Πώς άραγε μπορεί να κάνει κανείς λόγο για την τεχνητή νοημοσύνη; Ας ξεκινήσουμε με μια αλληγορία: στην πρώτη σκηνή της ταινίας 2001: Η Οδύσσεια του Διαστήματος του Stanley Kubrick βρισκόμαστε σε μια άνυδρη και βραχώδη χώρα, μέσα σε μια αχανή, απροσδιόριστη έρημο. Εκεί, μια κοινότητα αρχέγονων ανθρωποειδών ζει υπό το κράτος του φόβου. Περιφέρονται στα τέσσερα πόδια τους, σε κατάσταση μοναξιάς και απορίας, ψάχνοντας κάτι- κανείς μάλλον δεν ξέρει τι.
Ξαφνικά, ταυτόχρονα με την ανατολή του ηλίου, ένα εκ των ανθρωποειδών πιάνει ένα κόκαλο ζώου που είναι πεσμένο στην έρημο. Υπό τους ήχους του “Also sprach Zarathustra” του Richard Strauss αρχίζει, χωρίς εμφανή λόγο, να το χτυπά στο έδαφος. Μετά από λίγο, το χτύπημα γίνεται μανιώδες. Το χέρι που κρατά το κόκαλο, ή ίσως το χέρι- προέκταση του κοκάλου, υψώνεται στον ουρανό και ξαναπέφτει κάτω με ολοένα μεγαλύτερη ισχύ. Το ανθρωποειδές έχει πια σηκωθεί στα δύο του πόδια. Πετά το εργαλείο ψηλά και αυτό ταξιδεύει στον αιθέρα και στην Ιστορία. Με το αριστουργηματικό μοντάζ του Kubrick, το ιπτάμενο κόκαλο γίνεται πια διαστημόπλοιο. Κοινή τους καταγωγή, τα ανθρώπινα χέρια.
Τι θέλει άραγε να μας πει ο Kubrick σε αυτή τη σκηνή; Πρώτα – πρώτα, ότι ο άνθρωπος και το τεχνικό εργαλείο έχουν έναν κοινό τόπο γένεσης. Ο άνθρωπος εφήυρε το εργαλείο για να οικοδομήσει την ιστορική του κοινότητα, από την άλλη όμως το εργαλείο είναι που τον κατέστησε υποκείμενο, τον σήκωσε, ούτως ειπείν, στα δύο του πόδια. Για τον Kubrick, υποκείμενο και αντικείμενο γεννήθηκαν εν ταυτώ στην ίδια και την αυτή πράξη δημιουργίας. Κατά δεύτερο λόγο, ο Kubrick μας λέει ότι, κόκαλο και διαστημόπλοιο είναι εργαλεία ομόρριζα, λέξεις και πράγματα ίδιου γένους, του γένους του οργάνου, του εργαλείου, του εξοπλισμού. Ταξιδεύοντας στους αιθέρες, τα δύο αυτά μακρόστενα, λευκά εργαλεία γειτνιάζουν σε έναν κοινόχρηστο για αυτά τόπο.
Αυτή η δεύτερη παρακινδυνευμένη ιδέα του σκηνοθέτη είναι, για τους περισσότερους από εμάς, ανοίκεια, σχεδόν σκανδαλώδης. Αντιστεκόμαστε στην υπαρκτική κοινότητα του κοκάλου με το διαστημόπλοιο, όπως, σε τελική ανάλυση, και στην κοινότητα του κοκάλου με την τεχνητή νοημοσύνη. Η τεχνητή νοημοσύνη άλλωστε δεν είναι καν ένα υλικό αντικείμενο, δεν πληροί δηλαδή τις προϋποθέσεις ενός τυπικού εργαλείου.
Διότι, η τεχνητή νοημοσύνη δεν είναι ούτε άνθρωπος αλλά ούτε και το Άλλο του ανθρώπου, είναι σχεδόν άνθρωπος. Και αυτό το σχεδόν, ο ενδιάμεσος δηλαδή χώρος του όντος μεταξύ ανθρώπινου και μη-ανθρώπινου, είναι ίσως και ο πιο μυστηριακός.
Σε αυτή την σχεδόν αχαρτογράφητη για τη σκέψη περιοχή αποφασίσαμε να βυθιστούμε σήμερα.
Τι είναι η τεχνητή νοημοσύνη;
Κάπως ειρωνικά, είπαμε να ρωτήσουμε το Chat GPT, μια εφαρμογή διαλόγου υποβοηθούμενη από τεχνητή νοημοσύνη, σχετικά με το τι είναι η τεχνητή νοημοσύνη. Μας απαντά: “Η τεχνητή νοημοσύνη (Artificial Intelligence – AI) είναι ένας κλάδος της επιστήμης των υπολογιστών που ασχολείται με τη δημιουργία συστημάτων και μηχανών ικανών να μιμούνται ή να προσομοιώνουν ανθρώπινες νοητικές λειτουργίες“. Ο βασικός της τρόπος λειτουργίας είναι η αφομοίωση και επεξεργασία ενός τεράστιου όγκου δεδομένων μέσω των οποίων εκπαιδεύεται, κάτι που έχει ως αποτέλεσμα να αναγνωρίζει γλωσσικά και νοηματικά μοτίβα, να εντοπίζει τα ομιλιακά ενεργήματα, να επιλύει προβλήματα ή και να προβλέπει μελλοντικές τάσεις.
Και πράγματι, η τεχνητή νοημοσύνη σήμερα είναι εξελιγμένη σε τέτοιο σημείο ώστε να εκτελεί άμεσα και σε πραγματικό χρόνο, καθήκοντα που παραδοσιακά θα ασκούσε ένας άνθρωπος. Τα βασικότερα εξ αυτών των καθηκόντων είναι η Μηχανική Μάθηση (Machine Learning), η Βαθιά Μάθηση (Deep Learning) και η Επεξεργασία Φυσικής Γλώσσας (Natural Language Processing ή NLP).
Μηχανική Μάθηση (Machine Learning)
Η Μηχανική Μάθηση είναι μία λειτουργία και ένα υποπεδίο της τεχνητής νοημοσύνης που έχει ως στόχο της την εκπαίδευση ενός υπολογιστή, μέσω της εισαγωγής σε αυτόν, μεγάλου όγκου δεδομένων. Αντί οι υπολογιστές αυτοί να προγραμματίζονται με ρητό τρόπο, εκπαιδεύονται με την εμπειρία και την εξάσκηση στην επεξεργασία των δεδομένων, ένας τρόπος εκμάθησης που ομοιάζει προς τον τρόπο με τον οποίο διδάσκονται και τα ανθρώπινα όντα μια νέα δεξιότητα.
Στη μηχανική μάθηση, οι υπολογιστές εμβολιάζονται με δεδομένα από τα οποία καλούνται να εξάγουν μοτίβα και επαναλαμβανόμενες συσχετίσεις που τους βοηθούν να λαμβάνουν αποφάσεις ή να προβλέπουν τάσεις και γεγονότα ενημερωμένα από πολυποίκιλα και ετερογενή δεδομένα.
Η μηχανική μάθηση έχει ήδη καταλάβει διάφορες εφαρμογές, από την Ιατρική και την Εκπαίδευση μέχρι την Ψυχαγωγία και τις τραπεζικές συναλλαγές, ενεργώντας ως διαμεσολαβητής μεταξύ του προγράμματος και του χρήστη.
Βαθιά Μάθηση (Deep Learning)
Η Βαθιά Μάθηση μοιάζει με τη Μηχανική, όμως διαφέρει σε περιπλοκότητα και επεξεργασία των δεδομένων. Ονομάζεται βαθιά επειδή εμπεριέχει πολλά επίπεδα του νευρωνικού δικτύου και μαζικούς όγκους πολύπλοκων και ανόμοιων δεδομένων. Αυτό σημαίνει ότι επεξεργάζεται μια μεγαλύτερη ποσότητα “στρωμάτων” πληροφορίας, διεξερχόμενη την πληροφορία από το γενικό προς το ειδικό, κάτι το οποίο στον κλάδο της Συμβολικής Λογικής θα ονομάζαμε “παραγωγική σκέψη” (με αντίθετό της την επαγωγική σκέψη, η οποία κινείται από το ειδικό στο γενικό).
Έτσι, εάν ανεβάζαμε μια φωτογραφία φυσικού τοπίου σε εφαρμογή που χρησιμοποιεί τη λειτουργία της βαθιάς μάθησης και της ζητούσαμε να εντοπίσει μία αγελάδα, το πρόγραμμα θα αντιλαμβανόταν πρώτα το ανώτερο γένος του “ζώου”, έπειτα το “θηλαστικό” και, τέλος, θα εντόπιζε τελικά την αγελάδα που αιτηθήκαμε να βρει.
Επεξεργασία Φυσικής Γλώσσας (NLP)
Η λειτουργία NLP (Natural Language Processing) αναφέρεται στον τρόπο που οι μηχανές αντιλαμβάνονται και κατανοούν την ανθρώπινη γλώσσα, με παρόμοιο τρόπο με την οποία την κατανοεί μια ανθρώπινη γλωσσική κοινότητα. Το NLP είναι ένα υποσύνολο της τεχνητής νοημοσύνης που όμως συνδυάζει λειτουργίες όπως η Μηχανική και η Βαθιά Μάθηση που αναφέραμε παραπάνω με εργαλεία όπως ένα στατιστικό μοντέλο.
Ο συνδυασμός αυτός βοηθά έναν υπολογιστή να επεξεργαστεί τη φυσική γλώσσα, γραπτά και προφορικά, και τελικά να την κατανοήσει. Με τον όρο “κατανόηση της γλώσσας” σε αυτό το συγκείμενο, εννοούμε ότι η λειτουργία της Επεξεργασίας Φυσικής Γλώσσας αναγνωρίζει τόσο τη σημασιολογική πτυχή των λέξεων, όσο και το αίσθημα και την πρόθεση (sentiment και intent αντίστοιχα) πίσω από τις λέξεις.
Οι διάφοροι ήχοι και λέξεις μεταφράζονται, στη συγκεκριμένη λειτουργία, σε έναν κώδικα που ένας υπολογιστής μπορεί να συλλάβει. Για παράδειγμα, στο sentiment analysis (ανάλυση αισθήματος), που αποτελεί τυπικό παράδειγμα για τον τρόπο λειτουργίας του NLP, τα μοντέλα machine learning εκπαιδεύονται με σκοπό την ταξινόμηση ενός γραπτού ή προφορικού κειμένου επί τη βάση του συναισθήματος που το διακατέχει (χαρά, λύπη, ουδετερότητα κτλ).
Τεχνητή Νοημοσύνη: θετικά και αρνητικά
Ανακεφαλαιώνοντας, θα μπορούσαμε να συμπυκνώσουμε την έννοια της τεχνητής νοημοσύνης στην ικανότητα μιας μηχανής να αναπαράγει τις ανθρώπινες γνωστικές λειτουργίες, όπως είναι η μάθηση, η απόφαση, η πρόβλεψη και η δημιουργικότητα. Εάν τη στοχαστούμε σύμφωνα με την ίδια τη χρήση της, εμφανίζει, όπως κάθε εργαλείο, χαρακτηριστικά θετικά και αρνητικά.
Σύμφωνα με τις μέχρι τώρα εκτιμήσεις, στα θετικά της τεχνητής νοημοσύνης σημειώνονται τα εξής:
- Αποτελεσματικότητα στην εργασία: η τεχνητή νοημοσύνη φαίνεται ότι έχει εν πολλοίς αυτοματοποιήσει διάφορες κατά τα άλλα χρονοβόρες εργασίες, οι οποίες σε άλλη περίπτωση θα κατανάλωναν πολύ χρόνο αλλά και πόρους. Τέτοιες εργασίες μπορεί να είναι η βιομηχανία των προϊόντων, όπως η τεχνητή νοημοσύνη αναλαμβάνει τόσο την παραγωγή όσο και τον ποιοτικό έλεγχο, αλλά και άλλες υπηρεσίες όπως η εξυπηρέτηση πελατών, την οποία έχουν σε αμέτρητες περιπτώσεις καταλάβει τα chatbots.
- Βελτίωση του Συστήματος Υγείας: αν και ακόμη σε εμβρυακό στάδιο, η Τεχνητή Νοημοσύνη έχει ήδη δείξει τις δυνατότητες και τις προοπτικές της στη διάγνωση και την πρόβλεψη ασθενειών. Ακόμη, υποστηρίζει την πορεία προς την εξατομίκευση της υγείας, καθώς, με τη χρήση μεγάλων βάσεων δεδομένων, αποθηκεύει το ατομικό ιατρικό ιστορικό και καθιστά την ιατρική πρακτική και τη χορήγηση φαρμάκων πιο ασφαλή.
- Ανάλυση Μεγάλων Δεδομένων (Big Data Analysis): Τα Μεγάλα Δεδομένα ή Big Data είναι οι τεράστιες ποσότητες δεδομένων που συλλέγει η τεχνητή νοημοσύνη από πολλαλές πηγές. Μια τέτοια ταχύτατη συλλογή και επεξεργασία βοηθά την τεχνητή νοημοσύνη να προβλέπει μελλοντικά φαινόμενα, για παράδειγμα στον τομέα της Μετεωρολογίας.
Μαζί με τα θετικά στοιχεία κάθε νέας εφεύρεσης, είναι σημαντικό να αναγνωρίζονται ταυτόχρονα τα αρνητικά και οι κίνδυνοι που ελλοχεύουν. Παρόλο που η τεχνητή νοημοσύνη δεν είναι ακόμη τόσο προηγμένη ώστε να εκδιπλώσει πλήρως τις δυνατότητές της, θα λέγαμε ότι φέρει τα εξής αρνητικά:
- Απώλεια Εργασίας: Κάθε νόμισμα φυσικά έχει δύο πλευρές. Αν, μετρώντας τα θετικά της τεχνητής νοημοσύνης, είπαμε ότι το καθεστώς αυτοματοποίησης επιτάχυνε την εργασία και την κατέστησε πιο αποδοτική, κάτι τέτοιο φέρει και αρνητικό χαρακτήρα: το μεγαλείο της εικόνας ενός ρομπότ που παράγει και συσκευάζει ένα ζευγάρι παπούτσια σε γραμμή παραγωγής σημαίνει, από την άλλη πλευρά, ότι ένας εργάτης έχασε τη δουλειά του.
- Τεχνολογική κοινοτοπία: Κάποιες φορές, ο μεγάλος κίνδυνος της ανθρωπότητας δεν είναι κάτι τερατώδες, αλλά κάτι απλώς ανιαρό. Η εξάρτηση πολλών δημιουργών (είτε κειμένων είτε σεναρίων είτε μουσικής) από την τεχνητή νοημοσύνη είναι συνώνυμη της κοινοτοπίας και της απουσίας δημιουργικότητας. Σήμερα, ολοένα και περισσότερο διαβάζουμε κείμενα ή “καταναλώνουμε περιεχόμενο”, όπως αρεσκόμαστε να το κατονομάζουμε σήμερα, που ναι μεν χαρακτηρίζεται από γραμματική και νοηματική ορθότητα, όμως του λείπει εντελώς η πρωτοτυπία ή ακόμη και το σφάλμα ή το ψεύδος- ανθρώπινα, πολύ ανθρώπινα στοιχεία της γλώσσας μας.
Η τεχνητή νοημοσύνη στις επιστήμες του ανθρώπου
Υπό μία άλλη οπτική, τα θετικά και τα αρνητικά ενός εργαλείου ή ισχυρισμοί όπως “Το θέμα είναι αν κάνουμε ηθική ή ανήθικη χρήση του εργαλείου” δεν έχουν καμία σημασία. Σε μια πιο θεμελιώδη δηλαδή ανάλυση του ζητήματος, η τελική απόφαση δεν έχει να κάνει με τον τρόπο χρήσης ή το ζύγισμα των θετικών και αρνητικών στοιχείων, αλλά με την ίδια την προοπτική κατασκευής και λειτουργίας.
Ο σύγχρονός μας φιλόσοφος Hubert Dreyfus, ο οποίος μεταξύ άλλων θεμάτων έχει ασχοληθεί με τη Φιλοσοφία της Τεχνολογίας και με την Τεχνητή Νοημοσύνη, υποστηρίζει ότι το μέλλον της ανθρωπότητας, εάν συνεργαστεί στενά με την τεχνητή νοημοσύνη, προβλέπεται μάλλον δυσοίωνο. Η θέση του αυτή στηρίζεται στο γεγονός ότι η ανθρώπινη γλώσσα και οι γνωστικές ικανότητες δε στηρίζονται σε μια μορφολογική- συμβολική ρύθμιση, αλλά κυρίως σε ασυνείδητες λειτουργίες, τις οποίες η τεχνητή νοημοσύνη δεν δύναται να συλλάβει και παραγνωρίζει.
Με αυτή την έννοια, ο άνθρωπος δεν αναπαριστά συμβολικά την πραγματικότητά του, αλλά υπάρχουν και υπο-συμβολικά επίπεδα στα οποία κρύβεται η βαθύτερη ουσία των ανθρώπινων παραστάσεων, κοινωνικών δεσμών, λέξεων και συγκινήσεων.
Παρόλα αυτά και πέραν της κριτικής, η τεχνητή νοημοσύνη έχει ήδη εισχωρήσει όχι μόνο στην εξυπηρέτηση πελατών ή στις βιομηχανίες, αλλά και στις Επιστήμες του Ανθρώπου, όπως το Δίκαιο, η Εκπαίδευση και οι Καλές Τέχνες. Και για να διατηρήσουμε ακόμη και μια κριτική στάση απέναντί της, οφείλουμε να γνωρίζουμε τις ειδικές εφαρμογές της.
Τεχνητή Νοημοσύνη και Δίκαιο
Ο κλάδος του Δικαίου που μελετά την Τεχνητή Νοημοσύνη έχει ήδη επισημοποιηθεί ως γνωστικός και ακαδημαϊκός τομέας, καθώς τμήματα πανεπιστημίων ανά την Ελλάδα και τον υπόλοιπο κόσμο προσφέρουν αντίστοιχα μαθήματα, μεταπτυχιακά προγράμματα και σεμινάρια. Και, όπως είναι γνωστό, κάθε νέα εφαρμογή ξεκινά από τους ακαδημαϊκούς κόλπους της διανομής της γνώσης.
Το πρώτο δικαιικό ζήτημα που σκεφτόμαστε όταν ερευνούμε τη νομική υπόσταση της τεχνητής νοημοσύνης, είναι, αναμφίβολα, το ζήτημα της πνευματικής ιδιοκτησίας. Σε ένα έργο, όπως ένα κείμενο, μια μουσική παραγωγή ή ένα σενάριο μυθοπλασίας υποβοηθούμενο από την τεχνητή νοημοσύνη, ποιος άραγε έχει την πνευματική κυριότητα; Ανήκει άραγε το έργο στον προγραμματιστή της εφαρμογής, στον χρήστη ή στην ίδια την τεχνητή νοημοσύνη ως άυλη οντότητα;
Τα ερωτήματα αυτά θέλουν ιδιαίτερο δικαιικό χειρισμό γιατί είναι πράγματι φορείς μεγάλων προκλήσεων. Από την άλλη, στο πεδίο της τέχνης και της πνευματικής της ιδιοκτησίας, ίσως οδεύουμε πράγματι προς την εποχή του “θανάτου του συγγραφέα“, της πανταχού παρουσίας και κατοχής δηλαδή του έργου από όλους και από κανέναν ταυτόχρονα, όπως συνέβαινε κάποτε με τις λαϊκές αφηγήσεις και τα δημοτικά τραγούδια.
Μια ακόμη ανησυχία στον κόσμο του Δικαίου σε σχέση με την τεχνητή νοημοσύνη είναι και η πιθανή παραβίαση του Γενικού Κανονισμού για την Προστασία των Προσωπικών Δεδομένων (GDPR), καθώς οι μεγάλες ποσότητες που επεξεργάζεται η ΑΙ μπορεί να σημαίνει και μια πιθανή εισβολή σε ευαίσθητες πληροφορίες.
Η ανησυχία αυτή συμπαρασύρει κάθε ερώτημα περί της ασφάλειας και της διαφάνειας, αλλά και περί της ίδιας της νομικής υπόστασης της τεχνητής νοημοσύνης. Σε μελλοντικό επίπεδο, θα μπορούσαμε να πούμε ότι η τεχνητή νοημοσύνη είναι ένα αυτοτελές νομικό πρόσωπο; Ειδικά αν έχει τη δυνατότητα να λαμβάνει σημαντικές πολιτικές, νομικές ή ιατρικές αποφάσεις χωρίς ανθρώπινη παρέμβαση, παραμένει ακόμη ένα εργαλείο που έχουμε καθυποτάξει ή γίνεται μια ακέραια νομική οντότητα που πρέπει να αναγνωριστεί δικαιικά ως τέτοια;
Τεχνητή Νοημοσύνη και Εκπαίδευση
Στην Εκπαίδευση πάλι, η Τεχνητή Νοημοσύνη καλλιεργεί μάλλον τις συνθήκες για μια πιο εξατομικευμένη διαδικασία μάθησης. Εφαρμογές όπως η Duolingo ή η Khan διαμορφώνουν το παράδοξο ενός εκπαιδευτικού περιβάλλοντος χωρίς εκπαιδευτικό, προσωποποιώντας εντελώς την εκπαίδευση ανάλογα με τους ρυθμούς μάθησης και τις ανάγκες κάθε εκπαιδευόμενου.
Οι εργασίες διορθώνονται σε πραγματικό χρόνο και εντελώς άμεσα, ενώ παράλληλα παρέχεται feedback στον μαθητή σχετικά με τις επιδόσεις του και τα σημεία που επιδέχονται βελτίωση. Ακόμη, σε περιπτώσεις όπου κάποιος εκπαιδευτικός κρύβεται πίσω από την εκπαιδευτική εφαρμογή, όπως στις περιπτώσεις ασύγχρονης εκπαίδευσης των σεμιναρίων της Coursera ή της UDemy, η γνώση είναι εγκεκριμένη από επαγγελματίες, οι οποίοι έχουν διαμορφώσει κατάλληλα το πρόγραμμα σπουδών, ώστε να δίνεται πρόσβαση σε μαθητές από όλα τα μέρη του κόσμου ή με δυσκολία στις μετακινήσεις.
Τεχνητή Νοημοσύνη και Τέχνη
Η Τέχνη, ως ένα από τα πιο ανθρώπινα πεδία του επιστητού, είναι εύλογο να δημιουργεί αντιδράσεις και, σε ορισμένες περιπτώσεις, καταστάσεις ηθικού πανικού, όταν συνεργάζεται με την τεχνητή νοημοσύνη. Η πιο ανακουφιστική λύση που δίνεται ως τώρα είναι μια λύση σύμπραξης τεχνητής νοημοσύνης και τέχνης, καθώς σε τέτοια περίπτωση η ΑΙ δεν υπερσκελίζει την ανθρώπινη καλλιτεχνική δημιουργία, αλλά αντιθέτως της δίνει ώθηση και έμπνευση.
Ήδη βλέπουμε παραδείγματα τέτοιας τέχνης, με μικρότερη ή μεγαλύτερη παρέμβαση της τεχνητής νοημοσύνης στο έργο, ενώ, κάποιες φορές, βλέπουμε και παραγωγές αποκλειστικά επιμελημένες από την ΑΙ.
Τεχνητή Νοημοσύνη: Ταινία
Το The Frost είναι μια ταινία μικρού μήκους σε σκηνοθεσία και παραγωγή της τεχνητής νοημοσύνης.
“Στα παγωμένα βάθη της Ανταρκτικής, μια ομάδα ανθρώπων θέλει να εξερευνήσει την προέλευση ενός μυστήριου σήματος, και έτσι, ακούσια, ξεκινά ένα ταξίδι που θα τους αποκαλύψει πληροφορίες και μυστικά για το παρελθόν τους”. Το σενάριο αυτό γράφτηκε βέβαια από τον Josh Rubin, όμως την εικόνα και τη βιντεογραφία ανέλαβε το πρόγραμμα DALL-E. Ο σκηνοθέτης, με αυτή την ταινία μικρού μήκους, ήθελε να μιμηθεί το ύφος και τη σκηνοθεσία της ταινίας Blizzard του Akira Kurosawa, συλλαμβάνοντας με ακρίβεια το παγωμένο, μυστηριακό τοπίο της Ανταρκτικής.
Εδώ μπορείτε να παρακολουθήσετε την πλήρη ταινία:
Τεχνητή Νοημοσύνη: Εικαστικές Τέχνες
Φυσικά, η καλλιτεχνική παραγωγή της τεχνητής νοημοσύνης δε σταματά στον κινηματογράφο: μπορεί να παραγάγει έργα τέχνης μιμούμενη θρυλικούς ζωγράφους όπως ο Ιερώνυμος Μπος ή ο Βίνσεντ Βαν Γκογκ ή ακόμη, πέραν της αναπαραγωγής να δημιουργήσει ένα πρωτότυπο έργο.
Διαστημόπλοια σε πίνακα του Μπος;
Βαν Γκογκ ή Τεχνητή Νοημοσύνη;
Η Αναδυόμενη Αφροδίτη από την ΑΙ
Διαβάστε επίσης:
Οι Μεγαλύτερες Αποτυχίες της Τεχνολογίας Πάνε στον Παράδεισο
