Ελλάδα: Χάος χωρίζει τον Δημόσιο Τομέα από την Τεχνητή Νοημοσύνη

Άρθρο της ΤΑΣΟΥΛΑΣ ΚΑΡΑΙΣΚΑΚΗ από την Έντυπη Έκδοση της  ΚΑΘΗΜΕΡΙΝΗΣ.

Η Τζέιμι είναι μια όμορφη μελαχρινή κοπέλα που απαντά σε ό,τι τη ρωτήσεις και, το πιο εντυπωσιακό, βρίσκεται σχεδόν παντού, σε πάμπολλες δημόσιες υπηρεσίες της Σιγκαπούρης και λύνει απορίες ή δίνει συμβουλές και πληροφορίες σχετικά με τους φόρους, τις επιχειρήσεις, την τεχνολογία, την εγκληματικότητα, την οικογένεια κ.ά. Δεν είναι τα άβαταρ της Τζέιμι, διασκορπισμένα σε γραφεία, η Τζέιμι είναι chatbot, εικονική βοηθός («Ρώτα την Τζέιμι»), που μαθαίνει συνομιλώντας. Στη Σιγκαπούρη ετοιμάζεται ήδη η δεύτερη γενιά εικονικών βοηθών, που θα ολοκληρώνουν οικονομικές συναλλαγές με τον πολίτη, και η τρίτη που θα παρέχουν στον καθένα ξεχωριστά εξατομικευμένες πληροφορίες.

Η τεχνητή νοημοσύνη έχει εισχωρήσει στον δημόσιο τομέα, παρά τα γνωστά εμπόδια: το υψηλό κόστος, την ανησυχία για ενδεχόμενη διαρροή δεδομένων ή εξαγωγή λανθασμένων συμπερασμάτων, το πολιτικό κόστος της μείωσης δημοσίων υπαλλήλων, την έλλειψη εμπειρίας στο πάντρεμα μηχανής και ανθρώπου. Όχι στην Ελλάδα. Αλλού: Στο Ηνωμένο Βασίλειο, στη Γαλλία, στη Γερμανία, στη Μέση Ανατολή, στην Ινδία, στην Ιαπωνία, στις ΗΠΑ, στην Αυστραλία, στη Ρωσία, στην Κίνα. Η χώρα μας, που κατατάσσεται προτελευταία στην Ε.Ε. σε ό,τι αφορά τις ψηφιακές τεχνολογίες, βρίσκεται, ακόμη, στο προηγούμενο βήμα.

 

Τα βήματα

«Η τεχνητή νοημοσύνη είναι το κερασάκι στην τούρτα, δηλαδή για να μπορέσει ένας οργανισμός να την εφαρμόσει, θα πρέπει πρώτα να έχει περάσει από διάφορα στάδια αυτοματισμού και μηχανοργάνωσης. Δεν μπορεί κάποιος που είναι τεχνολογικά πίσω να εφαρμόσει τεχνητή νοημοσύνη. Από την άλλη, η δημόσια διοίκηση αναγκαστικά προχωρεί με πιο αργά βήματα, γιατί πρέπει να δώσει κάτι σε πολύ μεγαλύτερη κλίμακα και με σχετικά ενιαία ταχύτητα για όλη τη χώρα. Παντού, ακόμη και στις προηγμένες τεχνολογικά χώρες, ο δημόσιος τομέας υπολείπεται του ιδιωτικού», λέει ο Δημήτρης Καλλές, αναπληρωτής καθηγητής στο Ελληνικό Ανοιχτό Πανεπιστήμιο και ειδικός γραμματέας της Ελληνικής Εταιρείας Τεχνητής Νοημοσύνης.

Η Eμμα είναι ένα chatbot στην αμερικανική υπηρεσία ιθαγένειας και μετανάστευσης (USCIS), μια χαμογελαστή νεαρή που από το 2015 μιλάει με ανθρώπινη φωνή στους χρήστες, απαντώντας στις ερωτήσεις τους, στα αγγλικά και στα ισπανικά, και καθοδηγώντας τους στις επόμενες κινήσεις τους. Ολοκληρώνει περισσότερες από 14 εκατομμύρια συναλλαγές τον χρόνο. Στις ΗΠΑ, συστήματα τεχνητής νοημοσύνης βρίσκουν εφαρμογή στη διοίκηση, στην υγεία, στην κοινωνική ασφάλεια, στην αστυνόμευση, στον έλεγχο των συνόρων, στη Δικαιοσύνη. Στο Πίτσμπουργκ, σύστημα τεχνητής νοημοσύνης που διαχειρίζεται με αισθητήρες, κάμερες και μηχανική όραση τις ροές κυκλοφορίας και τις αιφνίδιες αλλαγές στην κίνηση έφερε μειώσεις κατά 30% στην κυκλοφορία, κατά 40% στον χρόνο αναμονής, κατά 21% στις εκπομπές ρύπων. Στην Καλιφόρνια, αλγόριθμοι προβλέπουν τουλάχιστον το 70% των συμβάντων πυρκαγιάς σε κτίρια. Στο Ηνωμένο Βασίλειο, συστήματα τεχνητής νοημοσύνης που ενσωματώνονται σταδιακά στη δημόσια διοίκηση, αποδίδουν εντυπωσιακά στην είσπραξη φόρων, οφειλών, έχουν απλοποιήσει τη σύνταξη προϋπολογισμών, δημόσιων συμβάσεων, προλαμβάνουν δημοσιονομικά ελλείμματα, οικονομικές και άλλες απάτες, εγκλήματα. Υποστηρίζουν την υγειονομική περίθαλψη, τις έξυπνες πόλεις, τους έξυπνους δήμους. Για παράδειγμα, ένα bot μπορεί να υπολογίσει με μεγάλη ακρίβεια τον χρόνο, το χρήμα, τις συγκεκριμένες εργασίες και τον αριθμό των υπαλλήλων που απαιτούνται για να επιδιορθωθούν οι λακκούβες στους δρόμους. Η Γερμανία επεξεργάζεται σχέδιο ευρείας εφαρμογής γνωσιακών τεχνολογιών στο δημόσιο. Η Ιαπωνία αναπτύσσει λογισμικά σε ενέργεια, μεταφορές, πρόβλεψη εκτάκτων συμβάντων και καιρικών φαινομένων, ευρεσιτεχνίες και εμπορικά σήματα. Η Ινδία έχει βάλει σε εφαρμογή την εθνική της στρατηγική για την τεχνητή νοημοσύνη και οι δημόσιες υπηρεσίες εγκαθιστούν γρήγορα σχετικά συστήματα, π.χ. η μηχανή Kaizala συγκεντρώνει σχόλια πολιτών από τα κοινωνικά δίκτυα και επίσημες διαδικτυακές πύλες, τα ταξινομεί και προωθεί ζητήματα προς διερεύνηση.

Στην Αυστραλία, πρώτη η υπηρεσία φορολογίας (ATO) εγκατέστησε το 2015 μια εικονική βοηθό, την Αλεξ, και ακολούθησαν ο Ολιβερ, ο Σαμ, η Ρόξι σε άλλες υπηρεσίες. Επίσης, το Βασιλικό Πολεμικό Ναυτικό της Αυστραλίας εγκατέστησε δύο εικονικούς βοηθούς στη διαχείριση των οπλικών συστημάτων, που μείωσαν κατά 85% τις χειρωνακτικές εργασίες. Εν γένει στον αμυντικό τομέα γίνεται χρήση της τεχνητής νοημοσύνης σε στρατιωτική επιτήρηση, αναγνώριση προσώπου, αυτοματοποίηση μάχης, προσδιορισμό στόχων, βελτίωση οπλικών συστημάτων.

Τα συστήματα τεχνητής νοημοσύνης εκτός από το να εξυπηρετούν πολίτες και να διεκπεραιώνουν απλές ή πολύπλοκες εργασίες και υπολογισμούς, να μεταφράζουν, να χειρουργούν, να κινούν οχήματα, να ελέγχουν την πορεία αεροσκαφών, να εντοπίζουν τους δικαιούχους επιδομάτων ή υπόπτους εγκλημάτων, επιπλέον υποδεικνύουν, π.χ., ποιοι κατηγορούμενοι ενδέχεται να υποπέσουν στα ίδια εγκλήματα ώστε να προταθεί προφυλάκιση ή το ύψος της εγγύησης.

Αντιρρήσεις

Πλήθος αντιρρήσεων έχουν διατυπωθεί για τη χρήση τους στα δικαστήρια. «Αν δεν έχει γίνει σωστός έλεγχος των εισαγόμενων δεδομένων με βάση συγκεκριμένα στάνταρντ, τότε μπορεί να εξαχθούν αυθαίρετα συμπεράσματα και να υπάρξουν καταγγελίες για σοβαρά λάθη ή κινήσεις εν κρυπτώ», τονίζει ο Δημήτρης Καλλές. «Η χρήση τους σε ευαίσθητες υπηρεσίες στο εξωτερικό δείχνει τη μεγαλύτερη διάθεση αυτών των κοινωνιών να αναλάβουν ρίσκο. Βέβαια, για να το κάνουν αυτό, πρέπει να διαθέτουν ψηφιοποιημένες μαρτυρίες και πρακτικά. Εμείς δεν είμαστε ακόμη έτοιμοι. Ενας οργανισμός, για να αναλύει δεδομένα, θα πρέπει πρώτα να μπορεί να τα συλλέγει με οργανωμένο τρόπο, να φροντίζει να μην είναι λανθασμένα, να μη διαρρέουν... Αν τα λύσει όλα αυτά ο δημόσιος τομέας, τότε μπορεί να προχωρήσει στην τεχνητή νοημοσύνη», καταλήγει ο ίδιος.

Στο ελληνικό Δημόσιο, στοιχεία τεχνητής νοημοσύνης ενυπάρχουν στα προγράμματα i2 που χρησιμοποιεί η ΕΛ.ΑΣ., συγκεκριμένα η Αντιτρομοκρατική και οι Διευθύνσεις Ασφαλείας. Τροφοδοτούνται με στοιχεία, π.χ., από άρσεις απορρήτου κινητών τηλεφώνων για τη γρήγορη εξαγωγή συμπερασμάτων ή με στοιχεία εγκληματικότητας (κλοπές, διαρρήξεις, ληστείες κ.ά.) για την κατασκευή προφίλ επικίνδυνων περιοχών.

Από την άλλη, «πολλά έργα που αναπτύσσονται στον ελληνικό ιδιωτικό τομέα προέρχονται από ερευνητικά προγράμματα που ξεκίνησαν σε ελληνικά δημόσια ερευνητικά κέντρα και πανεπιστήμια», σημειώνει ο κ. Καλλές. Διεθνώς, κρατικές έρευνες έχουν συμβάλει σε εκπληκτικές τεχνολογικές εξελίξεις: GPS, οθόνη αφής, αλγόριθμοι αναζήτησης, Διαδίκτυο... Ενα κρατικό ερευνητικό κέντρο, το Ινστιτούτο Επεξεργασίας του Λόγου «Αθηνά», που παράγει και τελειοποιεί μεταξύ άλλων τεχνολογίες μετατροπής κειμένου σε ομιλία (για περισσότερο φυσικό τρόπο επικοινωνίας της μηχανής με τον άνθρωπο) δημιούργησε τον τεχνοβλαστό Innoetics, που εξαγόρασε η Samsung Electronics.

«Να αλλάξει ο τρόπος στελέχωσης των υπηρεσιών»

«Το Δημόσιο προχωρεί σε μεγάλους κύκλους, μερικές φορές, φαραωνικών έργων. Ετσι, από τη στιγμή που θα ληφθεί η απόφαση μέχρι να μπει το έργο σε λειτουργία, περνούν συνήθως πέντε χρόνια. Σε καλές εταιρείες του ιδιωτικού τομέα, που προχωρούν σε μικρούς συχνούς κύκλους, μια μικρή αλλαγή μπορεί να γίνει μέσα σε μία-δύο εβδομάδες. Και σε βάθος χρόνου να αθροιστούν καλά αποτελέσματα», λέει στην «Κ» ο καθηγητής Διομήδης Σπινέλλης, πρόεδρος του τμήματος Διοικητικής Επιστήμης και Τεχνολογίας του Οικονομικού Πανεπιστημίου Αθηνών.

«Βέβαια, ορισμένα μεγάλα έργα στο Δημόσιο, στους τομείς φορολογίας, κοινωνικής ασφάλειας, στρατολογίας, δημοτολογίων, είναι χρήσιμα γιατί αποτελούν τις βάσεις πάνω στις οποίες μπορούν να οικοδομηθούν καλύτερα συστήματα και υπηρεσίες. Είμαστε ανυπόμονοι, γιατί βλέπουμε τον κόσμο γύρω μας να αλλάζει πιο γρήγορα από το ελληνικό κράτος, ωστόσο γίνονται αλλαγές. Οι φορολογικές δηλώσεις υποβάλλονται πλέον ηλεκτρονικά κατά 90%, από 10% πριν από μία δεκαετία. Ολες οι πληρωμές των δημοσίων υπαλλήλων γίνονται από την ενιαία αρχή πληρωμής. Είναι σημαντικές βελτιώσεις. Αλλά χρειάζεται μεγαλύτερη προσπάθεια. Δεν γίνεται να προχωρούμε με τόσο αργό ρυθμό. Το Δημόσιο πρέπει να γίνει πιο ευέλικτο και να υλοποιεί περιφερειακά συστήματα γρήγορα, σε μικρούς κύκλους. Στο Δημόσιο δεν εφαρμόζεται η τεχνητή νοημοσύνη. Αλλά πριν τρέξουμε, πρέπει να περπατήσουμε. Η τεχνητή νοημοσύνη απαιτεί δεδομένα, βαθιά τεχνογνωσία, και είμαστε πολλά βήματα πιο πίσω. Δυναμικό διαθέτει. Ανθρώπους που έχουν προσληφθεί μέσω ΑΣΕΠ, με καλά πτυχία από καλά πανεπιστήμια. Το πρόβλημα είναι ότι δεν αξιοποιούνται με τον καλύτερο δυνατό τρόπο. Για μια θέση ευθύνης, το βάρος πέφτει στα χρόνια προϋπηρεσίας και στα τυπικά προσόντα έναντι ουσιαστικών δεξιοτήτων και ικανοτήτων, και αυτό αποθαρρύνει έως και απαξιώνει αυτούς τους νέους ανθρώπους. Πρέπει να αλλάξει ο τρόπος με τον οποίο αξιολογούνται, επιβραβεύονται οι δημόσιοι υπάλληλοι και στελεχώνονται οι δημόσιες υπηρεσίες», καταλήγει ο κ. Σπινέλλης.

Εντυπωσιακές εφαρμογές «τρέχουν» στις ελληνικές επιχειρήσεις

Η τεχνητή νοημοσύνη εντάσσεται όλο και γοργότερα στις ψηφιακές στρατηγικές των ελληνικών επιχειρήσεων. Ανάλυση δεδομένων, μηχανική και βαθιά μάθηση, επεξεργασία της φυσικής γλώσσας, ρομποτική όραση εφαρμόζονται κατά περίπτωση σε πλήθος τομείς: τηλεπικοινωνίες, υγεία, μεταφορές, τουρισμό, ναυτιλία, χρηματοοικονομικό σχεδιασμό και υπολογισμό επισφαλειών, διαφήμιση (για τις τάσεις στην κατανάλωση και στην πρόβλεψη επιτυχίας μιας εκστρατείας), διαχείριση αιτήσεων πρόσληψης, βιομηχανία τροφίμων-ποτών, προστασία από ψηφιακή εξαπάτηση. Μεγάλες πολυεθνικές, η SAS, η Microsoft, ανακοινώνουν επενδύσεις στις τεχνολογίες ΤΝ, πραγματοποιούν έρευνες σχετικά με τον τρόπο που αυτές μπορούν να στηρίξουν την ανάπτυξη της χώρας. Διάφορες εφαρμογές «τρέχουν» στον ιδιωτικό τομέα. Ας δούμε ορισμένες από αυτές.

Από τις αρχές του 2018, ο όμιλος «Υγεία» εγκατέστησε την πλατφόρμα τεχνητής νοημοσύνης Watson for Oncology της ΙΒΜ, που σύμφωνα με τον πρόεδρο και διευθύνοντα σύμβουλο της IBM Ελλάδας και Κύπρου, Σπύρο Πουλίδα, «αποτελεί μια καινοτόμο πρωτοβουλία, που επιταχύνει την υιοθέτηση της τεχνητής νοημοσύνης στην Ελλάδα στον τομέα της ιατρικής». Ο ογκολόγος εισάγει στην πλατφόρμα όλα τα στοιχεία που αφορούν τον ασθενή του και λαμβάνει σε ελάχιστα λεπτά μία εξατομικευμένη και τεκμηριωμένη πρόταση θεραπείας για τους πιο κοινούς καρκίνους. Πρόκειται για ένα συμβουλευτικό «εργαλείο», το οποίο επεξεργάζεται θεραπευτικές επιλογές από 300 και πλέον ιατρικά περιοδικά, 200 εγχειρίδια, 15 εκατομμύρια σχετικές σελίδες. Ο γιατρός έχει τη δυνατότητα να επαληθεύσει την ορθότητα της προτεινόμενης αγωγής και να αποφύγει τις αναποτελεσματικές θεραπείες. «Η στρατηγική μας ως εταιρείας τεχνολογίας που δραστηριοποιείται επί οκτώ δεκαετίας στη χώρα είναι, αφενός, η μεταφορά τεχνογνωσίας για την υιοθέτηση των σύγχρονων ψηφιακών τάσεων από τις ελληνικές επιχειρήσεις και οργανισμούς και, αφετέρου, η ενίσχυση των εγχώριων δεξιοτήτων που απαιτούνται σε αναδυόμενους τομείς υψηλής ζήτησης», σημειώνει ο κ. Πουλίδας.

Στην Cosmote, υπολογιστές, χρησιμοποιώντας ειδικούς αλγόριθμους που οι μηχανικοί της εταιρείας δημιουργούν, προβλέπουν πιθανές αστοχίες στις υποδομές του δικτύου και τις αντιμετωπίζουν πριν ακόμη εκδηλωθούν. Αλγόριθμοι μηχανικής εκμάθησης ομαδοποιούν προβλήματα, προβλέπουν την επίπτωση μιας βλάβης και δίνουν την αντίστοιχη προτεραιότητα για την επίλυση του προβλήματος. Ρομπότ, αξιοποιώντας εξελιγμένους αλγόριθμους τεχνητής νοημοσύνης οι οποίοι είναι δημιουργία των μηχανικών του ομίλου ΟΤΕ, πραγματοποιούν με αξιοσημείωτη ταχύτητα και αξιοπιστία διορθωτικές ενέργειες στο δίκτυο 24 ώρες το 24ωρο. Η εμπειρία και η γνώση των μηχανικών σταδιακά ενσωματώνεται στα συστήματα τεχνητής νοημοσύνης και δημιουργείται ο απαραίτητος χώρος ώστε οι ίδιοι οι μηχανικοί να επικεντρωθούν σε πιο σημαντικούς ρόλους.
Εξαγωγές

Η Danaos Shipping, και συγκεκριμένα ο τεχνοβλαστός Deep Sea, είναι η πρώτη εταιρεία που όχι μόνον παράγει και χρησιμοποιεί συστήματα τεχνητής νοημοσύνης, αλλά και τα εγκαθιστά σε πλοία άλλων εταιρειών και τα εξάγει. «Είναι προϊόντα που προκύπτουν από τον συνδυασμό γνώσης του επιχειρησιακού μοντέλου, υψηλού επιπέδου Ελλήνων επιστημόνων και συμμετοχής σε ευρωπαϊκά προγράμματα», επισημαίνει ο καθηγητής Τάκης Βαρελάς, διευθυντής του κέντρου ερευνών της Danaos.

«Τα συστήματα που δημιουργούμε, με δεδομένα που αφορούν κατανάλωση, τιμές, καιρό, δρομολόγια, τεχνικά και μηχανικά στοιχεία του πλοίου, προτείνουν: α) Τον βέλτιστο σχεδιασμό ταξιδιού, β) τον βέλτιστο ανεφοδιασμό του πλοίου, γ) τη βέλτιστη κατανομή πληρωμάτων σε μεγάλο χρονικό ορίζοντα και σε μεγάλο αριθμό πλοίων. Επειτα, χρησιμοποιώντας το Ιντερνετ των Πραγμάτων –στα πλοία είναι εγκατεστημένο ένα ευρύ δίκτυο από αισθητήρες και κάμερες που συγκεντρώνουν στοιχεία για την πορεία του πλοίου, τη λειτουργία της μηχανής κ.λπ.– ανιχνεύεται π.χ. η υπερκατανάλωση και γίνονται οι κατάλληλες ενέργειες, αποφεύγονται συμβάντα ρύπανσης ή συγκρούσεις», εξηγεί ο ίδιος.

Πηγή: ΚΑΘΗΜΕΡΙΝΗ, Έντυπη Έκδοση