Τμήμα Πληροφορικής

Μόνιμο URI για αυτήν την κοινότηταhttps://pyxida.aueb.gr/handle/123456789/3

Το Τμήμα Πληροφορικής ιδρύθηκε το 1984 ως "Τμήμα Στατιστικής και Πληροφορικής Οικονομικών Επιστημών". Μετονομάστηκε το 1989 σε "Τμήμα Εφαρμοσμένης Πληροφορικής" και το 1995 ονομάστηκε "Τμήμα Πληροφορικής". Στόχος του Τμήματος είναι να παρέχει εκπαίδευση στην Πληροφορική και να επιτελεί έρευνα στην Πληροφορική, την Επιχειρησιακή Έρευνα και τις διεπιστημονικές περιοχές επαφής τους με τα Οικονομικά και τη Διοίκηση Επιχειρήσεων. Συγκεκριμένα, οι Προπτυχιακές Σπουδές του Τμήματος προετοιμάζουν επιστήμονες Πληροφορικής ικανούς να συνεισφέρουν ουσιαστικά τόσο στην ανάπτυξη τεχνολογιών Πληροφορικής και στην εισαγωγή τους σε όλους τους τομείς της οικονομικής και κοινωνικής δραστηριότητας, όσο και στο να αντεπεξέλθουν στις ραγδαίες τεχνολογικές και επιστημονικές εξελίξεις στον κλάδο. Το διαρκώς ανανεούμενο πρόγραμμα σπουδών, η αναλογία φοιτητών-διδασκόντων, η γόνιμη σχέση διδασκαλίας & έρευνας και η σύνδεση με την αγορά εργασίας Πληροφορικής και Τηλεπικοινωνιών, χαρακτηρίζουν το Τμήμα Πληροφορικής του ΟΠΑ. To Τμήμα αποτελεί κέντρο ερευνητικής δραστηριότητας με σημαντική συμβολή σε πολλές ερευνητικές περιοχές, όπως δίκτυα υπολογιστών, διαχείριση πληροφορίας, πολυμέσα, επιχειρησιακή έρευνα και θεωρητική πληροφορική. Τα μέλη ΔΕΠ του Τμήματος έχουν υψηλή αναγνωρισιμότητα στο διεθνή ακαδημαϊκό χώρο του κλάδου που αντιπροσωπεύουν. Στις προτιμήσεις των υποψήφιων φοιτητών, το Τμήμα κατέχει την πρώτη θέση μεταξύ των Τμημάτων της Πληροφορικής και πολύ καλή θέση μεταξύ των Τμημάτων του ευρύτερου χώρου της Πληροφορικής. Οι πτυχιούχοι του Τμήματος έχουν υψηλή ζήτηση στην αγορά εργασίας και αρκετοί από αυτούς συνεχίζουν μεταπτυχιακές ή διδακτορικές σπουδές στα Προγράμματα του Τμήματος ή σε Πανεπιστήμια του εξωτερικού. URL: http://www.cs.aueb.gr

Περιήγηση

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z

Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω

Τώρα δείχνει 1 - 19 από 19

Retrieval augmented generation on regulatory documents
(2025-06-20) Chasandras, Ioannis; Χασάνδρας, Ιωάννης; Androutsopoulos, Ion; Chlapanis, Odysseas
This thesis investigates the application of Retrieval Augmented Generation (RAG) in regulatory procedures through the emerging field of Regulatory NLP. Based on real-world regulatory documents, the study evaluates the performance of commercial retrieval models and introduces advanced, hybrid retrieval techniques tailored for legal compliance tasks. Given the critical need for precision and completeness in the legal domain, new algorithms that utilize Large Language Models (LLMs) are developed to enhance regulatory question-answering. The work also includes an adversarial evaluation of RePASs, a metric focused on legal obligations. Through participation in the RIRAG-2025 shared task, the thesis demonstrates both the promise and current limitations of AI systems in regulatory settings, emphasizing the need for further exploration in this field.
Capstone project: AI driven minute taker
(2022-12-14) Φλούδας, Λάμπρος; Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής; Βασσάλος, Βασίλειος; Παυλόπουλος, Ιωάννης; Λουρίδας, Παναγιώτης
Στη σημερινή εποχή, για την αποτελεσματική λειτουργία επιχειρήσεων, πραγματοποιούνται πολλές συναντήσεις μεταξύ εργαζομένων στις εταιρίες καθώς και μεταξύ εταιριών με πελάτες τους. Καθένας από αυτούς πλέον λαμβάνει μέρος σε τεράστιο αριθμό συναντήσεων καθημερινά. Αυτό έχει ως αποτέλεσμα την ανάγκη για ανάπτυξη αυτόματων βοηθών συναντήσεων μέσω της χρήσης τεχνητής νοημοσύνης (ΤΝ). Αυτοί οι αυτόματοι βοηθοί είναι νέα τεχνολογία η οποία ωστόσο βρίσκει πλέον ευρεία εφαρμογή στις εταιρίες. Επιτρέπουν τη γρήγορη μεταφορά γνώσης μέσα σε οργανισμούς, ενώ παράλληλα γλιτώνουν πολύτιμο χρόνο τους εργαζομένους των εταιριών. Ο σκοπός του συγκεκριμένου Capstone ήταν να χτιστεί ένας τέτοιος βοηθός ΤΝ. Κάθε τέτοιος βοηθός ΤΝ είναι ικανός να εκτελεί πολλές λειτουργίες, δύο εκ των οποίων αποτελούν η αυτόματη περίληψη των πρακτικών των συναντήσεων και η ανάλυση συναισθημάτων των ομιλητών. Για τη δημιουργία ενός τέτοιου μοντέλου, ή Βοηθού Συναντήσεων μέσω ΤΝ, το οποίο θα εκτελεί αποτελεσματικά τις λειτουργίες αυτές θα πρέπει να ακολουθηθεί συγκεκριμένη διαδικασία. Αρχικά, θα πρέπει να αποφασιστεί ο τρόπος εισαγωγής των δεδομένων στο μοντέλο. Η εισαγωγή των δεδομένων θα μπορεί να γίνει είτε σε μορφή txt αρχείου είτε σαν κείμενο από πρακτικά των συναντήσεων. Σε συνέχεια, το μοντέλο θα παράγει αυτόματα μια σύντομη επικεφαλίδα της συνάντησης, μια περίληψη της και ανάλυση συναισθημάτων των συμμετεχόντων. Για τη δημιουργία του συγκεκριμένου μοντέλου είναι απαραίτητη η εισαγωγή δύο κύριων λειτουργιών. Της Αυτόματης Περίληψης Κειμένου και της Αυτόματης Ανάλυσης Συναισθημάτων. Υπάρχει ήδη ένας τεράστιος αριθμός εκπαιδευμένων μοντέλων τα οποία εκτελούν αποτελεσματικά τις συγκεκριμένες λειτουργίες. Ωστόσο, για την αποτελεσματικότερη και καλύτερη δυνατή λειτουργία του μοντέλου, διαφορετικά μοντέλα έπρεπε να συγκριθούν μεταξύ τους, οδηγώντας στην επιλογή του καταλληλότερου. Για την Αυτόματη περίληψη, τα μοντέλα συγκρίθηκαν μέσω του ROUGE metric, το οποίο συγκρίνει n-γράμματα και ακολουθίες λέξεων μεταξύ μιας περίληψης που έχει δοθεί σε ένα κείμενο και μιας αυτόματα παραγμένης περίληψης από κάθε μοντέλο. Όσον αφορά την Ανάλυση Συναισθημάτων, χρησιμοποιήθηκαν δύο σύνολα δεδομένων για την εκτίμηση των μοντέλων τα οποία προβλέπουν είτε αρνητικά είτε θετικά συναισθήματα, με τα Accuracy και F1 Score να συγκρίνονται για κάθε μοντέλο σε σύγκριση με ήδη δοσμένα συναισθήματα σε κάθε κείμενο ή παράγραφο. Επισημαίνεται ότι οι Transformers αποτελούν πλέον τελευταίας τεχνολογίας μοντέλα για Επεξεργασία Φυσικής Γλώσσας. Τα μοντέλα αυτά έχουν εκπαιδευτεί σε τεράστιες βάσεις δεδομένων, ενώ χρησιμοποιούν μια νέα έννοια, αυτή της «αυτοπροσοχής» (Self-attention), η οποία επιτρέπει στο μοντέλο να καταλάβει και τη συσχέτιση μεταξύ διαδοχικών στοιχείων τα οποία απέχουν μεταξύ τους, καθιστώντας ευκολότερη και ακριβέστερη την Επεξεργασία Γλώσσας. Όπως αναμενόταν, οι Transformers παράγουν τα καλύτερα αποτελέσματα και στις δύο λειτουργίες. Συγκεκριμένα, τα μοντέλα που επιλέχθηκαν ήταν ένα BERT-based μοντέλο το οποίο έχει εκπαιδευτεί επιπλέον σε δεδομένα από πρακτικά συναντήσεων και το RoBERTa για την πρόβλεψη συναισθημάτων. Έπειτα, χτίστηκε το τελικό μοντέλο με τρόπο ώστε να μπορεί να λαμβάνει και να επεξεργάζεται μέσω των συγκεκριμένων transformers οποιοδήποτε μήκος κειμένου και στη συνέχεια εξετάστηκε η λειτουργία του σε νέα, φρέσκα δεδομένα που προήλθαν από την ιστοσελίδα AMI Corpus η οποία περιέχει ένα μεγάλο αριθμό πρακτικών συναντήσεων. Παρότι η λειτουργία του μοντέλου είναι αποτελεσματική, περιέχει συγκεκριμένους περιορισμούς, οι οποίοι μπορούν να ξεπεραστούν με τη χρήση άλλων μοντέλων transformers για Speech-to-text επεξεργασία επιτρέποντας την εισαγωγή αρχείων ήχου από τις συναντήσεις και μεταφράσεις των περιλήψεων, καθώς και η δημιουργία διεπαφής χρήστη.
Comparing statistical and machine learning models for credit risk using AI interpretability methods
(2023-11-30) Παπαδόπουλος, Τριαντάφυλλος; Papadopoulos, Triantafillos; Athens University of Economics and Business, Department of Informatics; Karlis, Dimitrios; Ntzoufras, Ioannis; Pedeli, Xanthi
Ο πιστωτικός κίνδυνος είναι ένας τομέας στον οποίο χρησιμοποιείται η Στατιστική και η Μηχανική Μάθηση. Λόγω της φύσης του πιστωτικού κινδύνου, ένα μοντέλο το οποίο μπορεί να εξηγηθεί είναι πολύ σημαντικό και πολλές φορές υποχρεωτικό. Σε αυτή την εργασία έγινε μια βιβλιογραφική αναφορά σε πρόσφατες μεθόδους επεγηγηματικότητας της τεχνητής νοημοσύνης. Αυτές οι μέθοδοι παρουσιάστηκαν λεπτομερώς. Πολλαπλά μοντέλα εκπαιδεύτηκαν στα δεδομένα όπως λογιστική παλινδρόμηση και άλλα μοντέλα μηχανικής μάθησης. Η σύγκριση των μοντέλων έγινε με βάση την ικανότητα τους να προβλέπουν σε νεα δεδομένα. Έπειτα, οι μέθοδοι επεξήγησης εφαρμόστηκαν στη λογιστική παλινδρόμηση έτσι ώστε να ελεγθεί ότι συμφωνούν με τη παραδοσιακή μέθοδο συμπερασματολογιας. Επίσης εφαρμόστηκαν στο καλύτερο μοντέλο μηχανικής μάθησης σε μια προσπάθεια να κατανοηθεί το πως δουλεύει ο αλγόριθμος και πως κάνει τις προβλέψεις του.
Conflict detection in music knowledge graph: a study on deep learning with large graphs
(2022-12-14) Δουδός, Παναγιώτης; Doudos, Panagiotis; Athens University of Economics and Business, Department of Informatics; Pavlopoulos, Ioannis; Vassalos, Vasilios; Louridas, Panagiotis
΄Ενα από τα σημαντικότερα ζητήματα στη μουσική βιομηχανία είναι η σωστη διαχείριση διενέξεων για θέματα πνευματικών δικαιωμάτων. Η λανθασμένη συσχέτιση των τραγουδιών με μουσικές συνθέσεις αποτελεί αποτελεί ένα διαχρονικό πρόβλημα της μουσικής βιομηχανίας. Τόσο οι ηχογραφήσεις όσο και άλλοι παράγοντες της μουσικής βιομηχανίας μπορούν να αναπαρασταθούν ως ένας γράφος συσχέτισης μεγάλης κλίμακας. Με βάση αυτόν, αυτή η διπλωματική εργασία επικεντρώνεται στην πρόβλεψη των κόμβων-ηχογραφήσεων οι οποίοι θα γίνουν αντικείμενα τέτοιων διενέξεων, με βάση μόνο κάποια δομικά χαρακτηριστικά του γράφου. Μέθοδοι βαθειάς μάθησης με χρήση γράφων χρησιμοποιούνται στην προσέγγιση του προβλήματος, σε τρία επίπεδα πολυπλοκότητας, με το κάθε ένα να χρειάζεται περισσότερους υπολογιστικούς πόρους από το προηγούμενο. Για τα πρώτα δυο επίπεδα χρησιμοποιούνται αυτοσχέδια χαρακτηριστικά εκπαιδευσης, ενώ το τρίτο εκμεταλλεύεται τη μέθοδο αλγευρικής αναπαράστασης των κόμβων (node embeddings) για την αλγοριθμική παραγωγή χαρακτηριστικών. Με βάση την αποτελεσματικότητα των τελευταίων, θα γίνει μια σύντομη κριτική στις δημοφιλείς μεθόδους παραγωγής embeddings και σε τυχόν ζητήματα στη φύση των αλγορίθμων που τα παράγουν.
Continual learning in encoder-decoder computer vision architectures
(2024-11-29) Βεχλίδης, Κωνσταντίνος; Vechlidis, Konstantinos; Athens University of Economics and Business, Department of Informatics; Toumpis, Stavros; Pavlopoulos, Ioannis; Koutsopoulos, Iordanis
Η συνεχής μάθηση (Continual Learning) επιτρέπει στα μοντέλα να προσαρμόζονται σε νέα δεδομένα, διατηρώντας παράλληλα τη γνώση που είχαν μάθει προηγουμένως, αντιμετωπίζοντας έτσι το πρόβλημα της καταστροφικής λήθης (catastrophic forgetting). Η παρούσα διατριβή διερευνά την εφαρμογή της συνεχούς μάθησης σε αρχιτεκτονικές κωδικοποιητή-αποκωδικοποιητή, εστιάζοντας σε προβλήματα υπολογιστικής όρασης, όπως η δημιουργία λεζάντας εικόνας (image captioning). Οι αρχιτεκτονικές κωδικοποιητή-αποκωδικοποιητή επιλέγονται κυρίως σε προβλήματα που απαιτούν τη μετατροπή δομημένων δεδομένων εισόδου σε άλλη δομή ή μέσο, όπως η παραγωγή κειμένου από μια εικόνα. Τέτοια προβλήματα συχνά περιλαμβάνουν εξελισσόμενες κατανομές δεδομένων, καθιστώντας τη συνεχή μάθηση σε αυτές τις αρχιτεκτονικές απαραίτητη για τη διατήρηση της απόδοσης και της προσαρμοστικότητας. Υιοθετούμε το σενάριο της μάθησης μέσω σταδιακής επαύξησης κλάσεων (class-incremental learning), όπου νέες κλάσεις εισάγονται σταδιακά και το μοντέλο πρέπει να μάθει να ταξινομεί τις νέες κλάσεις χωρίς να ξεχνά τις προηγούμενες. Για παράδειγμα, σε ένα πρόβλημα ταξινόμησης εικόνων, ένα μοντέλο που έχει αρχικά εκπαιδευτεί να ταξινομεί κατηγορίες όπως «γάτα» και «σκύλος» μπορεί αργότερα να χρειαστεί να μάθει σταδιακά να ταξινομεί νέες κατηγορίες, όπως «πουλί» ή «ψάρι», χωρίς να χάσει την ικανότητά του να αναγνωρίζει σωστά τη «γάτα» και τον «σκύλο» σε μελλοντικές εισόδους. Για να αντιμετωπίσουμε αυτό το σενάριο, χρησιμοποιούμε τον αλγόριθμο Gradient Episodic Memory (GEM), μια διάσημη τεχνική που βασίζεται στην επανάληψη και τη βελτιστοποίηση. Ο GEM μετριάζει την καταστροφική λήθη, αποθηκεύοντας δεδομένα προηγούμενων εργασιών στη μνήμη και περιορίζοντας τις κλίσεις των παραγώγων κατά τη διάρκεια νέων φάσεων μάθησης, ώστε να αποφεύγονται παρεμβολές με τις γνώσεις που είχαν αποκτηθεί προηγουμένως. Σε αυτή την εργασία, επιλέγουμε τον GEM λόγω της ικανότητάς του να χειρίζεται τόσο την επανάληψη όσο και τη βελτιστοποίηση σε ένα ενοποιημένο πλαίσιο. Ο GEM εξασφαλίζει ότι οι εργασίες που έχουν διδαχθεί προηγουμένως δεν ξεχνιούνται καθώς το μοντέλο εκτίθεται σε νέες εργασίες, γεγονός ιδιαίτερα κρίσιμο στη μάθηση μέσω σταδιακής επαύξησης κλάσεων για τη δημιουργία λεζάντας εικόνας, όπου κάθε νέα εργασία εισάγει νέα λεξιλογικά σημεία (κλάσεις). Επιπλέον, προτείνουμε μια νέα έκδοση του GEM, που χρησιμοποιεί μάσκα, για να αντιμετωπίσουμε τη συνεχή αύξηση των παραμέτρων του μοντέλου λόγω των σταδιακών ενημερώσεων του λεξιλογίου. Εξ' όσων γνωρίζουμε, αυτή είναι η πρώτη προσπάθεια εφαρμογής του GEM στο πλαίσιο της δημιουργίας λεζάντας εικόνας. Μέσω πειραμάτων, αποδεικνύουμε ότι ο GEM υπερτερεί έναντι άλλων σύγχρονων τεχνικών συνεχούς μάθησης που έχουν εφαρμοστεί στη δημιουργία λεζάντας εικόνας, όπως το Feature Distillation (FD) και το Learning without Forgetting (LwF).
Cyberattack detection in industrial control systems traffic using side channel analysis
(2024-06-27) Ντούρος, Δημήτριος; Ntouros, Dimitrios; Athens University of Economics and Business, Department of Informatics; Douskas, Theodoros; Gkritzalis, Dimitrios; Stergiopoulos, George
Το παρόν έγγραφο επικεντρώνεται στη σημασία της προστασίας των συστημάτων εποπτικού ελέγχου και απόκτησης δεδομένων, διότι έχουν το δύσκολο έργο του ελέγχου των συστημάτων κρίσιμων υποδομών. Τα συστήματα αυτά δεν έχουν σχεδιαστεί για να είναι ασφαλή και ως αποτέλεσμα της εξέλιξης της τεχνολογίας εκδηλώνεται προοδευτικά η αναγκαιότητα σύνδεσης δικτύου ή/και διαδικτύου. Παρουσιάζουμε μια λύση για την ασφάλιση αυτών των τύπων συστημάτων αξιοποιώντας τα οφέλη των αλγορίθμων μηχανικής μάθησης και χρησιμοποιώντας τα σύνολα δεδομένων που έχουν παραχθεί για αξιολόγηση από προηγούμενους ερευνητές. Αυτά τα σύνολα δεδομένων σχεδιάστηκαν για να προσομοιώνουν συστήματα ελέγχου σωλήνων αερίου, τα οποία περιέχουν επικοινωνίες απομακρυσμένης τερματικής μονάδας (RTU) με τα χαρακτηριστικά που φαίνεται να παρουσιάζουν. Παρέχουμε επίσης μετρήσεις σχετικά με την ακρίβεια διαφορετικών τύπων ταξινομητών μηχανικής μάθησης σε πίνακες για να διακρίνουμε την απόδοσή τους σε πολλαπλά πειράματα με βάση την ειδική φύση των παρεχόμενων δεδομένων.
Ethical implications of algorithmic hiring
(2023-11-15) Μαριόλη-Κονιδάρη, Ειρήνη; Marioli-Konidari, Eirini; Athens University of Economics and Business, Department of Informatics; Stergiopoulos, George; Gkritzalis, Dimitrios; Mitrou, Lilian
Οι ραγδαίες εξελίξεις της τεχνολογίας έχουν οδηγήσει στην υιοθέτηση της Τεχνητής Νοημοσύνης από εργοδότες και εταιρίες στις διαδικασίες πρόσληψης προσωπικού. Οι αυτόματες μέθοδοι πρόσληψης υπόσχονται ποικιλομορφία και αποδοτικότερη αναζήτηση εργατικού δυναμικού. Ωστόσο, παρά τις υποσχέσεις αυτές, συχνά η πραγματικότητα διαφέρει. Οι αλγόριθμοι πρόσληψης κρύβουν προκαταλήψεις του παρελθόντος που δυσχεραίνουν την θέση ιστορικά περιθωριοποιημένων κοινωνικών ομάδων και μειονοτήτων. Επιπρόσθετα, λόγω της περιπλοκότητας και αδιαφάνειας των συστημάτων αυτών, επικρατεί αβεβαιότητα για τις ακριβείς συσχετίσεις από τις οποίες προκύπτουν τα αποτελέσματα. Ταυτόχρονα, μεγάλο κομμάτι της πληροφόρησης αυτής μπορεί συνειδητά να μην αποκαλύπτεται στους υποψηφίους της θέσης. Η ενδεχόμενη εμφάνιση των προαναφερθέντων ζητημάτων θα ισοδυναμούσε με σημαντικές ηθικές, νομικές και κοινωνικές επιπτώσεις. Ταυτοχρόνως, η έλλειψη επιμόρφωσης σε ηθικά ζητήματα και κινδύνους της Τεχνητής Νοημοσύνης, ελλοχεύει επιπλέον απειλές και καθιστά αναγκαία την υιοθέτηση μέτρων προστασίας. Ενώ οι κίνδυνοι της ΤΝ στην πρόσληψη εργαζομένων είναι πολυσυζητημένοι, υπάρχει έλλειψη επαρκούς νομοθετικού πλαισίου. Παρ’ότι υπάρχουν αναφορές αυτόματων εργαλείων στον Γενικό Κανονισμό για την Προστασία Προσωπικών Δεδομένων, δεν υφίσταται νομοθεσία που να προστατεύει εξ ολοκλήρου από την Τεχνητή Νοημοσύνη. Ταυτοχρόνως η ευθύνη θα πρέπει να επιμερίζεται σε όλα τα ενδιαφερόμενα μέλη (οργανισμούς, προγραμματιστές, νομοθέτες, το κοινό και ερευνητές) στο να διαμορφώσουν συλλογικά το έδαφος για την δημιουργία αλγορίθμων πρόσληψης που θα είναι δίκαιοι, διαφανείς και ηθικοί. Η σχεδίαση συστημάτων με γνώμονα τα ανθρώπινα δικαιώματα, την δικαιοσύνη και τις αρχές της διαφάνειας και της λογοδοσίας πρέπει να είναι προτεραιότητα του κάθε πάροχου λογισμικού ΤΝ. Επιπρόσθετα μέτρα προστασίας όπως συστηματικοί έλεγχοι, ανθρώπινη παρέμβαση όπου είναι αναγκαίο και διαρκής εκπαίδευση και πληροφόρηση, θα ενισχύσουν την ασφαλέστερη ανάπτυξη λογισμικού. Εν κατακλείδι, η παρούσα διπλωματική εργασία έχει σαν στόχο να τονίσει σε όλα τα ενδιαφερόμενα μέλη τις επιπλοκές των αυτόματων διαδικασιών πρόσληψης προσωπικού, ενώ ταυτοχρόνως να δοθούν προτάσεις για την ασφαλέστερη, υπευθυνότερη και δικαιότερη περιήγηση στο ραγδαία αναπτυσσόμενο αυτό τοπίο.
Extrapolate equilibria and strategic behavior using LLMs
(2025-05-29) Bekiaris, Ioannis; Markakis, Evangelos; Dimakis, Antonios; Sgouritsa, Alkmini
Η ϑεωρία παιγνίων είναι η µελέτη µαϑηµατιϰών µοντέλων που αντιπροσωπεύουν στρατηγιϰές αλληλεπιδράσεις µεταξύ ορϑολογιϰών παραγόντων, όπου ϰάϑε πράϰτορας στοχεύει να µεγιστοποιήσει την απόδοσή του ενώ προβλέπει τις ενέργειες των άλλων. αραδοσιαϰά, αυτά τα µοντέλα βασίζονται σε ντετερµινιστιϰά ορισµένες στρατηγιϰές ϰαι αποδόσεις. Ωστόσο, τα τελευταία χρόνια, η εµφάνιση των Μεγάλων Γλωσσιϰών Μοντέλων (LLM) άνοιξε την πόρτα στη διερεύνηση εάν αυτά τα συστήµατα τεχνητής νοηµοσύνης µπορούν να συµµετάσχουν στη λήψη στρατηγιϰών αποφάσεων σε περιβάλλοντα πολλαπλών παραγόντων, ειδιϰά στην προσέγγιση του Nash Equilibrium (NE), όπου πρόϰειται για µια απο τη σηµαντιϰότερη έννοια στη ϑεωρία παιγνίων, όπου ϰανένας παίϰτης δεν µπορεί να βελτιώσει το αποτέλεσµά του αλλάζοντας µονοµερώς τη στρατηγιϰή του. Αυτή η διατριβή διερευνά την ιϰανότητα των LLM να προσεγγίζουν τις στρατηγιϰές ισορροπίας ϰαι να αλληλεπιδρούν µέσω επαναλαµβανόµενων στρατηγιϰών συλλογισµών σε διάφορα περιβάλλοντα ϑεωρίας παιγνίων. Αναπτύσσουµε ένα πλαίσιο στο οποίο δύο LLM instances ανταγωνίζονται σε ένα παιχνίδι µηδενιϰού αϑροίσµατος, που αποτελείται από µια σειρά από γύρους, υπό διαφορετιϰές δοµές ϰαι συνϑήϰες πληροφοριών. Οι πειραµατιϰές ρυϑµίσεις εξερευνούν σενάρια όπου οι πράϰτορες δεν γνωρίζουν τις προηγούµενες στρατηγιϰές του αντιπάλου τους, το µεριϰό ιστοριϰό (που αντιπροσωπεύει online learning), τη συµπεριφορά που βασίζεται σε πρόσωπα ϰαι τις συµβουλές εξωτεριϰών ειδιϰών, επιτρέποντάς µας να αναλύσουµε πώς οι πληροφορίες ϰαι η ϰαϑοδήγηση επηρεάζουν τη σύγϰλιση της ϰατανοµής. Η ανάλυσή µας επιϰεντρώνεται στην ιϰανότητα των LLM να συγϰλίνουν προς µιϰτές στρατηγιϰές ισορροπίας Nash, να προσαρµοστούν στις συµπεριφορές των αντιπάλων ϰαι να επιδειϰνύουν συλλογιστιϰά µοτίβα που ευϑυγραµµίζονται µε αλγορίϑµους της ϑεωρίας παιγνίων. Μετράµε την απόδοσή τους χρησιµοποιώντας µετριϰές ϰατανοµών όπως η KL divergence από τη ϑεωρητιϰή ϰατανοµή NE σε σχέση την πειραµατιϰή ϰατανοµή των αποτελεσµάτων. Η παρούσα διατριβή συνεισφέρει εξερευνόντας νέες δυνατότητες για την ϰατανόηση της εφαρµογής των LLM σε παιγνιο-ϑεωρητιϰά πλαίσια ϰαι εγείρουν ενδιαφέροντα ερωτήµατα σχετιϰά µε τον πιϑανό ρόλο τους στην επίλυση σύνϑετων, NP-complete προβληµάτων.
Finetuning of open source LLMs for specific domains
(2024-03-07) Stavropoulos, Christos; Σταυρόπουλος, Χρήστος; Athens University of Economics and Business, Department of Informatics; Vrontos, Ioannis; Androutsopoulos, Ion; Vassalos, Vasilios
Τα μεγάλα γλωσσικά μοντέλα επιδεικνύουν εξαιρετικές δυνατότητες στην κατανόηση της γλώσσας, παρουσιάζοντας υψηλές επιδόσεις σε διάφορες εργασίες επεξεργασίας φυσικής γλώσσας. Ωστόσο, η απόδοσή τους συχνά μειώνεται σε εξειδικευμένους τομείς, όπως το δίκαιο, η υγειονομική περίθαλψη και τα οικονομικά, λόγω της εξειδικευμένης ορολογίας και της σύνθετης χρήσης της γλώσσας σε αυτούς τους τομείς. Η απόδοσή τους μπορεί να βελτιωθεί περαιτέρω προσαρμόζοντας αυτά τα μοντέλα σε συγκεκριμένους τομείς ή εργασίες μέσω μιας διαδικασίας που ονομάζεται finetuning. Στη παρούσα διπλωματική θα ερευνήσουμε την δυνατότητα αναπαραγωγής προσαρμοσμένων μοντέλων στα χρηματοοικονομικά, διερευνάμε επίσης πιθανές βελτιώσεις και αξιολογούμε την αποτελεσματικότητα της προσαρμογής. Τέλος θα εξετάσουμε τις δυνατότητες προσαρμογής στον τομέα του Ανθρώπινου Δυναμικού.
Human computer interaction and intelligent agents
(1997-09-30) Κουτσαμπάσης, Παναγιώτης; Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής; Δαρζέντας, Ιωάννης
Η εργασία αυτή ερευνά τις θεωρίες, αρχιτεκτονικές και τεχνολογίες των intelligent agents σε σχέση με την αλληλεπίδραση ανθρώπου - υπολογιστή σε ένα περιβάλλονδιαμεσολάβησης (brokerage environment). Το πρώτο κεφάλαιο της εργασίας είναι μια θεωρητική και τεχνολογική αναφορά στους intelligent agents γενικά. Αναφέρεται σε ορισμούς για intelligent agents και προσπαθεί να οργανώσει τις μέχρι τώρα θεωρίες, ορισμούς και σκέψεις, να αποκαλύψει τα κίνητρα πίσω από αυτά και να αναγνωρίσει τις πιο σημαντικές ιδιότητες που χαρακτηρίζουν έναν intelligent agent. Περιγράφει αρχιτεκτονικές των intelligent agents και προτείνει μια γενική intelligent agent αρχιτεκτονική. Τέλος αριθμεί τα πεδία εφαρμογών στα οποία έχουν χρησιμοποιηθεί intelligent agents ως τώρα. Περισσότερες λεπτομέρειες σχετικά με intelligent agents εφαρμογές και παραδείγματα, δίνονται στο παράρτημα της εργασίας. Το επόμενο κεφάλαιο επιχειρεί να διερευνήσει τους σκοπούς χρήσης των intelligent agents σε σχέση με τη γνωστική περιοχή της αλληλεπίδρασης ανθρώπου – υπολογιστή (Human - Computer Interaction). Συνοπτικά αναφέρεται στα τρέχοντα παραδείγματα διεπαφών (current interface paradigms) και αποκαλύπτει τις αδυναμίες τους. Στη συνέχεια συνοψίζει τις ερευνητικές προσπάθειες σε σχέση με τις ευφυείς διεπαφές (intelligent interfaces) και τους interface agents. Προτείνει τη χρήση των interaction agents ως ένα μέσο αλληλεπίδρασης μεταξύ χρηστών και ανοικτών εφαρμογών, εφαρμογών δηλαδή που χαρακτηρίζονται από μεγάλες μάζες διαθέσιμης στο χρήστη πληροφορίας και είναι προσβάσιμες σε μεγάλο αριθμό χρηστών με ποικίλες ικανότητες και προτιμήσεις, και αναγνωρίζει τις ιδιότητες που οι interaction agents έχουν σε σχέση με τις ευφυείς διεπαφές και τους interface agents. Επισημαίνονται θέματα για παραπέρα συζήτηση και έρευνα. Το επόμενο κεφάλαιο αναφέρεται συνοπτικά στην έννοια ενός συστήματος διαμεσολάβησης και αναλύει τις εργασίες (tasks) που εκτελούνται από το χρήστη και τον agent σε ένα τέτοιο σύστημα. Αναφέρεται στις δυσκολίες που εμφανίζονται κατά την αλληλεπίδραση και επιχειρεί να αναγνωρίσει τα στάδια της αλληλεπίδρασης στα οποία μπορεί να ενεργοποιηθεί ο agent. Η μεθοδολογία που χρησιμοποιείται για να οργανωθεί η γνώση σχετικά με την εργασία και να εντοπιστούν τα σημεία που ενεργοποιείται ο agent είναι η Knowledge Analysis of Tasks (KAT). Επισημαίνονται θέματα για παραπέρα συζήτηση και έρευνα. Το τελευταίο κεφάλαιο αναφέρεται στο σχεδίασμά του interaction agent. Αναγνωρίζονται τα βασικά συστατικά του στοιχεία ως προς την υλοποίηση και οι αλληλεπιδράσεις τους. Η μεθοδολογία που χρησιμοποιείται είναι η Object Oriented Analysis (ΟΟΑ). Η γνώση που χρησιμοποιεί ο interaction agent οργανώνεται σε γνώση με βάση το πεδίο εφαρμογής και την εργασία (domain and task knowledge), γνώση σχετική με το χρήστη (ικανότητες και προτιμήσεις) (user (capabilities and preferences) knowledge), και γνώση σχετική με το περιβάλλον του agent που εδώ είναι σχετική με το σύστημα διαμεσολάβησης (environment (brokerage system) knowledge). Δίνεται μια αναφορά σε ένα σενάριο συνόδου. Επισημαίνονται θέματα για παραπέρα συζήτηση και έρευνα.
Legal issues of artificial intelligence systems in cybersecurity
(2025-07-10) Nepyyvoda, Anna; Νεπιϊβοντα, Άννα; Vagena, Evangelia
Η παρούσα πτυχιακή εργασία αφορά τις νομικές προεκτάσεις της τεχνητής νοημοσύνης (ΤΝ) στον χώρο της κυβερνοασφάλειας, εξετάζοντας τη διττή της χρήση, τόσο ως μέσο επίθεσης όσο και μέσο προστασίας. Στα πλαίσια της εργασίας αναλύεται η αξιοποίηση τεχνολογιών ΤΝ από κακόβουλους φορείς για επιθέσεις phishing, δημιουργία deepfakes, διαρροή πληροφοριών και ανάπτυξη πολυμορφικού κακόβουλου λογισμικού. Παράλληλα, εξετάζονται οι αμυντικές εφαρμογές, όπως το Cyber Threat Intelligence, η ανίχνευση απειλών, η ανάλυση συμπεριφοράς, τα Συστήματα Ανίχνευσης/Πρόληψης Εισβολών (IDS/IPS) και η ανίχνευση phishing. Σκοπός της μελέτης είναι η συγκριτική νομική ανάλυση των ρυθμιστικών πλαισίων της Ευρωπαϊκής Ένωσης, των Ηνωμένων Πολιτειών και της Κίνας, ερευνώντας τα πλεονεκτήματα και τους περιορισμούς της προσέγγισης κάθε δικαιοδοσίας. Τα βασικά κείμενα στα οποία επικεντρώνεται η μελέτη είναι το AI Act, ο GDPR, η Οδηγία NIS2 και το Cyber Resilience Act στην Ε.Ε., το AI Bill of Rights, Executive Orders και Cyber Information Sharing Act στις Η.Π.Α., καθώς και οι Deep Synthesis και Generative AI Provisions και ο Νόμος της Κυβερνοασφάλειας στην Κίνα. Επιπλέον, η μελέτη εξετάζει τις νομικές επιπτώσεις μέσα από υποθετικά σενάρια, διερευνώντας την διαφοροποίηση της εφαρμογής του δικαίου ανάλογα με το εκάστοτε νομικό σύστημα. Η ανάλυση αυτή πλαισιώνεται από προτάσεις που στοχεύουν στην ενίσχυση της νομικής σαφήνειας και στην προώθηση της υπεύθυνης χρήσης της τεχνητής νοημοσύνης στον κυβερνοχώρο. Με αυτόν τον τρόπο, η εργασία επιδιώκει να συμβάλει ουσιαστικά στον σύγχρονο διάλογο γύρω από την τεχνητή νοημοσύνη και το δίκαιο του κυβερνοχώρου, αναδεικνύοντας την ανάγκη για ισχυρά και ευέλικτα νομικά πλαίσια που συμβαδίζουν με τις ταχείς τεχνολογικές εξελίξεις.
Neural architectures for question answering in dialogs
(2022-12-14) Σφακιανάκης, Παντελεήμων; Sfakianakis, Panteleimon; Athens University of Economics and Business, Department of Informatics; Androutsopoulos, Ion; Papastamoulis, Panagiotis; Vassalos, Vasilios
Τα τελευταία χρόνια, το Conversational Question Answering (CQA) αποτελεί ενα πεδίο το οποίο έχει αποκτήσει δημοτικότητα στον τομέα της Επεξεργασίας Φυσικής Γλώσσας. Κυρίαρχο ρόλο σε αυτό διαδραμάτισε η δημιουργία μεγάλης κλίμακας συνόλων δεδομένων με συζητήσεις ερωτοαπαντήσεων οπως το QuaC και το CoQΑ. To CQA καλεί το μηχάνημα να “καταλάβει" ένα δοσμένο κείμενο και να συμμετάσχει σε ένα διάλογο. Αυτό αποτελεί μια προέκταση του κλασικού συστήματος ερωτοαπαντήσεων το οποίο απευθύνεται σε μια ερώτηση κάθε φορά, με τη διαφορά ότι στην περίπτωση του CQA πρέπει να μοντελοποιηθεί και η ιστορία της συζήτησης. Σε αυτή τη διπλωματική, θα συζητηθεί ένα μοντέλο ολικής μοντελοποίησης της ιστορίας (GHR model). Τα μοντέλα που χρησιμοποιήθηκαν στα πειράματα μας είναι πολύ μεγάλα προεκπαιδευμένα μοντέλα όπως το BERTLarge και το RoBERTALarge. Προκειμένου να κάνουμε τη διαδικασία της εκπαίδευσης των παραμέτρων πιο αποδοτική, χρησιμοποιήθηκαν οι bottleneck adapters. Οι bottleneck adapters είναι στρώματα (layers) τα οποία εισάγονται μέσα στα block των transformer μοντέλων. Κατά τη διάρκεια της εκπαίδευσης, όλοι οι παράμετροι από το transformer μοντέλο παραμένουν παγωμένοι χωρίς να μεταβάλλονται και ανανεώνονται μόνο τα στρώματα των bottleneck adapters. Η εκπαίδευση του GHR μοντέλου με BERTLarge και RoBERTaLarge επιτυγχάνει 68.5 και 72.9 F1 αντίστοιχα. Με τη χρήση των adapters το F1 γίνεται 67.6 για το BERTLarge και 73.6 για το RoBERTaLarge. Επομένως, με τη χρήση των adapters καταφέραμε να έχουμε μια παρόμοια επίδοση για το BERT μοντέλο και βελτιωμένα αποτελέσματα για το RoBERTa μοντέλο χρησιμοποιώντας σημαντικά λιγότερες παραμέτρους. Πρέπει να σημειωθεί ότι τα παραπάνω αποτελέσματα αναφέρονται στο development set του QuAC, το οποίο αποτελεί το σύνολο δεδομένων που χρησιμοποιήσαμε για τα πειράματα μας. Το καλύτερο μας μοντέλο με ενσωματωμένους τους adapters έχει υποβληθεί για επίσημη αξιολόγηση στο hidden test set του QuAC.
Residential energy consumption optimization through reinforcement learning
(2023-12-01) Διαμαντόπουλος-Πανταλέων, Οδυσσεύς; Diamantopoulos-Pantaleon, Odyssefs; Athens University of Economics and Business, Department of Informatics; Koutsopoulos, Iordanis; Siris, Vasileios; Polyzos, George
Προτείνουμε έναν νέο Residential Energy Managers (REMs) που προτείνει στον χρήστη ενέργειες για ολόκληρο το νοικοκυριό. Για να είμαστε πιο ακριβείς, ο REM βλέπει την κατάσταση κάθε ηλεκτρικής συσκευής εντός της κατοικίας μαζί με πολλά συγκεκριμένα χαρακτηριστικά για κάθε μία από τις συσκευές, όπως το ενεργειακό κόστος και η διάρκεια λειτουργίας της, και στη συνέχεια κάνει μια πρόταση με βάση την τρέχουσα τιμή της ηλεκτρικής ενέργειας και τις συνήθειες του χρήστη για όλες τις συσκευές. Για τη δημιουργία του REM χρησιμοποιούμε το Reinforcement learning (RL), το οποίο επιδιώκει να μεγιστοποιήσει την έννοια της σωρευτικής ανταμοιβής και να εξηγήσει τον τρόπο με τον οποίο οι ευφυείς πράκτορες οφείλουν να εκτελούν ενέργειες σε ένα περιβάλλον. Το RL είναι ιδιαίτερα χρήσιμο όταν εφαρμόζεται σε πολύπλοκα και δυναμικά περιβάλλοντα, όπως τα νοικοκυριά, λόγω των διαφόρων τύπων και αριθμών συσκευών που συναντώνται. Επιπλέον, κάθε κάτοικος έχει μοναδική προσωπικότητα και συνήθειες συμπεριφοράς, γεγονός που αυξάνει περαιτέρω την πολυπλοκότητα. Επίσης, προτείνουμε και διαθέτουμε ελεύθερο κώδικα, σε αντίθεση με άλλους στη βιβλιογραφία, ένα γενικευμένο περιβάλλον που χρησιμοποιεί το RL και διατηρεί βασικές παραμέτρους που μπορούν να εφαρμοστούν σχεδόν σε όλα τα σενάρια πραγματικών περιπτώσεων, το οποίο μπορεί να λειτουργήσει ως βάση πάνω στην οποία οι μελλοντικοί ερευνητές μπορούν να δημιουργήσουν τα δικά τους σενάρια. Επιπλέον, πειραματιζόμαστε με πολλούς αλγορίθμους τελευταίας τεχνολογίας όπως ο A2C, ο PPO και ο MARWIL σε τέσσερα διαφορετικά νοικοκυριά με διαφορετική πολυπλοκότητα, που δημιουργήθηκαν με βάση την προσέγγισή μας. Μέσω των εκτεταμένων πειραμάτων μας με διάφορα διαστήματα λήψης αποφάσεων, μήκη επεισοδίων και διαφορετικούς αλγορίθμους RL, καταλήγουμε στο συμπέρασμα ότι ο πράκτορας MARWIL RL παρουσιάζει υποσχόμενες επιδόσεις στο πιο πολύπλοκο νοικοκυριό, μετατοπίζει με επιτυχία την κατανάλωση ενέργειας όταν χρειάζεται, κατανοεί πώς να χρησιμοποιεί διαφορετικούς τύπους συσκευών και καταφέρνει να προσαρμόζεται στον κάτοικο.
Tuples-DMM: a retrieval-enhanced concept-driven guided decoding algorithm
(2024-10-25) Plavos, Dimosthenis; Πλαβός, Δημοσθένης; Pavlopoulos, Ioannis
Η αυτόµατη περιγραφή ιατριϰών ειϰόνων αποτελεί µια εξελισσόµενη διαδιϰασία στον τοµέα της Τεχνητής Νοηµοσύνης που περιλαµβάνει την αυτόµατη παραγωγή περιγραφιϰών λεζαντών για τέτοιες ειϰόνες. Ενισχύεται από τις προόδους στις τεχνολογίες απειϰόνισης ϰαι τον αυξανόµενο αριϑµό ασϑενών, τα οποία έχουν οδηγήσει στη δηµιουργία ενός µεγάλου αριϑµού αϰτινολογιϰών ειϰόνων στις µονάδες υγειονοµιϰής περίϑαλψης παγϰοσµίως. Η ανάλυση αυτών των ειϰόνων απαιτεί σηµαντιϰή ποσότητα χρόνου από τους ϰλινιϰούς ιατρούς, γεγονός που ϰαϑιστά την αυτοµατοποίηση αυτής της διαδιϰασίας ένα µέσο εξοιϰονόµησης χρόνου. Οι αυτόµατα δηµιουργούµενες λεζάντες µπορούν επίσης να χρησιµεύσουν ως εργαλεία για την ϰαϑοδήγηση της διαγνωστιϰής διαδιϰασίας ή την επιβεβαίωση των ευρηµάτων των ϰλινιϰών ιατρών. Η πτυχιαϰή αυτή εργασία επιϰεντρώνεται στην Παραγωγή ∆ιαγνωστιϰής Περιγραφής (Diagnostic Captioning), η οποία αναφέρεται στη δηµιουργία ϰειµενιϰών περιγραφών µε στόχο την αναγνώριση ϰαι µετάδοση διαγνωστιϰών πληροφοριών από ιατριϰές ειϰόνες. Για την υλοποίησή της, χρησιµοποιεί το σύνολο δεδοµένων ImageCLEFmedical 2023. Η προτεινόµενη µέϑοδος TuplesDMM βασίζεται στη µέϑοδο DMM (Distance from Median Maximum), που αποτελεί µια µεϑοδολογία Καϑοδηγούµενης Αποϰωδιϰοποίησης βασισµένη σε"ϰεντριϰές έννοιες" ϰαι παρουσιάστηϰε από τον Kaliosis ϰαι άλλους [Kal+24]. Η µέϑοδος DMM δηµιουργεί περιγραφές ενσωµατώνοντας ρητά ή άρρητα τις έννοιες που σχετίζονται µε µια ιατριϰή ειϰόνα, σύµφωνα µε τον τρόπο που αυτές οι έννοιες εϰπροσωπούνται στα παραδέιγµατα εϰπαίδευσης. Η µέϑοδος Tuples-DMM ϰαι οι τροποποιήσεις της στοχεύουν στην ανάϰτηση των πιο σχετιϰών δεδοµένων εϰπαίδευσης ϰαι την τροποποίηση του αλγορίϑµου DMM. Ο στόχος είναι η βελτίωση της ϰαϑοδηγούµενης δηµιουργίας µέσω της αποφυγής της επιρροής από δεδοµένα εϰπαίδευσης που αντιπροσωπεύουν άσχετα νοηµατιϰά ϑέµατα ϰαι της εστίασης σε σχετιϰά νοηµατιϰά δεδοµένα εϰπαίδευσης, προϰειµένου να επιτευχϑούν πιο αϰριβείς ϰαι νοηµατιϰά ουσιαστιϰές περιγραφές.
Ανάλυση μεθόδων βαθιάς μάθησης για την παραγωγή υψηλής ποιότητας αναπαραστάσεων λέξεων της ελληνικής γλώσσας
(2019-08-02) Λιουδάκης, Μιχαήλ; Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Λογιστικής και Χρηματοοικονομικής; Ανδρουτσόπουλος, Ίων; Γκρίτζαλης, Δημήτριος; Βαζιργιάννης, Μιχαήλ
Η Επεξεργασία Φυσικής Γλώσσας (ΕΦΓ) είναι ένας πολύ ενεργός κλάδος έρευνας της Τεχνητής Νοημοσύνης, η οποία τα τελευταία χρόνια έχει εξελιχθεί παράλληλα με την ανάπτυξη των νευρωνικών δικτύων και της βαθιάς μάθησης. Πολλές εφαρμογές της ΕΦΓ χρειάζονται ενθέσεις λέξεων για να πετύχουν τα καλύτερα δυνατά αποτελέσματα. Ωστόσο παρά την τεράστια πρόοδο των ενθέσεων λέξεων για την Αγγλική γλώσσα, υπάρχουν μόνο λίγες δημοσιευμένες εργασίες για τις ενθέσεις λέξεων της Ελληνικής γλώσσας. Η παρούσα διπλωματική στοχεύει στην παραγωγή υψηλής ποιότητας αναπαραστάσεων λέξεων για την Ελληνική γλώσσα. Επιπρόσθετα, προτείνεται μια νέα μέθοδος για την παραγωγή ενθέσεων λέξεων. Η μέθοδος Continuous Bag-of-Skip-grams (CBOS) συνδυάζει τις δύο πιο δημοφιλείς προσεγγίσεις για την εκμάθηση αναπαράστασης λέξεων: Continuous Bag-of-Words (CBOW) και Skip-gram. Αυτές οι μέθοδοι μαζί με την position-dependent CBOW συγκρίνονται μέσω της μετρικής word analogy σε τρεις διαφορετικές πηγές δεδομένων: το κείμενο της Αγγλικής Wikipedia, το κείμενο της Ελληνικής Wikipedia, και το περιεχόμενο του Ελληνικού Παγκόσμιου Ιστού. Συγκρίνοντας αυτές τις μεθόδους μεταξύ διαφορετικών σετ δεδομένων, γίνεται φανερό πως η μέθοδος CBOS πετυχαίνει επίδοση τελευταίας τεχνολογίας.
Ο κανονισμός GDPR και η επίδραση του στο Internet of Things. Η περίπτωση των Voice Assistants των Google, Amazon, Apple και Samsung και η προστασία των δεδομένων των χρηστών τους
(2022-07-29) Στασινάκης, Ιωάννης; Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής; Στεργιόπουλος, Γεώργιος; Γκρίτζαλης, Δημήτριος; Μήτρου, Ευαγγελία
Η παρούσα διπλωματική εργασία εκπονήθηκε στα πλαίσια του Προγράμματος Μεταπτυχιακών Σπουδών «Ανάπτυξη και Ασφάλεια Πληροφοριακών Συστημάτων» του Οικονομικού Πανεπιστημίου Αθηνών υπό την επίβλεψη της καθηγήτριας Κας Μήτρου Ευαγγελίας.Σκοπός της εργασίας είναι η μελέτη των ζητημάτων που ανακύπτουν από την ενσωμάτωση και τη χρήση των Voice Assistants, στα ελληνικά Φωνητικών Βοηθών (ΦΒ), οι οποίες αποτελούν καινοτόμα λογισμικά Τεχνητής Νοημοσύνης (ΤΝ), τα οποία προσφέρουν πληθώρα υπηρεσιών, καθημερινά στον άνθρωπο. Μια από τις κύριες λειτουργίες των λογισμικών αυτών είναι η δυνατότητα που παρέχουν στον χρήστη να ελέγχει, κυριολεκτικά από κάθε σημείο του πλανήτη, πολύπλοκα και εκτενή συστήματα του Διαδικτύου των Αντικειμένων (Internet of Things – IoT), τα οποία συναντούμε καθημερινά με την μορφή «έξυπνων» συσκευών όπως για παράδειγμα συστήματα φωτισμού, ηχεία, τηλεοράσεις, φορητές συσκευές κλπ.Τα ζητήματα που εξετάζουμε αφορούν την προστασία των δεδομένων προσωπικού χαρακτήρα των χρηστών που συλλέγουν και επεξεργάζονται τα σύνθετα αυτά οικοσυστήματα που ελέγχονται μέσω των Φωνητικών Βοηθών και αποτελούν υψίστης σημασίας, σημεία προβληματισμού, λόγω της βαρύτητας που αποδίδει η Ευρωπαϊκή Ένωση στην προστασία των προσωπικών δεδομένων των πολιτών της, όπως αυτή εκφράζεται μέσω του Γενικού Κανονισμού Προστασίας Δεδομένων (ΓΚΠΔ – GDPR – General Data Protection Regulation), αλλά και της εμπιστοσύνης που θα πρέπει να χτιστεί υπέρ αυτών των καινοτόμων συστημάτων, ώστε η Ευρώπη να καταστεί ηγέτιδα δύναμη στις τεχνολογίες της νέας ψηφιακής εποχής.Η δομή της εργασίας εξυπηρετεί την μελέτη και εξαγωγή συμπερασμάτων επί της προστασίας των δεδομένων προσωπικού χαρακτήρα μέσω της κατανόησης των δυο τεχνολογιών, ΙοΤ και Τεχνητή Νοημοσύνη, υπό το πρίσμα του ΓΚΠΔ (GDPR).
Προσωποποιημένη φαρμακευτική φροντίδα με τη βοήθεια της τεχνητής νοημοσύνης: μια προοπτική servitization
(2025-02-15) Καρατζόγλου, Κωνσταντία; Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής; Σιώμκος, Γεώργιος; Καρδαράς, Δημήτριος; Τσόγκας, Μάρκος
Η παρούσα μελέτη εξετάζει την εφαρμογή της τεχνητής νοημοσύνης (ΤΝ) στη φαρμακευτική φροντίδα, με στόχο την ανάπτυξη ενός εξατομικευμένου μοντέλου παροχής υπηρεσιών φαρμακείου μέσω της έννοιας του servitization, δηλαδή της μετατροπής προϊόντων σε υπηρεσίες. Αναλύει τη συμβολή της ΤΝ στην εφαρμογή εξατομικευμένων θεραπευτικών προγραμμάτων και στη βελτίωση της ποιότητας της φαρμακευτικής φροντίδας. Η μελέτη εξετάζει τις εφαρμογές της ΤΝ στον τομέα της υγείας, εστιάζοντας στην ανάλυση δεδομένων και την ανάπτυξη εξατομικευμένων στρατηγικών. Επίσης, αναλύει την αποδοχή και υιοθέτηση αυτών των καινοτομιών από τους χρήστες των υπηρεσιών υγείας στην Ελλάδα, αναδεικνύοντας τη δυνατότητα της ΤΝ να βελτιώσει τη διαχείριση χρόνιων παθήσεων και να υποστηρίξει εξατομικευμένες φαρμακευτικές υπηρεσίες. Η έρευνα βασίζεται σε ποσοτική μεθοδολογία και χρησιμοποιεί ερωτηματολόγιο με δείγμα 100 ατόμων που ζούνε στην Ελλάδα, αναλύοντας την καθημερινή επαφή με τα φαρμακεία, την αποδοχή των ψηφιακών υπηρεσιών και την ανταπόκριση στη χρήση προσωπικών δεδομένων μέσω έξυπνων συσκευών.
Σχεδιασμός και υλοποίηση πρότυπης διεπαφής μάθησης, για την επεξεργασία εντολών κίνησης σε φυσική γλώσσα (Ελληνική)
(1997-09-30) Τρικκαλίδης, Δημήτριος; Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής; Κόντος, Ιωάννης
Η παρούσα εργασία αφορά στην θεωρητική και πρακτική μελέτη τεχνικών που μπορούν να χρησιμοποιηθούν για την υλοποίηση επεκτάσιμων διεπαφών (interfaces) για την επικοινωνία του ανθρώπου με σύνθετα πληροφοριακά συστήματα. Είναι επιθυμητό η επικοινωνία αυτή να γίνεται σε φυσική γλώσσα, κατεύθυνση στην οποία έχουν στραφεί αρκετοί ερευνητές, κυρίως του χώρου της Τεχνητής Νοημοσύνης Αν και η προσπάθεια αυτή έχει τις ρίζες της αρκετά χρόνια πριν, η πρόοδος που έχει γίνει μέχρι τώρα, δεν απέφερε τα επιθυμητά αποτελέσματα ώστε να μιλάμε για σημαντικό αριθμό ευρέως διαδεδομένων και εμπορικών συστημάτων.
Σχεδιασμός, αρχιτεκτονική και ανάπτυξη πρωτοτύπου intelligent agent ειδοποίησης, σε περιβάλλοντα που χαρακτηρίζονται από μαζική παραγωγή πληροφορίας
(1998-01-30) Θεοδωρόπουλος, Βασίλης; Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής; Δαρζέντας, Ιωάννης

Περιήγηση

Πλοήγηση Τμήμα Πληροφορικής ανά Θέμα "Artificial Intelligence (AI)"