Δημήτρης Σκαρλάτος: Ο Έλληνας ερευνητής που έλαβε μεγάλο διεθνές βραβείο για επαναστατικές τεχνολογίες τεχνητής νοημοσύνης μιλά στη «Ν»

© Απαγορεύεται από το δίκαιο της Πνευμ. Ιδιοκτησίας η καθ΄οιονδήποτε τρόπο παράνομη χρήση/ιδιοποίηση του παρόντος, με βαρύτατες αστικές και ποινικές κυρώσεις για τον παραβάτη

Απονεμήθηκε φέτος στον Δημήτρη Σκαρλάτο το Young Computer Architect Award της IEEE, μία από τις σημαντικότερες ετήσιες παγκόσμιες διακρίσεις στον τομέα της Αρχιτεκτονικής Υπολογιστών, η οποία τιμά νεαρής ηλικίας ερευνητές για την εξαιρετική τους συνεισφορά στην έρευνα.

Το βραβείο απονέμεται κάθε χρόνο από την Technical Committee on Computer Architecture (TCCA) της IEEE Computer Society, σε επιστήμονες που έχουν αναδειχθεί για τη διακεκριμένη συμβολή τους στον τομέα της Αρχιτεκτονικής Υπολογιστών και οι οποίοι έχουν αποκτήσει το διδακτορικό τους τα τελευταία έξι χρόνια.

Το Young Computer Architect Award 2025 απονεμήθηκε στον Δημήτρη Σκαρλάτο για τις συνεισφορές του στη διαχείριση εικονικής μνήμης και στην ασφάλεια συστημάτων. Η απονομή του βραβείου πραγματοποιήθηκε κατά τη διάρκεια του Διεθνούς Συμποσίου Αρχιτεκτονικής Υπολογιστών (ISCA 2025), το οποίο φέτος φιλοξενήθηκε στο Τόκιο της Ιαπωνίας. Το ISCA αποτελεί το κορυφαίο παγκόσμιο επιστημονικό φόρουμ για την παρουσίαση νέων ιδεών και πειραματικών αποτελεσμάτων στον τομέα της Αρχιτεκτονικής Υπολογιστών.

Ο Δημήτρης Σκαρλάτος κατάγεται από τη Μυτιλήνη της Λέσβου και αποφοίτησε από το Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Πολυτεχνείου Κρήτης. Στη συνέχεια, πραγματοποίησε τις μεταπτυχιακές και διδακτορικές του σπουδές στο University of Illinois at Urbana–Champaign, όπου και ολοκλήρωσε τη διδακτορική του διατριβή το 2020. Από το 2021 είναι Επίκουρος Καθηγητής στο Τμήμα Επιστήμης Υπολογιστών του Carnegie Mellon University, ενός από τα κορυφαία πανεπιστήμια παγκοσμίως στον τομέα.

Στο Carnegie Mellon, το ερευνητικό έργο του επικεντρώνεται στον ριζικό επανασχεδιασμό των υποδομών των data centers για την εποχή της τεχνητής νοημοσύνης, με έμφαση στη διαχείριση μνήμης, την υπολογιστική αποδοτικότητα, την ενεργειακή απόδοση και τη διασφάλιση της ιδιωτικότητας.

Το έργο του έχει αναγνωριστεί διεθνώς με πολλές διακρίσεις, ανάμεσά τους τα NSF CAREER Award, Intel Outstanding Researcher Award, Linux Foundation Faculty Award, Intel Rising Star Faculty Award, καθώς και διαδοχικά βραβεία από τις Amazon, AMD, Intel, Oracle και Meta. Η έρευνά του έχει βραβευθεί σε κορυφαία διεθνή συνέδρια Αρχιτεκτονικής Υπολογιστών και Λειτουργικών Συστημάτων, ενώ τεχνολογίες που ανέπτυξε έχουν ενσωματωθεί στον πυρήνα του Linux, στο Android και χρησιμοποιούνται σε data centers της Metα.

Η Αρχιτεκτονική Υπολογιστών είναι ο τομέας της Επιστήμης και Μηχανικής Υπολογιστών που ασχολείται με την εσωτερική δομή, την οργάνωση και την απόδοση των υπολογιστών και των ψηφιακών συστημάτων, όπως αυτά υλοποιούνται μέσω ηλεκτρονικών υποσυστημάτων και ψηφιακής λογικής. Η συμβολή των Ελλήνων επιστημόνων στον τομέα είναι μακρά και ουσιαστική, και η φετινή διάκριση του Δημήτρη Σκαρλάτου ενισχύει περαιτέρω τη θέση της Ελλάδας στον παγκόσμιο ερευνητικό και τεχνολογικό χάρτη.

Ο Δημήτρης Σκαρλάτος μίλησε στο Naftemporiki.gr για την έρευνα και την βράβευση του καθώς και για το παρόν και μέλλον της τεχνητής νοημοσύνης.

Ποιος τομέας του ερευνητικού σας έργου ξεχώρισε και ήταν αυτός που σας χάρισε αυτή τη διάκριση;

Η διάκριση αυτή αφορά την  έρευνά μας σε υπολογιστικά συστήματα μεγάλης μνήμης που βρίσκονται σε data centers και στην ασφάλεια υπολογιστών. Αυτό που παρατηρήσαμε είναι πως με την εκρηκτική ανάπτυξη του AI, τα data centers χρειάζονται όλο και μεγαλύτερη μνήμη, κάτι που φέρνει μεγάλες προκλήσεις σε επίπεδο απόδοσης και ενεργειακής κατανάλωσης. Η δουλειά μας ανέδειξε αυτά τα κρίσιμα ζητήματα και προσέφερε λύσεις που έφεραν σημαντική αύξηση στην αποδοτικότητα των datacenters.

Πιο συγκεκριμένα, ένα κομμάτι της έρευνάς μας υιοθετήθηκε από data centers εταιρειών όπως η Meta, επιτυγχάνοντας αύξηση της αποδοτικότητάς τους έως και 20%, Δεδομένης της εφαρμογής της σε εκατομμύρια servers και data centers παγκοσμίως, το αποτέλεσμα της έρευνας αυτής είναι ιδιαίτερα σημαντικό.

Παράλληλα, στον τομέα της ασφάλειας, υπάρχει εδώ και χρόνια το ζήτημα της προστασίας των προσωπικών δεδομένων των χρηστών – κάτι που γίνεται ακόμα πιο κρίσιμο με την άνοδο του ΑΙ. Στο πλαίσιο αυτό, η δουλειά μας εντόπισε σοβαρές ευπάθειες και προτείναμε καινοτόμες λύσεις που οδήγησαν σε μέτρα προστασίας, τόσο σε επίπεδο software όσο και hardware, διασφαλίζοντας την ασφαλή και αξιόπιστη ανάπτυξη συστημάτων ΑΙ. Μερικές από τις προτάσεις μας έχουν ήδη εφαρμοστεί σε λογισμικά συστήματα, ενώ κάποιες οδήγησαν και την Intel να προχωρήσει σε βελτιώσεις στους δικούς της επεξεργαστές.

Συνολικά, η έρευνά μας έχει αντίκτυπο στον πραγματικό κόσμο κάτι το οποίο φαίνεται ταυτόχρονα και από την υιοθέτηση των τεχνολογιών μας από το λειτουργικό σύστημα των Linux, το οποίο και χρησιμοποιείται σε όλα τα data centers παγκοσμίως. Εκτός των data centers, η δουλειά μας υιοθετήθηκε και από το λειτουργικό σύστημα Android, επηρεάζοντας εκατομμύρια συσκευές σε όλο τον κόσμο.

Το τελευταίο χρονικό διάστημα η συζήτηση περιστρέφεται γύρω από τα data centers που θα υποδέχονται και θα επεξεργάζονται τα δεδομένα τεχνητής νοημοσύνης. Οι εξαιρετικά υψηλές ενεργειακές τους απαιτήσεις αποτελούν το νούμερο ένα ζήτημα που προσπαθεί να επιλύσει η βιομηχανία της τεχνολογίας. Ποιές μπορεί να είναι κάποιες πιθανές λύσεις σε αυτό το πρόβλημα με βάση τις υπάρχουσες τεχνολογικές δυνατότητες και ποιές λύσεις θα μπορούσαν να είναι αποτελεσματικές στο κοντινό μέλλον;

Πράγματι, αυτός είναι και ένας από τους βασικούς άξονες της έρευνάς μας, καθώς τα data centers καταναλώνουν ήδη πάνω από 400 TWh ετησίως, με εκτιμήσεις να ξεπερνούν τα 1000 TWh μέχρι το 2030 — περισσότερη ενέργεια δηλαδή από τις συνολικές ετήσιες ανάγκες της Ιαπωνίας, της τέταρτης μεγαλύτερης οικονομίας στον κόσμο.

Εξετάζοντας το πρόβλημα στον πυρήνα του, βλέπουμε ότι είναι ένας συνδυασμός της διαθέσιμης τεχνολογίας σε hardware και software και της αυξημένης ζήτησης συστημάτων τεχνητής νοημοσύνης.

Σε πρώτη φάση, η κυκλοφορία νέου hardware [από εταιρείες όπως η Nvidia], έχει στόχο την αύξηση της αποδοτικότητας με μειωμένη ενεργειακή κατανάλωση. Στην πραγματικότητα όμως η υπέρογκη ανάγκη για απόδοση των ΑΙ συστημάτων  – σε συνδυασμό με άλλους τεχνολογικούς περιορισμούς – αυξάνει το ενεργειακό αποτύπωμα. Για παράδειγμα η τελευταία γενιά GPUs της Nvidia, απαιτεί 1000W για μια μόνο GPU. Αυτό είναι σχεδόν ανάλογο με την ενεργειακή κατανάλωση ενός πλυντηρίου πιάτων σε λειτουργία, οπότε η αναγωγή στις εκατομμύρια GPUs που τρέχουν non stop σε κέντρα δεδομένων μας δίνει να καταλάβουμε το τεράστιο μέγεθος του ενεργειακού αποτυπώματος.

Ταυτόχρονα, οι περισσότερες λύσεις που βρίσκονται σε στάδιο εφαρμογής εστιάζουν κυρίως σε βελτιώσεις στο λογισμικό. Τα οφέλη αυτής προσέγγισης ωστόσο είναι σχετικά περιορισμένα καθώς βλέπουμε πως υπάρχει ένας «αγώνας δρόμου» μεταξύ της τακτικής κυκλοφορίας νέου hardware – το οποίο και αλλάζει τις προδιαγραφές του λογισμικού – και των βελτιώσεων του λογισμικό.

Αξίζει να αναφέρουμε ότι αυτή η άνιση και ετεροχρονισμένη πρόοδος μεταξύ των δυο, έχει μεγάλο κόστος σε ανθρώπινο δυναμικό, καθώς υπάρχει μια συνεχής προσπάθεια για «catch up» στην εκάστοτε τεχνολογία. Αξιοποιώντας τις υπάρχουσες τεχνολογικές δυνατότητες, οι πάροχοι data centers εξετάζουν ήδη προηγμένες λύσεις ψύξης, όπως το immersion cooling που προσφέρει σημαντικά οφέλη σε επίπεδο αποδοτικότητας. Με αυτή τη μέθοδο, βυθίζουμε κυριολεκτικά τους επεξεργαστές σε ειδικό υγρό ώστε η ψύξη να γίνεται πολύ πιο αποδοτική σε σχέση με τον αέρα, καθώς το υγρό απορροφά και μεταφέρει τη θερμότητα γρηγορότερα.

Λίγο πιο μακροπρόθεσμα, πολλές ερευνητικές προσπάθειες στρέφονται στην αξιοποίηση πυρηνικής ενέργειας και μικρών αρθρωτών πυρηνικών αντιδραστήρων (SMRs), τους οποίους μπορούμε να σκεφτούμε στο μέγεθος ενός μεγάλου λεωφορείου ή  container. Οι αντιδραστήρες αυτοί έχουν τη δυνατότητα να καλύψουν αυτές τις τεράστιες ενεργειακές ανάγκες, αλλά προς το παρόν αντιμετωπίζουν προκλήσεις πριν γίνουν έτοιμοι για χρήση σε παραγωγικά data centers.

Η έρευνά μας επικεντρώνεται  στον ολιστικό συν-σχεδιασμό συστημάτων AI, από το software μέχρι το hardware. Αυτή η κάθετη ενσωμάτωση έχει τη δυναμική να ξεκλειδώσει μεγάλα περιθώρια αποδοτικότητας και να ξεφύγει από τις σημερινές προσεγγίσεις, που λειτουργούν συνήθως απομονωμένα σε επίπεδα του computing stack. Πρόσφατα παρουσιάσαμε έναν νέο τύπο λειτουργικού συστήματος ειδικά σχεδιασμένο για αποδοτικό AI πάνω σε GPUs, το οποίο προσφέρει έως και 10x καλύτερη αποδοτικότητα σε σχέση με υπάρχουσες λύσεις της Nvidia. Σήμερα τα GPUs συνήθως χρησιμοποιούνται για ένα workload [εργασία] τη φορά — όμως όσο αυξάνεται η ισχύς τους, αυτή η προσέγγιση αφήνει μεγάλα κενά. Η λύση μας εισάγει ένα λειτουργικό σύστημα [OS] που μπορεί να «μαθαίνει» τα χαρακτηριστικά του κάθε workload, να «στοιβάζει» πολλαπλά workloads ταυτόχρονα και να διαχειρίζεται δυναμικά τις ενεργειακές τους απαιτήσεις, μεγιστοποιώντας έτσι την απόδοση και περιορίζοντας τη σπατάλη πόρων στα data centers.

Με αυτόν τον τρόπο, βρίσκουμε λύση στην επιβαρυντική σχέση μεταξύ hardware και software καθώς πλέον το software [με τη χρήση του ΑΙ] είναι σε θέση να προσαρμόζεται αυτόματα στις απαιτήσεις νέου hardware.

Το  θέμα της ασφάλειας των δεδομένων στα AI data centers που βρίσκεται αυτή την στιγμή και ποιες είναι οι τεχνολογίες προστασίας που βρίσκονται υπό ανάπτυξη;

Το ζήτημα της ασφάλειας των προσωπικών δεδομένων των χρηστών σε συστήματα ΑΙ είναι ένα από τα πλέον σημαντικά θέματα που ερευνώνται αυτή τη στιγμή. Όπως καταλαβαίνουμε, η εκπαίδευση συστημάτων ΑΙ – όπως το ChatGPT– απαιτεί όλο και μεγαλύτερη πρόσβαση σε δεδομένα. Αυτό εντείνει την ανάγκη δημιουργίας πρωτοκόλλων που εξασφαλίζουν την προστασία των προσωπικών δεδομένων σε όλα τα στάδια μεταφοράς, αποθήκευσης και υπολογισμού, χωρίς όμως να περιορίζεται η ισχύς του ΑΙ.

Ένα μεγάλο μέρος της επιστημονικής έρευνας παγκοσμίως εστιάζει στο πως μπορούμε να υλοποιήσουμε ΑΙ εξασφαλίζοντας ιδιωτικότητα και χρησιμοποιώντας «trusted execution environments», δηλαδή ασφαλή περιβάλλοντα εκτέλεσης τα οποία υποβοηθούνται από ασφαλές hardware. Πάνω σε αυτές τις τεχνικές μπορούμε να χρησιμοποιήσουμε κρυπτογραφικούς αλγορίθμους  [όπως το secure multiparty computation]. Αυτό επιτρέπει σε πολλούς χρήστες να μοιράζονται δεδομένα με απόλυτη ασφάλεια, χωρίς ωστόσο κανένας μεμονωμένος χρήστης να έχει πλήρη πρόσβαση σε όλο το σύνολο των δεδομένων.

Άλλες τεχνολογίες που εξελίσσονται αφορούν την προσθήκη watermarking (ψηφιακών υδατογραφημάτων-υπογράφων) σε περιεχόμενο παραγόμενο από τεχνητή νοημοσύνης ούτως ώστε να είναι εφικτό να καταλαβαίνουμε αν κάτι έχει παραχθεί από άνθρωπο ή από συστήματα ΑΙ. Ένας ακόμα κρίσιμος άξονας είναι το λεγόμενο “red teaming” των AI μοντέλων, ώστε να εντοπίζονται έγκαιρα ευπάθειες που θα μπορούσαν να επιτρέψουν σε επιτιθέμενους να αποσπάσουν δεδομένα εκπαίδευσης ή να παραβιάσουν την ιδιωτικότητα.

Η δική μας έρευνα επικεντρώνεται σε μια νέα γενιά κρυπτογραφημένων συστημάτων τεχνητής νοημοσύνης, τα οποία μπορούν να επεξεργάζονται κρυπτογραφημένα δεδομένα χωρίς ποτέ να τα αποκρυπτογραφούν. Πρόσφατα δείξαμε ότι αυτή η τεχνολογία μπορεί να κλιμακωθεί αποδοτικά ακόμη και για μεγάλα γλωσσικά μοντέλα, χωρίς να απαιτείται πολλαπλάσια επιβάρυνση σε ταχύτητα. Έτσι, οι χρήστες δεν χρειάζεται να ανησυχούν για κακόβουλες παραβιάσεις ή διαρροές δεδομένων, αφού η προστασία παραμένει ισχυρή σε κάθε επίπεδο. Το σημαντικότερο είναι ότι αυτή η τεχνολογία είναι μελλοντικά ασφαλής, προσφέροντας post-quantum προστασία — δηλαδή ακόμη και οι μελλοντικοί κβαντικοί υπολογιστές δεν θα μπορούν να «σπάσουν» την κρυπτογράφησή τους.

Ανακοινώνονται καθημερινά κυρίως από τεχνολογικούς κολοσσούς η δημιουργία μεγάλων data centers AI. Μπορείτε να μας πείτε με απλά λόγια τα οφέλη αυτών των data centers;

Ο βασικός λόγος πίσω από την εκρηκτική ανάπτυξη νέων data centers για AI είναι η τεράστια αύξηση της ζήτησης για τεχνητή νοημοσύνη. Όλο και περισσότερες υπηρεσίες βασίζονται πλέον στο AI, ενώ ακόμα και η ανάπτυξη νέων τεχνολογιών γίνεται με τη βοήθειά του. Επιπλέον, καθημερινά όλο και περισσότεροι χρήστες χρησιμοποιούν AI προϊόντα, δημιουργώντας τεράστια υπολογιστική ζήτηση. Γι’ αυτό το λόγο οι μεγάλες εταιρείες επενδύουν μαζικά στη δημιουργία νέων data centers, εξοπλισμένων με AI hardware όπως GPUs, τα οποία προσφέρουν πολύ μεγαλύτερη υπολογιστική ισχύ σε σχέση με προηγούμενες γενιές.

Σε σύγκριση με τα παλαιότερα data centers, τα νέα είναι ειδικά σχεδιασμένα ώστε να διαχειρίζονται τεράστιους όγκους δεδομένων πιο γρήγορα και αποδοτικά, με σύγχρονες λύσεις ψύξης και βελτιωμένη ενεργειακή διαχείριση, όπως αναφέρθηκε και προηγουμένως. Ενδεικτικά, ενώ παλαιότερα ένα τυπικό server rack χρειαζόταν περίπου 10 kilowatts για να λειτουργήσει, σήμερα ένα rack με προηγμένα AI chips μπορεί να ξεπεράσει τα 100 kilowatts. Με γνώμονα αυτό, τα νέα data centers σχεδιάζονται ώστε να ανταποκρίνονται στις τεράστιες ενεργειακές απαιτήσεις, με καλύτερη διανομή ενέργειας, εγγύτητα σε ενεργειακά δίκτυα και εξελιγμένα συστήματα ψύξης. Έτσι μπορούν να καλύψουν τις αυξανόμενες ανάγκες και να προσφέρουν πιο γρήγορες, αξιόπιστες και σύγχρονες υπηρεσίες σε εκατομμύρια χρήστες παγκοσμίως.

Ένας εξίσου σημαντικός παράγοντας / όφελος  είναι το λεγόμενο «AI sovereignty», την ικανότητα δηλαδή ενός κράτους ή οργανισμού, να έχει έλεγχο πάνω στην ανάπτυξη, τη χρήση και τα δεδομένα που χρησιμοποιούνται από ΑΙ συστήματα, χωρίς να εξαρτάται από τρίτους [άλλες χώρες ή ιδιωτικούς φορείς]. Αυτό έχει ως αποτέλεσμα, χώρες [όπως στην ΕΕ], να επενδύουν σημαντικά σε data centers, εταιρείες ανάπτυξης ΑΙ, παραγωγή software – ακόμα και τσιπ, ουσιαστικά σε όλους τους άξονες που εμπεριέχονται στην τεχνολογία ΑΙ.

Ποιοί τομείς εκτιμάται ότι θα λειτουργούν σύντομα σε μεγάλο ή και 100%  ποσοστό με τεχνητή νοημοσύνη;

Εκτιμώ ότι σχεδόν όλοι οι τομείς θα αναδιαμορφωθούν ριζικά με βάση το ΑΙ, ακόμα κι αν δεν φτάσουμε ποτέ σε πλήρη αυτοματοποίηση. Η επίδρασή του ΑΙ στην παραγωγικότητα θα είναι καθοριστική, απελευθερώνοντας χρόνο, πόρους και δημιουργικότητα. Πιστεύω πως το AI θα αναλάβει πλήρως εργασίες ρουτίνας καθώς και εργασίες που αφορούν σε βασική γνώση πεδίων— από basic programming και απλή λογιστική (π.χ. προετοιμασία φορολογικών δηλώσεων), μέχρι καταχώριση δεδομένων, επεξεργασία εγγράφων, εξυπηρέτηση πελατών και παραγωγή περιεχομένου, όπως περιγραφές προϊόντων, ενημερωτικά δελτία ή περιεχόμενο για social media. Ήδη σε πολλούς τομείς δοκιμάζεται για να διευκολύνει καθημερινές διαδικασίες [ιατρική, customer service, logistics etc]. Δυνατό παράδειγμα αποτελεί ο κλάδος της ιατρικής όπου βλέπουμε προσπάθειες εφαρμογής  του AI για φιλτράρισμα περιστατικών ακόμα και διάγνωση, αφήνοντας έτσι περισσότερο χρόνο στους γιατρούς  να επικεντρώνονται σε πιο σύνθετα ζητήματα.

Ωστόσο, σε τομείς που απαιτούν σύνθετη σκέψη, δημιουργικότητα, νομική ευθύνη, ηγεσία, υψηλή τεχνική εξειδίκευση και περιβάλλοντα υψηλής εμπιστοσύνης, ο ανθρώπινος ρόλος θα παραμείνει ουσιώδης. Σε εργασίες όπως η επιστημονική έρευνα αιχμής, ο σχεδιασμός πολύπλοκων συστημάτων, η παραγωγή νέας γνώσης και η δημιουργία αυθεντικού περιεχομένου, αλλά και εκεί όπου χρειάζεται κρίση σε αβέβαιες συνθήκες, διαχείριση περίπλοκων ανθρώπινων παραμέτρων και ευθύνη για αποφάσεις που επηρεάζουν άμεσα ζωές, η ανθρώπινη συμβολή θα είναι κρίσιμη. Το ΑΙ μπορεί να είναι ένα πανίσχυρο εργαλείο — όμως ο άνθρωπος θα συνεχίσει να δίνει κατεύθυνση, να λαμβάνει αποφάσεις όταν τα δεδομένα δεν αρκούν και να χτίζει την εμπιστοσύνη που χρειάζεται η πρόοδος.

Ποιά τα μεγάλα οφέλη αλλά και ποιοί οι πιθανοί κίνδυνοι που διαβλέπετε εσείς ότι μπορεί να υπάρξουν από τη γενικευμένη χρήση της τεχνητής νοημοσύνης;

Πιστεύω πως τα οφέλη από τη γενικευμένη χρήση του ΑΙ είναι τεράστια, κυρίως σε ό,τι αφορά την αύξηση της παραγωγικότητας και τις νέες δυνατότητες που προσφέρει. Πολύ μικρές ομάδες ή ακόμα και μεμονωμένα άτομα θα μπορούν να «τρέχουν» ολόκληρες επιχειρήσεις — από την ανάπτυξη προϊόντων μέχρι τη διαφήμιση και το marketing — με το AI να τους επιτρέπει να επικεντρώνονται στις βασικές ιδέες αντί για trivial και επαναλαμβανόμενες εργασίες. Επιπλέον, η τεχνητή νοημοσύνη μπορεί να βελτιώσει συνολικά την αποδοτικότητα οργανισμών, καλύπτοντας ελλείψεις προσωπικού σε θέσεις που σήμερα απασχολούν ανθρώπους σε μονότονες ή μικρές καθημερινές εργασίες, ώστε αυτοί να μπορούν να στραφούν σε πιο ουσιαστικά καθήκοντα. Τέτοια use cases μπορούν να έχουν τεράστιο αντίκτυπο ειδικά σε οικονομίες όπως η Ελλάδα, δίνοντας σε νέους ανθρώπους τη δυνατότητα να στήσουν startups γρήγορα, με χαμηλότερο κόστος και λιγότερα εμπόδια.

Το μεγάλο στοίχημα, όμως, είναι πόσο γρήγορα μπορούμε να προσαρμοστούμε σε αυτό το νέο περιβάλλον και να διαχειριστούμε τους πιθανούς κινδύνους. Η κακή χρήση της τεχνολογίας μπορεί να ενισχύσει τις κοινωνικές ανισότητες, να μειώσει ευκαιρίες για επαγγελματική ανέλιξη σε ορισμένα επαγγέλματα ή να οδηγήσει σε εσφαλμένη χρήση δεδομένων και παραπληροφόρηση.

Ειδικότερα, ένα από τα πιο σημαντικά προβλήματα στην χρήση AI είναι οι λεγόμενες «παραισθήσεις» — δηλαδή όταν τα συστήματα AI παράγουν πληροφορίες που φαίνονται αληθοφανείς αλλά είναι ανακριβείς ή τελείως λανθασμένες. Αυτή η αδυναμία καθιστά απαραίτητο τον ανθρώπινο έλεγχο και τη συνεχή βελτίωση των μοντέλων.

Κατανοώντας λοιπόν τις προκλήσεις και τις ευκαιρίες που προκύπτουν από την χρήση του ΑΙ, είναι πλέον ουσιώδης ο ρόλος της εκπαίδευσης στη σωστή χρήση της τεχνολογίας. Η εκθετική ανάπτυξη του ΑΙ επιτάσσει την άμεση προσαρμογή και εξέλιξη της εκπαίδευσης ώστε να προετοιμαστούν κατάλληλα οι νέες γενιές χρηστών. Έχοντας πλέον άμεση και εύκολη πρόσβαση στην πληροφορία, η συνεχής εκπαίδευση και η ανάπτυξη νέων δεξιοτήτων, θα εξασφαλίσουν ότι το ΑΙ μπορεί να χρησιμοποιηθεί με υπευθυνότητα και ορθό τρόπο, ενισχύοντας τις ανθρώπινες δυνατότητες.

Ποιοί είναι επόμενοι στόχοι σας στον τομέα της Αρχιτεκτονικής Υπολογιστών και την έρευνα για την τεχνολογία τεχνητής νοημοσύνης;

Οι επόμενοι στόχοι μου στον τομέα της Αρχιτεκτονικής Υπολογιστών και της έρευνας για το ΑΙ παραμένουν επικεντρωμένοι στη βελτίωση της αποδοτικότητας των AI data centers, καθώς πρόκειται για ένα κρίσιμο ζήτημα που απαιτεί πολύ μεγάλη προσπάθεια. Παράλληλα, θέλουμε να διασφαλίσουμε ότι θα μπορέσουμε να υποστηρίξουμε την εκρηκτική ανάπτυξη του AI με πιο βιώσιμο τρόπο. Πέρα όμως από την έρευνα, στόχος μας είναι να δούμε αυτές τις τεχνολογίες να γίνονται πράξη στην πραγματική αγορά και να μετατρέπονται σε προϊόντα που θα έχουν πραγματικό αντίκτυπο σε επιχειρήσεις και χρήστες σε όλο τον κόσμο.

Naftemporiki.gr