Oμιλία Δρ. Α. Ρούσσου: «Συστήματα Τεχνητής Νοημοσύνης για Εικόνες και Βίντεο: Δημιουργικότητα ...» скачать в хорошем качестве

Oμιλία Δρ. Α. Ρούσσου: «Συστήματα Τεχνητής Νοημοσύνης για Εικόνες και Βίντεο: Δημιουργικότητα ...»

Το InScience.gr σας παρουσιάζει την ομιλία του Δρ. Αναστάσιου Ρούσσου, Διευθυντή Ερευνών στο Ίδρυμα Τεχνολογίας και Έρευνας (ΙΤΕ) με θέμα: «Συστήματα Τεχνητής Νοημοσύνης για Εικόνες και Βίντεο: Δημιουργικότητα, Κίνδυνοι και Κοινωνικές Επιπτώσεις», που διοργανώθηκε την Τετάρτη 11 Φεβρουαρίου 2026. Περίληψη: Τα τελευταία χρόνια, τα συστήματα Τεχνητής Νοημοσύνης για εικόνες και βίντεο έχουν αλλάξει ριζικά τον τρόπο με τον οποίο δημιουργούμε, αναλύουμε και καταναλώνουμε οπτικό περιεχόμενο. Σήμερα, η Τεχνητή Νοημοσύνη μπορεί να παράγει εικόνες και βίντεο υψηλού ρεαλισμού, να αναγνωρίζει εκφράσεις προσώπου και να δημιουργεί εικονικούς ανθρώπους που αλληλεπιδρούν με τους χρήστες. Τα συστήματα αυτά προσφέρουν νέες προοπτικές σε διάφορους τομείς, όπως οι τέχνες, η εκπαίδευση, η αλληλεπίδραση ανθρώπου-υπολογιστή, οι τεχνολογίες νοηματικής γλώσσας και η υγεία. Την ίδια στιγμή όμως, η ευρεία χρήση αυτών των συστημάτων εγείρει σημαντικά κοινωνικά ερωτήματα και ανησυχίες. Στην ομιλία αυτή, θα εξετάσουμε τόσο τις δημιουργικές δυνατότητες όσο και τους κινδύνους των συστημάτων Τεχνητής Νοημοσύνης για εικόνες και βίντεο, βασιζόμενοι στις πρόσφατες επιστημονικές εξελίξεις. Θα συζητήσουμε ζητήματα όπως η προκατάληψη και τα στερεότυπα, ο αντίκτυπος στην καλλιτεχνική δημιουργία, ο τρόπος με τον οποίο το κοινό αντιλαμβάνεται το περιεχόμενο που παράγεται από Τεχνητή Νοημοσύνη, καθώς και οι ηθικές ευθύνες που προκύπτουν. Στόχος της ομιλίας είναι να συμβάλει σε μια πιο κριτική και ενημερωμένη κατανόηση των τεχνολογιών αυτών και των κοινωνικών τους επιπτώσεων. ΣΥΝΤΟΜΟ ΒΙΟΓΡΑΦΙΚΟ: Ο Δρ. Τάσος Ρούσσος είναι Διευθυντής Ερευνών (Ερευνητής Α’) στο Ινστιτούτο Πληροφορικής του Ιδρύματος Τεχνολογίας και Έρευνας (ΙΤΕ). Ανέλαβε αυτόν τον ρόλο τον Ιανουάριο του 2025, έχοντας προηγουμένως διατελέσει Κύριος Ερευνητής (Ερευνητής Β’) στο ίδιο Ινστιτούτο (2019-2024). Πριν ενταχθεί στο ΙΤΕ, ήταν Lecturer στην Επιστήμη Υπολογιστών στο University of Exeter και Fellow του Alan Turing Institute στο Ηνωμένο Βασίλειο. Πριν από αυτές τις θέσεις, ήταν μεταδιδακτορικός ερευνητής στο Imperial College London, στο University College London και στο Queen Mary, University of London του Ηνωμένου Βασιλείου. Σπούδασε Ηλεκτρολόγος Μηχανικός και Μηχανικός Υπολογιστών (Διδακτορικό 2010, Δίπλωμα 2005) στο Εθνικό Μετσόβιο Πολυτεχνείο. Η έρευνα του Δρ. Ρούσσου ειδικεύεται στην τρισδιάστατη όραση υπολογιστών και στη βαθιά μάθηση. Το επίκεντρο της τρέχουσας έρευνάς του είναι η ανάπτυξη νέων μεθόδων για λεπτομερή τρισδιάστατη μοντελοποίηση, ανακατασκευή και σύνθεση αντικειμένων και σκηνών του πραγματικού κόσμου με βάση οπτικά δεδομένα. Ο Δρ. Ρούσσος έχει δημοσιεύσει 13 άρθρα σε κορυφαία διεθνή περιοδικά Όρασης Υπολογιστών, Βιομετρίας, Μηχανικής Μάθησης και Επιστημών Απεικόνισης, 33 εργασίες σε διεθνή συνέδρια με κριτές, συμπεριλαμβανομένων των κορυφαίων συνεδρίων Όρασης Υπολογιστών, Αναγνώρισης Προτύπων και Επαυξημένης Πραγματικότητας, καθώς και 2 κεφάλαια βιβλίων. Προσωπική ιστοσελίδα: http://users.ics.forth.gr/~troussos Κεφάλαια της Ομιλίας 00:00:20 Εισαγωγή – Χαιρετισμός 00:04:16 Ομιλία 00:59:05 Ερωτήσεις 00:59:40 Ποιες κατευθύνσεις έρευνας θεωρούνται σήμερα λιγότερο προβεβλημένες αλλά ενδέχεται να διαμορφώσουν ριζικά το μέλλον της τεχνητής νοημοσύνης στον οπτικοακουστικό τομέα; 01:02:52 Πώς μπορεί η εκπαίδευση και η ψηφιακή παιδεία να συμβάλουν στην κριτική κατανόηση και χρήση αυτών των τεχνολογιών από τους πολίτες; 01:05:21 Πώς επηρεάζει η αυτοματοποίηση της παραγωγής περιεχομένου την αγορά εργασίας στους τομείς της τέχνης, του κινηματογράφου και των μέσων ενημέρωσης; 01:07:08 Με ποιους μηχανισμούς μπορούμε να διασφαλίσουμε διαφάνεια και λογοδοσία στη λειτουργία αυτών των συστημάτων; 01:09:25 Τα σύνολα δεδομένων για την εκπαίδευση των μοντέλων αυτών πώς κατασκευάζονται και πώς παρέχονται στους ενδιαφερόμενους που θέλουν να εκπαιδεύσουν ένα μοντέλο; 01:12:25 Γιατί να υπάρξει επόμενος «χειμώνας» για την TN εφόσον η εκπαίδευση των μοντέλων βασίζεται στον τεράστιο όγκο δεδομένων εκπαίδευσης τον οποίο μπορούν πλέον να τον παράγουν "μόνα" τους συνθετικά; 01:14:20 Από κανονιστική σκοπιά, σε ποιον βαθμό το AI Act αντιμετωπίζει επαρκώς σήμερα τη γενετική ΤΝ στη δημιουργία εικόνας και βίντεο; Δεδομένου του ρυθμού καινοτομίας, θεωρείτε ότι υπάρχει κίνδυνος να καταστεί σύντομα το AI Act παρωχημένο και πώς διαμορφώνεται το μελλοντικο ρυθμιστικό τοπίο;