Τεχνητή Νοημοσύνη – Νέα & Εργαλεία | Greek AI Network

Greek AI Network

  • Αρχική
  • Νέα
  • Εργαλεία AI
    • Για Βίντεο
    • Για Εικόνα
    • Για Εκπαιδευτικούς
    • Για Εξειδικευμένες Εφαρμογές
    • Για Ήχο
    • Για Κείμενο
  • Εφαρμογές AI
  • Βασικές έννοιες
  • Εκπαιδευτικά Προγράμματα
    • Δωρεάν σεμινάρια AI
    • Κατάρτηση AI
No Result
View All Result
Τεχνητή Νοημοσύνη – Νέα & Εργαλεία | Greek AI Network
  • Αρχική
  • Νέα
  • Εργαλεία AI
    • Για Βίντεο
    • Για Εικόνα
    • Για Εκπαιδευτικούς
    • Για Εξειδικευμένες Εφαρμογές
    • Για Ήχο
    • Για Κείμενο
  • Εφαρμογές AI
  • Βασικές έννοιες
  • Εκπαιδευτικά Προγράμματα
    • Δωρεάν σεμινάρια AI
    • Κατάρτηση AI
No Result
View All Result
Τεχνητή Νοημοσύνη – Νέα & Εργαλεία | Greek AI Network

Greek AI Network

No Result
View All Result
Home Νέα

Τεχνητή νοημοσύνη σε υγεία και εκπαίδευση: πόσο μπορείτε να την εμπιστευτείτε;

by Kyriakos Koutsourelis
12 Αυγούστου, 2026
in Νέα
0
Τεχνητή νοημοσύνη σε υγεία και εκπαίδευση: πόσο μπορείτε να την εμπιστευτείτε;
Share on FacebookShare on Twitter

Δύο χρήσεις της τεχνητής νοημοσύνης έχουν γίνει καθημερινές χωρίς να έχει προλάβει κανείς να απαντήσει αν είναι ασφαλείς: η αναζήτηση ιατρικών απαντήσεων και η υποστήριξη της μελέτης. Και στις δύο περιπτώσεις η υιοθέτηση προηγήθηκε των στοιχείων, και τα στοιχεία που άρχισαν να συσσωρεύονται μέσα στο 2026 δεν επιβεβαιώνουν ούτε τους ενθουσιώδεις ούτε τους απορριπτικούς.

Πόσοι ρωτούν ήδη για την υγεία τους

Η πιο πρόσφατη αξιόπιστη μέτρηση προέρχεται από έρευνα του KFF που διεξήχθη μεταξύ 24 Φεβρουαρίου και 2 Μαρτίου 2026 σε 1.343 ενήλικες, με περιθώριο σφάλματος τριών μονάδων. Το 32% δήλωσε ότι έχει χρησιμοποιήσει συνομιλιακό σύστημα τεχνητής νοημοσύνης για θέματα υγείας μέσα στον τελευταίο χρόνο, ποσοστό ισοδύναμο με εκείνο των μέσων κοινωνικής δικτύωσης και σαφώς χαμηλότερο από τις μηχανές αναζήτησης, στο 68%, και από τους επαγγελματίες υγείας, στο 80%. Αναλυτικά, 29% ρώτησαν για σωματική υγεία και 16% για ψυχική.

Δύο επιμέρους ευρήματα είναι πιο σημαντικά από το γενικό ποσοστό. Το πρώτο αφορά τα δεδομένα: περίπου 41% όσων χρησιμοποίησαν τέτοια εργαλεία ανέβασαν προσωπικές ιατρικές πληροφορίες, όπως αποτελέσματα εξετάσεων ή σημειώματα γιατρών, τη στιγμή που 77% του συνόλου δηλώνουν ανησυχία για την ιδιωτικότητα αυτών ακριβώς των δεδομένων.

Το δεύτερο είναι πιο ανησυχητικό κλινικά. Ανάμεσα σε όσους ζήτησαν συμβουλή για σωματική υγεία, 42% δεν απευθύνθηκαν στη συνέχεια σε γιατρό. Για θέματα ψυχικής υγείας το αντίστοιχο ποσοστό ανέβηκε στο 58%. Οι νεότεροι ενήλικες ήταν περίπου διπλάσια πιθανό να παραλείψουν τη συνέχεια. Και περίπου ένας στους πέντε ανέφερε ως βασικό λόγο χρήσης την έλλειψη προσωπικού γιατρού ή την αδυναμία να κλείσει ραντεβού, κάτι που μετατοπίζει τη συζήτηση από την τεχνολογία στην πρόσβαση στο σύστημα υγείας.

Τι δείχνουν οι μελέτες ακρίβειας

Ο μη κερδοσκοπικός οργανισμός ασφάλειας ασθενών ECRI κατέταξε την κακή χρήση γενικών συνομιλιακών συστημάτων στην υγεία ως τον σημαντικότερο τεχνολογικό κίνδυνο για το 2026. Το βασικό επιχείρημα είναι λιτό: αυτά τα εργαλεία δεν είναι ιατροτεχνολογικά προϊόντα, δεν έχουν εγκριθεί ως τέτοια και δεν υπόκεινται στους αντίστοιχους ελέγχους.

Τα εμπειρικά ευρήματα το επιβεβαιώνουν. Μελέτη που δημοσιεύθηκε σε κορυφαίο ιατρικό περιοδικό αξιολόγησε 960 συστάσεις διαλογής από το εξειδικευμένο εργαλείο υγείας που κυκλοφόρησε τον Ιανουάριο του 2026, συγκρίνοντάς τες με τη βέλτιστη ιατρική κρίση. Οι σοβαρότερες αστοχίες εμφανίστηκαν στα δύο άκρα του φάσματος. Σε μη επείγουσες καταστάσεις, 35% των απαντήσεων συνιστούσαν περισσότερη φροντίδα από την απαραίτητη. Σε πραγματικά επείγοντα περιστατικά, 48% των απαντήσεων απέτυχαν να συστήσουν άμεση ή επείγουσα αναζήτηση βοήθειας.

Τυχαιοποιημένη δοκιμή του Πανεπιστημίου της Οξφόρδης, που δημοσιεύθηκε τον Φεβρουάριο του 2026 με σχεδόν 1.300 συμμετέχοντες, κατέληξε σε ένα εύρημα που αξίζει προσοχής: όσοι χρησιμοποίησαν γλωσσικά μοντέλα δεν πήραν καλύτερες αποφάσεις από όσους στηρίχθηκαν σε απλή αναζήτηση ή στην κρίση τους. Οι ερευνητές εντόπισαν αμφίδρομη αποτυχία επικοινωνίας: οι χρήστες δεν γνώριζαν ποιες πληροφορίες έπρεπε να δώσουν για να λάβουν σωστή απάντηση, ενώ οι απαντήσεις ανέμιχναν σωστές με λανθασμένες συστάσεις με τρόπο που δυσκόλευε τη διάκριση.

Ξεχωριστός έλεγχος πέντε δημοφιλών συστημάτων που δημοσιεύθηκε το 2026 βρήκε ότι σχεδόν οι μισές απαντήσεις σε ερωτήματα υγείας ήταν προβληματικές. Η μέση πληρότητα των παραπομπών κινήθηκε γύρω στο 40%, ενώ καμία πλατφόρμα δεν παρήγαγε πλήρως ακριβή κατάλογο πηγών. Το πρόβλημα δεν είναι ότι οι απαντήσεις ακούγονται λάθος. Είναι ότι ακούγονται σωστές.

Πού λειτουργεί πραγματικά στην υγεία

Η αντίστιξη είναι σημαντική για να μην καταλήξει το συμπέρασμα άδικο. Η τεχνολογία αποδίδει μετρήσιμα εκεί όπου υπάρχει επαγγελματίας στον βρόχο. Η αυτόματη τήρηση κλινικών σημειωμάτων μειώνει τον διοικητικό φόρτο και την επαγγελματική εξουθένωση, η υποστήριξη σε διαφορική διάγνωση λειτουργεί ως δεύτερη γνώμη και όχι ως απόφαση, και η μετάφραση ιατρικής ορολογίας σε κατανοητή γλώσσα βελτιώνει πραγματικά την προετοιμασία του ασθενούς πριν από ένα ραντεβού.

Η γραμμή που ξεχωρίζει την ωφέλιμη από την επικίνδυνη χρήση δεν είναι η ποιότητα του μοντέλου. Είναι το αν η απάντηση οδηγεί σε απόφαση χωρίς ανθρώπινη επαλήθευση. Η προετοιμασία ερωτήσεων πριν την επίσκεψη είναι χρήσιμη. Η διαλογή επείγοντος περιστατικού δεν είναι.

Η εκπαίδευση: το πρόβλημα δεν είναι μόνο η αντιγραφή

Στα πανεπιστήμια η δημόσια συζήτηση επικεντρώθηκε στην ακαδημαϊκή ακεραιότητα, και όχι αδικαιολόγητα. Εκτιμήσεις τοποθετούν τις υποθέσεις παραπτωμάτων που σχετίζονται με τεχνητή νοημοσύνη σε πάνω από το 60% του συνόλου των περιστατικών αντιγραφής στην τριτοβάθμια εκπαίδευση παγκοσμίως, με αύξηση που μετριέται σε εκατοντάδες τοις εκατό μέσα σε τρία ακαδημαϊκά έτη.

Τα εργαλεία ανίχνευσης δεν έχουν λύσει το πρόβλημα και έχουν δημιουργήσει άλλα. Οι κατασκευαστές δηλώνουν πολύ υψηλά ποσοστά ακρίβειας, όμως στην πράξη οι φοιτητές παρακάμπτουν την ανίχνευση με ελαφριά επεξεργασία, ανάμιξη ανθρώπινου και μηχανικού κειμένου ή εργαλεία παράφρασης. Ταυτόχρονα, εκπαιδευτικοί αναφέρουν συστηματικές ψευδώς θετικές ενδείξεις εις βάρος φοιτητών που δεν γράφουν στη μητρική τους γλώσσα, δηλαδή ακριβώς εις βάρος όσων έχουν τη λιγότερη δυνατότητα να αμυνθούν.

Η πιο ώριμη ανάγνωση, που κερδίζει έδαφος σε πανεπιστήμια αρκετών χωρών, είναι ότι το πρόβλημα δεν είναι νέο είδος απάτης αλλά παλιό είδος αξιολόγησης. Τα εκπαιδευτικά ιδρύματα έχτισαν ένα σύστημα κρίσης γύρω από εργασίες τις οποίες τα σημερινά εργαλεία μιμούνται εξαιρετικά καλά.

Τι δείχνει η έρευνα για τη μάθηση

Εδώ τα δεδομένα είναι πιο ενδιαφέροντα από ό,τι υποδηλώνει η δημόσια συζήτηση, γιατί δείχνουν προς δύο κατευθύνσεις ταυτόχρονα.

Στη θετική πλευρά, τυχαιοποιημένη ελεγχόμενη δοκιμή που υλοποιήθηκε σε δημόσια γυμνάσια της Νιγηρίας με τη στήριξη της Παγκόσμιας Τράπεζας έδωσε αποτελέσματα που δύσκολα αγνοούνται. Επί έξι εβδομάδες, μαθητές εργάστηκαν σε ζευγάρια με εργαλείο βασισμένο σε γλωσσικό μοντέλο, υπό εποπτεία εκπαιδευτικού και με οδηγίες σχεδιασμένες να προάγουν τη συλλογιστική αντί για τις συντομεύσεις. Η βελτίωση έφτασε τις 0,31 τυπικές αποκλίσεις συνολικά και 0,23 στο βασικό γνωστικό αντικείμενο, μέγεθος που αντιστοιχεί σε ενάμιση έως δύο χρόνια συνήθους σχολικής προόδου. Το πρόγραμμα ξεπέρασε σε αποτελεσματικότητα το 80% των εκπαιδευτικών παρεμβάσεων που έχουν αξιολογηθεί με αντίστοιχη αυστηρότητα, ενώ τα οφέλη εκτάθηκαν και στις τελικές εξετάσεις του έτους, σε ύλη πέρα από την παρέμβαση.

Στην αρνητική πλευρά, τυχαιοποιημένη δοκιμή με χίλιους μαθητές λυκείου στην Τουρκία έδειξε το ακριβώς αντίθετο μοτίβο. Η πρόσβαση σε γενικό συνομιλιακό σύστημα κατά τη μελέτη βελτίωσε τις επιδόσεις στις ασκήσεις εξάσκησης, όμως στην κλειστή γραπτή εξέταση οι μαθητές που είχαν χρησιμοποιήσει το γενικό εργαλείο σημείωσαν επιδόσεις χαμηλότερες κατά 17% σε σχέση με όσους μελέτησαν χωρίς αυτό.

Η αντίφαση είναι φαινομενική. Στη μία περίπτωση το εργαλείο ήταν ενταγμένο σε δομημένη διαδικασία με ρητούς παιδαγωγικούς περιορισμούς και ανθρώπινη επίβλεψη. Στην άλλη έδινε απευθείας απαντήσεις. Η ίδια τεχνολογία παρήγαγε αντίθετα αποτελέσματα ανάλογα με τον σχεδιασμό της χρήσης.

Η γνωστική εκφόρτωση

Η θεωρητική εξήγηση που συγκεντρώνει την ευρύτερη συναίνεση αφορά τη λεγόμενη γνωστική εκφόρτωση. Όταν ο μαθητής αναθέτει σε εξωτερικό εργαλείο τη νοητική προσπάθεια, μειώνεται η εσωτερική γνωστική εμπλοκή και, με τον χρόνο, η ικανότητα αυτορρύθμισης της μάθησης. Ερευνητές έχουν περιγράψει το φαινόμενο και ως μεταγνωστική νωθρότητα: ο μαθητής δεν χάνει μόνο τη γνώση, χάνει τη συνήθεια να παρακολουθεί ο ίδιος αν κατάλαβε.

Αυτό δεν είναι επιχείρημα υπέρ της απαγόρευσης. Η γνωστική ψυχολογία δείχνει ότι η δυσκολία, η αποτυχία και η αναθεώρηση είναι τα ίδια τα στοιχεία που παράγουν διαρκή κατανόηση. Το ζητούμενο είναι να διακρίνει κανείς ποιες εργασίες μπορούν να ανατεθούν, δηλαδή οι επαναληπτικές και περιφερειακές, και ποιες πρέπει να παραμείνουν στον μαθητή, δηλαδή αυτές που συνιστούν τη δύσκολη σκέψη. Προσεγγίσεις που διδάσκουν ρητά αυτή τη διάκριση καταγράφουν μετρήσιμα οφέλη στην κριτική σκέψη.

Τι σημαίνει πρακτικά

Η σύγκλιση των δύο πεδίων είναι σαφέστερη από ό,τι φαίνεται. Και στην υγεία και στην εκπαίδευση, η τεχνολογία αποδίδει όταν λειτουργεί ως ενδιάμεσο βήμα με ανθρώπινη επαλήθευση, και αποτυγχάνει όταν λειτουργεί ως τελική απάντηση.

Για τους ασθενείς αυτό σημαίνει χρήση για κατανόηση και προετοιμασία, ποτέ για διαλογή επείγοντος ή για διακοπή θεραπείας. Για τα εκπαιδευτικά ιδρύματα σημαίνει μετατόπιση της αξιολόγησης προς τη διαδικασία και όχι μόνο προς το τελικό παραδοτέο, με προφορικές υπερασπίσεις, εργασίες σε τάξη και σαφείς κανόνες δήλωσης χρήσης. Τα ιδρύματα δεν μπορούν να αγοράσουν λύση με τη μορφή λογισμικού ανίχνευσης.

Το ερώτημα, τελικά, δεν είναι αν πρέπει να εμπιστευτεί κανείς την τεχνητή νοημοσύνη με την υγεία ή τα μαθήματά του. Είναι σε ποιο σημείο της αλυσίδας απόφασης την τοποθετεί. Όσο βρίσκεται στην αρχή, ως εργαλείο κατανόησης, τα δεδομένα είναι ενθαρρυντικά. Όσο μετακινείται προς το τέλος, ως υποκατάστατο κρίσης, τα ίδια δεδομένα γίνονται προειδοποίηση.

Για θέματα σωματικής ή ψυχικής υγείας, η επικοινωνία με επαγγελματία παραμένει απαραίτητη, ιδίως όταν τα συμπτώματα είναι επίμονα ή έντονα.

Πηγές

  • https://www.medicaleconomics.com/view/1-in-3-adults-now-turn-to-ai-chatbots-for-health-advice
  • https://www.healthcaredive.com/news/one-in-three-adults-use-artificial-intelligence-health-information-kff/815722/
  • https://healthjournalism.org/blog/2026/02/misuse-of-ai-chatbots-in-health-care-tops-2026-health-tech-hazard-report/
  • https://www.ox.ac.uk/news/2026-02-10-new-study-warns-risks-ai-chatbots-giving-medical-advice
  • https://teledirectmd.com/health-guides/ai-chatbot-medical-information-safety/
  • https://news.gallup.com/poll/707789/americans-turning-supplement-healthcare-visits.aspx
  • https://phys.org/news/2026-07-teachers-students-ai-survey-deeper.html

Tags: AI News

ΣΧΕΤΙΚΑ ΑΡΘΡΑ

Mark Zuckerberg και το όραμα της Meta για προσωπική υπερνοημοσύνη και τεχνητή νοημοσύνη για όλους.
Νέα

Ζάκερμπεργκ: Το μέλλον ανήκει σε όλους

by Theodoros Kostogiannis
11 Αυγούστου, 2026
Το Meta Muse Glimmer είναι ένα AI μοντέλο 30 δισεκατομμυρίων παραμέτρων, σχεδιασμένο για την τοπική εκτέλεση AI agents σε consumer GPUs. Χρησιμοποιεί quantisation περίπου 4-bit, υποστηρίζει coding, function calling και multimodal εργασίες και μπορεί να λειτουργήσει σε συστήματα με 24 GB ή 32 GB μνήμης.
Νέα

Η Meta ανοίγει το Muse Glimmer για AI agents χωρίς cloud

by Theodoros Kostogiannis
11 Αυγούστου, 2026
Η Firebird εγκαινίασε το μεγαλύτερο AI factory της ΚΑΚ στην Αρμενία
Νέα

Firebird: το μεγαλύτερο AI factory της ΚΑΚ στην Αρμενία

by Kyriakos Koutsourelis
11 Αυγούστου, 2026
Τεχνητή Νοημοσύνη και κυβερνοασφάλεια, με την AI να χρησιμοποιείται ενεργά σε κυβερνοεπιθέσεις, malware και αυτοματοποιημένες επιθέσεις.
Νέα

Η AI αναλαμβάνει ενεργό ρόλο στις κυβερνοεπιθέσεις

by Theodoros Kostogiannis
10 Αυγούστου, 2026
NVIDIA Vera: ταχύτερη επεξεργασία αποθήκευσης για agentic AI
Νέα

NVIDIA Vera: μετρήσεις αποθήκευσης για agentic AI

by Kyriakos Koutsourelis
10 Αυγούστου, 2026
AI agents και κυβερνοασφάλεια: πώς μοντέλα OpenAI και Anthropic ξεπέρασαν τα όρια δοκιμών
Νέα

AI agents και κυβερνοασφάλεια: πώς μοντέλα OpenAI και Anthropic ξεπέρασαν τα όρια δοκιμών

by Kyriakos Koutsourelis
9 Αυγούστου, 2026
Ερευνητές του Stanford χρησιμοποίησαν το μοντέλο τεχνητής νοημοσύνης Evo 2 για να δημιουργήσουν νέες αλληλουχίες DNA βακτηριοφάγων, με στόχο την καταπολέμηση του E. coli. Από σχεδόν 300 φάγους που συντέθηκαν και δοκιμάστηκαν στο εργαστήριο, 16 παρουσίασαν ιδιαίτερα ισχυρή δράση κατά του βακτηρίου. Η έρευνα βασίστηκε στον βακτηριοφάγο ΦX174, έναν σχετικά μικρό ιό που μολύνει βακτήρια και διαθέτει γονιδίωμα μικρότερο από 6.000 ζεύγη βάσεων. Το Evo 2 κλήθηκε να δημιουργήσει ολόκληρα νέα γονιδιώματα, ξεκινώντας από ένα μικρό τμήμα DNA.
Εφαρμογές AI

AI της Stanford σχεδιάζει βακτηριοφάγους κατά του E.coli

by Theodoros Kostogiannis
8 Αυγούστου, 2026
Η κούρσα της τεχνητής νοημοσύνης στην Κίνα στρέφεται πλέον όλο και περισσότερο στη μείωση του κόστους, με τις Alibaba, DeepSeek και Moonshot AI να ακολουθούν διαφορετικές στρατηγικές. Η Alibaba παρουσίασε το Qwen3.8-Max, το μεγαλύτερο AI μοντέλο της μέχρι σήμερα, με 2,4 τρισ. παραμέτρους και αρχιτεκτονική mixture-of-experts, ενώ η DeepSeek επικεντρώνεται στην ιδιαίτερα χαμηλή τιμολόγηση του V4-Flash.
Νέα

Η Alibaba ανεβάζει τον πήχη με το Qwen3.8-Max

by Theodoros Kostogiannis
7 Αυγούστου, 2026
AI slop και deepfakes: πνίγεται το διαδίκτυο σε συνθετικό περιεχόμενο;
Νέα

AI slop και deepfakes: πνίγεται το διαδίκτυο σε συνθετικό περιεχόμενο;

by Kyriakos Koutsourelis
7 Αυγούστου, 2026

Πρόσφατα Άρθρα

Τεχνητή νοημοσύνη σε υγεία και εκπαίδευση: πόσο μπορείτε να την εμπιστευτείτε;

Τεχνητή νοημοσύνη σε υγεία και εκπαίδευση: πόσο μπορείτε να την εμπιστευτείτε;

12 Αυγούστου, 2026
Mark Zuckerberg και το όραμα της Meta για προσωπική υπερνοημοσύνη και τεχνητή νοημοσύνη για όλους.

Ζάκερμπεργκ: Το μέλλον ανήκει σε όλους

11 Αυγούστου, 2026
Το Meta Muse Glimmer είναι ένα AI μοντέλο 30 δισεκατομμυρίων παραμέτρων, σχεδιασμένο για την τοπική εκτέλεση AI agents σε consumer GPUs. Χρησιμοποιεί quantisation περίπου 4-bit, υποστηρίζει coding, function calling και multimodal εργασίες και μπορεί να λειτουργήσει σε συστήματα με 24 GB ή 32 GB μνήμης.

Η Meta ανοίγει το Muse Glimmer για AI agents χωρίς cloud

11 Αυγούστου, 2026

Ετικέτες

Adobe AI Agents AI News AI Tools AI Ρομποτική AI στην καθημερινότητα Alexa Alibaba Amazon AMD Anthropic Apple AWS Azure AI Chatbot ChatGPT Claude Copilot Deepmind DeepSeek Gemini GenAI Google Grok IBM Intel Llama Machine Learning Meta Microsoft Mistral Nvidia OpenAI Oracle Perplexity Physical AI Salesforce Samsung xAI Εκπαίδευση Επιχειρήσεις Ευρωπαϊκή Ένωση Ηνωμένες Πολιτείες Αμερικής Μέσα Κοινωνικής Δικτύωσης Υγεία

Μενού

  • Αρχική
  • Νέα
  • Εργαλεία AI
    • Για Βίντεο
    • Για Εικόνα
    • Για Εκπαιδευτικούς
    • Για Εξειδικευμένες Εφαρμογές
    • Για Ήχο
    • Για Κείμενο
  • Εφαρμογές AI
  • Βασικές έννοιες
  • Εκπαιδευτικά Προγράμματα
    • Δωρεάν σεμινάρια AI
    • Κατάρτηση AI
  • Σχετικά με εμάς
  • Βασικές έννοιες
  • Όροι Χρήσης
  • Ιδιωτικότητα

© 2024 Gain - Greek AI Network, all rights reserved.

No Result
View All Result
  • Αρχική
  • Νέα
  • Εργαλεία AI
    • Για Βίντεο
    • Για Εικόνα
    • Για Εκπαιδευτικούς
    • Για Εξειδικευμένες Εφαρμογές
    • Για Ήχο
    • Για Κείμενο
  • Εφαρμογές AI
  • Βασικές έννοιες
  • Εκπαιδευτικά Προγράμματα
    • Δωρεάν σεμινάρια AI
    • Κατάρτηση AI

© 2024 Gain - Greek AI Network, all rights reserved.