Παρουσίαση/Προβολή

Διδάσκουσα

Κατερίνα Πάστρα, Κύρια Ερευνήτρια, Ινστιτούτο Επεξεργασίας του Λόγου, Ερευνητικό Κέντρο "Αθηνά".

H Δρ. Κατερίνα Πάστρα ανήκει στο μόνιμο ερευνητικό δυναμικό του Ερευνητικού Κέντρο ΑΘΗΝΑ, και συγκεκριμένα του Ινστιτούτου Επεξεργασίας της Γλώσσας. 'Ιδρυσε και διηύθυνε για μια δεκαετία το Ινστιτούτο Γνωσιακής 'Ερευνας και Τεχνολογίας και τώρα ηγείται της ομάδας "Γλώσσα και Ρομπότ", η οποία με γνώμονα το πώς λειτουργεί ο ανθρώπινος εγκέφαλος, αναπτύσσει λογισμικό που επιτρέπει σε ευφυή συστήματα να κατανοούν και να συσχετίζουν λέξεις, πράξεις και αισθήσεις με στόχο την αποτελεσματική διάδραση με τον άνθρωπο και τη βελτίωση της ποιότητας ζωής του. Η Κατερίνα δραστηριοποιείται ερευνητικά στο χώρο της Τεχνητής Νοημοσύνης από το 2000, αρχικά στη Μεγάλη Βρετανία και στη συνέχεια στην Ελλάδα. 'Εχει σχεδιάσει και συντονίσει μεγάλα ευρωπαϊκά και εθνικά έργα έρευνας και ανάπτυξης, έχει διδάξει σε μεταπτυχιακά προγράμματα Τεχνητής Νοημοσύνης, έχει δημοσιεύσει σε διεθνή συνέδρια και επιστημονικά περιοδικά υψηλού κύρους, (Nature, Philosophical Transactions of the Royal Society) και έχει διακριθεί με βραβεία από διεθνής οργανισμούς (British Computer Society, Google, John Latsis Foundation). Από το 2025 έχει την τιμή να είναι Πρόεδρος της Ελληνικής Εταιρείας Τεχνητής Νοημοσύνης.

Ενδεικτική Θεματολογία

1.  Τι εννοούμε με τον όρο «Τεχνητή Νοημοσύνη»; Διεπιστημονική προσέγγιση.
2. Από τον Τούρινγκ  στην Παραγωγική Τεχνητή Νοημοσύνη.
3. Βασικές ‘Εννοιες: Αλγόριθμοι, Δομές Δεδομένων, Αναπαράσταση Γνώσης, Μηχανική Μάθηση, Βαθειά Μάθηση, Νευρωνικά Δίκτυα
4. Μεγάλα Γλωσσικά και Πολυμεσικά Μοντέλα (LLMs): Πώς λειτουργούν. Η στροφή προς την Ενσώματη Τεχνητή Νοημοσύνη (Embodied Intelligence).
5. H τέχνη της διατύπωσης ερωτήσεων (prompt Engineering).
6. Ανάπτυξη εφαρμογών Τεχνητής Νοημοσύνης: Εργαλεία και case studies - (ανακοίνωση ομαδικών εργασιών).
7. Κίνδυνοι και περιορισμοί στη χρήση της Τεχνητής Νοημοσύνης: Αναπαραγωγή προκαταλήψεων & παραισθήσεις (hallucinations), eνεργειακό αποτύπωμα, αλλαγή εργασιακού τοπίου, κυβερνοεγκληματικότητα.
8. Παρουσιάσεις 1ης εργασίας
9. Κανονιστικά πλαίσια ανάπτυξης τεχνολογιών Τεχνητής Νοημοσύνης: AI Act
10. Aλγόριθμοι για πιο ηθική, οικονομική, εξατομικευμένη, αξιόπιστη και εξηγήσιμη Τεχνητή Νοημοσύνη (ethical, personalised, explainable & trustworthy AI)
11. Τεχνητή Νοημοσύνη και 'Ερευνα (AI discovery), Tεχνητή Νοημοσύνη και Εκπαίδευση
12. Τεχνητή Νοημοσύνη και Ψυχολογία
13. Παρουσιάσεις 2ης ομαδικής εργασίας.

Μαθησιακοί στόχοι

Μέθοδοι αξιολόγησης

Η γλώσσα αξιολόγησης είναι η ελληνική.

Η μέθοδος αξιολόγησης είναι διαμορφωτική και συμπερασματική:

• Συμμετοχή στην τάξη (10%): Το φοιτητικό κοινό θα αξιολογηθεί ως προς την ενεργή συμμετοχή του κατά τη διάρκεια του μαθήματος με ερωτήσεις, σχόλια, συζήτηση και ως προς τη συμμετοχή του σε διαδραστικές δραστηριότητες που θα διεξάγονται στα πλαίσια του μαθήματος.

•  1η Ομαδική Εργαστηριακή 'Ασκηση (45%): Κάθε ομάδα θα επιλέξει ένα θέμα από τον ευρύτερο χώρο της Ψυχολογίας / Κυβερνοψυχολογίας για το οποίο θα μπορούσε να αναπτυχθεί μια εφαρμογή Τεχνητής Νοημοσύνης. Θα προχωρήσει σε σχεδιασμό της εφαρμογής, ανάπτυξή της με χρήση εργαλείων Μηχανικής Μάθησης και αξιολόγησης των αποτελεσμάτων. Η εργασια θα παρουσιασθεί στην τάξη. 

• 2η Ομαδική Εργαστηριακή 'Ασκηση (45%): Κάθε ομάδα θα προχωρήσει σε χρήση LLMς για τη δημιουργία της εφαρμογής που σχεδίασε και υλοποίησε στην 1η εργασία. Θα προχωρήσει σε συγκριτική αξιολόγηση των αποτελεσμάτων (1η και 2ης υλοποίησης) και συζήτηση ως προς τα προτερήματα και τα μειονεκτήματα της κάθε προσέγγισης. Ιδιαίτερη βαρύτητα θα δοθεί και στην παρουσίαση επιχειρημάτων υπέρ και κατά της χρήσης Τεχνητής Νοημοσύνης για τη συγκεκριμένη θεματική που επέλεξε η ομάδα. 

Τα κριτήρια αξιολόγησης ανακοινώνονται στο e-class κάθε ακαδημαϊκό έτος.