Αναζήτηση στην κοινότητα

Ο κόσμος της εργασίας αλλάζει ραγδαία. Όπως παλαιότερα η γνώση υπολογιστικών φύλλων ή γλωσσών προγραμματισμού ήταν το «κλειδί» για την επαγγελματική εξέλιξη, έτσι σήμερα αναδεικνύεται μια νέα δεξιότητα που μπορεί να καθορίσει το μέλλον των εργαζομένων: ο σχεδιασμός και η υλοποίηση AI agents. Χάρη στα low-code και no-code εργαλεία, η δημιουργία ψηφιακών «συνεργατών» δεν αποτελεί πλέον αποκλειστικό πεδίο των μηχανικών λογισμικού. Σύμβουλοι, αναλυτές και στελέχη μπορούν να σχεδιάσουν agents που αυτοματοποιούν καθημερινές εργασίες: αναζήτηση πληροφοριών, σύνταξη και περίληψη κειμένων, ανάλυση δεδομένων και εντοπισμό τάσεων σε πραγματικό χρόνο. Σύντομα, τα βιογραφικά δεν θα αναφέρουν μόνο θέσεις και δεξιότητες, αλλά και τα agents που έχει σχεδιάσει ο καθένας, δείχνοντας πώς αυξάνει την παραγωγικότητα και δημιουργεί αξία. Η ενδυνάμωση των εργαζομένων να φτιάχνουν οι ίδιοι τα δικά τους εργαλεία δεν είναι μόνο θέμα δεξιοτήτων, αλλά και ζήτημα εμπιστοσύνης. Όταν οι άνθρωποι έχουν λόγο στο πώς ενσωματώνεται η τεχνητή νοημοσύνη στις διαδικασίες, η AI παύει να είναι «άνωθεν εντολή» και μετατρέπεται σε bottom-up εργαλείο που ανήκει σε αυτούς. Αυτό μειώνει την αντίσταση, αυξάνει τη διαφάνεια και κάνει την τεχνολογία σύμμαχο και όχι απειλή. Ωστόσο, οι προκλήσεις παραμένουν. Η έκθεση People Readiness Report της Kyndryl δείχνει ότι το 45% των CEOs θεωρούν τους εργαζόμενους επιφυλακτικούς ή και εχθρικούς απέναντι στην AI, ενώ 2 στους 3 αναγνωρίζουν ότι δεν διαθέτουν αρκετό ταλέντο για να τη διαχειριστούν. Επιπλέον, σχεδόν οι μισοί ηγέτες δηλώνουν ότι δεν γνωρίζουν ποιες δεξιότητες θα χρειαστούν οι επιχειρήσεις τους στο μέλλον. Λίγοι οι πρωτοπόροι Κι όμως, ένα μικρό ποσοστό οργανισμών (14%) λειτουργούν ως πρωτοπόροι: αξιοποιούν την AI για ανάπτυξη και εξυπηρέτηση πελατών, την εφαρμόζουν σε όλη την επιχείρηση και, κυρίως, έχουν εργαζόμενους που τη χρησιμοποιούν με επιτυχία. Το μυστικό τους είναι η παρακολούθηση δεξιοτήτων, η πρόσβαση σε εκπαιδευτικούς πόρους, η συνεργασία με εξωτερικούς συμβούλους και η καθιέρωση δεοντολογικών πλαισίων για δίκαιη και υπεύθυνη χρήση. Οι AI agents, δηλαδή οι πράκτορες τεχνητής νοημοσύνης, είναι λογισμικά συστήματα που λειτουργούν αυτόνομα ή ημι-αυτόνομα και αξιοποιούν την τεχνητή νοημοσύνη για να εκτελούν εργασίες, να παίρνουν αποφάσεις και να αλληλεπιδρούν είτε με ανθρώπους είτε με άλλα συστήματα. Σε αντίθεση με τα παραδοσιακά προγράμματα που ακολουθούν αυστηρά προγραμματισμένους κανόνες, οι πράκτορες αυτοί έχουν την ικανότητα να αντιλαμβάνονται δεδομένα από το περιβάλλον τους, να τα επεξεργάζονται και να προσαρμόζουν τη συμπεριφορά τους ώστε να επιτύχουν συγκεκριμένους στόχους. Μέσω τεχνικών μηχανικής μάθησης μπορούν να βελτιώνονται με τον χρόνο, ενώ παράλληλα είναι σε θέση να επικοινωνούν φυσικά με τον χρήστη, για παράδειγμα μέσω γραπτού ή προφορικού λόγου, δημιουργώντας μια πιο ανθρώπινη εμπειρία αλληλεπίδρασης. Από τους ψηφιακούς βοηθούς που οργανώνουν καθημερινές εργασίες, μέχρι τα συστήματα που αναλύουν δεδομένα ή τα αυτόνομα ρομπότ που δρουν σε φυσικό χώρο, οι AI agents θεωρούνται πλέον οι «ψηφιακοί συνεργάτες» του μέλλοντος. Η χρήση τους υπόσχεται να απελευθερώσει τον άνθρωπο από επαναλαμβανόμενες ή χρονοβόρες εργασίες, επιτρέποντάς του να επικεντρώνεται σε πιο δημιουργικές και στρατηγικές δραστηριότητες. Το μήνυμα είναι ξεκάθαρο: το μέλλον της εργασίας απαιτεί νέες δεξιότητες. Ο σχεδιασμός AI agents δεν είναι πια «πρόσθετο προσόν», αλλά το επόμενο σύνορο της ανταγωνιστικότητας. Όσες επιχειρήσεις το αγνοήσουν, κινδυνεύουν να μείνουν πίσω. Οι υπόλοιπες θα ανοίξουν τον δρόμο σε μια νέα εποχή παραγωγικότητας και καινοτομίας. View full είδηση

Έχει το ύψος ...μπασκετμπολίστα, όμως η δουλειά του δεν είναι να βάζει καλάθια, αλλά να σχεδιάζει προσωποιημένες περιηγήσεις επιστημονικού ενδιαφέροντος. Ο λόγος για το διαδραστικό κιόσκι ενημέρωσης, στο οποίο «κατοικοεδρεύει» ο «NOE515», ο εικονικός ψηφιακός βοηθός του Κέντρου Διάδοσης Επιστημών και Μουσείου Τεχνολογίας ΝΟΗΣΙΣ, αναφέρει το ΑΠΕ-ΜΠΕ. Ο NOE515, που αποτελεί τον πρώτο εικονικό βοηθό με χρήση Τεχνητής Νοημοσύνης (ΤΝ) σε μουσείο στην Ελλάδα, χρηματοδοτήθηκε εξ ολοκλήρου από ίδιους πόρους του ΝΟΗΣΙΣ. Αποτελεί ένα καινοτόμο εργαλείο ΤΝ, που βελτιώνει την εμπειρία του επισκέπτη, προσφέροντας προσωποποιημένη πληροφόρηση και θα αποτελέσει μέρος των δραστηριοτήτων, που το ΝΟΗΣΙΣ θα παρουσιάσει στην 89η ΔΕΘ, στις 6-14 Σεπτεμβρίου. Πώς λειτουργεί; Ο NOE515 ρωτάει τον επισκέπτη για τη σύνθεση της παρέας του (αριθμό και ηλικίες), τον διαθέσιμο χρόνο και τα κύρια ενδιαφέροντά του. Μετά μια σύντομη ανασκόπηση όλων των διαθέσιμων επιλογών, του προτείνει την καλύτερη δυνατή λύση για μια περιήγηση, βάσει των συγκεκριμένων δεδομένων που ορίζει ο επισκέπτης. Παράλληλα, ενημερώνει για το τρέχον πρόγραμμα λειτουργίας, παρουσιάζει χάρτη των εγκαταστάσεων και βέβαια ζητάει αξιολόγηση για τις προτάσεις που έκανε. Το ΝΟΗΣΙΣ και φέτος θα δώσει το «παρών» στη Γενική Έκθεση του Σεπτεμβρίου που διοργανώνεται από τη ΔΕΘ-Helexpo, με δικό του stand (13) στο περίπτερο 7 της Γενικής Γραμματείας Έρευνας και Καινοτομίας. «Είμαστε ευτυχείς, που το ΝΟΗΣΙΣ τα τελευταία τρία χρόνια, ακολουθώντας το καθήκον και το όραμα που ανατέθηκε στη διοίκησή μας από το υπουργείο Ανάπτυξης, τον αρμόδιο υφυπουργό, Σταύρο Καλαφάτη και τη Γενική Γραμματεία Έρευνας και Καινοτομίας δίνει φέτος ακόμη πιο δυναμικό παρόν στην Διεθνή Έκθεση και μάλιστα με «επιτεύγματα» των ίδιων των εργαζομένων και αυτό μας κάνει ακόμη πιο περήφανους» σημείωσε η πρόεδρος του ΝΟΗΣΙΣ, Δρ. Στέλλα Μπεζεργιάννη. «Το ΝΟΗΣΙΣ με τις δικές του δυνάμεις σε προσωπικό σχεδίασε ένα πρόγραμμα που χρησιμοποιεί την τεχνητή νοημοσύνη προς όφελος των επισκεπτών του. Λαμβάνοντας υπόψη τα δεδομένα και τον κανονισμό λειτουργίας των αιθουσών προβολής και του Μουσείου Τεχνολογίας, ο εικονικός βοηθός προτείνει το καταλληλότερο και οικονομικότερο εισιτήριο ή συνδυασμό εισιτηρίων, εξατομικευμένα για τον κάθε επισκέπτη, στοχεύοντας στη διευκόλυνση της ενημέρωσης και της διαδικασίας αγοράς εισιτηρίων στα ταμεία», δήλωσε για την πρωτοποριακή αυτή εφαρμογή ο γενικός διευθυντής του ΝΟΗΣΙΣ, Ευάγγελος Αφθονίδης. Όπως εξηγούν η υπεύθυνη Πληροφορικής του φορέα, Κατερίνα Πρωτογέρου και ο διευθυντής Έρευνας Σχεδιασμού και Ανάπτυξης, Βασίλης Μάτσος, «ο εικονικός βοηθός αναπτύχθηκε με τη χρήση του Gemini και αποτελεί μια καινοτόμο εφαρμογή εγκατεστημένη σε τοπικό διακομιστή του ΝΟΗΣΙΣ. Ο NOE515 καθοδηγεί τον επισκέπτη βήμα-βήμα». Επίσης, εκτός από τον NOE515 – AI Assistant, σε οθόνη που θα βρίσκεται στο stand του ΝΟΗΣΙΣ στο περίπτερο 7, θα προβάλλεται σύντομο βίντεο με τις ψηφιακές και άλλες υπηρεσίες του Κέντρου Διάδοσης Επιστημών και Μουσείου Τεχνολογίας. Επιπλέον, στους επισκέπτες της 89ης ΔΕΘ θα παρουσιάζεται η νέα εφαρμογή του ΝΟΗΣΙΣ, ο «Ψηφιακός Ξεναγός» για φορητές συσκευές, η οποία είναι διαθέσιμη σε τέσσερις γλώσσες, ενώ σε αφίσα που θα τοποθετηθεί στο περίπτερο, θα περιλαμβάνονται τα αντίστοιχα QR codes για άμεση εγκατάσταση της εφαρμογής σε περιβάλλον Android και iOS. Κατά τη διάρκεια της έκθεσης τέλος, όσοι επισκέπτες επιθυμούν, θα μπορούν να λάβουν μέρος στο διαγωνισμό και να κερδίσουν δώρα - έκπληξη. Η 89η ΔΕΘ θα πραγματοποιηθεί από 6 έως 14 Σεπτεμβρίου 2025 με ώρες λειτουργίας: Σάββατο 6/9: 10:00-22:00, Κυριακή 7/9: 10:00- 22:00, καθημερινές: 16:00-22:00. Σάββατο 13/9 10:00-22:00 και Κυριακή 14/9: 10:00-22:00. View full είδηση

Σχεδιασμένο από κορυφαία ελβετικά πανεπιστήμια, το Apertus LLM είναι συγκρίσιμο με το μοντέλο Llama 3 της Meta από το 2024. Σύμφωνα με τους ερευνητές, δεν προσπαθούν να ανταγωνιστούν τους προϋπολογισμούς δισεκατομμυρίων δολαρίων των πρωτοπόρων των ΗΠΑ. Αντίθετα, θυσιάζουν τα τελευταία εντυπωσιακά χαρακτηριστικά που απευθύνονται σε γενικούς χρήστες, προς όφελος ενός ασφαλέστερου και πιο προσβάσιμου συστήματος τεχνητής νοημοσύνης για επιστημονικούς ερευνητές και επιχειρήσεις. "Στοχεύουμε να παρέχουμε ένα πρότυπο για το πώς μπορεί να αναπτυχθεί ένα αξιόπιστο, κυρίαρχο και συμπεριληπτικό μοντέλο τεχνητής νοημοσύνης", δήλωσε ο Martin Jaggi, καθηγητής μηχανικής μάθησης στο Ελβετικό Ομοσπονδιακό Ινστιτούτο Τεχνολογίας της Λωζάνης EPFL. Από την κυκλοφορία του ChatGPT της OpenAI το 2022, ο φρενήρης ρυθμός καινοτομίας στην τεχνητή νοημοσύνη έχει οδηγήσει κορυφαίες εταιρείες, όπως η Anthropic, να κυκλοφορούν πολλά LLMs κάθε χρόνο. Εκτός των ΗΠΑ, οι κινεζικές πλατφόρμες DeepSeek και Qwen και τα μοντέλα της γαλλικής Mistral έχουν διευρύνει τις επιλογές για τους χρήστες τεχνητής νοημοσύνης. Ωστόσο, ο αγώνας για την κυριαρχία στην τεχνητή νοημοσύνη έχει επίσης αφήσει μια σειρά από προβλήματα: μηχανές που παραισθάνονται ή μεγεθύνουν την ανθρώπινη προκατάληψη και έναν αυξανόμενο κατάλογο αγωγών παραβίασης πνευματικών δικαιωμάτων για το υλικό που χρησιμοποιούν οι εταιρείες για την εκπαίδευση των LLMs τους. Το Apertus (από τη λατινική λέξη που σημαίνει "ανοιχτό") δεν αφήνει τίποτα στη φαντασία. Υπόσχεται ότι κάθε εξάρτημα είναι ανοικτό για δημόσιο έλεγχο, μαζί με το εγχειρίδιο σχεδιασμού και τα master prompts του. Αυτό αποσκοπεί στην έμπνευση δημόσιας εμπιστοσύνης και στον μετριασμό των ανησυχιών σχετικά με την πιθανή αρνητική πλευρά της τεχνητής νοημοσύνης. Σύμφωνα με τον Leandro von Werra, επικεφαλής έρευνας στην κοινότητα ανοιχτού κώδικα τεχνητής νοημοσύνης Hugging Face, το Apertus είναι ένα από τα πιο φιλόδοξα μοντέλα ανοιχτού κώδικα μέχρι σήμερα. "Δεν είναι εντελώς μοναδικό, αλλά εξακολουθεί να είναι πρωτοπόρο δεδομένης της κλίμακας και της υπολογιστικής ισχύος που χρησιμοποιήθηκε για την εκπαίδευση του μοντέλου", δήλωσε στο Swissinfo. Ερευνητές, προγραμματιστές, startups και ο δημόσιος τομέας μπορούν να κατεβάσουν ένα αντίγραφο του Apertus στους δικούς τους διακομιστές για να δημιουργήσουν έργα. Αυτή η προσέγγιση επιτρέπει στους χρήστες να διατηρούν τον έλεγχο των δεδομένων τους. Οι ελβετικές βιομηχανικές ομάδες έχουν υποδεχτεί θετικά την εγχώρια πρωτοβουλία τεχνητής νοημοσύνης, ιδιαίτερα την εστίασή της στην ασφάλεια δεδομένων. Ωστόσο, προειδοποιούν ότι θα αντιμετωπίσει έντονο ανταγωνισμό για εμπορική προσοχή από μια αυξανόμενη σειρά ισχυρών διεθνών ανταγωνιστών. Η Ένωση Ελβετών Τραπεζιτών πιστεύει ότι ένα εγχώριο LLM έχει "μεγάλες μακροπρόθεσμες δυνατότητες" για τον χρηματοπιστωτικό κλάδο, ειδικά δεδομένης της ανάγκης συμμόρφωσης με τους τοπικούς νόμους προστασίας δεδομένων και τραπεζικού απορρήτου. Ωστόσο, ορισμένες ελβετικές τράπεζες ήδη αναπτύσσουν έργα τεχνητής νοημοσύνης χρησιμοποιώντας άλλα LLMs, όπως η UBS που συνεργάζεται με την OpenAI και τη Microsoft. Όπως επισημαίνει ο Adam Gontarz, επικεφαλής ψηφιοποίησης, καινοτομίας και τεχνολογίας της Swissmem, "Η εμπειρία δείχνει ότι δεν υπάρχει μία λύση που να ταιριάζει σε όλες τις ανάγκες. Κάθε έργο πρέπει να λαμβάνει υπόψη τις συγκεκριμένες συνθήκες και απαιτήσεις της επιχείρησης. Σε ορισμένες περιπτώσεις, οι διεθνείς λύσεις μπορεί επίσης να είναι η πιο αποτελεσματική επιλογή." View full είδηση

Το AI αντιπροσωπεύει έναν από τους σημαντικότερους τεχνολογικούς μετασχηματισμούς της εποχής μας, ο οποίος θα γίνει πιο εμφανής την επόμενη δεκαετία. Εφαρμοσμένο σε τομείς όπως η ιατρική, η ενέργεια, τα αυτόνομα συστήματα και οι κβαντικοί υπολογιστές, το AI είναι έτοιμο να βοηθήσει τους ανθρώπους να αντιμετωπίσουν σημαντικές κοινωνικές προκλήσεις, είτε πρόκειται για τη βοήθεια των μαθητών στο να μάθουν, την έγκαιρη διάγνωση του καρκίνου, τη βελτίωση της ασφάλειας των σύνθετων συστημάτων μεταφοράς και κυβερνοασφάλειας ή ακόμα και την πρόβλεψη της πορείας των δασικών πυρκαγιών για τους διασώστες. Η αξιοποίηση των δυνατοτήτων του AI θα απαιτήσει ισχυρές ενεργειακές υποδομές, πιο αποδοτική χρήση ενέργειας, καθώς και νέες καινοτόμες τεχνολογικές λύσεις. Προσεγγίζουμε αυτό το ζήτημα από πολλές πλευρές, επενδύοντας σε νέες υποδομές, σχεδιάζοντας πιο έξυπνα και ανθεκτικά δίκτυα και επεκτείνοντας τόσο τις ήδη καθιερωμένεςόσο και τις νέες, καινοτόμες πηγές καθαρής ενέργειας. Ταυτόχρονα, εστιάζουμε, επίσης, στη μεγιστοποίηση της αποδοτικότητας σε κάθε επίπεδο των δραστηριοτήτων μας, από τον σχεδιασμό του ειδικά κατασκευασμένου εξοπλισμού μας έως το λογισμικό και τα μοντέλα που εκτελούνται στα κέντρα δεδομένων μας. Προκειμένου να βελτιωθεί η ενεργειακή απόδοση του AI, είναι σημαντική η σαφής και ολοκληρωμένη κατανόηση του περιβαλλοντικού αποτυπώματος του AI. Μέχρι σήμερα, τα αναλυτικά δεδομένα σχετικά με την ενέργεια και τον περιβαλλοντικό αντίκτυπο του συμπερασμού AI ήταν περιορισμένα. Σήμερα, συμβάλλουμε στη γεφύρωση αυτού του κενού, κυκλοφορώντας μια ολοκληρωμένη μεθοδολογία για τη μέτρηση της ενέργειας, του νερού και των εκπομπών διοξειδίου του άνθρακα των μοντέλων AI της Google. Είναι σημαντικό να σημειωθεί ότι η εργασία μας για την αποδοτικότητα των μοντέλων σημειώνει ταχεία πρόοδο. Σε μια περίοδο 12 μηνών, ενώ παρείχαμε απαντήσεις υψηλότερης ποιότητας, η μέση κατανάλωση ενέργειας και το αποτύπωμα άνθρακα ανά προτροπή κειμένου στις Εφαρμογές Gemini μειώθηκαν κατά 33 και 44 φορές, αντίστοιχα. Με βάση την πρόσφατη ανάλυσή μας, διαπιστώσαμε ότι η δουλειά μας για την αποδοτικότητα αποδεικνύεται αποτελεσματική και η ενέργεια που καταναλώνεται για το μέσο αίτημα ενός χρήστη ισοδυναμεί με την παρακολούθηση τηλεόρασης για λιγότερο από εννέα δευτερόλεπτα. Αυτές οι εξελίξεις βασίζονται στη μακροχρόνια δέσμευσή μας για την αποδοτικότητα των κέντρων δεδομένων. Το 2024, για παράδειγμα, μειώσαμε τις εκπομπές ενέργειας των κέντρων δεδομένων κατά 12%, παρόλο που η κατανάλωση ηλεκτρικής ενέργειας αυξήθηκε κατά 27% από έτος σε έτος, λόγω της επέκτασης της επιχείρησης και των υπηρεσιών μας. Καθώς συνεχίζουμε να επενδύουμε στην τεχνολογία και την καινοτομία που απαιτούνται για την κάλυψη σημαντικών νέων ενεργειακών απαιτήσεων, η διαφάνεια είναι το κλειδί για την πρόοδο. Ελπίζουμε ότι αυτή η μελέτη θα συμβάλει στις συνεχιζόμενες προσπάθειες για την ανάπτυξη αποδοτικού AI σε αυτή την κρίσιμη στιγμή για την ενέργεια, τη βιωσιμότητα και την επιστημονική ανακάλυψη, προς όφελος όλων. Διαβάστε περισσότερα σχετικά με τον τρόπο με τον οποίο καταλήξαμε στους υπολογισμούς και την προσέγγισή μας πλήρους στοίβας στην ενεργειακή καινοτομία και εμβαθύνετε στην τεχνική μας αναφορά. Πόση ενέργεια χρησιμοποιεί το Google AI; Κάναμε τους υπολογισμούς Συντάκτες: Amin Vahdat, Αντιπρόεδρος/Γενικός Διευθυντής, Αντιπρόεδρος/Γενικός Διευθυντής, AI και υποδομή, Google Cloud Jeff Dean, επικεφαλής επιστήμονας, Google DeepMind και Google Research Το AI ξεκλειδώνει επιστημονικές ανακαλύψεις, βελτιώνει την υγειονομική περίθαλψη και την εκπαίδευση και θα μπορούσε να προσθέσει τρισεκατομμύρια στην παγκόσμια οικονομία. Η κατανόηση του περιβαλλοντικού αποτυπώματος του AI είναι κρίσιμη, ωστόσο τα λεπτομερή δεδομένα σχετικά με την ενέργεια και τον περιβαλλοντικό αντίκτυπο του συμπερασμού AI, δηλαδή της χρήσης ενός εκπαιδευμένου μοντέλου AI για τη δημιουργία προβλέψεων ή τη δημιουργία κειμένου ή εικόνων, ήταν περιορισμένα. Καθώς περισσότεροι χρήστες χρησιμοποιούν συστήματα AI, η σημασία της αποδοτικότητας συμπερασμού αυξάνεται. Αυτός είναι ο λόγος που κυκλοφορούμε μια τεχνική μελέτηπου περιγράφει λεπτομερώς τη συνολική μεθοδολογία μας για τη μέτρηση των επιπτώσεων των προτροπώντου Gemini στην ενέργεια, τις εκπομπές και το νερό. Χρησιμοποιώντας αυτή τη μεθοδολογία, υπολογίζουμε ότι η μεσαία προτροπή κειμένου των Εφαρμογών Gemini χρησιμοποιεί 0,24 βατ-ώρες (Wh) ενέργειας, εκπέμπει 0,03 γραμμάρια ισοδύναμου διοξειδίου του άνθρακα (gCO2e) και καταναλώνει 0,26 χιλιοστόλιτρα (ή περίπου πέντε σταγόνες) νερού1. Αυτοί οι αριθμοί είναι ουσιαστικά χαμηλότεροι από πολλούς δημόσιους υπολογισμούς. Η ενεργειακή επίδραση ανά προτροπήείναι ισοδύναμη με την παρακολούθηση τηλεόρασης για λιγότερο από εννέα δευτερόλεπτα. Ταυτόχρονα, τα συστήματα AI μας γίνονται πιο αποδοτικά μέσω ερευνητικών καινοτομιών και βελτιώσεων στην απόδοση του λογισμικού και του εξοπλισμού. Για παράδειγμα, κατά τη διάρκεια μιας πρόσφατης περιόδου 12 μηνών, η ενέργεια και το συνολικό αποτύπωμα άνθρακα της μέσης προτροπής κειμένου των Εφαρμογών Gemini μειώθηκαν κατά 33 και 44 φορές, αντίστοιχα,2 ενώ παράλληλα παρείχαν απαντήσεις υψηλότερης ποιότητας. Αυτά τα αποτελέσματα βασίζονται στις πιο πρόσφατες μειώσεις εκπομπών ενέργειας των κέντρων δεδομένων μας και στο έργο μας για την προώθηση της ενέργειας χωρίς άνθρακα και της αναπλήρωσης νερού. Αν και είμαστε περήφανοι για την καινοτομία που κρύβεται πίσω από τα κέρδη μας σε αποδοτικότητα μέχρι στιγμής, δεσμευόμαστε να συνεχίσουμε να κάνουμε ουσιαστικές βελτιώσεις. Ακολουθεί μια πιο προσεκτική ματιά σε αυτές τις συνεχιζόμενες προσπάθειες. Η λεπτομερής μέτρηση μάς επιτρέπει να κάνουμε συγκρίσεις μεταξύ διαφορετικών μοντέλων AI και του εξοπλισμού και της ενέργειας που χρησιμοποιούν, ενώ παράλληλα επιτρέπει τη βελτιστοποίηση της αποδοτικότητας σε επίπεδο συστήματος, από τον εξοπλισμό και τα κέντρα δεδομένων μέχρι τα ίδια τα μοντέλα. Με την κοινοποίηση της μεθοδολογίας μας, ελπίζουμε να αυξήσουμε τη συνέπεια στον υπολογισμό της κατανάλωσης πόρων και της αποδοτικότητας του AI σε ολόκληρο τον κλάδο. Η μέτρηση του αποτυπώματος των εργασιών που εξυπηρετεί το ΑΙδεν είναι απλή. Αναπτύξαμε μια ολοκληρωμένη προσέγγιση που λαμβάνει υπόψη τις πραγματικές συνθήκες λειτουργίας AI στην κλίμακα της Google, οι οποίες περιλαμβάνουν τα εξής: Πλήρης δυναμική ισχύος συστήματος: Αυτό περιλαμβάνει όχι μόνο την ενέργεια και το νερό που χρησιμοποιεί το κύριο μοντέλο AI κατά τον ενεργό υπολογισμό, αλλά και την πραγματική αξιοποίηση της επεξεργαστικής ισχύοςσε κλίμακα παραγωγής, η οποία μπορεί να είναι πολύ χαμηλότερη από τα θεωρητικά μέγιστα. Αδρανείς μηχανές: Για να διασφαλιστεί η υψηλή διαθεσιμότητα και αξιοπιστία, τα συστήματα παραγωγής απαιτούν έναν βαθμό παρεχόμενης χωρητικότητας που είναι αδρανής, αλλά έτοιμη να διαχειριστεί αύξηση της επισκεψιμότητας ή ανακατεύθυνση σε περίπτωση σφάλματος ανά πάσα στιγμή. Η ενέργεια που καταναλώνεται από αυτά τα ανενεργά τσιπ πρέπει να συνυπολογίζεται στο συνολικό ενεργειακό αποτύπωμα. CPU και RAM: Η εκτέλεση μοντέλων AI δεν γίνεται αποκλειστικά σε επιταχυντές μηχανικής μάθησης, όπως TPU και GPU. Ο CPU και η RAM του κεντρικού υπολογιστή παίζουν επίσης καθοριστικό ρόλο στην παροχή AI και χρησιμοποιούν ενέργεια. Έμμεσο κόστος κέντρου δεδομένων: Η ενέργεια που καταναλώνεται από τον εξοπλισμό πληροφορικής που εκτελεί φόρτους εργασίας AI είναι μόνο ένα μέρος της ιστορίας. Η υποδομή που υποστηρίζει αυτούς τους υπολογισμούς, δηλαδή τα συστήματα ψύξης, η διανομή ενέργειας και άλλα έμμεσα έξοδα του κέντρου δεδομένων, καταναλώνει επίσης ενέργεια. Η βοηθητική ενεργειακή απόδοση μετριέται με μια μέτρηση που ονομάζεται Αποτελεσματικότητα χρήσης ισχύος (PUE). ● Κατανάλωση νερού από κέντρα δεδομένων: Για τη μείωση της κατανάλωσης ενέργειας και των σχετικών εκπομπών, τα κέντρα δεδομένων καταναλώνουν συχνά νερό για ψύξη. Καθώς βελτιστοποιούμε τα συστήματα AI μας ώστε να είναι πιο ενεργειακά αποδοτικά, μειώνεται φυσικά και η συνολική κατανάλωση νερού τους. Η ολοκληρωμένη προσέγγισή μας στο AI και στην αποδοτικότητα AI Τα εντυπωσιακά οφέλη από την αποδοτικότητα του Gemini προέρχονται από την προσέγγιση πλήρους στοίβας της Google στην ανάπτυξη AI, η οποία περιλαμβάνει προσαρμοσμένο εξοπλισμό και εξαιρετικά αποδοτικά μοντέλα, καθώς και τα ισχυρά συστήματα παροχής που επιτρέπουν τη χρήση αυτών των μοντέλων. Έχουμε ενσωματώσει την αποδοτικότητα σε κάθε επίπεδο του AI, συμπεριλαμβανομένων των εξής: Πιο αποδοτικές αρχιτεκτονικές μοντέλων: Τα μοντέλα Gemini βασίζονται στην αρχιτεκτονική μοντέλου Transformer που αναπτύχθηκε από ερευνητές της Google και παρέχουν αύξηση αποδοτικότητας 10-100 φορές σε σχέση με τις προηγούμενες υπερσύγχρονες αρχιτεκτονικές για τη μοντελοποίηση γλωσσών. Σχεδιάζουμε μοντέλα με εγγενώς αποδοτικές δομές, όπως Mixture-of-Experts (MoE) και υβριδικό συλλογισμό. Τα μοντέλα MoE, για παράδειγμα, μας επιτρέπουν να ενεργοποιούμε ένα μικρό υποσύνολο ενός μεγάλου μοντέλου που απαιτείται ειδικά για την απάντηση σε ένα ερώτημα, μειώνοντας τους υπολογισμούς και τη μεταφορά δεδομένων κατά 10-100 φορές. Αποδοτικοί αλγόριθμοι και κβάντωση: Βελτιώνουμε συνεχώς τους αλγόριθμους που υποστηρίζουν τα μοντέλα μας με μεθόδους όπως η Ακριβής κβαντισμένη εκπαίδευση (Accurate Quantized Training, AQT), για να μεγιστοποιήσουμε την αποδοτικότητα και να μειώσουμε την κατανάλωση ενέργειας για την παροχή υπηρεσιών, χωρίς συμβιβασμούς στην ποιότητα των απαντήσεων. Βελτιστοποιημένη εξαγωγή συμπερασμάτων και παροχή υπηρεσιών: Βελτιώνουμε συνεχώς την παροχή μοντέλων AI για μεγαλύτερη ανταπόκριση και αποδοτικότητα. Τεχνολογίες όπως η εικαστική αποκωδικοποίηση εξυπηρετούν περισσότερες απαντήσεις με λιγότερα τσιπ, επιτρέποντας σε ένα μικρότερο μοντέλο να κάνει προβλέψεις που επαληθεύονται γρήγορα από ένα μεγαλύτερο μοντέλο. Αυτό είναι πιο αποδοτικό από το να κάνει το μεγαλύτερο μοντέλο πολλές διαδοχικές προβλέψεις μόνο του. Τεχνικές όπως η απόσταξη δημιουργούν μικρότερα, πιο αποδοτικά μοντέλα (Gemini Flash και Flash-Lite) για παροχή υπηρεσιών που χρησιμοποιούν τα μεγαλύτερα, πιο ικανά μοντέλα μας ως δασκάλους. Ο ταχύτερος εξοπλισμός και τα μοντέλα μηχανικής μάθησης μάς επιτρέπουν να χρησιμοποιούμε μεγαλύτερα μεγέθη παρτίδων κατά τον χειρισμό αιτημάτων, χωρίς να θυσιάζουμε τους στόχους καθυστέρησης. Προσαρμοσμένος εξοπλισμός: Σχεδιάζουμε τις TPU μας από το μηδέν για πάνω από μια δεκαετία, ώστε να μεγιστοποιούμε την απόδοση ανά watt. Σχεδιάζουμε επίσης από κοινού τα μοντέλα AI και τα TPU, διασφαλίζοντας ότι το λογισμικό μας αξιοποιεί πλήρως το υλικό μας και ότι το υλικό μας θα μπορεί να εκτελεί αποτελεσματικά το μελλοντικό λογισμικό AI μας, όταν και τα δύο είναι έτοιμα. Το TPU τελευταίας γενιάς, Ironwood, είναι 30 φορές πιο ενεργειακά αποδοτικό από το πρώτο μας TPU που ήταν διαθέσιμο στο κοινό και πολύ πιο ενεργειακά αποδοτικό από τις CPU γενικής χρήσης για συμπερασματολογία. Βελτιστοποιημένη αδράνεια: Η στοίβα εξυπηρέτησής μας χρησιμοποιεί τις CPU με εξαιρετικά αποδοτικό τρόπο και ελαχιστοποιεί την αδράνεια των TPU, μετακινώντας δυναμικά τα μοντέλα με βάση τη ζήτηση σε σχεδόν πραγματικό χρόνο, αντί να χρησιμοποιεί τηνπροσέγγιση “ρύθμισε το και ξέχασε το”. Στοίβα λογισμικού μηχανικής μάθησης: Ο μεταγλωττιστής XLA ML, οι πυρήνες Pallas και τα συστήματα Pathways επιτρέπουν στους υπολογισμούς μοντέλων που εκφράζονται σε συστήματα υψηλότερου επιπέδου, όπως το JAX, να εκτελούνται αποτελεσματικά στον εξοπλισμό TPU. Εξαιρετικά αποδοτικά κέντρα δεδομένων: Τα κέντρα δεδομένων της Google συγκαταλέγονται στα πιο αποδοτικά του κλάδου, με μέση PUE 1,09 σε όλο τον εξοπλισμό. Υπεύθυνες λειτουργίες κέντρων δεδομένων: Συνεχίζουμε να προσθέτουμε παραγωγή καθαρής ενέργειας στο πλαίσιο της φιλοδοξίας μας για 24ωρη λειτουργία χωρίς εκπομπές διοξειδίου του άνθρακα, ενώ προωθούμε τον στόχο μας για αναπλήρωση του 120% του γλυκού νερού που καταναλώνουμε κατά μέσο όρο στα γραφεία και τα κέντρα δεδομένων μας. Βελτιστοποιούμε, επίσης, τα συστήματα ψύξης μας, εξισορροπώντας την τοπική αντισταθμιστική σχέση μεταξύ ενέργειας, νερού και εκπομπών, διεξάγοντας αξιολογήσεις υγείας υδροκριτών που βασίζονται στην επιστήμη, για να καθοδηγήσουμε την επιλογή του τύπου ψύξης και να περιορίσουμε τη χρήση νερού σε τοποθεσίες υψηλής πίεσης. Η δέσμευσή μας για αποδοτικό AI Τα οφέλη από την αποδοτικότητα του Gemini είναι το αποτέλεσμα πολλών ετών εργασίας, αλλά αυτό είναι μόνο η αρχή. Αναγνωρίζοντας ότι η ζήτηση για το AI αυξάνεται, επενδύουμε σημαντικά στη μείωση του κόστους παροχής ενέργειας και του νερού που απαιτείται ανά προτροπή. Μοιραζόμενοι τα ευρήματα και τη μεθοδολογία μας, στοχεύουμε στην προώθηση της προόδου σε ολόκληρο τον κλάδο προς ένα πιο αποδοτικό AI. Αυτό είναι απαραίτητο για την υπεύθυνη ανάπτυξη του AI. View full είδηση

Τέθηκαν σε εφαρμογή σε ολόκληρη την Ευρωπαϊκή Ένωση (ΕΕ) οι υποχρεώσεις, που απορρέουν από τον κανονισμό για την τεχνητή νοημοσύνη (ΑΙ) για τους παρόχους μοντέλων ΑΙ γενικού σκοπού. Με αυτόν τον τρόπο, η ΕΕ φιλοδοξεί να αυξήσει τη διαφάνεια, την ασφάλεια και τη λογοδοσία των συστημάτων ΑΙ, που διατίθενται στην αγορά. Οι κανόνες αυτοί διασφαλίζουν σαφέστερη πληροφόρηση σχετικά με το πώς εκπαιδεύονται τα μοντέλα ΑΙ, καλύτερη επιβολή της προστασίας των δικαιωμάτων πνευματικής ιδιοκτησίας και πιο υπεύθυνη ανάπτυξη της ΑΙ. Για να βοηθήσει τους παρόχους, η Ευρωπαϊκή Επιτροπή δημοσίευσε κατευθυντήριες γραμμές, που διευκρινίζουν ποιος πρέπει να συμμορφώνεται με τις υποχρεώσεις. Οι κανόνες ΕΕ για τα μοντέλα ΑΙ γενικού σκοπού άρχισαν να εφαρμόζονται, εξασφαλίζοντας μεγαλύτερη διαφάνεια, ασφάλεια και λογοδοσία Ως μοντέλα ΑΙ γενικού σκοπού ορίζονται εκείνα που έχουν εκπαιδευτεί με πάνω από 10^23 FLOP και είναι ικανά να παράγουν γλώσσα. Επιπλέον, η Επιτροπή δημοσίευσε ένα υπόδειγμα για να βοηθήσει τους παρόχους να συνοψίσουν τα δεδομένα, που χρησιμοποιούνται για την εκπαίδευση των μοντέλων τους. Η Επιτροπή και τα κράτη-μέλη επιβεβαίωσαν, επίσης, ότι ο κώδικας ορθής πρακτικής για την ΑΙ γενικού σκοπού, ο οποίος αναπτύχθηκε από ανεξάρτητους εμπειρογνώμονες, αποτελεί επαρκές εθελοντικό εργαλείο για τους παρόχους μοντέλων ΑΙ γενικού σκοπού, ώστε να αποδείξουν τη συμμόρφωσή τους με τον κανονισμό για την ΑΙ. Οι πάροχοι, που υπογράφουν και τηρούν τον κώδικα, θα επωφεληθούν από τη μείωση του φόρτου και από αυξημένη ασφάλεια δικαίου. Τι πρέπει να κάνουν οι πάροχοι Με την έναρξη εφαρμογής των νέων κανόνων, οι πάροχοι θα πρέπει να συμμορφώνονται με τις υποχρεώσεις διαφάνειας και σεβασμού των δικαιωμάτων πνευματικής ιδιοκτησίας, όταν εισάγουν στην αγορά της ΕΕ μοντέλα ΑΙ γενικού σκοπού. Τα μοντέλα, που κυκλοφορούσαν ήδη στην αγορά πριν από τις 2 Αυγούστου 2025, πρέπει να διασφαλίσουν τη συμμόρφωση με τον κανονισμό για την ΑΙ έως τις 2 Αυγούστου 2027. Οι πάροχοι των πλέον προηγμένων ή αποτελεσματικών μοντέλων, που παρουσιάζουν συστημικούς κινδύνους - δηλαδή εκείνων των μοντέλων που υπερβαίνουν τα 10^25 FLOP - θα πρέπει να εκπληρώσουν πρόσθετες υποχρεώσεις, όπως να ενημερώνουν την Επιτροπή και να εγγυώνται την ασφάλεια του μοντέλου και την προστασία των χρηστών κατά τη χρήση του. Κατευθυντήριες γραμμές Οι κατευθυντήριες γραμμές σχετικά με το πεδίο εφαρμογής των υποχρεώσεων για τους παρόχους μοντέλων ΑΙ γενικού σκοπού βοηθούν τους παράγοντες του οικοσυστήματος να κατανοήσουν αν οι υποχρεώσεις ισχύουν για αυτούς και τι αναμένεται από αυτούς, διασφαλίζοντας ότι μπορούν να καινοτομούν με εμπιστοσύνη. Σαφείς ορισμοί: Οι κατευθυντήριες γραμμές εισάγουν απλά τεχνικά κριτήρια, για παράδειγμα όταν ένα μοντέλο ΑΙ θεωρείται «γενικού σκοπού». Αυτό βοηθά τους προγραμματιστές να κατανοήσουν αν πρέπει να συμμορφωθούν με τις υποχρεώσεις, που απορρέουν από την πράξη για την ΑΙ. Πραγματιστική προσέγγιση: Οι κατευθυντήριες γραμμές έχουν σχεδιαστεί έτσι ώστε να είναι ρεαλιστικές. Για παράδειγμα, διευκρινίζουν ότι μόνο εκείνοι που επιφέρουν σημαντικές τροποποιήσεις στα μοντέλα ΑΙ πρέπει να συμμορφώνονται με τις υποχρεώσεις των παρόχων μοντέλων ΑΙ γενικού σκοπού και όχι εκείνοι που επιφέρουν ήσσονος σημασίας αλλαγές. Εξαιρέσεις για ανοικτού κώδικα: Οι κατευθυντήριες γραμμές διευκρινίζουν, επίσης, υπό ποιες προϋποθέσεις οι πάροχοι μοντέλων ΑΙ ανοικτού κώδικα εξαιρούνται από ορισμένες υποχρεώσεις, με σκοπό την προώθηση της διαφάνειας και της καινοτομίας. View full είδηση

Στη δημοσιότητα έδωσε η ολλανδική αρχή προστασίας δεδομένων Autoriteit Persoonsgegevens (AP) την έκθεσή της με τίτλο «GDPR preconditions for generative AI». Η έκθεση αποτελεί παράρτημα της ευρύτερης παρέμβασης της ολλανδικής αρχής για το μέλλον της παραγωγικής τεχνητής νοημοσύνης «The AP’s vision on generative AI», μπορεί όμως να διαβαστεί και αυτοτελώς. Όπως αποκαλύπτεται από τον τίτλο της, η συγκεκριμένη έκθεση εξετάζει την ανάπτυξη και λειτουργία μοντέλων παραγωγικής τεχνητής νοημοσύνης υπό το πρίσμα των απαιτήσεων νομιμότητας του Γενικού Κανονισμού Προστασίας Δεδομένων. Η AP επισημαίνει τα πολλά προβλήματα νομιμότητας που έχουν ήδη διαπιστωθεί κατά την ανάπτυξη και εκπαίδευση των foundation models, με τη χωρίς έλεγχο συλλογή δημοσίως προσβάσιμων δεδομένων από το διαδίκτυο. Ειδικότερα και σύμφωνα με τον πρόλογο του κειμένου: Παρότι μέχρι στιγμής η παραγωγική τεχνητή νοημοσύνη δεν έχει φτάσει σε πλήρη νομιμότητα, η AP βλέπει τη δυνατότητα προώθησης της νόμιμης ανάπτυξης και χρήσης. Μια νομική ανάλυση της AP έχει αποκαλύψει ορισμένες παρατυπίες και αβεβαιότητες όσον αφορά τον ΓΚΠΔ. Κατά συνέπεια, η ανάπτυξη και η χρήση αυτής της τεχνολογίας μπορούν να οργανωθούν με τρόπο που να αποτρέπει αυτές τις παρατυπίες και αβεβαιότητες. Στο παρόν έγγραφο θα εξεταστούν οι προϋποθέσεις και οι δυνατότητες υπό το πρίσμα του ΓΚΠΔ. Σύμφωνα με την AP, είναι πιθανό να έχουν συμβεί παρατυπίες κατά την ανάπτυξη των foundation models. Η γενική εκτίμηση είναι ότι, βάσει της τρέχουσας πρακτικής, η συντριπτική πλειονότητα όλων των παραγωγικών μοντέλων τεχνητής νοημοσύνης υστερεί ως προς τη νομιμότητα. Οι εφαρμογές παραγωγικής τεχνητής νοημοσύνης βασίζονται στα λεγόμενα «θεμελιώδη μοντέλα». Για την εκπαίδευση αυτών των μοντέλων έχει χρησιμοποιηθεί (μέσω scraping) σχεδόν το σύνολο των δημοσίως προσβάσιμων δεδομένων στο διαδίκτυο. Ειδικές κατηγορίες προσωπικών δεδομένων έχουν δημοσιοποιηθεί στο διαδίκτυο χωρίς να τα έχει κοινοποιήσει το ίδιο το υποκείμενο των δεδομένων. Συνεπώς, είναι πιθανό ένα θεμελιώδες μοντέλο να περιέχει ειδικές κατηγορίες προσωπικών δεδομένων που έχουν συλλεγεί παρανόμως. Η AP σημειώνει ότι αυτές οι ειδικές κατηγορίες προσωπικών δεδομένων αποτελούν μικρό ποσοστό του συνόλου των δεδομένων που συλλέγονται για την εκπαίδευση των θεμελιωδών μοντέλων. Ωστόσο, αυτό δεν αναιρεί το γεγονός ότι τα εν λόγω δεδομένα έχουν αποκτηθεί παράνομα. Παρ’ όλα αυτά, η συνεχιζόμενη χρήση αυτών των θεμελιωδών μοντέλων από ολλανδικές και ευρωπαϊκές οντότητες δεν είναι εγγενώς παράνομη, όπως προκύπτει από ανάλυση του Ευρωπαϊκού Συμβουλίου Προστασίας Δεδομένων (ΕΣΠΔ). Σε επίπεδο εφαρμογής, η AP έχει εντοπίσει μια σειρά προϋποθέσεων, προκλήσεων και ευκαιριών για υπεύθυνη χρήση της παραγωγικής τεχνητής νοημοσύνης. Οι εν λόγω εφαρμογές έχουν σαφή σκοπό και χρησιμοποιούνται γι’ αυτόν μετά από λεπτομερή αξιολόγηση κινδύνων με κατάλληλα μέτρα προστασίας. Η AP διακρίνει επιπλέον ευκαιρίες και προκλήσεις στον τομέα της παραγωγικής τεχνητής νοημοσύνης, που είναι ανεξάρτητες από το πλαίσιο προστασίας δεδομένων που περιγράφεται παρακάτω. Για παράδειγμα, η ευαισθητοποίηση των χρηστών σχετικά με την κοινοποίηση ευαίσθητων δεδομένων στις εφαρμογές παραγωγικής τεχνητής νοημοσύνης. Το έγγραφο «Προχωρώντας με υπευθυνότητα: η οπτική της AP για την παραγωγική τεχνητή νοημοσύνη» αναλύει λεπτομερέστερα αυτές τις ευκαιρίες και προκλήσεις. Οι προϋποθέσεις για περαιτέρω επεξεργασία ήδη συλλεγμένων προσωπικών δεδομένων θα αναλυθούν αργότερα. Μπορεί να υπάρξουν περιπτώσεις όπου ένα μέρος επιθυμεί να επεξεργαστεί περαιτέρω τα δικά του προσωπικά δεδομένα που έχουν ήδη συλλεχθεί σε ένα μοντέλο παραγωγικής τεχνητής νοημοσύνης. Συνήθως, αυτά τα ήδη συλλεχθέντα δεδομένα δεν αρκούν από μόνα τους για την εκπαίδευση ενός θεμελιώδους μοντέλου. Σε αυτή την περίπτωση, η περαιτέρω επεξεργασία αποκλίνει από τον αρχικό σκοπό της επεξεργασίας. Θα πρέπει τότε να αξιολογηθεί αν αυτή η περαιτέρω επεξεργασία είναι συμβατή με τον αρχικό σκοπό (σύμφωνα με το Άρθρο 6 παρ.4 ΓΚΠΔ). Αυτή η ανάλυση υπερβαίνει το αντικείμενο του παρόντος εγγράφου και μπορεί να εξεταστεί σε επόμενη έκδοσή του. Δείτε αναλυτικά την έκθεση με τίτλο «GDPR preconditions for generative AI». View full είδηση

Σε λίγους μήνες και πιο συγκεκριμένα τον Φεβρουάριο του 2026, η Ελλάδα θα αποκτήσει το δικό της γλωσσικό μοντέλο, χάρη στην βοήθεια του Εργοστασίου Τεχνητής Νοημοσύνης που υλοποιείται στο Τεχνολογικό Πάρκο Λαυρίου, όπως αποκάλυψε κατά την διάρκεια των εργασιών του πρώτου Athens AI Summit, ο Νεκτάριος Κοζύρης, Καθηγητής ΕΜΠ, Εθνικός Εκπρόσωπος και Μέλος στο ΔΣ του EuroHPC Joint Undertaking, Αντιπρόεδρος του Οργανισμού Ανοιχτών Τεχνολογιών- ΕΕΛ/ΛΑΚ. Ο κ. Κοζύρης, μετείχε στο πάνελ “Η Ελληνική Στρατηγική για την Αξιοποίηση της Τεχνητής Νοημοσύνης” μαζί με τους Δημοσθένη Αναγνωστόπουλο, ΓΓ Πληροφοριακών Συστημάτων Ψηφιακής Διακυβέρνησης, Γιάννη Μαστρογεωργίου Ειδικός Γραμματέας Μακροπρόθεσμου Σχεδιασμού, Συντονιστής της Εθνικής Συμβουλευτικής Επιτροπής AI υπό τον Πρωθυπουργό και Απόστολο Μπούτο Σύμβουλο Διοικητή της ΑΑΔΕ. Το Athens AI Suumit 2025 πραγματοποιήθηκε στις 5 Ιουνίου στο Divani Caravel, με τη συμμετοχή κορυφαίων εκπροσώπων της πολιτείας, θεσμικών φορέων και της επιστημονικής κοινότητας. Το ATHENS AI SUMMIT 2025 διοργανώθηκε από τη ΜΕΤΑΤΕΑΜ , με σκοπό να χαρτογραφήσει την παρούσα εφαρμογή της τεχνητής νοημοσύνης στην Ελλάδα, να αναδείξει τις προοπτικές εξέλιξής της και να διερευνήσει τον ρόλο της στην επιτάχυνση του ψηφιακού μετασχηματισμού, ειδικά μέσα από τα έργα του Ταμείου Ανάκαμψης. Η εκδήλωση αποτελεί έναν δυναμικό κόμβο διαλόγου, καινοτομίας και ανταλλαγής εμπειριών για επαγγελματίες, στελέχη του δημόσιου και ιδιωτικού τομέα, καθώς και κάθε ενδιαφερόμενο που επιθυμεί να συμβάλει στη διαμόρφωση της επόμενης ψηφιακής εποχής της χώρας. Με την απόκτηση δικού της γλωσσικού μοντέλου (Large Language Model – LLM) η χώρα εδραιώνει την γλώσσα, την αυτονομία της και την πολιτιστική της ταυτότητα στον ψηφιακό κόσμο. Τι σημαίνει γλωσσικό μοντέλο και γιατί το χρειαζόμαστε Τα LLM είναι τα «μυαλά» πίσω από τα εργαλεία Τεχνητής Νοημοσύνης που γράφουν κείμενα, απαντούν σε ερωτήσεις, μεταφράζουν, κάνουν περιλήψεις, συνομιλούν με τους πολίτες, και προβλέπουν μοτίβα σε δεδομένα. Τα πιο γνωστά – όπως το ChatGPT ή το Gemini – έχουν εκπαιδευτεί κυρίως στα αγγλικά, με περιορισμένη κατανόηση της ελληνικής γλώσσας και μηδενική ευαισθησία στο ελληνικό πλαίσιο. Η απουσία ενός ελληνικού LLM σημαίνει ότι η γλώσσα μας αντιμετωπίζεται ως “δευτερεύουσα”, με όλα τα συνεπαγόμενα: κακή μετάφραση, ασαφή συμφραζόμενα, ανακρίβειες σε διοικητικά κείμενα, αδυναμία αξιοποίησης σε δημόσιες υπηρεσίες. Τι θα κερδίσουμε με το εθνικό LLM Η ανάπτυξη ενός ελληνικού LLM ανοίγει τον δρόμο για μια σειρά από πρακτικά και στρατηγικά οφέλη: Ακριβής κατανόηση και επεξεργασία της ελληνικής γλώσσας: από τις αργκό κάθε γωνίας της χώρας μέχρι τη γλώσσα της Δικαιοσύνης και τα τοπικά ιδιώματα, το μοντέλο μαθαίνει και μιλά… ελληνικά. Καλύτερες δημόσιες υπηρεσίες: έξυπνα συστήματα εξυπηρέτησης πολιτών, bots που απαντούν σε ερωτήσεις στα ΚΕΠ ή στα υπουργεία, αυτόματη παραγωγή διοικητικών εγγράφων. Διαφύλαξη της πολιτισμικής ταυτότητας: η Τεχνητή Νοημοσύνη δεν θα απαντά μόνο με “όρους Silicon Valley”, αλλά με αναφορές στην ελληνική φιλοσοφία, ιστορία, παιδεία και σύγχρονη κοινωνία. Κυριαρχία στα δεδομένα: το μοντέλο θα εκπαιδευτεί και θα λειτουργεί σε ελληνικές υποδομές (ή ευρωπαϊκές), διασφαλίζοντας την εθνική ψηφιακή ανεξαρτησία. Ανάπτυξη καινοτομίας: οι ελληνικές startups, τα ερευνητικά ιδρύματα και οι επιχειρήσεις θα έχουν πρόσβαση σε ένα εργαλείο φτιαγμένο για τις δικές τους ανάγκες. Τι χάνουμε τόσα χρόνια Η απουσία ελληνικού LLM μέχρι σήμερα μάς κόστισε: Χαμηλή ποιότητα στις μεταφράσεις και την αυτόματη γλωσσική επεξεργασία Καθυστέρηση στον ψηφιακό μετασχηματισμό του Δημοσίου Εξάρτηση από ξένα μοντέλα με πολιτισμικά φίλτρα και δυτικά bias Αδυναμία αξιοποίησης της Τεχνητής Νοημοσύνης στην ελληνική αγορά (εμπόριο, τουρισμός, εκπαίδευση, υγεία) Εν ολίγοις, μιλάμε σε μια μηχανή που δεν καταλαβαίνει πώς μιλάμε, δεν έχει εκπαιδευτεί με ελληνικά δεδομένα, και δεν αντιλαμβάνεται πώς λειτουργεί η διοικητική μας πραγματικότητα, ο πολιτισμός μας ή ο τρόπος σκέψης μας. Το συνέδριο προσέφερε ένα ολοκληρωμένο περιβάλλον γνώσης, ενημέρωσης και δικτύωσης για τη νέα εποχή της Τεχνητής Νοημοσύνης στην Ελλάδα. View full είδηση

Η τελευταία παγκόσμια έρευνα της KPMG σχετικά με την υιοθέτηση της Τεχνητής Νοημοσύνης (ΤΝ) αποκαλύπτει ότι δεν αποτελεί απλώς μια τεχνολογία, αλλά μια ολιστική επιχειρησιακή μετάβαση. Μέσα από τη μελέτη σχεδόν σε 1.400 στελέχη παγκοσμίως, αναδεικνύεται η ανάγκη για τις επιχειρήσεις να υπερβούν τις απλές τεχνολογικές επενδύσεις και να προσεγγίσουν τη στρατηγική, τον πολιτισμό και τις λειτουργίες τους συνολικά. Η έκθεση “Intelligent Industries - Blueprints for Creating Value through AI-Driven Transformation” παρουσιάζει ένα ολοκληρωμένο πλαίσιο που επιτρέπει στους οργανισμούς να επιταχύνουν την ανάπτυξή τους μέσω της ΤΝ, ενσωματώνοντάς την σε όλες τις πτυχές της λειτουργίας τους. Παράλληλα, η KPMG θα δημοσιεύσει μια σειρά εξειδικευμένων εκθέσεων με ανάλυση ανά κλάδο για τομείς όπως οι τράπεζες, οι ασφαλιστικές εταιρείες, η τεχνολογία, το λιανεμπόριο, η ενέργεια, η μεταποίηση, οι επιστήμες ζωής και η υγειονομική περίθαλψη. Τρεις φάσεις δημιουργίας αξίας μέσω της ΤΝ Η μελέτη προσδιορίζει τρεις κρίσιμες φάσεις για τη δημιουργία αξίας μέσω της ΤΝ, παρέχοντας έναν στρατηγικό οδικό χάρτη για τη συστηματική κλιμάκωση της τεχνητής νοημοσύνης: Ενδυνάμωση ανθρώπων: Υποστήριξη των εργαζομένων με εργαλεία ΤΝ, έμφαση σε υψηλής αξίας περιπτώσεις χρήσης (use cases), καινοτομία, πειραματισμός και καθιέρωση αρχικών ρυθμιστικών πλαισίων Ενσωμάτωση της ΤΝ στις εργασιακές ροές: Ενσωμάτωση της ΤΝ στις διαδικασίες, τα προϊόντα, τις υπηρεσίες και τις αλυσίδες αξίας για τη μεγιστοποίηση της αποδοτικότητας των λειτουργιών και της εμπειρίας των πελατών Μετασχηματισμός της επιχείρησης και του οικοσυστήματος: Κλιμάκωση της ΤΝ σε όλη την επιχείρηση και το ευρύτερο επιχειρηματικό οικοσύστημα, δημιουργώντας ανταγωνιστικό πλεονέκτημα και συνεχή καινοτομία Ανάπτυξη δυνατοτήτων ΤΝ σε τρία επίπεδα Για την πλήρη αξιοποίηση της ΤΝ, οι οργανισμοί πρέπει να αναπτύξουν δυνατότητες σε τρία θεμελιώδη επίπεδα: Βάσεις: Υποδομές ΤΝ, διακυβέρνηση και στρατηγική δεδομένων Λειτουργίες: Εφαρμογή της ΤΝ στις διαδικασίες, τις ροές αξίας και τις επιχειρησιακές λειτουργίες για ενίσχυση της συνεργασίας, βελτίωση των προϊόντων και αναβάθμιση της εμπειρίας πελατών Επιχείρηση: Εταιρικός μετασχηματισμός μέσω της ΤΝ, ενσωματώνοντας τη νοημοσύνη στη στρατηγική και τη λήψη αποφάσεων Στρατηγικός οδικός χάρτης για την επιτυχία στην ΤΝ Η νέα σειρά εκθέσεων παρέχει έναν σαφή και εφαρμόσιμο οδηγό για επιχειρηματικούς ηγέτες από οκτώ βιομηχανίες, με στόχο την επιτάχυνση της υιοθέτησης της ΤΝ. Καθορίζονται οι αναγκαίες ενέργειες που πρέπει να αναλάβουν οι οργανισμοί ώστε να μεταβούν από τον πειραματισμό στην ΤΝ σε βιώσιμη και κλιμακούμενη δημιουργία αξίας. Ο Χάρης Συρούνης, Partner, Advisory, KPMG στην Ελλάδα δήλωσε «Η έρευνα αποδεικνύει πως σε όλη η αγορά και σε όλους τους κλάδους υπάρχει η αναγνώριση ότι η ΤΝ μπορεί να βοηθήσει και να προσφέρει τεράστιες δυνατότητες για μεγαλύτερη αποδοτικότητα και αποτελεσματικότητα. Οι δυνατότητες της ΤΝ θα αλλάξουν τον τρόπο που η επιχείρηση σχεδιάζει το μοντέλο εργασίας και επικοινωνίας που υιοθετεί και γενικά την ποιότητα και το είδος των υπηρεσιών που παρέχει. Η έρευνα μπορεί να βοηθήσει όλες τις εταιρείες ανεξαρτήτως μεγέθους να προετοιμαστούν κατάλληλα.» Ο Adrian Clamp, Global Head, Connected Enterprise, KPMG International, δήλωσε «Η ΤΝ δεν αποτελεί μια παροδική τάση, αλλά μια επιταχυνόμενη δύναμη που συνεχώς εξελίσσεται και μετασχηματίζει τον επιχειρηματικό κόσμο. Η αποτελεσματική μετάβαση στην ΤΝ ξεπερνά την απλή εφαρμογή τεχνολογιών. Οι οργανισμοί οφείλουν να ενσωματώσουν τη νοημοσύνη στις ροές αξίας και στις διαδικασίες τους, ακολουθώντας ένα ευέλικτο και δομημένο πλαίσιο. Είναι κρίσιμο να επαναπροσδιορίσουμε τον ρόλο που μπορεί να διαδραματίσει η ΤΝ, να αναπτύξουμε βασικές ικανότητες και να προσαρμόσουμε τα επιχειρησιακά μας μοντέλα αναλόγως.» Η έρευνα υπογραμμίζει ότι για τη μεγιστοποίηση της αξίας της ΤΝ, οι οργανισμοί δεν πρέπει να περιορίζονται σε σταδιακές βελτιώσεις, αλλά να διαμορφώνουν ένα μέλλον όπου η τεχνολογία βελτιώνει την εμπειρία των πελατών, βελτιστοποιεί τις λειτουργίες και προάγει καινοτόμα επιχειρηματικά μοντέλα. Αυτό απαιτεί από τους ηγέτες να διεξάγουν στρατηγικές αναλύσεις, συμπεριλαμβανομένου του σεναριακού σχεδιασμού, για να κατανοήσουν πώς η τεχνολογία μπορεί να αναδιαμορφώσει το ανταγωνιστικό τους πεδίο. Παράλληλα, η προσέλκυση κορυφαίων ταλέντων και η συνεχής ανάπτυξη δεξιοτήτων των εργαζομένων είναι καθοριστικής σημασίας για την προσαρμογή στις ταχέως μεταβαλλόμενες τεχνολογικές εξελίξεις. «Η πορεία προς τον έξυπνο οργανισμό είναι ένα διαρκές ταξίδι και οι ηγέτες διαδραματίζουν καίριο ρόλο σε αυτή τη διαδικασία. Η δέσμευσή τους είναι απαραίτητη για την οικοδόμηση εσωτερικής τεχνογνωσίας και τη δημιουργία ενός εργατικού δυναμικού που μπορεί να προσαρμοστεί στις νέες ευκαιρίες που προσφέρει η ΤΝ», πρόσθεσε ο Clamp. View full είδηση

Μηχανισμοί για την αντιμετώπιση της φοροδιαφυγής και για τον έλεγχο των δημοσίων συμβάσεων, αυτόματη κωδικοποίηση της νομοθεσίας και συστήματα εντοπισμού οικοδομικών αυθαιρεσιών. Αυτές είναι μόνο μερικές από τις εφαρμογές που ετοιμάζεται να ξεκλειδώσει το Ελληνικό Δημόσιο αξιοποιώντας την Τεχνητή Νοημοσύνη. Το πρώτο βήμα σε αυτή την κατεύθυνση αναμένεται να γίνει σύντομα, καθώς όπως δήλωσε χθες στο Athens Democracy Forum ο υπουργός Ψηφιακής Διακυβέρνησης, Κυριάκος Πιερρακάκης, το υπουργείο είναι έτοιμο να παρουσιάσει την Εθνική Στρατηγική για την Τεχνητή Νοημοσύνη. Πρόκειται για ένα κείμενο στρατηγικής το οποίο θα θέτει τις βάσεις πάνω στις οποίες θα σχεδιαστούν οι μεταρρυθμίσεις, τα έργα αλλά και οι επιδοτήσεις για το επόμενο διάστημα. Μεταξύ άλλων η Εθνική Στρατηγική για την Τεχνητή Νοημοσύνη, θα καθορίζει τις προϋποθέσεις ανάπτυξης και τις εθνικές προτεραιότητες, αλλά και θα προτείνει δράσεις αλλά και τουλάχιστον μία πιλοτική εφαρμογή ανά τομέα άσκησης πολιτικής. Το επόμενο βήμα είναι η υλοποίηση της στρατηγικής, η οποία σε σημαντικό βαθμό αναμένεται να χρηματοδοτηθεί από το νέο ΕΣΠΑ. Για τον σκοπό αυτό βρίσκεται σε εξέλιξη διαγωνισμός για την ανάδειξη συμβούλου ο οποίος εντός του 2022 θα κληθεί να υποδείξει περιοχές και τομείς πολιτικής που είναι πιο ώριμες για τον σχεδιασμό και την υλοποίηση έργων Τεχνητής Νοημοσύνης αλλά και συγκεκριμένες εφαρμογές και δράσεις κρατικών ενισχύσεων και κινήτρων για την υλοποίησή τους Οι εφαρμογές και το όφελος στην οικονομία Μπορεί όταν κάποιος ακούει για "Τεχνητή Νοημοσύνη” να φέρνει στο μυαλό του ρομπότ βγαλμένα από μια ταινία επιστημονικής φαντασίας, αλλά η πραγματικότητα είναι πως η συγκεκριμένη τεχνολογία αξιοποιείται ήδη σε πολλές ψηφιακές εφαρμογές. Στη Βίβλο Ψηφιακού Μετασχηματισμού 2020-2025 περιγράφονται οχτώ συγκεκριμένα έργα που θα αξιοποιούν την Τεχνητή Νοημοσύνη. Το πρώτο, το οποίο βρίσκεται σε εξέλιξη, είναι το σύστημα υποστήριξης του μηχανισμού είσπραξης δημοσίων εσόδων. Στόχος είναι η δημιουργία λύσεων που θα αξιοποιούν τα δεδομένα της ΑΑΔΕ από εργαλεία μηχανικής μάθησης για να ενισχυθούν οι ελεγκτικές υπηρεσίες. Μεταξύ των υπόλοιπων έργων περιλαμβάνονται η δημιουργία εφαρμογής παρακολούθησης του συστήματος εισροών και εκροών στο εμπόριο καυσίμων, έργο για την αυτόματη κωδικοποίηση της Νομοθεσίας με χρήση τεχνολογιών επεξεργασίας φυσικής γλώσσας και η εισαγωγή τεχνολογιών Robotic Process Automation για τη μείωση των επαναλαμβανόμενων διοικητικών εργασιών. Παράλληλα η Τεχνητή Νοημοσύνη μπορεί να επιταχύνει την οικονομική ανάπτυξη. Μελέτη της Accenture σε 12 ανεπτυγμένες χώρες εκτιμά ότι η εφαρμογή της μπορεί να οδηγήσει σε έως και διπλασιασμό του ετήσιου ρυθμού ανάπτυξης (σε όρους ακαθάριστης προστιθέμενης αξίας) μέχρι το 2035, σε σύγκριση με ένα σενάριο όπου η τεχνητή νοημοσύνη δεν εφαρμόζεται. Ειδικά για την Ελλάδα, μελέτη της Accenture η οποία πραγματοποιήθηκε σε συνεργασία με τη Microsoft αναφέρει πως η ανάπτυξη και εφαρμογή της Τεχνητής Νοημοσύνης μπορεί να οδηγήσει σε σωρευτική αύξηση του ΑΕΠ κατά 195 δισ. δολάρια για την περίοδο μέχρι το 2035. [email protected] View full είδηση

Ο Δήμος Αθηναίων, μέσω της ΔΑΕΜ Α.Ε., ανακοινώνει την έναρξη μιας σημαντικής συνεργασίας με τη Google, με στόχο την ενσωμάτωση καινοτόμων τεχνολογιών Τεχνητής Νοημοσύνης (AI) στην επίσημη ιστοσελίδα του, www.cityofathens.gr. Στο πλαίσιο της συνεργασίας αυτής, η Google θα παρέχει στον Δήμο Αθηναίων μια νέα, προηγμένη μηχανή αναζήτησης, η οποία θα αξιοποιεί την Τεχνητή Νοημοσύνη για να προσφέρει στους δημότες μια βελτιστοποιημένη εμπειρία χρήσης και εύκολη πρόσβαση σε πληροφορίες. Με τη νέα αυτή λειτουργία, οι δημότες θα μπορούν να αναζητούν πληροφορίες σχετικά με τον Δήμο Αθηναίων και τις υπηρεσίες του με μεγαλύτερη ακρίβεια και ταχύτητα. Η μηχανή αναζήτησης θα είναι σε θέση να κατανοεί τις ερωτήσεις των χρηστών και να παρέχει σχετικά αποτελέσματα, ακόμη και αν οι ερωτήσεις αυτές διατυπώνονται με φυσική γλώσσα. Ο Δήμος Αθηναίων καλεί όλους τους δημότες να επισκεφθούν την ιστοσελίδα του και να λάβουν μέρος στο δοκιμαστικό περιβάλλον της νέας μηχανής αναζήτησης: https://www.cityofathens.gr/ai/ Τα σχόλια και οι παρατηρήσεις των δημοτών θα ληφθούν υπόψη για τη βελτιστοποίηση της λειτουργίας της μηχανής πριν την επίσημη έναρξή της. View full είδηση

Η ραγδαία εξέλιξη της τεχνητής νοημοσύνης (AI) επηρεάζει σημαντικά τον κατασκευαστικό τομέα, οδηγώντας σε μια «κούρσα εξοπλισμών» μεταξύ των εταιρειών για την υιοθέτηση καινοτόμων λύσεων. Εταιρείες όπως η Balfour Beatty και η Skanska πρωτοστατούν στην ανάπτυξη AI βοηθών για τη βελτιστοποίηση των διαδικασιών τους. Η υιοθέτηση της AI αντιμετωπίζει μια από τις μεγαλύτερες προκλήσεις του κατασκευαστικού τομέα: τη συλλογή και ανάλυση πληροφοριών από πολυάριθμους ενδιαφερόμενους σε ένα κατακερματισμένο περιβάλλον. Η AI επιτρέπει την ταχεία ανάλυση δεδομένων, βελτιώνοντας τη λήψη αποφάσεων και την αποδοτικότητα. Ωστόσο, η πίεση για υιοθέτηση της AI αυξάνεται, με τις εταιρείες να αισθάνονται την ανάγκη να προσαρμοστούν γρήγορα για να μην μείνουν πίσω. Η AI θεωρείται εργαλείο που μπορεί να ενισχύσει την ανταγωνιστικότητα, αλλά απαιτείται προσεκτικός σχεδιασμός για την επιτυχή ενσωμάτωσή της. Ένα από τα βασικά πλεονεκτήματα της AI στον κατασκευαστικό κλάδο είναι η βελτίωση της ασφάλειας στα εργοτάξια. Η χρήση αλγορίθμων μηχανικής μάθησης μπορεί να προβλέψει δυνητικούς κινδύνους και να αποτρέψει ατυχήματα. Για παράδειγμα, η Turner Construction χρησιμοποιεί AI για την ανάλυση δεδομένων από κάμερες και αισθητήρες, εντοπίζοντας επικίνδυνες συμπεριφορές και εκδίδοντας αυτόματες ειδοποιήσεις για τη λήψη διορθωτικών μέτρων. Σύμφωνα με τον Joe Harris, Senior Safety Manager στη Turner Construction, «η AI μάς επιτρέπει να έχουμε μια πιο προληπτική προσέγγιση στην ασφάλεια, μειώνοντας τα ατυχήματα και βελτιώνοντας τις συνθήκες εργασίας». Η τεχνητή νοημοσύνη αναδεικνύεται ως καταλύτης για την καινοτομία στον κατασκευαστικό τομέα, προσφέροντας λύσεις που βελτιώνουν την αποδοτικότητα και την ανταγωνιστικότητα. Καθώς η τεχνολογία εξελίσσεται, η υιοθέτηση της AI θα είναι κρίσιμη για την επιτυχία των εταιρειών στον κλάδο. Πολλοί αναλυτές προβλέπουν ότι έως το 2025, οι περισσότερες μεγάλες κατασκευαστικές εταιρείες θα έχουν ενσωματώσει AI στα βασικά τους συστήματα, επαναπροσδιορίζοντας πλήρως τον τρόπο με τον οποίο σχεδιάζονται, κατασκευάζονται και συντηρούνται τα έργα. Η νέα εποχή της κατασκευαστικής τεχνολογίας έχει ήδη ξεκινήσει – και η AI βρίσκεται στην πρώτη γραμμή των εξελίξεων. Πηγή: Construction Dive View full είδηση