Πώς λειτουργεί το Διαδίκτυο; Ποιος το τρέχει; Ποιος παίρνει τις αποφάσεις που το αφορούν; Γιατί είναι όλα έτσι όπως είναι; Σε αυτή την ομιλία, θα δούμε πως απλοί άνθρωποι με ενδιαφέρουσες ιδέες μπορούν να επηρεάσουν τον τρόπο λειτουργίας του Διαδικτύου, αλλά και τι χρειάζεται κανείς για να το πετύχει.
Στο πρώτο μέρος της ομιλίας θα καλυφθούν συγκεκριμένες προκλήσεις στις εφαρμογές της Τεχνητής Νοημοσύνης: (1) διακρίσεις (π.χ. αναγνώριση προσώπου, δικαιοσύνη, οικονομία, γλωσσικά μοντέλα), (2) φρενολογία (π.χ. προβλέψεις βασισμένες σε βιομετρικά στοιχεία), (3) αδικίες στο ηλεκτρονικό εμπόριο (π.χ. μεροληψία στην έκθεση και τη δημοτικότητα προϊόντων), και (4) “ανόητα” μοντέλα (π.χ. αντιπαραθετική τεχνητή νοημοσύνη). Αυτά τα παραδείγματα περιέχουν εγγενείς προκαταλήψεις, αλλά ταυτόχρονα θέτουν το πλαίσιο για το δεύτερο μέρος που αφορά πιο γενικευμένες προκλήσεις: (1) πολλαπλές αρχές (π.χ. αξιώματα vs τεχνικές), (2) πολιτισμικές διαφορές (π.χ. θρησκεία), (3) κανονισμοί (π.χ. ιδιωτικότητα, νομοθεσία), και (4) γνωστικές προκαταλήψεις. Στο τέλος θα συζητηθούν τα μέτρα που μπορούμε να λάβουμε ώστε να να αντιμετωπίσουμε αυτά τα προβλήματα στο εγγύς μέλλον.
Πώς μπορούμε να εντοπίσουμε την ύπαρξη bots στις σύγχρονες πλατφόρμες κοινωνικής δικτύωσης όπου κυριαρχεί η έλλειψη αξιοπιστίας; Η καθηγήτρια κα. Αθηνά Βακάλη θα μας αποκαλύψει κρίσιμα αποτελέσματα από την έρευνα στη μάχη ενάντια στα bots που κυκλοφορούν ελεύθερα στα κοινωνικά δίκτυα. Θα παρουσιαστούν ερμηνεύσιμες και αξιόπιστες μέθοδοι τεχνητής νοημοσύνης για τον εντοπισμό των “κοινωνικών bots”, ώστε να καλλιεργηθούν νέες ιδέες και να τεθούν τα θεμέλια για διάλογο σχετικά με τον αποδοτικό εντοπισμό πηγών παραπληροφόρησης.
Η αυτόνομη οδήγηση αποτελεί μια από τις μεγαλύτερες τεχνολογικές προκλήσεις της εποχής μας. Οι μεγάλες εταιρείες, οι ερευνητές, οι επενδυτές και οι σχεδιαστές των σύγχρονων πόλεων στρέφουν έντονα την προσοχή τους στα αυτόνομα οχήματα. Στην παρουσίαση αυτή, αφού αναφερθούμε στις βασικές αρχές που διέπουν την αυτόνομη οδήγηση σε κάθε της στάδιο, θα μελετήσουμε αναλυτικότερα το μοντέλο αυτόνομης οδήγησης της NVIDIA. Έχοντας ως οδηγό τον προσομοιωτή ανοικτού κώδικα της Udacity, θα περιγράψουμε τα στάδια εκπαίδευσης ενός συστήματος αυτόματης οδήγησης, χρησιμοποιώντας την αρχιτεκτονική των νευρωνικών δικτύων βαθιάς μάθησης που προτείνει η NVIDIA.