Σε 195 δισ.δολάρια εκτιμάται το συνολικό ποσό το οποίο θα μπορούσε να προστεθεί στο ΑΕΠ της Ελλάδας σε μια περίοδο 15ετίας λόγω των εφαρμογών της Τεχνητής Νοημοσύνης σε διάφορους τομείς της οικονομίας, ενώ ως το 2030 η αγορά προϊόντων AI εκτιμάται σε 500 δισ. δολάρια.
Η εκτίμηση αυτή που έγινε σε προηγούμενες έρευνες της Microsoft και της Accenture Greece περιλαμβάνεται ως αναφορά αλλά και ως χαρακτηριστικό παράδειγμα στη μελέτη «Generative AI Greece 2030». Τα ενδεχόμενα μέλλοντα της Παραγωγικής Τεχνητής Νοημοσύνης στην Ελλάδα, η οποία εκπονήθηκε από το Εθνικό Κέντρο Κοινωνικών Ερευνών και το Εθνικό Κέντρο Έρευνας Φυσικών Επιστημών «Δημόκριτος», με την υποστήριξη της Ειδικής Γραμματείας Μακροπρόθεσμου Σχεδιασμού και παρουσιάστηκε στο Μέγαρο Μαξίμου, παρουσία του πρωθυπουργού κ. Κυριάκου Μητσοτάκη στους υπουργούς της κυβέρνησης.
Η έρευνα, μέσα από τέσσερα σενάρια καταγράφει τις πιθανές εναλλακτικές εικόνες του μέλλοντος της Παραγωγικής Τεχνητής Νοημοσύνης Στην Ελλάδα του 2030.
Τεχνοκοινωνική Επιτάχυνση
Από τα τέσσερα αυτά σενάρια, μόνο το πρώτο, αυτό της τεχνοκοινωνικής επιτάχυνσης μπορεί να αναδείξει την δυναμική της Παραγωγικής Τεχνητής Νοημοσύνης και να ενισχύσει την ικανότητα της χώρας και της οικονομίας για βιώσιμη ανάπτυξη και ανθεκτική ευημερία σε ένα περιβάλλον όπου η παγκόσμια γεωπολιτική και γεωοικονομικής τάξης καθίσταται όλο και πιο αβέβαια, ενώ ζούμε σε μια εποχή μόνιμης κρίσης.
Κατ΄αρχάς η εφαρμογή της Παραγωγικής Τεχνητής Νοημοσύνης στον Χρηματοοικονομικό τομέα μπορεί να ενισχύσει την ανίχνευση και την πρόληψη της απάτης με την ανάλυση τεραστίων ποσοτήτων δεδομένων συναλλαγών (big data) για τον εντοπισμό «μοτίβων» και πιθανόν απειλών σε πραγματικό χρόνο.
Εδώ υπάρχουν πολλά πρακτικά παραδείγματα, όπως αυτά της Capital One και της JP Morgan, της Morgan Stanley και της Wells Fargo, αλλά και της Morgan Stanley όπου έχουν υιοθετήσει τέτοια συστήματα ελέγχου με ελάχιστη ανθρώπινη παρέμβαση. Αυτό είχε ως αποτέλεσμα εκτός από την ασφάλεια των συναλλαγών και σημαντική μείωση των ψευδώς θετικών αποτελεσμάτων που παρουσιάζονται από εταιρείες. Αυτό πρακτικά σημαίνει ότι με μια τέτοια εφαρμογή είναι δύσκολο να δούμε στο μέλλον μια περίπτωση σκανδάλου παραπλάνησης αρχών και επενδυτών , όπως αυτή της Folli - Follie.
Εκτός βέβαια από τον τομέα της οικονομίας, η Παραγωγική Τεχνητή Νοημοσύνη μπορεί να έχει σημαντική συμβολή και στο περιβάλλον και ιδιαίτερα στην περιβαλλοντική παρακολούθηση, τη μείωση των αποβλήτων, αλλά και τη μείωση του κόστους και της ενίσχυσης της αποτελεσματικότητας των διαδικασιών αυτών.
Σε ό,τι αφορά τον τομέα χάραξης πολιτικής, εκεί η Παραγωγική Τεχνητή Νοημοσύνη μπορεί να διαδραματίσει σημαντικό ρόλο. Κατ΄αρχάς απαιτείται η καθιέρωση ευρύτερων καθολικών πολιτικών κατευθυντήριων γραμμών και προτύπων για τους προγραμματιστές και τους χρήστες της Τεχνητής Νοημοσύνης, ώστε να εξασφαλιστεί ότι τα συστήματά τους σχεδιάζονται και χρησιμοποιούνται με ηθικό τρόπο.
Αυτό περιλαμβάνει αρχές όπως η διαφάνεια, η δικαιοσύνη και η προστασία της ιδιωτικής ζωής και των ανθρωπίνων δικαιωμάτων. Ένα κανονιστικό πλαίσιο, δηλαδή, ανάλογο του Γενικού Κανονισμού Προστασίας Δεδομένων (GDPR) το οποίο θα καθορίζει τους όρους λειτουργίας και να προστατεύει τους πολίτες από μια τεχνολογία πολύπλοκη, όπου οι κίνδυνοι δεν θα είναι ορατοί ή κατανοητοί.
Σε περίπτωση που εξασφαλιστεί αυτό, τότε η Τεχνητή Νοημοσύνη μπορεί να συμβάλλει σημαντικά στην αντιμετώπιση των προκλήσεων της μετατόπισης θέσεων εργασίας και στη δημιουργία νέων ευκαιριών στο εργατικό δυναμικό.
Παράλληλα θα μπορεί να παρέμβει σε θέματα πνευματικής ιδιοκτησίας - δικαιωμάτων και εμπορικών κανόνων , καθώς επίσης και στον γεωπολιτικό ανταγωνισμό, όπως για παράδειγμα το πρόσφατο παράδειγμα μεταξύ ΗΠΑ - Κίνας.
Πηγή: Εθνικό Κέντρο Κοινωνικών Ερευνών και το Εθνικό Κέντρο Έρευνας Φυσικών Επιστημών «Δημόκριτος»
Δημόσια Διοίκηση
Σε ό,τι αφορά τις ευκαιρίες που μπορεί να προσφέρει η Παραγωγική Τεχνητή Νοημοσύνη, ένα χαρακτηριστικό παράδειγμα είναι αυτό της Δημόσιας Διοίκησης, όπως η ταχεία λήψη αποφάσεων με βάση τα δεδομένα, η πρόσβαση στην πληροφορία και η ενίσχυση της υποστήριξης και της εξυπηρέτησης των πολιτών. Έτσι θα επέλθει αύξηση της αποδοτικότητας λόγω της μείωσης της γραφειοκρατίας, αλλά και της αυτοματοποιημένης παραγωγής αναφορών.
Άλλοι τομείς που μπορεί να ωφεληθούν από την Παραγωγική Τεχνητή Νοημοσύνη είναι η Δικαιοσύνη. Ήδη στην Ελλάδα η Νομική Βιβλιοθήκη εφαρμόζει ήδη τεχνολογίες Τεχνητής Νοημοσύνης προκειμένου να διευκολύνει την διαχείριση όγκου μεγάλων χαρτοφυλακίων με πολύπλοκους χρήστες και ανάγκες.
Παράλληλα ένας άλλος τομέας στο οποίο η Παραγωγική Τεχνητή Νοημοσύνη μπορεί να φέρει δραστικές αλλαγές είναι και η υγειονομική περίθαλψη. Ο τομέας αυτός, διαθέτει τεράστιες ποσότητες δεδομένων ασθενών και ιατρικής βιβλιογραφίας. Εδώ υπάρχει ανάγκη για αποτελεσματικότερους τρόπους χρήσης αυτών των πληροφοριών.
Οι παραδοσιακές μέθοδοι ανάλυσης δεδομένων είναι χρονοβόρες και συχνά υστερούν σε σχέση με τον ταχύτατο ρυθμό των ιατρικών εξελίξεων, θέτοντας ενδεχομένως σε κίνδυνο τη φροντίδα των ασθενών. Η ΠΤΝ θα συμβάλει στην ανάπτυξη προηγμένων ιατρικών λύσεων, όπως εξατομικευμένη ιατρική, αντιμετωπίζοντας ασθένειες με ακρίβεια και αποτελεσματικότητα.
Ακόμη, μεγάλες είναι και οι προκλήσεις για χρήση της Παραγωγικής Τεχνητής Νοημοσύνης σε τομείς όπως η Παιδεία και η Έρευνα και Ανάπτυξη.
Ειδικά στην Ερευνα και Ανάπτυξη μπορούν να δημιουργηθούν εφαρμογές που θα συμβάλουν στην προσβασιμότητα και την συμπερίληψη άτομων με αναπηρία, την αποφυγή διακρίσεων και τοξικής συμπεριφοράς, την αποφυγή παραπληροφόρησης καθώς και τον οικιακό αυτοματισμό και άλλες εφαρμογές έξυπνων συστημάτων στον τομέα του Smart Living.
Η Παραγωγική Τεχνητή Νοημοσύνη, σύμφωνα με την μελέτη Generative AI Greece 2030, μπορεί ακόμη να παρέχει σημαντική ενίσχυση στην Εθνική ¨Αμυνα, την Πολιτική Προστασία και Πρόληψη, στη Διαχείριση Κυκλοφορίας, τις μεταφορές και την «πράσινη» ενέργεια.
Ακόμη μπορεί να ενισχύσει σημαντικούς κλάδους της οικονομίας όπως οι κατασκευές, η βιομηχανία- μεταποίηση και η γεωργική παραγωγή, ο τουρισμός και η ναυτιλία.
