Πώς Η Τεχνητή Νοημοσύνη Αλλάζει την Έρευνα, την Επιχειρηματικότητα και την Κοινωνία με τον Γεώργιο Γιαννακόπουλο

Αυτόματη μεταγραφή — ενδέχεται να περιέχει λάθη.

00:00 Βλέπουμε ότι μας λέει ουσιαστικά ένα μεγάλο γλωσσικό μοντέλο καλή ώρα το chat GPT. Μπορεί να σου λέει τι να διαβάσεις, τι να γράψεις ή επίσης σου λέει πράγματα που πολλοί τα λαμβάνουν να φιλτράρεις τα. Και σου λέει για να το λέει το chat GPT τελείως αυτό είναι. Σωστά. Σε αυτό έχουμε ένα μεγάλο μερίδιο ευθύνης όλοι όσοι επικοινωνούμε την τεχνητή νοημοσύνη, πράγματα σχετικά με την τεχνητή νοημοσύνη, γιατί υπάρχει πολύ πολλωμένος λόγος είτε ότι θα μας καταστρέψει, είτε ότι θα μας σώσει αλλά και τα δύο αν δεις στηρίζονται στον ισήρισμό ότι είναι ιδιαίτερα αποδοτικοί και παντοδύναμοι δεν ισχύει τίποτα από τα δύο είναι μια τεράστια τάση επικοινωνιακή και πολιτική πώλησης για πολύ μεγάλες εταιρείες που σου λένε μη σε νοιάζει πάρε ένα ελελέμι θα σε κάνει όλα αυτό είναι τεράστιο λάθος Καλώς ήρθατε στο Neural Coach ένα podcast που προσεγγίζει την τεχνητή νομοσύνη τις επιχειρήσεις, την έρευνα και την τεχνολογία.

00:56 Μέσα από την εμπειρία ανθρώπων που σχεδιάζουν, υλοποιούν και εξελίσσουν συστήματα και οργανισμούς στην πράξη. Είμαι ο Αλέξανδρος Μίτσου, Μηχανικός Τεχνητής Νοημοσύνης και υποψήφιος διδάχτυρας πληροφορικής. Καλώς ήρθατε σε ένα ακόμα επεισόδιο του Neural Coach. Στο σημερινό επεισόδιο θα μιλήσουμε για την επιστήμη πίσω από τις αποφάσεις και τα δεδομένα.

01:13 Γι' αυτό μαζί μας έχουμε καλεσμένο τον κύριο Γιώργο Γιανακόπουλο, ερευνητή τεχνητής νοημοσύνης στο Εθνικό Κέντρο Έρευνας Φυσικών Επιστημών και συνειδητητή της Sci-Fi. Επίσης είναι επιστημονικός υπεύθυνος στο ΑΧΕΔ. Γιώργο καλησπέρα. Γεια και χαρά και ευχαριστώ πάρα πολύ για την πλήρια ξανία. Χαίρομαι πάρα πολύ που δέχτηκες την πρόσκλησή μου.

01:31 Παιδιά, τον Γιώργο τον είχα καθηγητή στο μάστερ και φιλούγελα και όλας. Τι μαθήματα κάναμε, δείξε μου. Απλά η data science, να σου πω, ή κάτι τέτοιο. Ναι, κάτι τέτοιο. Και νομίζω κάναμε και data mining. Νομίζω ήταν data mining 1 και 2, κάτι τέτοιο ήταν χωρισμένο τότε. Μόνος στο πρόγραμμα. Πριν ξεκινήσουμε να μπουν σιγά σιγά στα βαθιά, Θέλω να μας πεις δύο πράγματα για σένα. Ποιος είναι ο Γιώργος Γιανακόπουλος.

01:54 Ωραία, θα μιλήσω για το επιστημονικό μου κομμάτι. Φωτιστός. Γιατί προφανώς υπάρχει και ο Γιώργος Γιανακόπουλος πέρα από αυτό. Άρα, πολύ συνοπτικά, 25 χρόνια περίπου πληροφορική και σε όλο το επίπεδο από το δουλεύω σε ένα υπόγειο και φτιάχνω υπολογιστές μέχρι το γίνω ερευνητής τεχνητής νοημοσύνης, χωρίς καμία υπερβολή, εκ των οποίων 20 περίπου χρόνια είναι για τεχνητή νοημοσύνη.

02:16 Οπότε, στο πλαίσιο αυτό, έχει χρειαστεί να συνδράμω σε πολλούς τομείς. Ένας είναι καθαρά το ερευνητικό κομμάτι, όπως είπαμε, που είναι το ΚΕΦ Δημόκρητος. Είναι η αγαπημένη μου ομάδα Insane, Intelligent Science and Engineering. Συμφωνούσε με το κομμάτι. Είναι καινούριο λαμπ, έτσι. Αυτό είναι καινούριο λαμπ. Είναι η ομάδα που σχηματίστηκε πρόσφατα, περίπου το 1923, νομίζω, ίσως και λίγο νωρίτερα στην πράξη γιατί υπήρξε ανάγκη εξοπλίσης τεχνητής δημοσίνης οριζόντια σε άλλες επιστήμες.

02:42 Ένα δεύτερο κομμάτι είναι η Sci-Fi από το Science4U, επιστήμη για σένα που είναι μια μη κερδοσκοπική εταιρεία που γεννήθηκε επειδή πολλά έργα ευρωπαϊκά παράγουν αποτελέσματα τα οποία μένουν στο ράφι μετά και ο σκοπός της ήταν λοιπόν ακριβώς να κάνει αυτό το επόμενο βήμα και το έχουμε καταφέρει πολύ καλά. Νομίζω πλέον είναι 13 χρόνια ζωής.

03:03 14. Και το τρίτο κομμάτι είναι το ΑΧΕΤ, ΑΧΕΤ Digital Innovation Hub, που είναι ένας τεχνοβλαστός, μια spin-off του ΕΚΕΦ Δημόκριτος, που τελικά είναι το πρόσωπο του Δημοκρίτους για να μπορεί να παρέχει υπηρεσίες σε οργανισμούς και εταιρείες που θέλουν να κάνουν πράγματα με τεχνολογίες εχμής, όπως η τεχνητική νοημοσύνη. Άρα, φαίνεται ότι λίγο οριζόντια έχει χρειάστη να συνδράμω και βέβαια στο Δημόκητο τη ευκαιρία να συνδράμεις και σε εθνικά όργανα που έχουμε συνεισφέρει στην Εθνική Στατηγική Τεχνητή Νοημοσύνη, διτάσκω σε διάφορα μεταπτυχιακά και ένα σωρό άλλα πράγματα, ένα κομμάτι εκ των οποίων είναι και αυτές οι επικοινώνειες όπως η Σεμπερινή, που και πάλι ευχαριστώ για αυτό.

03:42 Εγώ ευχαριστώ που ήρθες εσύ. Εντάξει, το σημαντικό είναι να μπορέσουμε να ακουστούν και, όπως είπαμε και off the record, κάπως ρεαλιστικές συζητήσεις για τεχνητή νοημοσύνη. Ναι, φυσικά, γιατί υπάρχουν κάποιες λέξεις, κάποια buzzwords που εισάγουν αμφισυμία. Ο καθένας τα αντιλαμβάνεται όπως θέλει και μάλιστα είναι σαν να μου θυμίζουν τους flat earthers.

04:04 Αυτό ακριβώς, χωρίς περιβολή. Οπότε, για να ξεκινήσουμε έτσι από κάτι θεμελιώδες. Βλέπουμε ότι υπάρχει μια αγωητή ανεφόρων στην τεχνητή νομοσύνη, έγινε ένα πολύ μεγάλο ξέσπασμα και δεν προλάβανε οι περισσότεροι άνθρωποι να καταλάβουν πώς λειτουργεί αυτό το πράγμα. Η αλήθεια είναι αυτή. Άρα βλέπουμε ανθρώπους και ως ανθρώπιοι σχεδόν βλέπουμε σιγά σιγά να υπάρχει αυτό το ξέσπασμα της τεχνητής νομοσύνης και εν τέλει πρέπει να την εμπιστευόμαστε γρηγορότερα από ότι μπορούμε να την καταλάβουμε.

04:33 αν το ρωτούσαμε για οποιοδήποτε άλλο πράγμα θα απαντούσαμε ναι ποτέ άρα πάντα δηλαδή τελικά είναι μία τεχνολογία εγώ δεν συμφωνώ καθόλου γιατί ακριβώς είμαι πολύ έντονο αντίθετος στο αφήγημα περνάει το γρήγορο άλογο καβάλισε το πριν το χάσεις γιατί αν πας χωρίς να ξέρεις να επιβαίνεις θα σ' αφουρθείς οπότε η δικιά μου στάση είναι παράλληλα κατανόοντας το βλέπεις ποια κομμάτια υιοθετείς και να πω ότι η κατανόηση εν πολύς είναι και το εμπειρικό κομμάτι.

05:04 Χαρακτηριστικά, μας ζητάνε εξ όλο να πάρουμε θέση για την τεχνητή νοημοσύνη στα σχολεία, δίνω παράδειγμα, ή ούτε καν επιβάλλεται ως μια απέτηση της εποχής. Ποιος διαμορφώνει αυτή την απέτηση και ποιος στην εποχή. Τελικά, η ερώτηση προς τους διδάσκοντες και τις διδάσκουσες, για παράδειγμα, είναι τι σας λείπει βρε παιδιά για να κάνετε αυτά τα δουλειά σας αν σε κάποια πράγματα από αυτά η τεχνητή νοημοσύνη δίνει κάποιες λύσεις, να το συζητήσουμε.

05:28 Αλλιώς δεν υπάρχει λόγος σαν και κανέναν απαναπτώστα και άλλα άρα απαντώντας στην ερώτηση όχι θεωρώ ότι πάνε η κατανόηση η δοκιμή και η απόφαση του πώς θα συνεχίσεις χαίρε χαίρε. Γιατί βλέπουμε ότι μας λέει ουσιαστικά ένα μεγάλο γλωσσικό μοντέλο καλή ώρα το chat GPT μπορεί να σου λέει τι να διαβάσεις, τι να γράψεις ή επίσης σου λέει πράγματα που πολλοί τα λαμβάνουν να φιλτράρεις τα και σου λέει για να το λέει το chat GPT τελείως αυτό είναι Σωστά. Σε αυτό έχουμε ένα μεγάλο μερίδιο ευθύνης όλοι όσοι επικοινωνούμε την τεχνητή νοημοσύνη πράγματα σχετικά με την τεχνητή νοημοσύνη γιατί υπάρχει πολύ πολλωμένος λόγος είτε ότι θα μας καταστρέψει είτε ότι θα μας σώσει αλλά και τα δύο αν δεις ιδιαίτερα αποδοτική και παντοδύναμη.

06:16 Δεν ισχύει τίποτα από τα δύο. Έχουμε άπειρα λάθη. Μπορώ να δώσω παραδείγματα που ζητάς φωτογραφίες από Σολομώνα, ξέρω, κολυμπάει στο ποτάμι και στο τέχνη φιλέτο Σολομώνα κολυμπάει στο ποτάμι. Γιατί έχει εμπειρική ανεπάρκεια η τέχνη τριμιωμοσύνη. Έχουν πολύ σοβαρά προβλήματα στα σχολεία όταν τα χρησιμοποιούν καθηγητές γιατί μπορούν να ζητήσουν από τον εμπειρίκο ένα απόσπασμα και να τους βγάλει από ό,τι να είναι αλλού ή να μην υπάρχει αυτό το πράγμα. Εμείς έχουμε πάμπολες περιπτώσεις που δημιουργεί αληθοφανείς αναφορές που δεν υπήρξαν ποτέ. Υπάρχουν άνθρωποι που ψάχνασαν για δικά τους άρθρα γιατί λέει δεν θυμάμαι να το έχω γράψει αυτό γιατί έχω πάρει τέσσερις ετερόαναφορές εκεί. Συνεπώς λοιπόν υπάρχει ένα πολύ σοβαρό ζήτημα αξιοπιστίας σε αυτά τα συστήματα.

06:55 πλέον υπάρχουν και πλέον ευρήματα από έρευνες για την έλλειψη αξιοπιστίας τους σε ιατρικά θέματα και πάλι λέοντας άρα δεν είναι ένας αξιοπιστός συνεργάτης της τεχνητής νοημοσύνης είναι ένας εξυπνάκιας φίλος με έμφαση στο με πειθό να σε πείσει ότι ξέρει και επίσης με μία τάση όχι εγγύνεται εις επί τουρθε του συστήματος αλλά επειδή οι εταιρείες το βάζουν να σου δεσμεύσει όσο περισσότερο χρόνο γίνεται εκεί να γίνει το entry point, το σημείο εισόδου στην πληροφορία.

07:26 Όλα αυτά σημαίνουν ότι χρειάζεται προστοχή. Βέβαια, γιατί πιο πιο παράδειγμα που έχω κάνει ζημιά. Πώς πω ένα παράδειγμα. Από έναν τομέα είναι άσχετο. Τέλειος. Έχω κληρονομήσει ένα σπίτι στο χωριό. Μέσα στο σπίτι υπάρχει ένα τρακτέρ. Το τρακτέρ θέλει συντήρηση. Και έπρεπε για παράδειγμα να το βάλω μπροστά μια μέρα. Ωραία.

07:45 Εγώ δεν είχα κάποιον να ρωτήσω τώρα σε ένα χώριο το ποιο να ρωτήσεις Λέω ωραία θα ρωτήσω το Sanjipiti Και θα το γουγκλάρω παράλληλα Θα έχω μια καρτέλα στο Sanjipiti Μια καρτέλα στο Google Και του στέλνουν φωτογραφία Του λέω αυτή είναι η μπαταρία Μάλλον είναι ξεφόρτιση θέλω να τη φορτήσω Ψάχνει πολύ ωραία βρίσκει ξέρω ποιο φορτίσι να πάρω Και όντως αυτό δούλευε αρκετά καλά γιατί έχει ένα καλό σκράπερ μάλλον από πίσω φαντάζομαι σε κάποιες σοπς.

08:09 Οκ, το κάνουμε αυτό. Μετά λες, ωραία, υπάρχει η μίζα που έχει. Η μίζα όμως έχει πολλές θέσεις. Πού το βάζω τώρα, πού γυρνά το κλειδί. Και μου λέει, γυρνά το συντάδευες. Ε, μάντεψε, έκαψα τη μίζα. Να πω αντίστοιχα που είναι πραγματικά πολύ αστείο. Μιλούσαμε φίλους και οικογένεια που οι άνθρωποι μεγαλώνουν ζώα στην επαρχία.

08:35 αρμέγεις, ξέρω εγώ, μια κατσίκα. Και λέει καταρχάς, αποστηρώνεις την κατσίκα. Και ξεκίνησα λοιπόν by the book με ένα σύλλογο κανόνων ας πούμε που μπορεί σε ένα ξεκεμμένο χώρο να είναι αποδείκτο, αλλά στην πραγματικότητα και αυτό λέω, έχει εμπειρική ανεπάκια το σύστημα. Παρόλα αυτή και επίσης έχει ένας σκασμόδι κλίδες που σπαθούν να βελτιώσουν εμπειρία, οι οποίες όμως επηρεάζουν την ορθότητα αποτελέσματος.

08:57 Άρα υπάρχει ένα ψέμα που λέμε για τις δυνατότητες τεχνικής νοημοσύνης Αυτή που το λέμε ναι Δηλαδή φυσικά και δεν είναι έτσι Να πω επίσης ότι είναι η τρίτη φορά που λέμε ψέματα Επίσης να πω ότι Έχω μειώσει πάρα πολύ το τι διαβάζω για την τεχνική νοημοσύνη Γιατί πάρα πολλά πράγματα είναι σκηνοθετημένα Θυμάμαι ένα άνθρωπο έλεγε ότι Ένα ρομπότ έπεισε άλλα ρομπότ να κάνουν απεργία Και ξεκινούσε λοιπόν και στην τρίτη σελίδα του άνθρωπου, αλλά φυσικά ήταν σκηνοθετημένο για να δουν αν θα μπορέσει στο κομμάτι αυτό του διαλόγου, του argumentation που το έχουν ορίσει προχωρήσεις προγραμματικά, δηλαδή εμείς που εμπλεκόμαστε το καταλαβαίνουμε, για να δεις πού θα φτάσει πώς θα συνδιαλλαγούν αυτά τα πράγματα, τα παντικήμενα ας πούμε, τα συστήματα, αλλά με το τίτλο που είναι clickbait στο 90% των περιπτώσεων, δημιουργείται μια εικόνα, ακριβώς και λόγω του ότι δεν φιλτράρουμε καλά πλέον. Μια εικόνα λοιπόν που είναι τελείως τρευλή. Άρα λέμε συστηματικά ψέματα και μάλιστα με τον καλύτερο, πιο αποδοτικό

09:50 τρόπο το να πεις ψέματα. Βάζοντας ψήγματα αλήθειες. Όπως για παράδειγμα ένα άρθρο που πήρε αρκετά citations που αφορούσε ένα μοντέλο το οποίο έκλειψε την ιδιότητά του. Που σου λέει εγώ με το version 2. Δεν είναι το 1 με το 2. Απλώς όταν καθίσεις εκεί είδες, βλέπεις αυτό, να πω ότι ανθρωπομορφίζουμε. Δηλαδή αναφερόμαστε στις βλακίες που κάνουν σε αυτά τα συστήματα ως hallucinations, οπότε ο άλλος σου λέει κάτσε φαντασιώνται πράγματα. Όχι.

10:18 Ένα ζάρι που έπεσε για το πιο θα ανυπόμενη λέξη δεν έπεσε σωστά. Θέλω να πάμε εκεί. Κατά κατάμενου που το πας, θέλω να πάμε εκεί. Ουσιαστικά, επειδή σωστά δεν μιλάμε για πιθανωτικά μοντέλα, άρα μιλάμε για στατιστικά μοντέλα πρόβληψης. δεν είναι ότι έχουν κάποια ενσυναίσθηση που λένε ότι η τεχνητή νομοσύνη αισθάνεται. Γιατί, εν τω μεταξύ, δεν ξέρω αν το ακούσες συχνά, ότι η τεχνητή νομοσύνη είναι απλά τα LLMs.

10:41 Παιδιά, είναι και άλλα πράγματα. Η τεχνητή νομοσύνη, υπάρχουν και άλλα πράγματα, δεν είναι μόνο LLMs, έτσι. Και υπήρχαν και άλλα πράγματα πριν τα LLMs. Βέβαια. Ωραία, σας ευχαριστώ πάρα πολύ. με πολύ καλές πάσες στις ομιλίες μου τα τελευταία δύο-τρία χρόνια. Να πω ότι έχουμε γίνει μαϊντανή. Καλή ώρα σήμερα με αυτή την ιδιότητα του μαϊντανού χέρου που είμαι εδώ, που είναι όμως ανάγκη κοινωνική της κατανόησης.

11:02 Οπότε, ένα πράγμα που λέω είναι ότι τα LLM είναι περίπου ένα από τα 26 κεφάλαια ενός βιβλίου τεχνητή νοημοσύνης. Οπότε δεν συστάσουν τα λεγόνια βιβλία. και μάλιστα εκεί είναι κάπως ανάμεκτα δεν είναι σε ένα σημείο τελικά είναι πρωτίστως όντως μηχανές που αρνώντας τελείως τι θα πει νόημα τι θα πει η φυσική η φυσική αντιστήχηση ας πούμε σε ένα πραγματικό κόσμο των πραγμάτων που λένε μπορούν να παράγουν σύμβολα επειδή έχουν εκπαιδευτεί, ήδη λέω ένα ψέμα θα το εξηγήσω σε λίγο έχουν διαβάσει, δεύτερο ψέμα τέλος πάντων εκατομμύρια κείμενα και απλώς μαθαίνουν να παίζουν το παιχνίδι συμπλήρωση στο κενό.

11:41 Είτε μια λέξη που λείπει, που δεν τα τρανσφόρνω σιγουρή είτε την επόμενη λέξη που ήταν παραδοσιακά συστήματα. Άρα είναι όντως μια πιθανότητη διαδικασία γιατί είπα ψέματα γιατί ο υπολογιστής δεν έχει καμία διάθεση ούτε να μάθει, ούτε δεν υπάρχει αυτό δεν υπάρχει κάτι που κάνει μόνο του τελικά αυτό που γίνεται είναι ότι ένας προγραμματιστής, ένας Αλέξανδρος, πάει σε ένα φάκελο, συλλέγει άπειρες φωτογραφίες ανθρώπων, το που τους βρήκε πλέον δεν χρειάζεται να το ρωτάμε, είναι στα κοινωνικά δίκτυα.

12:06 Κατά ξεχήν, σημειώνω και βάζω το κομμάτι της ηθικής, καλός ή κακός κάνει αυτή την κίνηση. Αν το κάνεις, θα το κάνει κάποιος άλλος τελικά. Ναι, αλλά η ερώτηση είναι αν θες να κάνεις ό,τι θα μπορείς να κάνεις ένας άλλος για αυτό λέω είναι και ειδικά ζητήματα Είναι πάντα ενδιαφερή το θέμα Οπότε τα συλλέγεις σε ένα φάκελο και τρέχει ένα πρόγραμμα που έγραψε ο ίδιος για να μάθει αυτά τα ασφαλιστικά για να μπορεί να παράξει και με ρεαλιστικές φωτογραφίες Συνεπώς, ναι, είναι πιθανωτικά αυτά τα μοντέλα και μάλιστα για να πω και το κομμάτι που λέμε ότι δεν ξέρουμε ακριβώς τι κάνουν Ξέρουμε ακριβώς τι κάνουν Είναι μια πάρα πολύ σύνθετη συνάρτηση Που ρίχνει ζάρια να μην τα απολύω Απλώς είναι μια συνάρτηση που μπορεί να έχει 600.000 μικρά κομματάκια Και άρα δεν είναι ότι την καταλαβαίνουμε Είναι ότι δεν έχει φυσικό νόημα αυτό για μας Μόνο το αποτελέσμα μας το κρίνουμε Άρα είναι διαφορετική η προσέγγιση Που λέμε ότι δεν με πειράζει Αν δεν μπορεί να μου εξηγήσει τι κάνει

12:56 Μου αρχίσει το ότι κάνει επαρκώς καλά ενώ υπάρχουν μοντέλα τεχνητής δημοσίευσης πάρα πολλά χρόνια τα οποία μπορεί να δουλέψουν και να μπορείς να δεις και το ακριβώς πώς δουλεύουμε γιατί απλώς είναι πιο κατανοητό και έχουν μια φυσική σημασία. Με λένε στο explainability κατά βάση το machine learning όντως ήταν πιο εύκολο το explainability.

13:13 Σε κάποιους αγωγήτους. Σε κάποιους αγωγήτους, όχι σε όλους. Αλλά στο deep learning για παράδειγμα είναι ακόμα πιο complex. Σωστά, γιατί απλά είναι πολύ σύνθετες συνατήσεις αλλά μπορείς να μάθεις και πράγματα τα οποία θα ήταν δύσκολο να περιγράψεις αναλυτικά. Δίνω ένα παράδειγμα. Αν θες να ξεχωρίσεις, μίλα από πορτοκάλια με βάση την εικόνα τους, μπορεί να καταλήξεις κάποιους κανόνες για το χρώμα, αυτό το feature engineering κομμάτι, η μηχανική των χαρακτηριστικών.

13:37 Όταν όμως θες να περιγράψεις ένα οποιοδήποτε πρόσωπο, αλλάζει η πολυπλοκότητα. Και να πω κάτι, επίσης να πω ότι είναι μεγάλος μύθος το deep learning, ας πούμε, για την αναγνώριση προσώπων, λέμε ξεκινάει από τα pixels μετά ανακαλύπτει πρότυπα που έχουν να κάνουν μάλλον με μύτη ή μάτια όχι, δεν έχουν να κάνουν, σπανίως έχουν να κάνουν με μύτη ή μάτια.

13:58 Είναι απλώς κομμάτια εικόνας που συμπεραίνει πρότυπα και το αναβαθμίζει μέχρι ένα σημείο που για τον άνθρωπο δεν είναι εμεινεύσιμο. Αλλά λέμε, θυμίζει αυτή τη διαδικασία. Random pixels βλέπεις, δεν ξέρεις ακριβώς που είναι, ακριβώς τι μπορεί κάποιος σου φέρει να πεί πού είναι αυτό τώρα, δεν έχεις ιδέα γι' αυτό και τώρα δεν έχει ξεκινήσει ένα κομμάτι που λέγεται causal reasoning και causality και αυτού του είδους η έρευνα έχει ξεκινήσει από κάποιους ανθρώπους χωρίς να ισχυριστώ ότι είμαι υπερεπιστήμωνας τέχνης της δημοσιογένειας, αυτό είναι πολύ σημαντικό να πω ότι κάποιοι από εμάς μπορούμε να μιλήσουμε πιο εύκολα γλώσσα πιο κατανοητοί. Υπάρχουν εξαιρετικοί συνάδελφοι που είναι φοβερά καλύτεροι από εμένα.

14:36 Και εντός Ελλάδος και εκτός Ελλάδος. Οπότε ένα κομμάτι είναι το κόζα, άλλο υπάρχει το νιουροσυμπόλικ υπάρχουν γενικά τι συμβαίνει τώρα. Αρχίζουμε και βλέπουμε πολλαπλά ταβάνια όπως πάντα γίνεται στην έρευνα. Λέμε αυτό έφτασε μέχρι εδώ, πώς να το πάω παραπέρα. Γίνεται συνέχεια αυτό. Και ξανά γυρίζουμε, είναι φοβερή αυτή η στροφή, σε πιο, ας πούμε, logic-based λογικές, δηλαδή γυρίζουμε σε πράγματα από ένα δεκαετία του, ξέρω, 60. 50-60 εκεί. Ναι, ναι.

15:00 Αυτό είναι πάρα πολύ ωφέλιμο. Απλώς θα σας πω τι αγώνας δόθηκε και εσωτερικά στα ιδρύματα για το να μην μπάνε όλοι στο deep learning σωριδών για να μείνει μια κληρονομιά. Άρα αυτό το πράγμα λοιπόν είναι ένα μεγάλο ζητούμενο. Λίγο κριτικά να βλέπουμε και οι επιστήμονες το κομμάτι αυτό του τι αξιοποιώ και που κινούμε και να πω ότι η πίεση που βιώνεις για να πας προς τη πιο μοδάτη κατεύθυνση είναι και χρηματοδοτική είναι και στα συνέδρια τι αποδέχονται ή όχι άρα πάντως υπάρχει όπως πες πολύ σωστά ένα πολύ μεγάλο ευρωσγνώσεις το οποίο πρέπει να συνδυαστεί για να πάμε στα επόμενα βήματα Φυσικά, υπάρχει και κόσμος που μπορεί να είναι απλά χρήστης της τεχνικής νομοσύνης μπορεί να καταλάβουν αριθμούς, δεν τους αρέσει η γλώσσα.

15:49 Και μετά το πώς γίνεται το indexing, βασικά το retrieval της πληροφορίας, το πώς θα ψάξει το μοτέλο, άρα το πώς θα υπάρξει αυτή η γνώση, πάλι ψάχνει μέσα σε ένα διανισματικό, πολύπλοκο χώρο, ας πούμε. Και εκεί, απλώς να προσθέσω ότι γενικά το πώς περιγράφεις έναν χώρο για να το τρέξεις σε ένα πρόγραμμα τεχνητής νοημοσύνης, μπορείς να κάνεις ταξινόμιση, ομαδοποίηση ή ό,τι άλλο κάνεις ανάξεις πληροφορίας που είπες στο Retrieval είναι γνώση του ειδικού και μάλιστα γι' αυτό λυπάμαι και για τους νεότερους να δεν σου το πω αυτό, αλλά είναι μια αλήθεια δεν μπορεί, στη setup είναι χαρακτηριστική περίπτωση που λένε βρήκα ένα G-Money, ένα νέο φαίνεται πάρα πολύ καλό, στον πάροκ θα γίνει χαμός όχι, χρειάζεται εμπειρία όπως σε όλους τους τομείς, δηλαδή από το ποια βήτα θα γυρίσεις.

16:35 Οπότε το κομμάτι αυτό το πρέπει να καταλάβεις ότι γιατί λένε πολλοί είναι black box τεχνητική δημοσιογραφία, ό,τι και να μου φέρεις δηλαδή δώσ' μου το εργαλείο και θα το τρέξω εγώ. Δυστυχώς δεν δουλεύουν έτσι. Νομίζουν ότι είναι API calls και τέλος. Ακριβώς. Εγώ για παράδειγμα δουλεύω σε Maritime αυτή τη στιγμή. Είμαι σε μια startup σε Maritime.

16:52 Υπάρχει να ταβάνεις κάποια πράγματα γιατί μετά υπάρχει maritime terminology αλλά άμα ψάξεις δεν υπάρχουν μοντέλα specific πάνω στο maritime terminology και μετά ξεκινάει και γίνεται η συζήτηση να κάνω fine tuning, να φτιάξω rag, να φτιάξω τη βάση δεδομένη λίγο καλύτερη, να μην έχει δηλαδή 7 joins, 8 joins για να κάνω ένα query που θα πάρει μέχρι μεθαύριο Ναι. Έχεις πολύ δίκιο και μάλιστα θα πω ότι είναι μια τεράστια τάση επικοινωνιακή και πολιτική πώλησης για πολύ μεγάλες εταιρείες που σου λένε μη σε νοιάζει, πάρε ένα LLM, θα κάνει όλα.

17:25 Αυτό είναι τεράστιο λάθος. Δηλαδή, πάμε χαρακτηριστικά σε έναν πολύ μεγάλο retailer, ας πούμε, αγαθά, ας πούμε έτσι, ξέρω, συσκευές και τέτοια, που είχαν αποφασίσει οι άνθρωποι πολύ τορμήρα να εισαγάπουν την τεχνητή νοημοσύνη σε ό,τι κάνουν, κυρίως στο κομμάτι του marketing. Και μας έλεγαν, λοιπόν, ότι ήθελαν να κάνουν και ένα σύστημα συστάσεων, το Command the System.

17:45 Στον αυτό που μπορεί να έχει δει κάποιος στο eBay, στο Amazon, στο Netflix κτλ. Άρα πράγματα που νομίζουν ότι θα είναι καλά για σένα. Και είπαν ότι είναι πάρα πολύ ακριβό σπορ. Και λέω εγώ, υπάρχουν αλγόριθμοι δεκάδες χρόνια, γιατί είναι τόσο ακριβό υπολογιστικά. Και κατά συνέπεια και χρηματικά έτσι. Και μας είπαν ότι αυτό που τους πρότεινε η εταιρεία είναι επειδή ήταν ελελέμα από πίσω, πέτα τα όλα σε ένα data lake και ρώτα για ό,τι θες αυτό για να κάνεις στάση.

18:13 Αυτά είναι σουρεαλιστικά. Δηλαδή, για μας είναι ραστέχνισμοι ακραίοι. Άρα τελικά θα πω και, ας πούμε, αυτός είναι ο ρόλος του ΑΧΕΔ και του Δημοκρίτου, αλλά είναι να πάει με την πρόταση που χρειάζεται πραγματικά ο άλλος. Και όχι, επειδή μπορούμε να είμαστε μη μεροληπτικοί, μας θα έφερε να γίνει δουλειά. Το Αλέξανδρο, το Χιωρού, το Κώστα, της Μαρίας.

18:31 Να κάνουν δουλειά μας, να μας θέλουν χαρούμενοι. Και τελικά με έναν τρόπο αποδοτικό και όχι απλώς συνηγορώντας μια παράλογη πορεία που μπορεί να υπάρχει τεχνολογικά λογωμότητα. Ναι, να σου πω, μια παράλογη πορεία που ακούω πολύ και σε meetups και σε διάφορα πράγματα είναι ότι, ωραία, θα βάλουμε ένα LM να κάνει σε Mantik Risoning και ξεκινάνε οι ανεστάσεις και λες κάτσε ρε εσύ, τώρα υπάρχουν τόσοι αδγόριθμοι ταξινόμηση, τόσο αργόριθμη searching και super optimized έτσι, ναι αλλά άμα εγώ δεν έχω ένα χρήστη που δεν βάλει ακριβώς σωστά το string και δεν υπάρχει ένα προς ένα αντιστοιχεία ναι και δεν θα είναι γιατί δεν φτιάχνεις ένα μηχανισμό απλά με το βάζι Μπράβο, σε ευχαριστώ Αυτές ακριβώς είναι οι συζητήσεις που χρειάζεται να κάνεις και είναι όντως πραγματικά σου ρεαλιστικά κάποια πράγματα και στην έρευνα γιατί για παράδειγμα για συνένωση δεδομένων data integration που είναι ένα παραδοσιακό και υπάρχει μέχρι σήμερα πάρα πολύ έντονα παντού σε μεγάλους οργανισμούς.

19:24 Ξεκινάνε και λένε θα το κάνουμε με LLM ή σκήμα μαζικ τα λοιπά. Ναι, ενεργοποιείται το αισθητήριό σου και οι μετρικές επιδόσεις είναι το ποσοστό των γραφών που όντως έφτιαξε σωστά και λες μια στιγμή, οι βάσεις δεδομένων μας μέχρι σήμερα ήταν αξιόπιστες. Τέλος πάντων, δεν σημαίνει ότι δεν μπορεί να γίνει αστοχή. Αλλά θέλω να πω ξεκινάς να λες ότι αν έχω όσο πάει περισσότερα λάθη. Αυτό δεν δουλεύει καλά γιατί το λέω περισσότερο για το κοινό και όχι για σένα γιατί όταν έχεις ένα pipeline μια σειρά πραγμάτων που αλληλεπιδρούν και το κάθε ένα κάνει λάθος πολλαπλασιαστικά εισάγεται το λάθος.

20:01 Garbage in, garbage out. Ακριβώς όπως το λες και αυτό είναι ένα μεγάλο θέμα. Ναι φυσικά γιατί έχω δει βάσεις για παράδειγμα και καθόμαστε και γελάγαμε όλοι μαζί και χτυπούσαμε το κεφάλι μας στο μέτωπο και λέγαμε δεν το πιστεύω αυτό που βλέπω παράδειγμα έτσι, το κλασικό παράδειγμα μια εταιρεία έτσι, company έτσι, να έχεις μια βάση company ωραία, σε άλλο πίνακα το id της εταιρείας σε άλλο πίνακα το αφήμι του εργαζομένου και να βάζεις ένα extra join τώρα χωρίς λόγο και ρωτάς παιδιά μου πώς πρέπει να σβήσουμε αυτούς τους δύο πίνες και να τους κάνουμε έναν όχι ότι θα σπάσει η βάση.

20:32 Ναι μωρέ, και από εκεί πέρα είναι κατά περίπτωση, έχεις δίκιο, είναι κατά περίπτωση πώς ονομαλάζεσαι, πώς κάνουν οι κοπίστες. Τελικά, ξαναγυρίζω, εκεί υπάρχει απέτηση για γνώση ειδικού που να δει στη συγκεκριμένη περίπτωση να έχει καλές πρακτικές. Και γι' αυτό μάλιστα εργαλεία που είναι υπερχρήσιμα όπως το Cloud Code, όπως διάφορα που είναι πιο πολύ προγραμματιστικά, δεν πάθουν πάβουν να κάνουν πολύ σοβαρά λάθη.

20:53 Και επίσης θα πω ότι επειδή ακόμη και εκεί υπάρχει αυτή η μόδα, ένας ποιητής μου πολύ εκφραστικά είπε δεν θα αντισταθώ άλλο αφού και ο Τάδε, ένας μεγάλος επιστήμονας, είπε ότι πω που με βοήθησε πολύ για να πειρήξω ένα θεώρημα. Και του λέω μια στιγμή, αυτός ο άνθρωπος καταρχάς ήταν μεγάλος σε ηλικία, οπότε του φαίνεται ότι είναι απαστικό, όπως όλους μας, όσο κατάφερε να λύσει ένα θεωρητικό πρόβλημα.

21:13 βέβαια θέωρο improving απόδειξη θεωρημάτων υπάρχει πάρα πολύ νωρίς στην ιστορία της τεχνικής δημοσίλης απλώς γίνεται με άλλο τρόπο πλέον και είναι πολύ ενδιαφέρον όμως αυτό δεν αλλάζει το ότι στην πρακτική σου καθημερινή πρέπει να μας τα προγραμματίζεις και εδώ βάζω απλώς ένα αστερίσκο που είναι πολύ σημαντικό ξέρουμε ότι στο εξωτερικό κυρίως υπάρχει αυτή η τάση να παραμένω στους σύννιους λένε δεν παίρνω junior μήπως δεν τους ξαναφριαστώ.

21:36 Δεν ξέρω αν καταλαβαίνετε πόσο κοντόφθαλμο είναι αυτό. Γιατί είσαι... Ωραία. Δεν θα είσαι αύριος senior. Εκτός από αυτό, δεν εκπαιδεύεις νέο κόσμο. Ακριβώς. Γιατί σου λένε ότι θα είναι όλοι vibe coders. Συμφωνώ, μαζί. Όλοι μαζί. Ας πάμε. Αν είναι vibe coders, whatever. Σου λέω, παλιά έγραφες τα σύμβολα και τους κανόνες, τώρα το περιγράφεις.

21:55 Μαζί, όλοι μαζί, πάρε, χέρι, χέρι, κανένα απόλυτο πρόβλημα. Έχω δει, για παράδειγμα, χρησιμοποιώ εδώ και ένα χρόνο το Carey's, enterprise version, που σημαίνει έχω όλα τα μοντέλα. Το κάθε ένα έχει τις στικές σου ιδιαιτερότητες. Κάποιοι λένε ότι μπορεί να πάει να κάνει push-up, production χωρίς ερωτήση. Γιατί απλά το θεωρείς σωστό.

22:10 Άλλο μπορεί να πάνε στους Visa όλοι το codebase γιατί έτσι το άρεσε. Άλλο μπορεί να σου πει, εγώ θα να κάνω refactor σε όλους στο codebase. Ωραία. Κάνε ένα πρόβλημα, έτσι ότι είμαστε large, δεν μας νοιάζουν τα χρήματα, είμαστε ωραίοι. Ωραία. Έχω δει πολλούς φίλους μου που χρησιμοποιούν για παράδειγμα το κέρδος, λένε, δεν μου κάνει.

22:26 Και, οκ, άμα εσύ πηγαίνεις και λες, φτιάξουμε αυτό, και περιμένεις τώρα ένα LLM να σου φτιάξει ολόκληρο το codebase από ένα service, ε, κάηκαμε, δεν κάναμε τίποτα. Συμφωνώ και τελικά αν δεις είναι ο συνδυασμός των προσδοκιών που ξαναγυρίζουμε να το σκεφτείς και κοινωνικά και εδώ στους προγραμματιστές, των προσδοκιών από ένα σύστημα και επίσης την απέτηση τελικά το εκάστοτε vibe coding το prompting, το να δίνεις μια πρωτορπία σε ένα τέτοιο σύστημα, είναι ένας νέος τρόπος προγραμματισμού με μεγαλύτερη ασάφεια Αυτό είναι η ουσία Εννοείται γιατί βλέπεις, εγώ έχω διά παράδειγμα optimization που θεωρεί η τεχνητή δημοσίευση ότι είναι όντως optimizations εν τέλει να μην είναι καν optimization και απλά να ήταν έτσι και άλλος μέρος της λύσης που έπρεπε να γράψεις.

23:07 Σωστά και επίσης είναι πολύ σημαντικό αυτό που λες επίσης με βάση το που έχει εκπαιδευτεί που δεν το ξέρουμε, που μπορεί να είναι όλο το github ας πούμε ένα κομμάτι του ή και άλλα πράγματα που είναι διαθέσιμα, αυτό σημαίνει κληρονομή και κακές πρακτικές. Τέλος πάντων με όλο αυτό νομίζω και εγώ ότι η σύνοψη είναι ότι τα large language models και γενικά το generative AI είναι ένα πάρα πολύ ενδιαφέρον μοντέλο που δουλεύει καλά σε κάποια πράγματα, αλλά δεν υπάρχει μόνο του. Δεν είναι μία τεχνητή νοημοσύνη αυτό που παλεύω πολύ να καταλάβει ο κόσμος. Δηλαδή το ChachiPT δεν είναι ένα σύστημα. Είναι χίλια μικροσυστήματα που έχουν συνδυαστεί σε ένα interface.

23:38 Αυτό που λένε είναι το σύστημα, σύγχρονα που σε διακόπτουν τη Ρεύη, λέει το σύστημα και ποιος είναι υπεύθυνος και ποιος διακόπτει να κάνει κάτι. Από κάτω ήρθανε, μακάρι να μπορούσαμε να τους δείξουμε φωτογραφίες αρχιτεκονικές. Θα θέλαμε όλο το δωμάτου κυριολεκτικά. Και εκεί υπάρχει και όλο το κομμάτι της επισημείωσης των δεδομένων.

23:54 Δηλαδή ότι έχω δεδομένα. Θυμάμαι χαρακτηριστικά σε μια συζήτηση, σε ένα συνέδριο με τον Ενρίκε Αλφοντσέκα, είναι της Google, ένας άνθρωπος που ήταν στην information retrieval, στη μηχανή αναζήτησης, τον ρωτήσαμε, πόσοι άνθρωποι, βλέπαμε το ότι ήταν που ξεκίνησαν και έκαναν συστάσεις, ας πούμε, όπως θες να πεις αυτό αν δεν κάνω λάθος και διάφορα τέτοια πράγματα.

24:15 Ή μετέφρασε σε διάφορες γλώσσες, έδινε τη σύντομη απάντηση, όπως το έδινε και στις σελίδες, πριν το generative AI. Και του λέγαμε πόσοι άνθρωποι δουλεύουν στην κομμάτια του annotation ή αλγοριθμοί σας θα κάνουν το λαμμόνι τους. Και λέει καλά, χιλιάδες. Αθρηστικά η αμοιβή των annotators, των ανθρώπων που διορθώνουν η κατευθύνουτη μηχανή, ήταν μεγαλύτερη από το σύνολο των ερευνητών στην Google, δεν ξέρω αν καταλαβαίνετε πόσα χρήματα μιλάμε.

24:37 Άρα η αμοιβή των annotators ήταν μεγαλύτερη από τα χρήματα από πέραν αθρηστικά ολοιεπιστήμονες. Άρα παντού χρειάζεται διορθώση, αυτά να κατήσω. Έχουμε καταλήξει εν τέλει να διαχειριζόμαστε ίσως καλύτερα το θόρυβο αυτή τη στιγμή. Πρέπει να κάνεις instruct πράγματα. Είναι καλύτερη διαχείριση. Μένει ακόμα να δείχτεί το τι πραγματικά και έδωσε έχει τέχνη τη νοημοσύνη και θα πω ενός στον προγραμματισμό για παράδειγμα.

24:59 Υπάρχουν κάποιες πρώτες ενδείξεις που λένε ότι μιλάνε για, ξέρω πάνω αν είναι σε καλές ομάδες 10-20%, μην με πιστέψετε για τα νούμερα, όταν ένας επιστήμονας λέει υπάρχει μια έρευνα που, μην τον πιστεύετε, ελέγξτε την έρευνα. Οπότε δείχνει ότι υπάρχει πάντως μια μικρή βελτιώση κυρίως σε seniors και σε άλλες ομάδες μπορεί να είναι περίπου μια ή άλλη.

25:15 Αλλά μέσα στις εταιρείες, από ό,τι ακούω εκεί έξω, υπάρχει τεράστια τάση να δείξουν ότι γούνται στη τεχνητή νοημοσύνη και έτσι βγαίνουν μετρικές αξιολόγησεις του αν η εταιρεία είναι καινοτόμα με βάση το πόσα tokens σκέσεις, δηλαδή πόσα λεφτά πετάς χωρίς να κρίνουν αν έχει αποτέλεσμα. Συνεπώς, εγώ θα πω ότι βλέπω ο Τεχνητήριο όμως είναι αυτή τη στιγμή με μια τεράστια επένδυση να προχωράει έχει ένα μεγάλο κομμάτι που με φούσκα θα ξεφουσκώσει, θα φτάσει εκεί που πρέπει και όπως πάντα θα το χρησιμοποιήσουμε λογικά.

25:41 Ναι, από τη στιγμή που όλοι λένε AI first ή μπαίνουν μέσα σε meetings και έρχεται κάποιος CEO ή κάποιος director of AI και φωνάζει AI, AI, AI ασταμάτητα. Θα κάνουμε τα πάντα με AI. Και είναι κάποια memes, δεν ξέρω αν τα έχεις δει, στα social που τηλεφορούν. Παλιά έγραφες σε ένα function που μπορεί να έλεγε to lowercase κάτι.

25:59 Τώρα κάνεις ένα API call για να στα φέρει. Οπότε και το cost είναι τεράστιο. Ναι, βάζει και το cost. Αλλά για να επανέθυνται και λίγο στους juniors που κι αυτοί αντιμετωπίζουν ίσως πολλά προβλήματα να μπουν πλέον στην αγορά εργασίας, καθώς έχουν αλλάξει απαιτήσεις από εταιρείες, γιατί σου λέει τώρα θέλω άλλα skills, που παλιότερα αυτά τα skills σίγουρα δεν τα είχε ένας mid-senior.

26:20 Έχουν γυρίσει προς τα εκεί. Σίγουρα πρέπει να ξέρουν προγραμματισμό. Δεν είναι ότι δεν ξέρω προγραμματισμό, επειδή θα κάνω vibe code. 100% πρέπει να ξέρεις προγραμματισμό. Επίσης, καλό είναι να κάτσεις κάποια στιγμή, διαβάσεις και τα πέσει πράκτησης. πράγματα που στην έρευνα δεν τα βλέπεις κάποια ρεπόζιτορες και λες πανάγια μου τι γίνεται.

26:38 Σωστά, έχεις δίκιο γιατί ο ερευνητικός κώδικας κατεξοχήν δεν είναι καλός και εκεί χρειάζεται έναν software engineer έμπειρο οπότε είναι συμπληρωματικές αυτές τις δικαιώτες αλλά συμφωνώ απόλυτα και το λέω όντως για τους πιο νέους ανθρώπους πάλι στα βασικά, ξεκινήστε από αυτά που οκτήσετε πάρα πολύ καλή βάση και μετά σιγά σιγά με κριτική σκέψη δείτε πού σας βοηθάει το μηχάνημα.

26:57 Εμένα προσωπικά με έχει βοηθήσει περισσότερο γιατί δεν χρησιμοποιώ ελάχιστα τα συστήματα αυτά και εν γνώσου μου πότε. Πυρίως ως auto-complete στον κώδικα, όντως με βοήθησε πολύ όταν έχεις ένα τετραπλό φόρ στο γράφι και διορθώνεις, απλώς το μάτι ενός junior δεν θα μπορεί να κάνεις κανένα άρισμα που κάνω εγώ για να το δεις, θέλει λεπτομέρεια.

27:14 Άρα τελικά και εκεί γενικά θα πω επίσης ότι ως μέντορες η παλαιότητα είναι πάρα πολύ πολύτη. Ναι δεν μπορεί να τους και τους παλιούς δεν μπορείς να τους βγάλεις έξω να πεις ότι είσαι μεγάλος τώρα, γράφεις κώδικα ή δεν ξέρεις. Κάτι θα έχει να σου πει κάποια ιστορία σίγουρα. Και επειδή έχει μια συνολικότερη οπτική των καλών πρακτικών άρα έχει ένα αισθητήριο ακόμη και σε καινούργια στήματα πώς να δράσει.

27:35 Αυτά είναι υπερπολίτευμα. Είναι υπερημπολίτημα όπως και παιδιά να διαβάζετε αλγορίθμους, αλγορίθμους και πολυπλοκότητα και δομές δεδομένου. Δηλαδή, μην τα πεδάξετε στα μαθήματα, ξέρω ότι είναι δύσκολα, είναι σε μικρά έτη συνήθως, νομίζω είναι τα πιο βασικά. Ναι, επίσης εγώ να πω ότι μετά το πανεπιστήμιο, ή ας πούμε μετά το διδακτορικό, ξαναδιάβασα γραμμική αλγέβρα.

27:52 Γιατί είπα, γιατί δεν είχα δώσει προσοχή και η απάντηση είναι, γιατί δεν είχα ένα αφήγημα, μια ιστορία που να μου λέει όταν μάθεις αυτό και αυτό και αυτό δηλαδή το πρόγραμμα σου που τώρα μπορεί να ήταν μια χαρά στο καποδιστριακό που ήμουνα αλλά εγώ δεν είχα αντίληψη ότι αυτά είναι όντως δομικά στοιχεία για να μπορώ να πάω μετά και να κάνω τεχνητική νοημοσύνη και μηχανική μάθηση που είναι εμπολίσμα κραμική αλγεβρά, έτσι συγκεκριμένα.

28:10 Τι βλέπεις μέσα πιθανότητες που έχουν μέσα με έναν πίνακα που έχουν μέσα κατά κάθε στοιχείο μπορεί να είναι μια διαφορική εξήγηση και να λες τώρα πώς λύνει αυτό τώρα, ξεκινάς. Ναι, αν δεν την έχεις καλυβάσει, όπως λες, το να λάβεις. Γιατί κάποιος δεν σε τα εξήγησε ποτέ, σου μάθει να το μαθαίνεις, αλλά και εσύ δεν το ψάχνεις.

28:25 Μπράβο, ή εγώ είμαι σταβόξυλο και δεν το δέχτηκα. Και ξέρω εγώ πώς ανασύγει το πρόγραμμα σου που δώναμε. Εγώ ξέρω καλύτερα. Ναι, αυτό παίζει πάρα πολύ. Ξέρω καλύτερα, εννοείται. Τώρα θα πάμε σε ένα κομμάτι το οποίο για κάποιους ήταν και λίγο πιο άβολο, αλλά είναι ένα debate που έχω προσωπικά στο σπίτι μου με τον πατέρα μου, γιατί ο πατέρας μου είναι κάτοχος διδακτορικού.

28:43 Στα παιδαγωγικά βέβαια. Είναι φυσικός άνθρωπος. Αλλά και εγώ επειδή πασχίζω να τελειώσω, προσπαθώ τουλάχιστον, μου λέει τώρα με τα ελεύσου έχετε, σιγά. φτιάχνετε papers για να φτιάχνετε και κάπου ξεκινάει ένα τεράστιο debate κάθε φορά άρα στην έρευνα αυτή την περίοδο φτιάχνουμε papers για να φτιάχνουμε ή καθοδηγείται κάπου θυμίζω ότι ο θεμέλιος λήθος δεν μπορεί να μην είναι γνωστός σε όλους έτσι αν δεν είσαι μες στην έρευνα της έρευνας είναι το peer reviewing η αξιολόγηση από ανθρώπους που είναι στον τομέα σαν και σένα περίπου οπότε κάθε φορά που καταθέτω μια εργασία και λέω ότι ο αλγόριθμος είναι πολύ καλός και κάνει το α πράγμα πιο καλά, πιο γρήγορα, πηγαίνει σε έναν editor, σε έναν υπεύθυνο επιμελητή ενός επιστημονικού περιοδικού που το στέλνει σε αξιολογητές προσπαθώντας να τους ψάξει στην κοινότητα των ερευνητών που να ξέρουν το χώρο.

29:35 Αυτό σημαίνει ότι ο καθένας από αυτούς καταθέτει την προσωπική του γνώμη, συσσωρεύονται και μας λέει αν γίνεται δεκτό ή δεν γίνεται αν θέλει διορθώσεις. Αυτή η διαδικασία έχει παραμείνει, εν γέννη. Σημειώνω βέβαια ότι εδώ και πολλά χρόνια πριν το Generative AI υπήρχαν εκδοτικοί εκεί που δεν ήταν αξιόπιστοι που έλεγαν στείλε το άρθρο και θα περάσει και σου έλεγαν για ένα ποσό που θέλουν που είναι το φύγια να το εντάξω στα βιβλία μου.

29:58 Άρα κακές πρακτικές και επιστημονικά περιοδικά που δεν είναι πραγματικά επιστημονικά ήταν ψεύδο επιστημονικά, υπάρχουν πολλά χρόνια. Και μάλιστα να πω ότι είναι πολύ σημαντικό ότι υπάρχει η διαδικασία απόσυρσης εργασιών ότι αυτή η εργασία ας πούμε δεν φαίνεται να έκαναν πραγματικά τα πειράματα που είχαμε πει. Αυτό λοιπόν η φύσα τελος διαδικασία αλλά και οι αδυναμίες αυτού του πράγματος.

30:16 Αυτό ακολουθείται μέχρι σήμερα. Άρα αυτή τη στιγμή παραμένουν οι διαδικασίες διασφάλισης ποιότητας. Είναι τελείες? Όχι. Αλλά δεν ξέρω πολλά πράγματα στη ζωή που να είναι τέλεια. Δίνω ένα παράδειγμα. Νομίζω στο ICML, στο International Conference for Machine Learning, αν δεν κάνω λάθος δέχτηκαν 24.000, μπορεί να είναι και παραπάνω το νούμερο, καταθέσεις για επιστημονικές εργασίες.

30:36 Το ποτσό είναι ασύλληπτο, έτσι. Λοιπόν, είμαι σίγουρος ότι ένα κομμάτι από αυτά έγινε, επειδή έχω φτάσει να αξιολογήσω πολλά, εκατοντάδες τέτοια επιφάνωσες papers έγινε σκουπίδια. Άρα τι γίνεται όντως κατά την προσφυλή μας τακτική τα τελευταία χρόνια και πριν το generative AI ξαναλέω που εφανίζονται πάρα πολλά σκουπίδια στο ίντερνετ γιατί εμείς τα παράγουμε, συμβαίνει αυτό και στην έρευνα.

30:58 Οπότε μπορεί να είναι ένας μεγάλος όγκος που είναι άχρηστος. Βέβαια αρκετά καλά ξέρουμε να τα κλείνουμε όταν πάρεις εμπειρία με την πρώτη μαθή και λες συγγνώμη αυτό δεν στέκει δεν έχει κίνητρο, δεν φαίνεται να έχει καινοτομία, έτσι ξεκαθαρίζεις νωρίς. Παρ' όλα αυτά αυξάνεται ο όγκος που πρέπει να διαχειριστούμε έστω για να πετάξουμε πράγματα.

31:14 Τώρα, παραμένουν πάρα πολύ καλά συνέδρια που κάνουν πάρα πολύ καλή δουλειά και παραμένει καλό το επίπεδο των εργασιών. Αλλά τελικά θέλω να πω ότι με όλο αυτό ότι το να πει κάποιος έχω επιστημονικές δημοσιεύσεις, αν δεν ελέγξεις από πού τις έχει, που τελικά είναι και γνώση του χώρου. Πρέπει να έχεις εμπλακή. Δεν μπορεί ένας δημοσιογραφιστής, μια φοιτητρία να ξέρει αν το τάδι περιοδικό είναι καλό.

31:35 Να σας πω έτσι για την πλάκα του πράγματος επειδή δουλεύω επιστημονικά σε τεχνητή νοημοσύνη, εννοείται πως μου είχε έρθει για να συμμετάσχω ως αξιολογητής σε ιατρικά συνέδρια ορθοπαιδικής, για ξέρω εγώ μητρότητα, ό,τι μπορείτε να φανταστεί ψυχολόγια, πάρα πολλά. Αυτό σημαίνει λοιπόν ότι υπάρχει ένα κακό κομμάτι αλλά η έρευνα διατηρεί τους μηχανισμούς και στις κοινότητες που είναι πιο συνεπείς εκεί χρειάζεται τον senior για να σου υποδείξει γίνεται ακόμα καλή έρευνα όμως όντως τα σκουπίδια έχουν παλαιπλασιαστεί.

32:06 Είναι αποδεκτό αυτό. Για παράδειγμα έβλεπα ένα άρθρο στο New Rep.S που είναι τα πιο hot συνέδρια αυτή τη στιγμή. Σωστά. Ότι βρήκαν, υπήρξαν κάποια άνθρα που είχαν συνυπογράψει κάποιοι όδορς που ήταν AI-generated. Δεν υπήρχαν ποτέ. Έχουμε παραδείγματα δημοσιευμένων άνθρωπων που ξεκινάνε thank you for asking, δηλαδή με τις απαντήσεις των...

32:29 Τα έχουμε βρει και εμείς ενώ στο χώρο μας. Να πω κάτι. Το να χρησιμοποιείς ένα large language model για να σε βοηθήσει στη διαδικασία της εγγραφής δεν είναι απαγορευμένο, αν και υπάρχουν κοινότητες που στα ethics κομμάτι λένε ότι δεν δέχομαι αυτό. Υπάρχουν άλλες κοινότητες που λένε ότι δέχομαι να το αξιοποιήσεις, περιγραψέ μου ακριβώς τι έκανες και πάντα λαμβάνεις το προσωπική σου ευθύνη για το περιεχόμενο.

32:50 Επίσης θα πω ότι ως άνθρωπο που έχουμε μια εμπειρία είναι αρκετά εύκολο να ξεχωρίσουμε κάποια πράγματα λίγο πιο εύκολα, έτσι, που είναι LLM για διάφορους λόγους. Μπορεί να παραείνε καλά τα αγγλικά. Αλλά αυτό μπορεί να σημαίνει ότι χρησιμοποιήσαν και ένα μεταφραστή. Οι άνθρωποι ενώ άνθρωπο μεταφραστή που βέβαια μειώνεται πάρα πολύ η απασχόλησή τους λόγω των συστημάτων.

33:09 Πάντως γενικά έχεις τον τρόπο να εντοπίσεις αυτά τα στραβά. Οι άνθρωποι σίγουρα χρησιμοποιούν large language models. Εγώ πλέον έχω μια στάνταρ ερώτηση σε όλες τις εξετάσεις φοιτητών και φοιτητριών στις δουλειές τους, που λέω πώς χρησιμοποίησες τα large language model, πες μας πού σε βοήθησε και πού όχι. Θα πω ότι ο Διομήδης Σοσπινέλης από το Οικονομικό Πανεπιστήμιο νομίζω είναι ο Διομήδης, που είναι και στο open source χώρο πάρα πολύ ενεργός, πολύ νωρίς ενέταξε στη διαδικασία της εγγραφής των πρωτάς των εργασιών τη χρήση των LLMs και όρισε τους όρους αυτής της αλληλεπίδρασης για να αξιοθούν οι φοιτητές και οι φοιτήτες να τα καλά και τα άσχημα.

33:43 Αυτός είναι ο τρόπος να το κάνουμε. Ήδη από το σχολείο, δηλαδή και εμείς σε συστάσεις εκπαιδευτικούς που κάνουμε με συναδέλφους, γιατί πλέον υπάρχει αυτή η ανάγκη, γιατί τι να κάνουμε παιδιά με τεχνητή νοημοσύνη στη σχολεία. Λέμε, βάλτε το από νωρίς και άσετε τα παιδιά να καταλάβουν ότι αυτό το πράγμα έχει καταλάβει το.

33:58 Και τη φυσισμότητα του. Άρα τελικά και στην επιστήμη αυτό γίνεται. Δεν είναι στην επιστήμη, ας πούμε, ένα παράδειγμα. Και εγώ το χρησιμοποιώ εννοείται. Μείνει ότι έχω paid version σε chat GPT. Για παράδειγμα φτιάχνω τα δικά μου projects μέσα στο chat GPT. Αφού έχω βρει ό,τι paper θέλω, δεν εμπιστεύουμε η αλήθεια να μου βρει η τεχνική δημοσίνη γιατί βρίσκει δικά της πράγματα γενικά.

34:17 Πες ότι έχεις ένα pool από papers γιατί θες να γράψεις μια δημοσίευση για παράδειγμα. Ωραία. τα βάζεις όλα στο chat GPT με κάποιο τρόπο γιατί έχει μέχρι ένα ορίστονα μεγαμπάιτς τώρα φαντάζομαι όσοι μας ακούτε έχετε μεγάλη φαντασία οπότε βρείτε το αυτό τα περνάς μέσα και φτιάξεις ένα δικό σου knowledge base έχεις κάνει και ένα κόπο, τα έχεις διαβάσει να ξέρεις περίπου τι γίνεται γιατί είναι σημαντικό γιατί θα δεις και τις φυλακίες κάποια στιγμή θα πεις κάτσε τώρα αυτό που το βρήκες και ξεκινάς και κάνεις κάποιες ερωτήσεις με βάση κάποιες κατευθύνσεις που έχεις σκεφτεί.

34:46 Γιατί φαντάζομαι η κέρδη μου πολλές φορές θέλει και λίγο να είσαι creative για να σκεφτείς πράγματα. Να πεις μου λείπει αυτό ή θα ήθελα να δω και εκείνο. Τι θα γίνει να μου κάνω αυτό. Πολλές ερωτήσεις έχουν γεννήθει έτσι. Λοιπόν, να το χρησιμοποιήσεις έτσι. Και ξεκινάει και σου λέει πράγματα μέσα από το knowledge base το δικό σου.

35:03 Προσωπικά έχω δει ότι με έχει βοηθήσει πάρα πολύ Θέλω να κάνω ένα καλύτερο brainstorming σε πράγματα που μπορεί να μην είχα σκεφτεί ποτέ μου. Δηλαδή να σου πει ουσιαστικά ότι η τεχνική δημοσίευση έχει σκεφτεί να κάνεις αυτό. Ή θα μπορούσε να κάνεις εκείνο. Έχω δει μια άλλη σχέτιση εδώ πέρα. Για ψάξω τι γίνεται. Ή επίσης άμα τα instructions που δίνεις ότι ξέρεις κάτι για παράδειγμα.

35:22 Είσαι ένας πολύ αυστηρός κριτής από το τάδε συνέδριο με αυτούς τους όρους που σημαίνει ότι εγώ μπορώ να σου λέω πράγματα αλλά εσύ θέλω να με κόβεις γιατί μπορεί να μου κάνεις περιβιούν live ουσιαστικά. Ξεκινάω από το τελευταίο που είπες. Θυμάμαι χαρακτηριστικά και για το instruction-based κομμάτι. Όλα τα LLM που χρησιμοποιούμε τώρα έχουν εκπαιδευτεί με instruction-based approach δηλαδή τους λέμε θέλω να θεώρεις ότι είσαι αυτό ξέρω εγώ ένα μικρό παιδί και του δίνουμε το παράδειγμα που του λέμε πώς γράφει ένα μικρό παιδί.

35:51 ο υπολογιστής δεν μπορεί να κάνει μια αναγωγή στο πώς πρέπει να φέρεται σε όλες τις περιπτώσεις από ένα μικρό υποστημό που έχουμε κάνει ή μεγαλύτερο. Αυτό σημαίνει λοιπόν ότι του λες να είσαι αυστηρός κριτής αυτό μπορεί να σημαίνει ότι θα αλλάξει τη γλώσσα που χρησιμοποιεί αλλά δεν είναι απαραίτητο ότι θα έχει τη γνώση δεν μπορεί να έχει τη γνώση του ειδικού για το τι θα πει πραγματικά ένα σοβαρό λάθος ερευνητικό ή μεθοδολογικό που μπορεί να είναι αν θα χρησιμοποιήσεις την τάδε σταδιστική μέθοδο για τη στήριξη της δουλειάς σου ή την δίνα. Ωραία. Άρα ακόμη και σε αυτό που λες πρέπει να έχεις καταρχάς μια γρήγορση ότι να σου πω είναι ξανά λέω ένας εξυπνάκιας πύλος που μπορεί να υποδίεται πολλούς. Μια χαρά.

36:26 Είναι καλός ηθοποιός. Μια χαρά. Απότε για το κομμάτι αυτό του brainstorming το κατηδεάσμου τέλος πάντων είναι πολύ χρήσιμο γενικά με την έννοια ότι μπορεί να λειτουργείς περισσότερο ως ένα αυσμα για να πεις, να συνδυάσεις ακόμη και πράγματα που είπα και να πεις κοίτα να δεις, ωραία είδα. Εκεί όμως, άρα είναι πολύ σημαντικός σύμβολος αυτό και είναι μάλιστα το κομμάτι που συστηματικά εγώ προτείνω σε κόσμο αν θέλεις χρησιμοποιήσε το για brainstorming.

36:49 Όμως κανονικά η μεθοδολογία της έρευνας είναι βλέπω που έχουν φτάσει άλλοι, σύμφωνα με τις δικές μου συστάσεις αλλά όχι μόνο τις δικές μου είναι βλέπω που έχουν φτάσει άλλοι και βλέπω τα κενά και λέω θα ασχοληθώ με εκείνο με το α πράγμα και μετά ξεκινάς μια διαδικασία τι δεν είχαν κάνει σωστά οι προηγούμενοι και να σκεφτείς πώς θα μπορούσα να διορθώσω οπότε εκεί προαπαιτεί λίγο να έχεις μια αντίληψη αυτής της μεθοδολογίας για να θέσεις και τα σωστά ερωτήματα στο μηχάνημα και εγώ θα έλεγα πάντα να υπάρξει αυτό ως μια βάση συζήτησης εσωτερικής είναι σαν να έχεις αυτό που λέγαμε να φιλαράξεις και το συζητάτε που είναι λίγο ενήμερο όμως δεν είναι άσχετο αλλά αυτό μετά πριν οριμάσαι υπερβολικά πρέπει να πάει και σε έναν ειδικό του χώρο στον επιλέποντά σου στον συνεργάτη σου στον οποιονδήποτε για να συζητήσε λίγο παραπάνω αυτή είναι η ιδέα πως σου φαίνεται και θα πω έχουμε μια αρρώστια που έχουμε αυτή την εποχή στην έρευνα είναι η αρρώστια των ιδεών είναι ένας μεγάλος αγώνας για μένα να καταλάβουν οι προηγούμενοι

37:43 ότι δεν λείπουν καλές ιδέες έτσι, λείπει η μεθοδικότητα στην επίλυση προβλημάτων άρα πρέπει πρώτα να αναγνωρίσεις το πρόβλημα και μετά να κάνεις έρωτα ανάλυσης που είναι που μπορεί να είναι πάρα πολύ μεγάλη δουλειά γιατί πήγες να ραβάει εδώ το LLM το πολιτικό μοντέλο και αφού του βρεις ότι α, σε αυτά τα πράγματα κάνει λάθος, πώς θα μπορούσα να το λύσω τελικά ποιο είναι το λάθος αυτό λοιπόν είναι μια αγωνία που μεταφέρω σε όλους τους φοιτές και φοιτήδρες που συνεργαζόμαστε γιατί είναι διαφορετική πρακτική δεν είναι απλώς αυτό που εγώ με το οποίο διαφωνώ πάρα πολύ έφτιαξα ένα σύστημα με βάση αυτό το data set στο καγκλ, έτρεξα τους αλγορίθμους μου και πέτυχε οικάζω ότι είναι για αυτό το λόγο αυτό για μένα δεν είναι έρευνα έλεγε και ο Τσόμπς και με τα large language models, όλος ο λόγος θα πω και πολύ επιστήμονας ότι είναι πάρα πολύ ενδιαφέρον επίτευμα μηχανικής, engineering, αλλά είναι τελείως αδιάφορος το να καταλάβεις τη φύση της ανθρώπινης γλώσσας

38:38 στην εποχή ότι γι' αυτό ξεκίνησε αυτό το πράγμα. Άρα σου δίνει ένα πολύ αποτελεσματικό εργαλείο, αλλά δεν σου επιτρέψει να αυξήσεις τη γνώση για τον κόσμο. Αυτό να το κρατήσουμε. Είναι σημαντικό η έρευνα να προσφέρει και αυτή την κατεύθυνση. Και γι' αυτό, μιας και το ανέφερες προηγουμένως, πάρα πολλοί μας κατηγορούν την πληροφορική τεχνητή νοημοσύνη ότι παράγεται δημοσίευση για να παράγεται δημοσίευση λέει φτιάχνετε χρήσιμα εργαλεία και τι έγινε, καταλαβαίνεις τι λέω και εκεί όντως οφείλουμε να πούμε ωραία ποια πρόβλημα θα πω να λύσω και τελικά ρώτησα τον ειδικό για αυτό στο Instane, στο εργαστήριο, την ομάδα που έχουμε να πω ότι συμβολιμόμαστε μονίμως στους ειδικούς και ένα πολύ hot topic στο κομμάτι των νευρονικών δικτύων και της μηχανικής μάθησης είναι το knowledge infusion το λέμε εμείς που είναι η ενσωμάτωση της γνώσης του ειδικού χωρίς να χρειάζεται να του ξαναπείς όλα τα δεδομένα αυτό το ξέρω πώς το μεταφέρω που τεχνικά είναι πολύ συναρπαστικό θέμα

39:28 και επισπέδεις κάνεις shortcuts κόβεις τα δεδομένα που χρειάζεται κτλ είναι πολύ σημαντικό αυτό εσύ μπορεί να έχεις δει κάτι καινό να λες μου λείπει αυτό στην έρευνα να έχεις διαβάσει, ξέρω εγώ, 30 δημοσίευσεις, αν υπάρχει κάποιο καινούριο ντομένι που μπορείς να κάνεις έρευνα, και να πεις μου λείπει αυτό, αυτό και αυτό.

39:46 Ή γιατί δεν άλλαξες αυτές τις παραμέτρους, δεν βάζεις αυτές τις παραμέτρους, να δούμε τι θα γίνει. Και αν κάποιους τους ψάχνεις, εγώ για καλή τύχη βρήκα κάποιους, από εξωτερικό κάποιους συναδέλφους, που μου εξηγήσανε που ήταν τα limitations και κατάλαβα. αλλά δεν πρέπει να δοκιμάσεις μετά να δεις τι γίνεται. Πολλές φορές είναι trial and error κάποια πράγματα. Βέβαια αλλά εκεί τουλάχιστον το trial and error η δοκιμή απλά είναι να γίνεται με έναν τρόπο που να ξέρεις γιατί πας σε αυτή την κατεύθυνση αυτό είναι το μεγάλο ερώτημα.

40:13 Είναι αρχικά σίγουρα και μετά ένα το κομμάτι που εγώ έχω μεγάλο debate τώρα εδώ ότι δεν έχουν δημιουργηθεί να το πω, δεν έχουν εξελιχθεί τα fundamental μαθηματικά τα οποία θα φέρουν νέες επιλύσεις προβλήματα που υπάρχουν μέσα στην έρευνα της τεχνικής νομοσύνης. Υπάρχουν άνθρωποι που σου λένε ουσιαστικά ότι τι κοίτα, κάνεις engineering application, ουσιαστικά παίρνεις components και τα βάζεις το ένα δίπλα από το άλλο και κοιτάς ποιο είναι καλύτερο εν τέλει.

40:41 Αξίζει να προσέχουμε πάντα, κυρίως επειδή δεν είναι τομέας που γνωρίζω ο ίδιος, πώς εκφραζόμαστε για άλλους τομείς. Ας πούμε στα μαθηματικά, σίγουρα υπάρχουν πάρα πολλές και νομίζεις δημοσίες. Άρα εξελίσσονται τα μαθηματικά. Αυτό μπορεί να... Και τα μαθηματικά έχουν πάρα πολλούς χώρους, έτσι. Επίσης να πω ότι είναι πάρα πολύ συχνό λάθος, επειδή εγώ διάβασα το ένα δεκάκις χιλιοστό της μαθηματικής βιβλιογραφίας, σε ρώτηξε μαθηματικά ή γραμμική άλλη γραμμή. Να πω όμως τι γίνεται.

41:05 Άρα τελικά η διεπιστημονική συνεργασία είναι κρίσιμη για να καταλάβουμε τι γίνεται. Σας λέω ότι ένας συνάδελφος που είναι μηχανικός, μηχανολόγος μηχανικός, Χρυστόφρος Ρεκατσίνας, εξαιρετικός συνάδελφος εκεί στο Insane, έχει φτιάξει μια μέθοδο στο πλαίσιο της δικιάς του δουλειάς, ως μηχανολόγος, για γρήγορη αντιστροφή πινάκων, η οποία μπορεί να είναι μια τάξη μεγέθους πιο γρήγορη από αυτό που κάνουμε κατά μέσο ώρα εμείς στις δικές μας μεθόδους.

41:28 το άμαθε κανείς προφορικός όχι γιατί δεν θα διαβάσει το χώρο ακριβώς εμείς προσπαθούμε εγώ είναι δύο χρόνια με το ξέρω και δεν έχω βρει το χρόνο να το σε ποια προβλήματα εφαρμόζεται αυτό σημαίνει λοιπόν ότι η έλλειψη διεπιστημονικότητας και ξέρεις απλοποιητικές οπτικές για το τι κάνουν οι άλλοι δεν βοηθάει δεν θέλω να καταλήξω ούτε χρειάζεται να έχουν πολύ ισχυρή γνώμη και θέλει έναν ήπιο διάλογο μα έχετε κάνει κάτι, σε τι.

41:51 Και είναι ένα κομμάτι το ότι ο άλλος φτιάχνει θεμελιώδη μαθηματικά και ένα δεύτερο κομμάτι καταλάβαινε που μπορεί να χρησιμοποιηθούν. Ο Ναΐβ Μπάγες, ο νόμος του Μπάγης και τα λοιπά, νομίζω υπήρχε 150 χρόνια πριν καταλάβουμε που μπορεί να το χρησιμοποιήσουμε. Κρατήστε το. Και μπορεί κανείς να μην τον ήξερε πριν. Και έτυχε άνθρωπα ο Καλατίνος να αναδειχθεί από άλλους επιστήμονες.

42:09 κάποια στιγμή τυχαία. Επίσης υπάρχουν κλάδοι και στη τεχνητή νοημοσύνη οι οποίοι πέθαναν επειδή ήταν σχετικά δύσκολοι ύστερα να τους καταλάβεις και προτιμήσαμε τους εύκολους. Συνεπώς η επιστημονική έρευνα πολλές φορές χρειάζεται πολύ παραπάνω διάλογο από ό,τι αρχικά είμαστε διατριχμένοι να κάνουμε για να μπορέσουμε να φτάσουμε σε ένα κοινό τόπο.

42:27 Άρα ας ψάξουμε στα μαθηματικά να δούμε τι υπάρχει, αλλά με το αισθητήριο του πληροφορικού, του μηχανικού και θα δούμε τι υπάρχει να μας βολέψει. Να πω επίσης ότι ένα από τα πιο μεγάλα ζητήματα για τους νέους και τους παλιούς ανθρώπους είναι πώς μοντελοποιείς ένα πρόβλημα. Αν καταφέρεις και το εκφράσεις μαθηματικά έχεις κάνει μεγάλα βήματα.

42:46 Ναι, η αλήθεια είναι ότι τώρα να το πω έτσι λίγο πιο απλά η έρευνα έχει αρχίσει μερικοτρή ζημοσίευση. καταρχάς που βλέπεις τώρα ξαφνικά πολλές δημοσίευσεις να είναι πολλές σελίδες και λες τι έγινε ρε παιδί έχει τόσο πολλά να πείτε ή δεν γραφτάει μια δημοσίευση είναι λίγο πιο φανταχτερήσεις κάποια πράγματα έχουν ξεχαστεί πάνω σε αυτό κάποιοι τομείς που είναι ίσως πιο σημαντικοί Ναι ή βρίσκονται στη σφαίρα αυτής της έρευνας βρίσκονται σε σημεία που δεν είναι τόσο μοδάτα άρα δεν τα ακούμε Δηλαδή, για αυτό και μπορεί να υπάρχει φοβερή δουλειά που έχει γίνει διπλά και να μην την ακούσεις εκεί Τελικά, για αυτό λέω, πάλι πρέπει να τραβιόμαστε λίγο από τη μόδα και να έχουμε τα μυαλά μας ανοιχτά ένα μεγάλος αγώνας προς νέους ανθρώπους όπως και προς εμάς οι προηγούμενοι κάνανε Όχι προς τη μόδα, να την έχεις υπόψη σου αλλά πρέπει να έχεις μια ορισόντια τήληψη σε πρώτη φάση, ποιά είναι τα εργαλεία που είσαι στα χέρια σου τα 26 κεφάλαια που λέγαμε και μετά να επιλέξεις το καταλόγιο για κάθε πράγμα.

43:39 Ναι, γιατί σίγουρα φαντάζομαι ότι δεν γίνονται τόσο πολλοί πρωτότυπες ιδέες. Σίγουρα μπορείς να χρησιμοποιήσεις το ένα LLM να σου πει κάποιες ιδέες, αλλά δεν είναι τόσο πρωτότυπες, γιατί βλέπεις λίγα papers πλέον, που είναι wow, λες τι κάνω εδώ ρε το αυτή. Εντάξει, είναι και πώς σας έρχονται, αλλά είναι η ίδια λογική με την τηλεόραση, με τα κοινωνικά δίκτυα.

44:00 Ποιο είναι το ποσοστό των πραγμάτων που όντως έχουν μια καθαρή οπτική. Θα πω ένα παράδειγμα. Εγώ είχα τη χαρά τελείως στοιχεία από έναν αγαπημένο συνάδελφο να εκτεθώσει μια κοινότητα που είναι άνθρωποι που είναι λογοτέχνες, ιστορικοί κτλ. Υπάρχει λοιπόν αυτό το πολύ άξιό λόγο περιοδικά και που λέγεται το κοινόνι των νοερών τεχνών που είναι ένα προϊόν αγάπης όταν μπήκα σε εκείνο το χώρο έμαθα έναν άλλο κόσμο διαλόγου που δεν έχει καμία σχέση καν με τη λέξη debate που περιγράφουμε όπως τη ξέρουμε που είναι πιο συγκρουσιακή, είναι μια κοινή αναζήτηση.

44:27 Το να πας λοιπόν να αναζητήσεις κοινότητες ερευνητών που θα είναι αξιόλογες είναι ένα κομμάτι στην ερευνητική σου πορεία και στην πορεία σου ως μηχανικού αντίστοιχα να βρεις κοινότητες που πραγματικά πάνε να συμπράξουν και όχι ο καθένας να δείξει ότι είναι ο καλύτερος. Αυτό λοιπόν είναι ένα σύμπτωμα της εποχής. Και μόνο τέτοιου τύπου συνεργασία που πηγαίνεις ταπεινά με απλότητα στον άλλον για να μάθεις επιτρέπει να προχωρήσεις.

44:46 Και γι' αυτό και εμείς στην ομάδα που έχουμε είναι ένας φυσικός, ένας μηχανολόγος, μηχανικός και εγώ με τα διδακτορική ας πούμε ερευνητές και παιδιά που είναι από κάτω το πρώτο κομμάτι που κάναμε είναι μας πήρε ένα μισό χρόνο καθ' ένας να μάθουμε λίγο από την έρευνα το άλλο. Δεν είναι εύκολο. Όχι. Και σε αυτήν δεν είναι καθόλου.

45:03 Αλλά είναι τόσο σημαντικό. Τώρα σκέψου να πρέπει να καταλάβεις τώρα τη φυσική. Ναι, τις βασικές έννοιες. Στο φαντάσου εμείς δεν εξιωνόμαστε πολύ αλλά αρχίζεις να μπορείς να μιλάς τη γλώσσα. Αλλά αυτό είναι που σου επιτρέπει. Γεννήθηκαν πολύ καινοτόμα πράγματα. Λέω έναν όρο, πραγματική AI. Και μάλιστα ελπίζω κάποτε να φτιάξουμε αυτό το μανιφέστο.

45:22 Τεχνητήριο ημοσύνη τώρα δουλεύει σε περιβάλλοντα που θεωρούν ότι έχουμε άπειρα δεδομένα και άπειρα υπολογιστική ισχύ. Αυτό σε πάρα πολλά ζητήματα δεν ισχύει. Ποια μικράση είναι αυτή? Είναι το δόγμα των big data. Καταλαβαίνεις ότι παντού έχουμε Όταν ακούω big data συγχνώ μου στεκόν Είναι κάπου διάσπαρτα πολλά δεδομένα Όπου να είναι και προσπαθούμε κάπως να τα μαζέψουμε Να κάνουμε ό,τι μπορούμε Μπορεί και να έχεις πάρα πολλά δεδομένα Αλλά αυτό είναι χρονόμιο κυρίως πάρα πολύ μεγάλων οργανισμών Σε καθημερινά προβλήματα μπορεί να έχεις Από δεκάδες μέχρι εκατοντάδες δείγματα Με φυσικούς που συζητάμε στην επιστήμη υλικόνα Συνεργαζόμαστε τους λέμε έχετε πολλά δείγματα. Λέει εννοείται 120.

46:02 Εκεί λοιπόν θέζουμε μια άλλη τεχνητή νοημοσύνη που να είναι ρεαλιστική για αυτόν του πραγματικού AI. Εκεί λοιπόν έχουμε βάλει κάποιους πυλώνες, δεν λέω περισσότερα αλλά προσπαθούμε να χτίσουμε λοιπόν και μια πιο ρεαλιστική τεχνητή νοημοσύνη που εκεί ξαφνικά ό,τι έξω σε αυτόν νόητο στο deep learning πάδει να ισχύει και χρειάζεται μια νέα τεχνητή νοημοσύνη. Άρα υπάρχει τεράσιο περιθώριο και ανοιτομία. Άρα τώρα η έρευνα ουσιαστικά έχει αρχίσει να ξεφεύγει από τα παραδοσιακά LLMs, αυτό που πολλοί έχουν σημαίνει ότι νομίζουν ότι όλοι κάνουμε πράγματα με LLMs ή Vision Language Models και εκεί είναι τώρα η έρευνα, αυτό είναι το novelty και δεν το state of the art.

46:35 Ωραία, έχεις απόλυτο δίκιο. Τώρα, σίγουρα δεν είναι έτσι. Σίγουρα υπάρχει ένα πολύ μεγάλο κομμάτι μόδας, το είχαμε δει όσοι είδε από την πρώτη εμφάνιση του Deep Learning που Το Generative AI μπορεί να είναι και πράγματα που σου συστήνουν νέα υλικά ή νέο τρόπο να συνδυάσεις πράγματα είναι φαίνεται μια πίτσα από την τώρα πένω παράδειγμα.

47:27 Αυτός λοιπόν ο χώρος κάπως έχει περάσει σε πολλούς τομείς έρευνας αλλά στην πραγματικότητα, γι' αυτό λέω, είπα και προηγουμένως επανεπισκεπτόμαστε παρά τις παλιότερες πρακτικές και βλέπουμε πώς μπορεί να γίνει γόνιμος διάλογος για να γεννηθούν καινούργια πράγματα. και αυτό γίνεται εξανάγκηση, γιατί φτάσαμε με ταβάνι είναι πολλοί που λένε εξαιτική αύξηση όχι μπορεί να είναι σιγμοειδής, να κάνει έτσι το ξέβεται πολύ ωραία και μετά σταματάει πολύ ωραία αυτό γίνεται συνέχεια στην έργο, πάντα γινόταν και έτσι σιγά σιγά συνδυάζοντας γνώσεις με παλιότερη γνώση και παίρνοντας έμπνευση από άλλους τομείς υπάρχει ο τομέας των συνθέτων συστημάτων πολυπλοκνών συστημάτων, complex systems θεωρεί αχάος για αυτό που τους αρέσει.

48:03 Εκεί είναι ένας ανεκμετάλλευτος χώρος και μαθηματικός και φυσικός που στο Δημόκητο έχουμε μια σύμπραξη τώρα με πυρηνική φυσική. Με έμπνευση από νόμους μηχανολογίας και ρευστών. Αυτά είναι πολύ ωραίοι χώροι που μπορείς να συζητήσεις και έχει φανεί ότι συναντιούνται δύο χώροι και όταν ξαναγυρίσεις το δικό σου χώρο γεννιούνται καινούργια πράγματα.

48:24 όχι στο σημείο συνάντησης μόνο, αλλά γυρίζοντας. Αυτό προσπαθεί να γίνει τώρα. Αυτό είναι πάρα πολύ ωραίο, γιατί οι αρχίσεις τώρα οι θετικές επιστήμες και οι πολυτεχνικές επιστήμες και βασικά όλες τις επιστήμες, έχουν αρχίσει να γίνονται ένα πράγμα σιγά σιγά. Δηλαδή ο ένας παίρνει από τον άλλον. Ναι, να πω ότι στην πραγματικότητα πάντα ήταν.

48:39 Εμείς είμαστε λίγο χαζοί και... Και biased. Και ναι, διαχωρίζουμε την επιστήμη και ξεκινάμε διαλόγους που δεν έχουν νόημα γιατί τελικά αν η επιστήμη είναι μια αναζήτηση της αλήθειας, της εμπειρικής απαλήθειας αλήθειας ενός τρόπου, μόνο εις μπορεί να γίνει. Και κατηγορούμε τις θεωρητικές επιστήμες, τα πληρώνουμε αυτά στην κοινωνία μας το ότι τις έχουμε παραμελήσει.

48:59 Και ξαναγυρίζουμε τώρα στη τεχνητή νοημοσύνη, πολύ σημαντικό να το πω να συζητάμε με ανθρώπους από ηθική, από φιλοσοφία, από νομικές επιστήμες, γιατί χωρίς αυτούς δεν μπορούμε να υπάρξουμε. Άρα αυτό είναι ένα μεγάλο μάθημα, ότι αν έχεις λίγο τα μάτια σου και παίρνεις έμπνευση από εκεί. Και θυμίζω φυσικά αλγορίθμους όπως το Particle Swarm Optimization, το Anticolline Optimization και το Imperialistic Imperialism.

49:22 Αλγορίθμους που εμπνεύστηκαν από άλλους τομείς για να κάνουν μισή δουλειά μας. Υπάρχει λοιπόν πάντα πολιέτονιοι αρλαιπίδες Πόσο κοντά πιστεύεις ότι είναι η έρευνα με την καινοτομία πλέον Η εμπειρία μου λίγο αυτά τα 20-25 χρόνια Είναι ότι καταρχάς πλέον δημιουργήθηκαν γέφυρες που δεν υπήρχαν Και να πω ότι σε αυτό ο Δημόπτωσο έχει κάνει εξωθάβμαστη δουλειά Και άλλοι οργανισμοί, απλώς τυχαίνει να είμαι εκεί Οπότε να αναφέρω να προωθήσω εκεί Με την έννοια και της προσπάθειας Θυμίζω ότι παλιά αν έλεγες ότι θα συνεργαστώ μια εταιρεία για να κάνω κάτι που είναι και ερευνητικό, ήτανε... σε κάναν στην άκρια.

49:55 Στην άκρια, τι σου λένε, πλήρωνε την εταιρεία, τελείωσε. Σωστά. Είσαι δικός τους. Οπότε, ναι. Και καταλαβαίνω ότι υπάρχει αυτός ο κίνδυνος, να πηγαίνεις μόνο σε πράγματα που είναι κερδοφόρα για έναν και όχι για όλη την κοινωνία. Κυρίως αν είσαι δημόσιος οργανισμός. πάντως τώρα υπάρχουν γέφυρες και μπορεί να υπάρχουν από τα innovation offices στα γραφεία καινοτομίας που έχουν οι οργανισμοί αυτά που δουλεύουν, δηλαδή, γιατί μπορεί να υπάρχουν και κάποια που είναι κατευθυνισμό, έτσι, όπως παντού.

50:16 Υπάρχουν βιομηχανικές υποτροφίες που ο οργανισμός θέτει ένα πρόβλημα από τον ενδιαφέρον, η εταιρεία ας πούμε λέει αυτό θέλω να λύσω. ως ερευνητικό ένδειμα εμείς βλέπουμε ποιο είναι το αντίστοιχο θεωρητικό πρόβλημα που υπάρχει από πίσω και θα είναι πολύ ευρύτερο στην εφαρμογή του και λέμε ωραία, έλα να συμπράξουμε μπορεί να χρηματοδοτεί και ο οργανισμός ή να είναι στη χρηματοδότηση βγαίνουν οι δακτορικά που μπορεί να είναι βασική έρευνα και έχουν σίγουρα και ένα εφαρμοσμένο κομμάτι θα λοιπόν είναι πολύ ωφέλιμα πράγματα πάντα ξαναλέω στο πρέσιο της ηθικής που μπορεί ο καθένας που θεωρεί και ο ίδιος αποδεκτό Συνεπώς είναι πολύ καλύτερα τα πράγματα Εγώ θα πω ότι δεν θεοποιώ την Αμερική στις πρακτικές της για πάρα πολύ γρηγορή διείστηση και τα λοιπά γιατί έχουν καταστραφεί κιόλας πολλές φορές και εμείς και όλοι Δεν έχει πολύ μεγάλη διαφορά Έληθαν δίπλα, αυτοί είχαν καλύτερη χρηματοδότηση στην έρευνα Σωστά.

51:02 Δεν είχαν κάποιον καλύτερο από εμάς ανεγκαστικά. Σωστά. Σε αυτό συμφωνώ. Και μάλιστα το κόμπλεξ του των υποδεαστών ελληνικών πανεπιστημίων νομίζω ότι είναι τραγικό. Δηλαδή είναι πολύ αστείο γιατί πάρα πολλοί άνθρωποι από εμάς μας ευχαριστούν που τους στείλαμε. Δηλαδή, είναι πολύ σύγχρονο αυτό. Και επίσης, γιατί δικοί μας άνθρωποι πάνε στην Google και γυρίζουν.

51:20 Θέλω να πω, δεν είναι ένα κλειστό οικοσύστημα όπως φαίνεται ότι η Google είναι ένας μαγικός κόσμος ή η Microsoft. Υπάρχει μια πολύ εντόνη σχέση. Συνεπώς υπάρχει λοιπόν καινοτομία. Να πω ότι στο Δημοκρατία το έχουμε ενισχύσει πάρα πολύ. Το Ahead, ο κόμβος καινοτομίας είναι χαρακτηριστική περίπτωση γιατί είναι σαν να έχεις αυτό το one stop shop επί της ουσίας.

51:38 Το ταμείο που λέει για σας τι θέλετε ή την είσοδο σου λέει τεχνητή νοημοσύνη δεν ξέρω τι θέλω. Ναι, πώς έγινα να σου δώσω Και λοιπόν δεν λέμε πώς έγινα να σου δώσω Λέμε να καταλάβουμε ποια είναι η ανάγκη Και έχοντας μια πληθώρα συναγρατών Και από το Δημόκτο και εκτός Μπορείς να παράσεις μια λύση που να είναι Ακριβώς αυτή που ζητάει αυτός ο οργανισμός Ή το υποσύνολο των λύσεων Και επίσης μπορεί να τον εκπαιδεύσεις για τις προσδοκίες του Είναι μεγάλο πράγμα Όλοι μας ξέρουν τι θέλουμε Πάνω από τη συζήτηση ανακαλύπτεις ανάγκες ακόμη και αυτοί που έρχονται και μας λένε ξέρω τι θέλω, δεν έχει υπάρξει νομίζω ότι μία φορά που να είναι κάποιος πραγματικά να έχει πολύ συγκεκριμένο έργο, μπορεί να έχει υπάρξει μία ή δύο για εξαίρεση, αλλά νομίζω πως δεν υπήρξαν κατά συνέπεια εκεί η γνώση του ειδικού και η γνώση του ανθρώπου που είναι στο business ξέρει να τρέχει την εταιρεία είναι πάρα πολύ σημαντική άλλο ένα σημείο συνάντησης και γι' αυτό μάλιστα είναι από τις δεξιότητες που υπάρχουν

52:27 που λείπουν στην αγορά περισσότερο είναι η διεπιστημονικότητα και η δυνατότητα να μιλήσει τη γλώσσα και τον πελάτη και τον τεχνικό. Ναι, υπάρχει ένας όρος και κυρίως στις Ηνωμένες Πολιτείες δεν το έχω δει τώρα εδώ τόσο. Νομίζω λέγεται Forward Deploying the Engineer, που είναι ο ενδιάμεσος που καταλαβαίνει και το business, μπορεί να μιλήσει και αυτή τη γλώσσα, μπορεί να μιλήσει και την τεχνική γλώσσα, όπου δεν μπορεί να κάνει translate τα business rules σε software.

52:51 Ναι, εμείς είχαμε δώσει ένα τίτλο, επειδή δεν είναι υπήρχε όπως λες, που ήταν το Innovation Services Specialist, Innovation Expert, που τελικά κάνει αυτό το puzzle. Αλλά αυτό απαιτεί και αυτό είναι ιδιαίτερο, γιατί στο Δημοκρατία εγώ τυχαίνει να μιλάω με πολλούς ανθρώπους, τους εκτιμώ πάρα πολύ, και άρα έχω μια εικόνα συνολικά ας πούμε του τοπίου του Δημοκρατήτου.

53:09 Αλλά αν έρθει ένας και μου πει θα ήθελα να κάνω αυτό, Λέω, τον Αλέξανδρο, τη Μαρία και την Ελένη. Αυτό είχα γράψει ενός τοπίου κοινοτομίας, λείπει ακόμα, αν και υπάρχουν προσπάθειες. Υπάρχουν και τέτοιες συνεργασίες. Υπάρχουν τόσα συστητούτα μες στο Δημόκητο. Είμαι εγώ μια εταιρεία και έρχομαι, χτυπώ την πόλη του αχέτ.

53:29 Και λέω, χρειάζομαι αυτό, αυτό και αυτό. Θα συνεργάζονται ερευνητές από διάφορες συστητούτα. 100% θα πω ότι σε αυτό είμαι πάρα πολύ χαρούμενος γιατί το έχω κάνει πάρα πολλές φορές βιολογία, πυρηνική, φυσική, επιστήμη υλικών μηχανολογία όπως είπαμε πριν ενώ και για έργα που έρθανε από έξω και από το εξωτερικό από πολύ μεγάλους οργανισμούς ή και μικρότερους οπότε υπάρχει αυτό το πράγμα, είναι ενεργό αλλά είναι και μια κουλτούρα που καλλιεργείται δηλαδή καταχάζεται πρώτα να είσαι νωρίστη λίγο μεταξύ σου ή να έχεις έναν άνθρωπο που να κάνει το μεσάζοντα.

54:01 Αυτό λοιπόν είναι το στίχημα. Γι' αυτό λέω ότι υπάρχει ανάγκη από αυτούς τους δύο επιστημονικούς συναδέλφους. Άρα υπάρχει και είναι συστηματικό. Και επειδή προκύπτει συνέχεια ως ανάγκη, κυρίως τώρα από όλες οι εταιρείες που ασχολούνται με μηχανική engineering, από πολιτικούς μηχανικούς ενώ μέχρι χημικούς μηχανικούς, όλοι αυτοί έχουν ανάγκη από την τεχνητή νοημοσύνη, ξαφνικά αυτή η ανάγκη είναι πιο έντονη.

54:19 Η αλήθεια είναι ότι, για παράδειγμα, τέτοιες δράσεις λείπουν από την αγορά αυτή τη στιγμή. Οι άνθρωποι που θέλουν να κάνουν έρευνα δεν έχουν τα μέσα πολλές φορές. Και είναι σημαντικό ότι, για παράδειγμα, έλεγες πριν ότι στο ΑΧΕΔ μπορεί να υπάρξει, για παράδειγμα, ένα HPC. Ναι. Βέβαια. Στο δημόσιο που ξέρω τα προγράμματα, τρέχει και καταρχάς το EuroCC που είναι ένα πρόγραμμα για upskilling σε HPC υπάρχει ένα άλλο πρόγραμμα ευρωπαϊκό που λέγεται NOOS που είναι για να φτιαχτεί μια υποδομή που όλα τα είδη υπολογισμού από edge computing cloud computing, HPC quantum computing θα έχουν κοινά SDK, κοινό τρόπο να τα καλέσεις και να μπορείς υπάρχουν λοιπόν εξελίξεις και ερευνητικά έργα πιο πρακτικά, πιο εφαρμοσμένα βασικά καινοτομίας ας πούμε, για να μπορέσουν να δώσουν πιο ανοιχτά πρόσβαση σε τέτοια πράγματα.

55:06 Που ότι υπάρχει μια τάση να μπορέσουμε να ενημερώσουμε για το τι μπορούν να κάνουν αυτά τα πράγματα και να δώσουμε την ευκαιρία να χρησιμοποιηθούν. Αλλά θα πω ότι στη βιομηχανία, κυρίως με όλα αυτά τα χρόνια που έχω εμπειρία, γιατί συμβούλευα εταιρείας από τα 20 μου που λέω λόγος, έτσι, με τις γνώσεις μου τότε και με διαφορετικές αδεστορινές.

55:25 Αυτό που λείπει περισσότερο είναι ο ορισμός των προβλημάτων και η ανακάλυψη του, ας πούμε, θέλω να μπορώ να υποστηρίξω το Human Resources για να τους ανθρώπους τους πόρους μιας εταιρείας για να φτιάχνουν σωστά εκπαιδευτικά προγράμματα. Έχω έναν τρόπο, ένα ενιαίο σύστημα που οποιαδήποτε εταιρεία ανάνε να μπορεί να αντιπολίξει να κάνει αυτό για τους δικούς της.

55:42 Άρα ανακαλύψουμε κοινά πρότυπα αναγκών και λες, αυτές είναι ευκαιρίες και για startups, έτσι. για να φτιάξει μια λύση για αυτό το πράγμα. Οπότε αυτό υπάρχει τώρα και τελικά δεν χρησιμοποιούμε πάντα τέχνη την νομοσύνη. Ένα υποσύνολο των συστημάτων μπορεί και να χρειάζεται. Αλλά μπας εκτός τουλάχιστον να αρχίσεις να ξεχωρίζεις που θες και που δεν θες τέχνη την νομοσύνη.

56:00 Και μάλιστα εκεί πέρα φαντάζομαι υπάρχει και ο αντίστοιχος επιστημονικός υπεύθυνος για το οτιδήποτε θα χρειαστεί. Δηλαδή, παράδειγμα data governance, πολύ μεγάλο κεφάλαιο εδώ πέρσι για όλοι που είναι επιχειροί εντός ευρωζώνης και εκτός η αλήθεια είναι πλέον υπήρχε η data governance υπήρχε θέματα που έχουν να κάνουν με το πιο οργανωτικά ένα μεγάλο κομμάτι είναι το annotation των δεδομένων έτσι να πω ότι στη sci-fi εδώ έχουμε μια πολύ αγαπημένη προσπάθεια που λέγεται που είναι για άμεα άτομα με αναπηρία επισημιωτές annotators άρα πως εντάσεις ανθρώπους που έχουν κάποια αναπηρία μπορεί να είναι από ψυχιατρική ή μέχρι κινητική. Στη διαδικασία της επισημίωσης δεδομένων, δηλαδή στο να ετοιμάσουν την τροφή που θα μασεί στο σύστημα τεχνικής δημοσίλης.

56:44 Αυτό να πω ότι φασμόζει και λίγο πιο ουσιαστικά αυτό που λέμε συμπερίληψη στη διαδικασία της τεχνικής δημοσίλης. Δεν είναι μόνο σχρίστες, αλλά και ως άνθρωποι που εκφράζουν δυνόμιους για ένα σύνολο δεδομένων. Τέτοιες προσπάθειες προσπαθούν λίγο να σπάσουν λίγο τα σιλό που υπάρχουν εκεί αλλά και να εμφανίσουν νέους ρόλους όπως περιγράψεις.

57:02 Και όπως λες πολύ σωστά το νομικό κομμάτι που είναι μεγάλο το κομμάτι του data management είναι την έννοια του πώς το διαχειρίζουμε εδώ στον οργανισμό το security, cyber security που είναι μάλιστα μεγάλες πρωτοβουλίες της Ευρώπης για να μπαίνουν και στάμπες που θα λένε cyber security είναι you, AI ethics by design αυτό που λέμε ότι κάθε σύστημα τεχνητής δημοσίνης έχει ένα ηθικό αντίκτυπο όπως και όλα τα τεχνικά συστήματα πλέον εμφανίζονται λίστες, checklists και πάλι στο Δημόκοτο πρώτο πρόγραμμα έχουμε πρόγραμμα με την IEEE που είναι για εκπαίδευση ανθρώπων στο να μπορούν να ξέρουν τι πρέπει να ρωτήσουν τον εαυτό τους και τον οργανισμό για το αν κάτι φτιάχτηκε ηθικά.

57:37 Αυτά είναι πράγματα που είναι πλέον κοινωτικές, ενδοκοινωτικές αλλά όπως λες και παγκόσμιες ανάγκες και εκεί να έχει πολύ αφόρη αυστηρές μηχανισμούς για το τρανστοκοριακό εθνικό είναι υποσιακό και ιδιήθηκαν για τους δικούς λόγους στο κάθε χώρος. Άρα φαίνεται ότι χρειαζόμαστε και άλλους επιστήμονες για να μας βοηθήσουν να κάνουμε την δουλειά μας σε χώρες που δεν μας είναι τόσο εκεί.

57:55 Ναι, βέβαια, γιατί το έθιξη παράδειγμα είναι μεγάλο κομμάτι, γιατί αν εσύ γράψεις απλά κώδικα και ξαφνικά βλέπεις μέσα δεδομένους σε διάφορα πράγματα ενώ ψάχνεις γιατί λες, ωραία πράγματα, δω τι δεδομένα έχω να καταλάβω λίγο τι παίζει. Μπορεί να βρίσκεις διαβατήρια, μπορεί να βρίσκεις ταυτότητες άρα ταυτοποιούν κατευθύν αυτούς.

58:13 Και μπορεί μια εταιρεία να σου λέει σαν γραμμή, τάξη μωρέ βάλτε το εκεί σε ένα API call είναι private και insecure. Ποιος το λέει αυτό. Ναι και τελικά έχεις ρωτήσει στον αρχικό χρήστη Μετά μπαίνουν όλες ότι τα δεδομένα να το χρησιμοποιηθούν έτσι. Άρα τελικά, όπως λες, το ethics είναι οριζόντια σε όποια δράση έχει να κάνει με τεχνητή νοημοσύνη.

58:33 Από την αρχική σκέψη για να υλοποιήσω ένα σύστημα, σε όλο το γύγλο ανάπτυξης, μέχρι το κομμάτι ότι τελικά αποφασίζω ότι όντως θα το χρησιμοποιήσω εκεί. Ήταν και σε πιο δύσκολα δεδομένα, δηλαδή σε ευαίσθητα προσωπικά, σε ιατρικά, βιομετρικά δηλαδή για παράδειγμα είμαστε σε βλέπουμε τώρα καλή ώρα σιγά σιγά μπαίνεις σε χειρουργία τεχνητή νομοσύνη εν τέλει υπάρχουν πολλοί που φοβούνται ότι ποιος παίρνει τελική απόφαση στα ποιόν τα χέρια είναι μια τελική απόφαση αυτό σωστά αυτό τελικά ορίζεται η κοινωνία το ορίζει θα το καθορίσει δηλαδή ακόμη κι αν υπάρχει μια κατεύθυνση αρχική μπορούμε να αντιδράσουμε σημειώνω την περίπτωση του Hollywood που έκανα μια από τις μεγαλύτερες απεργίες του γιατί είπαν δεν θέλω να κλέβει τη φωνή μου ένα σύστημα ή να γράφει σενάρια που έχουν εμπνευστεί από τα δικά μου έχει κλέψει τις λέξεις ή τα patterns τα πρότυπα. Αυτό λοιπόν είναι μια κοινωνική αντίρρευση που οδηγεί την τεχνολογία προς τα κάπου αυτό κάναμε πάντα, αυτό κάνουμε και τώρα

59:26 εκεί λοιπόν όμως βλέπεις ότι επικαλούμαστε την ανάγκη να έχουμε πολίτες ενεργούς και σε αυτά Έγινε πριν από λίγα χρόνια μια ανοιχτή διαβούλευση από την Ευρωπαϊκή Επιτροπή για το τι θα έκανε μετά στη τεχνητή νοημοσύνη για την Ευρωπαϊκή Τεστατική και θεώρησαν, ήταν κάποιοι εκατοντάδες οργανισμοί, εκατοντάδες, όχι χιλιάδες, να πω ότι οι μικρομετρικές επιχειρήσεις μπορεί να είναι εκατοντάδες χιλιάδες ή ξέρω εκατομμύρια στην Ευρώπη, έτσι.

59:50 Μπήκαν λοιπόν κάποιοι οργανισμοί, 100, 200 όσοι ήταν οπότε είναι σημαντικό να είμαστε επάσης πιτός ο καθένας στον χώρο του ενεργός για να πει είμαι εγώ σε ένα σχολείο και έρχεται ένα σύστημα να ζητήσω να καταλάβω πώς δουλεύει όχι ανήκτικα απαραίτητα αλλά πού μπορεί να με βοηθήσει, ακολουθεί κάποιες αρχές αυτή η ενεργοποίηση ως πολίτη πλέον είναι καθοριστική για να έχουμε την τεχνητή νοή μου όσο είναι η πιθανή μαύρη Ναι και τελείως τώρα μπορούμε να αφήσουμε να αφήσουμε τώρα ένα μοντέλο ανεξέλεγχο να κάνει το να είναι ή παράδειγμα να παίζει πάνω σε λανθασμένα δεδομένα που μπορεί να τα κάνει generate μόνο του κιόλας.

01:00:30 Έτσι είναι επικίνδυνο θεωρώ. Ή πράβο, μπορεί να καταλέξεις να είναι επικίνδυνο και όχι απαραίτητα με το θέμα της ζωής ότι θα με σκοτώσει. Όχι, είναι καστικά. Μπορεί να κάνει ζημιά. Λάθος απόφαση. Για παράδειγμα, κάποιος κάνει μια φορολογική ενημερότητα και έχει φτιάξει κάποιος ένα startup και έχει βάλει τεκτήμωσή νήμεζα για να κάνει τον αυτοματισμό.

01:00:47 Ωραία, και κάνει λάθος κάπου και βρίσκεται ζημιωμένος, για παράδειγμα. Ή μπορεί να χρειαστεί να σου κάνει λάθος και βρίσκεται ζημιωμένος φορέας που πρέπει να σε πληρώσει, π.χ. Φυσικά. Επίσης, τώρα έτυχε σε ένα πρόσφατο βίντεο που είδα, από τα λίγα ξαναλέω που βλέπω, γιατί δεν ασχολούμαι πάρα πολύ με κοινωνικά δίκτυα, πολύ ενσυνείδητα, λόγω του όγκου της πληροφορίας που δεν είναι πάντα αφέλιμη.

01:01:05 Μια από τις μεγάλες εταιρείες που παρέχει ελελέμση είπε ότι επειδή το να φτιάξουμε ένα ιατρικό βοηθό με βάση τα ελελέμση ήταν δύσκολο, είπαμε ας φτιάξουμε ένα φύλλο που είναι μόνο για διασκέδαση και άρα είναι ασφαλές, περίπου λέω τώρα τη δήλωση. Αυτό είναι επικίνδυνο για οποιονδήποτε αρχίζεις να αναπτύσεις σχέση με ένα σύστημα αλληλεύσης.

01:01:22 Εμένα ότι δεν έχει καμία... Και έχει φανεί ότι είναι επικίνδυνο, έτσι. Που να δώσεις λάθος συμβουλές, να σε περιορίσεις στο πλαίσιο μιας αφηγής που δεν την κάνεις και εμένα. Είναι λέξη που παράγει να σου πει ας μωρέ, μην το πεις αυτό που... την ανησυχία σου στο δικό σου άνθρωπο, στο γονιό σου και τα λοιπά. Και να φτάσεις σε κάποιο σημείο να αυξήσεις πολύ την εξάρτησή σου από τεχνολογία που είναι μεγάλο ρίσκο, να απομονωθείς, μέχρι και να φτάσαι σε άκρα που δεν θα θέλουμε να μας σκεφτόμαστε κάπου.

01:01:45 Έχουμε δει ήδη τέτοια άγραση στις ομένες πολιτείες και πάμε να δείξουμε τα δικαστήρια έτσι και έως αυτή τη στιγμή, με μεγάλες εταιρείες πλέον. Εννοείται. Εκεί βέβαια να πω εγώ ότι πάντα μου φαίνεται και το εύκολος από διοπομπέως τράγος τέχνης νοημοσύνης. Δεν είναι η εταιρεία πάντως. Και η εταιρεία, η τεχνολογία, η τεχνητή νοημοσύνη, δεν είναι έτσι.

01:02:01 Είναι και η κοινωνία γύρω και αν έχει στήριξει ο άνθρωπος, αλλά τελικά πάντως πρέπει να έχουμε μια γρήγορη σε αυτά τα θέματα. Ναι, νοίτε. Έτσι λίγο πριν κλείσουμε, θα ήθελα να μου πεις ποιο είναι ένα πράγμα που σε ανησυχεί περισσότερο για τα επόμενα χρόνια, σαν ερευνητή. Η ρηχότητα και η αδιαφορία. η ρηχότητα ενώ και σε εμάς σε αυτούς μας πρωτίστως, σε όλους τους επιστήμονες που έχουμε μια πορεία, αλλά και στους νέους φοιτητές και φοιτήτριες είναι σημαντικό να κρατήσουμε μια οπτική του βάθους οπότε εκεί σημαίνει πρέπει να αποτραβηχτείς από το πάρα πολύ θόρυβο δεν είναι εύκολο αυτό, και να εστίασεις σε συνείδητα αυτή η ρηχότητα τη συναντάμε από το προγραμματισμό, από την διαμόρφωση ερευνητικών ερωτημάτων πώς να σου πω, έχουμε καταλήψει ερωτήματα που είναι θεμελιώδη για τον άνθρωπο το τι αξία έχει η ζωή σου λέω τώρα γιατί ζούμε, γιατί είπαμε ότι δεν είναι ερευνικά, δεν έχουν αξία, μια στιγμή η επιστημολογία σου σήμερα δεν μπορεί να το απαντήσει αυτό

01:02:56 δηλαδή ο τρόπος που ασκείς στην επιστήμη σου δεν μπορεί να το απαντήσει, δεν σημαίνει ότι είναι ασήμαντο το ερώτημα και να πω ότι έχω ακόμα συναδέλφους που τους αγαπώ πάρα πολύ και τους εκτιμώ βαθύτατα και νιώθω ευλογημένος που σε γνωρίσει, που κρατάνε αυτό το καθαρό μάτι μετά πολλά χρόνια δουλειάς και κρατάνε θεμελιώδεις ερωτήσεις.

01:03:12 Μένουν από άλλες επιστήμες κιόλας, από βιολογία, από μαθηματικά, από φυσική. Άρα αυτή η έμφαση στο βάθος που πηγαίνουμε όμως βηματάκι-βηματάκι, έτσι δεν γίνει τελειώς, έτσι λέει η επιστήμη. Είναι πολύ σημαντικό κομμάτι για την έρευνα. Αυτό είναι το ένα. και η ρηχότητα έχει να κάνει μέσα και το αν σε ενδιαφέρει η ανθρωπιά χαρακτηριστικά η ρητορική του ότι μα αυτό το σύστημα είναι άνθρωπος γιατί μου μιλάει σαν άνθρωπος είναι σαν ο άνθρωπος να εξαντλείται στα γραπτά του δηλαδή όποιος δεν ξέρει να γράψει καλά δεν είναι άνθρωπος αυτά είναι οι φέρμουσες ας πούμε υποθέσεις που δεν στέκουν εκεί λοιπόν η κοινωνία πρέπει λίγο να πατήσει στα πόδια της άρα και στην έρευνα οπότε ένα κομμάτι είναι η ρηχότητα και το άλλο υπάρχει η αδιαφορία γιατί βλέπουμε πάρα πολύ συχνά ότι λόγω πάλι του κοινωνικού ειδώλου που δημιουργείται του της κοσμοθεωρίας ας πούμε θεωρείς πάρα πολύ σημαντικό να πάω στα πιο δημοφιλή συνέδρια της εργασίας μου ασχέτως αν υπάρχει κάτι εξίσου

01:04:05 ή περισσότερο σημαντικό παραδείγμα που δεν θα είναι στο φως της δημοσιότητας και γι' αυτό φταίμε κι εμείς ως κριτές στα διδακτορικά κτλ. Αυτά τα τέτοια λοιπόν θεωρώ ότι είναι τα θεμέλια κρίσης που υπάρχουν και τώρα και πρέπει λίγο να τα φροντίσουμε νωρίς. Και επίσης να πω ότι και στον ερευνητικό χώρο υπάρχουν πολύ μεγάλα προβλήματα με ψυχολογικά προβλήματα στους ανθρώπους. Λόγω πίεσης, λόγω της αγωνίας. Αυτό το Παύλη Σορπέρης που είναι μια βλακιά και μισό ότι η δημοσιεύση πεθαίνει. Θυμίζω ότι πάρα πολύ μεγάλα έργα, ξέρω εγώ από τον ΝΑΣ, από διάφορους που ήταν θεμέλια της επιστήμης, δεν θα είχαν γίνει ποτέ στην εποχή μας, γιατί κανείς δεν θα είχε τη χρηματοδότηση.

01:04:43 Και καταλαβαίνεις, λέω ότι δίναμε χρόνο στην επιστήμη. Εγώ το βιώνω, ξέρω ακριβώς τι εννοείς. Και τότε που είχα πάει στο Τέξας, θυμάμαι ότι τα ψυχοφάρμακια ήταν σε καραμέλες, είχα σου ευχαριστεί. Αυτό είναι φοβόρα. Και αυτό δείχνει αποτυχία κοινωνική και ερευνητική. Ναι, λέγανε όλοι, α, αρχώνεσαι, εντάξει, θα σου δώσουμε, θα πάρεις μερικά χάπια και θα είσαι καλά.

01:05:03 Πολύ σωστό. Κλείνω και με την κλανησιά μου, η ευκολία. Η ευκολία είναι εχθρός της εξέλιξης. Της εξέλιξης του ανθρώπου, εννοώ βαθιάς εξέλιξη. Άρα λίγο αυτά τα πράγματα θέλει μέτρο. Δεν είπα να τα κάνω τα πάντα με το πιο δύσκολο τρόπο, αλλά να έχουμε μια επίγνωση ότι αν κάνεις κάτι με το πιο εύκολο τρόπο δεν τρίβεσαι και άρα δεν θα γίνεις καλύτερος.

01:05:23 Είναι αυτό που λένε πολλοί και εγώ συμφωνώ σε αυτό ότι κάτω την πίεση δημιουργούνται διαμάντευες πολλές φορές. Κάτι που θα σε έκανε αισιόδοξο? Πάρα πολλά. Έχουμε υπέροχους φοιτητές και φτύτριες. Επίσης έχω ανακαλύψει στις παρυφές των φώτων ας πούμε φωτιζούν των προβολέων εκπληκτικές κοινότητες, όπως αυτή που ανέφερα για το κοινό των ΡΕΟ Τεχνών, βλέπεις ότι υπάρχουν πολύ ουσιαστικές κοιτίδες σκέψης γνώσεις αγάπης για τον κόσμο οι οποίες απλώς δεν προβάλλονται πολύ Αυτό είχα τη μεγάλη χαρά να το ζήσω μέσα από τη Sci-Fi, όταν το πρώτο καιρό ενεργοποιηθήκαμε να δούμε ποιες ήταν οι κοινότητες ανθρώπων που έχουν μια δράση ανθρωπιστική, να πω με αγάπη προς τον άνθρωπο ή με αγάπη προς τον κόσμο βιώσαμε πάρα πολλές μικρές προσπάθειες και να πω ότι το μεγαλύτερο πρόβλημα εκεί ήταν η αποσπασματικότητα δεν συναντιούνται οι άνθρωποι με διάθεση Άρα υπάρχουν πάρα πολλοί άνθρωποι με πολύ καλή διάθεση να προσφέρουν ουσιαστικά υπάρχουν πάρα πολλές τέτοιες μικρές ομάδες, υπάρχουν πυρήνες σκέψης

01:06:21 που είναι πολύ καλή, αποδοτική με όλες τις πλησιάσεις και κατά συνέπεια όπως πάντα η ανθρωπότητα να πω έχει αντιστάσεις δηλαδή δεν είναι τυχαίο που υπάρχουμε ακόμα γιατί αν σκεφτείς λίγο παρεμεινεύοντας επιστημονικά αποτελέσματα το εγωιστικό γονίδιο εντάξει αυτά είναι ατάγεις που είναι πολύ ωραίες αλλά στρεβλώνουν την αντίληψη της καθημερινότητας δηλαδή λέμε όλοι είναι απαταιώνες και ταυτόχρονα γνωρούμε θεμελιώδεις δράσεις που όλοι κάνουμε με απλότητα από την παραχώρηση του άλλου να περάσει στον δρόμο, μέχρι το ότι μόλις πέσει ένας άνθρωπος στον δρόμο, τρέχουμε να το βοηθήσουμε.

01:06:57 Αυτό είναι πολύ κοινό. Άρα, εκεί είναι η ανθρωπιά. Δεν είναι στις μεγάλες δηλώσεις. Συνεπώς είμαι πάρα πολύ αισιόδοξος και τεχνολογικά να πω ότι η ελπίδα μου πάντα είναι τα λάθη που κάνουμε. Η ελπίδα μου είναι αυτή. Για να μάθουμε. Για να μάθουμε και ότι έρχεται η επόμενη γενιά. Σε μια ομιλία που έχουμε μες να κορυδέψει μετά, χαίρομαι πάρα πολύ που θα πεθάνω κάποια στιγμή. Γιατί θα μπορέσει με την ελπίδα η επόμενη γενιά να μην μιμηθεί, να μην κάνει τέτοια λάθη με εμένα.

01:07:21 Αλλά να πάρει και τη γνώση. Ναι, για να προχωρήσουμε στο επόμενο επίπεδο. Ναι, και αυτό είναι μια συνεχής, είναι μεγάλη ελπίδα αυτό. Και κάτι που θα ήθελες να μάθει ο περισσότερος κόσμος για την τεχνητή νομοσύνη. Δεν υπάρχει, επιστημονικά μιλάω τώρα, κατεύθυνση, καν κατεύθυνση που να ξέρουμε ότι αν πάω προς τα εκεί θα καταλήξω μάλλον σε κάτι που θα είναι νοήμων.

01:07:50 Δεν υπάρχει κανένας τέτοιος δρόμος σήμερα. Ό,τι διαβάζουμε είναι εικασίες και ευχολόγια και από όλα κάτι μπορεί να βγει κάποτε άλλο. Αυτή τη στιγμή μιλώντας επιστημονικά δεν υπάρχει τρόπος να πάμε σε μια μηχανή που θα έχουμε τη χαρά να μην έχουμε την ευθύνη ότι εμείς κάνουμε τη ζημιά. Εντάξει, άρα αυτό λοιπόν Θα να το κρατήσει κανείς και όλα αυτά τα δημοσίευματα Που λένε έμαθε μόνη της Δεν εννοεί αυτό που νομίζουμε το δημοσίευμα Ή εσύ και εμένα ή καταλάβεις Άρα ο φόβος ενός matrix Στη χειρότητα εκδοχή του ενός δεν ξέρω κάποιο Αντίστοιχο πράγματος Δεν υφίσταται επιστημονικά Στον οριζοντά μας πιθανά Γιώργος, ευχαριστώ πάρα πολύ για τη συζήτηση Πιστεύω ότι και οι αγροτές μας μάθανε αρκετά πράγματα μέσα σε όλη την μημάθεια που κυκλοφορεί για το τι σημαίνει τεχνική νομοσύνη.

01:08:37 Εν τέλει καταλαβαίνω ότι μόνο οι μηχανικοί μπορούμε να μιλήσουμε σε βάθος και να καταλάβουμε και άλλα πράγματα οι όσοι ασχολούνται με αυτό πιο εμπεριστατωμένα. Σωρή. Όχι. Θα πω και ότι οι κοινωνικοί επιστήμονες, οι ανθρωπολόγοι έχουν να μιλήσουν για πολλούς τομείς που μας ρωτάνε εμάς παράδειγμα τι θα κάνει η τεχνητή νοημοσύνη στην κοινωνία σε 10 χρόνια ρωτήστε κοινωνιολόγο.

01:08:56 Άρα εκεί θέλει και παραπέρα αλλά σε βάθος της λεπτομέρειας της τεχνικής εμίσματος. Άρα να είμαστε και λίγο πιο ανοιχτοί γενικά στη συζήτηση. Βέβαια. Παιδιά να δείτε το επεισόδιο πιστεύω ότι θα σας βοηθήσει πάρα πολύ να καταλάβετε έστω και λίγο τι είναι όλο αυτό το πράγμα τι σημαίνει AI το ακούτε κάθε μέρα. Οπότε ρίξτε του μια ματιά και τα λέμε στο επόμενο επεισόδιο Ευχαριστώ πάρα πολύ Ήταν άλλο ένα επεισόδιο του Neural Coach Αν σας άρεσε η συζήτηση κάντε ένα like και μοιραστείτε το επεισόδιο με ανθρώπους που τους ενδιαφέρει η τεχνολογία πίσω από τις αποφάσεις Τα λέμε στο επόμενο