Τεχνητή Νοημοσύνη

Σκοπός του μαθήματος

Το μάθημα Τεχνητής Νοημοσύνης δίνει πρακτική εικόνα για τη χρήση σύγχρονων εργαλείων παραγωγικής AI στην εργασία, στη μελέτη και στην καθημερινή οργάνωση. Ο σπουδαστής μαθαίνει να διατυπώνει σαφείς οδηγίες, να βελτιώνει σταδιακά το αποτέλεσμα και, κυρίως, να μην αντιμετωπίζει την απάντηση ως αυτόματα σωστή. Η εκπαίδευση συνδέει την παραγωγικότητα με επαλήθευση, προστασία δεδομένων, πνευματικά δικαιώματα και επίγνωση πιθανών προκαταλήψεων.

Διδακτέα ύλη

• Βασικές έννοιες: διαφορά μεταξύ AI, machine learning και παραγωγικών μοντέλων, τι μπορεί και τι δεν μπορεί να κάνει ένα μοντέλο και γιατί οι απαντήσεις είναι πιθανοκρατικές.

• Δομή αποτελεσματικού prompt: ρόλος, πλαίσιο, συγκεκριμένη εργασία, περιορισμοί, μορφή εξόδου, κοινό, τόνος και παραδείγματα, ώστε το αίτημα να είναι ελέγξιμο και επαναλήψιμο.

• Επαναληπτική βελτίωση: ανάλυση ασαφούς απάντησης, συμπληρωματικές οδηγίες, εναλλακτικές εκδοχές, σύγκριση αποτελεσμάτων και δημιουργία προτύπων prompts για συχνές εργασίες.

• Παραγωγικότητα: ιδέες, περίληψη, αναδιάρθρωση και επιμέλεια κειμένων, λίστες ενεργειών, πίνακες, προετοιμασία παρουσιάσεων, απλή ανάλυση δεδομένων και σχεδιασμός ροών εργασίας.

• Έλεγχος αξιοπιστίας: αναγνώριση επινοημένων στοιχείων, απαίτηση πηγών, διασταύρωση με πρωτογενές υλικό, έλεγχος αριθμών και ημερομηνιών και σαφής διάκριση γεγονότος, υπόθεσης και πρότασης.

• Υπεύθυνη χρήση: προσωπικά και εμπιστευτικά δεδομένα, δικαιώματα δημιουργού, bias, παραπλανητικό περιεχόμενο, ανθρώπινη εποπτεία και κανόνες για ασφαλή ενσωμάτωση AI σε σχολικές ή επαγγελματικές ροές.

Μαθησιακό αποτέλεσμα

Ο σπουδαστής θα μπορεί να χρησιμοποιεί AI για να επιταχύνει εργασίες χωρίς να παραδίδει ανεξέλεγκτο περιεχόμενο. Θα γνωρίζει πότε χρειάζεται ανθρώπινη κρίση, πώς να προστατεύει ευαίσθητα δεδομένα και πώς να τεκμηριώνει ή να διορθώνει το αποτέλεσμα πριν από τη χρήση του.