Φαίνεται ότι Πληροφορική (και η Ηλεκτρολογία) είναι σήμερα στην ίδια φάση που ήταν η Φυσική, η Χημεία και τα Μαθηματικά στα τέλη του 19ου αιώνα. Όπως η Φυσική γέννησε π.χ., τις επιστήμες Ηλεκτρολόγων Μηχανικών και Μηχανολόγων Μηχανικών, έτσι σήμερα η Πληροφορική γεννά θυγατρικές επιστήμες, όπως π.χ., η Τεχνητή Νοημοσύνη, η Επιστήμη Δεδομένων και η Επιστήμη Δικτύων. Αν και η Τεχνητή Νοημοσύνη είναι μεθοδολογικά συναφής με την Πληροφορική, έχει ίδια χαρακτηριστικά, και έντονη διεπιστημονικότητα (π.χ., σχετική με τις Νευροεπιστήμες, την Ψυχολογία και την Γλωσσολογία). Τα προπτυχιακά προγράμματα σπουδών Τεχνητής Νοημοσύνης δεν φαίνεται πιά να χωρούν στα προγράμματα σπουδών Πληροφορικής και Ηλεκτρολογίας. Ήδη υπάρχουν 1100+ τέτοια προπτυχιακά προγράμματα σπουδών Τεχνητής Νοημοσύνης παγκοσμίως. Έχουν μια αύξηση πάνω από 120% στο διάστημα 2023-2025. Πρωταθλητής είναι η Κίνα με 600+ τέτοια προγράμματα. Ο υπόλοιπος κόσμος, ειδικά ασιατικές χώρες (π.χ. Ινδία) και Ευρωπαϊκές (π.χ., Ηνωμένο Βασίλειο) ακολουθούν. Οι ΗΠΑ είναι πιο πίσω. Πολλές χώρες (και η δικιά μας) δεν έχουν τέτοια προγράμματα.
Η εξέλιξη αυτή έχει βαθύτερα αίτια. Καθώς τα πάντα, π.χ. εικόνες, λέξεις, μετατρέπονται σε αριθμούς (διανύσματα), όλες οι επιστήμες μαθηματικοποιούνται ήδη στο ένα ή άλλο βαθμό. Αυτό το γεγονός συνεπάγεται έναν ανασχεδιασμό του εκπαιδευτικού συστήματος σε όλα τα επίπεδα. Προς αυτή την κατεύθυνση, θα πρέπει να επιδιώκουμε την καλλιέργεια κριτικής σκέψης και μόρφωσης πολιτών και επιστημόνων αντί της απλής κατάρτισης δεξιοτήτων, ώστε να μπορούν να χειριστούν αυτές τις επαναστατικές αλλαγές. Ευτυχώς, οι βασικές έννοιες της AI είναι απλές και κατανοητές μέσω μιας αναδιάρθρωσης των μαθημάτων Μαθηματικών και Πληροφορικής στα Γυμνάσια και Λύκεια (και σε Πανεπιστημιακά τμήματα), με στόχο την ενίσχυση της μαθηματικής και αλγοριθμικής σκέψης.
Η καλή μόρφωση πρέπει να παρέχεται σε όλους, ανεξαρτήτως χώρας, φύλου ή κοινωνικής τάξης. Η ψηφιακή ανισότητα πρέπει να μειωθεί, ώστε όλα τα κοινωνικά στρώματα, οι γυναίκες (σε πολλές χώρες) και ο Παγκόσμιος Νότος να ωφεληθούν, να εξασφαλιστεί η παγκόσμια πρόσληψη γνώσης, ώστε να μειωθούν οι απειλές για τη δημοκρατία λόγω παραπληροφόρησης ή τεχνοφοβίας. Διαφορετικά, η ανθρωπότητα δεν θα μπορεί να δημιουργήσει την απαραίτητη νέα γνώση και να την μεταλαμπαδεύσει στις νεότερες γενιές, κινδυνεύοντας να υποστεί εσωτερική κατάρρευση, χειρότερη από αυτήν που σήμανε το τέλος του αρχαίου κόσμου.
Οι επιπτώσεις των εξελίξεων αυτών στην Πανεπιστημιακή εκπαίδευση αναμένεται να είναι επαναστατικές. Από την στιγμή που η Πληροφορία έρχεται, επιστημολογικά, στο ίδιο επίπεδο σημαντικότητας με την ύλη και την φύση (αντικείμενα των Φυσικών Επιστημών) και το ανθρωπογενές περιβάλλον (αντικείμενο των Πολυτεχνικών Επιστημών), οδηγούμαστε νομοτελειακά σε νέα Πανεπιστημιακή οργάνωση, π.χ., με δημιουργία ‘Σχολών Πληροφοριακής Επιστήμης και Μηχανικής’. Εκεί ανήκουν όλα τα τμήματα που αναλύουν πληροφορίες, και τα παραδοσιακά, π.χ., Μαθηματικών, Ηλεκτρολόγων, Πληροφορικής και νέα, π.χ., τμήματα Τεχνητής Νοημοσύνης. Είναι σημαντικό να εκτεθούν όλοι οι φοιτητές τους και σε θέματα Ηθικής και Κοινωνιολογίας/Ψυχολογίας, αν θέλουμε την δημιουργία νέων μορφωμένων επιστημόνων και ανθρωποκεντρικών τεχνολογιών.
Οι επιπτώσεις σε όλους τους κλάδους της Πανεπιστημιακής εκπαίδευσης, πέραν των Θετικών και Πολυτεχνικών Επιστημών θα είναι ακόμα πιο δραματικές. Σήμερα, οι Επιστήμες αυτές, π.χ., οι Ανθρωπιστικές ή Νομικές, δεν είναι έτοιμες να αντιμετωπίσουν την μαθηματικοποίηση των αντικειμένων τους. Όμως, δεν είναι δυνατόν να γίνει έρευνα μεσοπρόθεσμα, π.χ., στην Γλωσσολογία, χωρίς εισαγωγή σοβαρών μαθημάτων Μαθηματικών και Πληροφορικής στις προπτυχιακές σπουδές. Δεν είναι προφανές αν αυτό είναι ανθρωπίνως δυνατόν να γίνει, ούτε πως θα γίνει. Και άλλες επιστήμες, π.χ., Υγείας, Βιοεπιστήμες έχουν αντίστοιχα προβλήματα, αλλά είναι πιο διαχειρίσιμα. Εκτός από την προφανή λύση Πανεπιστημιακών σπουδών του τύπου ‘Χ (οποιαδήποτε επιστήμη σαν κύρια κατεύθυνση) και Τεχνητή Νοημοσύνη/Πληροφορική/Μαθηματικά (δευτερεύουσα κατεύθυνση)’, η δημιουργία ειδικών τμημάτων, π.χ., ‘Βιο-μηχανικής/Βιο-πληροφορικής’ (στις Σχολές Υγείας) και ‘Ψηφιακών Ανθρωπιστικών Σπουδών’ (στις Φιλοσοφικές Σχολές) θα μπορούσε να ήταν μια καλή εξέλιξη.
Τα προαναφερόμενα προβλήματα εκπαίδευσης και μόρφωσης είναι παγκόσμια. Χρειάζεται συστηματικός διάλογος και έρευνα για το πως θα αντιμετωπιστούν. Στο διάλογο αυτό συνεισφέρει η διάλεξη ‘Η Τεχνητή Νοημοσύνη στην Πανεπιστημιακή Εκπαίδευση και Διδασκαλία’. Ομιλητής είναι ο Δρ. Ι. Πήτας, Κύριος Ερευνητή Τμήματος Πληροφορικής ΑΠΘ και ΕΚΕΤΑ/ΙΠΤΗΛ, Πρόεδρος της Διεθνούς Ακαδημίας Διδακτορικών Σπουδών στην Τεχνητή Νοημοσύνη (AIDA, https://www.i-aida.org/). Η διάλεξη διοργανώνεται από τη Ελληνικά Επιστημονική Εταιρεία (ΕΛΛΕΠΕΤ) και το Τμήμα Αγρονόμων και Τοπογράφων Μηχανικών (ΤΑΤΜ) του ΑΠΘ. Θα δοθεί υβριδικά (δια ζώσης και διαδικτυακά) Αμφιθέατρο Τοπογράφων ΑΠΘ «Αλέξανδρος Τσιούμης», 23/4/2026, 18.00-19.00.
Η διάλεξη παρουσιάζει μια επισκόπηση της επίδρασης της Τεχνητής Νοημοσύνης στην Πανεπιστημιακή Εκπαίδευση και Διδασκαλία. Πρώτα απ’ όλα, παρουσιάζονται οι βασικές επιστημονικές αρχές της Τεχνητής Νοημοσύνης, ώστε να γίνει κατανοητό το εύρος της επίδρασης. Ουσιαστικά αποδεικνύεται ότι η Τεχνητή Νοημοσύνη είναι στο σταυροδρόμι των Μαθηματικών και της Πληροφορικής, αλλά με έντονα διεπιστημονικά χαρακτηριστικά, με επιδράσεις από τις Νευροεπιστήμες και την Ψυχολογία μέχρι τις Επιστήμες Εκπαίδευσης, την Γλωσσολογία και την Κοινωνιολογία και επιδράσεις σε όλες ανεξαιρέτως τις Πανεπιστημιακές Σπουδές.
Αποδεικνύεται ότι, αντίθετα, απ’ ότι πολλοί νομίζουν, η Τεχνητή Νοημοσύνη είναι πολύ ευρύτερη από τα Μεγάλα Γλωσσικά Μοντέλα, των οποίων το ChatGPT είναι η πιο γνωστή μορφή. Αυτή η ευρέως διαδεδομένη παρανόηση έχει δραματικές επιπτώσεις στην σχεδίαση της εκπαιδευτικής πολιτικής για την Τεχνητή Νοημοσύνη. Υπό το πρίσμα αυτό, εξετάζονται πλευρές της χρήσης της Γενεσιακής Τεχνητής Νοημοσύνης, ιδιαίτερα των Μεγάλων Γλωσσικών Μοντέλων στην εκπαίδευση. Μετά παρουσιάζεται η σχέση της επιστήμης της Τεχνητής Νοημοσύνης με την Κοινωνία της Γνώσης και την αλγοριθμική/μαθηματική σκέψη και εξετάζεται η επίδραση της στην μόρφωση πολιτών και επιστημόνων.
Στη συνέχεια, συζητείται το εξής ερώτημα: Αποτελεί η Επιστήμη και Μηχανική της Τεχνητής Νοημοσύνης μια ξεχωριστή επιστήμη; Παρουσιάζονται η έκταση και η γεωγραφική κατανομή των σπουδών Τεχνητής Νοημοσύνης παγκοσμίως, καθώς και η τεράστια δυναμική ανάπτυξής τους. Επιπλέον, αναλύεται η επίδραση της Τεχνητής Νοημοσύνης στη διδασκαλία διαφόρων άλλων επιστημονικών πεδίων σε επίπεδο Πανεπιστημίου και σχετική αναδιοργάνωση της Πανεπιστημιακής δομής σε επίπεδο Σχολών και Τμημάτων. Τέλος, παρουσιάζονται επίσης οι επιπτώσεις των Μεγάλων Γλωσσικών Μοντέλων (π.χ. ChatGPT) στην Πανεπιστημιακή εκπαίδευση και έρευνα, π.χ., στις εργασίες και εξετάσεις.
Σχετικοί σύνδεσμοι
- Θα υπάρξει ταυτόχρονη διαδικτυακή μετάδοση μέσω του συνδέσμου
https://authgr.zoom.us/j/93278542573?pwd=qom5rqEZuuvMhiqCi3QWw6ANmaub0N.1
Meeting ID: 932 7854 2573
Passcode: 838813
- Οι διαφάνειες της ομιλίας μπορούν να βρεθούν στην σελίδα: https://icarus.csd.auth.gr/university-ai-education/
- Σχετικό άρθρο: Πήτας, Ι. (2025). Τεχνητή Νοημοσύνη: στο Σταυροδρόμι των Μαθηματικών και της Πληροφορικής. Ευκλείδης γ΄, 101(1-2), 23-53. https://hms.gr/wp-content/uploads/2026/01/101_eykleidhs_G_pittas_23-53.pdf
