Παρουσίαση/Προβολή

Τεχνητή Νοημοσύνη

(ΚΒΨ125) - Κατερίνα Πάστρα

Περιγραφή Μαθήματος

Το μάθημα αποτελεί μια εισαγωγή στο διεπιστημονικό χώρο της Τεχνητής Νοημοσύνης, χωρίς προ-απαιτούμενες γνώσεις, και με ιδιαίτερη έμφαση στην αλματώδη ανάπτυξη των σχετικών τεχνολογιών και τη συσχέτισή τους με την πλούσια εξελικτική πορεία του χώρου. Συγκεκριμένα, στα πλαίσια του μαθήματος θα μελετηθεί η ιστορία της Τεχνητής Νοημοσύνης και η διεπιστημονική φύση της, και θα παρουσιασθούν βασικοί τομείς στην ανάπτυξη των σχετικών τεχνολογιών, όπως μέθοδοι επίλυσης προβλημάτων, αναπαράστασης γνώσης και αυτόματης συλλογιστικής, μέθοδοι μηχανικής μάθησης και παραδείγματα έμπειρων συστημάτων και νοημόνων πρακτόρων, με μεγαλύτερη έμφαση σε παραδείγματα διαλογικών συστημάτων (chatbots). Σημαντικό μέρος του μαθήματος θα αφιερωθεί στη μελέτη σύγχρονων εφαρμογών της Παραγωγικής Τεχνητής Νοημοσύνης (Generative AI), και στην ανάλυση της συνεισφοράς τους στη βελτίωση της ποιότητας ζωής του ανθρώπου (AI4Good), καθώς και στους κινδύνους που ελλοχεύουν από τη χρήση και την ίδια τη φύση των τεχνολογιών αυτών.

Ημερομηνία δημιουργίας

Δευτέρα 12 Φεβρουαρίου 2024

Σελίδα Μαθήματος

Περίγραμμα

Διδάσκουσα

Κατερίνα Πάστρα, Εντεταλμένη 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 2022 έχει την τιμή να είναι αντιπρόεδρος της Ελληνικής Εταιρείας Τεχνητής Νοημοσύνης.

Ενδεικτική Θεματολογία

Τι εννοούμε με τον όρο «Τεχνητή Νοημοσύνη»; Διεπιστημονική προσέγγιση.
Από τον Turing στην Παραγωγική Τεχνητή Νοημοσύνη
Βασικές ‘Εννοιες (α): Επίλυση προβλημάτων, Αναπαράσταση Γνώσης και Συλλογιστική
Βασικές ‘Εννοιες (β): Μηχανική Μάθηση, ‘Eμπειρα Συστήματα και Νοήμονες Πράκτορες
Επεξεργασία Φυσικής Γλώσσας/Εικόνας και Διαλογικά Συστήματα Παραγωγικής Τεχνητής Νοημοσύνης: H τέχνη της διατύπωσης ερωτήσεων (prompt engineering)
Aξιολόγηση Χρηστικότητας Εφαρμογών (usability engineering) & Τεχνητή Νοημοσύνη για καλό σκοπό (AI4Good)
Παρουσίαση Εργαστηριακής Άσκησης
Κίνδυνοι και περιορισμοί στη χρήση της Τεχνητής Νοημοσύνης (α): Αναπαραγωγή προκαταλήψεων & παραισθήσεις (hallucinations)
Κίνδυνοι και περιορισμοί στη χρήση της Τεχνητής Νοημοσύνης (β): Ενεργειακό αποτύπωμα, αλλαγή εργασιακού τοπίου, κυβερνοεγκληματικότητα
Κανονιστικά πλαίσια ανάπτυξης τεχνολογιών Τεχνητής Νοημοσύνης
Aλγόριθμοι για πιο ηθική, οικονομική, εξατομικευμένη, αξιόπιστη και εξηγήσιμη Τεχνητή Νοημοσύνη (ethical, personalised, explainable & trustworthy AI)
Πολυτροπικότητα και Παραγωγική Τεχνητή Νοημοσύνη
Παρουσίαση ομαδικών εργασιών

Μαθησιακοί στόχοι

Οι φοιτητές/τριες θα έρθουν σε επαφή με βασικές έννοιες από το χώρο της Τεχνητής Νοημοσύνης και τις ραγδαίες τεχνολογικές εξελίξεις στο χώρο αυτό που διέπουν πλέον όλους τους τομείς του επιστητού, καθώς και την καθημερινή ζωή. Το μάθημα έχει δύο βασικούς στόχους: (α) να παρουσιάσει με εύληπτο τρόπο και σφαιρικά το αντικείμενο της Τεχνητής Νοημοσύνης, με έμφαση στη διεπιστημονικότητα που έχει ο τομέας αυτός εξ ορισμού, και (β) να εισάγει τους/τις φοιτητές/τριες στο σύγχρονο προβληματισμό σχετικά με την εξέλιξή των συναφών τεχνολογιών, τη συνεισφορά τους στον άνθρωπο και τους κινδύνους που ελλοχεύουν.

Μετά την ολοκλήρωση των θεματικών ενοτήτων οι φοιτητές/τριες θα πρέπει να έχουν την ικανότητα σε επίπεδο

Γνώσεων:

Nα έχουν εξοικειωθεί με το αντικείμενο της Τεχνητής Νοημοσύνης και τις διεπιστημονικές διαστάσεις του
Να προσεγγίζουν κριτικά τις διαφορετικές οπτικές σχετικά με τη συνεισφορά των τεχνολογιών Τεχνητής Νοημοσύνης στους διάφορους τομείς της ανθρώπινης δραστηριότητας
Να χρησιμοποιούν ένα ευρύ φάσμα εφαρμογών Τεχνητής Νοημοσύνης, με επίγνωση των δυνατοτήτων και των ορίων των τεχνολογιών αυτών
Να αναλύουν τις σχετικές τεχνολογίες ως προς τη λειτουργικότητά τους για συγκεκριμένες εφαρμογές και να προτείνουν ιδέες για τη βελτίωσή τους
Να περιγράφουν και να εξηγούν τις προσπάθειες ανάπτυξης κανονιστικών πλαισίων για την ανάπτυξη και χρήση των τεχνολογιών Τεχνητής Νοημοσύνης
Να αξιοποιούν τη θεωρητική και πρακτική τους γνώση στην ανάπτυξη ερευνητικών δραστηριοτήτων.

Δεξιοτήτων:

Να επεξεργάζονται κριτικά, να αναλύουν και να συνθέτουν τη σχετική με το πεδίο βιβλιογραφία
Να επιχειρηματολογούν σχετικά με την ανάγκη ανθρωποκεντρικής προσέγγισης στην ανάπτυξη των τεχνολογιών Τεχνητής Νοημοσύνης βάσει εμπειρικών ευρημάτων και μελετών
Να αξιολογούν σφαιρικά τις τεχνολογίες Τεχνητής Νοημοσύνης και να διακρίνουν πλεονεκτήματα και μειονεκτήματά τους βάσει εμπειρικών δεδομένων και μελετών
Να εφαρμόζουν το διεθνές πρωτόκολλο PRISMA για την διερεύνηση, καταγραφή και ποσοτική/ποιοτική ανάλυση της βιβλιογραφίας που θα σχετίζεται με τις εργασίες τους
Να κοινοποιούν με ακρίβεια και καθαρότητα το ερευνητικό ερώτημα των εργασιών τους, τη μεθοδολογία που ακολούθησαν για τη διερεύνησή του, και την τεκμηρίωση των συμπερασμάτων τους.

Ικανοτήτων:

Να αξιολογούν σφαιρικά τα τεκταινόμενα στο ραγδαίως εξελισσόμενο πεδίο της Τεχνητής Νοημοσύνης και να επιχειρηματολογούν υπέρ των πλεονεκτημάτων/μειονεκτημάτων έχοντας γνώση της ιστορίας, του αντικειμένου του πεδίου και των πολλαπλών διαστάσεών του
Να συνδυάζουν γνώσεις ώστε να προσεγγίζουν κριτικά σημαντικές ερευνητικές δημοσιεύσεις στο πεδίο της Τεχνητής Νοημοσύνης
Να αξιολογούν τις προεκτάσεις κάθε τεχνολογικής εφαρμογής
Να έχουν αναπτύξει την ικανότητα τεκμηριωμένης επιχειρηματολογίας βάσει σύγχρονης και έγκυρης έρευνα στο πεδίο

Μέθοδοι αξιολόγησης

Η γλώσσα αξιολόγησης είναι η ελληνική.

Η μέθοδος αξιολόγησης είναι διαμορφωτική και συμπερασματική:

Συμμετοχή στην τάξη (10%): Οι φοιτητές/τριες θα αξιολογηθούν ως προς την ενεργή συμμετοχή τους κατά τη διάρκεια του μαθήματος με ερωτήσεις, σχόλια, συζήτηση και ως προς τη συμμετοχή τους σε διαδραστικές δραστηριότητες που θα διεξάγονται στα πλαίσια του μαθήματος.

Παρουσίαση Ατομικής Εργαστηριακής ‘Ασκησης (45%): Σε κάθε φοιτήτρια/ή θα ανατεθεί μία εφαρμογή Παραγωγικής Τεχνητής Νοημοσύνης (generative AI) με την οποία θα δημιουργήσει ένα αρχείο (κείμενο, εικόνα, μουσικό κομμάτι, βίντεο κτλ.) για συγκεκριμένη θεματική. Θα παρουσιάσει προφορικά στην τάξη (με χρήση powerpoint) τα χαρακτηριστικά της εφαρμογής, πώς τη χρησιμοποίησε και πώς την αξιολογεί.

Ομαδική Εργασία (45%): Χωρισμένοι σε ομάδες, οι φοιτήτριες/ές θα εκπονήσουν μελέτη διεθνούς βιβλιογραφίας και συγγραφή εργασίας (2000 λέξεων κατ’ελάχιστο) σε ένα ειδικό θέμα σχετικό με τους σύγχρονους προβληματισμούς για τη χρήση της Τεχνητής Νοημοσύνης. Στόχος είναι η σφαιρική παρουσίαση του θέματος και η παραγωγική κριτική.

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