Ειδικός: Ο «ψηφιακός μετασχηματισμός» δεν έχει τελειώσει, ο «μετασχηματισμός της Τεχνητής Νοημοσύνης» έχει φτάσει

Οι ειδικοί λένε ότι ενώ πολλοί οργανισμοί δεν έχουν ακόμη ολοκληρώσει τη διαδικασία ψηφιακού μετασχηματισμού, το κύμα μετασχηματισμού της Τεχνητής Νοημοσύνης έχει «ορμήσει» με ακόμη ταχύτερο ρυθμό.

Δρ. Le Hoanh Su - Επικεφαλής του Τμήματος Πληροφοριακών Συστημάτων, Πανεπιστήμιο Οικονομικών και Νομικής - μοιράζεται πληροφορίες για 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 σχολείων και επιχειρήσεων» και ένα εργαστήριο με τίτλο «Εφαρμογή της Τεχνητής Νοημοσύνης για διευθυντές ανθρώπινου δυναμικού», προσελκύοντας πολλούς εγχώριους και ξένους εμπειρογνώμονες.

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

Αν ο ψηφιακός μετασχηματισμός βοηθά τους οργανισμούς να λειτουργούν πιο αποτελεσματικά, ο μετασχηματισμός της Τεχνητής Νοημοσύνης απαιτεί ένα ακόμη βήμα προς τα εμπρός, ώστε τα συστήματα να μπορούν να μαθαίνουν, να αυτοπροσαρμοζονται και να λαμβάνουν αποφάσεις.

Στο Βιετνάμ, ο Δρ. Le Hoanh Su δήλωσε ότι πολλές μονάδες βρίσκονται ακόμη στη διαδικασία ψηφιακού μετασχηματισμού, αλλά τώρα πρέπει να αντιμετωπίσουν τον μετασχηματισμό της Τεχνητής Νοημοσύνης που συνεχίζεται εξαιρετικά γρήγορα.

Εκτός από την εφαρμογή της Τεχνητής Νοημοσύνης στις λειτουργίες, τη διοίκηση και την έρευνα, υπάρχει και η εκπαίδευση. Στο πανεπιστημιακό περιβάλλον, ο μετασχηματισμός της Τεχνητής Νοημοσύνης δεν θα συμβεί εάν οι φοιτητές δεν μάθουν να κατανοούν και να εφαρμόζουν την τεχνολογία.

«Η Τεχνητή Νοημοσύνη δεν περιορίζεται σε ένα νέο είδος δεξιότητας, αλλά αποτελεί μια νέα γλώσσα μάθησης και εργασίας», τόνισε ο Δρ. Le Hoanh Su.

Τόνισε επίσης τη διαφορά μεταξύ της «εκπαίδευσης» και της «καθοδήγησης» της Τεχνητής Νοημοσύνης σε ένα πανεπιστημιακό περιβάλλον. Η εκπαίδευση είναι η διδασκαλία του πώς να κάνεις κάτι· η καθοδήγηση είναι η βοήθεια προς τους ανθρώπους να αλλάξουν τον τρόπο που σκέφτονται.

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 κ. Daryl Chung - Διευθυντής Επιχειρήσεων του Ομίλου JDI στη Σιγκαπούρη - πρόσθεσε μια προειδοποίηση: «Η μεγαλύτερη απειλή δεν είναι ότι η Τεχνητή Νοημοσύνη αντικαθιστά τους ανθρώπους, αλλά ότι οι άνθρωποι καθίστανται απαρχαιωμένοι αν δεν μάθουν εγκαίρως».

Σύμφωνα με τον ίδιο, η εκπαίδευση βρίσκεται στην πρώτη γραμμή του μετασχηματισμού της Τεχνητής Νοημοσύνης. Στη Σιγκαπούρη, αντί να διδάσκει μεμονωμένα μαθήματα, η κυβέρνηση εφαρμόζει το μοντέλο «Τεχνητή Νοημοσύνη για Όλους», διαδίδοντας τις δεξιότητες Τεχνητής Νοημοσύνης για φοιτητές, επιχειρήσεις και εργαζόμενους.

Μετά από λίγα μόλις χρόνια, περισσότερο 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, η ψηφιακή ευχέρεια είναι σημαντική, μαζί με την ικανότητα κριτικής σκέψης, συνεργασίας και ευελιξίας.

Για τους εργαζόμενους, η κατεύθυνση της ανάπτυξης δεν είναι «αυτοματοποίηση για τη μείωση των ανθρώπινων πόρων», αλλά «ενίσχυση των ανθρώπινων ικανοτήτων», μαθαίνοντας 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 ότι τα πανεπιστήμια πρέπει να ενσωματώσουν πρακτικά έργα Τεχνητής Νοημοσύνης στη διδασκαλία τους, ώστε οι φοιτητές να μπορούν 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 την εφαρμόζουν. Αυτός είναι ο τρόπος για να μετατρέψουμε τη γνώση σε κοινωνική αξία», δήλωσε ο καθηγητής Κι Ριόνγκ Κουόν.

Ο κ. Daryl Chung - Διευθυντής Επιχειρήσεων του Ομίλου JDI - μοιράζεται 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 της Σχολής Χρηματοοικονομικών και Τραπεζικών Σπουδών του Πανεπιστημίου Οικονομικών και Νομικής (Εθνικό Πανεπιστήμιο της Πόλης Χο Τσι Μινχ), δήλωσε 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 το τεχνητό νευρωνικό δίκτυο (ANN) και το XGBoost επιτυγχάνουν ακρίβεια σχεδόν 98%, ανοίγοντας τη δυνατότητα εφαρμογής της Τεχνητής Νοημοσύνης στον έλεγχο, τη διαχείριση κινδύνων και τη διαφάνεια της αγοράς.

Αλλά το σημαντικό, είπε, είναι να διδάξουμε στους μαθητές να βλέπουν την Τεχνητή Νοημοσύνη ως μια μέθοδο σκέψης λήψης αποφάσεων, όχι απλώς ένα εργαλείο προγραμματισμού.

Ο κ. Phong πρότεινε τη δημιουργία μιας σειράς μαθημάτων με θέμα την «ανάλυση απάτης στα χρηματοοικονομικά», όπου οι φοιτητές χρηματοοικονομικών μαθαίνουν πώς να διαβάζουν δεδομένα, να κατανοούν αλγόριθμους και να αποδίδουν ηθική ευθύνη στην τεχνολογία.

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

ΒΑΡΟΣ

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