Τεχνητή νοημοσύνη: Διαφορά μεταξύ των αναθεωρήσεων

Από archaeology
Πήδηση στην πλοήγησηΠήδηση στην αναζήτηση
← Παλαιότερη επεξεργασίαΝεότερη επεξεργασία →
ΟπτικήΚώδικας wiki
Papageorgiou (συζήτηση | συνεισφορές)
271 επεξεργασίες
Papageorgiou (συζήτηση | συνεισφορές)
271 επεξεργασίες
Χωρίς σύνοψη επεξεργασίας
Γραμμή 1: Γραμμή 1:
Η '''τεχνητή νοημοσύνη''' (artificial intelligence) (ΤΝ) αποτελεί έναν από τους πιο δυναμικούς και κεντρικούς κλάδους της [[επιστήμη υπολογιστών|επιστήμης υπολογιστών]], με ιστορικές ρίζες που εκτείνονται από τα πρώιμα μαθηματικά μοντέλα του 20ού αιώνα έως τις σύγχρονες εφαρμογές [[βαθιά μάθηση|βαθιάς μάθησης]] και δημιουργική τεχνητή νοημοσύνη<ref>Ο όρος δημιουργική τεχνητή νοημοσύνη αναφέρεται σε συστήματα τεχνητής νοημοσύνης που μπορούν να δημιουργούν νέο περιεχόμενο αντί απλώς να αναλύουν υπάρχον. Δηλαδή, δεν περιορίζονται στην ταξινόμηση ή πρόβλεψη, αλλά παράγουν καινούριο κείμενο, εικόνες, ήχο, βίντεο και άλλα δεδομένα με βάση τα δεδομένα εκπαίδευσης.</ref>. Η εξέλιξη της ΤΝ έχει σημαδευτεί από περιόδους έντονης προόδου ("καλοκαίρια") και στασιμότητας ("χειμώνες").  
Η '''τεχνητή νοημοσύνη''' (artificial intelligence) (ΤΝ) αποτελεί έναν από τους πιο δυναμικούς και κεντρικούς κλάδους της [[πληροφορική]]ς, με ιστορικές ρίζες που εκτείνονται από τα πρώιμα μαθηματικά μοντέλα του 20ού αιώνα έως τις σύγχρονες εφαρμογές [[βαθιά μάθηση|βαθιάς μάθησης]] και δημιουργική τεχνητή νοημοσύνη<ref>Ο όρος δημιουργική τεχνητή νοημοσύνη αναφέρεται σε συστήματα τεχνητής νοημοσύνης που μπορούν να δημιουργούν νέο περιεχόμενο αντί απλώς να αναλύουν υπάρχον. Δηλαδή, δεν περιορίζονται στην ταξινόμηση ή πρόβλεψη, αλλά παράγουν καινούριο κείμενο, εικόνες, ήχο, βίντεο και άλλα δεδομένα με βάση τα δεδομένα εκπαίδευσης.</ref>. Η εξέλιξη της ΤΝ έχει σημαδευτεί από περιόδους έντονης προόδου ("καλοκαίρια") και στασιμότητας ("χειμώνες").  


==Εισαγωγή στην τεχνητή νοημοσύνη==
==Εισαγωγή στην τεχνητή νοημοσύνη==
Η ΤΝ ορίζεται ως η ικανότητα των μηχανών να εκτελούν εργασίες που απαιτούν ανθρώπινη νοημοσύνη, όπως μάθηση, λήψη αποφάσεων και κατανόηση φυσικής γλώσσας<ref>Delipetrev et al. 2020, 5.</ref> Από τα πρώτα μαθηματικά μοντέλα έως τα σύγχρονα [[νευρωνικά δίκτυα]], η εξέλιξη της ΤΝ βασίζεται σε βασικές θεωρητικές και τεχνολογικές προόδους, όπως οι αλυσίδες Markov (1906) και το Turing Test (1950)<ref>Al-Amin et al. 2024, 5.</ref>.
Η τεχνητή νοημοσύνη (ΤΝ) ορίζεται ως η ικανότητα μηχανών να εκτελούν εργασίες που απαιτούν ανθρώπινη νοημοσύνη, όπως μάθηση, λήψη αποφάσεων και κατανόηση φυσικής γλώσσας<ref>Delipetrev et al. 2020, 5.</ref> Η εξέλιξή της βασίζεται σε θεμελιώδεις θεωρητικές και τεχνολογικές προόδους, από τα πρώιμα μαθηματικά μοντέλα μέχρι τα σύγχρονα [[νευρωνικά δίκτυα]]<ref>Al-Amin et al. 2024, 5.</ref>.


==Θεωρητικά θεμέλια: μαθηματικά και φιλοσοφία==
==Θεωρητικά θεμέλια: μαθηματικά και φιλοσοφία==
Οι βάσεις της ΤΝ συνδέονται με τη μαθηματική λογική και φιλοσοφικές έννοιες νοημοσύνης:
Η ιστορία της ΤΝ ξεκινά από τα θεωρητικά θεμέλια των μαθηματικών και της λογικής:


1906: Αλυσίδα Markov, εισαγωγή στοχαστικών προβλέψεων για πρώιμα υπολογιστικά μοντέλα<ref>Al-Amin et al. 2024, 5.</ref>.
*Gödel (1931): Τα θεωρήματα ατελούς του Gödel έδειξαν ότι υπάρχουν προβλήματα που δεν μπορούν να επιλυθούν υπολογιστικά, θέτοντας όρια στην υπολογιστική ικανότητα των μηχανών και επηρεάζοντας τη θεωρία αλγορίθμων<ref>Schmidhuber 2022, 42.</ref>.
1931: Gödel, όρια στην υπολογιστική ικανότητα και τη θεωρία αλγορίθμων. <ref>Schmidhuber 2022, 42.</ref>.
*McCulloch-Pitts (1943): Το πρώτο τεχνητό νευρωνικό δίκτυο απέδειξε ότι απλές μονάδες που μιμούνται τον νευρώνα μπορούν να εκτελέσουν λογικές πράξεις και σύνθετους υπολογισμούς<ref>Toosi et al. 2021, 4.</ref>.
1943: Μοντέλο McCulloch-Pitts, τα πρώτα νευρωνικά δίκτυα εμπνευσμένα από βιολογικούς νευρώνες<ref>Toosi et al. 2021, 4.</ref>.
*Turing Test (1950): Ο Alan Turing πρότεινε έναν τρόπο αξιολόγησης της μηχανικής νοημοσύνης, θέτοντας τις βάσεις για την ανάπτυξη συστημάτων ικανά να μιμούνται ανθρώπινη σκέψη και αλληλεπίδραση<ref>Al-Amin et al. 2024, 5</ref>.
1950: Turing Test, θεμελίωση μεθόδων αξιολόγησης μηχανικής νοημοσύνης<ref>Al-Amin et al. 2024, 5.</ref>.


Αυτά τα θεμέλια συνδυάζουν [[φιλοσοφία]] και [[μαθηματικά]] (Boolean λογική) για να θέσουν τις βάσεις των πρακτικών εφαρμογών ΤΝ<ref>Toosi et al. 2021, 1</ref>..
Αυτά τα θεμέλια – από τα μαθηματικά και τη φιλοσοφία έως τα πρώτα νευρωνικά δίκτυα και τη μέτρηση νοημοσύνης – δημιούργησαν το πλαίσιο για τις μετέπειτα εφαρμογές της ΤΝ<ref>Toosi et al. 2021, 1.</ref>.


==Πρώιμη εποχή: Γέννηση και πρώτα Chatbot==
==Πρώιμη εποχή: Γέννηση και πρώτα Chatbot==
*1956: Συνδιάσκεψη Dartmouth, "γέννηση" της ΤΝ ως επιστημονικού κλάδου. <ref>Toosi et al. 2021, 4</ref>
*1956: Συνδιάσκεψη Ντάρτμαουθ, που σηματοδότησε τη "γέννηση" της ΤΝ ως επιστημονικού κλάδου<ref>Toosi et al. 2021, 4.</ref>.
*1965: Πρώτο βαθύ δίκτυο από Ivakhnenko και Lapa, πρόδρομος της βαθιάς μάθησης. <ref>Schmidhuber 2022, 4</ref>
*1965: Πρώτο βαθύ δίκτυο από Ivakhnenko και Lapa, πρόδρομος της βαθιάς μάθησης<ref>Schmidhuber 2022, 4.</ref>.
*1966: ELIZA, πρώτος chatbot με pattern matching, μιμούμενο ψυχολόγο. <ref>Al-Amin et al. 2024, 6</ref>
*1966: ELIZA, ο πρώτος chatbot με pattern matching, μιμούμενος ψυχολόγο<ref>Al-Amin et al. 2024, 6.</ref><ref>Toosi et al. 2021, 5.</ref>.
*1969: Neocognitron του Fukushima, εισαγωγή convolutional δικτύων και ReLUs. <ref>Schmidhuber 2022, 38</ref>
*1969: Neocognitron<ref>Το Neocognitron είναι ένα από τα πρώτα συνθετικά νευρωνικά δίκτυα για αναγνώριση προτύπων, που προτάθηκε από τον Kunihiko Fukushima το 1979. Αποτελεί πρόδρομο των σύγχρονων δικτύων νευρώνων με συνελίξεις<ref>Κατηγορία βαθέων νευρωνικών δικτύων που χρησιμοποιούνται κυρίως για ανάλυση εικόνας, βίντεο και άλλων χωρικών δεδομένων.</ref> (CNNs).</ref> του Fukushima, εισαγωγή convolutional δικτύων και ReLUs<ref>Schmidhuber 2022, 38.</ref>.


Αυτή η περίοδος χαρακτηρίζεται ως "καλοκαίρι" της ΤΝ λόγω ενθουσιασμού, ενώ περιορισμοί στην υπολογιστική ισχύ οδήγησαν στον πρώτο "χειμώνα" το 1973<ref>Toosi et al. 2021, 4.</ref>.
Αυτή η περίοδος χαρακτηρίζεται ως "καλοκαίρι" της ΤΝ λόγω ενθουσιασμού, ενώ περιορισμοί στην υπολογιστική ισχύ οδήγησαν στον πρώτο "χειμώνα" το 1973<ref>Toosi et al. 2021, 4</ref>


==Δεύτερη Περίοδος: Expert Systems και Δεύτερος Χειμώνας==
==Δεύτερη Περίοδος: Expert Systems και Δεύτερος Χειμώνας==
*1980: Εμπορική άνοδος με expert systems<ref>Τα Expert Systems είναι ένα από τα πρώτα πρακτικά επιτεύγματα της τεχνητής νοημοσύνης, ιδιαίτερα δημοφιλή τη δεκαετία του 1980, και αποτελούν συστήματα που μιμούνται τη λογική και τη λήψη αποφάσεων ενός ανθρώπινου ειδικού σε συγκεκριμένους τομείς.</ref> όπως το XCON<ref>Delipetrev et al. 2020, 6.</ref>.
*1982: ανάστροφη διάδοση σφάλματος σε δίκτυα νευρώνων, βελτίωση της εκπαίδευσης νευρωνικών δικτύων<ref>Schmidhuber 2022, 4.</ref>.
*1990: GANs και fast weight programmers<ref>Τα Fast Weight Programmers είναι μια τεχνική στην Τεχνητή Νοημοσύνη που επιτρέπει σε ένα νευρωνικό δίκτυο να αλλάζει τα βάρη ενός άλλου δικτύου «γρήγορα», ανάλογα με τα εισερχόμενα δεδομένα ή το πλαίσιο εκτέλεσης.</ref>, πρόδρομοι των dhmioyrgik;vn mont;elvn<ref>Schmidhuber 2022, 45</ref> <ref>Zhu et al. 2025, 2.</ref>.


*1980: Εμπορική άνοδος με expert systems όπως το XCON. <ref>Delipetrev et al. 2020, 6</ref>
Η υπερβολική ευφορία οδήγησε σε δεύτερο "χειμώνα" το 1987 λόγω μη ρεαλιστικών προσδοκιών. <ref>Toosi et al. 2021, 4</ref>
*1982: Backpropagation σε δίκτυα νευρώνων, βελτίωση της εκπαίδευσης νευρωνικών δικτύων<ref>Schmidhuber 2022, 4.</ref>.
*1990: GANs και fast weight programmers, πρόδρομοι generative models<ref>Schmidhuber 2022, 45.</ref><ref>Zhu et al. 2025, 2.</ref>.
 
Η υπερβολική ευφορία οδήγησε σε δεύτερο "χειμώνα" το 1987 λόγω μη ρεαλιστικών προσδοκιών<ref>Toosi et al. 2021, 4.</ref>.


==Σύγχρονη Εποχή: Βαθιά Μάθηση και Generative AI==
==Σύγχρονη Εποχή: Βαθιά Μάθηση και Generative AI==
*1997: Νίκη του Deep Blue επί του Kasparov στο σκάκι<ref>Toosi et al. 2021, 4.</ref>.
*1997: Νίκη του Deep Blue επί του Kasparov στο σκάκι<ref>Toosi et al. 2021, 4.</ref>.
*2012: AlexNet κερδίζει το ImageNet, εκκίνηση εποχής βαθιάς μάθησης<ref>Schmidhuber 2022, 4.</ref>.
*2012: Το AlexNet<ref>Σημαντικό νευρωνικό δίκτυο που σηματοδότησε την εκκίνηση της εποχής της βαθιάς μάθησης για όραση υπολογιστών.</ref> κερδίζει τον διαγωνισμό ImageNet με σημαντικά χαμηλότερο ποσοστό σφάλματος (15,3%) σε σχέση με τον επόμενο καλύτερο (26,2%), εκκίνηση εποχής βαθιάς μάθησης<ref>Schmidhuber 2022, 4.</ref>.
*2017-2022: Transformers, GPT-3, ChatGPT, Bard και AIGC μοντέλα, εφαρμογές σε κείμενο, εικόνα και βίντεο<ref>Al-Amin et al. 2024, 3.</ref><ref>Zhu et al. 2025, 1.</ref>.
*2017-2022: Transformers, GPT-3, ChatGPT, Bard και AIGC μοντέλα, εφαρμογές σε κείμενο, εικόνα και βίντεο<ref>Al-Amin et al. 2024, 3.</ref><ref>Zhu et al. 2025, 1.</ref>.


Η ΤΝ διακρίνεται σε:
Η ΤΝ διακρίνεται σε:


Στενή ΤΝ (ANI)
*Στενή Τεχνητή Νοημοσύνη (ANI – Artificial Narrow Intelligence). Συστήματα ΤΝ που είναι εξειδικευμένα σε μία μόνο εργασία ή περιορισμένο σύνολο εργασιών. Δηλαδή, μπορούν να εκτελέσουν πολύ καλά συγκεκριμένες εργασίες, αλλά δεν διαθέτουν γενική κατανόηση ή ευφυΐα όπως ένας άνθρωπος.
 
*Γενική Τεχνητή Νοημοσύνη (AGI – Artificial General Intelligence). Συστήματα ΤΝ που έχουν ικανότητα γενικής μάθησης και κατανόησης, δηλαδή μπορούν να εκτελέσουν οποιαδήποτε νοητική εργασία θα μπορούσε να κάνει ένας άνθρωπος. Σε αντίθεση με τη Στενή ΤΝ (ANI), η AGI δεν περιορίζεται σε μία συγκεκριμένη εργασία.
Γενική ΤΝ (AGI)
*Υπερ-νοημοσύνη (ASI – Artificial Superintelligence). Υποθετικό επίπεδο τεχνητής νοημοσύνης που ξεπερνά τη νοημοσύνη και τις δυνατότητες του ανθρώπου σε όλους τους τομείς, είτε αυτοί είναι γνωστικοί, δημιουργικοί ή κοινωνικοί<ref>Delipetrev et al. 2020, 6.</ref>.


Υπερ-νοημοσύνη (ASI) <ref>Delipetrev et al. 2020, 6</ref>
Τα συστήματα δημιουργικής τεχνητής νοημοσύνης είναι η πιο πρόσφατη εξέλιξη, καθώς επιτρέπουν στις μηχανές να δημιουργούν κείμενο, εικόνες, βίντεο και ήχο αντί να περιορίζονται σε ανάλυση ή πρόβλεψη. Περιλαμβάνουν τεχνολογίες όπως GANs<ref>Τα GANs (Generative Adversarial Networks) είναι μια [[τεχνολογία]] τεχνητής νοημοσύνης για δημιουργία νέου περιεχομένου, που εισήχθη από τον Ian Goodfellow το 2014. Αποτελούν βασικό [[εργαλείο]] στη δημιουργική ΤΝ.</ref>, Transformers<ref>Τα Transformers είναι μια αρχιτεκτονική νευρωνικών δικτύων που αναπτύχθηκε το 2017 (Vaswani et al.) και αποτελεί τη βάση για τα σύγχρονα μοντέλα Generative AI, όπως το GPT, BERT και άλλα μεγάλα γλωσσικά μοντέλα.</ref> και Diffusion Models<ref>Σχετικά πρόσφατη τεχνολογία δημιουργικής ΤΝ που χρησιμοποιείται κυρίως για δημιουργία εικόνων, βίντεο και άλλων δεδομένων υψηλής ποιότητας.</ref>, και έχουν εφαρμογές σε chatbot (ChatGPT), εικόνες (DALL·E, MidJourney) και βίντεο/μουσική (Synthesia, AIVA)<ref>Zhu et al. 2025, 1.</ref>.


===Πίνακας 1: Κύριες Περίοδοι Εξέλιξης ΤΝ===
===Πίνακας 1: Κύριες Περίοδοι Εξέλιξης ΤΝ===
Γραμμή 48: Γραμμή 45:
! Περίοδος !! Κύρια Γεγονότα !! Σημασία
! Περίοδος !! Κύρια Γεγονότα !! Σημασία
|-
|-
| 1900–1950 || Markov Chain, Turing Test || Θεωρητικά Θεμέλια
| 1900–1950 || Αλυσίδα Markov, Turing Test || Θεωρητικά Θεμέλια
|-
|-
| 1950–1970 || Dartmouth, ELIZA || Πρώτα Chatbot
| 1950–1970 || Dartmouth, ELIZA || Πρώτα Chatbot
Γραμμή 73: Γραμμή 70:
Παρά τις προόδους, η ΤΝ αντιμετωπίζει προκλήσεις που μπορεί να προκαλέσουν νέο "χειμώνα":
Παρά τις προόδους, η ΤΝ αντιμετωπίζει προκλήσεις που μπορεί να προκαλέσουν νέο "χειμώνα":


*vanishing gradients και έλλειψη δεδομένων<ref>Schmidhuber 2022, 15.</ref>.
*Τα εξαφανιζόμενα ή αποδυναμωμένα παράγωγα και η έλλειψη δεδομένων είναι σημαντικό ζήτημα κατά την εκπαίδευση πολυεπίπεδων νευρωνικών δικτύων (deep neural networks), ειδικά εκείνων που χρησιμοποιούν βαθιά στρώματα. <ref>Schmidhuber 2022, 15.</ref>.
*Υπερβολικές υποσχέσεις και περιορισμένοι πόροι<ref>Toosi et al. 2021, 5.</ref>.
*Υπερβολικές υποσχέσεις και περιορισμένοι πόροι<ref>Toosi et al. 2021, 5.</ref>.
*Ηθικά ζητήματα, προκαταλήψεις και βιωσιμότητα<ref>Zhu et al. 2025, 3.</ref>.
*Ηθικά ζητήματα, προκαταλήψεις και βιωσιμότητα<ref>Zhu et al. 2025, 3.</ref>.
Γραμμή 80: Γραμμή 77:


==Συμπεράσματα==
==Συμπεράσματα==
Η πορεία της ΤΝ, από τις πρώτες θεωρητικές προσεγγίσεις έως τα generative AI μοντέλα, δείχνει σταθερή πρόοδο αλλά και ευαισθησία σε περιορισμούς και ηθικά ζητήματα. Με σωστή στρατηγική, η ΤΝ μπορεί να αποφύγει νέους χειμώνες και να ενσωματωθεί σε τομείς όπως η [[υγεία]], η [[εκπαίδευση]] και το [[περιβάλλον]].
Η πορεία της ΤΝ, από τις πρώτες θεωρητικές προσεγγίσεις έως τα μοντέλα δημιουργικής ΤΝ, δείχνει σταθερή πρόοδο αλλά και ευαισθησία σε περιορισμούς και ηθικά ζητήματα. Με σωστή στρατηγική, η ΤΝ μπορεί να αποφύγει νέους χειμώνες και να ενσωματωθεί σε τομείς όπως η [[υγεία]], η [[εκπαίδευση]] και το [[περιβάλλον]].


==Παραπομπές σημειώσεις==
==Παραπομπές σημειώσεις==

Αναθεώρηση της 21:36, 27 Νοεμβρίου 2025

Η τεχνητή νοημοσύνη (artificial intelligence) (ΤΝ) αποτελεί έναν από τους πιο δυναμικούς και κεντρικούς κλάδους της πληροφορικής, με ιστορικές ρίζες που εκτείνονται από τα πρώιμα μαθηματικά μοντέλα του 20ού αιώνα έως τις σύγχρονες εφαρμογές βαθιάς μάθησης και δημιουργική τεχνητή νοημοσύνη[1]. Η εξέλιξη της ΤΝ έχει σημαδευτεί από περιόδους έντονης προόδου ("καλοκαίρια") και στασιμότητας ("χειμώνες").

Εισαγωγή στην τεχνητή νοημοσύνη

Η τεχνητή νοημοσύνη (ΤΝ) ορίζεται ως η ικανότητα μηχανών να εκτελούν εργασίες που απαιτούν ανθρώπινη νοημοσύνη, όπως μάθηση, λήψη αποφάσεων και κατανόηση φυσικής γλώσσας[2] Η εξέλιξή της βασίζεται σε θεμελιώδεις θεωρητικές και τεχνολογικές προόδους, από τα πρώιμα μαθηματικά μοντέλα μέχρι τα σύγχρονα νευρωνικά δίκτυα[3].

Θεωρητικά θεμέλια: μαθηματικά και φιλοσοφία

Η ιστορία της ΤΝ ξεκινά από τα θεωρητικά θεμέλια των μαθηματικών και της λογικής:

  • Gödel (1931): Τα θεωρήματα ατελούς του Gödel έδειξαν ότι υπάρχουν προβλήματα που δεν μπορούν να επιλυθούν υπολογιστικά, θέτοντας όρια στην υπολογιστική ικανότητα των μηχανών και επηρεάζοντας τη θεωρία αλγορίθμων[4].
  • McCulloch-Pitts (1943): Το πρώτο τεχνητό νευρωνικό δίκτυο απέδειξε ότι απλές μονάδες που μιμούνται τον νευρώνα μπορούν να εκτελέσουν λογικές πράξεις και σύνθετους υπολογισμούς[5].
  • Turing Test (1950): Ο Alan Turing πρότεινε έναν τρόπο αξιολόγησης της μηχανικής νοημοσύνης, θέτοντας τις βάσεις για την ανάπτυξη συστημάτων ικανά να μιμούνται ανθρώπινη σκέψη και αλληλεπίδραση[6].

Αυτά τα θεμέλια – από τα μαθηματικά και τη φιλοσοφία έως τα πρώτα νευρωνικά δίκτυα και τη μέτρηση νοημοσύνης – δημιούργησαν το πλαίσιο για τις μετέπειτα εφαρμογές της ΤΝ[7].

Πρώιμη εποχή: Γέννηση και πρώτα Chatbot

  • 1956: Συνδιάσκεψη Ντάρτμαουθ, που σηματοδότησε τη "γέννηση" της ΤΝ ως επιστημονικού κλάδου[8].
  • 1965: Πρώτο βαθύ δίκτυο από Ivakhnenko και Lapa, πρόδρομος της βαθιάς μάθησης[9].
  • 1966: ELIZA, ο πρώτος chatbot με pattern matching, μιμούμενος ψυχολόγο[10][11].
  • 1969: NeocognitronΣφάλμα παραπομπής: Λείπει η ετικέτα κλεισίματος </ref> για την ετικέτα <ref> (CNNs).</ref> του Fukushima, εισαγωγή convolutional δικτύων και ReLUs[12].

Αυτή η περίοδος χαρακτηρίζεται ως "καλοκαίρι" της ΤΝ λόγω ενθουσιασμού, ενώ περιορισμοί στην υπολογιστική ισχύ οδήγησαν στον πρώτο "χειμώνα" το 1973[13]

Δεύτερη Περίοδος: Expert Systems και Δεύτερος Χειμώνας

  • 1980: Εμπορική άνοδος με expert systems[14] όπως το XCON[15].
  • 1982: ανάστροφη διάδοση σφάλματος σε δίκτυα νευρώνων, βελτίωση της εκπαίδευσης νευρωνικών δικτύων[16].
  • 1990: GANs και fast weight programmers[17], πρόδρομοι των dhmioyrgik;vn mont;elvn[18] [19].

Η υπερβολική ευφορία οδήγησε σε δεύτερο "χειμώνα" το 1987 λόγω μη ρεαλιστικών προσδοκιών. [20]

Σύγχρονη Εποχή: Βαθιά Μάθηση και Generative AI

  • 1997: Νίκη του Deep Blue επί του Kasparov στο σκάκι[21].
  • 2012: Το AlexNet[22] κερδίζει τον διαγωνισμό ImageNet με σημαντικά χαμηλότερο ποσοστό σφάλματος (15,3%) σε σχέση με τον επόμενο καλύτερο (26,2%), εκκίνηση εποχής βαθιάς μάθησης[23].
  • 2017-2022: Transformers, GPT-3, ChatGPT, Bard και AIGC μοντέλα, εφαρμογές σε κείμενο, εικόνα και βίντεο[24][25].

Η ΤΝ διακρίνεται σε:

  • Στενή Τεχνητή Νοημοσύνη (ANI – Artificial Narrow Intelligence). Συστήματα ΤΝ που είναι εξειδικευμένα σε μία μόνο εργασία ή περιορισμένο σύνολο εργασιών. Δηλαδή, μπορούν να εκτελέσουν πολύ καλά συγκεκριμένες εργασίες, αλλά δεν διαθέτουν γενική κατανόηση ή ευφυΐα όπως ένας άνθρωπος.
  • Γενική Τεχνητή Νοημοσύνη (AGI – Artificial General Intelligence). Συστήματα ΤΝ που έχουν ικανότητα γενικής μάθησης και κατανόησης, δηλαδή μπορούν να εκτελέσουν οποιαδήποτε νοητική εργασία θα μπορούσε να κάνει ένας άνθρωπος. Σε αντίθεση με τη Στενή ΤΝ (ANI), η AGI δεν περιορίζεται σε μία συγκεκριμένη εργασία.
  • Υπερ-νοημοσύνη (ASI – Artificial Superintelligence). Υποθετικό επίπεδο τεχνητής νοημοσύνης που ξεπερνά τη νοημοσύνη και τις δυνατότητες του ανθρώπου σε όλους τους τομείς, είτε αυτοί είναι γνωστικοί, δημιουργικοί ή κοινωνικοί[26].

Τα συστήματα δημιουργικής τεχνητής νοημοσύνης είναι η πιο πρόσφατη εξέλιξη, καθώς επιτρέπουν στις μηχανές να δημιουργούν κείμενο, εικόνες, βίντεο και ήχο αντί να περιορίζονται σε ανάλυση ή πρόβλεψη. Περιλαμβάνουν τεχνολογίες όπως GANs[27], Transformers[28] και Diffusion Models[29], και έχουν εφαρμογές σε chatbot (ChatGPT), εικόνες (DALL·E, MidJourney) και βίντεο/μουσική (Synthesia, AIVA)[30].

Πίνακας 1: Κύριες Περίοδοι Εξέλιξης ΤΝ

Περίοδος Κύρια Γεγονότα Σημασία
1900–1950 Αλυσίδα Markov, Turing Test Θεωρητικά Θεμέλια
1950–1970 Dartmouth, ELIZA Πρώτα Chatbot
1970–1990 Χειμώνες, Expert Systems Στασιμότητα και Άνοδος
1990–2010 Backpropagation, GANs Βαθιά Δίκτυα
2010–Σήμερα Transformers, ChatGPT Generative AI

=Πίνακας 2: Σύγκριση Chatbot

Chatbot Έτος Τεχνολογία Περιορισμοί
ELIZA 1966 Pattern Matching Περιορισμένη κατανόηση
ALICE 1995 AIML Στατική
ChatGPT 2022 Transformers Ηθικά ζητήματα

Προκλήσεις και μέλλον

Παρά τις προόδους, η ΤΝ αντιμετωπίζει προκλήσεις που μπορεί να προκαλέσουν νέο "χειμώνα":

  • Τα εξαφανιζόμενα ή αποδυναμωμένα παράγωγα και η έλλειψη δεδομένων είναι σημαντικό ζήτημα κατά την εκπαίδευση πολυεπίπεδων νευρωνικών δικτύων (deep neural networks), ειδικά εκείνων που χρησιμοποιούν βαθιά στρώματα. [31].
  • Υπερβολικές υποσχέσεις και περιορισμένοι πόροι[32].
  • Ηθικά ζητήματα, προκαταλήψεις και βιωσιμότητα[33].

Η σωστή διαχείριση χρηματοδότησης, ρύθμιση ηθικής και εστίαση σε βιώσιμες εφαρμογές μπορούν να εξασφαλίσουν ότι η ΤΝ θα συνεχίσει να ωφελεί την κοινωνία[34].

Συμπεράσματα

Η πορεία της ΤΝ, από τις πρώτες θεωρητικές προσεγγίσεις έως τα μοντέλα δημιουργικής ΤΝ, δείχνει σταθερή πρόοδο αλλά και ευαισθησία σε περιορισμούς και ηθικά ζητήματα. Με σωστή στρατηγική, η ΤΝ μπορεί να αποφύγει νέους χειμώνες και να ενσωματωθεί σε τομείς όπως η υγεία, η εκπαίδευση και το περιβάλλον.

Παραπομπές σημειώσεις

  1. ↑ Ο όρος δημιουργική τεχνητή νοημοσύνη αναφέρεται σε συστήματα τεχνητής νοημοσύνης που μπορούν να δημιουργούν νέο περιεχόμενο αντί απλώς να αναλύουν υπάρχον. Δηλαδή, δεν περιορίζονται στην ταξινόμηση ή πρόβλεψη, αλλά παράγουν καινούριο κείμενο, εικόνες, ήχο, βίντεο και άλλα δεδομένα με βάση τα δεδομένα εκπαίδευσης.
  2. ↑ Delipetrev et al. 2020, 5.
  3. ↑ Al-Amin et al. 2024, 5.
  4. ↑ Schmidhuber 2022, 42.
  5. ↑ Toosi et al. 2021, 4.
  6. ↑ Al-Amin et al. 2024, 5
  7. ↑ Toosi et al. 2021, 1.
  8. ↑ Toosi et al. 2021, 4.
  9. ↑ Schmidhuber 2022, 4.
  10. ↑ Al-Amin et al. 2024, 6.
  11. ↑ Toosi et al. 2021, 5.
  12. ↑ Schmidhuber 2022, 38.
  13. ↑ Toosi et al. 2021, 4
  14. ↑ Τα Expert Systems είναι ένα από τα πρώτα πρακτικά επιτεύγματα της τεχνητής νοημοσύνης, ιδιαίτερα δημοφιλή τη δεκαετία του 1980, και αποτελούν συστήματα που μιμούνται τη λογική και τη λήψη αποφάσεων ενός ανθρώπινου ειδικού σε συγκεκριμένους τομείς.
  15. ↑ Delipetrev et al. 2020, 6.
  16. ↑ Schmidhuber 2022, 4.
  17. ↑ Τα Fast Weight Programmers είναι μια τεχνική στην Τεχνητή Νοημοσύνη που επιτρέπει σε ένα νευρωνικό δίκτυο να αλλάζει τα βάρη ενός άλλου δικτύου «γρήγορα», ανάλογα με τα εισερχόμενα δεδομένα ή το πλαίσιο εκτέλεσης.
  18. ↑ Schmidhuber 2022, 45
  19. ↑ Zhu et al. 2025, 2.
  20. ↑ Toosi et al. 2021, 4
  21. ↑ Toosi et al. 2021, 4.
  22. ↑ Σημαντικό νευρωνικό δίκτυο που σηματοδότησε την εκκίνηση της εποχής της βαθιάς μάθησης για όραση υπολογιστών.
  23. ↑ Schmidhuber 2022, 4.
  24. ↑ Al-Amin et al. 2024, 3.
  25. ↑ Zhu et al. 2025, 1.
  26. ↑ Delipetrev et al. 2020, 6.
  27. ↑ Τα GANs (Generative Adversarial Networks) είναι μια τεχνολογία τεχνητής νοημοσύνης για δημιουργία νέου περιεχομένου, που εισήχθη από τον Ian Goodfellow το 2014. Αποτελούν βασικό εργαλείο στη δημιουργική ΤΝ.
  28. ↑ Τα Transformers είναι μια αρχιτεκτονική νευρωνικών δικτύων που αναπτύχθηκε το 2017 (Vaswani et al.) και αποτελεί τη βάση για τα σύγχρονα μοντέλα Generative AI, όπως το GPT, BERT και άλλα μεγάλα γλωσσικά μοντέλα.
  29. ↑ Σχετικά πρόσφατη τεχνολογία δημιουργικής ΤΝ που χρησιμοποιείται κυρίως για δημιουργία εικόνων, βίντεο και άλλων δεδομένων υψηλής ποιότητας.
  30. ↑ Zhu et al. 2025, 1.
  31. ↑ Schmidhuber 2022, 15.
  32. ↑ Toosi et al. 2021, 5.
  33. ↑ Zhu et al. 2025, 3.
  34. ↑ Delipetrev et al. 2020, 3.

Βιβλιογραφία

Ανακτήθηκε από «https://archaeology.archive.gr/mediawiki-1.44.0/index.php?title=Τεχνητή_νοημοσύνη&oldid=2217»