# Τι είναι η τεχνητή νοημοσύνη

> Μηχανές που μαθαίνουν από παραδείγματα — και γιατί κάνουν λάθη.

Πληροφορική, ΣΤ΄ Δημοτικού. https://www.akademio.gr/el/dim-6/informatics/artificial-intelligence

## Τι θα μάθεις

- Να ξεχωρίζεις ένα πρόγραμμα με κανόνες από ένα πρόγραμμα που μαθαίνει από παραδείγματα.
- Να περιγράφεις με απλά λόγια πώς «εκπαιδεύεται» ένα σύστημα τεχνητής νοημοσύνης.
- Να εξηγείς γιατί η τεχνητή νοημοσύνη κάνει λάθη, όταν τα παραδείγματά της είναι λίγα ή μονόπλευρα.
- Να ελέγχεις όσα γράφει ένα πρόγραμμα συνομιλίας και να μη μοιράζεσαι προσωπικά στοιχεία μαζί του.

## Όταν οι κανόνες δεν φτάνουν

Στις προηγούμενες ενότητες έγραψες προγράμματα με **κανόνες**: «αν το σκορ είναι μεγαλύτερο από 10 τότε…». Ο προγραμματιστής σκέφτεται όλους τους κανόνες και τους γράφει έναν-έναν. Για πολλά πράγματα αυτό δουλεύει τέλεια — μια αριθμομηχανή, ένα ξυπνητήρι, ένα φανάρι.

Δοκίμασε όμως να γράψεις κανόνες για το: «Αυτή η φωτογραφία δείχνει γάτα;».

- «Αν έχει μυτερά αυτιά…» — και οι αλεπούδες έχουν.
- «Αν έχει μουστάκια…» — και οι σκύλοι έχουν.
- Και αν η γάτα κοιμάται κουλουριασμένη και δεν φαίνονται ούτε αυτιά ούτε μουστάκια;

Εσύ αναγνωρίζεις μια γάτα αμέσως, αλλά δεν μπορείς να πεις **ακριβώς** πώς. Για τέτοια προβλήματα οι επιστήμονες σκέφτηκαν κάτι άλλο: αντί να γράψουν τους κανόνες, **δείχνουν στον υπολογιστή χιλιάδες παραδείγματα** και τον αφήνουν να βρει μόνος του τι έχουν κοινό.

> **Κλειδί**
>
> **Τεχνητή νοημοσύνη** (ΤΝ) λέμε τα προγράμματα που κάνουν δουλειές για τις οποίες ως τώρα χρειαζόταν ανθρώπινη σκέψη — να αναγνωρίζουν εικόνες, να καταλαβαίνουν φωνή, να μεταφράζουν.
>
> Οι περισσότερες σημερινές ΤΝ **δεν** τις έχει προγραμματίσει κανείς κανόνα προς κανόνα: **έμαθαν από παραδείγματα**.

## Κανόνες ή παραδείγματα;

*Διαδραστικό στη σελίδα: Κανόνες ή παραδείγματα;*

## Πώς μαθαίνει μια μηχανή

Ας πούμε ότι θέλεις ένα πρόγραμμα που ξεχωρίζει τις φωτογραφίες με γάτες. Η **εκπαίδευση** γίνεται γύρο γύρο:

*Διαδραστικό στη σελίδα: Ο κύκλος της εκπαίδευσης*

Πρόσεξε κάτι σημαντικό: το πρόγραμμα **δεν** ξέρει τι είναι γάτα, όπως το ξέρεις εσύ. Δεν έχει χαϊδέψει ποτέ γάτα. Έχει βρει μοτίβα στα pixels — στα bits που είδαμε στην ενότητα για το δυαδικό σύστημα.

## Γιατί κάνει λάθη

Μια ΤΝ είναι τόσο καλή όσο τα **παραδείγματα** που της έδωσαν. Αν τα παραδείγματα είναι λίγα ή όλα όμοια, μαθαίνει κάτι λάθος χωρίς να το καταλάβει.

> **Πρόσεχε**
>
> Αν όλες οι φωτογραφίες με γάτες ήταν τραβηγμένες **μέσα στο σπίτι**, πάνω σε καναπέ, η ΤΝ μπορεί να «μάθει» ότι γάτα = καναπές. Και τότε μια γάτα στον κήπο δεν την αναγνωρίζει — ενώ έναν άδειο καναπέ τον λέει γάτα.
>
> Η ΤΝ δεν ξέρει ποιο μοτίβο είναι το σημαντικό. Βρίσκει ό,τι επαναλαμβάνεται.

Το ίδιο ισχύει και για τα **προγράμματα συνομιλίας** (chatbots), που απαντούν σε ερωτήσεις με κείμενο. Έχουν μάθει από τεράστιες ποσότητες κειμένου να προβλέπουν ποια λέξη ταιριάζει να έρθει μετά. Γι' αυτό γράφουν πολύ φυσικά — αλλά μερικές φορές γράφουν κάτι που **ακούγεται** σωστό και **δεν είναι**, με την ίδια σιγουριά.

> **Θυμήσου**
>
> Όταν χρησιμοποιείς ένα πρόγραμμα συνομιλίας:
>
> - **Έλεγξε** ό,τι σημαντικό σου πει σε μια αξιόπιστη πηγή, όπως έμαθες στην προηγούμενη ενότητα.
> - **Μη γράφεις** προσωπικά στοιχεία: όνομα, διεύθυνση, σχολείο, τηλέφωνο, κωδικούς.
> - Στις εργασίες, η σκέψη πρέπει να είναι **δική σου**. Ρώτα τον δάσκαλό σου αν και πώς επιτρέπεται να το χρησιμοποιήσεις.

## Παραδείγματα

### Παράδειγμα 1: Ένα πρόγραμμα ΤΝ ξεχωρίζει μήλα σε ένα εργοστάσιο. Εκπαιδεύτηκε μόνο με φωτογραφίες κόκκινων μήλων. Όταν περνάει ένα πράσινο μήλο, λέει «δεν είναι μήλο». Τι πήγε στραβά, και πώς διορθώνεται;

1. Το πρόγραμμα έψαξε τι έχουν κοινό όλα τα παραδείγματα «μήλο». Ένα από τα πιο εύκολα μοτίβα ήταν το **κόκκινο χρώμα**.
2. Δεν είχε δει **ποτέ** πράσινο μήλο. Για αυτό, το πράσινο δεν ταιριάζει με το «μήλο» που έμαθε.
3. Το λάθος δεν είναι «κακία» ή «βλακεία» του προγράμματος: είναι λάθος στα **παραδείγματα**, που ήταν μονόπλευρα.
4. **Διόρθωση:** προσθέτουμε στα παραδείγματα μήλα κάθε χρώματος — πράσινα, κίτρινα, ριγέ — και το εκπαιδεύουμε ξανά. Μετά το δοκιμάζουμε πάλι με μήλα που δεν έχει δει.

### Παράδειγμα 2: Ρωτάς ένα πρόγραμμα συνομιλίας για μια εργασία και γράφει: «Η Κρήτη είναι το μεγαλύτερο νησί της Μεσογείου». Μπορείς να το γράψεις στην εργασία σου;

1. Η πρόταση ακούγεται σίγουρη και λογική. Όμως, όπως είδαμε, αυτό **δεν** αποδεικνύει ότι είναι σωστή.
2. Ελέγχεις σε μια αξιόπιστη πηγή — έναν άτλαντα, μια εγκυκλοπαίδεια, το βιβλίο της Γεωγραφίας.
3. Βρίσκεις ότι το μεγαλύτερο νησί της Μεσογείου είναι η **Σικελία**. Η Κρήτη είναι το μεγαλύτερο **ελληνικό** νησί, αλλά στη Μεσόγειο έρχεται πέμπτη.
4. Το πρόγραμμα ανακάτεψε κάτι σωστό («μεγαλύτερο ελληνικό») με κάτι λάθος. Γράφεις στην εργασία την **ελεγμένη** πληροφορία.

## Ερωτήσεις

1. Ποια είναι η μεγάλη διαφορά ανάμεσα στις περισσότερες σημερινές ΤΝ και σε ένα πρόγραμμα όπως μια αριθμομηχανή;
   - Η ΤΝ έμαθε από παραδείγματα· η αριθμομηχανή έχει γραμμένους κανόνες
   - Η ΤΝ έχει δικές της σκέψεις και συναισθήματα
   - Η ΤΝ δεν χρειάζεται υπολογιστή για να δουλέψει
   - Η ΤΝ δεν κάνει ποτέ λάθη, ενώ η αριθμομηχανή κάνει
2. Τι είναι τα «δεδομένα εκπαίδευσης» μιας ΤΝ;
   - Τα παραδείγματα, συχνά με ετικέτα, από τα οποία μαθαίνει
   - Τα μαθήματα που παρακολουθεί η ΤΝ στο σχολείο
   - Οι κανόνες «αν… τότε…» που γράφει ο προγραμματιστής
   - Οι φωτογραφίες που δεν έχει δει ποτέ, για να τη δοκιμάσουμε
3. Ποιο από τα παρακάτω είναι πιθανότατα τεχνητή νοημοσύνη που έμαθε από παραδείγματα;
   - Μια εφαρμογή που αναγνωρίζει ποιο φυτό είναι από μια φωτογραφία του
   - Ένα χρονόμετρο που μετράει αντίστροφα από το 60
   - Ένα φανάρι που αλλάζει χρώμα κάθε 40 δευτερόλεπτα
   - Ένα πρόγραμμα που προσθέτει τους βαθμούς σου
4. Μια ΤΝ εκπαιδεύτηκε να αναγνωρίζει σκύλους μόνο με φωτογραφίες από μεγάλους, καφέ σκύλους. Τι είναι πιθανό να συμβεί;
   - Να μην αναγνωρίζει ένα μικρό άσπρο σκυλάκι
   - Να αναγνωρίζει τέλεια κάθε σκύλο, αφού ξέρει τι είναι σκύλος
   - Να αρνηθεί να δουλέψει
   - Να καταλάβει μόνη της ότι της λείπουν παραδείγματα
5. Ένα πρόγραμμα συνομιλίας σού απαντά πολύ σίγουρα και με ωραίο κείμενο. Τι ισχύει;
   - Μπορεί να κάνει λάθος· ό,τι σημαντικό το ελέγχεις
   - Αφού είναι τόσο σίγουρο, σίγουρα είναι σωστό
   - Όλα όσα γράφει είναι πάντα λάθος
   - Έχει ψάξει και ελέγξει κάθε λέξη πριν απαντήσει
6. Μια ΤΝ αναγνωρίζει γάτες σωστά 99 φορές στις 100. Σημαίνει αυτό ότι ξέρει τι είναι γάτα, όπως εσύ;
   - Όχι· έχει βρει μοτίβα στα pixels, χωρίς να ξέρει τι είναι ένα ζώο
   - Ναι· αφού τις αναγνωρίζει, ξέρει ότι είναι ζώα που νιαουρίζουν
   - Ναι· και μάλιστα καλύτερα από τους ανθρώπους
   - Όχι· γιατί 99 στις 100 σημαίνει ότι δεν δουλεύει καθόλου
7. Ποιο από τα παρακάτω δεν πρέπει να γράψεις σε ένα πρόγραμμα συνομιλίας;
   - Τη διεύθυνση του σπιτιού σου
   - «Εξήγησέ μου πώς γίνεται η βροχή»
   - «Δώσε μου ιδέες για ένα παιχνίδι στην αυλή»
   - «Πώς λέγεται η πρωτεύουσα της Ιταλίας;»
8. Μια εφαρμογή βίντεο σού προτείνει συνέχεια βίντεο με ποδόσφαιρο. Από πού το «ξέρει» ότι σου αρέσει;
   - Έμαθε από τα βίντεο που έχεις ήδη δει και πόση ώρα τα είδες
   - Διάβασε τη σκέψη σου
   - Είναι σύμπτωση· προτείνει τα ίδια σε όλους
   - Της το είπε ο δάσκαλός σου

## Ασκήσεις

1. Γράψε ένα μηχάνημα ή πρόγραμμα της καθημερινότητας που δουλεύει μόνο με κανόνες, χωρίς να έχει μάθει από παραδείγματα.
2. Στη δοκιμή, μια ΤΝ είδε 200 φωτογραφίες που δεν είχε ξαναδεί και βρήκε σωστά τις 180. Σε πόσες έκανε λάθος;
3. Βάλε στη σωστή σειρά τα στάδια ενός γύρου εκπαίδευσης: Δοκιμή, Παραδείγματα, Διόρθωση, Εκπαίδευση.
4. Ένα πρόγραμμα συνομιλίας γράφει: «Ο Άρης είναι ο πλανήτης που είναι πιο κοντά στον Ήλιο και έχει κοκκινωπό χρώμα». Ποιο κομμάτι της πρότασης είναι λάθος;

---

Οι απαντήσεις, τα διαδραστικά και τα παιχνίδια είναι στη σελίδα της ενότητας: https://www.akademio.gr/el/dim-6/informatics/artificial-intelligence
