Για τον ρόλο της οπτικής παραγωγικής τεχνητής νοημοσύνης (Visual Generative AI) στην επιστήμη και την εκπαίδευση μίλησε ο Gal Chechik, Sr. Director of AI Research στην NVIDIA και καθηγητής στο Πανεπιστήμιο Bar-Ilan, στο τρίτο session του EmTech Europe 2025 που πραγματοποιείται σήμερα και αύριο στο ΚΠΙΣΝ. Τη συζήτηση συντόνισε ο δημοσιογράφος της Καθημερινής, Γιάννης Παλαιολόγος.
Δείτε εδώ την ατζέντα του συνεδρίου.
Επεξηγώντας τον τρόπο με τον οποίο η τεχνητή νοημοσύνη δημιουργεί εικόνες και βίντεο, τόνισε ότι η γλώσσα και η όραση είναι δύο ξεχωριστές οντότητες: «Η γλώσσα αποτελεί μια αφηρημένη αναπαράσταση του κόσμου, ενώ η εικόνα βασίζεται στην κατανόησή μας για αυτόν». Περιγράφοντας τη διαδικασία μετατροπής κειμένου σε εικόνα μέσω μοντέλων διάχυσης (diffusion models), εξήγησε πως το AI αρχικά μετατρέπει μια εικόνα σε «θόρυβο», εκπαιδεύεται σε αυτή τη διαδικασία και στη συνέχεια την αντιστρέφει για να δημιουργήσει νέες εικόνες από το μηδέν.
Αναφερόμενος στο νέο μοντέλο της OpenAI, SORA, που παράγει βίντεο από κείμενο, επισήμανε ότι οι αλγόριθμοι αυτοί δυσκολεύονται να κατανοήσουν τη φυσική υπόσταση του κόσμου μας. «Ένας τρόπος να βελτιωθεί η φυσικότητα της κίνησης είναι η εκπαίδευση των μοντέλων μέσω προσομοιώσεων», σημείωσε.
Ο Gal Chechik στάθηκε ιδιαίτερα στη σημασία της λογικής σκέψης (reasoning) στα νέα AI μοντέλα. Ανέφερε το πρόσφατο λανσάρισμα του DeepSeek R1, ενός μοντέλου εστιασμένου στη συλλογιστική διαδικασία, επισημαίνοντας τη διαφορά με τα παλαιότερα συστήματα AI που έδιναν άμεσες απαντήσεις χωρίς ανάλυση. «Στα προβλήματα συλλογιστικής απαιτείται πολλή περισσότερη υπολογιστική ισχύς», είπε, προσθέτοντας ότι χάρη στη δύναμη των GPU μπορούμε πλέον να επιλύσουμε πιο σύνθετα προβλήματα.
Όσον αφορά τις στρεβλώσεις στις εικόνες που παράγει η ΤΝ, εξήγησε ότι αυτές οφείλονται στην απουσία κατανόησης της φυσικής πραγματικότητας από τα μοντέλα, τα οποία αναλύουν μόνο μοτίβα στα δεδομένα. Στο πεδίο της εκπαίδευσης, ανέφερε ότι η AI μπορεί να φέρει επανάσταση στη μάθηση, καθώς τα παιδιά αφομοιώνουν καλύτερα τις πληροφορίες όταν διατυπώνουν ερωτήσεις. Επιπλέον, υπογράμμισε τον ρόλο της AI στην υγειονομική περίθαλψη, αναφέροντας συστήματα που αναλύουν δεδομένα από αισθητήρες γλυκόζης και προσφέρουν ταχύτερη διάγνωση.
Όσον αφορά το μέλλον της AI, επεσήμανε πως η πρόοδος είναι ασταμάτητη: «Είναι δύσκολο να προβλέψουμε το μέλλον, αλλά η δυναμική είναι τεράστια». Τέλος, σχολιάζοντας την πιθανή επίδραση της κβαντικής πληροφορικής στη γενετική AI, ανέφερε ότι η NVIDIA εστιάζει στη χρήση GPU για τη βελτίωση των προσομοιώσεων στον τομέα αυτό.
