντας την αξία της και τα οφέλη της, περίπου το 33% των ερωτηθέντων επιχειρήσεων προορίζει τουλάχιστον το 5% του προϋπολογισμού που αφορά στον ψηφιακό τους μετασχηματισμό, στην ενσωμάτωση και τη διεύρυνση των λύσεων και των εργαλείων παραγωγικής τεχνητής νοημοσύνης (gen ΑΙ). Το αντίστοιχο ποσοστό των ερωτηθέντων που σκοπεύουν να επενδύσουν αντίστοιχα σε εργαλεία «παραδοσιακής» τεχνητής νοημοσύνης ανέρχεται στο 39%, πράγμα που επιβεβαιώνει την εκτίμηση της McKinsey πως οι παλαιότερες μορφές τεχνητής νοημοσύνης εξακολουθούν να αποτελούν κύριο πυλώνα δημιουργίας αξίας στις περισσότερες επιχειρήσεις. Σε κάθε περίπτωση, με τις επιχειρήσεις να διακρίνουν σημαντικά περιθώρια βελτίωσης των οικονομικών τους δεικτών μέσα από την αξιοποίηση παραγωγικής Τεχνητής Νοημοσύνης (gen ΑΙ), η επόμενη τριετία αναμένεται να χαρακτηριστεί από ισχυρή αύξηση των επενδύσεων στον τομέα αυτόν. Οι τομείς με τον μεγαλύτερο θετικό αντίκτυπο Οι πέντε τομείς στους οποίους αναμένεται να έχει τον μεγαλύτερο θετικό αντίκτυπο παγκοσμίως η διείσδυση των συστημάτων τεχνητής νοημοσύνης είναι αυτοί της τεχνολογίας και πληροφορικών συστημάτων, της εκπαίδευσης, των τηλεπικοινωνιών, των επιστημών υγείας, και του τραπεζικού και ασφαλιστικού τομέα. Πολλοί από αυτούς τους τομείς είναι ενεργοί και στον ελληνικό χώρο, γεγονός ελπιδοφόρο για το συνολικό πιθανό αντίκτυπο της τεχνητής νοημοσύνης στην εγχώρια οικονομία. Σύμφωνα με τα διαθέσιμα στοιχεία, μόνο 1 στα 10 έργα τεχνητής νοημοσύνης καταφέρνει να ξεπεράσει το πιλοτικό στάδιο και να χρησιμοποιηθεί σε ευρεία κλίμακα. Έχει λοιπόν ενδιαφέρον να γίνει κατανοητό πώς διαφέρουν εκείνες οι επιχειρήσεις που καταφέρνουν υψηλές επιδόσεις στον χώρο αυτό από τις υπόλοιπες. Η έρευνα της McKinsey επικεντρώθηκε στο μικρό εκείνο ποσοστό (~5%) των επιχειρήσεων που μπορούν να αποδώσουν το 10% του ΕΒΙΤ τους στην χρήση της παραγωγικής τεχνητής νοημοσύνης (genAI) (και διαθέτουν παρομοίως υψηλές επιδόσεις και στη χρήση παραδοσιακής τεχνητής νοημοσύνης). Αυτές οι εταιρείες τείνουν να χρησιμοποιούν ΤΝ σε περισσότερες εσωτερικές λειτουργίες τους, από marketingκαι πωλήσεις μέχρι τις νομικές τους υπηρεσίες και το Complianceτους. Επίσης, διαθέτουν πιο οργανωμένη αντιμετώπιση στα ρίσκα που ενέχει η χρήση Τεχνητής Νοημοσύνης, και σαφέστερη στρατηγική επί του θέματος. Οι δύο μεγαλύτερες προκλήσεις που συναντούν οι επιχειρήσεις αυτές παγκοσμίως είναι στο χώρο της διαχείρισης δεδομένων, καθώς και στο θέμα της ασφαλούς και ηθικής χρήσης της ΤΝ. Σε σχέση με αυτές της επιχειρήσεις υψηλών επιδόσεων, οι ελληνικές επιχειρήσεις λειτουργούν σε ένα λιγότερο φιλικό περιβάλλον για την συγκεκριμένη τεχνολογία, με έλλειψη σχετικών τεχνικών υποδομών (με την Ελλάδα να έρχεται 58η από 62 χώρες στην σχετική έρευνα της Tortoise Global AIindex) και έλλειψη πλαισίου διακυβέρνησης, οργανωτικού και λειτουργικού μοντέλου (51η από 62 χώρες). Οι ελληνικές επιχειρήσεις δυσκολεύονται επίσης να βρουν ανθρώπινο δυναμικό με την κατάλληλη κατάρτιση, παρότι σε χώρους επαγγελματικής δικτύωσης όπως το LinkedIn, η διείσδυση των δεξιοτήτων Ελλήνων επαγγελματιών σε τεχνητή νοημοσύνη και επιστήμη δεδομένων παρουσιάζεται υψηλότατη. Σε δεύτερη ανάγνωση αυτό δεν αποτελεί παράδοξο, καθώς η Ελλάδα είναι επίσης ένας από τους μεγαλύτερους (ποσοστιαία) εξαγωγείς ταλέντου στο συγκεκριμένο τομέα, πράγμα που υποδηλώνει πως το ΑΙ braindrain αποτελεί ένα από τα μεγαλύτερα πλήγματα στην ανάπτυξη της ελληνικής οικονομίας. Κάποιοι από τους κινδύνους που απασχολούν τις επιχειρήσεις παγκοσμίως είναι η ασφαλής διαχείριση δεδομένων, η παραβίαση πνευματικής ιδιοκτησίας, ιδιωτικότητας, η ασφάλεια και η ηθική χρήση, αλλά και η ανακριβής ή αναληθής παραγωγή περιεχομένου, με το τελευταίο αυτό ζήτημα να θεωρείται το πιο φλέγον και το 23% συνολικά των ερωτηθέντων να δηλώνουν ότι τους επηρέασε αρνητικά. Εντούτοις, μόνο το 1/3 των ερωτηθέντων κρίνουν πως η επίγνωση των κινδύνων αυτών αποτελεί απαραίτητη δεξιότητα για το ανθρώπινο δυναμικό που είναι τεχνικά υπεύθυνο για την δημιουργία και συντήρηση τέτοιων συστημάτων. Ιδιαίτερη ανησυχία προκαλεί επίσης το ενδεχόμενο μαζικής αντικατάστασης ανθρώπινου δυναμικού από την αυτοματοποίηση που επιτρέπουν τα συστήματα τεχνητής νοημοσύνης. Σε σχετική μελέτη, η McKinsey ανέδειξε πως η χρονική στιγμή στην οποία αναμένεται η αυτοματοποίηση να φτάσει το 50% του συνολικού χρόνου εργασίας πιθανόν να έχει μετατεθεί δέκα χρόνια νωρίτερα λόγω της άφιξης της παραγωγικής τεχνητής νοημοσύνης (genAI), από το ~2055 στο 2045. Το εργατικό δυναμικό της Ελλάδας δηλώνει ιδιαίτερα ανήσυχο ως προς αυτό το ενδεχόμενο, δηλώνοντας σε ποσοστό ~24% πως φοβάται για την ανεργία που δύναται να προκαλέσει η άφιξη της τεχνητής νοημοσύνης, παρουσιάζει όμως ταυτόχρονα και ένα από τα μεγαλύτερα ελλείμματα εκπαίδευσης και κατάρτισης σε θέματα τεχνητής νοημοσύνης. View full είδηση

Σε περίοδο 15ετίας εκτιμάται ότι η εφαρμογή της Τεχνητής Νοημοσύνης (ΤΝ) μπορεί να συνδράμει στο ΑΕΠ της χώρας κατά περίπου 180 δισ. ευρώ. Σύμφωνα με μελέτη της Accenture Greece από κοινού με την Microsoft στην Ελλάδα η οποία έχει επιδοθεί και στο Μέγαρο Μαξίμου. Σε παγκόσμιο επίπεδο οι μεγάλες επιχειρήσεις δίνουν ήδη σημαντική βαρύτητα στην έρευνα και ανάπτυξη για εφαρμογές Παραγωγικής Τεχνητής Νοημοσύνης (ΠΤΝ). Προβλέπεται ότι έως το 2030 η αγορά προϊόντων ΤΝ θα ανέρχεται σε 500 δισ. δολάρια. Στοιχείο, που ουσιαστικά υποδηλώνει δέσμευση για καινοτομία και τεχνολογική ανάπτυξη σε έναν κλάδο που είναι ταχέως εξελισσόμενος και ουδείς επιθυμεί να παραμείνει ουραγός. Τα οφέλη της ΤΝ Σύμφωνα με τους ειδικούς στο συγκεκριμένο θέμα, η ΠΤΝ μπορεί να ενισχύσει την ανίχνευση και την πρόληψη της απάτης, αναλύοντας τεράστιες ποσότητες δεδομένων συναλλαγών για τον εντοπισμό ύποπτων μοτίβων και πιθανών απειλών σε πραγματικό χρόνο. Επίσης μπορεί να βελτιστοποιήσει τις επενδυτικές στρατηγικές με την επεξεργασία δεδομένων της αγοράς, ειδήσεων και ιστορικών τάσεων για την παροχή πληροφοριών και προγνωστικών μοντέλων που βασίζονται σε δεδομένα, βοηθώντας τα χρηματοπιστωτικά ιδρύματα και τους επενδυτές να λαμβάνουν τεκμηριωμένες αποφάσεις. Στην εξυπηρέτηση πελατών, τα chatbots και οι εικονικοί βοηθοί μπορούν να παρέχουν εξατομικευμένες οικονομικές συμβουλές, να απαντούν σε ερωτήματα και να βοηθούν στη διαχείριση λογαριασμών, βελτιώνοντας τη συνολική εμπειρία του πελάτη. Οι υπηρεσίες χρηματοοικονομικών συμβουλών με βάση την ΤΝ και ειδικότερα την ΠΤΝ, χρησιμοποιούν προηγμένους αλγορίθμους για την ανάλυση των οικονομικών δεδομένων και των ατομικών στόχων των χρηστών. Αυτό τους επιτρέπει να παρέχουν εξαιρετικά εξατομικευμένες συστάσεις και καθοδήγηση σχετικά με τον προϋπολογισμό, την αποταμίευση, τις επενδύσεις και τη διαχείριση του χρέους. Παράλληλα, τα εργαλεία φορολογικής διαχείρισης με TN φέρνουν επανάσταση στον τρόπο με τον οποίο γίνεται η διαχείριση της φορολογίας, αυτοματοποιώντας κουραστικές εργασίες, βελτιστοποιώντας τον φορολογικό σχεδιασμό και ελαχιστοποιώντας τα λάθη. Επιπλέον, η ΤΝ διαδραματίζει κρίσιμο ρόλο στην αξιολόγηση του πιστωτικού κινδύνου, χρησιμοποιώντας την ανάλυση δεδομένων για την εκτίμηση της πιστοληπτικής ικανότητας και την αξιολόγηση του πιστωτικού κινδύνου για περιπτώσεις δανεισμού και επενδύσεων σε πραγματικό χρόνο. Αυτό όχι μόνο ενισχύει την ακρίβεια των αξιολογήσεων πιστοληπτικής ικανότητας, αλλά και μειώνει τα ποσοστά αθέτησης. Ενώ, η παρακολούθηση της κανονιστικής συμμόρφωσης με τη βοήθεια της ΠΤΝ, απλοποιεί τις διαδικασίες συμμόρφωσης με την αυτοματοποίησή τους και εντοπίζει πιθανές παραβιάσεις και απάτες, εξασφαλίζοντας ένα ασφαλές χρηματοπιστωτικό περιβάλλον. Μια άλλη μελέτη του Εθνικού Κέντρο Κοινωνικών Ερευνών (EKKE) και το Εθνικό Κέντρο Έρευνας Φυσικών Επιστημών «Δημόκριτος» (ΕΚΕΦΕ «Δ»),η οποία πραγματοποιήθηκε με την υποστήριξη της Ειδικής Γραμματείας Μακροπρόθεσμου Σχεδιασμού, παρουσιάζει τέσσερεις πιθανές εναλλακτικές εικόνες του μέλλοντος της ΠΤΝ στην Ελλάδα του 2030. Συγκεκριμένα : 1. Τεχνοκοινωνική επιτάχυνση Σε αυτό το σενάριο, ο τεχνολογικά προηγμένος κόσμος περιγράφεται ως ανθεκτικός και απελευθερωμένος από τεχνοφοβικές αγκυλώσεις, ενώ η αειφορία και η αξία του οικοσυστήματος της ΠΤΝ βρίσκονται σε υψηλό επίπεδο, μαζί με ένα υγιές και εύρωστο φιλελεύθερο πολιτικό σύστημα. Η ΠΤΝ υιοθετείται ευρέως και ενσωματώνεται σε διάφορες πτυχές της καθημερινής ζωής. Αντιπροσωπεύει την αισιοδοξία που περιβάλλει τις δυνατότητες της ΤΝ εν γένει να ενισχύσει την αποτελεσματικότητα της διοίκησης, την παραγωγικότητα της οικονομίας και την ευημερία των πολιτών, μέσα σε ένα υπεύθυνο, ηθικό και προορατικό πλαίσιο όπου τεχνολογία και κοινωνία συνυπάρχουν λειτουργικά και συγχρονίζονται με γρήγορους ρυθμούς. Σύμφωνα με το σενάριο της «τεχνοκοινωνικής επιτάχυνσης», η Ελλάδα το 2030 έχει ενισχύσει σημαντικά τις επενδύσεις σε κέντρα δεδομένων, προασπίζοντας την εθνική ψηφιακή κυριαρχία της, και καθιερώνεται ως περιφερειακό και παγκόσμιο hotspot τεχνολογικής καινοτομίας, συσσωρεύοντας γεωπολιτική ισχύ και δημιουργώντας εξαρτήσεις. Καθιερώνεται επίσης και ως υπερκόμβος παραγωγής, διάδοσης και ανταλλαγής γνώσης για την Ηθική της Τεχνητής Νοημοσύνης- με τη συμβολή επιστημόνων με υψηλή εξειδίκευση που εγκαταστάθηκαν στη χώρα από πανεπιστήμια και ερευνητικά κέντρα του εξωτερικού (brain gain). Το συγκεκριμένο σενάριο διαθέτει τα περισσότερα οφέλη για την ελληνική κοινωνία με την υιοθέτηση της ΠΤΝ. 2. Τεχνονάνος Πρόκειται για έναν κόσμο όπου κυριαρχεί η ανοιχτή οικονομία και μια δέσμη καλοπροαίρετων πολιτικών προθέσεων, ωστόσο το οικοσύστημα της ΠΤΝ χάνει τη βιωσιμότητα και τη δυναμική του και δεν αποτελεί προτεραιότητα. Αυτό το σενάριο απεικονίζει μια αρνητική κατάσταση στην οποία επιβάλλονται αυστηροί κανονισμοί στην ανάπτυξη της ΠΤΝ (με ισχυρές διαφωνίες στους κόλπους της ΕΕ), που ενδεχομένως να φτάσουν σε σημείο να καταπνίξουν ή να περιορίσουν τη διαφαινόμενη πρόοδο της. Έτσι, εγείρονται ανησυχίες σχετικά με την υπερβολική ρύθμιση και τις πιθανές επιπτώσεις της, αλλά και σχετικά με την διογκωμένη γραφειοκρατία, ενώ μεταξύ άλλων επισημαίνονται σημαντικά εμπόδια στην τεχνολογική εξέλιξη και καινοτομία. 3. Τεχνοκοινωνική βραδυπορία Αυτό αντιπροσωπεύει ένα καχεκτικό ή υπανάπτυκτο οικοσύστημα ΠΤΝ, με υποχώρηση της προόδου των μοντέλων ΠΤΝ και μείωση της τεχνοκοινωνικής δυναμικής, σε έναν κλειστό, κατακερματισμένο και τεχνοφοβικό κόσμο, παράλληλα με μυωπικές στρατηγικές και μια μεγάλη ένδεια ηθικών και ρυθμιστικών πλαισίων, δημοσίων πολιτικών και θεσμικών παρεμβάσεων. Εδώ, η ΠΤΝ αντιμετωπίζει την κοινωνική απόρριψη λόγω των αναδυόμενων χασμάτων και ανισοτήτων, της κακής χρήσης, της αναποτελεσματικότητας και της δυσπιστίας που απορρέει από ανεπαρκείς κανονισμούς και σημαντικές νομικές και δεοντολογικές ελλείψεις 4. Τεχνογίγαντας Ένας γίγαντας αντιπροσωπεύει ένα οικοσύστημα ΠΤΝ που αντανακλά την παγκόσμια τεχνολογική έκρηξη μέσα σε ένα κοινωνικοπολιτισμικό και πολιτικό περιβάλλον που αδυνατεί ναμετατρέψει την ταχύτητα σε προσαρμογή, να ενσωματώσει τις σύγχρονες τεχνοεξελίξεις και να αξιοποιήσει τις δυνατότητες και ευκαιρίες που αυτές προσφέρουν. Αυτό το σενάριο δείχνει ένα μάλλον μη βιώσιμο μέλλον όπου η ΠΤΝ δεν οριοθετείται από κανόνες και εξελίσσεται συνεχώς και ανεξέλεγκτα, τροφοδοτώντας τον τεχνολαϊκισμό και δημιουργώντας διάχυτη δυσπιστία και έντονες ανησυχίες σχετικά με πιθανές παραβιάσεις και καταχρήσεις. Συμπερασματικά, με βάση την έρευνα, με την ανάπτυξη και εκπαίδευση ελληνικών συστημάτων ΠΤΝ σε εγχώριες υποδομές, η Ελλάδα θα είναι σε θέση να λειτουργεί ανεξάρτητα, χωρίς την ανάγκη για εξωτερικούς πόρους ή εξωτερικά συστήματα, ενισχύοντας την εθνική τεχνολογική κυριαρχία της. Ως εκ τούτου, η επένδυση σε υποδομές εκπαίδευσης (HPC), διαχείρισης και αποθήκευσης μεγάλων δεδομένων (data spaces), καθώς και φιλοξενίας των εφαρμογών παραγωγικής ΤΝ (data centers), είναι απαραίτητη για την ανάπτυξη του τομέα, αλλά και της ανεξαρτησίας της χώρας σε επίπεδο υποδομών και ασφάλειας δεδομένων. Η τελική έκθεση Τάσεις - Ευκαιρίες για την Ελλάδα - Ευαλωτότητες - Αβεβαιότητες - Σενάρια - Προτάσεις Πολιτικής - GenAI & Ελλάδα 2030 https://foresight.gov.gr/wp-content/uploads/2024/01/GenAI_Greece_2030.pdf View full είδηση

Μηχανισμοί για την αντιμετώπιση της φοροδιαφυγής και για τον έλεγχο των δημοσίων συμβάσεων, αυτόματη κωδικοποίηση της νομοθεσίας και συστήματα εντοπισμού οικοδομικών αυθαιρεσιών. Αυτές είναι μόνο μερικές από τις εφαρμογές που ετοιμάζεται να ξεκλειδώσει το Ελληνικό Δημόσιο αξιοποιώντας την Τεχνητή Νοημοσύνη. Το πρώτο βήμα σε αυτή την κατεύθυνση αναμένεται να γίνει σύντομα, καθώς όπως δήλωσε χθες στο Athens Democracy Forum ο υπουργός Ψηφιακής Διακυβέρνησης, Κυριάκος Πιερρακάκης, το υπουργείο είναι έτοιμο να παρουσιάσει την Εθνική Στρατηγική για την Τεχνητή Νοημοσύνη. Πρόκειται για ένα κείμενο στρατηγικής το οποίο θα θέτει τις βάσεις πάνω στις οποίες θα σχεδιαστούν οι μεταρρυθμίσεις, τα έργα αλλά και οι επιδοτήσεις για το επόμενο διάστημα. Μεταξύ άλλων η Εθνική Στρατηγική για την Τεχνητή Νοημοσύνη, θα καθορίζει τις προϋποθέσεις ανάπτυξης και τις εθνικές προτεραιότητες, αλλά και θα προτείνει δράσεις αλλά και τουλάχιστον μία πιλοτική εφαρμογή ανά τομέα άσκησης πολιτικής. Το επόμενο βήμα είναι η υλοποίηση της στρατηγικής, η οποία σε σημαντικό βαθμό αναμένεται να χρηματοδοτηθεί από το νέο ΕΣΠΑ. Για τον σκοπό αυτό βρίσκεται σε εξέλιξη διαγωνισμός για την ανάδειξη συμβούλου ο οποίος εντός του 2022 θα κληθεί να υποδείξει περιοχές και τομείς πολιτικής που είναι πιο ώριμες για τον σχεδιασμό και την υλοποίηση έργων Τεχνητής Νοημοσύνης αλλά και συγκεκριμένες εφαρμογές και δράσεις κρατικών ενισχύσεων και κινήτρων για την υλοποίησή τους Οι εφαρμογές και το όφελος στην οικονομία Μπορεί όταν κάποιος ακούει για "Τεχνητή Νοημοσύνη” να φέρνει στο μυαλό του ρομπότ βγαλμένα από μια ταινία επιστημονικής φαντασίας, αλλά η πραγματικότητα είναι πως η συγκεκριμένη τεχνολογία αξιοποιείται ήδη σε πολλές ψηφιακές εφαρμογές. Στη Βίβλο Ψηφιακού Μετασχηματισμού 2020-2025 περιγράφονται οχτώ συγκεκριμένα έργα που θα αξιοποιούν την Τεχνητή Νοημοσύνη. Το πρώτο, το οποίο βρίσκεται σε εξέλιξη, είναι το σύστημα υποστήριξης του μηχανισμού είσπραξης δημοσίων εσόδων. Στόχος είναι η δημιουργία λύσεων που θα αξιοποιούν τα δεδομένα της ΑΑΔΕ από εργαλεία μηχανικής μάθησης για να ενισχυθούν οι ελεγκτικές υπηρεσίες. Μεταξύ των υπόλοιπων έργων περιλαμβάνονται η δημιουργία εφαρμογής παρακολούθησης του συστήματος εισροών και εκροών στο εμπόριο καυσίμων, έργο για την αυτόματη κωδικοποίηση της Νομοθεσίας με χρήση τεχνολογιών επεξεργασίας φυσικής γλώσσας και η εισαγωγή τεχνολογιών Robotic Process Automation για τη μείωση των επαναλαμβανόμενων διοικητικών εργασιών. Παράλληλα η Τεχνητή Νοημοσύνη μπορεί να επιταχύνει την οικονομική ανάπτυξη. Μελέτη της Accenture σε 12 ανεπτυγμένες χώρες εκτιμά ότι η εφαρμογή της μπορεί να οδηγήσει σε έως και διπλασιασμό του ετήσιου ρυθμού ανάπτυξης (σε όρους ακαθάριστης προστιθέμενης αξίας) μέχρι το 2035, σε σύγκριση με ένα σενάριο όπου η τεχνητή νοημοσύνη δεν εφαρμόζεται. Ειδικά για την Ελλάδα, μελέτη της Accenture η οποία πραγματοποιήθηκε σε συνεργασία με τη Microsoft αναφέρει πως η ανάπτυξη και εφαρμογή της Τεχνητής Νοημοσύνης μπορεί να οδηγήσει σε σωρευτική αύξηση του ΑΕΠ κατά 195 δισ. δολάρια για την περίοδο μέχρι το 2035. [email protected] View full είδηση

Ορόσημο στον ψηφιακό μετασχηματισμό του κράτους αποτελεί ο πρώτος «Ψηφιακός Βοηθός» -«mAigov» Τεχνητής Νοημοσύνης που εγκαινιάζεται σήμερα στο gov.gr, για να διευκολύνει ακόμη περισσότερο την καθημερινότητα των πολιτών, απλουστεύοντας και επιταχύνοντας τη διάδρασή τους με το Δημόσιο Τομέα. Ο ψηφιακός βοηθός θα συνεισφέρει επίσης στην μεγαλύτερη εξοικείωση του μέσου πολίτη με το gov.gr και την ηλεκτρονική παροχή υπηρεσιών από το κράτος, το οποίο αποτελεί μέρος της ευρύτερης ψηφιακής μετάβασης στην οικονομία του 21ου αιώνα. Ο Υπουργός Ψηφιακής Διακυβέρνησης Δημήτρης Παπαστεργίου μαζί με τον Υφυπουργό Κωνσταντίνο Κυρανάκη και τον Γενικό Γραμματέα Πληροφοριακών Συστημάτων και Ψηφιακής Διακυβέρνησης Δημοσθένη Αναγνωστόπουλο, παρουσίασαν στους διαπιστευμένους συντάκτες του Υπουργείου την πρώτη μεγάλης κλίμακας εφαρμογή ΤΝ για τον ελληνικό Δημόσιο. Στόχος είναι να συμβάλλει καταρχάς στον περαιτέρω εκσυγχρονισμό της Δημόσιας Διοίκησης και επιπλέον να διασφαλίσει ότι σε μια εποχή καταιγιστικών αλλαγών, το Δημόσιο μπορεί να συμβαδίζει με τις σύγχρονες τεχνολογικές εξελίξεις. Το mAigov εγκαινιάζεται σε πιλοτική «Beta» λειτουργία, καθώς όπως συμβαίνει με όλες τις εφαρμογές ΤΝ τα υπολογιστικά συστήματα χρειάζονται χρόνο για να μαθαίνουν, ενώ συγχρόνως εξελίσσονται με βάση τα δεδομένα που εισάγουν οι χρήστες. H περίοδος αυτή επιτρέπει τη βελτίωση της εφαρμογής με βάση τις ανάγκες και την ανταπόκριση των χρηστών. Οι πολίτες μπορούν να συνομιλήσουν με τον «Ψηφιακό Βοηθό» τόσο από το κινητό τους τηλέφωνο, όσο και από τον ηλεκτρονικό τους υπολογιστή. Υποβάλλουν το ερώτημά τους σε φυσική γλώσσα, γραπτά ή φωνητικά, ώστε ο «Ψηφιακός Βοηθός» να τους βοηθήσει να εντοπίσουν με τρόπο απλό και φιλικό την υπηρεσία που ψάχνουν, ενώ στο τέλος της «συνομιλίας» έχουν τη δυνατότητα να αξιολογήσουν την εφαρμογή. Η αναζήτηση πραγματοποιείται στις -έως σήμερα- 1610 υπηρεσίες του gov.gr και τις 3270 διοικητικές διαδικασίες του Εθνικού Μητρώου Διοικητικών Διαδικασιών «MITOS». Επισημαίνεται ότι το μοντέλο έχει συλλογιστική και απαντάει με βάση τα στοιχεία που καταχωρούνται. Λαμβάνει υπόψη την αρχική ερώτηση και διατηρεί στη μνήμη του τη συνομιλία κατά τη διάρκεια της συνεδρίας, διασφαλίζοντας τη βέλτιστη εμπειρία για κάθε χρήστη. Το mAigov Beta παρέχει -αυτή τη στιγμή- τη δυνατότητα εξυπηρέτησης έως 240 συνομιλιών στα ελληνικά ανά λεπτό. O χρόνος αλληλεπίδρασης κάθε πολίτη με το σύστημα δεν υπερβαίνει τα 5 λεπτά ανά συνεδρία. Με στόχο να διασφαλιστεί μια καλή εμπειρία για τον τελικό χρήστη, αλλά και η διαθεσιμότητα της υπηρεσίας για όσο το δυνατόν μεγαλύτερο αριθμό πολιτών, ειδικά το πρώτο διάστημα όπου αναμένεται αυξημένο ενδιαφέρον, το σύστημα του mAigov περιλαμβάνει εξειδικευμένο μηχανισμό αναμονής (queueing). Μόλις καλυφθεί ο μέγιστος αριθμός ταυτόχρονων εξυπηρετούμενων χρηστών, ο αμέσως επόμενος οδηγείται σε ουρά αναμονής μέχρι να μπορέσει να εξυπηρετηθεί. Επισημαίνεται ότι για την υλοποίηση του έργου έχουν αξιοποιηθεί πόροι με χρηματοδότηση από το Ταμείο Ανάκαμψης και Ανθεκτικότητας, οι οποίοι προβλέπονται για την ενίσχυση του ψηφιακού μετασχηματισμού της χώρας. Αφορούν σε σύμβαση του ΥΨηΔ για cloud services, και την παρακολουθεί η Κοινωνία της Πληροφορίας (ΚτΠ ΜΑΕ) Ανάδοχος του έργου είναι ο ΟΤΕ με υπεργολάβους την Accenture και τη UBITECH η οποία έκανε την υλοποίηση, ενώ τεχνολογικός πάροχος είναι η Microsoft με την τεχνολογία Azure Open AI. Το πρώτο chatbot του ελληνικού Δημοσίου σχεδιάστηκε χρησιμοποιώντας τεχνολογίες αιχμής που βασίζονται σε μοντέλα τεχνητής νοημοσύνης και υπολογιστικού νέφους και υλοποιήθηκε σύμφωνα με το Πρότυπο Υπεύθυνης Τεχνητής Νοημοσύνης της Microsoft (Microsoft Responsible AI Standard) διασφαλίζοντας μεταξύ άλλων διαφάνεια, ισότητα και σεβασμό προς την ιδιωτικότητα των χρηστών και την προστασία των προσωπικών δεδομένων (GDPR). View full είδηση

Για μήνες προσπαθούσε η Google να «φτάσει» την OpenAI, από τότε δηλαδή που έδωσε στη δημοσιότητα -και προς χρήση- το συνομιλητικό bot με την ονομασία ChatGPT, που προκάλεσε φρενίτιδα στην βιομηχανία της Generative AI. Οι νέες αυτές δυνατότητες θα προστεθούν σχεδόν σε όλα τα προϊόντα Workspace της Google. Σύμφωνα με την εταιρεία, οι χρήστες θα μπορούν να «δημιουργούν drafts, να απαντούν, να συνοψίζουν και να προτεραιοποιούν» τα μηνύματα ηλεκτρονικού ταχυδρομείου τους στο Gmail ή να προχωρούν σε «brainstorming, σε διορθώσεις, σε συγγραφή ή στην επανεγγραφή» εγγράφων κειμένου στο Docs, να «αυτοματοποιούν την παραγωγή εικόνων ή ακόμα και βίντεο στο Slides, να «βάζουν» το Sheets να δημιουργεί τύπους και συναρτήσεις αυτόνομα ή να αυτοματοποιούν τη μεταγραφή σημειώσεων στο Meet καθώς και να «ενεργοποιούν ροές εργασίας για να διεκπεραιώνουν τη δουλειά τους» στο Chat. Για παράδειγμα, στο Docs, οι χρήστες μπορούν απλώς να πληκτρολογήσουν το θέμα/αντικείμενο της εργασίας τους και να περιμένουν από τη σουίτα Generative AI της Google να αρχίσει να προσθέτει από κάτω κείμενο. Το σύστημα μπορεί επίσης με τη λειτουργία Rewrite να επεξεργαστεί και να ξαναγράψει/επαναδιατυπώσει (ελπίζουμε προχωρώντας σε βελτιώσεις) το πρόχειρο κείμενο που έχει ήδη συντάξει ο χρήστης, ακόμα κι αν είναι απλώς «bullet points». Στο Gmail επίσης, υπάρχει η επιλογή «I feel lucky», που ενδεχομένως θα λατρέψει το τμήμα ανθρωπίνων πόρων (HR) της εταιρείας σας. Μετά την πρώτη… καταστροφική εμφάνιση του Bard για ορισμένους, η Google επανέλαβε τη δέσμευση της να διασφαλίσει ότι η AI της δεν θα είναι όπως της Microsoft. «Η Τεχνητή Νοημοσύνη δεν αντικαθιστά την εφευρετικότητα, τη δημιουργικότητα και την εξυπνάδα των πραγματικών ανθρώπων» έγραψε η Johanna Voolich Wright, VP of Product του τμήματος Google Workspace. «Κάποιες φορές, η Τεχνητή Νοημοσύνη μπορεί να κάνει λάθος, κάποιες άλλες μπορεί και να σε εκπλήξει ευχάριστα και πολλές φορές απαιτεί καθοδήγηση» συμπλήρωσε η Johanna Voolich Wright. Ακριβώς για αυτόν τον λόγο, η εταιρεία σχεδιάζει τα προϊόντα της εντός των ορίων των Αρχών της AI, οι οποίες είναι νομικά δεσμευτικές με το παλιό σύνθημα της εταιρείας «Don’t Be Evil». Η νέα σουίτα Workspace με δυνατότητα AI αναμένεται να κυκλοφορήσει σε όσους κάνουν χρήση της αγγλικής γλώσσας στις ΗΠΑ μέχρι το τέλος του μήνα. Η υποστήριξη πρόσθετων γλωσσών αναμένεται να είναι σταδιακή. View full είδηση

Σταθερή ανάπτυξη καταγράφει η αγορά τεχνητής νοημοσύνης στην Ευρώπη, η οποία αναμένεται το 2026 να φτάσει στα $191 δισ. Παρά τον πόλεμο στην Ουκρανία, τον πληθωρισμό, τις περικοπές στους προϋπολογισμούς της πληροφορικής και τις απολύσεις, που ανακοινώνονται ακόμη και από τις μεγαλύτερες εταιρείες τεχνολογίας, η αγορά τεχνητής νοημοσύνης (AI) επί ευρωπαϊκού εδάφους δείχνει να παραμένει αλώβητη. Η ευρωπαϊκή αγορά τεχνητής νοημοσύνης συνεχίζει να αναπτύσσεται παρά την κρίσηΜάλιστα, σύμφωνα με τις εκτιμήσεις της International Data Corporation (IDC), η αγορά, συμπεριλαμβανομένου του λογισμικού, του hardware και των υπηρεσιών, θα “τρέξει” με σύνθετο ετήσιο ρυθμό ανάπτυξης (CAGR) 25,5% την περίοδο 2022-2026. Σύμφωνα με τις εκτιμήσεις της εταιρείας ερευνών, που περιλαμβάνονται στο “IDC Worldwide Semiannual Artificial Intelligence Tracker”, ατμομηχανή της ανάπτυξης για την αγορά τεχνητής νοημοσύνης στην Ευρώπη θα αποτελέσει κυρίως το λογισμικό. Το software με επίκεντρο την τεχνητή νοημοσύνη αναμένεται να καταγράψει μέσο ετήσιο ρυθμό (CAGR) 32,4%, ενώ η ανάπτυξη θα είναι σημαντικά χαμηλότερη στις υπηρεσίες τεχνητής νοημοσύνης (CAGR 27,2%), στο λογισμικό με επίκεντρο την AI (CAGR 16,7%) και στο hardware AI (CAGR 15,2%). “Τα επόμενα πέντε χρόνια θα αποτελέσουν μια κρίσιμη περίοδο για την εμπορική υιοθέτηση του λογισμικού AI, καθώς πολλές εταιρείες και κυβερνήσεις επενδύουν τώρα περισσότερα για να κάνουν τις διαδικασίες τους πιο ευέλικτες, αποτελεσματικές και ανθεκτικές”, εξηγούν οι αναλυτές της IDC. Όπως προσθέτουν, καινοτόμα μοντέλα τεχνητής νοημοσύνης, όπως μοντέλα γλώσσας που βασίζονται σε βαθιά μάθηση ή διάφορα μοντέλα για ψηφιακά δίδυμα, έχουν τη δυνατότητα να δημιουργήσουν σημαντική επιχειρηματική αξία. Πλήγμα στις υποδομές Λόγω του πληθωρισμού, της ύφεσης και των ελλείψεων εργατικού δυναμικού, οι επενδύσεις σε υποδομές τεχνητής νοημοσύνης θα πληγούν περισσότερο από εκείνες στο hardware πιο γενικής χρήσης, καθώς η υποδομή τεχνητής νοημοσύνης έχει υψηλότερη τιμή. Η IDC προβλέπει ότι η αγορά για διακομιστές/αποθηκευτικούς χώρους τεχνητής νοημοσύνης στην Ευρώπη θα παρουσιάσει αργό - αλλά σταθερό - μοτίβο ανάπτυξης κατά την περίοδο έως το 2026. Η αγορά υπηρεσιών τεχνητής νοημοσύνης έδειξε την ανθεκτικότητά της κατά τη διάρκεια της πανδημίας και η IDC αναμένει ότι η ζήτηση για λύσεις τεχνητής νοημοσύνης από επαγγελματίες παρόχους υπηρεσιών θα συνεχίσει να αυξάνεται. “Η αυτοματοποίηση διαδικασιών βάσει τεχνητής νοημοσύνης μπορεί να βοηθήσει τις επιχειρήσεις να αντιμετωπίσουν φαινόμενα, όπως ο πληθωρισμός και οι ελλείψεις εργατικού δυναμικού”, αναφέρει η IDC στην ανάλυσή της. “Η Ευρώπη αντιμετωπίζει μια πιθανή ύφεση, ενώ η αγορά εργασίας χαρακτηρίζεται από αντιφατικές δυνάμεις - έλλειψη ειδικευμένων εργαζομένων σε ορισμένους τομείς τεχνολογίας από τη μια πλευρά, ενώ από την άλλη ακόμη και οι μεγαλύτερες εταιρείες τεχνολογίας, όπως η Amazon, η Google και η Microsoft, απολύουν δεκάδες χιλιάδων εργαζομένων. Αναμένουμε ότι η αγορά τεχνητής νοημοσύνης θα συνεχίσει να αποδίδει δυναμικά, ωστόσο, λόγω των δυνατοτήτων της τεχνολογίας για μακροπρόθεσμη βελτιστοποίηση του κόστους και ως πιθανή λύση στο χάσμα δεξιοτήτων”, καταλήγει το σχετικό report. View full είδηση

Οι νέες τεχνολογικές εξελίξεις, συμπεριλαμβανομένης της τεχνητής νοημοσύνης και ανάλυσης δεδομένων, διαμορφώνουν την κατανομή κεφαλαίου για τις ΑΕΕΑΠ, καθώς επηρεάζουν τη διαχείριση εσόδων, την απόκτηση πελατών, τη συνεχή συντήρηση και επισκευή, την εμπειρία των πελατών και την κατανομή των χαρτοφυλακίων. Και μπορεί το αρχικό κόστος της εγκατάστασης υποδομών proptech να είναι εξαιρετικά υψηλό, η έγκαιρη υιοθέτηση τους όμως μπορεί να δώσει μακροπρόθεσμα στις επιχειρήσεις ένα σημαντικό ανταγωνιστικό πλεονέκτημα. Στο πρόσφατο συνέδριο της Nareit REITworld: 2023 που έγινε αυτό τον Νοέμβριο στο Λος Άντζελες των ΗΠΑ οι επικεφαλής των ΑΕΕΑΠ και στελέχη διεθνών εταιριών τόνισαν ότι οι ΑΕΕΑΠ δεν θα πρέπει να φοβούνται να διακόπτουν διαδικασίες που δεν προσφέρουν όφελος στην εταιρεία. Αλλά την ίδια ώρα που οι άνθρωποι απλώς αναζητούν λύσεις, πολλές εφαρμογές proptech απαιτούν ένα ευρύτερο σύνολο δεδομένων για να μπορούν να δίνουν αξιόπιστα αποτελέσματα, και ταυτόχρονα συνεχή ενημέρωση για τα νέα προϊόντα που θα αναβαθμίσουν τις υποδομές στην αγορά, για να μπορέσει να διατηρηθεί η σχέση και η ευθυγράμμιση με τους μεγάλους παρόχους υπηρεσιών cloud. Στο μέτωπο της διαχείρισης εσόδων και της έγκαιρης υιοθέτησης της τεχνητής νοημοσύνης και άλλων τεχνολογιών σε ΑΕΕΑΠ, όλοι τόνισαν ότι θα πρέπει να βρεθεί η "χρυσή τομή" ανάμεσα στην κάλυψη βραχυπρόθεσμων αναγκών που απαιτούν άμεσες κεφαλαιουχικές δαπάνες έναντι της κάλυψης της μακροπρόθεσμης ανάγκης για αναβαθμίσεις. Αν και το αρχικό κόστος της επένδυσης σε proptech μπορεί να είναι εξαιρετικά υψηλό, η έγκαιρη υιοθέτηση μπορεί να δώσει στις επιχειρήσεις ένα σημαντικό ανταγωνιστικό πλεονέκτημα μακροπρόθεσμα. Σε ότι αφορά το πώς το proptech μπορεί να επιταχύνει την υιοθέτηση των ESG κριτηρίων, στελέχη της αγοράς διευκρίνισαν ότι είναι αδύνατο για τις ΑΕΕΑΠ να ανταγωνιστούν και να είναι επιτυχημένες στον τομέα της βιωσιμότητας χωρίς δεδομένα. Οι εταιρείες πρέπει να δημιουργήσουν έναν κοινό παρονομαστή σε όλο το χαρτοφυλάκιο που θα τους επιτρέπει να παρακολουθούν τις πρωτοβουλίες με συνέπεια, και αξιοπιστία. View full είδηση