Μάθημα : Β - ΠΛΗΡΟΦΟΡΙΚΗ - ΜΕΓΑΡΧΙΩΤΗ

Β - ΠΛΗΡΟΦΟΡΙΚΗ - ΜΕΓΑΡΧΙΩΤΗ

G1799122 - ΧΡΙΣΤΙΝΑ ΜΕΓΑΡΧΙΩΤΗ

Ενότητες μαθήματος

6. Τεχνητή νοημοσύνη-Μηχανική μάθηση

5. Κάρτες επέκτασης - Θύρες σύ... 7. Αλγοριθμική-Προγραμματισμός

Artificial Intelligence, Machine Learning and Deep Learning Development Stock Vector - Illustration of computational, learning: 170698524

Τι θα μάθουμε σήμερα:

  • τι εννοούμε με τον όρο τεχνητή νοημοσύνη(artificial intelligence)
  • τι είναι η μηχανική μάθηση(machine learning)
  • τι είναι η βαθιά μάθηση(deep learning)
  • να αναφέρουμε παραδείγματα τεχνητής νοημοσύνης(ΤΝ) που συναντούμε στην καθημερινότητά μας
  • να εντοπίζουμε και να αναγνωρίζουμε τα μέρη από τα οποία αποτελείται ένα σύστημα μηχανικής μάθησης(ΜΜ)
  • θα μελετήσουμε την έννοια της μεροληψίας αλγορίθμων(alogorithmic bias)και τις επιπτώσεις τους στην κοινωνία

Αφόρμηση

Αυτός ο άνθρωπος δεν υπάρχει!!!!

https://thispersondoesnotexist.com/

Αυτό είναι ένα παράδειγμα ΑΙ...γνωρίζουμε άλλα παραδείγματα ΑΙ? 

Εισαγωγή

Τεχνητή Νοημοσύνη (Τ.Ν.) είναι ο τομέας της επιστήμης των υπολογιστών, που ασχολείται με τη σχεδίαση ευφυών υπολογιστικών συστημάτων, δηλαδή συστημάτων ικανών για λειτουργίες που αποδίδονται σε ανθρώπινη νοημοσύνη. Παραδείγματα ΤΝ αποτελούν τα chat bots, οι προτάσεις του Netflix, αναγνώριση ομιλίας/εικόνας(οπτική -ακουστική αντίληψη), μετάφραση, αναγνώριση προτύπων κ.α.

Ακολουθήστε τον σύνδεσμο και πάρτε μία γεύση πώς μπορούμε να "φτιάξουμε" τέχνη, και όχι μόνο, με την ΤΝ(ΑΙ)

 

H Μηχανική Μάθηση ως κλάδος της Τ.Ν. ασχολείται με τη μελέτη αλγορίθμων που βελτιώνουν τη συμπεριφορά τους σε κάποια εργασία χρησιμοποιώντας την εμπειρία τους. Ουσιαστικά χρησιμοποιεί αλγορίθμους για την ανάλυση δεδομένων, την εκμάθηση από αυτά τα δεδομένα και τη λήψη αποφάσεων με βάση αυτά που έχει μάθει.

 

 

 

 

 

Η Βαθιά Μάθηση, από την άλλη πλευρά, μπορεί να μάθει και να παίρνει έξυπνες αποφάσεις μόνη της. Eμπνευσμένη από τη δομή ενός ανθρώπινου εγκεφάλου. Συνοπτικά:

•  Είναι εξ ολοκλήρου μία αυτόματη διαδικασία.
• Τα δεδομένα «εκπαιδεύουν» τους νευρώνες.
• Πιθανό σφάλμα βοηθά στην προσαρμογή του μοντέλου.

• Απαιτείται μεγάλος όγκος δεδομένων.

Δραστηριότητα στο εργαστήριο

Ωρα για kahoot!!

Πώς οι AI γεννήτριες εικόνες κάνουν τις προκαταλήψεις εντονότερες

 

https://www.youtube.com/watch?v=L2sQRrf1Cd8 

Ομαδοσυνεργατική εργασία

Συζήτηση για το πώς παράγοντες όπως οι τρόποι ιεράρχησης και φιλτραρίσματος των μηχανών αναζήτησης και οι εφαρμογές μηχανικής μάθησης θα μπορούσαν να προκαλέσουν μεροληψία αλγορίθμων στην καθημερινή ζωή.

Βρείτε και μελετήστε παραδείγματα μεροληψίας αλγορίθμων(όπως αυτό https://techblog.gr/software/google-racist-photos-app-tag-6732/ ή αυτό https://www.capital.gr/bloomberg-view/3236184/min-paizete-me-to-google-translate-sto-mellon-mporei-na-fanei-akros-epikinduno)  και καταγράψτε τις επιπτώσεις τους σε εμπορικό επίπεδο, πολιτικό επίπεδο(δες εκλογές), διακρίσεις φύλου, φυλής, εθνικότητας. Παρουσιάστε τα στην τάξη

 

+ Σκέφτομαι και γράφω:

Με τις μηχανές που μαθαίνουν μόνες τους, όλο και περισσότερο χρησιμοποιούμε (ή μας χρησιμοποιούν) εργαλεία που δεν ξέρουμε πώς λειτουργούν.

Το βέβαιο είναι ότι αναπόφευκτα θα πρέπει να συνηθίσουμε στην ιδέα αυτή. Αργά ή γρήγορα, το machine learning θα μπει σε κάθε τομέα της ζωής μας. Γράψτε αν αυτό είναι θετικό ή αρνητικό. Πώς βλέπετε εσείς αυτήν την προοπτική. Θα δούμε θετικές αλλαγές, ή μήπως πρόκειται για την αρχή μιας νέας εποχής μηχανών?