Το ευρωπαϊκό πλαίσιο για την τεχνητή νοημοσύνη, γνωστό ως AI Act, έρχεται να ρυθμίσει ένα πεδίο που εξελίσσεται ραγδαία, θέτοντας σαφή όρια αλλά και νέες υποχρεώσεις για όσους αναπτύσσουν και χρησιμοποιούν αλγοριθμικά συστήματα.

Όπως επισημαίνει ο Άγις Γεωργίου, AI & Data Science Expert στο Healthcare Transformation 2025, το βασικό βάρος του κανονισμού πέφτει στα λεγόμενα high-risk μοντέλα, δηλαδή σε συστήματα που λαμβάνουν ή επηρεάζουν κρίσιμες αποφάσεις για τους πολίτες.

Ο κανονισμός δεν αντιμετωπίζει όλα τα μοντέλα με τον ίδιο τρόπο. Υπάρχει σαφής διάκριση ανάμεσα σε συστήματα που παίρνουν αποφάσεις και σε εκείνα που λειτουργούν υποστηρικτικά, βοηθώντας τον άνθρωπο να αποφασίσει.

Σε αυτή τη δεύτερη κατηγορία, για παράδειγμα, θα μπορούσαν να ενταχθούν ερευνητικά εργαλεία ή μοντέλα ανάλυσης, τα οποία επηρεάζονται λιγότερο από τους αυστηρούς περιορισμούς.

Ωστόσο, στην πράξη, η εφαρμογή του AI Act συνεπάγεται σημαντικό διοικητικό και τεχνικό βάρος για τους developers.

Η ανάπτυξη αλγορίθμων απαιτεί πλέον περισσότερα βήματα, περισσότερη τεκμηρίωση και αυξημένη συμμόρφωση, κάτι που –αν και ενισχύει την ασφάλεια και την εμπιστοσύνη των χρηστών– δημιουργεί περιορισμούς στην ταχύτητα και την ευελιξία της καινοτομίας.

Καινοτομία ή εισαγωγή τεχνολογίας;

Σύμφωνα με τον Άγι Γεωργίου, το πρόβλημα δεν αφορά τόσο τις μεγάλες εταιρείες, οι οποίες διαθέτουν τους πόρους για να ανταποκριθούν στο ρυθμιστικό πλαίσιο. Αντίθετα, οι μικρότερες ομάδες και τα νέα εγχειρήματα είναι εκείνα που πλήττονται περισσότερο.

Όσο πιο δύσκολο γίνεται να ξεκινήσει κανείς κάτι καινούργιο, τόσο πιο πιθανό είναι μια χώρα –ή μια ήπειρος– να καταλήξει καταναλωτής εισαγόμενης τεχνολογίας αντί για παραγωγός της.

Το ζήτημα αυτό συνδέεται άμεσα με ένα διαχρονικό ευρωπαϊκό πρόβλημα: τις μικρές και κατακερματισμένες αγορές δεδομένων. Ιδίως στον τομέα της υγείας, τα διαθέσιμα δεδομένα είναι συχνά περιορισμένα, γεγονός που δυσχεραίνει την ανάπτυξη αξιόπιστων αλγορίθμων.

Αν, όμως, η αυστηρότερη νομοθεσία οδηγήσει τελικά σε ασφαλή, ενοποιημένη και θεσμικά κατοχυρωμένη πρόσβαση σε δεδομένα, τότε το AI Act θα μπορούσε να μετατραπεί από εμπόδιο σε ευκαιρία.

Η ελληνική πραγματικότητα και το πρόβλημα της άγνοιας

Στην Ελλάδα, όπως σημειώνει ο ίδιος, ένα πρόσθετο πρόβλημα είναι η έλλειψη ενημέρωσης. Πολλές εταιρείες αποφεύγουν να εμπλακούν με την τεχνητή νοημοσύνη όχι επειδή οι κανόνες είναι κατ’ ανάγκη απαγορευτικοί, αλλά επειδή δεν τους γνωρίζουν επαρκώς. Το αποτέλεσμα είναι η αδράνεια: δεν εφαρμόζεται τίποτα, επειδή υπάρχει φόβος για το ρίσκο.

Garbage in - garbage out

Στον πυρήνα όλων αυτών των συζητήσεων βρίσκεται το ζήτημα των δεδομένων. Όπως τονίζει ο Άγις Γεωργίου, πρόκειται για ένα αξίωμα γνωστό εδώ και δεκαετίες στον χώρο της επιστήμης δεδομένων: garbage in, garbage out. Αν τα δεδομένα δεν είναι ποιοτικά, αντιπροσωπευτικά και σωστά συλλεγμένα, τότε και τα αποτελέσματα των μοντέλων θα είναι προβληματικά.

Ιδιαίτερη σημασία έχει και το ζήτημα του bias. Η απουσία συγκεκριμένων πληθυσμών από τα δεδομένα ή η ύπαρξη ιστορικών στρεβλώσεων μπορεί να οδηγήσει σε σοβαρά άδικες προβλέψεις, όπως έχει φανεί χαρακτηριστικά σε παλαιότερες εφαρμογές πρόβλεψης εγκληματικότητας στις Ηνωμένες Πολιτείες.

Συσχέτιση δεν σημαίνει αιτιότητα

Τέλος, ο ομιλητής υπενθυμίζει ένα θεμελιώδες επιστημονικό όριο της σημερινής τεχνητής νοημοσύνης: τα περισσότερα μοντέλα βασίζονται σε συσχετίσεις, όχι σε αιτιώδεις σχέσεις. Η τεχνολογία μπορεί να προβλέπει, αλλά όχι να εξηγεί με βεβαιότητα το "γιατί". Παρότι υπάρχουν εξελίξεις προς την κατεύθυνση της αιτιώδους ανάλυσης, η απόσταση παραμένει μεγάλη.

Σε αυτό το πλαίσιο, το πραγματικό στοίχημα δεν είναι απλώς η συμμόρφωση με τον AI Act, αλλά η δημιουργία ενός οικοσυστήματος όπου τα δεδομένα συλλέγονται με στόχο τη μελλοντική αξιοποίησή τους και η τεχνητή νοημοσύνη αναπτύσσεται με γνώμονα τόσο την καινοτομία όσο και την κοινωνική ευθύνη.

Ειδήσεις υγείας σήμερα
Τα εντερικά βακτήρια πιθανόν παίζουν ρόλο στη διπολική διαταραχή
Οδηγός παρέσυρε 14χρονη που έλεγε τα κάλαντα - Την έσωσε νοσηλεύτρια του "Αγία Σοφία"
Οι νοσοκομειακοί ψυχολόγοι με αφορμή το περιστατικό της δεκαεξάχρονης στην Κυψέλη