Αφιερώστε λίγα λεπτά για να απολαύσετε την ατμόσφαιρα του Μπαϊκονούρ. Το πρώτο γεγονός στο κοσμοδρόμιο είναι η εκτόξευση του πυραύλου και του διαστημοπλοίου Soyuz MS-29. Αυτό το γεγονός συμβολίζει την έναρξη του ταξιδιού του πληρώματος από την εξέδρα εκτόξευσης στον Διεθνή Διαστημικό Σταθμό (ISS), ένα ταξίδι που θα διαρκέσει δεκάδες χιλιάδες χιλιόμετρα. Έχουμε συγκεντρώσει όλες τις καλύτερες φωτογραφίες για εσάς σε ένα μέρος. https://vk.com/roscosmos?z=video-30315369_456244924%2Fee918598004a6bd021 https://vk.com/roscosmos?z=video-30315369_456244926%2F21ac332be9ed9e9f01 https://vk.com/roscosmos?w=wall-30315369_620940Roscosmos   Κοσμοναύτες, ειδικοί του κλάδου και η Νάικα Μπορζόβα — τι περιμένει τους τηλεθεατές στην εκπομπή εκτόξευσης πυραύλου Roscosmos. Ιουλίου Η Roscosmos και η Kinopoisk θα φιλοξενήσουν μια κοινή ζωντανή μετάδοση της εκτόξευσης του επανδρωμένου διαστημοπλοίου Soyuz MS-29. Τι μπορούν να περιμένουν οι θεατές στην εκπομπή: 🔹Συνάντηση με τους κοσμοναύτες της Roscosmos Pyotr Dubrov και Anna Kikina και τον αστροναύτη της NASA Anilom Menon. "Soyuz-2.1a" και "Σοΰζ-2.1α" και "Σοΰζ ΜΣ-29", υποστηρίζουν την έναρξη, τη χρήση και την πειραματική κοσμοθεωρία του ISS. 🔹Συγκινητικά πλάνα κοσμοναυτών που αλληλεπιδρούν με τα αγαπημένα τους πρόσωπα. 🔹Καταπληκτική θέα από εκτόξευση πυραύλου. Ποιος είναι στο μικρόφωνο; Οι καλεσμένοι του στούντιο θα περιλαμβάνουν ενεργούς κοσμοναύτες, επιστήμονες και ειδικούς από τον κόσμο της επιστήμης και του κινηματογράφου. Ένα επιπλέον ατμοσφαιρικό ατμοσφαιρικό ατμοσφαιρικό χώρο με τις θέσεις του θα γίνει αντιστοίχιση με τον κωδικό πρόσβασης του Mpaikonoyre — Georgiou Ypogoogornый και Sergey Tyurin. Η μετάδοση θα ολοκληρωθεί με μια συναυλία του Naik Borzov και το κοσμικό τραγούδι του "Riding a Star". Γεγονός και ως ρολόι: Η μετάδοση θα είναι διαθέσιμη στο: στη Σμάρτ TV. Τόσο οι συνδρομητές Yandex Plus όσο και οι χρήστες χωρίς υπογραφή θα μπορούν να παρακολουθήσουν τη μετάδοση. https://vk.com/roscosmos?w=wall-30315369_620950

Ερευνητές εντόπισαν τους «ψιθύρους» των άστρων που βιώνουν έναν εκρηκτικό θάνατο. Η ανακάλυψη αναμένεται φωτίσει τον κύκλο ζωής και θανάτου των άστρων. Το Σύμπαν είναι γεμάτο από τα αποκαλούμενα «κοσμικά φαντάσματα», τα νετρίνα, και νέα έρευνα υποδηλώνει ότι ίσως αποτελούν τους «ψιθύρους» άστρων που πέθαναν σε εκρήξεις σουπερνόβα κατά τη διάρκεια δισεκατομμυρίων ετών.Η ανακάλυψη αποτελεί σημαντικό βήμα για την κατανόηση της ζωής και του θανάτου των άστρων καθώς και του τρόπου με τον οποίο εμπλουτίζουν το περιβάλλον τους με μέταλλα, δηλαδή χημικά στοιχεία βαρύτερα από το υδρογόνο και το ήλιο. Παράλληλα μπορεί να βοηθήσει τους επιστήμονες να κατανοήσουν καλύτερα πώς σχηματίζονται οι μαύρες τρύπες και οι αστέρες νετρονίων όταν πεθαίνουν τα πιο ογκώδη άστρα.Τα νετρίνα είναι τα δεύτερα πιο άφθονα σωματίδια στο Σύμπαν μετά τα φωτόνια. Έχουν αποκτήσει το παρατσούκλι «κοσμικά φαντάσματα» επειδή δεν διαθέτουν ηλεκτρικό φορτίο και έχουν εξαιρετικά μικρή μάζα. Περίπου 100 τρισεκατομμύρια νετρίνα διαπερνούν το ανθρώπινο σώμα σχεδόν με την ταχύτητα του φωτός κάθε δευτερόλεπτο όμως στη διάρκεια ολόκληρης της ζωής ενός ανθρώπου είναι πιθανό μόνο ένα από αυτά να αλληλεπιδράσει με κάποιο άτομο του σώματός του.Η νέα σύνδεση ανάμεσα στα νετρίνα και στην ιστορία των εκρήξεων σουπερνόβα προέκυψε από την πρώτη ανίχνευση μιας ροής νετρίνων γνωστής ως Διάχυτο Υπόβαθρο Νετρίνων Υπερκαινοφανών (Diffuse Supernova Neutrino Background – DSNB). Η ανίχνευση πραγματοποιήθηκε από τον ανιχνευτή Super-Kamiokande, έναν από τους μεγαλύτερους ανιχνευτές νετρίνων στον κόσμο, ο οποίος βρίσκεται σε βάθος περίπου 1.000 μέτρων κάτω από τη γη στην επαρχία Γκίφου της Ιαπωνίας.«Η πρώτη ένδειξη του Διάχυτου Υποβάθρου Νετρίνων Υπερκαινοφανών είναι ένα εξαιρετικά σημαντικό επίτευγμα και ένας στόχος που επιδιώκαμε από την έναρξη του προγράμματος Super-Kamiokande» δήλωσε ο Χιρογιούκι Σεκίγια από το Πανεπιστήμιο του Τόκιο. Τα άστρα πεθαίνουν με μια έκρηξη αλλά συνεχίζουν με έναν ψίθυρο Οι εκρήξεις σουπερνόβα εμφανίζονται σε διάφορους τύπους όμως η συγκεκριμένη έρευνα αφορά τις λεγόμενες εκρήξεις σουπερνόβα κατάρρευσης πυρήνα. Αυτές συμβαίνουν όταν άστρα με πολύ μεγαλύτερη μάζα από τον Ήλιο εξαντλήσουν τα πυρηνικά καύσιμα στον πυρήνα τους. Όταν δεν μπορούν πλέον να συντήξουν στοιχεία ώστε να δημιουργήσουν βαρύτερα από τον σίδηρο παύουν να παράγουν την ενέργεια που επί εκατομμύρια χρόνια αντιστάθμιζε τη βαρύτητα.Έτσι η βαρύτητα υπερισχύει και ο πυρήνας του άστρου καταρρέει. Η κατάρρευση δημιουργεί ισχυρά κρουστικά κύματα που διαπερνούν τα εξωτερικά στρώματα του άστρου εκτοξεύοντάς τα στο Διάστημα. Στο κέντρο απομένει ένα συμπαγές υπόλειμμα είτε ένας αστέρας νετρονίων είτε μια μαύρη τρύπα που περιβάλλεται αρχικά από ένα διαστελλόμενο νέφος υλικού της έκρηξης.Η ενέργεια αυτών των εκρήξεων μεταφέρεται τόσο από φωτόνια σε ολόκληρο το ηλεκτρομαγνητικό φάσμα όσο και από νετρίνα. Αν και οι σουπερνόβα εκρήγνυνται αρκετές φορές κάθε δευτερόλεπτο στο σύμπαν εδώ και περίπου 13 δισεκατομμύρια χρόνια δημιουργώντας τεράστιες ποσότητες νετρίνων που συσσωρεύονται στο DSNB το συνολικό αυτό σήμα παραμένει εξαιρετικά ασθενές περισσότερο σαν ψίθυρος παρά σαν κραυγή.Για να «ακούσουν» αυτούς τους κοσμικούς ψιθύρους, οι ερευνητές ανέλυσαν σχεδόν 14 χρόνια δεδομένων από τον Super-Kamiokande. Ο ανιχνευτής καταγράφει το φως Τσερένκοφ που παράγεται όταν νετρίνα αλληλεπιδρούν με τους 50.000 τόνους υπερκαθαρού νερού που περιέχει. Τα ευρήματα Η ανάλυση αποκάλυψε ένα σήμα νετρίνων που συμφωνεί με τις προβλέψεις για το Διάχυτο Υπόβαθρο Νετρίνων Υπερκαινοφανών. Αν και απαιτούνται πρόσθετες επιβεβαιώσεις, πρόκειται για την ισχυρότερη μέχρι σήμερα ένδειξη ότι το DSNB έχει πράγματι ανιχνευθεί για πρώτη φορά.Σε ολόκληρο το Σύμπαν εκρήξεις σουπερνόβα συμβαίνουν αρκετές φορές κάθε δευτερόλεπτο. Από τη γέννηση του σύμπαντος τα νετρίνα που εκπέμπονται από αυτές τις εκρήξεις έχουν διασκορπιστεί στο Διάστημα και έχουν συσσωρευτεί στη διάρκεια της κοσμικής ιστορίας.«Σχεδιάζουμε ήδη να συνδυάσουμε τις συνεχιζόμενες παρατηρήσεις του Super-Kamiokande με τον διάδοχό του, τον Hyper-Kamiokande, ώστε να αυξήσουμε ακόμη περισσότερο την ευαισθησία των μελλοντικών ερευνών», δήλωσε ο Γιοσούκε Ασίντα από το Πανεπιστήμιο Τοχόκου. https://www.naftemporiki.gr/techscience/2136261/ereynites-entopisan-toys-psithyroys-ton-astron-poy-vionoyn-enan-ekriktiko-thanato/

Η διαφορά μεταξύ της απάντησης και της αλήθειας ενός chatbot. Μπορεί η απάντηση ενός συστήματος ΑΙ να μοιάζει σωστή αλλά να είναι ατεκμηρίωτη και λάθος. Ένα από τα πιο ενδιαφέροντα ερωτήματα γύρω από την συζήτηση που έχει προκαλέσει η τεχνητή νοημοσύνη δεν είναι τι μπορεί να απαντήσει, αλλά τι συμβαίνει όταν δεν γνωρίζει την απάντηση. Όταν ρωτάμε κάτι σε ένα γλωσσικό μοντέλο, όπως είναι το ChatGPT ή κάποιο άλλο παρόμοιο σύστημα, συχνά έχουμε την αίσθηση ότι απευθυνόμαστε σε μια μηχανή που «ξέρει» πράγματα. Στην πραγματικότητα όμως, τα γλωσσικά μοντέλα δεν απαντούν με τον ανθρώπινο τρόπο. Δεν έχουν συνείδηση, εμπειρία, βεβαιότητα ή προσωπική κατανόηση. Λειτουργούν προβλέποντας ποια λέξη ή φράση είναι πιθανότερο να ακολουθήσει, με βάση τα δεδομένα στα οποία έχουν εκπαιδευτεί και το πλαίσιο της ερώτησης.Αυτή η διαφορά είναι θεμελιώδης. Όταν ένας άνθρωπος δεν γνωρίζει κάτι, μπορεί να πει ότι δεν το γνωρίζει. Ένα γλωσσικό μοντέλο όμως, δεν έχει απαραίτητα έναν ανθρώπινο μηχανισμό επίγνωσης της άγνοιας. Το μοντέλο δεν έχει συνείδηση του κενού γνώσης με τον τρόπο που την έχει ένας άνθρωπος. Έχει πιθανότητες, συσχετίσεις, μοτίβα και γλωσσική ευχέρεια. Γι’ αυτό και μπορεί να παράγει μια απάντηση που ακούγεται σωστή, έχει δομή, ύφος και βεβαιότητα, αλλά στην πραγματικότητα είναι λανθασμένη ή ατεκμηρίωτη.Αυτό το φαινόμενο αυτό ονομάζεται συχνά «hallucination», δηλαδή «παραίσθηση» . Δεν σημαίνει ότι το μοντέλο λέει ψέματα με πρόθεση. Σημαίνει ότι παράγει περιεχόμενο που μοιάζει γλωσσικά σωστό, χωρίς να είναι όμως απαραίτητα αληθές. Η έρευνα έχει δείξει ότι οι ψευδείς ή ατεκμηρίωτες απαντήσεις των γλωσσικών μοντέλων μπορούν να εμφανίζονται με ιδιαίτερα πειστικό τρόπο. Ακόμα, έχει δείξει ότι τα νευρωνικά μοντέλα σύνοψης ήταν επιρρεπή στο να παράγουν περιεχόμενο που δεν ήταν πιστό στο αρχικό κείμενο, ακόμη και όταν η σύνοψη φαινόταν γλωσσικά καλή. Αυτό σημαίνει ότι όταν ένα μοντέλο δεν έχει αρκετή πληροφορία, μπορεί να αντιδράσει με διαφορετικούς τρόπους. Η καλύτερη περίπτωση είναι να αναγνωρίσει την αβεβαιότητά του και να απαντήσει με ειλικρίνεια: «Δεν γνωρίζω», «δεν έχω αρκετά στοιχεία» ή «χρειάζεται επιβεβαίωση». Αυτή είναι η πιο υπεύθυνη συμπεριφορά, γιατί προστατεύει τον χρήστη από λανθασμένες ή παραπλανητικές απαντήσεις.Στο πλαίσιο μία έρευνας, δημιουργήθηκε ένα σύνολο με ερωτήσεις που συχνά οδηγούν ανθρώπους σε λανθασμένες απαντήσεις λόγω δημοφιλών παρανοήσεων. Στα αποτελέσματα, το καλύτερο μοντέλο που εξετάστηκε ήταν αληθές μόνο στο 58% των ερωτήσεων, ενώ η ανθρώπινη επίδοση έφτανε το 94%. Η μελέτη έδειξε επίσης ότι τα μοντέλα μπορούσαν να αναπαράγουν ψευδείς πεποιθήσεις που είχαν μάθει από τα δεδομένα εκπαίδευσης.Αυτό που προκύπτει είναι ότι η τεχνητή νοημοσύνη δεν «ξέρει» απαραίτητα την αλήθεια αλλά μαθαίνει μοτίβα από κείμενα που έχουν γραφτεί από ανθρώπους. Αν μέσα σε αυτά τα κείμενα υπάρχουν λάθη, προκαταλήψεις, παρανοήσεις ή παρωχημένες πληροφορίες, το μοντέλο μπορεί να τις αναπαράγει. Ακόμη χειρότερα μπορεί να τις παρουσιάσει με ύφος αυθεντίας. Η επικινδυνότητα Τα περισσότερα γλωσσικά μοντέλα έχουν εκπαιδευτεί και αξιολογούνται με τρόπους που συχνά επιβραβεύουν την απάντηση περισσότερο από την επιφυλακτικότητα. Δηλαδή ένα μοντέλο που απαντά κάτι λάθος μπορεί σε ορισμένες αξιολογήσεις να έχει περισσότερες πιθανότητες να «κερδίσει» από ένα μοντέλο που λέει «δεν γνωρίζω».Το πιο επικίνδυνο σημείο δεν είναι ότι ένα μοντέλο μπορεί να κάνει λάθος. Το πιο επικίνδυνο είναι ότι μπορεί να κάνει λάθος με ύφος απόλυτης βεβαιότητας. Η σωστή χρήση ενός γλωσσικού μοντέλου αρχίζει όταν καταλάβουμε τα όριά του. Για ερωτήσεις δημιουργικότητας, οργάνωσης, διατύπωσης, brainstorming ή επεξήγησης εννοιών, μπορεί να είναι εξαιρετικά χρήσιμο. Για ερωτήσεις που αφορούν νόμους, ιατρικά θέματα, οικονομικές αποφάσεις, πρόσφατες ειδήσεις, τεχνικές οδηγίες ή επιστημονικά δεδομένα, η απάντηση πρέπει να συνοδεύεται από πηγές και διασταύρωση.Ιδανικά όταν ένα γλωσσικό μοντέλο δεν γνωρίζει την απάντηση πρέπει να κάνει τρία πράγματα. Πρώτον να αναγνωρίζει την αβεβαιότητα. Δεύτερον να εξηγεί τι είδους πληροφορία λείπει. Τρίτον να προτείνει τρόπο επαλήθευσης. Η φράση «δεν γνωρίζω» δεν είναι αποτυχία της τεχνητής νοημοσύνης. Είναι ένδειξη αξιοπιστίας. Ένα μοντέλο που γνωρίζει πότε να μην απαντήσει είναι συχνά πιο χρήσιμο από ένα μοντέλο που απαντά πάντα.Το φαινόμενο γίνεται ακόμη πιο σύνθετο όταν το δούμε από την πλευρά της ανθρώπινης ψυχολογίας. Το πρόβλημα δεν είναι μόνο ότι ένα γλωσσικό μοντέλο μπορεί να δώσει λανθασμένη απάντηση, αλλά ότι ο άνθρωπος είναι ψυχολογικά ευάλωτος στο να την πιστέψει, ειδικά όταν αυτή είναι καλογραμμένη, άμεση και διατυπωμένη με αυτοπεποίθηση.Αν κάτι ακούγεται καθαρό, οργανωμένο και εύκολο στην κατανόηση, τείνουμε να το θεωρούμε πιο αξιόπιστο. Όσο πιο εύκολα επεξεργαζόμαστε μια πληροφορία, τόσο πιο οικεία, ευχάριστη ή πειστική μπορεί να μας φαίνεται. Έρευνες δείχνουν ότι η ευκολία με την οποία αντιλαμβανόμαστε ένα ερέθισμα επηρεάζει τις κρίσεις μας, ακόμη και όταν δεν το συνειδητοποιούμε. Αυτό εξηγεί γιατί μια τέτοια απάντηση μπορεί να μας πείσει. Δεν μας πείθει απαραίτητα επειδή είναι σωστή. Μας πείθει επειδή είναι καθαρή, γρήγορη, καλοδιατυπωμένη και δεν δείχνει αμφιβολία. Ένας άνθρωπος που απαντά «δεν είμαι σίγουρος, πρέπει να το ελέγξω» μπορεί να φανεί λιγότερο πειστικός από ένα μοντέλο που απαντά αμέσως με βεβαιότητα, ακόμη κι ανΥπάρχει επίσης το φαινόμενο της «ψευδαίσθησης της αλήθειας» ή illusory truth effect. Oι άνθρωποι τείνουν να θεωρούν πιο αληθινές πληροφορίες που έχουν ξαναδεί ή ξανακούσει, ακόμη κι αν δεν είναι απαραίτητα σωστές. Η επανάληψη κάνει μια πληροφορία να φαίνεται πιο οικεία, και η οικειότητα συχνά μπερδεύεται με την αλήθεια. Αν ένας χρήστης ρωτήσει πολλές φορές παρόμοια πράγματα και λάβει παρόμοιες λανθασμένες απαντήσεις, μπορεί να αρχίσει να τις θεωρεί σωστές απλώς επειδή επαναλαμβάνονταιΈνας ακόμη βασικός μηχανισμός είναι η επιβεβαιωτική προκατάληψη καθώς έχουμε την τάση να αναζητούμε, να θυμόμαστε και να αποδεχόμαστε πιο εύκολα πληροφορίες που επιβεβαιώνουν αυτό που ήδη πιστεύουμε. Δεν επηρεάζονται όλοι οι χρήστες με τον ίδιο τρόπο. Αν κάποιος πιστεύει ήδη ότι «όλα τα φάρμακα είναι επικίνδυνα» μπορεί να δεχτεί πιο εύκολα μια απάντηση που ενισχύει αυτή την ιδέα. Το μοντέλο τότε δεν δημιουργεί απλώς παραπληροφόρηση από το μηδέν, αλλά λειτουργήσει ως καθρέφτης και ενισχυτής των υπαρχουσών προκαταλήψεων του ανθρώπου.Σε αυτό προστίθεται και η τάση των ανθρώπων να υπέρ-εμπιστεύονται αυτοματοποιημένα συστήματα. Όπου η τεχνολογία παρουσιάζεται ως προηγμένη, αντικειμενική ή «έξυπνη», οι χρήστες μπορεί να παραβλέπουν προειδοποιητικά σημάδια και να ακολουθούν την πρόταση του συστήματος ακόμη και όταν υπάρχουν λόγοι αμφιβολίας. Πολλοί άνθρωποι έχουν ακολουθήσει μια λάθος διαδρομή επειδή το δείχνει το GPS ακόμη κι αν ο δρόμος μπροστά τους έδειχνε κλειστός ή παράλογος. Αυτό μπορεί να συμβεί και με ένα γλωσσικό μοντέλο.Η ψυχολογική σύνδεση γίνεται ακόμη πιο ισχυρή επειδή τα γλωσσικά μοντέλα έχουν ανθρώπινο ύφος. Δεν δίνουν απλώς αποτελέσματα όπως μια μηχανή αναζήτησης. Συνομιλούν. Ζητούν συγγνώμη. Εξηγούν. Χρησιμοποιούν παραδείγματα. Προσαρμόζουν τον τόνο τους. Αυτό δημιουργεί μια αίσθηση κοινωνικής παρουσίας. Ο χρήστης μπορεί να νιώσει ότι δεν διαβάζει απλώς μια μηχανική έξοδο, αλλά ότι συνομιλεί με έναν βοηθό που «καταλαβαίνει». Αυτή η αίσθηση μπορεί να αυξήσει την εμπιστοσύνη, ακόμη κι όταν η απάντηση δεν είναι τεκμηριωμένη. Η απόρριψη Υπάρχει όμως, και το αντίστροφο φαινόμενο. Κάποιοι άνθρωποι, μόλις δουν ένα τέτοιο σύστημα να κάνει λάθος, το απορρίπτουν συνολικά, ακόμη κι αν σε άλλες περιπτώσεις μπορεί να είναι χρήσιμο. Άρα η ανθρώπινη ψυχολογία κινείται ανάμεσα σε δύο άκρα. Από τη μία, η υπερβολική εμπιστοσύνη: «το είπε η τεχνητή νοημοσύνη, άρα είναι σωστό». Από την άλλη, η απόλυτη απόρριψη: «έκανε ένα λάθος, άρα δεν αξίζει τίποτα». Και τα δύο είναι προβληματικά. Η ώριμη στάση βρίσκεται στη μέση: ούτε τυφλή εμπιστοσύνη ούτε τυφλή απόρριψη, αλλά κριτική χρήση.Το πιο επικίνδυνο, λοιπόν, δεν είναι απλώς ότι η τεχνητή νοημοσύνη μπορεί να δώσει μια λάθος απάντηση. Είναι ότι η απάντηση αυτή μπορεί να ταιριάξει τέλεια με τον τρόπο που λειτουργεί ο ανθρώπινος νους: μας αρέσουν οι καθαρές απαντήσεις, εμπιστευόμαστε την αυτοπεποίθηση, κουραζόμαστε από την αβεβαιότητα, αναζητούμε επιβεβαίωση και συχνά προτιμούμε μια άμεση εξήγηση από μια δύσκολη διασταύρωση.Ένα γλωσσικό μοντέλο δεν απαντά σε κενό. Παίρνει το ερώτημα του χρήστη, τις λέξεις που χρησιμοποιούνται, τις υποθέσεις που κρύβονται πίσω από αυτές και προσπαθεί να παράγει μια απάντηση που ταιριάζει στο ζητούμενο. Αν το ερώτημα είναι ουδέτερο, ανοιχτό και καλά διατυπωμένο, αυξάνονται οι πιθανότητες να προκύψει μια πιο ισορροπημένη απάντηση. Αν όμως το ερώτημα είναι φορτισμένο, μονόπλευρο ή περιέχει ήδη ένα συμπέρασμα, τότε το μοντέλο μπορεί να παρασυρθεί μέσα σε αυτό το πλαίσιο. Για παράδειγμα, υπάρχει μεγάλη διαφορά ανάμεσα στις δύο ερωτήσεις: «Γιατί τα εμβόλια είναι επικίνδυνα;» και «Ποια είναι τα επιστημονικά δεδομένα για την ασφάλεια και τους πιθανούς κινδύνους των εμβολίων;»Στην πρώτη περίπτωση, η ερώτηση θεωρεί ήδη δεδομένο ότι τα εμβόλια είναι επικίνδυνα. Δεν ζητά διερεύνηση, αλλά ζητά αιτιολόγηση μιας προϋπάρχουσας πεποίθησης. Ο χρήστης δεν ρωτά πραγματικά αν ισχύει η πεποίθησή του, αλλά επιχειρήματα για αυτό που ήδη πιστεύει. Έτσι, το γλωσσικό μοντέλο μπορεί να οδηγηθεί σε μια απάντηση που ενισχύει το αρχικό πλαίσιο, ακόμη κι αν αυτό το πλαίσιο είναι ελλιπές, υπερβολικό ή λανθασμένο. Στη δεύτερη περίπτωση, η ερώτηση είναι πιο υπεύθυνη. Δεν προϋποθέτει το συμπέρασμα. Ζητά δεδομένα, ισορροπία και διάκριση ανάμεσα στην ασφάλεια, τους κινδύνους, τις σπάνιες παρενέργειες, τα οφέλη και το επιστημονικό πλαίσιο. Μια τέτοια διατύπωση βοηθά το μοντέλο να κινηθεί σε πιο τεκμηριωμένη κατεύθυνση.Συχνά αντανακλάται ο τρόπος με τον οποίο σκεφτόμαστε, οι λέξεις που επιλέγουμε, οι προκαταλήψεις που κουβαλάμε και οι απαντήσεις που κατά βάθος επιθυμούμε να ακούσουμε. Αν το πλησιάσουμε με διάθεση επιβεβαίωσης, μπορεί να μας επιστρέψει επιβεβαίωση. Αν το πλησιάσουμε με διάθεση έρευνας, μπορεί να γίνει εργαλείο έρευνας. Αν το χρησιμοποιήσουμε για να δικαιολογήσουμε μια ήδη σχηματισμένη άποψη, μπορεί να λειτουργήσει ως μηχανισμός ενίσχυσης αυτής της άποψης.Αυτό δεν σημαίνει ότι η ευθύνη μεταφέρεται αποκλειστικά στον χρήστη. Τα συστήματα τεχνητής νοημοσύνης πρέπει να σχεδιάζονται έτσι ώστε να αναγνωρίζουν φορτισμένες, παραπλανητικές ή μονόπλευρες ερωτήσεις και να απαντούν με προσοχή. Όμως ο χρήστης έχει επίσης ευθύνη να καταλαβαίνει ότι ο τρόπος με τον οποίο ρωτά επηρεάζει το είδος της απάντησης που θα λάβει.Τελικά, το ερώτημα δεν είναι μόνο τι κάνει η τεχνητή νοημοσύνη όταν δεν ξέρει. Είναι και τι κάνουμε εμείς όταν τη χρησιμοποιούμε. Το ότι μια απάντηση δεν έχει ανθρώπινη φωνή, δεν σημαίνει ότι δεν κουβαλά ανθρώπινες προκαταλήψεις. Αν ζητάμε σαφείς απαντήσεις, αν ελέγχουμε τις πηγές και αν αναγνωρίζουμε τα όρια του εργαλείου, τότε μπορεί να γίνει εξαιρετικά χρήσιμη. Αν όμως την αντιμετωπίζουμε ως αλάνθαστη, τότε το μεγαλύτερο πρόβλημα δεν είναι ότι μπορεί να κάνει λάθος, αλλά ότι εμείς μπορεί να το πιστέψουμε. Το πιο επικίνδυνο λάθος είναι εκείνο που μοιάζει απόλυτα σωστό. *Ο Γεράσιμος Τζιβράς είναι προγραμματιστής, καθηγητής στην Τριτοβάθμια Εκπαίδευση και υποψήφιος διδάκτορας του Τμήματος Πληροφορικής και Τηλεπικοινωνιών του Πανεπιστημίου Πελοποννήσου, με αντικείμενο τις Προσαρμοστικές Διεπαφές Χρήστη. Η ερευνητική του εργασία επικεντρώνεται στη μοντελοποίηση της προβλεπτικής συμπεριφοράς χρηστών και στον δυναμικό επανασχεδιασμό διεπαφών με τη βοήθεια τεχνητής νοημοσύνης με στόχο τη δημιουργία πιο προσωποποιημένων και λειτουργικών εμπειριών χρήσης. https://www.naftemporiki.gr/techscience/2136243/i-diafora-metaxy-tis-apantisis-kai-tis-alitheias-enos-chatbot/