Στο πλαίσιο του εκπαιδευτικού προγράμματος «Βουλή των Εφήβων: Βήματα Δημοκρατίας – Κάνοντας πράξη τη συμμετοχή» για τη Λ’ Σύνοδο (2025-2026), οι μαθητές του ΓΕΛ Τυρνάβου ανέλαβαν μια σπουδαία δημοσιογραφική και επιστημονική πρωτοβουλία. Με κεντρικό άξονα τη θεματική ενότητα «Η γενιά A.I. συζητά για την Τεχνητή Νοημοσύνη», επιδίωξαν να ρίξουν φως στις καταιγιστικές εξελίξεις που επιφέρει η υπολογιστική νοημοσύνη στον χώρο των Επιστημών.
Η Τεχνητή Νοημοσύνη αποτελεί σήμερα έναν από τους πλέον δυναμικούς τομείς της επιστήμης, επηρεάζοντας καθοριστικά την υγεία, τη βιομηχανία, την ενέργεια, το περιβάλλον και την καθημερινή ζωή. Ανάμεσα στους Έλληνες επιστήμονες που έχουν συμβάλει ουσιαστικά στη διεθνή εξέλιξη του πεδίου ξεχωρίζει η Καθηγήτρια Ελπινίκη Παπαγεωργίου του Πανεπιστημίου Θεσσαλίας, η οποία έχει διαγράψει μια μακρά και ιδιαίτερα επιτυχημένη ακαδημαϊκή και ερευνητική πορεία. Οι μαθητές μας είχαν την τιμή να συνομιλήσουν μαζί της σε μια εκτενή, εφ’ όλης της ύλης συνέντευξη.
Η καθηγήτρια του Τμήματος Συστημάτων Ενέργειας της Σχολής Τεχνολογίας του Πανεπιστημίου Θεσσαλίας , Δρ. Ελπινίκη Παπαγεωργίου, με καταγωγή από τον Πλατύκαμπο Λάρισας, σπούδασε Φυσική στο Πανεπιστήμιο Πατρών, αποφοιτώντας με άριστα, ενώ συνέχισε τις σπουδές της στην Ιατρική Φυσική με υποτροφία του Ιδρύματος Μποδοσάκη. Ακολούθησαν διδακτορικές σπουδές στο Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών του Πανεπιστημίου Πατρών, με υποτροφία του ΙΚΥ, όπου εξειδικεύθηκε στην ανάπτυξη αλγορίθμων Τεχνητής Νοημοσύνης και Ασαφών Γνωστικών Δικτύων με εφαρμογές στη βιομηχανία και την υγεία. Στη συνέχεια πραγματοποίησε μεταδιδακτορική έρευνα, επίσης με υποτροφίες του ΙΚΥ και του Πανεπιστημίου Πατρών, ενώ δίδαξε ως λέκτορας στο ίδιο Ίδρυμα πριν ακολουθήσει τη μόνιμη πανεπιστημιακή της σταδιοδρομία. Από το 2008 υπηρέτησε ως μέλος ΔΕΠ στο Τμήμα Μηχανικών Πληροφορικής του πρώην ΤΕΙ Στερεάς Ελλάδας, ενώ το 2018 εξελέγη Αναπληρώτρια Καθηγήτρια στο Τμήμα Ηλεκτρολόγων Μηχανικών στη Λάρισα. Από το 2020 υπηρετεί ως Καθηγήτρια στο Τμήμα Συστημάτων Ενέργειας του Πανεπιστημίου Θεσσαλίας, όπου διετέλεσε η πρώτη Πρόεδρος του νεοσύστατου Τμήματος, ενώ από το 2023 είναι Διευθύντρια του Εργαστηρίου Τεχνητής Νοημοσύνης, Υπολογιστικών Συστημάτων και Τεχνολογικών Εφαρμογών (ACTA Lab), το οποίο έχει αναπτύξει σημαντική ερευνητική δραστηριότητα σε τομείς όπως η υγεία, η ενέργεια, η βιομηχανία, η κλιματική αλλαγή και η διαχείριση φυσικών καταστροφών.
Η ερευνητική της δραστηριότητα αριθμεί περισσότερα από είκοσι χρόνια, με συμμετοχή και συντονισμό πλήθους ευρωπαϊκών και εθνικών έργων. Έχει διατελέσει επιστημονικά υπεύθυνη, κύρια ερευνήτρια και διαχειρίστρια έργων στα προγράμματα Horizon 2020 και Horizon Europe, ενώ συνεργάζεται επί σειρά ετών με το Εθνικό Κέντρο Έρευνας και Τεχνολογικής Ανάπτυξης (ΕΚΕΤΑ), εστιάζοντας στην ανάπτυξη ερμηνεύσιμων μοντέλων τεχνητής νοημοσύνης, συστημάτων υποστήριξης λήψης αποφάσεων, μηχανικής μάθησης και εξόρυξης δεδομένων. Η διεθνής της αναγνώριση είναι ιδιαίτερα σημαντική, καθώς θεωρείται μία από τις κορυφαίες επιστήμονες παγκοσμίως στον τομέα των Ασαφών Γνωστικών Δικτύων (Fuzzy Cognitive Maps) και συγκαταλέγεται για έξι συνεχόμενα έτη (2020–2025) στο κορυφαίο 2% των επιστημόνων του κόσμου σύμφωνα με διεθνείς βιβλιομετρικές κατατάξεις. Παράλληλα, το ερευνητικό της έργο έχει αποσπάσει κορυφαίες διακρίσεις, μεταξύ των οποίων ξεχωρίζουν το πλατινένιο και το χρυσό βραβείο AI & Data Awards 2026 για το σύστημα AIRIN στην Οφθαλμολογία, καθώς και το βραβευμένο έργο EMERALD, το οποίο αναπτύσσει εξηγήσιμα συστήματα τεχνητής νοημοσύνης για την υποστήριξη διαγνώσεων στην Πυρηνική Ιατρική.
Θεματική: Εξελίξεις στην Εξηγήσιμη Τεχνητή Νοημοσύνη, Ιατρικές Εφαρμογές και το Μέλλον της Εκπαίδευσης και της Εργασίας
- Ακαδημαϊκή Διαδρομή και η Εξέλιξη της Επιστημονικής Έρευνας
— Ποιο ήταν το έναυσμα για την ενασχόλησή σας με το πεδίο της Τεχνητής Νοημοσύνης; Το ενδιαφέρον σας για τις ιατρικές εφαρμογές προϋπήρχε ή αναδύθηκε σε μεταγενέστερο στάδιο της πορείας σας;
Η ακαδημαϊκή μου αφετηρία δεν συνδέθηκε άμεσα με το αντικείμενο της Τεχνητής Νοημοσύνης. Οι προπτυχιακές μου σπουδές ολοκληρώθηκαν στο Τμήμα Φυσικής του Πανεπιστημίου Πατρών. Αρχικά, δεν επρόκειτο για την πρώτη μου επιλογή, καθώς πρωταρχικός μου στόχος ήταν η εισαγωγή μου σε τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, προκειμένου να συνδυάσω τα εν λόγω επιστημονικά πεδία.
Ωστόσο, κατά τη διάρκεια των σπουδών μου, η επιστήμη της Φυσικής με κέρδισε ακαδημαϊκά. Η μεθοδολογία των πειραμάτων και η ανάπτυξη μοντέλων για την ερμηνεία των φυσικών φαινομένων μού προκάλεσαν έντονο ενδιαφέρον, καθώς η Φυσική προσφέρει ορθολογικές εξηγήσεις σε ένα ευρύ φάσμα του επιστητού. Ως εκ τούτου, αποφάσισα να ολοκληρώσω τον πρώτο κύκλο σπουδών μου στη Φυσική και στη συνέχεια να μεταπηδήσω στον κλάδο της Πληροφορικής.
Ακολούθως, εντάχθηκα στο Τμήμα Ηλεκτρολόγων Μηχανικών του Πανεπιστημίου Πατρών, όπου και εκπόνησα τη διδακτορική μου διατριβή, η οποία επικεντρώθηκε πλέον στην Τεχνητή Νοημοσύνη. Αυτή αποτέλεσε και την πρώτη μου συστηματική επαφή με το συγκεκριμένο γνωστικό αντικείμενο.
Θα πρέπει να επισημανθεί ότι οι συνθήκες διεξαγωγής της έρευνας πριν από 25-26 έτη διέφεραν ριζικά από τα σημερινά δεδομένα. Η πρόσβαση στην επιστημονική πληροφορία ήταν μια χρονοβόρα διαδικασία: για τον εντοπισμό και τη μελέτη μίας και μόνο επιστημονικής δημοσίευσης (paper), απαιτούνταν η υποβολή φυσικού αιτήματος στη βιβλιοθήκη και αναμονή επτά έως οκτώ ημερών. Δεν υπήρχε η δυνατότητα της άμεσης ψηφιακής αναζήτησης και ανάκτησης δεδομένων που διαθέτουμε σήμερα.
Αυτό που με ώθησε να συνεχίσω την ερευνητική μου πορεία ήταν η δυνατότητα σύγκλισης της Φυσικής, των Μαθηματικών και της Πληροφορικής σε ένα κοινό επιστημονικό πεδίο. Τα Μαθηματικά αποτελούσαν ανέκαθεν ένα από τα ισχυρά γνωστικά μου ενδιαφέροντα, γεγονός που αποτυπώθηκε ήδη από τα μαθητικά μου χρόνια, όταν διακρίθηκα σε διαγωνισμούς της Ελληνικής Μαθηματικής Εταιρείας. Η συνδυαστική αξιοποίηση αυτών των επιστημών προσφέρει τη δυνατότητα ανάπτυξης καινοτόμων λύσεων και εφαρμογών με ουσιαστικό αντίκτυπο στον άνθρωπο και την κοινωνία. Αυτή ακριβώς η δυνατότητα μετατροπής της θεωρητικής γνώσης σε πρακτικό και κοινωνικά ωφέλιμο αποτέλεσμα αποτέλεσε για εμένα το ισχυρότερο κίνητρο για την ενασχόληση με την έρευνα.
- Εξηγήσιμη Τεχνητή Νοημοσύνη (Explainable AI) και Μεθοδολογικό Πλαίσιο
— Ποιο αποτελεί το κύριο αντικείμενο της τρέχουσας ερευνητικής σας δραστηριότητας;
Το ερευνητικό μου ενδιαφέρον εστιάζεται στην ανάπτυξη κλασικών αλγορίθμων Τεχνητής Νοημοσύνης για τη δημιουργία συστημάτων υποστήριξης λήψης αποφάσεων. Πιο συγκεκριμένα, η έρευνά μου επικεντρώνεται στο πεδίο της Εξηγήσιμης Τεχνητής Νοημοσύνης (Explainable AI – XAI), ήτοι στην ανάπτυξη μεθοδολογιών που αποσαφηνίζουν τη διαδικασία μέσω της οποίας ένα υπολογιστικό μοντέλο καταλήγει σε ένα συγκεκριμένο συμπέρασμα.
Παραδοσιακά, τα μοντέλα μηχανικής μάθησης απαιτούν τεράστιο όγκο δεδομένων προκειμένου να παράγουν έγκυρα αποτελέσματα. Ωστόσο, οι αλγόριθμοι αυτοί λειτουργούν ως «μαύρα κουτιά» (black boxes): δέχονται δεδομένα εισόδου και παράγουν μια έξοδο, χωρίς να καθίσταται ορατή ή κατανοητή η εσωτερική διεργασία επεξεργασίας.
Η Εξηγήσιμη Τεχνητή Νοημοσύνη, η οποία γνωρίζει εκρηκτική ανάπτυξη διεθνώς από το 2020 και μετά, έρχεται να καλύψει αυτό το κενό. Εισάγει νέες μεθοδολογίες που ερμηνεύουν τη συσχέτιση των δεδομένων, αναδεικνύοντας τη γνώση και τους ακριβείς παράγοντες που οδήγησαν στη λήψη μιας συγκεκριμένης απόφασης.
- Κλινικές Εφαρμογές: Συστήματα Διάγνωσης στην Πυρηνική Ιατρική και την Οφθαλμολογία
— Θα μπορούσατε να αναφέρετε συγκεκριμένα παραδείγματα εφαρμογής των εξηγήσιμων αυτών μοντέλων στο πεδίο της Υγείας;
Βεβαίως. Μια τέτοια εφαρμογή αναπτύχθηκε στο πλαίσιο του ερευνητικού προγράμματος Emerald, σε στενή συνεργασία με το Πανεπιστημιακό Νοσοκομείο Πατρών, έργο το οποίο απέσπασε τιμητική διάκριση στα ΑΙ&Data Awards. Στο πλαίσιο αυτό, σχεδιάσαμε ένα σύστημα υποστήριξης κλινικών αποφάσεων στον τομέα της Πυρηνικής Ιατρικής.
Το σύστημα επιτρέπει στον κλινικό γιατρό να εισαγάγει τα ποσοτικά δεδομένα, το ιατρικό ιστορικό και τα απεικονιζόμενα ευρήματα του ασθενούς (όπως σπινθηρογραφήματα ή αξονικές τομογραφίες). Ο αλγόριθμος εκφέρει μια διαγνωστική εκτίμηση —για παράδειγμα, εάν ο ασθενής είναι υγιής ή εάν παρουσιάζει ισχαιμία ή έμφραγμα μυοκαρδίου—. Το καινοτόμο στοιχείο έγκειται στο ότι το σύστημα δεν περιορίζεται στην τελική διάγνωση, αλλά παραθέτει αναλυτικά τους παράγοντες και τα κριτήρια που την τεκμηριώνουν, τόσο από τα αριθμητικά δεδομένα όσο και από τις εικόνες.
Επιπλέον, αξιοποιώντας Μεγάλα Γλωσσικά Μοντέλα (LLMs), το σύστημα συντάσσει αυτόματα μια ολοκληρωμένη ιατρική αναφορά (report) για τον γιατρό. Αξίζει να σημειωθεί ότι, βάσει της ερευνητικής μας δεοντολογίας, βασιζόμαστε αποκλειστικά σε αλγορίθμους και δεδομένα ανοιχτού κώδικα (open-source) και όχι σε εμπορικές πλατφόρμες όπως το ChatGPT. Με τον τρόπο αυτό, ο επιστήμονας υγείας διαθέτει έναν έγκυρο επεξηγηματικό οδηγό για τη βελτιστοποίηση της διαγνωστικής διαδικασίας.
Μια δεύτερη, εξαιρετικά πρόσφατη ερευνητική μας εφαρμογή αφορά τον κλάδο της Οφθαλμολογίας, η οποία έτυχε διπλής βράβευσης. Στο συγκεκριμένο πεδίο, ο οφθαλμίατρος εισάγει δεδομένα εικόνων όπως απλές τομογραφικές απεικονίσεις του οφθαλμού. Η διάγνωση οφθαλμικών παθήσεων παρουσιάζει υψηλό βαθμό δυσκολίας, καθώς το εύρος των πιθανών παθήσεων υπερβαίνει τις πενήντα. Η εκπαίδευση ενός μοντέλου ικανού να διακρίνει με ακρίβεια το σύνολο αυτών των παθήσεων αποτελεί μια εξαιρετικά σύνθετη και χρονοβόρα διαδικασία.
Σε πιλοτικό επίπεδο, μέσω προσωπικής ερευνητικής εργασίας και χωρίς εξωτερική χρηματοδότηση, αναπτύξαμε ένα σύστημα που επεξεργάζεται εικόνες οφθαλμικού βυθού και εκτελεί διαγνώσεις για παθήσεις όπως η αμφιβληστροειδοπάθεια και η υψηλή μυωπία.
— (Παρεμβαλλόμενη ερώτηση μαθητή): Συνεπώς, το σύστημα λειτουργεί βάσει λογικής τεκμηρίωσης; Παρέχει, δηλαδή, την αιτιολόγηση της απόφασής του;
Ακριβώς. Το μοντέλο έχει εκπαιδευτεί ώστε να παρέχει τη λογική εξήγηση της διάγνωσης, τόσο σε μορφή κειμένου (report) όσο και οπτικά. Συγκεκριμένα, επί της οπτικής αξονικής τομογραφίας, ο αλγόριθμος χρωματίζει ή θέτει ένα περίγραμμα στην ακριβή ανατομική περιοχή του οφθαλμού που εντοπίζεται η παθολογία. Αυτή η οπτικοποίηση της εξηγήσιμης πληροφορίας είναι υψίστης σημασίας για τον κλινικό γιατρό. Σήμερα, η έρευνα στην ψηφιακή υγεία στρέφεται καθολικά προς την ενσωμάτωση τέτοιων επεξηγηματικών μηχανισμών.
- Η Συμβουλευτική Διάσταση της AI στην Κλινική Πρακτική
— Θεωρείτε ότι στο μέλλον η διαβούλευση με συστήματα Τεχνητής Νοημοσύνης θα καταστεί υποχρεωτικό στάδιο της ιατρικής διάγνωσης;
Ναι, εκτιμώ ότι αυτή είναι η νομοτελειακή εξέλιξη των πραγμάτων. Με την πάροδο του χρόνου, η Τεχνητή Νοημοσύνη θα ενσωματωθεί σε μεγάλο ποσοστό στα αναπτυσσόμενα ιατρικά συστήματα σε όλες τις ειδικότητες. Ο γιατρός θα συμβουλεύεται υποχρεωτικά αυτά τα εργαλεία, όμως η λέξη-κλειδί είναι «θα συμβουλεύεται». Η τελική κλινική κρίση πρέπει να παραμείνει αποκλειστικά στον ίδιο.
Δεν πρέπει να απεμπολήσουμε την ανθρώπινη υπεροχή, καθότι ο γιατρός διαθέτει συνδυαστική σκέψη, εμπειρικά δεδομένα και γνωστικές δεξιότητες που ένα υπολογιστικό σύστημα αδυνατεί να αναπαραγάγει στο 100% —τουλάχιστον επί του παρόντος—. Στόχος της επιστήμης μας είναι η ανάπτυξη υποστηρικτικών εργαλείων που βελτιστοποιούν τη διαχείριση του χρόνου και μειώνουν το κόστος. Μια έγκαιρη και ακριβής αρχική διάγνωση αποτρέπει την ανάγκη για περαιτέρω δαπανηρές και χρονοβόρες εξετάσεις, αναδεικνύοντας την AI σε έναν πολύτιμο συνεργάτη και όχι σε υποκατάστατο του ανθρώπινου παράγοντα.
- Μεθοδολογία Ασαφών Γνωστικών Δικτύων (Fuzzy Cognitive Maps) και Διεθνής Αντίκτυπος
— Δραστηριοποιείστε στο πεδίο των Ασαφών Γνωστικών Δικτύων πολύ πριν αυτό καταστεί αντικείμενο ευρείας απήχησης. Ποιοι παράγοντες καθόρισαν τη μακροχρόνια προσήλωσή σας στο συγκεκριμένο αντικείμενο; Υπήρξε στιγμή αμφιβολίας ή νιώθατε ότι υπάρχει μια βαθύτερη, ανθρωποκεντρική διάσταση;
Από την απαρχή της ερευνητικής μου διαδρομής διέκρινα τη δυναμική και την αποτελεσματικότητα της συγκεκριμένης μεθοδολογίας, προσδοκία που επαληθεύτηκε πλήρως στην πράξη. Όταν ξεκίνησα τη διδακτορική μου διατριβή, η διεθνής βιβλιογραφία γύρω από τα Ασαφή Γνωστικά Δίκτυα (Fuzzy Cognitive Maps) ήταν εξαιρετικά περιορισμένη, αριθμώντας μόλις 10 με 15 δημοσιεύσεις παγκοσμίως.
Η μεθοδολογία είχε προταθεί το 1989 από τον καθηγητή Bart Kosko του Πανεπιστημίου Berkeley των ΗΠΑ. Παρά την αρχική εισήγηση, ο Kosko δεν συνέχισε την εκτενή ανάπτυξή της, καθώς η επιστημονική κοινότητα της εποχής στράφηκε μαζικά προς τα συμβατικά τεχνητά νευρωνικά δίκτυα και άλλες μορφές Μηχανικής Μάθησης.
Στο πλαίσιο της δικής μου έρευνας, επέλεξα να αναπτύξω τη μεθοδολογία αυτή, συνδυάζοντάς την τόσο με τα νευρωνικά δίκτυα όσο και με σύγχρονους αλγορίθμους εκπαίδευσης της Τεχνητής Νοημοσύνης. Η προσέγγιση αυτή προσέδωσε στα Ασαφή Γνωστικά Δίκτυα υψηλή ερμηνευσιμότητα (interpretability) και τα κατέστησε οργανικό κομμάτι της AI, γεγονός που καθόρισε τη μετέπειτα επιστημονική μου πορεία.
Μέσω αυτής της συστηματικής ερευνητικής παραγωγής, αφήσαμε ένα ισχυρό επιστημονικό αποτύπωμα διεθνώς. Στο συγκεκριμένο πεδίο υφίσταται πλέον σημαντική αναγνώριση (clarity), με το όνομά μου να κατέχει την πρώτη θέση παγκοσμίως σε αναφορές και διακρίσεις, βάσει δεδομένων της Microsoft. Αυτό οφείλεται στο γεγονός ότι υπήρξα η πρώτη που εφάρμοσε τη μεθοδολογία των Ασαφών Γνωστικών Δικτύων σε ένα ευρύτατο φάσμα ετερογενών επιστημονικών πεδίων με υψηλά ποσοστά επιτυχίας, κάτι που δεν είχε επιχειρηθεί προηγουμένως στη διεθνή κοινότητα.
- Ηθική της AI, Νομοθετικό Πλαίσιο και Ανθρωποκεντρική Συμμαχία
— Ποιοι κίνδυνοι ελλοχεύουν για τα ανθρώπινα δικαιώματα από την ανεξέλεγκτη εφαρμογή συστημάτων Τεχνητής Νοημοσύνης;
Οι κίνδυνοι είναι υπαρκτοί και σοβαροί, καθιστώντας επιτακτική την ανάγκη χρήσης της AI υπό αυστηρό κανονιστικό έλεγχο. Η Ευρωπαϊκή Ένωση έχει επιδείξει αξιοσημείωτα αντανακλαστικά, θεσπίζοντας ένα ισχυρό θεσμικό πλαίσιο, όπως ο Γενικός Κανονισμός Προστασίας Δεδομένων (GDPR) και η πρόσφατη Πράξη για την Τεχνητή Νοημοσύνη (AI Act). Το πλαίσιο αυτό επιδιώκει να διασφαλίζει τη συμβατότητα των εφαρμογών με τα θεμελιώδη δικαιώματα.
Αντίθετα οι Ηνωμένες Πολιτείες της Αμερικής ακολουθούν διαφορετική ρυθμιστική προσέγγιση, δίνοντας μεγαλύτερη έμφαση στην καινοτομία και στην αυτορρύθμιση της αγοράς, ενώ η προστασία των προσωπικών δεδομένων ρυθμίζεται κυρίως μέσω επιμέρους ομοσπονδιακών και πολιτειακών νομοθετημάτων και όχι μέσω ενός ενιαίου, οριζόντιου πλαισίου αντίστοιχου του GDPR.
— Ποια στρατηγική πρέπει να υιοθετήσουμε για μια γόνιμη «συμμαχία» με την Τεχνητή Νοημοσύνη έναντι των σύγχρονων προκλήσεων;
Η στρατηγική σύμπραξη με την Τεχνητή Νοημοσύνη αποτελεί μονόδρομο. Εάν επιτραπεί η ανεξέλεγκτη και άναρχη εξέλιξή της, θα βρεθούμε αντιμέτωποι με δομικές απειλές, με κυριότερη την αλλοτρίωση του τρόπου εργασίας, λειτουργίας και, πρωτίστως, του ίδιου του τρόπου σκέψης των μελλοντικών γενεών (πρόκληση που θα αντιμετωπίσει κυρίως η δική σας γενιά). Ο άνθρωπος διατηρεί τη δυνατότητα αλλά και την ευθύνη να κατευθύνει την AI, μετατρέποντάς την από απειλή σε ένα εξαιρετικά ωφέλιμο εργαλείο για την κοινωνική και επιστημονική πρόοδο.
- Αναδιαμόρφωση της Εκπαιδευτικής Διαδικασίας και της Αγοράς Εργασίας
— Υπό την ιδιότητά σας ως πανεπιστημιακού δασκάλου και επιστήμονα, ποια εφόδια θεωρείτε απαραίτητα για τη νέα γενιά μαθητών σε ένα περιβάλλον κυριαρχίας της AI;
Η βασική μου εισήγηση επικεντρώνεται στην ανάγκη εμβάθυνσης στις θεμελιώδεις επιστήμες, όπως τα Μαθηματικά και η Φυσική. Αντιθέτως, θεωρώ ότι η υπέρμετρη εστίαση στις τεχνικές δεξιότητες πληροφορικής και προγραμματισμού θα παρουσιάσει φθίνουσα σημασία στο μέλλον, καθώς η παραγωγή κώδικα θα αυτοματοποιηθεί σε μεγάλο βαθμό από τα ίδια τα συστήματα AI.
Πιστεύω ότι οι βασικοί πυλώνες παραμένουν η γλώσσα, τα μαθηματικά και οι φυσικές επιστήμες, διότι καλλιεργούν την ικανότητα ανάλυσης, λογικής επεξεργασίας και κατανόησης του κόσμου. Παράλληλα, η φιλοσοφία και η ιστορία αποκτούν ιδιαίτερη σημασία, καθώς βοηθούν τους νέους να αξιολογούν κριτικά τις πληροφορίες, να κατανοούν τις κοινωνικές συνέπειες των τεχνολογιών και να λαμβάνουν υπεύθυνες αποφάσεις. Η Τεχνητή Νοημοσύνη μπορεί να παρέχει γνώσεις και απαντήσεις, η κρίση όμως για το πώς θα χρησιμοποιηθούν παραμένει ανθρώπινη ευθύνη.
Εάν υιοθετήσουμε μια παθητική στάση, αποδεχόμενοι άκριτα τις απαντήσεις των συστημάτων Τεχνητής Νοημοσύνης χωρίς τη διαμεσολάβηση της κριτικής σκέψης, η τεχνολογία μπορεί να αποβεί επιζήμια. Οι γνωστικές αυτές βάσεις πρέπει να τίθενται ήδη από την πρωτοβάθμια και δευτεροβάθμια εκπαίδευση, ώστε οι νέοι να αποκτούν τα εφόδια που απαιτούνται για τις ανώτατες σπουδές και τη μετέπειτα επαγγελματική τους πορεία.
— (Ερώτηση Μαθητή): Υφίσταται έντονος προβληματισμός στη γενιά μας αναφορικά με τον κίνδυνο τεχνολογικής ανεργίας ή γνωστικής υποβάθμισης λόγω της AI. Θεωρείτε τον φόβο αυτό δικαιολογημένο;
Ο φόβος αυτός είναι απολύτως κατανοητός και απασχολεί έντονα τη σύγχρονη κοινωνία, ωστόσο εμπεριέχει στοιχεία υπερβολής. Η δική μου γενιά έχει ήδη διαμορφώσει την επαγγελματική της πορεία και σταδιοδρομία, επομένως η πρόκληση αφορά πρωτίστως εσάς. Η απάντηση στην πρόκληση αυτή δεν είναι ο φόβος, αλλά η έγκαιρη προσαρμογή και η προετοιμασία για μια αγορά εργασίας που θα λειτουργεί σε στενή αλληλεπίδραση με την Τεχνητή Νοημοσύνη. Αυτό απαιτεί επένδυση στη δια βίου μάθηση, στη διαρκή μελέτη και ευελιξία στην αλλαγή αντικειμένων.
Η ιστορική πείρα δείχνει ότι η αυτοματοποίηση καταργεί συγκεκριμένες θέσεις εργασίας, ταυτόχρονα όμως δημιουργεί νέες ευκαιρίες. Η βασική διαφορά για τη δική σας γενιά, όπως έχω επισημάνει και σε παλαιότερη παρέμβασή μου στον τύπο (περιοδικό Μαγνησία), είναι ότι θα κληθείτε να αλλάξετε περισσότερα επαγγελματικά αντικείμενα κατά τη διάρκεια του εργασιακού σας βίου συγκριτικά με το παρελθόν (όπου η εκπαίδευση οδηγούσε σε μια σταθερή, ισόβια σταδιοδρομία).
Η ανάγκη αυτή για συνεχή μετασχηματισμό δεν πρέπει να προκαλεί δέος. Αποτελεί μια πραγματικότητα την οποία βιώνουμε ήδη και εμείς στον ακαδημαϊκό χώρο. Η παραδοσιακή διδασκαλία στον πίνακα έχει αντικατασταθεί από τη διαρκή ερευνητική επαγρύπνηση, την ανάπτυξη σύνθετων συστημάτων και τις εκτεταμένες ώρες εργασίας που απαιτούν καθημερινή μελέτη για τη διατήρηση της επιστημονικής αιχμής.
Υπό αυτή την έννοια, η Τεχνητή Νοημοσύνη και η ψηφιοποίηση δεν συρρικνώνουν την απασχόληση, αλλά διευρύνουν το εύρος των δραστηριοτήτων μας. Για παράδειγμα, η καθιέρωση των εργαλείων εξ αποστάσεως επικοινωνίας επιτρέπει τη συμμετοχή σε διεθνή συνέδρια και τηλεδιασκέψεις χωρίς τις χρονικές και χωρικές δεσμεύσεις των παλαιότερων μετακινήσεων με αεροπλάνα, αυξάνοντας κατακόρυφα την παραγωγικότητα και την επιστημονική εξέλιξη.
- Το Πλεονέκτημα της Ελλάδας και η Ελληνική Νοοτροπία
— Πιστεύετε ότι η χώρα μας, η Ελλάδα, έχει δυνατότητες στον τομέα της τεχνητής νοημοσύνης;
Ναι, η Ελλάδα διαθέτει εξαιρετικό ανθρώπινο δυναμικό και αξιόλογους επιστήμονες στον χώρο της τεχνητής νοημοσύνης. Οι προοπτικές είναι σημαντικές, αρκεί να υπάρξει συστηματική επένδυση στην έρευνα, στην καινοτομία και στην αποτελεσματική αξιοποίηση του επιστημονικού δυναμικού της χώρας.
Ανεξάρτητα από τις διαρθρωτικές αδυναμίες της χώρας, οι Έλληνες επιστήμονες διακρίνονται διεθνώς για την προσαρμοστικότητα, την ευρηματικότητα και την ικανότητά τους να επιλύουν σύνθετα προβλήματα υπό απαιτητικές συνθήκες. Η εμπειρία λειτουργίας σε περιβάλλον με περιορισμένους πόρους συχνά καλλιεργεί δεξιότητες ταχείας λήψης αποφάσεων και αναζήτησης εναλλακτικών λύσεων. Ίσως αυτός να είναι ένας από τους λόγους για τους οποίους πολλοί Έλληνες επιστήμονες που σταδιοδρομούν στο εξωτερικό διακρίνονται σε πανεπιστήμια, ερευνητικά κέντρα και τεχνολογικούς οργανισμούς υψηλού κύρους.
- Το Ψηφιακό Χάσμα, τα Κοινωνικά Δίκτυα και η Γνωστική Ανάπτυξη των Ανηλίκων
— Εάν είχατε ένα μαγικό ραβδί, τι θα αλλάζατε στην τεχνητή νοημοσύνη σήμερα και τι σας ανησυχεί για το μέλλον της;
Η πρώτη μου προτεραιότητα θα ήταν ο περιορισμός της ανεξέλεγκτης επεξεργασίας προσωπικών δεδομένων και των πληροφοριών που διακινούνται μέσω των μέσων κοινωνικής δικτύωσης, με στόχο την απόλυτη διασφάλιση της ιδιωτικής ζωής.
Η δεύτερη καθοριστική παρέμβαση θα αφορούσε τη θεσμοθέτηση κατώτατου ορίου ηλικίας (τα 16 έτη) για τη χρήση έξυπνων τηλεφώνων (smartphones) και σχετικών εφαρμογών από τους μαθητές. Ως μητέρα και ως εκπαιδευτικός, διαπιστώνω ότι η κοινωνικοποίηση και η διαπαιδαγώγηση των σύγχρονων εφήβων συντελείται σε ανησυχητικό βαθμό από πλατφόρμες όπως το TikTok και το ChatGPT, οδηγώντας τα παιδιά στο να αφιερώνουν αμέτρητες ώρες στις οθόνες και να διαμορφώνουν χαρακτήρα από παγκόσμια ψηφιακά πρότυπα, αμφισβητώντας τις οικογενειακές νουθεσίες.
Η χρήση της τεχνολογίας στις μικρές ηλικίες πρέπει να επαναπροσδιοριστεί αυστηρά προς την κατεύθυνση της εκπαιδευτικής υποστήριξης —όπως η παρακολούθηση online μαθημάτων, η διενέργεια τεστ ή η τεκμηριωμένη άντληση πληροφοριών—, όπου η τεχνολογία αντικαθιστά δημιουργικά τον χρόνο που απαιτούσε παλαιότερα η αναζήτηση σε πολλαπλές εγκυκλοπαίδειες.
Η γενιά μας βίωσε τη μετάβαση από το απόλυτα αναλογικό περιβάλλον στην εποχή της καθολικής ψηφιοποίησης, γεγονός που αναδεικνύει ένα χαώδες ψηφιακό χάσμα. Η εισαγωγή των ηλεκτρονικών υπολογιστών στην προσωπική μας διαδρομή έγινε στην ηλικία των 22 ετών, ενώ σήμερα οι μαθητές είναι εκτεθειμένοι σε υψηλή ψηφιακή πυκνότητα ήδη από το Δημοτικό, αλλάζοντας ριζικά τον τρόπο ζωής.
- Κοινωνική Αλληλεπίδραση, Ανθρώπινη Επαφή και το Ζήτημα της Τεχνητής Ενσυναίσθησης
— Κάποιοι υποστηρίζουν ότι με την τεχνητή νοημοσύνη έρχεται το τέλος της ανθρώπινης σκέψης. Περιορίζει ή ενισχύει τελικά την ανθρώπινη σκέψη;
Όλα εξαρτώνται από τον τρόπο χρήσης. Η παθητική υιοθέτηση των απαντήσεων της ΤΝ χωρίς φιλτράρισμα και αξιολόγηση οδηγεί αναπόφευκτα σε ατροφία της κριτικής σκέψης. Αντιθέτως, η αξιοποίησή της ως υποστηρικτικού εργαλείου μπορεί να ενισχύσει σημαντικά τη σκέψη, προτρέποντας τη νέα γενιά να εξασκήσει την κριτική της ικανότητα ακόμη περισσότερο.
Προσωπικά, αρνούμαι να επιτρέψω στις εφαρμογές να με αντικαταστήσουν καθολικά: διατηρώ τη γραφή με στυλό στο χαρτί και, στην επίλυση προβλημάτων, επιλέγω να βασίζομαι στη σκέψη, σε κλασικά βιβλία και αρχεία για τον συνδυασμό των δεδομένων, αντί να καταφεύγω αυτοματοποιημένα σε εργαλεία τύπου ChatGPT, όπως πράττουν συστηματικά οι φοιτητές.
Το ίδιο ισχύει και για την κοινωνική ζωή, όπου η παθητική προσκόλληση στις οθόνες των κινητών κατά τη διάρκεια της κοινωνικής συναναστροφής συνιστά μορφή κοινωνικής αποξένωσης και απομόνωσης. Η αυθεντική επικοινωνία και το ανθρώπινο συναίσθημα αναπτύσσονται αποκλειστικά μέσω της φυσικής αλληλεπίδρασης, και αυτή είναι μια θεμελιώδης αρχή που η εκπαιδευτική κοινότητα και η οικογένεια οφείλουν να μεταλαμπαδεύσουν στις επόμενες γενιές.
— Θα αποκτήσουν ποτέ οι μηχανές πραγματική ενσυναίσθηση;
Η ανάπτυξη αυθεντικής ενσυναίσθησης από μηχανικά συστήματα, στον βαθμό και με την ποιότητα που αυτή απαντάται στον άνθρωπο, κρίνεται επιστημονικά εξαιρετικά δυσχερής. Αναμφίβολα, τα σύγχρονα μοντέλα AI διαθέτουν την ικανότητα να αναγνωρίζουν και να ταξινομούν ανθρώπινα συναισθήματα —όπως τον φόβο, τη θλίψη, τη χαρά ή την ανησυχία— μέσω της επεξεργασίας του φυσικού λόγου ή της ανάλυσης εικόνων. Ωστόσο, η αναγνώριση αυτή παραμένει σε επίπεδο στατιστικής επεξεργασίας δεδομένων· οι μηχανές αδυνατούν να βιώσουν ή να συνδιαλλαγούν συναισθηματικά με τον τρόπο που το πράττει το ανθρώπινο υποκείμενο.
— (Παρατήρηση Μαθητή): Η ανθρώπινη ενσυναίσθηση συνδέεται άρρηκτα με το προσωπικό βίωμα. Η αναγνώριση του πόνου του άλλου βασίζεται στην ανάδυση δικών μας προγενέστερων βιωμάτων. Εφόσον η μηχανή στερείται βιολογικών και υπαρξιακών εμπειριών και βασίζεται αποκλειστικά στην εκπαίδευση, η ενσυναίσθησή της θα παραμείνει αναγκαστικά εργαλειακή (instrumental), χωρίς τη βαθιά ανθρωποκεντρική παρόρμηση για αλληλεγγύη.
Η τοποθέτηση αυτή είναι απολύτως ακριβής και αποδίδει την ουσία του ζητήματος. Αυτή είναι η θεμελιώδης ειδοποιός διαφορά μεταξύ ανθρώπινης και τεχνητής νόησης.
Βέβαια, οφείλουμε να διατηρούμε μια επιστημονική επιφυλακτικότητα. Εάν πριν από είκοσι έτη επιχειρούσαμε να προβλέψουμε το παρόν της Τεχνητής Νοημοσύνης, θα αδυνατούσαμε να συλλάβουμε το μέγεθος των σημερινών επιτευγμάτων. Η τεχνολογία εξελίσσεται με εκθετικούς ρυθμούς, γεγονός που καθιστά ριψοκίνδυνη κάθε μακροχρόνια πρόβλεψη για τη μορφή που θα λάβει η κοινωνία μας τις επόμενες δεκαετίες.
- Συμπεράσματα και Ακαδημαϊκές Κατευθύνσεις
— Ποιο θα ήταν το καταληκτικό σας μήνυμα προς έναν νέο που φιλοδοξεί να εξειδικευτεί επιστημονικά στο πεδίο της Τεχνητής Νοημοσύνης;
Θα επαναλάβω την ανάγκη για συστηματική επένδυση στις θεμελιώδεις επιστήμες. Η απόκτηση ενός στέρεου γνωστικού υποβάθρου στα Μαθηματικά, τη Φυσική και τη γλώσσα αποτελεί απαραίτητη προϋπόθεση για όποιον επιθυμεί να ασχοληθεί ουσιαστικά με την Τεχνητή Νοημοσύνη. Μόνο μέσα από την ανάπτυξη ισχυρής αναλυτικής, συνδυαστικής και κριτικής σκέψης μπορεί ένας μελλοντικός επιστήμονας να γεφυρώνει διαφορετικά γνωστικά πεδία και να αξιοποιεί αποτελεσματικά τις δυνατότητες της ΤΝ για την επίλυση σύνθετων προβλημάτων. Η Τεχνητή Νοημοσύνη είναι ένα εξαιρετικά ισχυρό εργαλείο, όμως η αξία της εξαρτάται από το επίπεδο γνώσεων, κρίσης και επιστημονικής κατάρτισης εκείνου που τη χρησιμοποιεί. Χωρίς αυτές τις βάσεις, η ουσιαστική ενασχόληση και η σε βάθος κατανόηση του αντικειμένου καθίστανται ιδιαίτερα δύσκολες.
Η ολοκλήρωση αυτής της εκτενούς και εξαιρετικά γόνιμης συζήτησης μας γεμίζει με αίσθημα βαθιάς ικανοποίησης, αλλά και με πολύτιμα εφόδια για το μέλλον. Η ευκαιρία να προσεγγίσουμε τις καταιγιστικές εξελίξεις της Τεχνητής Νοημοσύνης μέσα από τη ματιά της κορυφαίας επιστημονικής έρευνας αποτέλεσε για τους μαθητές του ΓΕΛ Τυρνάβου μια μοναδική εμπειρία.
Η διευθύντρια του ΓΕΛ Τυρνάβου εκφράζει τις θερμότερες και πλέον ειλικρινείς ευχαριστίες της στην Καθηγήτρια του Πανεπιστημίου Θεσσαλίας, Δρ. Ελπινίκη Παπαγεωργίου, η οποία μας τίμησε με την παρουσία της. Η προθυμία της να μοιραστεί μαζί μας όχι μόνο τις εξειδικευμένες επιστημονικές της γνώσεις και τις διεθνείς της διακρίσεις, αλλά και τις πολύτιμες σκέψεις της για την ηθική, την εκπαίδευση και τον ανθρωποκεντρικό χαρακτήρα της τεχνολογίας, υπήρξε πηγή έμπνευσης για όλους μας. Η απλότητα, η μεταδοτικότητα και το ακαδημαϊκό της ήθος αποτελούν φωτεινό παράδειγμα για τη νέα γενιά που καλείται να πορευτεί στην εποχή της ψηφιακής εποχής. Παράλληλα, εκφράζει τη βαθιά της ευγνωμοσύνη προς τον Πρόεδρο του Τμήματος Συστημάτων Ενέργειας του Πανεπιστημίου Θεσσαλίας, Δρ. Θεοδοσίου, για τη θερμή υποδοχή και την έμπρακτη στήριξη της μαθητικής μας δράσης, γεγονός που αναδεικνύει την εξωστρέφεια του Πανεπιστημίου και τους ισχυρούς δεσμούς του με τη δημόσια εκπαίδευση. Τέλος , εκφράζει τις θερμές της ευχαριστίες στον Σύμβουλο εκπαίδευσης φιλολόγων ν. Λάρισας, Μάτο Αναστάσιο, για την άψογη συνεργασία, την καθοριστική του συμβολή και την αμέριστη υποστήριξη που παρείχε καθ’ όλη τη διάρκεια της προετοιμασίας και της υλοποίησης αυτής της απαιτητικής πρωτοβουλίας. Η σύμπραξη αυτή απέδειξε στην πράξη πώς η γέφυρα ανάμεσα στη δευτεροβάθμια εκπαίδευση και την επιστημονική κοινότητα μπορεί να γεννήσει σπουδαίους καρπούς.
Ακολουθήστε το 
στο Google News και μάθετε πρώτοι όλες τις ειδήσεις.
