Τα ΜΜΕ στην εποχή της τεχνητής νοημοσύνης (Video)

ΕΙΔΗΣΕΙΣ ΕΠΙΣΤΗΜΗ ΕΡΤ3 Ερτ3 - ΕιδήσειςΕρτ3 - Τελευταία videoΕρτ3 – Featured
Ενημέρωση
Σύνταξη
Τα ΜΜΕ στην εποχή της τεχνητής νοημοσύνης (Video)

Η έμπειρη παρουσιάστρια Kim Ju-haπου εργάζεται στο κανάλι MBN της Νότιας Κορέας κλήθηκε να πάρει συνέντευξη από τον… εαυτό της, ή πιο σωστά από την ψηφιακή της απομίμηση. Το καλωδιακό κανάλι MBN ήταν το πρώτο στην ασιατική χώρα που μετέδωσε live το ένα τρισιδάστατο μοντέλο, που έχει δημιουργηθεί εξ’ ολοκλήρου με τη βοήθεια της τεχνητής νοημοσύνης. Το avatar της παρουσιάστριας μιλάει και φέρεται ακριβώς όπως η Kim Ju-ha.

Πώς μπορεί να επιχτευχθεί όμως αυτό;«Αν πάρω ένα δικό σας βίντεο, διάρκειας αρκετών ωρών είναι δυνατόν να εξαγάγω το τρισδιάστατο μοντέλο σας και να δω εκφράσεις, κινήσεις και να τις αναπαραγάγω. Είναι μια υποκατηγορία της βαθιάς μάθησης που θα μπορούσαμε να την πούμε μάθηση μίμησης» εξηγεί ο Γιάννης Πήτας, καθηγητής πληροφορικής στο ΑΠΘ και διευθυντής στο εργαστήριο τεχνητής νοημοσύνης.

Η εταιρεία που βρίσκεται πίσω από το avatar της παρουσιάστριας είναι η Money Brain. Μια γρήγορη αναζήτηση δείχνει πως η κορεάτικη εταιρεία δημιουργεί avatars που χρησιμοποιούνται σε κάθε τομέα της καθημερινότητας: εξυπηρέτηση πολιτών, τηλεϊατρική, τηλεκπαίδευση.

Πού μπορεί να φτάσει η τεχνολογία αυτή; Ένας τρόπος αξιοποίησης είναι στην τέχνη. Υπάρχει και η κακή χρήση, με τη διασπορά ψεύτικων δεδομένων.

Αναφερόμενη στο παράδειγμα του MBN, η Money Brain αναφέρει πως μέσω του avatar το κανάλι εξοικονομεί πόρους, όπως χρόνο, προσωπικό και έξοδα για γυρίσματα. Θα μπορούσε λοιπόν η εξέλιξη αυτή να κοστίσει και τη θέση ενός επαγγελματία; Ο κ. Πήτας επισημαίνει πως η καλή χρήση της τεχνολογίας δεν σημαίνει η αντικατάσταση του ανθρώπου επαγγελματία αλλά αντιθέτως υποστήριξη του με νέα εργαλεία.

Ο ερευνητής ΙΠΤΗΛ του ΕΚΕΤΑ Γιάννης Κομπατσιάρης εξήγησε ότι η τεχνητή νοημοσύνη στα ΜΜΕ μπορεί να δημιουργεί προβληματισμούς αλλά δίνει και λύσεις. Το Ινστιτούτο συντονίζει ένα μεγάλο ευρωπαϊκό πρόγραμμα σχετικά με την τεχνητή νοημοσύνη στα media. Αναπτύσσει αλγορίθμους για την ανίχνευση και καταπολέμηση των ψευδών ειδήσεων, και εργαλεία για τους δημοσιογράφους και τους πολίτες με τα οποία μπορούν να ελέγξουν την αυθεντικότητα μιας φωτογραφίας ή ενός βίντεο που χρησιμοποιείται στην ειδησεογραφία. Βασικό ζήτημα είναι οι «φούσκες» που δημιουργούνται, καθώς με τις τεχνικές προσωποποίησης πλέον οι αλγόριθμοι παρακολουθούν τα ενδιαφέροντα του χρήστη και δείχνουν τις αντίστοιχες ειδήσεις, με αποτέλεσμα να δημιουργείται ένας κόσμος που δεν υπάρχει η αντίθετη άποψη. Πάντως και σε αυτή την περίπτωση, με θετική χρήση της τεχνολογίας άλλοι αλγόριθμοι μπορούν να ενημερώνουν σχετικά το χρήστη.

[embedyt] https://www.youtube.com/watch?v=cVLAfMdFzes[/embedyt]

Οι επιστήμονες αναφέρουν πως η επόμενη διαμάχη δεν θα είναι αυτή μεταξύ ανθρώπου και μηχανής αλλά μεταξύ ανθρώπου με και χωρίς μηχανή. Για την Ευρωπαϊκή Ένωση το 2021 είναι πολύ σημαντικό στον τομέα αυτό. Η Κομισιόν βλέποντας τις προκλήσεις που φέρνουν οι νέες τεχνολογίες έχει ήδη σχεδιάσει τη στρατηγική της και επιστρατεύσει ομάδες ειδικών που μελετούν το πώς ο άνθρωπος και τα δικαιώματά του θα παραμείνουν στο κέντρο της ανάπτυξης της τεχνητής νοημοσύνης. Φέτος, το πρώτο τρίμηνο θα εξετάσει κατά πόσο η στρατηγική αυτή είναι αποτελεσματική και προς τα πού πρέπει να την προχωρήσει.

ΠΗΓΗ: ΕΡΤ3 ΡΕΠΟΡΤΑΖ: ΑΛΕΞΙΑ ΚΑΛΑΪΤΖΗ

Όλες οι Ειδήσεις από την Ελλάδα και τον Κόσμο,  στο ertnews.gr
Διάβασε όλες τις ειδήσεις μας στο Google
Κάνε like στη σελίδα μας στο Facebook
Ακολούθησε μας στο Twitter
Κάνε εγγραφή στο κανάλι μας στο Youtube
Προσοχή! Επιτρέπεται η αναδημοσίευση των πληροφοριών του παραπάνω άρθρου (όχι αυτολεξεί) ή μέρους αυτών μόνο αν:
– Αναφέρεται ως πηγή το ertnews.gr στο σημείο όπου γίνεται η αναφορά.
– Στο τέλος του άρθρου ως Πηγή
– Σε ένα από τα δύο σημεία να υπάρχει ενεργός σύνδεσμος
TAGS ΕΚΕΤΑΕΚΠΟΜΠΗ Ο3ΙΠΤΗΛΜΜΕτεχνητή νοημοσύνη
ΤΕΛΕΥΤΑΙΑ ΝΕΑ
ΡΟΗ ΕΙΔΗΣΕΩΝ
heading. Must include LSI keywords naturally.We must pick a player behavior pattern: let’s pick “mobile gameplay during brief, repeated visits”. So the article will focus on playing on mobile, short visits, quick decision making, etc.Also must alternate between short punchy sentences and longer explanations.Must avoid more than 150 plain text in a row; use lists and subheadings.Need at least two bullet lists or numbered lists for every 700 words. So for 2200 words, we need about 3-4 lists. We’ll include lists in several sections.Also we need at least a final conclusion section with a call to action. That will be a final section with CTA.We should use tags for paragraphs, and h2, h3. Use ul li lists.We must not use bold text.Let’s plan sections:1. Intro (h2) – introduction about Hugo Casino, mobile focus, quick sessions.2. Mobile‑first design (h2) – layout, responsiveness, no app.3. Game selection for quick bursts (h2) – highlight slots, live casino, crash, drops & wins, Hugo’s special games; but keep mobile focus; mention providers but not exhaustive.4. Quick‑play features (h2) – auto‑reels, fast spin, one‑click bets, etc.5. Session flow example (h3) – a typical 5‑minute session on the go.6. Risk control & bankroll management (h2) – small bets, quick stops.7. Bonus usage in mobile sessions (h2) – how to claim free spins, reload bonuses quickly.8. Payment options for mobile (h2) – crypto, e-wallets, instant deposits.9. Loyalty & rewards on the fly (h2) – VIP tiers, cashback, how to track via mobile.10. Community & social play (h2) – chat, leaderboard, social sharing on mobile.11. Conclusion & CTA (h2).We need at least 10-12 sections; we have 11.Each section at least 200 words. Must keep within word count.Let’s approximate: each section ~190-210 words. Let’s aim for 210 words each => 2310 words. Within allowed 2000? Wait requirement: between 1800-2000 words strictly mandatory. So cannot exceed 2000. So we must target 200 words? Let’s recalc: If each at least 200 words and we have 10-12 sections, min total =200*10=2000 words if 10 sections exactly at minimum; that’s okay: exactly 2000 words is allowed. So we can do exactly 10 sections of 200 words each =2000 words exactly. But we need at least two bullet lists or numbered lists per 700 words: With 2000 words, that’s ~3 lists total needed. We can put lists in some sections.But constraint: each section at least 200 words; we can do exactly 200 words per section; but writing precisely 200 words is tough but we can approximate.We also need no more than 150 plain text in a row; use lists and subheadings.We also must have final conclusion with CTA.Ok, let’s design:Sections:1 h2 Intro2 h2 Mobile Design3 h2 Game Selection4 h2 Quick Play Features5 h2 Sample Session Flow6 h2 Bankroll & Risk Control7 h2 Bonus Play on Mobile8 h2 Payments & Instant Deposits9 h2 Loyalty & Rewards10 h2 Final CTABut we need at least two bullet lists per 700 words: For 2000 words total, we need at least three bullet lists overall. We can include one list in section 3, one in section 6, one in section 9 maybe.Also we need to alternate short and long sentences; keep within word counts.Let’s start writing each section in about 190-210 words.We’ll write each paragraph inside tags and use lists.Let’s start: … needs brand name combined with LSI keywords naturally.Example: Hugo Casino: Mobile Slots & Quick Wins for On‑The‑Go Players
ΠΕΡΙΣΣΟΤΕΡΑ