<![CDATA[MKLab - AI / TECHNOLOGY]]> https://mklab.gr/ Sat, 12 Sep 2026 06:02:25 +0000 MyBB <![CDATA[Μαθηματικά και Τεχνητή Νοημοσύνη στην τάξη]]> https://mklab.gr/showthread.php?tid=1870 Sun, 06 Sep 2026 20:07:26 +0300 mklabgr]]> https://mklab.gr/showthread.php?tid=1870 βοηθός σκέψης και όχι ως μηχανή έτοιμων απαντήσεων. Η μαθηματική μάθηση προκύπτει κυρίως μέσα από την προσπάθεια, τα λάθη, τη δοκιμή διαφορετικών στρατηγικών και την αναζήτηση λύσεων, διαδικασίες που κινδυνεύουν να χαθούν όταν ο μαθητής απλώς αντιγράφει μια λύση από ένα σύστημα ΤΝ.

 Μάλιστα, έρευνα σε περίπου χίλιους μαθητές έδειξε ότι, ενώ η ελεύθερη χρήση εργαλείου βασισμένου στο GPT-4 βελτίωσε σημαντικά την επίδοσή τους κατά την εξάσκηση, στη συνέχεια οι μαθητές απέδωσαν χειρότερα όταν εξετάστηκαν χωρίς αυτό. Αντίθετα, εργαλεία που παρέχουν υποδείξεις, ερωτήσεις και ανατροφοδότηση χωρίς να αποκαλύπτουν αμέσως τη λύση μπορούν να ενισχύσουν ουσιαστικά τη μάθηση. 

Το άρθρο προτείνει πρακτικές όπως η «πρώτη προσπάθεια χωρίς εργαλείο», η χρήση της ΤΝ για εντοπισμό λαθών, δημιουργία αντιπαραδειγμάτων και κριτική αξιολόγηση λύσεων, υπογραμμίζοντας παράλληλα την ανάγκη για διαφάνεια, προστασία προσωπικών δεδομένων και ανοιχτούς εκπαιδευτικούς πόρους. Βασικό συμπέρασμα είναι ότι η ΤΝ πρέπει να υποστηρίζει, και όχι να αντικαθιστά, την προσωπική προσπάθεια και την ευθύνη του μαθητή να σκέφτεται μαθηματικά. 


ARTICLE]]> βοηθός σκέψης και όχι ως μηχανή έτοιμων απαντήσεων. Η μαθηματική μάθηση προκύπτει κυρίως μέσα από την προσπάθεια, τα λάθη, τη δοκιμή διαφορετικών στρατηγικών και την αναζήτηση λύσεων, διαδικασίες που κινδυνεύουν να χαθούν όταν ο μαθητής απλώς αντιγράφει μια λύση από ένα σύστημα ΤΝ.

 Μάλιστα, έρευνα σε περίπου χίλιους μαθητές έδειξε ότι, ενώ η ελεύθερη χρήση εργαλείου βασισμένου στο GPT-4 βελτίωσε σημαντικά την επίδοσή τους κατά την εξάσκηση, στη συνέχεια οι μαθητές απέδωσαν χειρότερα όταν εξετάστηκαν χωρίς αυτό. Αντίθετα, εργαλεία που παρέχουν υποδείξεις, ερωτήσεις και ανατροφοδότηση χωρίς να αποκαλύπτουν αμέσως τη λύση μπορούν να ενισχύσουν ουσιαστικά τη μάθηση. 

Το άρθρο προτείνει πρακτικές όπως η «πρώτη προσπάθεια χωρίς εργαλείο», η χρήση της ΤΝ για εντοπισμό λαθών, δημιουργία αντιπαραδειγμάτων και κριτική αξιολόγηση λύσεων, υπογραμμίζοντας παράλληλα την ανάγκη για διαφάνεια, προστασία προσωπικών δεδομένων και ανοιχτούς εκπαιδευτικούς πόρους. Βασικό συμπέρασμα είναι ότι η ΤΝ πρέπει να υποστηρίζει, και όχι να αντικαθιστά, την προσωπική προσπάθεια και την ευθύνη του μαθητή να σκέφτεται μαθηματικά. 


ARTICLE]]> <![CDATA[Επιπτώσεις της AI στην καθημερινότητα]]> https://mklab.gr/showthread.php?tid=1476 Fri, 31 Jul 2026 01:25:25 +0300 mklabgr]]> https://mklab.gr/showthread.php?tid=1476 Γιάννη Φαρσάρη για τις επιπτώσεις της AI στην καθημερινότητα.

ΠΕΡΙΛΗΨΗ

Το άρθρο υποστηρίζει ότι η τεχνητή νοημοσύνη έχει πλέον τη δυνατότητα να αυξήσει θεαματικά την παραγωγικότητα και, θεωρητικά, να προσφέρει στους ανθρώπους περισσότερο ελεύθερο χρόνο και καλύτερη ποιότητα ζωής. Ωστόσο, αυτό δεν εξαρτάται από την ίδια την τεχνολογία, αλλά από τον τρόπο με τον οποίο οι επιχειρήσεις και η κοινωνία επιλέγουν να αξιοποιήσουν τα οφέλη της. 

Στην ελληνική πραγματικότητα, όπου πολλοί εργαζόμενοι αντιμετωπίζουν χαμηλούς μισθούς, υπερωρίες και εργασιακή ανασφάλεια, υπάρχει ο κίνδυνος η ΤΝ να χρησιμοποιηθεί κυρίως για μείωση του κόστους και αύξηση των κερδών, αντί για βελτίωση των συνθηκών εργασίας. Ο συγγραφέας επισημαίνει ότι ιστορικά δικαιώματα όπως το οκτάωρο και οι άδειες δεν χαρίστηκαν από την τεχνολογική πρόοδο, αλλά κατακτήθηκαν μέσα από κοινωνικούς αγώνες και θεσμικές παρεμβάσεις. 

Αντίστοιχα, η μετάβαση στην εποχή της τεχνητής νοημοσύνης απαιτεί πολιτικές που θα διασφαλίσουν ότι τα οφέλη της παραγωγικότητας θα μοιραστούν δίκαια σε όλους, μέσω καλύτερων μισθών, λιγότερων ωρών εργασίας και ισχυρότερης προστασίας των εργαζομένων. Το μέλλον, επομένως, δεν θα καθοριστεί από τις δυνατότητες της τεχνολογίας, αλλά από τις συλλογικές αποφάσεις της κοινωνίας και της πολιτείας για το πώς θα αξιοποιηθεί. 

ΑΡΘΡΟ]]> Γιάννη Φαρσάρη για τις επιπτώσεις της AI στην καθημερινότητα.

ΠΕΡΙΛΗΨΗ

Το άρθρο υποστηρίζει ότι η τεχνητή νοημοσύνη έχει πλέον τη δυνατότητα να αυξήσει θεαματικά την παραγωγικότητα και, θεωρητικά, να προσφέρει στους ανθρώπους περισσότερο ελεύθερο χρόνο και καλύτερη ποιότητα ζωής. Ωστόσο, αυτό δεν εξαρτάται από την ίδια την τεχνολογία, αλλά από τον τρόπο με τον οποίο οι επιχειρήσεις και η κοινωνία επιλέγουν να αξιοποιήσουν τα οφέλη της. 

Στην ελληνική πραγματικότητα, όπου πολλοί εργαζόμενοι αντιμετωπίζουν χαμηλούς μισθούς, υπερωρίες και εργασιακή ανασφάλεια, υπάρχει ο κίνδυνος η ΤΝ να χρησιμοποιηθεί κυρίως για μείωση του κόστους και αύξηση των κερδών, αντί για βελτίωση των συνθηκών εργασίας. Ο συγγραφέας επισημαίνει ότι ιστορικά δικαιώματα όπως το οκτάωρο και οι άδειες δεν χαρίστηκαν από την τεχνολογική πρόοδο, αλλά κατακτήθηκαν μέσα από κοινωνικούς αγώνες και θεσμικές παρεμβάσεις. 

Αντίστοιχα, η μετάβαση στην εποχή της τεχνητής νοημοσύνης απαιτεί πολιτικές που θα διασφαλίσουν ότι τα οφέλη της παραγωγικότητας θα μοιραστούν δίκαια σε όλους, μέσω καλύτερων μισθών, λιγότερων ωρών εργασίας και ισχυρότερης προστασίας των εργαζομένων. Το μέλλον, επομένως, δεν θα καθοριστεί από τις δυνατότητες της τεχνολογίας, αλλά από τις συλλογικές αποφάσεις της κοινωνίας και της πολιτείας για το πώς θα αξιοποιηθεί. 

ΑΡΘΡΟ]]> <![CDATA[Τεχνητή Νοημοσύνη [Κοφτερος]]]> https://mklab.gr/showthread.php?tid=399 Tue, 16 Jun 2026 03:47:41 +0300 mklabgr]]> https://mklab.gr/showthread.php?tid=399 Τεχνητή Νοημοσύνη: Διδασκαλία & Μάθηση με ΤΝ» 
Αλέξανδρου Κοφτερού
Περίληψη
Η τεχνητή νοημοσύνη έχει κάνει σοβαρά βήματα στην εκπαίδευση, ειδικά με την ανάπτυξη εργαλείων προγραμματισμού και τεχνολογιών που επιτρέπουν ακόμη και σε μαθητές μικρότερων ηλικιών να τα χρησιμοποιούν αποτελεσματικά.
Αυτός ο οδηγός χωρίζεται σε τρία μέρη. Στο πρώτο μέρος, παρέχουμε μια σύντομη ιστορία της ανάπτυξης της τεχνητής νοημοσύνης, ξεκινώντας από αρχαίους μύθους και θρύλους και μεταβαίνοντας στην τρέχουσα εποχή των τεχνολογικών ανακαλύψεων.
Στο δεύτερο μέρος, εξετάζουμε δραστηριότητες που μπορούν να χρησιμοποιηθούν στην τάξη, από την πρωτοβάθμια έως τη δευτεροβάθμια εκπαίδευση. Ορισμένες είναι δομημένες, διαδραστικές δραστηριότητες που επιτρέπουν στους μαθητές να μάθουν περισσότερα για την τεχνητή νοημοσύνη και τη μηχανική μάθηση (EU CodeWeek, code.org), ενώ άλλες είναι ανοιχτού τύπου και μπορούν να εφαρμοστούν σε διάφορα μαθήματα του προγράμματος σπουδών (για παράδειγμα, γεννήτριες εικόνων AI).
Στο τρίτο μέρος, μαθαίνουμε περισσότερα για τα μοντέλα εκπαίδευσης και τα παιχνίδια προγραμματισμού που χρησιμοποιούν παραλλαγές του Scratch 3.0. Κάθε κεφάλαιο καλύπτει ένα διαφορετικό εργαλείο ή σύνολο δραστηριοτήτων, με σχέδια μαθήματος για το πώς να τα χρησιμοποιήσετε στην τάξη. 

BOOK PAGE
]]> Τεχνητή Νοημοσύνη: Διδασκαλία & Μάθηση με ΤΝ» 
Αλέξανδρου Κοφτερού
Περίληψη
Η τεχνητή νοημοσύνη έχει κάνει σοβαρά βήματα στην εκπαίδευση, ειδικά με την ανάπτυξη εργαλείων προγραμματισμού και τεχνολογιών που επιτρέπουν ακόμη και σε μαθητές μικρότερων ηλικιών να τα χρησιμοποιούν αποτελεσματικά.
Αυτός ο οδηγός χωρίζεται σε τρία μέρη. Στο πρώτο μέρος, παρέχουμε μια σύντομη ιστορία της ανάπτυξης της τεχνητής νοημοσύνης, ξεκινώντας από αρχαίους μύθους και θρύλους και μεταβαίνοντας στην τρέχουσα εποχή των τεχνολογικών ανακαλύψεων.
Στο δεύτερο μέρος, εξετάζουμε δραστηριότητες που μπορούν να χρησιμοποιηθούν στην τάξη, από την πρωτοβάθμια έως τη δευτεροβάθμια εκπαίδευση. Ορισμένες είναι δομημένες, διαδραστικές δραστηριότητες που επιτρέπουν στους μαθητές να μάθουν περισσότερα για την τεχνητή νοημοσύνη και τη μηχανική μάθηση (EU CodeWeek, code.org), ενώ άλλες είναι ανοιχτού τύπου και μπορούν να εφαρμοστούν σε διάφορα μαθήματα του προγράμματος σπουδών (για παράδειγμα, γεννήτριες εικόνων AI).
Στο τρίτο μέρος, μαθαίνουμε περισσότερα για τα μοντέλα εκπαίδευσης και τα παιχνίδια προγραμματισμού που χρησιμοποιούν παραλλαγές του Scratch 3.0. Κάθε κεφάλαιο καλύπτει ένα διαφορετικό εργαλείο ή σύνολο δραστηριοτήτων, με σχέδια μαθήματος για το πώς να τα χρησιμοποιήσετε στην τάξη. 

BOOK PAGE
]]> <![CDATA[Κανονισμός για την τεχνητή νοημοσύνη [EU]]]> https://mklab.gr/showthread.php?tid=58 Mon, 01 Jun 2026 20:37:45 +0300 mklabgr]]> https://mklab.gr/showthread.php?tid=58 Η Πράξη για την Τεχνητή Νοημοσύνη αποτελεί τον πρώτο ολοκληρωμένο κανονισμό παγκοσμίως για την τεχνητή νοημοσύνη (ΤΝ). Στόχος της είναι να διασφαλίσει ότι τα συστήματα ΤΝ που αναπτύσσονται και χρησιμοποιούνται στην Ευρωπαϊκή Ένωση είναι ασφαλή, διαφανή, ηθικά και σέβονται τα θεμελιώδη δικαιώματα των πολιτών, προωθώντας παράλληλα την καινοτομία και τις επενδύσεις στον κλάδο.
Βασικά Σημεία:
  • Προσέγγιση βάσει κινδύνου (Risk-based approach): Ο νόμος κατηγοριοποιεί τις εφαρμογές ΤΝ ανάλογα με το επίπεδο κινδύνου που παρουσιάζουν για την κοινωνία:

    1. Μη αποδεκτός κίνδυνος: Συστήματα που θεωρούνται απειλή για τους ανθρώπους (π.χ. κοινωνική βαθμολόγηση από κυβερνήσεις ή χειραγώγηση συμπεριφοράς) απαγορεύονται καθολικά.
    2. Υψηλός κίνδυνος: Συστήματα που χρησιμοποιούνται σε κρίσιμους τομείς (π.χ. υγεία, υποδομές, εκπαίδευση, επιβολή του νόμου, βιομετρική ταυτοποίηση). Αυτά υπόκεινται σε αυστηρές υποχρεώσεις πριν και μετά τη διάθεσή τους στην αγορά (συμπεριλαμβανομένης της διαχείρισης κινδύνων, της υψηλής ποιότητας δεδομένων και της ανθρώπινης εποπτείας).
    3. Περιορισμένος κίνδυνος / Κίνδυνος διαφάνειας: Συστήματα όπως τα chatbots ή τα deepfakes. Οι χρήστες πρέπει να ενημερώνονται ρητά ότι αλληλεπιδρούν με ΤΝ ή ότι το περιεχόμενο είναι τεχνητά δημιουργημένο.
    4. Ελάχιστος κίνδυνος: Εφαρμογές όπως τα βιντεοπαιχνίδια ή τα φίλτρα spam, τα οποία δεν αντιμετωπίζουν περιορισμούς.
  • Μοντέλα Γενικής Χρήσης (GPAI): Εισάγονται ειδικοί κανόνες για ισχυρά μοντέλα (όπως αυτά που βασίζουν το ChatGPT), με απαιτήσεις διαφάνειας, τήρησης πνευματικών δικαιωμάτων και διαχείρισης συστημικών κινδύνων για τα πιο προηγμένα από αυτά.

  • Διακυβέρνηση & Επιβολή: Ιδρύεται το Ευρωπαϊκό Γραφείο Τεχνητής Νοημοσύνης (AI Office) για τον συντονισμό σε επίπεδο ΕΕ, ενώ οι εθνικές αρχές των κρατών-μελών αναλαμβάνουν την εποπτεία της αγοράς. Για τους παραβάτες προβλέπονται αυστηρά πρόστιμα (που μπορούν να φτάσουν έως και ένα ποσοστό του παγκόσμιου τζίρου μιας εταιρείας).
  • Στήριξη της Καινοτομίας: Προβλέπεται η δημιουργία «ρυθμιστικών δοκιμαστηρίων» (regulatory sandboxes) που επιτρέπουν σε νεοφυείς επιχειρήσεις (startups) και ΜΜΕ να αναπτύσσουν και να δοκιμάζουν συστήματα ΤΝ σε πραγματικές συνθήκες υπό ελεγχόμενο περιβάλλον πριν την επίσημη κυκλοφορία τους.

ΣΧΕΤΙΚΗ ΙΣΤΟΣΕΛΙΔΑ]]> Η Πράξη για την Τεχνητή Νοημοσύνη αποτελεί τον πρώτο ολοκληρωμένο κανονισμό παγκοσμίως για την τεχνητή νοημοσύνη (ΤΝ). Στόχος της είναι να διασφαλίσει ότι τα συστήματα ΤΝ που αναπτύσσονται και χρησιμοποιούνται στην Ευρωπαϊκή Ένωση είναι ασφαλή, διαφανή, ηθικά και σέβονται τα θεμελιώδη δικαιώματα των πολιτών, προωθώντας παράλληλα την καινοτομία και τις επενδύσεις στον κλάδο.
Βασικά Σημεία:
  • Προσέγγιση βάσει κινδύνου (Risk-based approach): Ο νόμος κατηγοριοποιεί τις εφαρμογές ΤΝ ανάλογα με το επίπεδο κινδύνου που παρουσιάζουν για την κοινωνία:

    1. Μη αποδεκτός κίνδυνος: Συστήματα που θεωρούνται απειλή για τους ανθρώπους (π.χ. κοινωνική βαθμολόγηση από κυβερνήσεις ή χειραγώγηση συμπεριφοράς) απαγορεύονται καθολικά.
    2. Υψηλός κίνδυνος: Συστήματα που χρησιμοποιούνται σε κρίσιμους τομείς (π.χ. υγεία, υποδομές, εκπαίδευση, επιβολή του νόμου, βιομετρική ταυτοποίηση). Αυτά υπόκεινται σε αυστηρές υποχρεώσεις πριν και μετά τη διάθεσή τους στην αγορά (συμπεριλαμβανομένης της διαχείρισης κινδύνων, της υψηλής ποιότητας δεδομένων και της ανθρώπινης εποπτείας).
    3. Περιορισμένος κίνδυνος / Κίνδυνος διαφάνειας: Συστήματα όπως τα chatbots ή τα deepfakes. Οι χρήστες πρέπει να ενημερώνονται ρητά ότι αλληλεπιδρούν με ΤΝ ή ότι το περιεχόμενο είναι τεχνητά δημιουργημένο.
    4. Ελάχιστος κίνδυνος: Εφαρμογές όπως τα βιντεοπαιχνίδια ή τα φίλτρα spam, τα οποία δεν αντιμετωπίζουν περιορισμούς.
  • Μοντέλα Γενικής Χρήσης (GPAI): Εισάγονται ειδικοί κανόνες για ισχυρά μοντέλα (όπως αυτά που βασίζουν το ChatGPT), με απαιτήσεις διαφάνειας, τήρησης πνευματικών δικαιωμάτων και διαχείρισης συστημικών κινδύνων για τα πιο προηγμένα από αυτά.

  • Διακυβέρνηση & Επιβολή: Ιδρύεται το Ευρωπαϊκό Γραφείο Τεχνητής Νοημοσύνης (AI Office) για τον συντονισμό σε επίπεδο ΕΕ, ενώ οι εθνικές αρχές των κρατών-μελών αναλαμβάνουν την εποπτεία της αγοράς. Για τους παραβάτες προβλέπονται αυστηρά πρόστιμα (που μπορούν να φτάσουν έως και ένα ποσοστό του παγκόσμιου τζίρου μιας εταιρείας).
  • Στήριξη της Καινοτομίας: Προβλέπεται η δημιουργία «ρυθμιστικών δοκιμαστηρίων» (regulatory sandboxes) που επιτρέπουν σε νεοφυείς επιχειρήσεις (startups) και ΜΜΕ να αναπτύσσουν και να δοκιμάζουν συστήματα ΤΝ σε πραγματικές συνθήκες υπό ελεγχόμενο περιβάλλον πριν την επίσημη κυκλοφορία τους.

ΣΧΕΤΙΚΗ ΙΣΤΟΣΕΛΙΔΑ]]>