Σκεφτείτε μια γραμμή παραγωγής αυτοκινήτων, τόσο ευέλικτη, ώστε τη μια στιγμή παράγει οχήματα που βγαίνουν μαζικά στην αγορά και την αμέσως επόμενη ένα «concept car», κομμένο και ραμμένο στα μέτρα ενός και μόνο ανθρώπου, που το έχει παραγγείλει. Με τη βοήθεια και της Τεχνητής Νοημοσύνης (ΤΝ), τα εργοστάσια του μέλλοντος προβλέπεται να είναι εξαιρετικά ευέλικτα: «θα έχουν τόσο μεγάλη ευελιξία, ώστε θα μπορούν να αναπροσαρμόζουν τη γραμμή είτε για μαζική παραγωγή είτε για πολύ εξειδικευμένη, ώστε να φτιάχνουν για παράδειγμα ένα αυτοκίνητο όπως το θέλω εγώ», λέει ο δρ Δημήτρης Τζοβάρας, διευθυντής Ερευνών του Ινστιτούτου Τεχνολογιών Πληροφορικής και Επικοινωνιών του ΕΚΕΤΑ και πρώην πρόεδρος του Εθνικού Κέντρου Έρευνας και Τεχνολογικής Ανάπτυξης.
Μιλώντας στο «Homo sAIence», το vidcast της Voria.gr για την ΤΝ, με χορηγό τη ΔΕΗ, ο δρ Τζοβάρας περιγράφει μια ακόμη εικόνα του όχι και τόσο μακρινού μέλλοντος: τις δυνατότητες για πειραματισμό και διάγνωση προβλημάτων και αναγκών, που θα δίνουν στις βιομηχανίες τα αντίγραφα των εργοστασίων τους, μέσω των «ψηφιακών διδύμων»* (digital twins).
«Με τη χρήση ΤΝ και ιδίως με τις “agentic AI**” δυνατότητες, καθώς και με την ύπαρξη ρομπότ σε όλες τις διαδικασίες ενός εργοστασίου, θα μπορείς να “τρέξεις” ολόκληρη βιομηχανική μονάδα σε ένα ψηφιακό δίδυμο, μέσα από ένα simulation (προσομοίωση), ώστε να δοκιμάσεις πράγματα και να εντοπίσεις προβλήματα στη λειτουργία του ή να διαγνώσεις πολύ νωρίς ανάγκες συντήρησης, χωρίς να χρειάζεται καν να βρίσκεσαι στο πεδίο» εξηγεί ο δρ Τζοβάρας, ο οποίος είναι επίσης συνιδρυτής επτά (σύντομα οκτώ) εταιρειών-τεχνοβλαστών του ΕΚΕΤΑ και μέλος του ΕΣΕΤΕΚ (Εθνικού Συμβουλίου Ερευνας, Τεχνολογίας και Καινοτομίας).
Στο κοντινό μέλλον φαίνεται ότι ανήκει και η εικόνα ενός εργοστασίου, που διευθύνεται από πράκτορες ΤΝ (AI agents), με τεχνολογίες next AI, ώστε να μη χρειάζεται η συμμετοχή (παρά μόνο η επίβλεψη) του ανθρώπου στη διαδικασία λήψης αποφάσεων.
«Φυσικά, στις σημαντικές αποφάσεις κανείς δεν θα αφήσει ένα σύστημα ΤΝ μόνο του. Θα το επιβλέπειτακτικά, αλλά το σύστημα θα μπορεί να λαμβάνει και να εκτελεί μόνο του τις λιγότερο σημαντικές αποφάσεις για τη λειτουργία του εργοστασίου. Με άλλα λόγια, τα εργοστάσια του μέλλοντος δεν θα πάψουν να είναι ανθρωποκεντρικά, αλλά δεν θα είναι πλέον ο άνθρωπος που θα επιβαρύνεται με τις επαναλαμβανόμενες και λιγότερο σημαντικές διαδικασίες και εργασίες. Ο άνθρωπος θα είναι αυτός που θα συμμετέχει σε αποφάσεις σχετικές με θέματα ηθικής, δημιουργικότητας και δεοντολογίας, στα οποία η ΤΝ δεν έχει ακόμη εξελιχθεί σε βαθμό, ώστε να μπορεί να ανταποκριθεί πλήρως στις ανάγκες» εκτιμά ο δρ Τζοβάρας, ο οποίος συμπεριλαμβάνεται στη λίστα του Πανεπιστημίου του Στάνφορντ με το 2% των πιο επιδραστικών επιστημόνων στον κόσμο στον τομέα της ΤΝ και της επεξεργασίας σήματος.
Εργοστάσιο με πράκτορες ΤΝ ήδη από το καλοκαίρι στην Ελλάδα
Στο ερώτημα δε, πόσο σύντομα θα μπορούσαμε να δούμε ένα εργοστάσιο που θα το διαχειρίζονται σε σημαντικό βαθμό πράκτορες ΤΝ αποκαλύπτει ότι αυτό θα συμβεί -σε επίπεδο πιλοτικής λειτουργίας- το φετινό καλοκαίρι και μάλιστα στην Ελλάδα, σε βιομηχανική μονάδα εταιρείας με μεγάλους πελάτες. Δεν αποκαλύπτει ωστόσο περισσότερες λεπτομέρειες για το όλο εγχείρημα.
Ερωτηθείς σχετικά με το πόσο εξοικειωμένη είναι η βιομηχανία με όλες αυτές τις λύσεις, ώστε να τις εφαρμόσει σε επίπεδο πιο μαζικό, απαντά: «Η βιομηχανία έχει πάψει πλέον να βρίσκεται έτη φωτός πίσω από τις εξελίξεις στην τεχνολογία και έχει αρχίσει να φτάνει σε ένα επίπεδο ψηφιακού μετασχηματισμού, δηλαδή έχει ψηφιοποιήσει το μεγαλύτερο μέρος της πληροφορίας που δημιουργείται και ανταλλάσσεται μέσα στα εργοστάσια και προσπαθεί να βγάλει γνώση μέσα από αυτή την πληροφορία. Αυτό είναι το πρώτο στάδιο -και το βασικό προαπαιτούμενο- για να κάνεις οτιδήποτε αναφορικά με ΤΝ σε βιομηχανικό επίπεδο».
Προσθέτει ότι όλη αυτή η γνώση καταλήγει στο να μπορείς να κάνεις προληπτική συντήρηση*** των μηχανημάτων του εργοστασίου σου, να μπορείς να αυτοματοποίησεις πιο εύστοχα και αποδοτικά κάποιες διαδικασίες και να μπορείς να έχεις κάποιους ΑΙ agents ως συμβούλους στη διαδικασία της λειτουργίας του εργοστασίου.
Η ευκαιρία των μικρών γλωσσικών μοντέλων
Κατά τον δρα Τζοβάρα, στο σκηνικό αυτό, ένας τομέας στον οποίο η Ελλάδα -και οι επιχειρήσεις της- μπορούν να «κάνουν παιχνίδι» με αξιώσεις είναι αυτός των μικρών γλωσσικών μοντέλων (SLMs, σε αντιπαράθεση με τα LLM, τα μεγάλα γλωσσικά μοντέλα όπως το ChatGPT, το Gemini ή το Claude). Πρόκειται, όπως εξηγεί, για εφαρμογές ΤΝ πιο στοχευμένες και πιο εξειδικευμένες, οι οποίες βασίζονται σε μικρότερα γλωσσικά μοντέλα, Με άλλα λόγια, τα μοντέλα αυτά είναι φτιαγμένα ειδικά για συγκεκριμένες εφαρμογές και όχι για γενική χρήση -και σε αυτόν τον τομέα, υπάρχει σημαντική -και επωφελής- δυνατότητα συνεισφορά των ελληνικών επιχειρήσεων, πανεπιστημίων και ερευνητικών κέντρων.
Όπως εξηγεί, η ομορφιά σε ό,τι αφορά τα μικρά γλωσσικά μοντέλα προέρχεται από το γεγονός ότι τα δεδομένα για την εκπαίδευσή τους τα παρέχει η ίδια η εταιρεία, που θέλει να λύσει ένα συγκεκριμένο πρόβλημα χρησιμοποιώντας τα. «Πρόκειται λοιπόν για δεδομένα που δεν φεύγουν ποτέ από την εταιρεία, η οποία έχει την κυριότητα του αποτελέσματος, και άρα μειώνεται πάρα πολύ κι ο κίνδυνος βιομηχανικής κατασκοπείας. Και, αν μπορέσεις να διαμορφώσεις αυτό το μικρό γλωσσικό μοντέλο, με τρόπο ώστε έπειτα από νέα εκπαίδευση να ταιριάξει και σε άλλες εταιρείες, το πεδίο γίνεται αμέσως ευρύτερο» εξηγεί.
Όταν το Δημόσιο προηγείται και ο ιδιωτικός τομέας βραδυπορεί
Αν έπρεπε να ιεραρχήσει τα βασικά προβλήματα που ανακύπτουν κατά την προσπάθεια για γρήγορη, σωστή και αποδοτική χρήση της ΤΝ στην Ελλάδα, ποια θα ήταν τα τρία κυρίαρχα; «Το πρώτο και βασικό είναι ότι η ΤΝ στην Ελλάδα τρέχει σε δύο ταχύτητες. Περιέργως το Δημόσιο φαίνεται να είναι μπροστά και να συμμετάσχει πάρα πολύ ενεργά στην υιοθέτηση της ΤΝ. Ωστόσο, ο ιδιωτικός τομέας υστερεί, παρότι έχει τεράστιες δυνατότητες και υπάρχουν πάρα πολύ μεγάλες ευκαιρίες. Αυτό είναι ένα βασικό πρόβλημα, ότι ακόμη δεν έχει πάρει τα ρίσκα ο ιδιωτικός τομέας και περιορίζεται σε ατολμία και την υιοθέτηση πρακτικών των περασμένων ετών που πάντα περιμένουν χρηματοδοτήσεις από το Δημόσιο» υποστηρίζει.
Ως δεύτερο πρόβλημα εντοπίζει αυτό της εκπαίδευσης και της έλλειψης εξειδικευμένου ανθρώπινου ταλέντου, αφού έχουμε φτάσει στο σημείο πολλές εταιρείες να έχουν τη δυνατότητα να παράγουν προϊόντα με χρήση ΤΝ και το προσωπικό τους να μην μπορεί να υποστηρίξει την βέλτιστη χρήση της τεχνολογίας αυτής ή να κάνει τις κατάλληλες επικαιροποιήσεις, οι οποίες είναι απαραίτητες, καθώς «κάθε έξι μήνες αλλάζουν σχεδόν τα πάντα».
Και το τρίτο πρόβλημα, που σχετίζεται με το πρώτο, είναι ότι οι ιδιωτικές επιχειρήσεις θέλουν βραχυπρόθεσμη απόδοση από τις επενδύσεις που κάνουν σε τέτοιου είδους τεχνολογίες. «Νομίζω πως ήρθε η ώρα να κάνουν μεγάλες επενδύσεις από μόνες τους, κοιτάζοντας μπροστά» επισημαίνει ο πρώην πρόεδρος του ΕΚΕΤΑ.
Η συζήτηση με τον δρ Τζοβάρα επεκτάθηκε ακόμη στις δυνατότητες που δημιουργούν για την Ελλάδα υποδομές όπως ο υπερυπολογιστής ΔΑΙΔΑΛΟΣ («ό,τι καλύτερο έχει γίνει στη χώρα τα τα τελευταία χρόνια») και το εργοστάσιο ΤΝ «Pharos», στο τι απέγινε το cluster εταιρειών ΤΝ που είχε ιδρυθεί με έδρα τη Θεσσαλονίκη, στο πόσο γρήγορα θα μπορούσαμε να δούμε μαζικά τα ρομπότ με ΤΝ στην καθημερινότητα, αλλά και στο πόσο πιθανό είναι να φτάσουμε στη Γενική Τεχνητή Νοημοσύνη κατά την επόμενη τριετία.
Λεξιλόγιο επεισοδίου
*Digital Twin
Ψηφιακό αντίγραφο ενός φυσικού αντικειμένου, διεργασίας ή συστήματος, που ενημερώνεται σε πραγματικό χρόνο μέσω δεδομένων από αισθητήρες
**Agentic AI/AI Agents
Αυτόνομα συστήματα ΤΝ που αντιλαμβάνονται το περιβάλλον τους, λαμβάνουν αποφάσεις και εκτελούν ενέργειες για την επίτευξη συγκεκριμένων στόχων χωρίς συνεχή ανθρώπινη καθοδήγηση.
***Προληπτική συντήρηση
Μέθοδος συντήρησης που χρησιμοποιεί δεδομένα και αναλύσεις με ΤΝ, για να προβλέψει πότε ένα μηχάνημα ή άλλος εξοπλισμός χρειάζεται επισκευή, προτού εμφανιστεί η βλάβη.
