- Ποια η σημασία της τεχνητής νοημοσύνης
Μερικές τεχνολογίες τεχνητής νοημοσύνης έκαναν την εμφάνισή τους εδώ και περισσότερο από 50 χρόνια. Η εξέλιξη, ωστόσο, των ηλεκτρονικών υπολογιστών, η διάθεση αναρίθμητων δεδομένων και νέων αλγορίθμων επέτρεψαν την ταχύτατη ανάπτυξη της τεχνητής νοημοσύνης, η οποία αποτελεί προτεραιότητα της ΕΕ.
Παρότι επηρεάζει ήδη την καθημερινότητά μας, η τεχνητή νοημοσύνη αναμένεται να επιφέρει ακόμα τεράστιες αλλαγές και να παίξει κεντρικό ρόλο στη ψηφιακή μεταμόρφωση της κοινωνίας μας.
- Είδη τεχνητής νοημοσύνης
→ Λογισμικά
Εικονικοί βοηθοί, λογισμικό ανάλυσης εικόνας, μηχανές αναζήτησης, συστήματα αναγνώρισης προσώπου και ομιλίας
→ Ενσωματωμένη τεχνητή νοημοσύνη
Ρομπότ, αυτόνομα αυτοκίνητα, τηλεκατευθυνόμενα αεροσκάφη (drones), διαδίκτυο των πραγμάτων (Internet of Things)
- Η τεχνητή νοημοσύνη στην καθημερινότητά μας
Παρατίθενται παρακάτω ορισμένα παραδείγματα χρήσης της τεχνητής νοημοσύνης στην καθημερινότητα
→ Διαδικτυακές αγορές και διαφήμιση
Η τεχνητή νοημοσύνη χρησιμοποιείται ευρέως για την παροχή εξατομικευμένων συστάσεων, για παράδειγμα βάσει προηγούμενων αναζητήσεων και αγορών ή άλλων συμπεριφορών. Η τεχνητή νοημοσύνη παίζει, επίσης, εξαιρετικά σημαντικό ρόλο στον κλάδο του εμπορίου, καθώς χρησιμοποιείται για τη βελτιστοποίηση προϊόντων, τον προγραμματισμό των αποθεμάτων, τον εφοδιαστικό τομέα κλπ.
→ Διαδικτυακή αναζήτηση
Οι μηχανές αναζήτησης παρέχουν αποτελέσματα βάσει της τεράστιας ποσότητας δεδομένων που εισάγουν οι χρήστες στο διαδίκτυο.
→ Προσωπικοί ψηφιακοί βοηθοί
Τα έξυπνα τηλέφωνα (smartphones) χρησιμοποιούν την τεχνητή νοημοσύνη για την παροχή βελτιστοποιημένων και εξατομικευμένων ρυθμίσεων στους χρήστες τους. Ο εικονικός βοηθός λειτουργεί ως προσωπικός γραμματέας του χρήστη: απαντά σε ερωτήσεις, παρέχει συστάσεις, υπενθυμίζει συναντήσεις. Είναι επίσης ένας ηλεκτρονικός συνομιλητής που προσαρμόζεται στα ατομικά χαρακτηριστικά ενός συγκεκριμένου ατόμου, λαμβάνοντας υπόψη το περιβάλλον του χρήστη, το εύρος των ενδιαφερόντων του και τις συνήθειές του.
→ Αυτόματες μεταφράσεις
Τα λογισμικά αυτόματης μετάφρασης και υποτιτλισμού, που βασίζονται είτε σε γραπτό είτε σε προφορικό λόγο, χρησιμοποιούν τη τεχνητή νοημοσύνη για την παροχή και βελτίωση μεταφράσεων.
→ Έξυπνα σπίτια, πόλεις και υποδομές
Οι έξυπνοι θερμοστάτες αναλύουν τη συμπεριφορά μας προκειμένου να αποθηκεύσουν ενέργεια, ενώ οι έξυπνες πόλεις βασίζονται σε ευφυή συστήματα ρύθμισης της κυκλοφορίας για να βελτιώσουν τη συνδεσιμότητα και να μειώσουν την κυκλοφοριακή συμφόρηση.
→ Αυτοκίνητα
Παρότι τα αυτόνομα οχήματα δεν αποτελούν ακόμα μέρος της καθημερινότητάς μας, τα αυτοκίνητα απαρτίζονται ήδη από ευφυή συστήματα ασφαλείας που κάνουν χρήση τεχνητής νοημοσύνης. Η ΕΕ, για παράδειγμα, συμμετείχε στη χρηματοδότηση των αυτόματων αισθητήρων VI-DAS που εντοπίζουν ενδεχόμενες καταστάσεις κινδύνου και ατυχήματα.
Τα συστήματα πλοήγησης βασίζονται, σε μεγάλο βαθμό, στην τεχνητή νοημοσύνη.
→ Κυβερνοασφάλεια
Τα συστήματα τεχνητής νοημοσύνης μπορούν να συμβάλλουν στην αναγνώριση και αντιμετώπιση επιθέσεων και απειλών στον κυβερνοχώρο βάσει της συνεχόμενης εισροής δεδομένων.
→ Τεχνητή νοημοσύνη κατά του COVID-19
Στην περίπτωση του COVID-19, η τεχνητή νοημοσύνη έχει χρησιμοποιηθεί σε συσκευές θερμικής απεικόνισης σε αεροδρόμια και αλλού. Στην ιατρική, η Τ.Ν μπορεί να συμβάλλει στην αποτελεσματική διάγνωση του κορονοϊού μέσω της χρήσης αλγορίθμων που μελετούν υπολογιστικές τομογραφίες θώρακα. Μπορεί, επίσης, να βοηθήσει στην παρακολούθηση της εξάπλωσης του ιού μέσω της παροχή δεδομένων.
→ Καταπολέμηση της παραπληροφόρησης
Ορισμένες εφαρμογές τεχνητής νοημοσύνης μπορούν να συμβάλουν στην ανίχνευση των ψευδών ειδήσεων και της παραπληροφόρησης στα κοινωνικά δίκτυα μέσω του εντοπισμού συγκεκριμένων λέξεων και εκφράσεων αλλά και αξιόπιστων πηγών πληροφόρησης.
Η τεχνητή νοημοσύνη πρόκειται να μεταμορφώσει όλες τις πτυχές της οικονομίας και της καθημερινότητάς μας. Παρακάτω θα βρείτε ορισμένα μόνο παραδείγματα.
→ Υγεία
Οι ερευνητές μελετούν πώς μπορεί να χρησιμοποιηθεί η ΤΝ για την ανάλυση δεδομένων υγείας και την ανίχνευση προτύπων που θα μπορούσαν να οδηγήσουν σε νέες επιστημονικές ανακαλύψεις και να βελτιώσουν τους μεμονωμένους διαγνωστικούς ελέγχους.
Για παράδειγμα, οι ερευνητές ανέπτυξαν ένα ευφυές πρόγραμμα που εντοπίζει περιστατικά καρδιακής προσβολής στις κλήσεις άμεσης βοήθειας, και μάλιστα ταχύτερα από τους ειδικούς στο τηλεφωνικό κέντρο έκτακτης ανάγκης. Άλλο παράδειγμα αποτελεί το συγχρηματοδοτούμενο από την ΕΕ έργο KConnect που επιτρέπει την αποτελεσματική αναζήτηση ιατρικών πληροφοριών μέσω της ανάλυσης ιατρικών κειμένων και της ανάπτυξης υπηρεσιών αναζήτησης.
→ Μεταφορές
Η Τ.Ν μπορεί να ενισχύσει την ασφάλεια, την ταχύτητα και την αποτελεσματικότητα της σιδηροδρομικής κυκλοφορίας ελαχιστοποιώντας την τριβή της σιδηροτροχιάς και επιτρέποντας την αυτόνομη οδήγηση.
→ Μεταποιητικός κλάδος
Η τεχνητή νοημοσύνη μπορεί να οδηγήσει στην ταχύτατη ανάπτυξη του μεταποιητικού κλάδου και τον σχεδιασμό "έξυπνων" εργοστασίων στην Ευρώπη μέσω, μεταξύ άλλων, της αξιοποίησης της ρομποτικής και της έγκαιρης πρόγνωσης βλαβών και συντήρησης μηχανολογικών κατασκευών.
Η συγχρηματοδοτούμενη από την ΕΕ πρωτοβουλία SatisFactory χρησιμοποιεί συστήματα επαυξημένης πραγματικότητας για να αυξήσει την ικανοποίηση των εργαζομένων σε έξυπνα εργαστήρια.
→ Τρόφιμα και γεωργία
Η τεχνητή νοημοσύνη μπορεί να αξιοποιηθεί για τη συγκρότηση πιο βιώσιμων επισιτιστικών συστημάτων:
Πιο συγκεκριμένα, μπορεί να διασφαλίσει την παραγωγή πιο υγιεινών τροφίμων μέσω της ελαχιστοποίησης της χρήσης λιπασμάτων, των ζιζανιοκτόνων και της άρδευσης, να υποστηρίξει την παραγωγικότητα και να μειώσει τις περιβαλλοντικές επιπτώσεις. Η χρήση της ρομποτικής μπορεί, επίσης, να συμβάλει στην απομάκρυνση των ζιζανίων και στη μείωση της χρήσης φυτοφαρμάκων.
Πολλά αγροκτήματα στην Ε.Ε χρησιμοποιούν ήδη συστήματα τεχνητής νοημοσύνης για να παρακολουθήσουν τις κινήσεις και τη θερμοκρασία των ζώων, καθώς και την κατανάλωση ζωοτροφών.
→ Δημόσια διοίκηση και υπηρεσίες
Χάρη σε ένα ευρύ φάσμα δεδομένων και στην ικανότητα αναγνώρισης προτύπων, η τεχνητή νοημοσύνη επιτρέπει την έγκαιρη προειδοποίηση φυσικών καταστροφών, δίνοντας τη δυνατότητα επαρκούς προετοιμασίας και μετριασμού των επιπτώσεων.
- Τεχνητή νοημοσύνη και ΑΑΔΕ στη μάχη κατά της φοροδιαφυγής
Η ΑΑΔΕ με “έξυπνο” τρόπο θα αξιοποιεί τα big data που έχει στη διάθεσή της και με datamining θα αξιολογεί ποιες φορολογικές υποθέσεις μπορεί να κρύβουν φοροδιαφυγή. Όλα αυτά θα περιλαμβάνονται στο νέο νομοσχέδιο που θα έρθει την επόμενη εβδομάδα.
Τα νέα συστήματα θα έχουν τη δυνατότητα να αντλούν δεδομένα από μια τεράστια δεξαμενή πληροφοριών και στοιχείων για τα εισοδήματα, την ακίνητη και κινητή περιουσία, τις δαπάνες, τις καθημερινές συναλλαγές με καταστήματα, αλλά και τις τραπεζικές κινήσεις. Θα πρέπει δε να αναφερθεί ότι με τα νέα συστήματα θα καταστεί δυνατό να ανιχνεύονται σε πραγματικό χρόνο ύποπτα περιστατικά φοροδιαφυγής και λαθρεμπορίου, ενώ οι φορολογούμενοι θα κατηγοριοποιούνται ανάλογα με τη συμπεριφορά τους, όπως «στρατηγικός κακοπληρωτής», «πιθανότητα φοροδιαφυγής» κ.ά.Σε πρώτη φάση, μάλιστα, η τεχνητή νοημοσύνη θα ελέγχει άμεσα με την κατάθεσή τους όλες τις φορολογικές δηλώσεις και θα διαπιστώνει ποιες είναι αληθείς ή ψευδείς, δίνοντας παραχρήμα «σήμα κινδύνου» στις φορολογικές αρχές για να «ξεσκονίσουν» τον «ύποπτο» φορολογούμενο, ενώ ταυτόχρονα θα μπορεί να ανιχνεύει την ύπαρξη τυχόν κρυφών περιουσιακών στοιχείων.
- Τι είναι, όμως, η εξόρυξη δεδομένων (data mining);
Εξόρυξη δεδομένων, λοιπόν, είναι η εξεύρεση μιας πληροφορίας ή προτύπων από μεγάλες βάσεις δεδομένων, με χρήση αλγορίθμων ομαδοποίησης ή κατηγοριοποίησης και των αρχών της στατιστικής, της τεχνητής νοημοσύνης, της μηχανικής μάθησης και των συστημάτων βάσεων δεδομένων.
Οι τεχνικές και τα εργαλεία εξόρυξης δεδομένων επιτρέπουν στις επιχειρήσεις να προβλέπουν τις μελλοντικές τάσεις και να λαμβάνουν πιο ενημερωμένες επιχειρηματικές αποφάσεις.
Η «εξόρυξη δεδομένων» είναι επίσης ένα βασικό μέρος της ανάλυσης δεδομένων συνολικά και ένας από τους βασικούς κλάδους της επιστήμης δεδομένων, η οποία χρησιμοποιεί προηγμένες τεχνικές ανάλυσης για να βρει χρήσιμες πληροφορίες σε σύνολα δεδομένων.
Η αποτελεσματική εξόρυξη δεδομένων βοηθά σε διάφορες πτυχές του σχεδιασμού επιχειρηματικών στρατηγικών και της διαχείρισης των λειτουργιών.
Αυτό περιλαμβάνει λειτουργίες, που αφορούν τους πελάτες, όπως το μάρκετινγκ, τη διαφήμιση, τις πωλήσεις και την υποστήριξη πελατών, καθώς και την κατασκευή, τη διαχείριση της εφοδιαστικής αλυσίδας, τη χρηματοδότηση και το ανθρώπινο δυναμικό.
- Τα βασικά στάδια
→ Συλλογή πληροφοριών
Εντοπίζονται και συγκεντρώνονται σχετικά δεδομένα για μια εφαρμογή αναλυτικών στοιχείων. Τα δεδομένα μπορεί να βρίσκονται σε διαφορετικά συστήματα πηγής, μια αποθήκη δεδομένων ή μια λίμνη δεδομένων, μια ολοένα και πιο κοινή αποθήκη σε περιβάλλοντα μεγάλων δεδομένων που περιέχουν ένα μείγμα δομημένων και μη δομημένων δεδομένων. Μπορούν επίσης να χρησιμοποιηθούν εξωτερικές πηγές δεδομένων. Από όπου κι αν προέρχονται τα δεδομένα, ένας επιστήμονας δεδομένων τα μετακινεί συχνά σε μια λίμνη δεδομένων για τα υπόλοιπα βήματα της διαδικασίας.
→ Προετοιμασία δεδομένων
Αυτό το στάδιο περιλαμβάνει ένα σύνολο βημάτων για την προετοιμασία των δεδομένων για εξόρυξη. Ξεκινά με την εξερεύνηση δεδομένων, τη δημιουργία προφίλ και την προεπεξεργασία, ακολουθούμενη από εργασίες καθαρισμού δεδομένων για τη διόρθωση σφαλμάτων και άλλων προβλημάτων ποιότητας δεδομένων. Ο μετασχηματισμός δεδομένων γίνεται επίσης για να γίνουν τα σύνολα δεδομένων συνεπή, εκτός εάν ένας επιστήμονας δεδομένων θέλει να αναλύσει αφιλτράριστα ακατέργαστα δεδομένα για μια συγκεκριμένη εφαρμογή.
→ Εξόρυξη δεδομένων
Μόλις προετοιμαστούν τα δεδομένα, ένας επιστήμονας δεδομένων επιλέγει την κατάλληλη τεχνική εξόρυξης δεδομένων και στη συνέχεια εφαρμόζει έναν ή περισσότερους αλγόριθμους για να κάνει την εξόρυξη. Σε εφαρμογές μηχανικής εκμάθησης, οι αλγόριθμοι πρέπει συνήθως να εκπαιδεύονται σε δείγματα συνόλων δεδομένων για να αναζητήσουν τις πληροφορίες που αναζητούνται προτού εκτελεστούν με το πλήρες σύνολο δεδομένων.
→ Ανάλυση και ερμηνεία δεδομένων
Τα αποτελέσματα της εξόρυξης δεδομένων χρησιμοποιούνται για τη δημιουργία αναλυτικών μοντέλων που μπορούν να βοηθήσουν στη λήψη αποφάσεων και σε άλλες επιχειρηματικές ενέργειες. Ο επιστήμονας δεδομένων ή άλλο μέλος μιας ομάδας επιστήμης δεδομένων πρέπει επίσης να κοινοποιεί τα ευρήματα σε στελέχη επιχειρήσεων και χρήστες, συχνά μέσω οπτικοποίησης δεδομένων και χρήσης τεχνικών αφήγησης δεδομένων.
- Τεχνητή Νοημοσύνη και ΑΑΔΕ
Μέσω της τεχνολογίας τεχνητής νοημοσύνης οι αρχές θα μπορούν να εντοπίζουν υποθέσεις φοροδιαφυγής και να διασταυρώνουν τις κινήσεις των φορολογούμενων, να έχουν πλήρη εικόνα για την εισοδηματική και περιουσιακή τους κατάσταση ακόμα και να διαπιστώνουν ποιες φορολογικές δηλώσεις είναι ανακριβείς. Το σύστημα, που θα χρηματοδοτηθεί από το Ταμείο Ανάκαμψης, θα έχει τη δυνατότητα να αντλεί δεδομένα από μία τεράστια δεξαμενή πληροφοριών και στοιχείων για τα εισοδήματα, την ακίνητη και κινητή περιουσία, τις δαπάνες, τις συναλλαγές, τις τραπεζικές κινήσεις.
Η ΑΑΔΕ σχεδιάζει να εφαρμόσει το νέο σύστημα τεχνητής νοημοσύνης στο σύνολο της φορολογίας εντοπίζοντας περιπτώσεις απάτης στο φόρο εισοδήματος, ΦΠΑ, σε δασμούς , ειδικούς φόρους κατανάλωσης, ενδοομιλικές συναλλαγές κ.λ.π.
Θυμίζουμε ότι στις 14 Ιουνίου 2023 ψηφίστηκε από την Ολομέλεια του Ευρωπαϊκού Κοινοβουλίου ένα Νομοσχέδιο ορόσημο: Η Ευρωπαϊκή Πράξη για την Τεχνητή Νοημοσύνη (European Al Act), που θέτει τους πρώτους κανόνες στον κόσμο στον οικείο τομέα.
- Τα θετικά και τα αρνητικά
Η εφαρμογή της τεχνητής νοημοσύνης, θα επιφέρει μια σειρά από θετικά και αρνητικά γεγονότα στην καθημερινότητα του ανθρώπου. Θα αναφέρουμε μερικά από τα εξής:
- Θετικά
→ Μείωση λαθών
‘Οπως είναι λογικό, ο άνθρωπος κάνει λάθη σε αντίθεση με τους υπολογιστές που, αν προγραμματιστούν σωστά, μπορούν να τα αποφύγουν. Η μείωση των λαθών συνεπάγεται λιγότερη σπατάλη χρόνου και πόρων.
→ Ταχύτερες αποφάσεις
Η τεχνητή νοημοσύνη συνεργάζεται με διάφορες τεχνολογίες που βοηθούν τις μηχανές να λαμβάνουν αποφάσεις ταχύτερα από τους ανθρώπους. Αυτό έχει ως αποτέλεσμα οι ενέργειες να γίνονται γρηγορότερα.
→ Προβλέψεις
Μέσω της τεχνητής νοημοσύνης και τις ανάλυσης δεδομένων που παρέχει, οδηγεί σε προβλέψεις. Αυτές οι προβλέψεις είναι ιδιαίτερα χρήσιμες στο marketing και στις οικονομικές υπηρεσίες.
- Αρνητικά
→ Αντικατάσταση του ανθρώπινου δυναμικού από τις μηχανές
Ένας φόβος από την ανάπτυξη της τεχνητής νοημοσύνης είναι η αντικατάσταση του ανθρώπινου δυναμικού από τις μηχανές. Η χρήσης της θα οδηγήσει στην κατάργηση κάποιων παραδοσιακών χειρονακτικών επαγγελμάτων.
→ Κόστος επένδυσης
Είναι γεγονός ότι η ανάπτυξη της τεχνητής νοημοσύνης δεν είναι φθηνή. Η εγκατάστασή της απαιτεί υψηλό κόστος επένδυσης που εύκολα δεν μπορούν να το διαθέσουν όλες οι εταιρείες, αλλά κυρίως οι μεγαλύτερες.
→ Έλλειψη συναισθήματος
Η αντικατάσταση της ανθρώπινης εργασίας όσο και να εφαρμοστεί από τα συστήματα, δεν μπορεί να αντικαταστήσει τον παράγοντα του συναισθήματος. Τα συστήματα πέρα από την λογική δεν έχουν συναισθήματα όπως έχει ο άνθρωπος.
Όπως διαπιστώσαμε η χρήση της τεχνητής νοημοσύνης στην καθημερινότητα της ζωής του ανθρώπου και των εργασιών έχει πλεονεκτήματα και μειονεκτήματα. Θα πρέπει να βρεθεί η χρυσή τομή στην χρήση της ώστε να μην γίνει κατάχρηση. Τα επόμενα χρόνια, έτσι και αλλιώς, θα ασχοληθούμε εκτενέστερα με αυτήν είτε θετικά είτε αρνητικά.
Τα συμπεράσματα δικά σας…..
Παναγιώτης Ράγγος
Λογιστικό - Φοροτεχνικό Γραφείο
Λογιστής Φοροτεχνικός Α΄ Τάξης - Οικονομολόγος
Πιστοποιημένος Εσωτερικός Ελεγκτής
Κωνσταντίνου Θεοτόκη 9-11141 Πατήσια Αθήνα
Τηλ. 210 2016885, Fax 210 2016885
Κινητό: +30 6972427880
Email: Αυτή η διεύθυνση ηλεκτρονικού ταχυδρομείου προστατεύεται από τους αυτοματισμούς αποστολέων ανεπιθύμητων μηνυμάτων. Χρειάζεται να ενεργοποιήσετε τη JavaScript για να μπορέσετε να τη δείτε.