Ειδικοί: Ο «ψηφιακός μετασχηματισμός» δεν έχει τελειώσει ακόμα, ο «μετασχηματισμός της τεχνητής νοημοσύνης» έχει φτάσει.

Οι ειδικοί πιστεύουν ότι ενώ πολλοί οργανισμοί δεν έχουν ακόμη ολοκληρώσει τον ψηφιακό τους μετασχηματισμό, το κύμα μετασχηματισμού της Τεχνητής Νοημοσύνης έχει φτάσει με ακόμη ταχύτερο ρυθμό.

Ο Δρ. Le Hoanh Su - Επικεφαλής του Τμήματος Πληροφοριακών Συστημάτων, Πανεπιστήμιο Οικονομικών και Νομικής - μοιράστηκε τις σκέψεις του σχετικά με τον «ψηφιακό μετασχηματισμό» και τον «μετασχηματισμό της Τεχνητής Νοημοσύνης» - Φωτογραφία: TRONG NHAN

Στις 27 Οκτωβρίου, το Πανεπιστήμιο Οικονομικών και Νομικής (UEL) διοργάνωσε ένα σεμινάριο με τίτλο «Από τον Ψηφιακό Μετασχηματισμό στον Μετασχηματισμό της Τεχνητής Νοημοσύνης: Ένα Μοντέλο Συνεργασίας μεταξύ Πανεπιστημίων και Επιχειρήσεων» και ένα εργαστήριο με τίτλο «Εφαρμογή της Τεχνητής Νοημοσύνης στους Διευθυντές Ανθρώπινου Δυναμικού», προσελκύοντας πολλούς εγχώριους και διεθνείς εμπειρογνώμονες.

Ο Δρ. Le Hoanh Su - Επικεφαλής του Τμήματος Πληροφοριακών Συστημάτων, Πανεπιστήμιο Οικονομικών και Νομικής (Εθνικό Πανεπιστήμιο του Βιετνάμ, Πόλη Χο Τσι Μινχ) - δήλωσε: «Ο ψηφιακός μετασχηματισμός είναι το πρώτο βήμα, αλλά ο μετασχηματισμός της Τεχνητής Νοημοσύνης είναι το πραγματικό άλμα προς τα εμπρός».

Ενώ ο ψηφιακός μετασχηματισμός βοηθά τους οργανισμούς να λειτουργούν πιο αποτελεσματικά, ο μετασχηματισμός της Τεχνητής Νοημοσύνης απαιτεί μια διαφορετική προσέγγιση, που θα επιτρέπει στα συστήματα να μαθαίνουν, να αυτορρυθμίζονται και να λαμβάνουν αποφάσεις.

Στο Βιετνάμ, ο Δρ. Le Hoanh Su υποστηρίζει ότι πολλοί οργανισμοί βρίσκονται ακόμη στη διαδικασία ψηφιακού μετασχηματισμού και τώρα αντιμετωπίζουν τον ταχέως εξελισσόμενο μετασχηματισμό της Τεχνητής Νοημοσύνης.

Πέρα από τις εφαρμογές της στις λειτουργίες, τη διοίκηση και την έρευνα, η Τεχνητή Νοημοσύνη διαδραματίζει επίσης κρίσιμο ρόλο στην εκπαίδευση. Σε ένα πανεπιστημιακό περιβάλλον, ο μετασχηματισμός της Τεχνητής Νοημοσύνης θα είναι αδύνατος εάν οι φοιτητές δεν μάθουν να κατανοούν και να υιοθετούν την τεχνολογία.

«Η Τεχνητή Νοημοσύνη δεν είναι απλώς μια νέα δεξιότητα, αλλά μια νέα γλώσσα μάθησης και εργασίας», τόνισε ο Δρ. Le Hoanh Su.

Επιπλέον, τόνισε τη διαφορά μεταξύ της «εκπαίδευσης» και της «καθοδήγησης» της Τεχνητής Νοημοσύνης σε ένα πανεπιστημιακό περιβάλλον. Η εκπαίδευση αφορά τη διδασκαλία του πώς να κάνεις κάτι· η καθοδήγηση αφορά την υποστήριξη των ανθρώπων σε άλλους τομείς, δηλαδή την αλλαγή του τρόπου σκέψης τους.

Σε ένα διαρκώς εξελισσόμενο περιβάλλον Τεχνητής Νοημοσύνης, μόνο η καθοδήγηση, η μάθηση μέσω της εμπειρίας και της ανατροφοδότησης, μπορεί να βοηθήσει τους μαθητές να αναπτύξουν την επίλυση προβλημάτων, τη δημιουργικότητα και την προσαρμοστικότητα.

Από διεθνή άποψη, ο Daryl Chung, Business Director του JDI Group στη Σιγκαπούρη, πρόσθεσε μια προειδοποίηση: «Η μεγαλύτερη απειλή δεν είναι η αντικατάσταση των ανθρώπων από την Τεχνητή Νοημοσύνη, αλλά η καθιέρωση της απαρχαιότητα των ανθρώπων αν δεν μαθαίνουν αρκετά γρήγορα».

Σύμφωνα με τον ίδιο, η εκπαίδευση βρίσκεται στην πρώτη γραμμή του μετασχηματισμού της Τεχνητής Νοημοσύνης. Στη Σιγκαπούρη, αντί να διδάσκει μεμονωμένα μαθήματα, η κυβέρνηση έχει εφαρμόσει ένα μοντέλο «Τεχνητή Νοημοσύνη για Όλους», διαδίδοντας τις δεξιότητες Τεχνητής Νοημοσύνης μεταξύ φοιτητών, επιχειρήσεων και εργαζομένων.

Μέσα σε λίγα μόνο χρόνια, πάνω από το 95% των επιχειρήσεων εδώ έχουν ψηφιοποιηθεί και σχεδόν το 15% έχει αρχίσει να εφαρμόζει την Τεχνητή Νοημοσύνη στις δραστηριότητές του.

«Αυτό που κάνει την Τεχνητή Νοημοσύνη επιτυχημένη στη Σιγκαπούρη δεν είναι ο εξοπλισμός, αλλά η νοοτροπία», είπε.

Για τους μαθητές, είναι ζωτικής σημασίας να έχουν ψηφιακή ευχέρεια σε συνδυασμό με κριτική σκέψη, συνεργασία και ευελιξία.

Για τους εργαζόμενους επαγγελματίες, η κατεύθυνση της ανάπτυξης δεν έγκειται στην «αυτοματοποίηση για τη μείωση του ανθρώπινου δυναμικού», αλλά στην «ενίσχυση των ανθρώπινων δυνατοτήτων», στην εκμάθηση του πώς να συνεργάζονται με την Τεχνητή Νοημοσύνη για να λαμβάνουν πιο έξυπνες αποφάσεις.

Ο καθηγητής Ki Ryong Kwon από το Πανεπιστήμιο Pukyong (Νότια Κορέα) πρότεινε τα πανεπιστήμια να ενσωματώσουν πρακτικά έργα Τεχνητής Νοημοσύνης στη διδασκαλία τους, ώστε οι φοιτητές να κατανοήσουν ολόκληρη τη διαδικασία, από τα δεδομένα έως την εφαρμογή.

«Πρέπει να διδάξουμε στους μαθητές όχι μόνο να μαθαίνουν την Τεχνητή Νοημοσύνη, αλλά και να είναι σε θέση να την χρησιμοποιούν. Έτσι μετατρέπουμε τη γνώση σε κοινωνική αξία», δήλωσε ο καθηγητής Κι Ριόνγκ Κουόν.

Ο κ. Daryl Chung - Διευθυντής Επιχειρήσεων του Ομίλου JDI - μοιράστηκε την εμπειρία του στην ανάπτυξη Τεχνητής Νοημοσύνης στη Σιγκαπούρη - Φωτογραφία: TRONG NHAN

Η Τεχνητή Νοημοσύνη δημιουργεί πολλές επαναστάσεις στην εκπαίδευση.

Ο Αναπληρωτής Καθηγητής Δρ. Nguyen Anh Phong, Πρόεδρος του Τμήματος Χρηματοοικονομικών και Τραπεζικών Επιστημών του Πανεπιστημίου Οικονομικών και Νομικής (Εθνικό Πανεπιστήμιο του Βιετνάμ στην πόλη Χο Τσι Μινχ), πιστεύει ότι η Τεχνητή Νοημοσύνη δημιουργεί μια επανάσταση στον χρηματοπιστωτικό κλάδο.

Αυτός και η ερευνητική του ομάδα χρησιμοποίησαν δεδομένα από περισσότερες από 650 εισηγμένες εταιρείες στο Βιετνάμ για να εκπαιδεύσουν ένα μοντέλο μηχανικής μάθησης για την ανίχνευση απάτης στον τομέα της χρηματοοικονομικής αναφοράς.

Τα αποτελέσματα δείχνουν ότι τα τεχνητά νευρωνικά δίκτυα (ANN) και το XGBoost επιτυγχάνουν ακρίβεια σχεδόν 98%, ανοίγοντας δυνατότητες για εφαρμογές Τεχνητής Νοημοσύνης στον έλεγχο, τη διαχείριση κινδύνων και τη διαφάνεια της αγοράς.

Αλλά το σημαντικό, πιστεύει, είναι ότι οι μαθητές θα πρέπει να διδαχθούν να βλέπουν την Τεχνητή Νοημοσύνη ως μέθοδο σκέψης και λήψης αποφάσεων, όχι απλώς ως εργαλείο προγραμματισμού.

Ο κ. Phong πρότεινε την ανάπτυξη μιας σειράς ενοτήτων με θέμα την «ανάλυση απάτης στον χρηματοπιστωτικό τομέα», όπου οι φοιτητές χρηματοοικονομικών θα μάθαιναν πώς να διαβάζουν δεδομένα, να κατανοούν αλγόριθμους και να αποδίδουν ηθική ευθύνη στην τεχνολογία.

Σύμφωνα με τον ίδιο, οι φοιτητές χρηματοοικονομικών σήμερα πρέπει να είναι εξοπλισμένοι με την ικανότητα να διαβάζουν και να κατανοούν αναφορές που βασίζονται σε δεδομένα και να τις αναλύουν χρησιμοποιώντας εργαλεία Τεχνητής Νοημοσύνης. Επειδή, ενώ η Τεχνητή Νοημοσύνη μπορεί να ανιχνεύσει σφάλματα, μόνο οι άνθρωποι μπορούν να εξηγήσουν τους λόγους πίσω από αυτά τα σφάλματα.

ΤΡΟΝΓΚ ΝΧΑΝ

Πηγή: https://tuoitre.vn/chuyen-gia-chuyen-doi-so-chua-qua-chuyen-doi-ai-da-toi-20251027144239506.htm