Η ανακοίνωση νέων εφαρμογών της Τεχνητής Νοημοσύνης (ΤΝ) σε επιστημονικά συνέδρια και περιοδικά είναι μια σοβαρή ένδειξη για την πρόοδο των τεχνολογικών επιτευγμάτων.
Το παρακάτω κείμενο αναφέρεται σε ορισμένες καινοτόμες εφαρμογές ΤΝ που ανακοινώθηκαν στο Innovative Applications of Artificial Intelligence (Καινοτόμες Εφαρμογές ΤΝ) (IAAI 2024) Conference, 36ο Συνέδριο IAAI που πραγματοποιήθηκε τον Φεβρουάριο του 2024 στο Βανκούβερ του Καναδά.
Μια ειδική έκδοση του AI Magazine καλύπτει επιλεγμένες καινοτόμες εφαρμογές που ανακοινώθηκαν στο συνέδριο. ΟΙ συγγραφείς του άρθρου Alexander Wong και Yuhao Chen (University of Waterloo Canada), προσπάθησαν να ενημερώσουν εν συντομία τους αναγνώστες για ένα ευρύ φάσμα εντυπωσιακών κατά τη γνώμη τους εφαρμογών, οι οποίες ανακοινώθηκαν στο συνέδριο.
Ο κύριος στόχος του Ετήσιου Συνεδρίου για Καινοτόμες Εφαρμογές ΤΝ (IAAI), που γίνεται κάθε χρόνο, είναι να παρουσιαστούν καινοτόμες εφαρμογές τεχνολογίας ΤΝ, προκειμένου με νέα συστήματα να προταθούν πρακτικές εφαρμογές και λύσεις για επίλυση πραγματικών προβλημάτων και κυρίως η παραγωγή συστημάτων και εφαρμογών με μεθόδους που δεν θα ήταν δυνατές χωρίς την τεχνολογία AI.
Αυτό που καθιστά τα έργα που παρουσιάζονται στο IAAI ιδιαίτερα ενδιαφέροντα για τους επαγγελματίες και την ερευνητική κοινότητα είναι ότι το IAAI έχει μοναδικά κριτήρια αποδοχής, που εστιάζουν στην εφαρμογή και κυρίως στις επιδράσεις της ΤΝ.
Ως εκ τούτου, οι επιστημονικές ανακοινώσεις που γίνονται αποδεκτές στο IAAI πρέπει να αποδεικνύουν την εφαρμοσιμότητα και την εκτελεσιμότητα των συστημάτων που περιγράφουν σε πραγματικές εφαρμογές, καθώς και τις πραγματικές τους επιπτώσεις, είτε αυτές είναι η μείωση κόστους, η εξοικονόμηση χρόνου, η αποδοτικότητα, οι βελτιώσεις διαδικασιών, οι βελτιώσεις στην καθημερινότητα, στην παραγωγικότητα, κ.λπ.
Στο πρώτο άρθρο, ο Jayachandu Bandlamudi και οι συνεργάτες του από την IBM παρουσιάζουν μια μέθοδο για τη βελτίωση και παραγωγή διαλόγων φυσικής γλώσσας για την υλοποίηση διεπαφής προγραμματισμού εφαρμογών (application programming interface) (API) χρησιμοποιώντας μεγάλα γλωσσικά μοντέλα (LLMs).
Αυτά τα διαλογικά συστήματα μπορούν να χρησιμοποιηθούν για την εκπαίδευση και την ενεργοποίηση βοηθών διαλόγων, καθώς και για την αυτόματη δοκιμή αυτών των βοηθών χρησιμοποιώντας ένα LLM (μεγάλο γλωσσικό μοντέλο) για την αξιολόγηση της ποιότητας της συνομιλίας.
Αυτή η καινοτόμος λύση έχει αναπτυχθεί για το προϊόν IBM Watson Orchestrate, το οποίο είναι σε γενική διαθεσιμότητα και έχει χρησιμοποιηθεί από πάνω από 11.000 ενεργούς χρήστες.
Στο δεύτερο άρθρο, ο Siva Likitha Valluru και οι συνεργάτες του από το University of South Carolina, Boston College, University of Texas-Dallas, and Indian Institute of Tech nology (IIT) Roorkee παρουσιάζουν ένα σύστημα για την παροχή συστάσεων συνεργασίας σε ερευνητές που υπέβαλαν αιτήσεις σε φορείς χρηματοδότησης σε περίπτωση πρόσκλησης για προτάσεις.
Αυτό επιτυγχάνεται με την εξαγωγή δεξιοτήτων που είναι λανθάνουσες στα δεδομένα της πρόσκλησης και δεδομένων από τα ερευνητικά προφίλ προσφέροντας και μεγιστοποιώντας την καταλληλόλητα για την εξισορρόπηση των στόχων. Η αποτελεσματικότητά του αξιολογήθηκε σε μια μεγάλη κλίμακα μελέτης χρηστών σε επίπεδο κολλεγίου.
Στο τρίτο άρθρο, η Anqi Lu και οι συνεργάτες της από το Beijing University of Posts and Telecommunications και το Beijing Normal University, παρουσιάζουν μια νέα προσέγγιση για την ταυτοποίηση των αμμόλοφων και την ετικετοποίησή τους από δορυφορικές εικόνες με αυτόματο τρόπο για να μειώσουν τον φόρτο εργασίας των επαγγελματιών γεωγράφων, καθώς πρόκειται για μια πολύ χρονοβόρα χειρω- νακτική εργασία.
Χρησιμοποιούν ένα βαθύ μοντέλο τμηματοποίησης αμμόλοφων, που βασίζεται στην αρχιτεκτονική Attention U-Net με ενσωματωμένο Atrous Spatial Pyramid Pooling (ASPP) module.
Αυτό το μοντέλο τμηματοποίησης αμμόλοφων ενσωματώθηκε στη συνέχεια στο σύστημα ArcGIS για να επιτρέψει στους επαγγελματίες γεωγράφους να προσαρμόσουν με αποδοτικότητα αυτομάτως παραγόμενες τμηματοδοτήσεις αμμόλοφων.
Αυτό το εργαλείο εφαρμόστηκε και χρησιμοποιήθηκε με επιτυχία από γεωγράφους σε ένα κορυφαίο ερευνητικό ινστιτούτο γεωγραφίας στην Κίνα για να υποστηρίξει την έρευνα στην ερημοποίηση των ξηρών περιοχών.
Στο τέταρτο άρθρο, η Ζαϊνάμπ Άχταρ και οι συνεργάτες της στο Qatar Computing Research Institute παρουσιάζουν ένα ολοκληρωμένο σύστημα που δέχεται πολυτροπικά δεδομένα τα οποία εκτείνονται από εξ αποστάσεως ανίχνευση μέχρι εντός αστικού ιστού ανίχνευση.
Επεξεργάζεται και συγχωνεύει αυτά τα δεδομένα με τη χρήση επεξεργασίας φυσικής γλώσσας και μοντέλων υπολογιστικής όρασης ώστε να επιτρέψει την αυτόματη ανάλυση εκτίμησης πλημμύρας, ζημιών και αναγκών.
Οι ολοκληρωμένες αναλύσεις και οι απεικονίσεις μέσω ενός ενοποιημένου πίνακα ελέγχου που παρουσιάζει τα βασικά δεδομένα που προκύπτουν από τα μοντέλα επιτρέπουν στις κυβερνητικές υπηρεσίες να λαμβάνουν κρίσιμες αποφάσεις και να παίρνουν στρατηγικές αποφάσεις κατά τη διάρκεια φυσικών καταστροφών και άλλων καταστροφών που συμβαίνουν στον κόσμο.
Το σύστημα αναπτύχθηκε και δοκιμάστηκε κατά τη διάρκεια των πλημμυρών στο Πακιστάν το 2022 και επαινέθηκε από το Αναπτυξιακό Πρόγραμμα των Ηνωμένων Εθνών που εδρεύει στο Πακιστάν, καθώς και από τις τοπικές αρχές για τη βοήθεια που παρείχε στον εντοπισμό των σφοδρά θιγόμενων περιοχών και για τη βελτίωση της ανταπόκρισης σε καταστροφές.
Στο πέμπτο άρθρο, οι Κιούνγκσικ Λι και οι συνεργάτες του στο Hyundai Capital Services and Korea Advanced Institute of Science and Technology (KAIST) παρουσιάζουν ένα σύστημα για την αυτόματη βελτιστοποίηση συστημάτων βασισμένων σε κανόνες για την έγκριση αιτήσεων δανείων.
Πιο συγκεκριμένα, αντί της παραδοσιακής προσέγγισης όπου οι κανόνες έγκρισης αποτυπώνονται χειροκίνητα από αναλυτές κινδύνου, το προτεινόμενο σύστημα κατασκευάζει αυτόματα αναγνώσιμους κανόνες έγκρισης δανείων ελαχιστοποιώντας το συνολικό ποσοστό των κακών πελατών που εγκρίνονται, ενώ μεγιστοποιεί την ποσότητα, διατυπώνοντας αυτό το πρόβλημα ως πρόβλημα βελτιστοποίησης καθορισμένο γύρω από αυτούς τους στόχους.
Αυτό το προτεινόμενο σύστημα αναπτύχθηκε και οι βελτιστοποιημένοι κανόνες έγκρισης δανείων εφαρμόζονται πλέον σε πολλά τμήματα πελατών και επαναβελτιστοποιούνται για να αξιολογούν τα προφίλ των δανειοληπτών λόγω των οικονομικών αλλαγών.
Στο έκτο άρθρο, η Johanne Rehm και οι συνεργάτες στο Norwegian University of Science and Technology παρουσιάζουν έναν εικονικό εκπαιδευτή οδήγησης για τη βελτιωμένη εκπαίδευση οδήγησης.
Το προτεινόμενο σύστημα εικονικού εκπαιδευτή οδήγησης είναι ένα υβριδικό σύστημα ΤΝ που περιλαμβάνει πράκτορες βασισμένους σε κανόνες, πράκτορες βασισμένους στη μάθηση, γράφους γνώσεων και δίκτυα Bayes για να αξιολογείται και να παρακολουθείται η επίδοση ενός μαθητή οδήγησης με ολοκληρωμένο τρόπο.
Το σύστημα αναπτύχθηκε σε μια σχολή οδήγησης σε πολλαπλούς προσομοιωτές οδήγησης και διαπιστώθηκε ότι παρέχει μια θετική μαθησιακή εμπειρία και προσφέρει μια κλιμακούμενη και αποδοτική προσέγγιση για την υποστήριξη της εκπαίδευσης στην οδήγηση.
Στο έβδομο άρθρο, η Arshika Lalan και οι συνεργάτες της στο Google, Harvard, Telenor Research, and Armman, παρουσιάζουν το Kilkari CHAHAK, το οποίο είναι το μεγαλύτερο κινητό πρόγραμμα υγείας παγκοσμίως για τη μητέρα και το παιδί.
Το σύστημα παρουσιάστηκε αφού χρησιμοποιήθηκαν πραγματικά δεδομένα με στόχο να εισακουστούν και να ωφεληθούν περιθωριοποιημένες κοινότητες. Τα επιλεγμένα αυτά άρθρα καλύπτουν ένα μικρό φάσμα καινοτόμων λύσεων που προσφέρουν οι εφαρμογές της ΤΝ σε διάφορους επιστημονικούς κλάδους.
Οι εφαρμογές της ΤΝ καλύπτουν ένα ευρύ επιστημονικό φάσμα και μπορούν να θεωρηθούν διεπιστημονικές εφαρμογές. Όσο προχωρούν οι τεχνολογικές έρευνες τόσο θα ανακαλύπτονται και νέες λύσεις που θα αντικαθιστούν προηγούμενες χρονοβόρες και λιγότερο ακριβείς μεθόδους.
Η Ιωάννα Δ. Μαλαγαρδή είναι δρ. Υπολογιστικής Γλωσσολογίας – Ιστορικός