Προσομοίωση: Πώς βάζουμε τη φύση μέσα σε έναν υπολογιστή - Με τον Δημοκράτη Γρηγοριάδη

Αυτόματη μεταγραφή — ενδέχεται να περιέχει λάθη.

00:00 Όταν προσπαθεί κανείς να κάνει μια προσωμείωση, ξεκινάει, είναι καλό ίσως να πούμε λίγο τη διαδρομή σύντομα, ξεκινάμε πάντα από την παρατήρηση. Άρα παρατηρώ ένα πρόβλημα, θέλω να προβλέψω τον καιρό. Αναρωτιέμαι, υπάρχει κάποια εξίσωση που διέπει την κίνηση των ρευστών. Ψάχνω στη θεωρία, βρίσκω ότι υπάρχουν εξίσωσεις εδώ και 200 χρόνια.

00:21 Υποχρεούμε να κάνω κάποιες παραδοχές, οι οποίες πρέπει να είναι πολύ συγκεκριμένες, και τη μετασχηματίζω σε κάτι το οποίο μπορεί να... σε ένα μαθηματικό πρόβλημα, μάλλον. Αν κάνω αυτή τη διαδικασία που σας είπα και προσπαθήσω να προβλέψω τον καιρό, παράδειγμα για αύριο, στην περιοχή του Βορείου Αιγαίου, θα χρειαστώ έναν υπερυπολογιστή, γρήγορο και μεγάλο υπολογιστή, ούτως ώστε να μπορώ να έχω το αποτέλεσμα αυτού του μαθηματικού προβλήματος, τον καιρό δηλαδή τον αυριανό, κατά προτίμηση νωρίτερα από αύριο.

01:25 και εφαρμοσμένη ρευστοδυναμική από το Ινστιτούτο Ρευστοδυναμικής των Βρυξελών. Από το 1996 εργάστηκε ως ερευνητής στο Ερευνητικό Κέντρο Δημόκριτος, αρχικά στον τομέα της περιβαλλοντικής ρευστοδυναμικής και αργότερα στον τομέα της υπολογιστικής και πειραματικής πυρηνικής θερμοϊδραυλικής στον Πυρηνικό Αντιδραστήρα GRR, 1. του Κέντρου Πυρηνικού Αντιδραστήρα του Ιστιτούτου Πυρηνικής Τεχνολογίας και Ακτινοπροστασίας.

01:50 Το 2003 απέκτησε το διδακτορικό του δίπλωμα από το Τμήμα Μηχανολόγων Μηχανικών του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης. Από το 2006 είναι μέλος της ερευνητικής ομάδας Using CompSci στο Τμήμα Μηχανολόγων Μηχανικών του Πανεπιστημίου Κύπρου. Κύριε Γρηγοριάδη, σας καλωσορίζουμε στο podcast Τεχνολογικά. Κύριε Γρηγοριάδη, να σας καλωσορίσουμε για ακόμη μία φορά στο podcast Τεχνολογικά.

02:15 Και να ξεκινήσουμε με τον όρο προσωμείωση, τον οποίο τον βλέπουμε να χρησιμοποιείται παντού πλέον από βιντεοπαιχνίδια μέχρι πρόγνωση καιρού. Τι εννοούμε όμως πραγματικά όταν λέμε προσωμείωση στην επιστήμη. Καλημέρα κύριε Πορμένα και ευχαριστώ για την ευκαιρία που μου δίνει να μιλήσουμε για αυτά τα θέματα. Όταν λέμε προσωμείωση, είναι όρος που χρησιμοποιείται και εκτός της επιστημονικής κοινότητας.

02:45 Για παράδειγμα, πολλές φορές ακούω ότι σε εξετάσεις τελειόφυτων λυκείου κάποια διωτικά φροντιστήρια κάνουν προσωμείωση εξετάσεων. Άρα ως όρος χρησιμοποιείται οποτεδήποτε προσπαθούμε να αντιγράψουμε κατά κάποιο τρόπο, να δημιουργήσουμε κάτι που είναι όμοιο, όχι ίδιο, κάτι που είναι όμοιο και συμπεριφέρεται με τον ίδιο τρόπο.

03:09 Προσπαθούμε δηλαδή να ταιριάξουμε, αν θέλετε, πραγματικές συνθήκες. Υπ' αυτή την έννοια η προσωμείωση στην επιστημονική περιοχή συνήθως αναφέρεται σε κάποιο είδους μελέτη υπολογιστική της περισσότερης περιπτώσεις για να τη διαχωρίζουμε από το πείραμα Άρα όταν λέμε προσωμείωση στον επιστημονικό κλάδο εννοούμε πρακτικά τη χρήση υπολογιστικών εργαλείων και υπολογιστικών μηχανών που μπορούν να μας προγνώσουν διαφορετικά συστήματα επειδή ακριβώς έχουν κατασκευαστεί να λειτουργούν με όμοιο τρόπο και υπόκρινται στους ίδιους ακριβώς κανόνες ότι ένα αντίστοιχο φυσικό πρόβλημα που προσπαθούν να μιμηθούν κατά κάποιο τρόπο.

03:58 Άρα είναι ένας τρίτος δρόμος από τη θεωρία και το πείραμα ή εξυπηρετεί τη θεωρία και το πείραμα. Είναι και τα δύο αυτά που αναφέρεται. Είναι πλέον από τη δεκαετία του 1940-50 που ξεκίνησε ως κλάδος επιστημονικός. Είναι πρακτικά ο τρίτος πυλώνας της επιστήμης. Άρα αν πηγαίναμε 100 χρόνια πίσω, τα εργαλεία που είχαν στα χέρια τους οι επιστήμονες και οι ερευνητές ήταν το θεωρητικό υπόβαθρο, η θεωρία, και ήταν και το πείραμα.

04:36 Πειράματα έχουν γίνει από την αρχαιότητα. Ξαφνικά λοιπόν με την Υπάρξη των υπολογιστών Τη δεκαετία του 1940-1950 Προέκυψε ο τρίτος πυλώνας Όπου χρησιμοποιούμε Προφανώς τη θεωρία και το πείραμα Για να κατασκευάσουμε Προσωμιώματα Που μας δίνουν Ελπίζουμε Αν όλα πάνε καλά Ακριβώς έγινε η εικόνα με το πείραμα και τη θεωρία Άρα έρχονται να συμπληρώσουν το πείραμα και τη θεωρία Ξέρετε, υπάρχουν επιστήμονες οι οποίοι τίνουν να φανατίζονται με τη χρήση των προσωμιώσεων και θεωρούν ότι πλέον θα καταργήσουμε τα πειράματα ή θα καταργήσουμε τη θεωρία Πρόκειται για αυταπάτη Το πείραμα θα συνεχίσει να υπάρχει Το έχουμε απόλυτη ανάγκη, ειδικά όσοι από εμάς κάνουμε προσωμιώσεις γιατί θέλουμε συνεχώς να παληθεύουμε ότι οι προγνώσεις αυτόν τον εργαλείο προσωμιώσεων που κατασκευάζουμε όντως ακολουθούν την πραγματικότητα.

05:39 Και σαν το πείραμα δεν έχει σε αυτή την περίπτωση. Άρα λειτουργεί συμπληρωματικά και είναι ένας πολύ σημαντικός κλάδος και της θεωρίας πλέον και των πειραμάτων. Ιδανικά δηλαδή, αν αυτοί οι τρεις πυλώνες συνεργαστούν και οι άνθρωποι που τους υπηρετούν συνεργαστούν σωστά, τότε η επιστήμη όντως μπορεί να προχωρήσει πολύ. Σας ευχαριστώ.

06:25 Σας ευχαριστώ. πόσο μπορεί να παραπλανηθώ ενδεχομένως από μια προσωμίωση αν έχω χάσει αυτό το μέτρο του πόσο κοντά είμαι σε αυτό που συμβαίνει στα αλήθεια. Κοιτάξτε, υπάρχει ένα εσωτερικό αστείο στην επιστημονική κοινότητα που λέει ότι όποιος κάνει προσωμιώσεις, τον πιστεύουν όλοι και όποιος κάνει πειράματα, δεν τον πιστεύει κανείς.

06:51 Και το ανάποδο πολλές φορές. Άρα το θέμα της πιστότητας των προσωμιώσεων, γιατί αυτό φύγουμε, είναι προφανώς θεμελιώδες. Θέλουμε να έχουμε ένα εργαλείο το οποίο όντως να μας δίδει αντίστοιχες απαντήσεις στα αντίστοιχα προβλήματα με την αντίστοιχη είσοδο, αν θέλετε. Επομένως, τα πειράματα για εμάς είναι απαραίτητα. Άρα το πρώτο, ένα από τα στάδια που κάνει κανείς όταν πηγαίνει να μελετήσει κάτι μέσω προσωμιώσεων είναι να πάει σε ένα αντίστοιχο πρόβλημα, ίσως και απλούστερο, στο οποίο έχει γίνει κάποια πειραματική μελέτη και εκεί με το εργαλείο να προγνώσει το ίδιο ακριβώς πρόβλημα με τις ίδιες συνθήκες και να πάρει ακριβώς την ίδια απάντηση.

07:36 Αυτό στην πράξη, πρακτικά, όπως καταλαβαίνετε, είναι αδύνατο. Πολλές φορές οι προσωμιώσεις είναι αρκετά μακριά από το τι προτείνει η θεωρία, τι υποδεικνύουν οι πειραματικές μετρήσεις. Άρα η δουλειά των όσων από εμάς κάνουμε προσωμείωση είναι να προσπαθούμε διαρκώς να πιστοποιήσουμε αυτά τα εργαλεία έρευνας, ώστε να μας δίνουν απαντήσεις με τις οποίες μπορούμε να βγάλουμε έγκυρα συμπεράσματα και για τη φυσική της ιστορίας και για τη θεωρία.

08:08 Να υπηρετήσουμε και τη θεωρία δηλαδή. Άρα διαρκώς συγκρίνουμε. Τώρα το πόσο κοντά εξαρτάται από την πολυπλοκότητα του προβλήματος. Για απλά προβλήματα, οι λύσεις μας είναι πάρα πολύ καθαρές. Υπάρχουν δε προβλήματα τα οποία μας δίνουν καθαρές μαθηματικές λύσεις που έχουν σε περιπτώσεις που έχουμε και αναλυτικές λύσεις της εξισώσης.

08:30 Άρα, εκεί όντως είμαστε πάρα πολύ καλά. Υπάρχουν και άλλα προβλήματα στα οποία ακόμα είμαστε πολύ μακριά. Πολύ απλά γιατί η φυσική αρχίζει και γίνεται πολύ σύνθετη. Ειδικά σε περιπτώσεις κάτω από ένα έυρος παραμέτρων, παραμέτρων, είμαστε πολύ αδύναμοι ακόμα για να κάνουμε μια προσωπή ουσία οποία έχει εγκυρότητα. Και πολλές φορές, εδώ κάτι που πρέπει να σημειωθεί, αυτό που λέγαμε ο διάλογος μεταξύ πειράματος και προσωμιώσεων ή θεωρίας, πολλές φορές οι προσωμιώσεις οι ίδιες επίσης χρησιμοποιούνται για να σχεδιαστούν πειράματα.

09:05 Γιατί όσο δύσκολο είναι κανείς να κάνει ένα καλό πείραμα, τόσο δύσκολο είναι κανείς να κάνει και μία έγκυρη προσωμείωση. Άρα θέλει ιδιαίτερες δεξιότητες εκεί πέρα, που ξεφεύγουν από το τι μπορεί να κάνει σήμερα η τεχνητή νοημοσύνη, στο να μπορεί να κρίνει κανείς αν όντως αυτό που βλέπει είναι πραγματικό. Σε σχέση με το δεύτερο ερώτημά σας, παρατηρούμε μία τάση τα τελευταία χρόνια, στα αφιθεατρά με τους φοιτητές και τις φοιτητρίες μας, να δείχνουν κάποιο είδους εμπιστοσύνη υπέρ του δέοντος, θα έλεγα, σε τέτοιο τύπο εργαλεία.

09:40 Άρα υπάρχουν περιπτώσεις που ένας φοιτητής μπορεί να σου απαντήσει όταν το ρωτήσεις «Μα αυτό μου έβγαλε το λογισμικό». Άρα εκεί υπάρχει μια πρόκληση για το πώς εκπαιδεύουμε τους νέους ανθρώπους, ώστε να μπορούν να διαθέτουν αυτή την κριτική ικανότητα που απαιτείται για να μπορούν όντως να αξιολογήσουν αν μία προσωμείωση είναι έγκυρη ή όχι.

10:09 Διαφορετικά είναι απλά χρώματα τα οποία φαίνονται πολύ ωραίες στις παρουσιάσεις αλλά δεν έχουν κανένα πολύ το σχέση με την πραγματικότητα. Εγώ πάντως δεν κατάλαβα αφού το πείραμα αποδεικνύει ή όχι τη θεωρία. Επιβεβαιώνει ή όχι τη θεωρία. Γιατί χρειαζόμαστε και την προσωμείωση. Πολύ καλή ερώτηση. θα μπορούσαμε να ζήσουμε και χωρίς προσωμείωση.

10:27 Αυτό είναι αλήθεια. Και ζούσαμε για πολλούς αιώνες χωρίς προσωμείωση. Πλέον όμως έχουμε την εξής δυνατότητα. Εφόσον περάσουμε από τη βάσανο πιστοποίησης αυτών των εργαλείων και αρχίζουμε και εμπιστευόμαστε πλέον τα αποτελέσματα που βλέπουμε, μετά μπορούμε, αν τα έχουμε κάνει όλα σωστά, μπορούμε να διερευνήσουμε ένα πολύ μεγάλο έυρος παραμέτρων που πρακτικά με ένα πείραμα θα ήταν αδύνατον, ακόμα και λόγω χρόνου ή λόγω πόρων.

10:59 Άρα, αν καταφέρει κάποιος κάποια να αποκτήσει ή να κατασκευάσει ή να μάθει να χρησιμοποιεί ένα εργαλείο το οποίο του δίνει ρεαλιστικές απαντήσεις, που χαρακτηρίζονται από ακρίβεια, από πιστότητα, από υπαναληψιμότητα και όλα αυτά τα πράγματα που είναι σημαντικά, τότε μπορεί να διερευνήσει ένα πεδίο παραμέτρων το οποίο με τα πειράματα θα του έπαιρνε ίσως χρόνια.

11:24 Άρα πολύ γρήγορα μπορεί να έχει απαντήσεις, πολύ γρήγορα μπορεί να δει τάσεις και κυρίως ίσως μας διαφεύγει, αλλά υπάρχει ένα έυρος παραμέτρων το οποίο δεν μπορούμε να το πετύχουμε πειραματικά. Θα σας πω ένα απλό παράδειγμα. Συνθήκες έλλειψης βαρύτητας. Αν κάποιος πάει να κάνει ένα πείραμα σε συνθήκες έλευσης βαρύτητας, δεν είναι πολύ απλό.

11:46 Στον υπολογιστή αυτό ισοδυναμεί με το να αλλάξω μία παράμετρο από κάτι σε κάτι άλλο. Άρα μπορώ να διερευνήσω και σενάρια τα οποία είναι έξω από αυτά που μπορεί να πετύχει το πείραμα, άρα διευρύνω τους ορίζοντες μου, μπορώ να δω πιο μακριά, μπορώ να εξετάσω πιο πολλά, μπορώ να επαληθεύσω ή όχι θεωρίες, πάντοτε σε διάλογο με το πείραμα και τη θεωρία.

12:14 Να σας πω παράδειγμα είναι πολλές από τις προσωμιώσεις που κάνουμε ειδικά στην περιοχή των ρευστών, που είναι ένα κομμάτι προσωμιώσεων, επαληθεύονται με πειράματα που γίνονται στο διάστημα, ή σε διαστημικούς σταθμούς. Πολλές φορές οι αστρονομιώτες έχουν μαζί τους μικρά σετ ειδικά σχεδιασμένων πειραμάτων, τα οποία κάνουν επιτόπου.

12:32 είναι κάτι που ενισχύει αυτό που σας έλεγα, ότι χρειαζόμαστε τα πειράματα. Δεν θα σταματήσουμε πότε να χρειαζόμαστε καλά πειράματα. Είναι ωστόσο σημαντική και όπως αντιλαμβανόμαστε και η συνεισφορά της προσωμείωσης προς πολλές κατευθύνσεις. Ναι, αναφέρθηκε ο κ. Καθηγητής στο διάστημα άλλοι τομείς που κάνουμε προσωμιώσεις και λύνουμε προβλήματα.

13:01 Παραδείγματα δηλαδή. Ναι, είναι πολύ μεγάλο το έυρος και προκύπτει από την φυσική μας περιέργεια, κάτι που μας χαρακτηρίζει, και από την ανάγκη μας να προβλέψουμε τι θα συμβεί. Άρα, τέτοιου τύπου ερωτήσεις μπορεί να θέσει κανείς οπουδήποτε και στην πράξη, λοιπόν, που χρησιμοποιούμε προσωμιώσεις. Το πιο διαδεδομένο και γνωστό παράδειγμα για όλους μας είναι η πρόγνωση του καιρού.

13:27 Η πρόγνωση του καιρού είναι ακριβώς αυτό που λέμε προσωμείωση. Άρα προσπαθούμε να προβλέψουμε τι καιρό θα κάνει αύριο, σε συγκεκριμένες περιοχές και μάλιστα σε συγκεκριμένες ώρες. Γιατί θέλουμε να ξέρουμε αν θα πάμε διακοπές, θέλουμε να ξέρουμε αν θα υπάρχει κάποιο πλημμυρικό φαινόμενο ή ακραία φαινόμενα. Άρα έχουμε απόλυτη ανάγκη να προγνώσουμε τον καιρό και το κάνουμε όντως με προσωμιώσεις.

13:57 Χρησιμοποιούμε υπολογιστές, έχουμε κατασκευάσει κάποια μαθηματικά τέτοια εργαλεία, τα οποία μας προβλέπουν τον καιρό και πάλι έρχεται το πείραμα να επιβεβαιώσει αν ήμασταν μέσα στις προβλέψεις μας ή όχι. Πέρα όμως από αυτό, με ακριβώς αντίστοιχα εργαλεία, αυτό είναι το εντυπωσιακό, και με ακριβώς αντίστοιχη υποδομή με υπολογιστές, άρα με ηλισμικό και λογισμικό, έχουμε πολλοί σπουδαίες εφαρμογές πλέον στην περιοχή ας πούμε της υγείας που είναι λίγο πιο δύσκολο να το φανταστεί κανείς.

14:29 Υπάρχουν συνάδελφοι, έχουμε μάλιστα και στο Πανεπιστήμιο Κύπρου τον εξαιρετικό συνάδελφο τον κύριο Στυλιανόπουλο ο οποίος ασχολείται ουσιαστικά με τη βιοχημία του καρκίνου σε μια σχολή πολυτεχνική. Χρησιμοποιεί λοιπόν υπολογιστικά εργαλεία που κατασκευάζει και ο ίδιος και η ομάδα του για να προγνώσουν το πώς διαχέεται ένα φάρμακο μέσα σε έναν ας πούμε καρκινικό όγκο και πώς αυτός εξελίσσεται.

14:57 Αυτό γίνεται λοιπόν μια προσωμείωση. Άλλο ένα παράδειγμα που το πείραμα θα μπορούσε να είναι από επικίνδυνο στο ανατηφόρο. Στην περιοχή και της βιοιατρικής, στην περιοχή της φαρμακοβιομηχανίας, είχαμε για παράδειγμα ένα project εδώ παλιότερα, προσπαθούσαμε να προβλέψουμε σε ποιους κλάδους των ανθρώπινων πνευμόνων καταλήγουν εισπνεώμενα φάρμακα με μικροσωματίδια.

15:25 Άρα μια σειρά από προσωμιώσεις για να καταλάβουμε πού πηγαίνει το φάρμακο όταν το εισπνέει ένας ασθενής, πότε είναι πιο δραστικό. Οι προσωμίωσεις μπορούν να σου δώσουν κάποιες απαντήσεις, όχι σε αυτή την περίπτωση με την ακρίβεια που θα θέλαμε, γιατί υπάρχουν και άλλα ζητήματα που περιπλέκουν τη δυσκολία, Τα παραδείγματα είναι πραγματικά πάρα πολλά.

15:48 Εμείς χρησιμοποιούμε προσωμιώσεις για την περιοχή της ενέργειας, προσωμιώσεις χρησιμοποιούνται για την περιοχή των τροφίμων πλέον, που είναι πάρα πολύ βασική περιοχή από ό,τι αρχίζουμε και καταλαβαίνουμε, θυμόμαστε σιγά-σιγά. Άρα και εκεί και στην Ελλάδα υπάρχουν εξαιρετικοί συνάδελφοι, έχετε φιλοξενήσει και κάποιους που ασχολούνται με αυτή την περιοχή, Άρα μπορεί να μου προβλέψει το ρυθμό με τον οποίο ένα τρόφιμο θα αρχίσει να αναπτύσσει βακτήρια ή να χαλάει, ή πώς πρέπει να ψηθεί, ή πώς πρέπει να θερμανθεί.

16:21 Σε όλα αυτά μπορεί να μας δώσουν απαντήσεις οι προσωμιώσεις. Και πρέπει να πω φυσικά, αλλά και δυστυχώς, και στην περίπτωση του πολέμου. οι προσωμιώσεις. Συνήθως, οι μεγαλύτερες προσωμιώσεις αφορούν κυρίως την πολεμική βιομηχανία. Και εκεί, λοιπόν, όπως και στον πόλεμο τον ίδιο, χρησιμοποιούνται προσωμιώσεις. Εκεί θα δει κανείς παραδείγματα, μάλιστα, σχεδόν από την αρχαιότητα, πώς προσπαθούσαν να προσωμιώσουν στις ηθίκες μάχης.

16:54 Άρα, σε όλες τις εκφάνσεις, πραγματικά, μπορούν να χρησιμοποιηθούν. Είναι πολύ πιο ευρύ το πεδίο από όσο φανταζόμαστε, ακόμα και σε επιστήμες όπως η οικονομική επιστήμη, η κοινωνιολογία. Είναι πολύ ευρύ το πεδίο. Δυστυχώς, βέβαια, στον πόλεμο δεν χρειάζονται προσωμιώσεις. Θα κάνουμε διαζώσεις τώρα τα πειράματα. Θα αλλάξω λίγο την οπτική που κοιτάμε τα πράγματα.

17:16 Θα πάρω δύο πράγματα που είπατε νωρίτερα. Το ένα είναι πολύ σημαντικό ότι η προσωμίωση είναι ο τρίτος πυλώνας. κάθεται δίπλα σε αυτούς τους γίγαντες που λέγονται φεωρία και πείραμα και μας έχουν οδηγήσει μέχρι εδώ μέσα στα χρόνια. Και το δεύτερο είναι ότι είναι καινούρια, δεν υπήρχε πάντα. Και ένας από τους βασικούς λόγους που δεν υπήρχε πάντα είναι γιατί δεν υπήρχαν υπολογιστές.

17:40 Η σχέση της με τους υπολογιστές, όπως και το είπατε πολλές φορές, είναι πεφανώς άρρηκτη. Αν γυρίσουμε τον χρόνο πίσω, πώς ξεκίνησε αυτό, Πότε ένας υπολογιστής έφτασε σε μια αρκετά ικανή κατάσταση, να το πω έτσι, από τη δική μου την πλευρά, σαν μηχανικός υπολογιστών, για να μπορεί να σας δώσει τη δυνατότητα να κάνετε τέτοια πράγματα.

18:00 Ναι, οι προσωπιούσεις ξεκίνησαν όταν ακόμα οι υπολογιστές ήταν σε, θα έλεγα, προεμβριακό στάδιο. Δηλαδή, αν δει κανείς σε τι είδους υπολογιστικές μηχανές έγιναν οι πρώτες προσωμιώσεις και το συγκρίνει αυτό με το τι υπολογιστική ισχύ έχουμε σήμερα, η απόσταση είναι χαόδης. Άρα, θα έλεγα ότι ξεκίνησαν οι προσωμιώσεις πριν οι υπολογιστές είναι έτοιμοι να μπορούν να παρέχουν απαντήσεις σε πραγματικά στάδια.

18:31 Απλά, οι πρωτοπόροι του κλάδου, όπως είναι ο Βονόημα, διαπίστωσαν ότι με την εξέλιξη που προέβλεπαν σε αυτές τις μηχανές, θα μπορούσαν σε λίγα χρόνια να κάνουν τους υπολογισμούς που όντως καταφέραμε να κάνουμε. Ήταν δηλαδή λίγο πιο μπροστά. Ο τρόπος που γινόταν οι προσωμιώσεις τότε είναι πάρα πολύ ενδιαφέρον και είναι πολύ μακριά από αυτό που κάνουμε σήμερα.

18:57 Δεν είχαν πρόσβαση σε λατρές μηχανές, αλλά έφεσαν τα θεμέλια για να κάνουν την πρώτη προσωμίωση, η οποία, παρεπιπνόντος, πρώτη προσωμίωση αφορούσε το περίφημο Manhattan Project. Άρα αφορούσε την κατασκευή της πυρηνικής βόμβας, η οποία αργότερα είχε τις συνέπειες που ξέρουμε όλοι μας. Εδώ ακουμπάει και λίγο στη συζήτηση που είχαμε πριν.

19:19 Έτσι ξεκίνησαν οι προσωμιώσεις. Και αμέσως δημιουργήθηκε κάποια έκρηξη στον επιστημονική κοινότητα, που απειστώθηκε ότι εδώ υπάρχει κάτι το οποίο μπορεί να μας δώσει απαντήσεις και στο δικό μου πρόβλημα και στο δικό μου πρόβλημα, οπότε άρχισε μετά να επεκτείνεται και σε άλλες περιοχές, και στην περιοχή συνταφή αεροναυτιγικής, αεροδιαστημικής, στην περιοχή της ενέργειας και αμέσως, ήδη από τη δεκαετία του 70, έκαναμε εφαρμογές, ας πούμε, στην ανθρώπινη υγεία.

19:48 Και όσο περνάει ο καιρός, εξελίσσεται αυτή η διαδικασία. Όσο αυξάνεται και η ισχύ των υπολογιστών, πλέον μπορούμε να λύσουμε πολύ πιο σύνθετα προβλήματα, προφανώς, από ό,τι τότε. Αλλά θα έλεγε κανείς ότι είναι μια ιστορία που ξεκίνησε γύρω στο 1940. Αν μιλάμε για επιστημονική προσωμείωση, αν μιλάμε για προσωμείωση γενικά, ακόμα και τα παιχνίδια στρατηγικής ή τα παιχνίδια εντός εισαγωγικών πολέμου όπως το ΣΚΑΚΙ αποτελούν κατά κάποιο τρόπο και πολλές φορές έχουν χρησιμοποιηθεί για την εκπαίδευση των ανθρώπων πάνω σε συνθήκες πραγματικές.

20:28 Άρα αποτελούν και εκείνα μία προσωμείωση, όπως ένας πιλότος θα μπει σε ένα προσωμιωτή και θα νιώθει ότι πετάει κάτι όμοιο και εκπαιδεύεται πάνω σε αυτό. Άρα ως concept, ως ιδέα, η προσωμείωση είναι πολύ αρχαιότερη. Η πρώτη όμως είναι περίπου 80 ετών σήμερα. Σίγουρα έχει παίξει βέβαια καθοριστικό ρόλο στην εξέλιξή της, όπως είπατε και εσείς, η αύξηση της υπολογιστικής ισχύως.

20:56 και μάλλον τώρα μαζί με τους υπολογιστές εξελίσσεται και η προσωμίωση, έτσι. Βεβαίως, πάνε χέρι-χέρι και υπήρχαν και διαστήματα στην ιστορία που οι απαιτήσεις που υπήρχαν από τις προσωμιώσεις ουσιαστικά υποβοήθησαν στην ανάπτυξη ακόμα και συγκεκριμένου ηλισμικού και πλέον είμαστε στην εποχή που είναι οι απαιτήσεις που τι θέλουμε να κάνουμε αυτές που καθορίζουν και καθοδηγούν τις εξελίξεις στον τομέα του ηλισμικού.

21:26 Η εξέλιξη ήταν δραστική, ήταν εκθετική και συνεχίζει να είναι, υπό κάποια έννοια. Είναι η περίφημη φράση του Μουρ. Ο Μουρ ήταν ένας από τους συνηθιτές, ένας από τις μεγαλύτερες εταιρείες μικροεπεξεργαστών και είχε το επιστημονικό θάρρος και θράσος, θα έλεγε κανείς, να πει το 1956, αν δεν κάνω λάθος, ότι η υπολογιστική ισχύς, περίπου θα το πω, διπλασιάζεται κάθε 18 μήνες με δύο χρόνια.

21:59 Αυτό είναι δύσκολο να το συλλάβει κανείς, γιατί το μυαλό μας δουλεύει πολύ καλά με αριθμητικές πρόοδους και όχι με γεωμετρικές πρόοδους. Άρα δυσκολευόμαστε να συλλάβουμε την εκθετική εξέλιξη. Θα σας πω για παράδειγμα ότι αν ένας υπολογιστής σήμερα έχει δεδομένη ισχύ, ο νόμος του Μπουμ λέει ότι σε δύο χρόνια θα είναι για το ίδιο κόστος δύο φορές ταχύτερος, σε τέσσερα χρόνια τέσσερις φορές ταχύτερος, σε έξι χρόνια οχτώ φορές ταχύτερος.

22:30 Αν συνεχίσετε αυτήν την εξέλιξη θα διαπιστώσετε ότι τα τελευταία 70 χρόνια έχει εκτοξευθεί, είναι ασύλληπτη η εξέλιξη των υπολογιστών. Ο Μουρ κατάφερε να προβλέψει όχι την ταχύτητα, αλλά ουσιαστικά έθεσε ένα στόχο για τη βιομηχανία των μικροεπεξεργαστών. Άρα περισσότερο χρησιμοποιήθηκε ο στόχος παρέατα μια ακριβής πρόβλεψη και ανεξάρτητα από τη φιλολογία που υπάρχει, αν ισχύει ή δεν ισχύει κλπ έχει οδηγήσει αυτή την περιοχή στο να κατασκευάζουμε πλέον τρανζίστρος τα οποία είναι τα δομικά κύτταρα αν θέλετε των επεξεργαστών τα οποία είναι σε φυσικό μέγεθος μικρότερα από ανθρωπινούς ιούς.

23:16 Είναι ασύλλητο το πόσο μικρά έχουμε καταφέρει να κάνουμε αυτά τα διακοπτάκια, τα οποία υπάρχουν δισεκατομμύρια μέσα σε ένα πολύ μικρό χώρο. Καταφέραμε λοιπόν να εξελίξουμε πάρα πολύ την ισχύ. Αν πάει κανείς προς τα πίσω και δει για παράδειγμα πώς φτάσαμε στο φεγγάρι και κοιτάξει τον υπολογιστή, ο οποίος ήταν υπεύθυνος για την προσλίωση του Απόλλω στο φεγγάρι, αυτός ο υπολογιστής είχε πολύ μικρότερη εξεργαστική ισχύ από ότι μπορεί να έχει ξαναγωγόνα αποντίκη σημερινό.

23:50 Κάτι που υποδεικνύει ότι δεν είναι μόνο η εξέλιξη των υπολογιστών που πρέπει να μας απασχολεί είναι και πώς χρησιμοποιούμε αυτούς τους υπολογιστές. Γιατί όπως ίσως έχετε ακούσει το αποτύπωμά τους είναι πολύ μεγαλύτερο από όσο νομίζουμε ή υποπτευόμαστε. Ίσως αυτό που είχε εντοπίσει τόσο εύστοχα ο Μουρ τόσο παλιά είναι τη μανία που θα έχουμε να κάνουμε διαρκώς τους υπολογιστές μας γρηγορότερους γιατί αν σκεφτείτε πόσα πολλά πράγματα εφευρέθηκαν προκειμένου να συνεχιστεί αυτή η καμπύλη, είναι γεγονός ότι δεν θα μπορούσαμε τίποτα να το φανταστεί όσο φωτισμένος και να ήταν τη δεκαετία του 50.

24:35 Την προηγούμενη φορά που είχαμε μιλήσει μαζί είχαμε ασχοληθεί με την βιομημητική εκεί χρειάστηκαν προσωμείωσης. Ο υπολογιστής εκεί τι δουλειά σας προσφέρει. Είναι η πρώτη, θα έλεγα πλέον επιλογή που έχει κάνει η Ζωταθέλα μελετήσει τέτοια προβλήματα. Θα σας πω, εδώ υπάρχει το συγκεκριμένο παράδειγμα που έρχεται από το χώρο της θάλασσας.

25:09 από τον χρόνο των ψαριών, άρα είχε μελετηθεί, είχαμε πει και σε εκείνη τη συνάντηση που είχαμε κάνει, έχει μελετηθεί για παράδειγμα το δέρμα του Καρχαρία, το οποίο έχει συγκεκριμένη διαμόρφωση σε διαφορετικά σημεία του σώματός του και διαθέτει κάποια λέπια πολύ συγκεκριμένης αναλογίας και πολύ συγκεκριμένου σχήματος που καταφέρνουν να μειώνουν την υδροδυναμική αντίσταση, καθώς κολυμπά.

25:35 Αυτό είναι ένα πρόβλημα το οποίο προσφέρεται πάρα πολύ για προσωμιώσεις γιατί τα ερωτήματα που προκύπτουν από αυτή την παρατήρηση είναι πολλαπλά Άρα μπορεί κανείς και στην πράξη αυτό κάναμε μιμηθήκαμε κατά κάποιο τρόπο το δέρμα του καρχαρία ψηφιακά κλείσαμε το σετ των εξισώσεων που διέπουν την κίνηση του νερού γύρω από αυτό το δέρμα και διαπιστώσαμε ότι όντως, επιβεβαιώσαμε, ότι όντως προσφέρει σημαντική μείωση στην υδροδυναμική αντίσταση.

26:16 Το μελετήσαμε λοιπόν πειραματικά, υπολογιστικά, και μετά γίνανε κάποιες πειραματικές μελέτες που πλέον το επαλήθευσαν οριστικά και επιβεβαίωσαν και τις προηγούμενες προσωμιώσεις. Άλλο ένα παράδειγμα που συνεργάζει θεωρεία η προσωμίωση και το πείραμα. Και υπάρχουν και άλλα παραδείγματα από την περιοχή της αεροδυναμικής, τα πτερίγια κάποιων μεγάλων θηλαστικών για παράδειγμα, έχουν μια συγκεκριμένη διαμόρφωση την οποία δημιουργήθηκαν σε πτερίγιες ανεμογεννητριών και διαπιστώσαμε ότι όντως έχουν κάποια χρησιμότητα.

26:50 Είναι πολλά τα παραδείγματα που έχουμε και στη βιομημητική που οι προσωμιώσεις μας έχουν βοηθήσει να κατανοήσουμε τελικά ή να μάθουμε λίγα παραπάνω για αυτές τις πολύ σοφές λύσεις που έχει βρει το βασίλειο ζωικό και το βασίλειο των φυτών μέσα από την εξέλιξη. Μας έχει βοηθήσει πάρα πολύ η προσωμίωση σε αυτού του τύπου την κατανόηση.

27:16 Κάνατε λόγο για τη χρήση υπολογιστών, αλλά ακούμε συχνά και τον όρο υπερυπολογιστής, υπερυπολογιστών δηλαδή. Να ξεκινήσουμε καταρχάς από το τι είναι αυτοί και αν τους χρησιμοποιείτε. Ναι, βεβαίως. Όταν προσπαθεί κανείς να κάνει μια προσωμείωση, ξεκινάει, είναι καλό ίσως να πούμε λίγο τη διαδρομή σύντομα, ξεκινάμε πάντα από την παρατήρηση.

27:40 Άρα παρατηρώ ένα πρόβλημα, θέλω να προβλέψω τον καιρό. Οκ. Αναρωτιέμαι, υπάρχει κάποια εξίσωση που διέπει την κίνηση ας πούμε των ρευστών. Ξάθνω στη θεωρία, βρίσκω ότι υπάρχουν εξίσωσεις εδώ και 200 χρόνια. Ξέρω ότι είναι εξίσωση. Αν δεν λυπώ την εξίσωση, υποχρεούμε να κάνω κάποιες παραδοχές, οι οποίες πρέπει να είναι πολύ συγκεκριμένες, και τη μετασχηματίζω σε κάτι το οποίο μπορεί να...

28:05 σε ένα μαθηματικό πρόβλημα μάλλον, το οποίο θα προλύσω σε έναν υπολογιστή. υπολογιστή. Αν κάνω αυτή τη διαδικασία που σας είπα και προσπαθήσω να προβλέψω τον καιρό παράδειγμα για αύριο στην περιοχή του Βορείου Αιγαίου θα χρειαστώ έναν υπερυπολογιστή θα εξηγήσουμε τι είναι έναν γρήγορο και μεγάλο υπολογιστή ούτως ώστε να μπορώ να έχω το αποτέλεσμα αυτού του μαθηματικού προβλήματος, τον καιρό δηλαδή τον αυριανό, κατά προτίμηση νωρίτερα από αύριο δεν έχει κανένα νόημα να προβλέψω τον αυριανό καιρό σε δύο μήνες.

28:45 Καλό είναι απολύτως, ειδικά στην προβλήση του καιρού. Σε άλλα προβλήματα μπορώ να περιμένω, ειδικά στον καιρό δεν μπορώ να περιμένω. Άρα χρειάζομαι γρήγορα τη λύση. Λοιπόν, αυτό το πρόβλημα που πάω να λύσω είναι πάρα πολύ βαρύ, όπως λέγεται και επιστημονικά. Είναι πρόβλημα το οποίο εξελίσσεται σε τέσσερις διαστάσεις, τρεις διαστάσεις στον χώρο και μια στον χρόνο.

29:06 παρακτηρίζεται από μη γραμμικότητες, παρακτηρίζεται από πολύ διαφορετικές κοιλίμακες που συμυπάρχουν, άρα είναι ένα πολύ βαρύ πρόβλημα. Δεν μπορώ να προγνώσω, για παράδειγμα, τον καιρό με ακρίβεια κτηρίου. Τον προβλέπω με ακρίβεια ακόμα μερικά-επιμερικά χιλιόμετρα, μπορώ να δω. Άρα χρειάζομαι πολύ δυνατό υπολογιστή. Επομένως, τι έχουμε κάνει εδώ και χρόνια, χρησιμοποιούμε υπερυπολογιστές ή υπερυπολογιστές δεν είναι τίποτα άλλο από πολλούς υπολογιστές αντίστοιχους με αυτούς που έχουμε εμείς στα σπίτια μας ας πούμε, οι οποίοι είναι όμως συνδεδεμένοι μαζί και λειτουργούν μαζί.

29:49 Ή λύνουν ένα πρόβλημα στις περιπτώσεις μας παράλληλα. Άρα ένα πολύ μεγάλο πρόβλημα το σπάμε σε πολλά μικρότερα, χρησιμοποιούμε χιλιάδες, μπορούμε να χρησιμοποιήσουμε τέτοιους υπολογιστές, εντός ενός υπερυπολογιστή και λύνουμε το πρόβλημα. Επομένως, είναι η ανάγκη, το πρόβλημα είναι πάρα πολύ βαρύ για να λυθεί από έναν υπολογιστή, χρειαζόμαστε μερικές χιλιάδες.

30:12 Και σε πολλές περιπτώσεις ούτε καν αυτό δεν είναι αρκετό. Ακόμα και οι μεγαλύτεροι υπερυπολογιστές που έχουμε σήμερα δεν μπορούν να λύσουν πρακτικά προβλήματα που έχουμε. Αλλά ένας υπερυπολογιστής, με βάση την εξέλιξη του ΜΟΥΡ, τα κινητά που έχουμε σήμερα όλοι μας για παράδειγμα έχουν μια επεξεργαστική ισχύ που μπορεί να τα κατέτασε στον υπερυπολογιστή 40 χρονών πριν.

30:40 Δηλαδή αν πάω 40 χρόνια πριν και δω τον μεγαλύτερο υπολογιστή του κόσμου μπορεί να έχει λιγότερες δυνατότητες από ότι έχει το κινητό που κρατάω στο χέρι μου. Άρα δεν είναι τίποτα ιδιαίτερο ένας υπερυπολογιστής. Είναι πρακτικά πολλοί υπολογιστές συγκεντρωμένοι στον ίδιο χώρο που λειτουργούν υπό την καθοδήγηση των επιστημόνων.

31:04 Ενδεικτικά να σας πω ότι αυτή τη στιγμή ο μεγαλύτερος υπολογιστής στον κόσμο αποτελείται από 45 περίπου χιλιάδες επεξεργαστές. Άρα έχει θεωρητικά 50 χιλιάδες φορές υψηλότερες δυνατότητες από ότι έχει ένας υπολογιστής που κάθεται στο γραφείο μου, κάπως έτσι. Και πιάνει περίπου δύο γήπεδα τέννις. και έχει ένα σύστημα ψήξης και θέλει και κάποια ενέργεια για να λειτουργήσει κτλ.

31:29 Αλλά είναι πρακτικά πολύ υπολογιστές και εντομένοι μαζί. Να το δούμε λίγο τώρα και από την... Γιατί για εμάς αυτά είναι μαγικά πράγματα. Από την άποψη της εμπειρίας. Έχετε στα χέρια σας ένα τέτοιο εργαλείο, πώς το χρησιμοποιείτε. Δεν είναι στο γραφείο σας, πραγματικά. Πρέπει κάπως να φτάσετε ως αυτό. Φαντάζομαι ότι αυτό πλέον είναι πολύ ευκολότερο από το παλιότερο.

31:52 δεν ξέρω τι προσβασιμότητα υπάρχει. Είναι και αυτό ένα ερώτημα από μόνο του, η προσβασιμότητα που έχετε σαν ερευνητές εδώ στην Ελλάδα, στην Κύπρο, σε τέτοιου είδους υποδομές. Αλλά και πρακτικά, κάθεται ένας ερευνητής σε αυτόν τον υπολογιστή, συνδέεται με κάποιο τρόπο και έχει κάποια εργαλεία. Για περιγράψτε μας το λίγο.

32:10 Ναι, να σας πω λίγο από την καθημερινότητα. Καταρχήν, πλέον μπορεί να λειτουργεί κανείς, να δουλεύει κανείς σε αυτή την περιοχή από οπουδήποτε. Σε σημείο που κατά τα πρόβλημα αυτό. Δηλαδή μπορεί να είσαι στην παραλία, κυριολεκτικά, και να ελέγχεις τις οπτικότητες που έχουν σε έναν υπερυπολογιστή που μπορεί να είναι ακόμα και σε άλλη ήπειρο.

32:29 Άρα η πρόσβαση σε αυτές τις μηχανές δίνεται προφανώς κατόπιν κάποιας έγκρισης. Δεν μπορεί οποιοςδήποτε να μπει και να χρησιμοποιήσει τον υπερυπολογιστή. Ούτε για λίγο δεν θα μας αρφήσετε έτσι, ούτε να το δούμε. Όχι, εκτός αν ανήκεται μέσα στο επιστημονικό δυναμικό κάποιο από τους συνεργαζόμενους φορείς. Δηλαδή, αν ο υπερυπολογιστής, για παράδειγμα, εξυπηρετή, ξέρω εγώ, λέω τώρα τυχαία, το προσωπικό του ερευνητικού κέντρου Δημόκριτος, αν ανήκεται στο επιστημονικό δυναμικό του Δημόκριτου, θα έχετε πρόσβαση. Ή θα ζητήσετε και θα σας δώσουν.

33:01 Τώρα, το πώς είναι η καθημερινότητα Είναι δουλειά γραφείου Άρα είσαι μπροστά από μια οθόνη Ναι Και δεν τρέχεις προσωμιώσεις Το μεγαλύτερο διάστημα Μελετάς φυσική Μελετάς μαθηματικά Προγραμματίζεις Έχει να κάνει πολύ με προγραμματισμό Προφανώς αυτή η ιστορία Και προσπαθείς να φτιάξεις Ας πούμε ένα εργαλείο Αν το φτιάχνεις μόνος σου που να προσωμιάζει με αυτό που πας να λύσεις.

33:33 Αυτή είναι η δουλειά. Και μετά κάνεις δοκιμές. Άρα, αφού τα ετοιμάσεις όλα, συνδέεσαι με τον υπερυπολογιστή, υποβάλλεις ένα πρόβλημα σε κάποιο διαχειριστή, υπάρχει ένα σύστημα ουράς, εκτελείται και μετά από μια ώρα, μια μέρα, τρεις μήνες, έξι μήνες, μέχρι εκείνη η περιπτώρια, παίρνεις μια απάντηση. παίρνεις την απάντηση, συγκρίνεις με το πείραμα ή με προηγούμενες μελέτες και βλέπεις που βρίσκεσαι.

34:04 Είναι ασύλληπτο φυσικά το συνέστημα να δεις ότι μέσα από μια προσωμείωση μπορείς να πετύχεις ό,τι ακριβώς προβλέπει το πείραμα. Η ανταπόδοση είναι ασύλληπτη, γιατί είναι μια πολύ μακριά διαδικασία, όπως σας εξήγησα, δηλαδή ξεκινάς από την παρατήρηση, από τις εξισώσεις, το φυσικό πρόβλημα το κάνεις μαθηματικό πρόβλημα, μετά το μετασχηματίζει σε κώδικα, μετά το στέλνει σε έναν υπολογιστή να τρέξει και όταν έρχεται αυτό και ταιριάζει ακριβώς με το τι θα προέβλεπε το πείραμα σε εκείνες τις συνθήκες, τότε μπορείς να πεις ότι έχει πετύχει αυτή η προσωμείωση.

34:43 Και πολλές επίσης από τις προσωμιώσεις δεν χρησιμοποιούνται τελικά. Άρα είμαι με αυτούς που λέω ότι είναι σαν να κάνεις πείραμα. Δηλαδή όταν πας να κάνεις πείραμα 10 ώρες θα κάνεις την προετοιμασία και μισή ώρα το πείραμα Και πολλές φορές θα κάνεις πειράματα τα οποία δεν θα τα χρησιμοποιήσεις Το ίδιο ακριβώς γίνεται και στην προσωμείωση Θέλει πολύ χρόνο για να το στήσεις και μετά κάποιο χρόνο για να εκτελεστεί Αλλά ο χρόνος που απαιτείται για να στυθεί σωστά είναι πολλαπλάσιος του πραγματικού χρόνου της προσωμείωσης συνήθως Άρα όταν δεν προβλέπουν σωστά τον καιρό δεν έχει γίνει σωστά η προσωμείωση.

35:21 Ναι. Ή κάτι άλλο μπορεί να έχει συμβεί. Ειδικά στο θέμα του καιρού οι συνάδελφοι μετρολόγοι έχω πολύ μεγάλη συμπάθεια για αυτούς γιατί κατανοώ λίγο τη φυσική του προβλήματος και πόσο δύσκολο είναι να προλέψεις τον καιρό. Κάτι μπορεί να μην έχει γίνει όντως σωστά, κάτι μπορεί να μην έχει συνεκτιμηθεί ή κάποια εξέλιξη μπορεί να μας πρόλαβε που δεν μπορούσαμε να την προβλέψουμε. Και αυτό συμβαίνει, ειδικά με τον καιρό.

35:44 Άρα, μέχρι ένα σημείο μπορούμε να προβλέψουμε τον καιρό. Είμαστε πολύ μακριά ακόμα από το να έχουμε βελτιώνονται οι προγνώσεις, όπως ίσως κανείς παρατηρεί, αλλά δεν θα μπορέσουμε σύντομα να έχουμε προγνώση σε πιο τοπική κλίμακα. Είναι πολύ δύσκολο το πρόβλημα του καιρού. Άρα, ας είμαστε λίγο πιο ελαστικοί με τους συναδέλφους μετεωρολόγους που προσπαθούν να προβλέψουν τον καιρό, γιατί εκεί, αν πέσω, ας πούμε, μισό βαθμό, δυο βαθμούς έξω, είμαι οκ.

36:17 Το πρόβλημα είναι πάρα πολύ δύσκολο. Δεν μπορώ να πετώ πολύ υψηλή ακρίβεια. Είναι πολύ δύσκολο πρόβλημα αυτό που πάνε να λύσουν οι μετεωρολόγοι. Είναι σημαντικό να ακούγεται αυτό, γιατί όλοι παραπονιόμαστε όταν οι μετεωρολόγοι πέφτουν έξω, ξεχνώντας το πόσο εντυπωσιακό είναι όταν πέφτουν μέσα. γιατί στην πραγματικότητα αυτό είναι που ισχύει.

36:36 Όταν το βρίσκουν είναι, που πρέπει να τις λέμε και μπράβο, το ότι δεν το βρίσκουν δεδομένες τις δυσκολίες του προβλήματος είναι το πιθανό να συμβεί. Να πάμε τώρα και στον τομέα της τεχνητής νοημοσύνης. Την οποία τεχνητή νοημοσύνη χρησιμοποιούμε πια σχεδόν όλοι χωρίς να καταλαβαίνουμε βέβαια ακριβώς τι είναι. Φαντάζομαι είναι λογισμικό, αλλά λογισμικό που για να λειτουργήσει καταναλώνει ενέργεια και πόρους και μάλιστα σε παγκόσμια κλίμακα.

37:05 Πώς εξηγείται αυτό? Ναι. Πρέπει να απαντήσουμε σε αυτό. Πρέπει να υπενθυμίσουμε ότι αν δεχθεί κανείς ότι όντως αυτό είναι οι προσωμιώσεις ότι εκτελούνται σε κάποιον υπολογιστή όλες οι προσωμιώσεις καταναλώνουν ενέργεια. Το οποίο δυστυχώς για εμάς τους χρήστες και τους ερευνητές δεν είναι πολύ ορατό. έχουμε άλλα σημαντικότερα προβλήματα να λύσουμε από το να απασχολήσουμε τον εγκέφαλό μας με το πόσο πετρέλεο χρειάστηκε να καεί για να λύσω εγώ ένα μαθηματικό πρόβλημα.

37:38 Και εδώ κυριολεκτό, ανάλογα με τη χώρα, ας πούμε αν μιλάμε για την περίπτωση της Κύπρου, πολύ μεγάλο ποσοστό της ηλεκτρικής ενέργειας στο νησί, γύρω στο 80%, έρχεται από καύση πετρελαίου. Άρα για να λειτουργήσει η υπολογιστής, εγώ χρειάστηκα ρεύμα. Για να παραθεί το ρεύμα χρειάστηκα πετρέλαιο. Άρα ήδη έχω κάνει. Έχω κάποιο αντίκτυπο, έχω κάποιο κόστος.

38:02 Σε πλανητικούς πόρους και σε εθνικούς πόρους και σε ενεργειακούς πόρους και σε νερό και σε ενέργεια. Το οποίο σας λέω ότι για εμάς δεν είναι διαφανές. Ούτε είναι κάτι το οποίο δυστυχώς μας προβληματίζει. Γιατί έχουμε άλλου τύπου και διαφορετικά και πιο σύνθετα προβλήματα να λύσουμε. Το ίδιο συμβαίνει λοιπόν και με την περίπτωση της τεχνητής νοημοσύνης.

38:24 Είναι κάποιο λογισμικό, το οποίο εκτελείται σε κάποιον υπολογιστή και για να λειτουργήσει ο υπολογιστής θέλει ηλεκτρική ενέργεια. Το πώς κανείς θα την παράγει, εκεί είναι το ζητούμενο. Θα παρατηρήσει κανείς ότι στα τελευταία μεγάλα κέντρα δεδομένων, ειδικά στις Ηνωμένες Πολιτείες, αλλά και στην Βόρεια και Δυτική Ευρώπη, πλέον οι ανάγκες για ενέργεια είναι τόσο σημαντικές που φοβάμαι ότι μπορούμε να δούμε κάποια έκρηξη σε λίγο.

38:53 Άρα είναι πολύ φυσιολογικό η χρήση του υπολογιστή απαιτεί κάποια ενέργεια, απαιτεί και λίγο νερό, άρα καταναλώνει πόρους. Έχει ξεφύγει η κατάσταση, κύριε Καθηγητά. Ακούμε εκτιμήσεις ότι ακόμα και μερικές απλές συζητήσεις που κάνουμε με ένα chatbot, που δεν λέμε και κάτι πολύ ιδιαίτερο εδώ που τα λέμε, μπορεί τελικά να κοστίζουν πολύ, να είναι το περιβαλλοντικό κόστος τους μετρήσιμο.

39:26 Ισχύει αυτό, δηλαδή πρέπει να είμαστε λίγο πιο φιδωλοί, όσοι τουλάχιστον νοιαζόμαστε για το περιβάλλον. Ή είναι υπερβολές, να σπαίνω όλα αυτά. δεν είναι υπερβολές είναι δύσκολο να έχει κανείς μια ακριβή εκτίμηση για πολλούς λόγους δεν μπορεί ακριβώς να δώσει ένα νούμερο μπορεί να έχει ένα εύρος λοιπόν υπάρχει κάποια βεβαιότητα εκεί αλλά έχει μετρηθεί για παράδειγμα έχει υπολογιστεί, έχει εκτιμηθεί καλύτερα ότι οποιαδήποτε συζήτηση με ένα κλασικό εργαλείο chat χρειάζεται οποιαδήποτε απάντηση χρειάζεται περίπου τρεις σταγόνες νερό το οποίο απαιτείται για την ψήξη του συστήματος κτλ.

40:08 Άρα μιλάμε για πολύ μικρά αποτυπώματα, ανά εντολή, ανά συζήτηση, αλλά ο πολλαπλασιασμός είναι πολύ περίεργη πράξη. Αν κάνετε αυτές τις τρεις ταγόνες επί τα δισεκατομμύρια των ευρωταπαντήσεων που γίνονται καθημερινά, θα διαπιστώσει ότι μιλάμε για ένα τεράστιο νούμερο τελικά. άρα ήδη φαίνεται μια τάση να μένουμε πολύ σύντομα από ενέργεια υπό την έννοια, δεν θέλω να σπείρω πανικό αλλά είναι δεικτικό ότι τα μεγάλα κέντρα δεδομένων για να εξυπηρετηθούν στις ΗΠΑ χτίζονται πυρηνικές αντιδραστήρες ειδικά για να τροφοδοτούν αυτά τα κέντρα δεδομένων γιατί διαπιστώνουν και εκεί ότι αν η εξέλιξη είναι εκθετική είναι αντίστοιχοι, ας πούμε, με κάποιον άλλο τροποποιημένο νόμο του ΜΟΥΡ και έχουμε τέτοια εκθετική αύξηση στη χρήση τεχνητής νοημοσύνης, τότε ένα πολύ σημαντικό κομμάτι της ενέργειάς μας, στις ΗΠΑ αυτό εκτιμήθηκε γύρω στο 30%, μέσα στην επόμενη δεκαετία, 30% της ενέργειάς μας μπορεί να διατίθεται μόνο και μόνο για αυτά τα κέντρα δεδομένων.

41:22 Μα δεν ισχύει, αφού και στη δουλειά και στην εκπαίδευση και εσείς στο πώς αξιολογείτε φοιτητές χρησιμοποιούμε τέτοια εργαλεία. Δεν πρέπει να τα χρησιμοποιούμε φοιτητές. Πρέπει να μάθουμε να τα χρησιμοποιούμε, αλλά πρέπει να σκεφτόμαστε πάντοτε να τα χρησιμοποιούμε φοιδό, όπως τα έλεγα εγώ και όλες τις υπόλοιπες πράξεις μας.

41:43 Δηλαδή, εδώ ακουμπάμε λίγο το θέμα της ενέργειας και της κλιματικής κρίσης και των πλανητικών πόρων. Άρα, θα έλεγα ότι αν είμαστε συνειδητοποιημένοι για το τι κάνουμε... Φτάνουμε διαφορετικά προσωμιώσεις, χρησιμοποιούμε διαφορετικά την τεχνητή νοημοσύνη και έχουμε και μια ζωή, η οποία συνάδει με όλα αυτά. Θέλω να πω, η κατανάλωση ενέργειας και πόρων από την τεχνητή νοημοσύνη σήμερα είναι ένα μικρό κομμάτι.

42:15 Αλλά φαίνεται ότι θα γίνεται όλο και σημαντικότερο. Αυτό είναι το πρόβλημα. Άρα θα πρέπει και στην περίπτωση της τεχνητής νοημοσύνης και σε όλες τις υπόλοιπες δράσεις μας να είμαστε λίγο πιο συνδυτοποιημένοι. Προς επίρροση, το λεγόμενο σας είναι και όλες αυτές τις τεράστιες επενδύσεις που γίνονται ούτως ή άλλως για να μπορεί να παρέχεται η απαιτούμενη επεξεργαστική ίσχυ.

42:36 Παρατήρησα κάτι από τα λεγόμενά σας. Στην περίπτωση του υπερυπολογιστή, που εκεί έχουμε σοβαρή κατανάλωση, υπάρχει μια ιερότητα. Πρέπει να πάρει σειρά, είναι κάτι σημαντικό, δεν παίρνουν όλη η πρόσβαση. Τόσο αν είσαι μετεωρολόγος. Έτσι. Και μετεωρολόγος, να είσαι πάλι, θα περιμένεις τη σειρά σου υπερυπολογιστής. Καταλαβαίνεις λοιπόν ότι χρησιμοποιείς κάτι που σου δίνει κάτι σημαντικό, αλλά απαιτεί και πολλά πράγματα.

43:03 Στην τεχνητή νοημοσύνη αυτό δεν το έχουμε καταλάβει. Ενώ χρησιμοποιούμε κάτι το οποίο είναι πολύ κοστοβόρο και πολύ σπουδαίο, αν με ρωτάτε τη γνώμη μου, μέχρι ενός βαθμού. Είναι τόσο φυσικός ο τρόπος που μας το σέρβηραν και μπορούμε να το αξιοποιούμε. Μα γιατί μπορεί να το χρησιμοποιήσει ο καθένας. Ναι, ακριβώς. Είναι σπουδαίο και αυτό.

43:21 Από την άλλη όμως μπορεί όλος ο πλανήτης να χρησιμοποιεί τεχνητή νοημοσύνη καθημερινά σχεδόν σε οποιαδήποτε δουλειά και αυτό να το αντέξουμε. Είναι ένα ερώτημα που θα βρεθούμε αντιμέτωποι μαζί του πολύ σύντομα. σύντομα. Ναι, πρέπει να δούμε πώς θα εσωματώσουμε ουσιαστικά αυτές τις τεχνολογίες και πώς αυτές τις τεχνολογίες δεν θα λειτουργήσουν εις βάρος άλλων θα λέγα εγώ περιοχών της ανθρώπινης δραστηριότητας.

43:49 Δηλαδή, ανοίξουμε όλο τον βάρος του τεχνητή νοημοσύνη και συνεχίσει αυτή η εκθετική αύξηση δεν θα έχουμε ενέργεια η ενέργεια θα είναι πανάκριβη. Άρα, δεν πρέπει να λειτουργήσει Είναι ακόμα πολύ νωρίς σε αυτή την περιοχή. Ακούγονται πάρα πολλά διαφορετικά σενάρια. Εμένα μου θυμίζει λίγο αυτή η ιστορία, από πλευράς ένδελους, μου θυμίζει λίγο το ίντερνετ.

44:17 Είμαι αρκετά γέρος για να θυμάμαι την εξέλιξη του ίντερνετ. Άρα τώρα βρισκόμαστε στις αρχές. Έχουμε πάρα πολλά ακόμα να ανακαλύψουμε. Υπάρχουν πάρα πολλά που ακόμα δεν ξέρουμε. και θα αλλάξει πάρα πολύ ο τρόπος με τον οποίο χρησιμοποιούμε, αξιοποιούμε την τεχνητή νοημοσύνη. Είμαστε ακόμα στις πολύ αρχές, οπότε είναι πολύ δύσκολο να δώσει κανείς ασφαλή πρόβλεψη για το πώς θα εξελιχθεί το πράγμα.

44:44 Το βέβαιο είναι ότι είναι άλλη μια ανθρώπινη δραστηριότητα που απαιτεί σημαντικούς ενεργειακούς πόρους. Άρα θα πρέπει σιγά-σιγά να προβληματιστούμε λίγο παραπάνω. έχουμε ακόμα έναν λόγο, να το πω καλύτερα για να προσέξουμε πολύ τα θέματα κυρίως της ενέργειας αλλά και της βιωσιμότητας σε πλανητική κλίμακα μιλάω, όχι σε εθνική.

45:09 Επίσης μια παρατήρηση, Έρμο, επιτρέπεται πολύ ωραίος ο παραλληλισμός με τη διαφορά ότι το ίντερνετ αναπτύχθηκε πολύ πιο αργά ενώ εδώ βλέπουμε τα πράγματα να τρέχουν πάρα πολύ γρήγορα και αυτό ίσως να έχει να παίξει ένα δικό του ρόλο στο πόσο θα επιδράσει η τεχνητή νοημοσύνη σε σχέση με το ίντερνετ. Ναι, βεβαίως. Και πρέπει βέβαια να αναλογιστεί κανείς ότι ο τότε ρυθμός, τότε μας φαινότανε, τώρα μπορούμε να το θεωρήσουμε αργό, τότε μας φαινότανε γρήγορος όμως.

45:44 Άρα, κατά τη δική μου γνώμη, ούτως ή άλλως έχουν επιταχυνθεί όλα και τώρα με την τεχνητή νοημοσύνη επιταχύνονται ακόμα περισσότερο. Οι εξέλιξεις είναι πολύ πιο ραγδαίες από ό,τι ήταν παλιότερα. Με τους σημερινούς ρυθμούς, κρίνοντας λοιπόν την εξέλιξη της τεχνητής νοημοσύνης, ήδη βλέπουμε πράγματα να αλλάζουν κάθε έξι μήνες, κάθε οχτώ μήνες.

46:09 Ή βλέπουμε σημαντικές εξελίξεις. Οι πράγματα που μας φαίνονται σημαντικά, οι πράγματα που διαφημίζονται σημαντικά, αλλά υπάρχει πολύ εξέλιξη, όντως και πολύ πιο γρήγορα, Σε αυτό έχετε απόλυτο δίκιο. Σε απόλυτους αριθμούς, πολύ πιο γρήγορα από τη εισαγωγή του ίντερνετ. Αλλά θέλω να πω, είναι σαν να πάει κάποιος πίσω στη δεκαετία του 1990, που έχει πρώτο εμφανιστεί το ίντερνετ, και να διανοηθεί τα κοινωνικά δίκτυα, που ήταν τρία βήματα μπροστά.

46:44 άρα γι' αυτό λέω ότι είμαστε ακόμα νωρίς σε αυτή την εξέλιξη είναι κάτι που είναι σχετικά φρέσκο και γι' αυτό ακούγονται και πολύ αντικρουόμενα πράγματα σε σχέση με την τεχνητή νοημοσύνη αλλά είναι σίγουρα μια επανάσταση την οποία θα πρέπει να την διαχειριστούμε σωστά και εμείς την αναφέραμε την τεχνητή νοημοσύνη γιατί δεν πρέπει να ξεχνάμε ότι το θέμα μας είναι οι προσωμιώσεις οπότε θέλουμε να μας πείτε τη σύνδεση της τεχνητής νοημοσύνης, της προσωμιώσης, το ρόλο δηλαδή που παίζει στη δουλειά σας πια και αν την έχει αλλάξει τη δουλειά σας αυτό το εργαλείο.

47:24 Είναι αλλαξή και τη δουλειά μας δραστικά και τον τρόπο με τον οποίο λειτουργούμε και ειδικά στο θέμα των προσωμιώσεων είναι εργαλεία τα οποία πραγματικά εντυπωσιάζουν και εμάς τους ίδιους. Θα σας πω ένα απλό παράδειγμα. σε συνεργασία με συναδέλφους εδώ στο Τμήμα των Μηχανολόγων στο Παρεμπιστημίου Κύπρου προσδιοριζόμαστε για κάποιο τύπο, ένα τύπο φυσικό πρόβλημα που αφορά ρευστά κινησηδευστών και τυρβώδεις δροές και σκεφτήκαμε να αναθέσουμε αυτό το project σε κάποιον τελειόφυτο φοιτητή ή κάποιον φοιτητή φοιτήτρια μεταπτυχιακού επιπλεονάστερ.

48:06 μετά συζητώντας με τον συνάδελφο αρχίσαμε να μπαίνουμε στον πειρασμό ναι αλλά να το ζητήσουμε για να μην τα πω λογικό μέσα σε περίπου ένα πρωινό με ερωταπαντήσεις ο συνάδελφος είχε στα χέρια του μια ολοκληρωμένη απάντηση η οποία θα ήταν ένα πόνιμα ενός μεταπτυχιακού φοιτητή ή μετά από μέσα στις 6 μήνες. Άρα, πλέον, μπορούμε να αναθέτουμε ουσιαστικά κομμάτια της δουλειάς μας, τα οποία είναι λιγότερο ίσως δημιουργικά ή λιγότερο απαιτητικά, ή πολλές φορές και πολύ βαριά για εμάς τους ίδιους, για παράδειγμα η αναγνώριση ενός κειμένου, η αναγνώριση κάποιων μοτίβων, που γίνονται πολύ πιο εύκολα στην τεχνητική νοημοσύνη.

49:01 μπορούμε να αναθέσουμε λοιπόν δουλειά εκεί, άρα να επιταχύνουμε την ερευνητική δραστηριότητα σημαντικά. Σε πάρα πολλούς διαφορετικούς τομείς και στο κομμάτι φυσικά του προγραμματισμού. Πλέον είναι πολύ εύκολο να προγραμματίσει κανείς, είναι πολύ εύκολο να επεκτείνει, αν έχει γράψει κάποιο κώδικα, να τον επεκτείνει, να τον γενικεύσει, να τον διορθώσει.

49:27 Άρα έχει αλλάξει πραγματικά δραστικά τον τρόπο με τον οποίο κινούμαστε τη τεχνητή νοημοσύνη. Και πλέον μπαίνουμε σε μια δεύτερη, εγώ έτσι την αντιλαμβάνω, τουλάχιστον φάση. Υπάρχουν ήδη εργαλεία τεχνητής νοημοσύνης στα οποία μπορεί κάποιος να δώσει πρόσβαση στη μηχανή του, στον υπολογιστή του. Άρα μπορώ εγώ να αναθέσω σε, ας πούμε, agents, όπως λέγονται στη γλώσσα της τεχνητής νοημοσύνη, μπορώ να έχω έναν, φανταστείτε, έναν μικρό στρατό, να το πω έτσι, εντός πολλών εισαγωγικών, από τέτοιους agents, οι οποίοι να διεκπεραιώνουν μικρά προβλήματα και να δίνουν λύσεις ή να εισηγούνται.

50:15 Επομένως, πλέον μπαίνουμε σε μια φάση που αρχίζει και αλληλεπιδρά η τεχνητή νοημοσύνη, προφανώς, με αυτό που κάνουμε και με τον τρόπο που δουλεύουμε, πολύ ισχυρότερα να πω ότι μπορούσε κανείς να διαδοθηθεί. Και πιστεύω ακόμα ότι είμαστε ακόμα στην πολλή αρχή. Άρα, ναι, έχει αλλάξει πολύ τον τρόπο που δουλεύουμε και προβλέπεται να τον αλλάξει κι άλλο.

50:41 Θα πιστεύω, σας θα είναι μια τεχνητή νοημοσύνη να λάβει εκείνη να τρέξει μια προσωμείωση αντί για εσάς. Επίβλεψη όχι. Είναι επικίνδυνο, έτσι. Επικίνδυνο δύσκολα μπορεί να είναι. Ναι, δύσκολα μπορεί να πάει κάτι στραβά, εκτός να γίνεται κακόβουλα. Αλλά χωρίς επίβλεψη όχι. Δεν υπάρχει λόγος. Το να υποβοηθήσει στο να στηθεί ένα πρόβλημα ή να μπει σε σωστή βάση ή να γίνει σωστή προσωμείωση εκεί ναι.

51:16 Αλλά απόλυτη εμπιστοσύνη όχι. ειδικά σε ό,τι αφορά χρήση μηχανής, δηλαδή να εμπιστευτείς... ...είναι κάτι που μπορεί να σου καταλαβαίνει πολλή ενέργεια ή πολύ νερό ή πόλους. Ακόμα όχι, είναι η απάντησή μου. Το επικίνδυνο το εννοούσαμε το ότι δεν θα ξέρεις τα συμπεράσματα αυτά που θα βγουν, αν όντως είναι σωστά και όλα αυτά δεν θα υπάρχει το validation.

51:43 Άρα είστε από τις περιπτώσεις που λέει ότι ο άνθρωπος πρέπει να μείνει στο loop, πάση θυσία είναι απαραίτητο όταν θέλουμε να λέμε ότι κάνουμε επιστήμη. Οπωσδήποτε. Και λέω και τη λέξη ακόμα. Αλλά ακόμα είμαστε τελείως απαραίτητοι. Και αυτό που κατά τη γνώμη μου είναι σημαντικότερο πλέον είναι η κριτική μας ικανότητα και η κριτική μας σκέψη.

52:07 Πλέον είναι πολύ πιο σημαντικό να αναπτύσσουμε τέτοιου τύπου δεξιότητες που έχουν να κάνουν με critical thinking από ό,τι ήταν παλιότερα. Τα εργαλεία αυτά βέβαια δεν βοηθάνε στο να αναπτυχθεί η κριτική σκέψη, αντιθέτως. Ακριβώς αυτό. Δεν βοηθάνε στην κριτική σκέψη, αλλά βοηθάνε στην πολλή, αν θέλετε να πω, αν μου επιτρέπετε και όλους, και στη βρώμικη δουλειά που μπορούν να κάνουν, την οποία κάποιος πρέπει να την αξιολογήσει, να την επαληθεύσει.

52:39 Και ακόμα ο άνθρωπος έχει αυτή την δυνατότητα να την επαληθεύσει. Άρα εμείς θα πρέπει να είμαστε σε θέση περισσότερο να κρίνουμε αν αυτό που έχουμε αντιστοιχεί στην πραγματικότητα ή αν ισχύει και πολύ λιγότερο να κάνουμε αυτή την ίδια τη δουλειά. Θα καταλαβαίνετε το κοινό. Πρέπει να γνωρίζουμε όμως πώς γίνεται η κάθε δουλειά. Δηλαδή δεν πάβει...

53:04 Οπωσδήποτε. Αλλιώς δεν μπορούμε να κρίνουμε. Σίγουρα. Σίγουρα. Ναι, φυσικά. Αυτό ακριβώς εννοώ. είναι ο τρόπος που φτάνει σε εμάς νομίζω κύριε καθηγητά που μας ξεγελάει δηλαδή αυτό που λέμε αν το σκεφτείτε είναι αυτονόητο εννοείται ότι δεν θα σου φτιάξει ένα εργαλείο την κριτική σκέψη όπως την έφτιαξες τόσα χρόνια πρέπει και να συνεχίζεις να τη φτιάχνεις εννοείται ότι ένα εργαλείο το πολύ πολύ που μπορεί να κάνει είναι τη ζωή σου πιο εύκολη εμείς ξαφνικά αρχίσαμε και μπήκαμε με τελείως άλλη οπτική να αντιμετωπίσεις, όχι χωρίς να φταίει το marketing που φέρνει κοντά σε εμάς τα εργαλεία, αν ρωτάτε την ταπεινή μου άποψη.

53:43 Αλλά έτσι είναι όμως τα πράγματα. Δεν μπορούμε να κατηγορούμε το εργαλείο. Ήρθε καμία τεχνητή νοημοσύνη να σου πει ότι εγώ είμαι αυτός που θα σου θεμάθω να σκέφτεσαι. Αν το κάνει, είναι ψέμα. Όχι, αλλά μπορεί να σε βοηθήσει σε πολύ διαφορετικές πτυχίες. Και να σε ξεκουράσει επίσης. Ναι και όχι μόνο τώρα που μιλάμε ας πούμε για προσωμιώσεις προσωπικά εμένα αυτό που με τράβηξε σε προσωμιώσεις πριν από πολλά χρόνια όταν ξεκινούσα ως θηπιτής είναι το γεγονός ότι μπορείς να καλλιεργήσεις κάπως και την φαντασία σου με τέτοια εργαλεία δηλαδή μπορεί να κινηθείς και λίγο έξω από το τι είναι πρακτικά δυνατό και να κινηθείς προς περιοχές που είναι πιο μακρινές να καταλαβαίνετε τι εννοώ Άρα, ως ένα εργαλείο που καλλιεργεί, ας πούμε, τη φαντασία, εγώ είμαι από αυτούς που πιστεύουν ότι οι προσωμιώσεις συγκεκριμένα καλλιεργούν την επιστημονική φαντασία, που είναι απαραίτητο στοιχείο.

54:43 Και πιστεύω ότι και η τεχνητή νοημοσύνη μπορεί, αν χρησιμοποιηθεί σωστά και αξιολογηθεί σωστά, να βοηθήσει και τέτοιου είδους ανθρώπινες δεξιότητες που θα γίνονται κατά τη δική μου γνώμη όλο και πιο σημαντικές μελλοντικά. Άρα, αν χρησιμοποιηθεί σωστά, όπως το μέτρησε η πένευση, μπορεί όντως να συνεργαστεί αρμονικά με τον άνθρωπο.

55:05 Διαφορετικά, αν συνεχιστεί η τάση που βλέπω, αν με ρωτάτε εμένα, δεν είμαι πολύ αισιόδοξος, γιατί έχουμε την τάση όλο και περισσότερο, όπως σας είπα, να πιστεύουμε τυφλά και να μην αξιολογούμε. και σιγά σιγά μπορεί να χάσουν τη δυνατότητα να εξελογούμε. Αν χάσουν τη δυνατότητα να εξελογούμε, τότε είναι και άλλη συζήτηση.

55:29 Καταλήγει φιλοσοφική συζήτηση. Είναι ένα ερώτημα που έβαλα και στον εαυτό μου. Θα εμπιστευόμουν τον καλύτερο γιατρό να διαβάσει τις εξετάσεις μου ή ένα σύστημα τεχνικής νοημοσύνης που είχε εκπαιδευτεί σε ένα εκατομμύριο εξετάσεις. Είναι πραγματικό το ερώτημα. Καλό ερώτημα. Και δεν εννοώ τίποτα για τους συνδελφούς επιστήμονες ή γιατρούς ή πλάδο.

56:04 Ως παράδειγμα το φέρνω. Άρα έχουμε κάτι να κερδίσουμε. Απλά πρέπει να μάθουμε, είναι ακόμα ένα εργαλείο που έχουμε στα χέρια μας και πρέπει να μάθουμε να το χρησιμοποιήσουμε προς όφελός μας, αν θέλετε, ως είδος μιλάω και όχι εις βάρος μας. Μην καταλήξει να λειτουργήσει εις βάρος μας. Από εμάς εξαρτάται. Νομίζω ότι με αυτές τις τελευταίες σας φράσεις φτάσαμε στο τέλος της εκπομπής και εμέσως απαντήσατε και στο ερώτημα που δεν προλάβαμε να σας κάνουμε, πώς βλέπετε το μέλλον.

56:40 βλέπετε χρήσιμη την πορεία αλλά με κανόνες και με σωστά βήματα για να ξέρουμε τι κάνουμε. Ναι, οπωσδήποτε και εκεί θα χρησιμοποιήσω και την προϊστορία με το ίντερνετ και την εξέλιξή του. Δηλαδή αν δούμε τον τρόπο με τον οποίο έχει εξελιχθεί μπορούμε, οι γινόμενοι μετά Χριστού προφήτες, εκ των υστέρων αλλά μπορούμε εκ των υστέρων να σκεφτούμε τι θα μπορούσαμε να είχαμε κάνει καλύτερα σε σχέση με το πώς ενσωματώθηκε η τεχνολογία του ίντερνετ, ας πούμε, στην ανθρώπινη ζωή.

57:15 Ή τα έχουμε κάνει όλα καλά, ας κάνουμε κάτι ανάλογο. Είναι ένα εργαλείο στα χέρια μας, είναι εκεί είτε μας αρέσει είτε δεν μας αρέσει. Το έχουμε χρησιμοποιήσει όλοι, ακόμα και αν δεν το ξέρουμε. Άρα το να το φοβόμαστε ή να το αποφεύγουμε ή να το δαιμονοποιούμε ή να το θεοποιούμε, κάθε άλλο παρά μας βοηθάει ως είδος. θα πρέπει να καταλάβουμε λίγο καλύτερα τι είναι και να προσπαθήσουμε να το εξοπλίσουμε, όπως σας είπα, προς όφελός μας.

57:44 Και τότε είμαι πραγματικά αισιόδοξος ότι θα μπορέσουμε να το κάνουμε. Σας ευχαριστούμε πολύ. Ήταν, νομίζω, άλλη μια πολύ ενδιαφέρουσα συζήτηση με τον κύριο Γρηγοριάδη. Επιφυλασσόμαστε, κύριε Γρηγοριάδη, και για μια τρίτη. Σας ευχαριστώ πολύ για την ωραία συζήτηση.