Δρ. Ιωάννης Πήτας – Τεχνητή Νοημοσύνη και Πολιτική
Περίληψη:
Στόχος της διάλεξης είναι:
α) να ορίσει την Υπολογιστική Πολιτική (Computational Politics) ως ένα επιστημονικό πεδίο που βρίσκεται στη διασταύρωση της Πολιτικής Επιστήμης και της Επιστήμης Υπολογιστών και
β) να παρουσιάσει τη χρήση της Τεχνητής Νοημοσύνης (ΤΝ) και των Τεχνολογιών Πληροφορικής (IT) στην ανάλυση πολιτικών δεδομένων.
Η Πολιτική (από την αρχαία ελληνική λέξη «πολιτική», δηλαδή «τα της πόλεως») αναφέρεται στις δραστηριότητες που σχετίζονται με τη λήψη αποφάσεων σε κοινωνικές ομάδες (συμπεριλαμβανομένων των κρατών), καθώς και σε άλλες μορφές σχέσεων εξουσίας μεταξύ ατόμων ή/και κοινωνικών στρωμάτων. Αποτελεί ουσιαστικά την τέχνη και την επιστήμη της διακυβέρνησης. Ως εκ τούτου, η πολιτική απαιτεί τόσο την ανάλυση πολιτικών, κοινωνικών και οικονομικών δεδομένων, όσο και τη λήψη, την εφαρμογή και την παρακολούθηση των αποφάσεων.
Καθώς όλες αυτές οι πολιτικές δραστηριότητες αφορούν τόσο την ανάλυση πληροφοριών όσο και τον έλεγχο των κοινωνικών διεργασιών, μπορούν να υποστηριχθούν σημαντικά από τις Τεχνολογίες Πληροφορικής (IT), και ιδιαίτερα από την Ανάλυση Δεδομένων (Data Analytics), την Τεχνητή Νοημοσύνη (Artificial Intelligence) και τη Θεωρία Συστημάτων (Κυβερνητική – Cybernetics). Η Υπολογιστική Πολιτική αναφέρεται ακριβώς στη χρήση της Τεχνητής Νοημοσύνης και των Τεχνολογιών Πληροφορικής στην πολιτική και στην Πολιτική Επιστήμη.
Η Υπολογιστική Πολιτική περιλαμβάνει διάφορες θεματικές περιοχές, όπως:
- Μοντελοποίηση και σχεδιασμός πολιτικών συστημάτων
- Μοντελοποίηση κοινοτήτων και πολιτών
- Ροή και διάχυση της πληροφορίας
- Ανάλυση πολιτικού λόγου
- Εκλογικές εκστρατείες
- Πολιτική ιστορία
- Πολιτική και οικονομία
Η Υπολογιστική Πολιτική αξιοποιεί διάφορα εργαλεία της Τεχνητής Νοημοσύνης και της Πληροφορικής, όπως:
- Επεξεργασία Φυσικής Γλώσσας (Natural Language Processing – NLP)
- Ανάλυση συναισθήματος κειμένου (TextSentiment Analysis)
- Πρόβλεψη χρονοσειρών (Time Series Prediction)
- Ανάλυση δεδομένων πολιτικών δικτύων (Political Network Data Analysis).
Παρουσιάζονται αποτελέσματα της χρήσης της Τεχνητής Νοημοσύνης στην ανάλυση της Ελληνικής πολιτικής σκηνής:
- Ανάλυση συναισθήματος των πολιτικών tweets για την πρόβλεψη των εκλογικών αποτελεσμάτων του 2023 με μεγαλύτερη ακρίβεια απ’ ότι τα exit polls.
- Ομαδοποίηση των εκλογικών αποτελεσμάτων στην Ελλάδα που αναδεικνύουν τις τρεις περιόδους της πρόσφατης Ελληνικής πολιτικής ιστορίας (1974–2019).
- Χρήση οικονομικοπολιτικής ανάλυσης για πρόβλεψη των εκλογικών αποτελεσμάτων.
Δ. Οικονόμου – Τεχνητή Νοημοσύνη και Πολιτική
Περίληψη:
Η διάλεξη παρουσιάζει μια μέθοδο Τεχνητής Νοημοσύνης (ειδικότερα Μηχανικής Μάθησης) για ανάλυση δεδομένων και ποσοτική αξιολόγηση της γεωπολιτικής ισχύος 50 χωρών απ΄ όλο τον κόσμο. Για τον σκοπό αυτό χρησιμοποιήθηκαν 31 διαφορετικοί στρατιωτικοί, οικονομικοί/χρηματοπιστωτικοί και κοινωνικοί δείκτες που καθορίζουν την στρατιωτική, οικονομική, τεχνολογική και οργανωτική ισχύ κάθε χώρας.
Η ανάλυση δείχνει ότι δύο βασικοί παράγοντες ερμηνεύουν το μεγαλύτερο μέρος των συνολικών διαφορών ισχύος που παρατηρούνται μεταξύ των χωρών:
α) η «Ποιότητα Διακυβέρνησης» που σχετίζεται κυρίως με κοινωνικούς, οργανωτικούς και οικονομικούς δείκτες και
β) η «Γεωπολιτική Ισχύς» που σχετίζεται κυρίως με στρατιωτικούς και τεχνικo-οικονομικούς δείκτες.
Το ενδιαφέρον είναι ότι οι δύο αυτές διαστάσεις είναι στατιστικά ασυσχέτιστες, πράγμα που σημαίνει πως μια χώρα μπορεί να έχει καλούς θεσμούς και αποτελεσματική διακυβέρνηση, αλλά αυτό δεν συνεπάγεται απαραίτητα ότι έχει και μεγάλη συνολική ισχύ και εξωτερική επιρροή, και το αντίστροφο. Χώρες με μεγάλη γεωπολιτική ισχύ, π.χ., Κίνα, Ινδία, Ρωσία, ακόμα και οι ΗΠΑ, υστερούν στην ποιότητα
διακυβέρνησης σε σχέση με άλλες χώρες του ευρύτερου Δυτικού κόσμου (π.χ., χώρες Ευρωπαϊκής Ένωσης, Αυστραλία, Καναδά). Αυτό το φαινόμενο το ονομάζουμε «Παράδοξο Διακυβέρνησης-Ισχύος».
Από την ανάλυση είναι καθαρό ότι:
1) οι μόνες υπερδυνάμεις (χώρες με μεγάλη γεωπολιτική ισχύ) είναι η ΗΠΑ και Κίνα.
2) Ακολουθούνται από μακρυά από δύο μεγάλες δυνάμεις (Ρωσία και Ινδία) και ακόμα μακρύτερα από άλλες μεσαίες δυνάμεις (π.χ., Γαλλία, Μ. Βρετανία, Γερμανία, Βραζιλία).
3) Η ΗΠΑ, σε καμία περίπτωση, δεν μπορεί να υπερισχύσει της Κίνας (πόσω μάλλον του άξονα Κίνας-Ρωσίας) χωρίς το ΝΑΤΟ και,
ειδικότερα, την Δ. Ευρώπη, παρά τους περί αντιθέτου ισχυρισμούς κύκλων των ΗΠΑ.
4) Η Ευρωπαϊκή Ένωση μπορεί να αποκτήσει πολύ σημαντική γεωπολιτική ισχύ, αν αποφασίσει να γίνει στρατιωτική συμμαχία.
5) Η Ελλάδα είναι σε καλή θέση στην ποιότητα διακυβέρνησης και σε λιγότερο καλή θέση γεωπολιτικής ισχύος, σε σχέση με ανταγωνιστές της. Η υστέρηση σε γεωπολιτική ισχύ μπορεί να αντισταθμιστεί ικανοποιητικά με κατάλληλες συμμαχίες, π.χ., με το Ισραήλ.
Επιπλέον, αναπτύξαμε μετρήσεις για να υπολογίσουμε την «ταχύτητα» και το «μέγεθος» της γεωπολιτικής μεταβολής, ώστε να ξεχωρίσουμε τους ρυθμούς ανάπτυξης (ποσοστιαίες αλλαγές) από τις απόλυτες διαφορές μεταξύ των χωρών. Τα ευρήματα δείχνουν ότι, παρόλο που οι αναδυόμενες χώρες παρουσιάζουν μεγάλη ταχύτητα αλλαγής, το παγκόσμιο σύστημα εξακολουθεί να καθοδηγείται από τις ήδη ισχυρές χώρες, λόγω του τεράστιου μεγέθους και της κλίμακάς τους. Υπάρχουν όμως χώρες, όπως η Κίνα και η Τουρκία που έχουν μεγαλύτερη δυναμική ανάπτυξης απ’ ότι οι ανταγωνιστές τους.
Τέλος, προτείνουμε μια μέθοδο για την εκτίμηση της συνολικής θέσης των γεωπολιτικών συμμαχιών, δείχνοντας πώς η συγκέντρωση των δυνάμεων και των δυνατοτήτων των κρατών-μελών, με πιο χαρακτηριστικό παράδειγμα το ΝΑΤΟ, αναδιαμορφώνει την παγκόσμια ιεραρχία ισχύος. Το προτεινόμενο πλαίσιο αποτελεί ένα χρήσιμο εργαλείο για την ανάλυση γεωπολιτικών δεδομένων, τη μακροχρόνια παρακολούθηση των γεωπολιτικών τάσεων και τη μοντελοποίηση των συμμαχιών.
Η παρούσα εργασία παρουσιάζει μια μέθοδο ανάλυσης δεδομένων για την ποσοτική αξιολόγηση της γεωπολιτικής ισχύος 50 χωρών, χρησιμοποιώντας 31 διαφορετικούς κοινωνικούς, οικονομικούς/χρηματοπιστωτικούς και στρατιωτικούς δείκτες. Μέσω της στατιστικής τεχνικής Ανάλυσης Κύριων Συνιστωσών (PCA) που εφαρμόζεται σε δεδομένα διαχρονικά (σε βάθος χρόνου), ορίζουμε μια σταθερή βάση αναφοράς με έτος το 2025, ώστε να συγκρίνουμε και να αποτυπώσουμε τις μακροπρόθεσμες μεταβολές που σημειώθηκαν το 2015 και το 2020.
Η ανάλυση δείχνει ότι δύο βασικοί παράγοντες ερμηνεύουν το 60,7% των συνολικών διαφορών που παρατηρούνται μεταξύ των χωρών. Αυτοί οι παράγοντες είναι (α) η «Ποιότητα Διακυβέρνησης» και (β) η «Γεωπολιτική Ισχύς». Το ενδιαφέρον είναι ότι οι δύο αυτές διαστάσεις είναι στατιστικά ασυσχέτιστες, πράγμα που σημαίνει πως μια χώρα μπορεί να έχει καλούς θεσμούς και αποτελεσματική διακυβέρνηση, αλλά αυτό δεν συνεπάγεται απαραίτητα ότι έχει και μεγάλη εξωτερική επιρροή, και το αντίστροφο. Αυτό το φαινόμενο το ονομάζουμε «Παράδοξο Διακυβέρνησης-Ισχύος».
Επιπλέον, αναπτύσσουμε μετρήσεις για να υπολογίσουμε την «ταχύτητα» και το «μέγεθος» της γεωπολιτικής μεταβολής, ώστε να ξεχωρίσουμε τους ρυθμούς ανάπτυξης (ποσοστιαίες αλλαγές) από τις απόλυτες διαφορές μεταξύ των χωρών. Τα ευρήματα δείχνουν ότι, παρόλο που οι αναδυόμενες χώρες παρουσιάζουν μεγάλη ταχύτητα αλλαγής, το παγκόσμιο σύστημα εξακολουθεί να καθοδηγείται από τις ήδη ισχυρές χώρες, λόγω του τεράστιου μεγέθους και της κλίμακάς τους.
Τέλος, προτείνουμε μια μέθοδο για την εκτίμηση της συνολικής θέσης των γεωπολιτικών συμμαχιών, δείχνοντας πώς η συγκέντρωση των δυνάμεων και των δυνατοτήτων των κρατών-μελών, με πιο χαρακτηριστικό παράδειγμα το ΝΑΤΟ, αναδιαμορφώνει την παγκόσμια ιεραρχία ισχύος. Το προτεινόμενο πλαίσιο αποτελεί ένα χρήσιμο εργαλείο για την ανάλυση γεωπολιτικών δεδομένων, τη μακροχρόνια παρακολούθηση των τάσεων και τη μοντελοποίηση των συμμαχιών.
Πέτκου Ιωάννα – Η Φυσική της Μάθησης: Τι συμβάινει στον εγκέφαλο μας όταν μαθαίνουμε
Περίληψη:
Στην εποχή της ραγδαίας τεχνολογικής εξέλιξης, η κατανόηση της μάθησης υπερβαίνει τα όρια της θεωρητικής γνώσης και αγγίζει τις θεμελιώδεις αρχές της φυσικής και της βιολογίας. Η παρούσα παρουσίαση, με τίτλο «Η Φυσική της Μάθησης: Τι συμβαίνει στον εγκέφαλο μας όταν μαθαίνουμε», εξετάζει τον ανθρώπινο εγκέφαλο ως ένα εξαιρετικά δυναμικό και αυτο-οργανούμενο σύστημα. Αναλύεται ο τρόπος με τον οποίο η απόκτηση νέων δεξιοτήτων αναδιαμορφώνει φυσικά τις νευρωνικές δομές μέσω της νευροπλαστικότητας, της μυελίνωσης και της χημικής ενίσχυσης των συνάψεων. Παράλληλα, αναδεικνύεται η άμεση συσχέτιση των βιολογικών αυτών μηχανισμών με την αρχιτεκτονική της Τεχνητής Νοημοσύνης, προσφέροντας μια συγκριτική ματιά στην υπολογιστική ισχύ, την ενεργειακή αποδοτικότητα και τα όρια μεταξύ φυσικής και τεχνητής νοημοσύνης.
I am text block. Click edit button to change this text. Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
