Η επίδραση της Τεχνητής Νοημοσύνης στην απασχολησιμότητα και στις προοπτικές των αποφοίτων διαφόρων κλάδων

Η τεχνητή νοημοσύνη (AI) αποτελεί την «ατμομηχανή» 4ης βιομηχανικής επανάστασης. Πιο συγκεκριμένα, είναι η πλέον καθοριστική τεχνολογία της τελευταίας δεκαετίας και όπως δείχνουν τα δεδομένα, θα επηρεάσει καταλυτικά και την επόμενη δεκαετία επαναπροσδιορίζοντας τους παραδοσιακούς ρόλους και τα συνήθη επαγγέλματα, διαμορφώνοντας νέες ανάγκες για το εργατικό δυναμικό της κάθε χώρας.

Ποια είναι όμως η σημασία της τεχνητής νοημοσύνης και για ποιο λόγο έχει ξεκινήσει μια έντονη συζήτηση σε ευρωπαϊκό και διεθνές επίπεδο σχετικά με την «ψηφιακή μεταμόρφωση» της αυριανής κοινωνίας ;

Ένας από τους πιο σημαντικούς κλάδους που επηρεάζει η τεχνητή νοημοσύνη είναι ο κλάδος της υγείας. Η εκθετική πλέον εφαρμογή και χρήση των νέων τεχνολογιών συνιστά ένα ευρύτερα αποδεκτό συμπέρασμα. Πιο συγκεκριμένα, Ρομποτική Ιατρική, Νανοτεχνολογία, Τρισδιάστατα εκτυπωμένα φάρμακα και πολλές άλλες νέες τεχνολογίες επαναπροσδιορίζουν τα σχετικά πλαίσια στην βιομηχανία της υγείας και οπωσδήποτε επιφέρουν αλλαγές στους ρόλους και το έργο των επαγγελματιών του κλάδου. Για παράδειγμα, η πιο γνωστή εφαρμογή στον κλάδο της τεχνητής νοημοσύνης στην υγεία, ο Watson της ΙΒΜ έχει την ικανότητα να επεξεργαστεί 40.000.000 έγγραφα σε λιγότερο από 20 δευτερόλεπτα, επιτρέποντας στο ιατρικό προσωπικό να κάνει ακριβέστερες διαγνώσεις με αποτέλεσμα την βέλτιστη χορήγηση θεραπειών στους ασθενείς. Το συγκεκριμένο σύστημα χρειάστηκε περίπου δέκα λεπτά για να μελετήσει καρκινικά κύτταρα και να παράσχει συστάσεις θεραπείας όταν για την ίδια ακριβώς μελέτη ανθρώπινοι εμπειρογνώμονες χρειάστηκαν περίπου 160 ώρες. Εκτός από γρήγορες οι διαγνώσεις με τέτοια συστήματα είναι και ακριβείς. Συγκεκριμένα τα τεχνητά νευρωνικά δίκτυα έχουν δείξει ότι είναι σε θέση να εντοπίσουν με ακρίβεια κάποιες ασθένειες όπως το κακοήθες μελάνωμα.

Παράλληλα, μεγάλες φαρμακευτικές εταιρείες, όπως η AstraZeneca έχουν ξεκινήσει τις συμπράξεις με εταιρείες τεχνητής νοημοσύνης για τον σχεδιασμό ενός αντισώματος για την καταπολέμηση του καρκίνου, και άλλων ασθενειών με ταυτόχρονη μείωση του κόστους ανάπτυξής τους. Η συνεργασία ανάμεσα στην AstraZeneca και την εταιρεία Absci Corportation είναι οπωσδήποτε αρκετά ελπιδοφόρα, καθώς αφορά την ανάλυση πρωτεϊνών μεγάλης κλίμακας με στόχο την εύρεση μιας βιώσιμης ογκολογικής θεραπείας. Η «Absci», παράγει ιδιόκτητα δεδομένα, μετρώντας εκατομμύρια αλληλεπιδράσεις μεταξύ πρωτεϊνών. Στη συνέχεια, χρησιμοποιεί τα δεδομένα αυτά για να εκπαιδεύσει το παραγωγικό της μοντέλο τεχνητής νοημοσύνης και, τελικά, να σχεδιάσει και να επικυρώσει βιώσιμα αντισώματα — πρωτεΐνες που στοχεύουν ξένες ουσίες στο σώμα.

Στο εν λόγω πεδίο, κρίνεται καταλυτική η συμβολή στελεχών και επιστημόνων όπως οι γενετιστές ή στελέχη με διεπιστημονικό υπόβαθρο στη βιολογία και την πληροφορική. Συνεπώς, για όσους μαθητές ο κλάδος κρίνεται ενδιαφέρον, ενδεικτικά τμήματα που θα μπορούσαν να προσφέρουν σχετικές γνώσεις είναι το τμήμα Πληροφορικής με εφαρμογές στην Βιοϊατρική, το τμήμα Μοριακής Βιολογίας, καθώς επίσης και το τμήμα Φαρμακευτικής.

Όσον αφορά τον τομέα της δικαιοσύνης, παρά το πρώιμο στάδιο στο οποίο βρίσκεται η τεχνητή νοημοσύνη, υπάρχουν παραδείγματα εισαγωγής συστημάτων ΤΝ στη διαδικασία δικανικής κρίσης και η τάση δείχνει πως είναι αυξητική. Στις ΗΠΑ και συγκεκριμένα στην πολιτεία Ουισκόνσιν χρησιμοποείται επικουρικά στην διαδικασία λήψης απόφασης για την αποφυλάκιση ενός ατόμου το πρόγραμμα ΤΝ με την ονομασία COMPAS, που αξιοποιεί σημαντικά δεδομένα και δείκτες όπως το ιστορικό βίας, το ιστορικό μη συμμόρφωσης, επαγγελματικά/εκπαιδευτικά προβλήματα, την ηλικία του ατόμου στην πρόσληψη και την ηλικία του ατόμου κατά την πρώτη σύλληψη που σε συνδυασμό με τον αλγόριθμο βοηθάει στην δικαστική κρίση. Ένα αντίστοιχο παράδειγμα αποτελεί το λογισμικό πρόβλεψης δικαστικών αποφάσεων Predictice, που πρόσφερε, μεταξύ άλλων, μια εκτίμηση της αποζημίωσης που θα έπρεπε να επιδικαστεί, βασιζόμενο σε παλαιότερες αποφάσεις, ενώ επίσης αντίστοιχο πρόγραμμα χρησιμοποιείται και στην Νέα Ζηλανδία.

Ο χώρος της δικαιοσύνης γενικότερα, ειδικότερα της ποινικής δικαιοσύνης, είναι φύσει ανθρώπινος και κοινωνικoηθικός, πολυδιάστατος και ως ένα βαθμό απρόβλεπτος, γεγονός που καθιστά δύσκολη την αντικατάσταση του ανθρώπου από ένα ρομπότ. Παρόλα αυτά, τα τελευταία χρόνια έχει ξεκινήσει μια συζήτηση γύρω από τον όρο «έξυπνη δικαιοσύνη». Πιο συγκεκριμένα, ήδη στην Κίνα υπάρχουν περισσότερα από 100 ρομπότ σε δικαστήρια της χώρας, καθώς η κυβέρνηση επιδιώκει τη μετάβαση στην «έξυπνη» δικαιοσύνη. Οι Κινέζοι δεν είναι οι μόνοι. Στην Εσθονία, χρησιμοποιείται δικαστής τεχνητής νοημοσύνης για να κρίνει μικροδιαφορές, όπως αξιώσεις συμβάσεων κάτω των 7.000 ευρώ, κάτι που προφανώς γεννά αισιοδοξία στη νομική και δικανική κοινότητα, καθώς αφορά την βελτίωση της διαδικασίας απονομής δικαιοσύνης.

Οπωσδήποτε, η ιδέα της «έξυπνης δικαιοσύνης» απαιτεί άτομα με διεπιστημονικό υπόβαθρο, που να συνδυάζουν τόσο την υψηλή νομική κατάρτιση όσο και γνώσεις που αφορούν τις σύγχρονες τεχνολογίες και κυρίως την τεχνητή νοημοσύνη. Γι’ αυτόν ακριβώς τον λόγο, η επιλογή της σχολής της Νομικής αποτελεί μονάχα την βάση για περαιτέρω εξειδίκευση σε δυναμικά πεδία που εξελίσσονται παράλληλα με την εξέλιξη της τεχνολογίας.

Αναφορικά με τον τομέα της στρατιωτικής τεχνολογίας, με αφετηρία τον πόλεμο της Ουκρανίας, η κατασκευή των μη επανδρωμένων αεροσκαφών (drones) έχει επιταχύνει μια τεχνολογική τάση που θα μπορούσε σύντομα να οδηγήσει στην ανάπτυξη των πρώτων πλήρως αυτόνομων ρομπότ μάχης στον κόσμο. Ο αριθμός των μη επανδρωμένων αεροσκαφών με τεχνητή νοημοσύνη αυξάνεται συνεχώς με το Ισραήλ να πρωταγωνιστεί σε αυτή την τεχνολογική κούρσα εξοπλισμών, που αναμφισβήτητα δημιουργεί νέα δεδομένα στο πεδίο των διεθνών σχέσεων. Πιο συγκεκριμένα, οι αμυντικές δυνάμεις του Ισραήλ έχουν αρχίσει να χρησιμοποιούν την τεχνητή νοημοσύνη για να επιλέγουν στόχους για αεροπορικές επιδρομές εναντίον της Παλαιστίνης, ενώ το τελευταίο διάστημα χρησιμοποιείται ένα σύστημα τεχνητής νοημοσύνης που μπορεί να επεξεργαστεί τεράστιες ποσότητες δεδομένων για να επιλέξει στόχους για αεροπορικές επιδρομές. Οι ακόλουθες επιθέσεις μπορούν στη συνέχεια να συγκεντρωθούν γρήγορα με ένα άλλο μοντέλο τεχνητής νοημοσύνης που ονομάζεται Fire Factory, το οποίο αξιοποιεί δεδομένα σχετικά με εγκεκριμένους από τον στρατό στόχους για τον υπολογισμό των στρατιωτικών logistics, την ιεράρχηση και την ανάθεση χιλιάδων στόχων σε αεροσκάφη και drones και προτείνει ένα συγκεκριμένο χρονοδιάγραμμα.

Παράλληλα, η ανάγκη για λήψη σύνθετων και ταχύτατων αποφάσεων είτε στο πεδίο μιας πολεμικής σύγκρουσης είτε σε αποστολές παροχής βοήθειας σε μεγάλες φυσικές ή άλλες καταστροφές έχουν οδηγήσει στην ανάπτυξη αντίστοιχων προγραμμάτων τεχνητής νοημοσύνης. H Υπηρεσία Έρευνας Προηγµένων Αµυντικών Προγραµµάτων του αμερικανικού στρατού (DARPA) έχει ξεκινήσει ήδη την προσπάθεια ανάπτυξης συστημάτων τεχνητής νοημοσύνης που θα επεξεργάζεται ταχύτατα όλα τα διαθέσιμα δεδομένα και θα μπορεί να λαμβάνει αποφάσεις για την παροχή βοήθειας από τον αμερικανικό στρατό σε στιγμές πίεσης, αξιοποιώντας ανάλυση δεδομένων πχ την κατάσταση των ασθενών και το διαθέσιμο φαρμακευτικό και ιατρικό υλικό. Ο αμερικανικός στρατός εξετάζει επίσης την ανάπτυξη ρομποτικών οχημάτων μάχης εδάφους, ενώ όπως προέβλεψε ο αρχηγός των Ενόπλων Δυνάμεων των ΗΠΑ, «μέσα στα επόμενα 15 χρόνια, «αν όχι συντομότερα, θα δούμε σημαντικό μέρος των στρατών, των ναυτικών και των αεροπορικών δυνάμεων να είναι ρομποτικά». Τέλος, σπουδαίος είναι ο ρόλος της τεχνητής νοημοσύνης σε θέματα κυβερνοασφάλειας και υβριδικών απειλών, καθώς αδιαμφισβήτητα όλα τα σύγχρονα κράτη ,πλέον, διαμορφώνουν την Εθνική Στρατηγική τους με γνώμονα τέτοιου είδους επιθέσεις.

Συνεπώς, για τους σπουδαστές των Στρατιωτικών Σχολών της χώρας, πολύ σημαντική κρίνεται η εξειδίκευση και η μετεκπαίδευση στον κλάδο της Πληροφορικής με έμφαση στις Στρατιωτικές Εφαρμογές, με στόχο την ανάπτυξη δεξιοτήτων λήψης αποφάσεων στο σύγχρονο γεωστρατηγικό πλαίσιο και ιδιαίτερα στην περιοχή της Αν. Μεσογείου.

Η τεχνητή νοημοσύνη επηρεάζει καταλυτικά και τον τομέα των μεταφορών με την εγκατάσταση ποικίλων εφαρμογών που θα αποσκοπούν σε ασφαλέστερες, οικονομικότερες και περιβαλλοντικά βιώσιμες μετακινήσεις. Μιλώντας για ασφάλεια, αυτός δεν θα πρέπει να είναι τελικά ο απώτερος στόχος της αυτοκινητοβιομηχανίας; Πλέον η σύγχρονη τεχνολογία έχει εδραιωθεί για τα καλά στα σύγχρονα αυτοκίνητα. Από τις ειδοποιήσεις για την απόσπαση της προσοχής του οδηγού, τα σημάδια κόπωσης και υπνηλίας που εμφανίζει ο οδηγός, η τεχνητή νοημοσύνη έχει οπωσδήποτε μειώσει τα ατυχήματα και αναμένεται να εξελιχθεί ακόμα περισσότερο. Το σπουδαίοτερο ωστόσο επίτευγμα είναι πως η αυτόνομη οδήγηση αποτελεί σταδιακά απτή πραγματικότητα, μιας και ολοένα και περισσότερες εταιρείες εισάγουν προγράμματα αυτόνομης οδήγησης στα νέα μοντέλα τους με στόχο να εκμηδενίσουν ουσιαστικά τον παράγοντα του ανθρώπινου λάθους. Σήμερα, οι προβλέψεις κάνουν λόγο για καταιγιστική πρόοδο στον τομέα της αυτόνομης οδήγησης μετά το 2030.

Επίσης, η τεχνητή νοημοσύνη ανοίγει νέους, ανεξερεύνητους δρόμους εκτινάσσοντας τον ανταγωνισμό στα ύψη ανακοινώνοντας την ενσωμάτωση της τεχνητής νοημοσύνης στα σχεδιαστικά τους τμήματα.Στο πεδίο του σχεδιασμού οχημάτων, η Nvidia έχει βασιστεί στις τεχνολογίες τεχνητής νοημοσύνης και προσομοίωσης για να δημιουργήσει το ιδιόκτητο Omniverse – μια πλατφόρμα που επιτρέπει τρισδιάστατες ροές εργασίας. Εταιρείες όπως η BMW χρησιμοποιούν το Omniverse για να παρακολουθούν τις ενημερώσεις στο σχεδιασμό οχημάτων, οι οποίες μπορούν να διαχέονται αμέσως στον προγραμματισμό του εργοστασίου. Η ακρίβεια των σχεδίων που προσφέρει η τεχνητή νοημοσύνη είναι τέτοια που ελαχιστοποιεί όχι μόνο το μεγάλο χρονικό διάστημα του σχεδιασμού αλλά και το κόστος. Σε σύντομο χρονικό διάστημα με την ενσωμάτωση των προτιμήσεων του οδηγού, θα οδηγούμε ένα αυτοκίνητο που θα δείχνει ακριβώς όπως το έχουμε φανταστεί.

Όσον αφορά την επιλογή σπουδών, λοιπόν, οι σπουδαστές με κλίσεις στην σχεδίαση ενός σύγχρονου και συνάμα εξελιγμένου αυτοκινήτου θα μπορούσαν να λάβουν σημαντικές γνώσεις από τμήματα όπως το τμήμα Μηχανικών Σχεδίασης Προϊόντων και Συστημάτων, καθώς επίσης και από τα τμήματα Αρχιτεκτονικής. Φυσικα, εδώ είναι αυτονόητη και η συμβολή αλλά και η δυναμική αποφοίτων όπως Μηχανολόγοι Μηχανικοί, ΗΜΜΥ, Ηλεκτρονικοί Μηχανικοί κ.ο.κ.

Όσον αφορά τις εφαρμογές της τεχνητής νοημοσύνης στην εφοδιαστική αλυσίδα, είναι σαφές ότι προσφέρουν ταχύτητα στη λήψη αποφάσεων, ταχύτητα στη μείωση των χρόνων κύκλου, ταχύτητα στις λειτουργίες και ταχύτητα στη συνεχή βελτίωση. Πιο συγκεκριμένα, η Τεχνητή Νοημοσύνη στις αλυσίδες εφοδιασμού συμβάλλει στην παροχή των ισχυρών δυνατοτήτων βελτιστοποίησης που απαιτούνται για ακριβέστερο προγραμματισμό χωρητικότητας, αυξημένη παραγωγικότητα, χαμηλότερο κόστος, ενώ ταυτόχρονα προωθεί ασφαλέστερες συνθήκες εργασίας. Σύμφωνα με έρευνα που πραγματοποιήθηκε από την ΕΥ και το Cranfield University στη Μεγάλη Βρετανία, σημειώθηκε ότι με την αξιοποίηση της ΑΙ μπορεί να μειωθεί ο χρόνος διεκπεραίωσης στον τομέα των προμηθειών κατά 25-40%, ενώ στην παραγωγή, αναμένεται αύξηση της παραγωγικότητας κατά 20%-25%, με εκτιμώμενο όφελος της τάξεως των 10 εκατ. έως 100 εκατ. δολ. σε περιπτώσεις όπου η παραγωγική διαδικασία πραγματοποιείται με την υποστήριξη της ΑΙ. Τέλος, στην εποχή του ψηφιακού καταναλωτή, η τεχνητή νοημοσύνη μπορεί να αξιοποιηθεί για να δημιουργήσει μια πιο εξατομικευμένη εμπειρία πελάτη (personalization), ιδιαίτερα μέσω της εφαρμογής μηχανών συστάσεων ή εικονικών βοηθών, όπως το λογισμικό “Jenny”.

Στον τομέα της εφοδιαστικής αλυσίδας και των μεταφορών, για όσους μαθητές κρίνεται ενδιαφέρον, ενδεικτικά τμήματα που θα μπορούσαν να προσφέρουν τις αντίστοιχες γνώσεις είναι τα παραδοσιακά τμήματα Πληροφορικής, Εφαρμοσμένης Πληροφορικής και φυσικά, το τμήμα Διοίκησης Εφοδιαστικής αλυσίδας.

Τα τελευταία χρόνια σχολιάζεται έντονα ο ρόλος της Τεχνητής Νοημοσύνης και στην εκπαίδευση. Οι εκπαιδευτικές λύσεις μέσω της ΤΝ εξελίσσονται διαρκώς τα τελευταία χρόνια, συμβάλλοντας στην ανάπτυξη δεξιοτήτων των μαθητών αλλά και στα συστήματα εξετάσεων. Η σωστή αξιοποίησή της ΑΙ καλύπτει ανάγκες στη διαδικασία μάθησης και επιτρέπει στους εκπαιδευτικούς να ασχοληθούν με την εκπαιδευτική διαδικασία. Με την αξιοποίηση των κατάλληλων προγραμμάτων επιτυγχάνεται εξατομικευμένη μάθηση και βελτίωση της σχολικής επίδοσης σε μεγάλο βαθμό. Η Ευρωπαϊκή Ένωση κάνει λόγο για αύξηση της παραγωγικότητας, που θα επιφέρει η τεχνητή νοημοσύνη μέχρι το 2035, από 11% έως 37% και τα ποσοστά αυτά περιλαμβάνουν και την εκπαίδευση. Την ίδια στιγμή, η χρήση εφαρμογών τεχνητής νοημοσύνης στην εκπαίδευση των ΗΠΑ θα αυξηθεί κατά 47,5% μέχρι το τέλος του έτους, σύμφωνα με την έκθεση Artificial Intelligence.
Η Ευρωπαϊκή Επιτροπή αλλά και η UNESCO έχουν ήδη ξεκινήσει τα πρώτα βήματα προς αυτήν την κατεύθυνση, κάτι που είναι αρκετά ενθαρρυντικό, ενώ σχετικά εκπαιδευτικά και ερευνητικά έργα ήδη συγχρηματοδοτούνται στο πλαίσιο προγραμμάτων όπως το Erasmus+ και το Horizon Europe.Ένα από αυτά τα έργα είναι το Artificial Intelligence for Education ή AI4Edu. Συγκεκριμένα το AI4Edu θα δημιουργήσει: Τον Study Buddy, ένα βοηθό τεχνητής νοημοσύνης για μαθητές, ικανό να παράγει ερωτήσεις για το περιεχόμενο του μαθήματος και να αξιολογεί τις απαντήσεις των μαθητών, καθώς επίσης και τον Teacher Workmate, μια εφαρμογή τεχνητής νοημοσύνης για εκπαιδευτικούς, ικανή να παρακολουθεί τη μαθησιακή πρόοδο των μαθητών στα σχολικά μαθήματα και να εντοπίζει τομείς παρέμβασης.

Αυτή τη στιγμή, σε πολλές χώρες του κόσμου η τεχνητή νοημοσύνη αλλάζει την εκπαίδευση προς το καλύτερο. Συγκεκριμένα, στην Κίνα έχουν αναπτυχθεί από την εταιρεία Squirrel AI εφαρμογές προσαρμοστικής εκπαίδευσης σε συνεργασία με το εκπαιδευτικό προσωπικό της χώρας, που χωρίζει τα γνωστικά αντικείμενα σε μικρότερες ενότητες με σκοπό να καλύπτονται τα μαθησιακά κενά των μαθητών όσο πιο αποτελεσματικά. Στην Φινλανδία, από το 2019 έχει ξεκινήσει ένα αρκετά φιλόδοξο εγχείρημα, που αφορά την εξοικείωση των πολιτών με την τεχνητή νοημοσύνη, τα νευρωνικά δίκτυα και την μηχανική μάθηση, με το μάθημα Elements of AI. Ο στόχος του συγκεκριμένου πειράματος είναι να εκπαιδευθούν οι πολίτες στην τεχνολογία της τεχνητής νοημοσύνης, με απώτερο σκοπό την αλλαγή κατεύθυνσης της οικονομίας της χώρας. Το συγκεκριμένο πείραμα, όπως φαίνεται στέφθηκε με επιτυχία έχοντας την υποστήριξη τόσο της κυβέρνησης όσο και μεγάλων ιδιωτικών εταιριών. Μάλιστα, η Φινλανδία αποφάσισε να μεταφράσει ολόκληρο το μάθημα Τεχνητής Νοημοσύνης «Elements of AΙ» σε κάθε επίσημη γλώσσα της Ένωσης, συμπεριλαμβάνοντας μάλιστα και τα ελληνικά.

Σε κάθε περίπτωση, το μοντέλο του ψηφιακού μετασχηματισμού της εκπαίδευσης μοιάζει να είναι πιο κοντά από ποτέ άλλοτε. Γι΄αυτόν ακριβώς τον λόγο, τμήματα που θα μπορούσαν να αποτελέσουν την βάση για τους εκπαιδευτικούς του αύριο είναι τα Παιδαγωγικά τμήματα της χώρας, καθώς και το τμήμα Εκπαιδευτικής και Κοινωνικής πολιτικής, ενώ επίσης για τους πτυχιούχους των τμημάτων Φιλολογίας, θα ήταν έξυπνη επιλογή μια εξειδίκευση στην Υπολογιστική Γλωσσολογία.

Καταλήγοντας, λοιπόν, η τεχνητή νοημοσύνη με τις εντυπωσιακές της δυνατότητες, αναπροσαρμόζει τον τρόπο που επικοινωνούμε, αλληλοεπιδρούμε και βιώνουμε την καθημερινότητά μας. Τα οφέλη αντικατοπτρίζουν την πολυπλοκότητα και την ευρεία εφαρμογή της τεχνητής νοημοσύνης σε διάφορους τομείς της κοινωνίας, καθιστώντας σημαντικό ωστόσο να διαχειριστούμε προσεκτικά τις προκλήσεις και τα ηθικά ζητήματα που μπορεί να προκύψουν με την εφαρμογή αυτής της τεχνολογίας.

Λάζαρος Παπαδόπουλος, Σύμβουλος Σταδιοδρομίας | EMPLOY EDU Σύμβουλοι Εκπαίδευσης & Σταδιοδρομίας