Ορισμοί

Η τεχνητή νοημοσύνη αναφέρεται στον κλάδο της πληροφορικής ο οποίος ασχολείται με τη σχεδίαση και την υλοποίηση υπολογιστικών συστημάτων που μιμούνται στοιχεία της ανθρώπινης συμπεριφοράς τα οποία υπονοούν έστω και στοιχειώδη ευφυΐα: μάθηση, προσαρμοστικότητα, εξαγωγή συμπερασμάτων, κατανόηση από συμφραζόμενα , επίλυση προβλημάτων κλπ. Ο όρος της τεχνητής νοημοσύνης (AI) επινοήθηκε το 1956, αλλά το (AI) έχει γίνει πιο δημοφιλές σήμερα λόγω του αυξημένου όγκου δεδομένων, των προηγμένων αλγορίθμων και των βελτιώσεων στην ισχύ των υπολογιστών και την αποθήκευση των δεδομένων.

Η τεχνητή νοημοσύνη αποτελεί σημείο τομής μεταξύ πολλαπλών επιστημών όπως της πληροφορικής, της ψυχολογίας, της φιλοσοφίας, της νευρολογίας, της γλωσσολογίας και της επιστήμης μηχανικών, με στόχο τη σύνθεση ευφυούς συμπεριφοράς, με στοιχεία συλλογιστικής, μάθησης και προσαρμογής στο περιβάλλον, ενώ συνήθως εφαρμόζεται σε μηχανές ή υπολογιστές ειδικής κατασκευής.

Το Νευρωνικό δίκτυο είναι ένα αφηρημένο αλγοριθμικό κατασκεύασμα το οποίο εμπίπτει στον τομέα της υπολογιστικής νοημοσύνης, όταν στόχος του νευρωνικού δικτύου είναι η επίλυση κάποιου υπολογιστικού προβλήματος,

Εξέλιξη

Η τεχνητή νοημοσύνη (ΑΙ από το Artificial Intelligence) καθιστά τις μηχανές ικανές να μαθαίνουν από την εμπειρία, να προσαρμόζονται σε νέα εισαγόμενα δεδομένα και να εκτελούν ανθρωπομορφικά έργα. Τα περισσότερα παραδείγματα AI για τα οποία ακούτε σήμερα –από τους υπολογιστές που παίζουν σκάκι έως τα αυτο-οδηγούμενα αυτοκίνητα– βασίζονται σε μεγάλο βαθμό στο deep learning και την επεξεργασία φυσικής γλώσσας (ΕΦΓ). Με τη χρήση των τεχνολογιών αυτών, οι υπολογιστές μπορούν να εκπαιδευτούν ώστε να επιτελούν συγκεκριμένα καθήκοντα με επεξεργασία μεγάλων ποσοτήτων δεδομένων και αναγνώριση μορφών στα δεδομένα.

Αρχικά, η έρευνα γύρω από το AI επικεντρώθηκε σε θέματα όπως η επίλυση προβλημάτων και οι συμβολικές μέθοδοι. Τη δεκαετία του ’60, το Υπουργείο Άμυνας των ΗΠΑ ενδιαφέρθηκε για αυτόν τον τύπο εργασίας και ξεκίνησε την εκπαίδευση των υπολογιστών στη μίμηση της βασικής ανθρώπινης συλλογιστικής. Για παράδειγμα, η Υπηρεσία Προηγμένων Ερευνητικών Προγραμμάτων Άμυνας (DARPA) ολοκλήρωσε τα προγράμματα χαρτογράφησης δρόμων τη δεκαετία του ’70. επίσης, η DARPA παρήγαγε ευφυείς προσωπικούς βοηθούς το 2003, πολύ πριν η Siri, Alexa και Cortana γίνουν πασίγνωστες.

Αυτή η πρώτη εργασία, προετοίμασε το έδαφος για την αυτοματοποίηση και την τυπική συλλογιστική που βλέπουμε στους υπολογιστές σήμερα, συμπεριλαμβανομένων των συστημάτων υποστήριξης λήψης αποφάσεων και των έξυπνων συστημάτων αναζήτησης που μπορούν να σχεδιαστούν ώστε να συμπληρώνουν και να βελτιώνουν τις ανθρώπινες ικανότητες

«Πως λειτουργεί η Α.Ι . ; »

• Το ΑΙ αυτοματοποιεί την επαναληπτική μάθηση και την ανακάλυψη μέσω δεδομένων. Το AI διαφέρει, όμως, από την καθοδηγούμενη από το hardware ρομποτική αυτοματοποίηση. Αντί των αυτοματοποιημένων χειροκίνητων έργων, το AI εκτελεί συχνά, μεγάλου όγκου μηχανογραφημένα έργα, αξιόπιστα και χωρίς κόπο. Για αυτόν τον τύπο της αυτοματοποίησης, η ανθρώπινη έρευνα εξακολουθεί να είναι καίριας σημασίας για να εγκατασταθεί το σύστημα και να τεθούν οι κατάλληλες ερωτήσεις..
• Το AI προσθέτει ευφυΐα στα υπάρχοντα προϊόντα. Στις περισσότερες περιπτώσεις, το AI δεν πωλείται ως μεμονωμένη εφαρμογή. Πιθανότερο είναι οι ικανότητες του AI να βελτιώνουν τα προϊόντα που ήδη χρησιμοποιείτε, όπως η πρόσθεση της ψηφιακής βοηθού Siri ως λειτουργία στα προϊόντα Apple νέας γενιάς. Η αυτοματοποίηση, οι πλατφόρμες συνομιλίας, τα bots και οι έξυπνες μηχανές μπορούν να συνδυαστούν με μεγάλες ποσότητες δεδομένων προκειμένου να βελτιώνουν πολλές τεχνολογίες στο σπίτι και τον χώρο εργασίας από την ασφάλεια πληροφοριών έως την ανάλυση επενδύσεων.
• Το AI προσαρμόζεται μέσω προοδευτικών αλγορίθμων εκμάθησης (learning algorithms) ώστε να αφεθούν τα δεδομένα να κάνουν τον προγραμματισμό. To ΑΙ βρίσκει δομή και κανονικότητες στα δεδομένα οπότε ο αλγόριθμος αποκτά μια δεξιότητα: Ο αλγόριθμος ταξινομεί ή κατηγοριοποιεί. Έτσι, όπως ο αλγόριθμος μπορεί να διδάξει τον εαυτό του τον τρόπο να παίζει σκάκι, μπορεί και να τον διδάξει ποιο προϊόν να συστήσει στη συνέχεια διαδικτυακά. Και τα μοντέλα προσαρμόζονται όταν τους δίνονται νέα δεδομένα. Η οπισθοδιάδοση (back–propagation) είναι μια τεχνική AI που επιτρέπει στο μοντέλο να προσαρμόζεται, μέσω εκπαίδευσης και προστιθέμενων δεδομένων όταν η πρώτη απάντηση δεν είναι η ενδεδειγμένη.

• Το AI αναλύει περισσότερα και βαθύτερα δεδομένα με χρήση neural networks (νευρωνικά δίκτυα) που διαθέτουν πολλά κρυφά επίπεδα. Η κατασκευή ενός συστήματος ανίχνευσης απάτης με πέντε κρυφά επίπεδα ήταν σχεδόν αδύνατη λίγα χρόνια νωρίτερα. Όλα αυτά έχουν αλλάξει με την απίστευτη ισχύ των υπολογιστών και το μέγεθος των δεδομένων. Χρειάζεσαι μια πληθώρα δεδομένων για να εκπαιδεύσεις μοντέλα μάθησης σε βάθος, επειδή μαθαίνουν απευθείας από τα δεδομένα. Με όσο περισσότερα δεδομένα τα τροφοδοτείς, τόσο πιο ακριβή γίνονται.
• Το AI επιτυγχάνει απίστευτη ακρίβεια μέσω deep neural networks – κάτι που προηγουμένως ήταν αδύνατο. Για παράδειγμα, οι αλληλεπιδράσεις σας με το Alexa, το Google Search και το Google Photos βασίζονται στη στο deep learning – και συνεχίζονται να γίνονται πιο ακριβείς όσο περισσότερο τα χρησιμοποιείτε. Στον ιατρικό τομέα, τεχνικές AI όπως το deep learning, η ταξινόμηση εικόνων και η αναγνώριση αντικειμένων μπορούν τώρα να χρησιμοποιηθούν για την ανίχνευση καρκίνου σε απεικονίσεις με μαγνητική τομογραφία, με ακρίβεια παρόμοια με αυτή καταρτισμένων ακτινολόγων.
• To ΑΙ αξιοποιεί στο έπακρο τα δεδομένα. Όταν οι αλγόριθμοι είναι αυτο-εκπαιδευόμενοι, τα ίδια τα δεδομένα μπορούν να καταστούν πνευματική ιδιοκτησία. Οι απαντήσεις βρίσκονται στα δεδομένα, απλά, πρέπει να εφαρμόσετε μεθόδους τεχνητής νοημοσύνης για να τις ανακτήσετε. Επειδή ο ρόλος των δεδομένων είναι πλέον πιο σημαντικός από ποτέ άλλοτε, μπορούν να δημιουργήσουν ένα ανταγωνιστικό πλεονέκτημα. Εάν διαθέτετε τα καλύτερα δεδομένα σε έναν ανταγωνιστικό βιομηχανικό κλάδο, ακόμη και αν όλοι εφαρμόζουν παρόμοιες τεχνικές, τα καλύτερα δεδομένα θα νικήσουν.

Τα τελευταία χρόνια περάσαμε αργά αλλά σταδιακά από την θεωρητική προσέγγιση στην εφαρμοσμένη χρήση “μηχανών’  τεχνητής νοημοσύνης. Πλέον δεν μιλάμε για επιστημονική φαντασία αλλά για πραγματικότητα με πλήθος εφαρμογών που επηρεάζουν από την καθημερινότητα μας ως και την Οικονομία μίας ολόκληρης χώρας. Αναφέρουμε ενδεικτικά κάποιους από τους τομείς ,υπηρεσίες και εφαρμογές της ΑΙ. Τομείς

• Γεωργία
• Αεροπορία
• Εκπαίδευση
• Βιομηχανία
• Νοσοκομεία και ιατρική
• Ανθρώπινοι πόροι
• Αναζήτηση εργασίας
• Μάρκετινγκ
• ΜΜΕ και ηλεκτρονικό εμπόριο
• Μουσική
• Τηλεπικοινωνίες
• Παιχνίδια και παιχνίδια
• Μεταφορές

Υπηρεσίες αξιοποίησης AI

• Αυτοματοποιημένη υποστήριξη πελατών
•  Εξατομικευμένη εμπειρία αγορών
• Υγειονομική περίθαλψη
• Οικονομικός Σχεδιασμός·
• Ασφάλεια και επιτήρηση·
• Δημιουργικές τέχνες·
• Έξυπνες οικιακές συσκευές·
• Κοινωνικά μέσα ενημέρωσης·
• Έξυπνα αυτοκίνητα και drones
  

Εφαρμογές AI

• Οπτική αναγνώριση χαρακτήρων
• Αναγνώριση χειρόγραφου
• Αναγνώρισης ομιλίας
• αναγνώριση προσώπου
• Τεχνητή δημιουργικότητα
• Υπολογιστική όραση, εικονική πραγματικότητα, επεξεργασία εικόνας, αλγόριθμοι κλιμάκωσης pixel-art, κλιμάκωση εικόνας και παρεμβολή κίνησης
• Διάγνωση (τεχνητή νοημοσύνη)
• Θεωρία παιχνιδιών και στρατηγικός σχεδιασμός
• Φυσική επεξεργασία γλώσσας, μετάφραση και chatterbots

Έχοντας αναφερθεί σε προηγούμενα άρθρα στις δυο άλλες αιχμές τεχνολογίας στο κλάδο τοπογραφίας που είναι τα drones και η επαυξημένη πραγματικότητα με 3D modeling και simulation θα αναφερθούμε σύντομα και στη εφαρμογή τεχνητής νοημοσύνης στη τοπογραφία

 

Πολλές «νέες τεχνολογίες» τοπογραφίας

μπορούν να έχουν ως αξιόπιστο «οδηγό» την AI

Όσον αφορά την τοπογραφία, ο συνδυασμός του AI με την μοντελοποίηση πληροφοριών κτιρίου ( BIM ) ή  της AI με τα γεωγραφικά συστήματα πληροφοριών (GIS) αυτοματοποιούνται πολλές από τις βασικές εργασίες.

Η Μοντελοποίηση Πληροφοριών Κτιρίου (BIM) ή ένα GIS project είναι  συστήματα  που περιλαμβάνουν τη δημιουργία μιας ολοκληρωμένης ψηφιακής και χωρικής περιγραφής κάθε στάδιου ενός έργου και περιέχουν πλήθος δεδομένων που σχετίζονται με κάθε φυσικό και λειτουργικό στοιχείο της κατασκευής ή της περιοχής μελέτης αντίστοιχα.

Όσον αφορά την AI, η ικανότητα ενσωμάτωσης της μηχανικής μάθησης με τις ιδιότητες της ανθρώπινης νοημοσύνης έχει ήδη αρχίσει να διεισδύει σε αυτά τα συστήματα. Για παράδειγμα, η ανάλυση μεγάλων ποσοτήτων δεδομένων έχει αρκετές πρακτικές εφαρμογές για αξιολογήσεις ποιότητας ελέγχου.

Ακολουθούν δύο πρόσφατοι σχετικοί σύνδεσμοι ως προς την τεχνητή νοημοσύνη στο Κτηματολόγιο και στη Δικαιοσύνη

https://www.lawspot.gr/nomika-blogs/vasilis_karkatzoynis/tehniti-noimosyni-sti-dikaiosyni-entyposiakes-prooptikes

https://m.naftemporiki.gr/story/1552773/to-ktimatologio-psifiopoiei-1-disekatommurio-selides

 

Αμέσως αντιλαμβανόμαστε ότι πλέον μιλάμε για A.I. εφαρμοσμένη σε «βρεφικό στάδιο»

αλλά ταχύτατα αναπτυσσόμενο