Τον μήνα Μάιο απευθυνθήκαμε στα μέλη του Ελληνικού Πάνελ Οικονομολόγων με μία ερώτηση επίκαιρη αλλά και νέα για τα παγκόσμια δεδομένα. Πόσο συμφωνούν ή διαφωνούν οι Έλληνες και οι Ελληνίδες οικονομολόγοι ότι είναι σκόπιμη η επιδίωξη της ρυθμιστικής επιβράδυνσης των εξελίξεων στο πεδίο της τεχνητής νοημοσύνης ώστε τα αποτελέσματά τους να αφομοιωθούν ομαλότερα στην οικονομία και την κοινωνία;
Αυτές είναι οι απαντήσεις τους:
(Ψήφος: 1= Διαφωνώ απολύτως, 5=Συμφωνώ απολύτως & Βαθμός βεβαιότητας: 1=Καθόλου βέβαιος-α, 5=Απολύτως βέβαιος-α).
Ονοματεπώνυμο | Φορέας | Ψήφος | Βαθμός βεβαιότητας | Σχόλιο |
---|---|---|---|---|
Δημήτρης Βαγιανός | London School of Economics | 2 | 4 | Είναι δύσκολο να περιοριστεί η έρευνα και ανακάλυψη νέων τεχνολογιών. Τυχόν ρυθμιστική παρέμβαση θα μπορούσε να εστιαστεί στην εφαρμογή των τεχνολογιών στην οικονομία και τις συνέπειές τους στους μισθούς και την απασχόληση. |
Ιωάννης Βενέτης | Πανεπιστήμιο Πατρών | 5 | 5 | |
Χάρης Βλάδος | Δημοκρίτειο Πανεπιστήμιο Θράκης και Πανεπιστήμιο Λευκωσίας | 5 | 4 | |
Χρήστος Γκενάκος | University of Cambridge και Οικονομικό Πανεπιστήμιο Αθηνών | 3 | 3 | |
Περικλής Γκόγκας | Δημοκρίτειο Πανεπιστήμιο Θράκης | 4 | 5 | |
Ευάγγελος Διοικητόπουλος | Οικονομικό Πανεπιστήμιο Αθηνών | 1 | 4 | |
Χρήστος Καμπόλης | IMD - Institute for Management Development | 5 | 4 | |
Χρήστος Κωτσόγιαννης | University of Exeter | 5 | 4 | |
Σπύρος Λαπατσιώρας | Πανεπιστήμιο Κρήτης | 5 | 4 | |
Θεόδωρος Π. Λιανός | Οικονομικό Πανεπιστήμιο Αθηνών | 1 | 5 | |
Παναγιώτης Λιαργκόβας | Κέντρο Προγραμματισμού και Οικονομικών Ερευνών (ΚΕΠΕ) & Πανεπιστήμιο Πελοποννήσου | 2 | 2 | |
Ελένη Λουρή | Οικονομικό Πανεπιστήμιο Αθηνών | 4 | 4 | |
Μιχάλης Μητσόπουλος | ΣΕΒ Σύνδεσμος Επιχειρήσεων Βιομηχανιών | 1 | 5 | |
Δάφνη Νικολίτσα | Πανεπιστήμιο Κρήτης | 5 | 5 | |
Μιράντα Ξαφά | CIGI, ΚΕΦίΜ | 1 | 4 | Η επιβράδυνση της επιστημονικής εξέλιξης δεν είναι ποτέ καλή ιδέα. Θα πρέπει όμως το ρυθμιστικό πλαίσιο να εξελιχθεί μαζί με την επιστήμη. |
Αναστάσιος Ξεπαπαδέας | Οικονομικό Πανεπιστήμιο Αθηνών - University of Bologna | 1 | 5 | Slowing R&D in AI by regulation will generate negative externalities which we do not understand. |
Νίκος Οικονομίδης | Stern School of Business, NYU | 1 | 1 | Είναι πρακτικώς αδύνατον να σταματήσεις την τεχνολογική πρόοδο μέσω ρυθμίσεων. Όσο διαφαίνεται ότι οι εφαρμογές της τεχνητής νοημοσύνης κατεβάζουν το κόστος παραγωγής (και αυτό ήδη είναι γνωστό), τόσο μεγαλύτερες θα είναι οι επενδύσεις στην τεχνητή νοημοσύνη, όχι μόνο σε πιο γρήγορα και αναπτυγμένα μοντέλα (engines) αλλά και στην προσομοίωση (training) τους σε ευρείς βάσεις δεδομένων, έτσι ώστε να αυξήσουν την παραγωγικότητα της χρήσης της τεχνητής νοημοσύνης. |
Γεώργιος Πάνος | University of Glasgow | 3 | 3 | Είναι σκόπιμος ο ρυθμιστικός έλεγχος, έτσι ώστε η προτεραιότητα να είναι τα πραγματικά προβλήματα της ανθρωπότητας, όπως οι εξελίξεις στην ιατρική και η βιώσιμη ανάπτυξη - δεν νομίζω όμως ότι συμφωνώ με τη λέξη "επιβράδυνση". |
Θεολόγος Παντελίδης | Πανεπιστήμιο Μακεδονίας | 2 | 3 | |
Αθανάσιος Π. Παπαδόπουλος | Πανεπιστήμιο Κρήτης | 4 | 4 | |
Θοδωρής Πελαγίδης | Πανεπιστήμιο Πειραιώς & Brookings Institution | 3 | 3 | |
Ιωάννα-Σαπφώ Πεπελάση | Οικονομικό Πανεπιστήμιο Αθηνών | 5 | 4 | |
Στέλιος Περράκης | Concordia University | 5 | 5 | Η τεχνητή νοημοσύνη δεν είναι ουδέτερη ως προς την εφαρμογή της, αφού οι αλγόριθμοι δεν είναι προσβάσιμοι από αυτούς που προστατεύουν το κοινό συμφέρον. Το λιγότερο που θα πρέπει να επιβληθεί είναι μια αδειοδότηση των εφαρμογών της. |
Βασιλική Σκρέτα | University College London, UT Austin and CEPR | 4 | 3 | |
Θανάσης Στέγγος | University of Guelph | 5 | 5 | |
Αθανάσιος Ταγκαλάκης | Πανεπιστήμιο Πατρών | 2 | 3 | |
Λουκάς Τσούκαλης | ΕΛΙΑΜΕΠ/Sciences Po, Paris | 5 | 5 | |
Μαργαρίτα Τσούτσουρα | Cornell University | 2 | 4 | |
Μιχάλης Χαλιάσος | Goethe University Frankfurt και CEPR | 2 | 4 | Δεν μπορούμε και δεν πρέπει να σταματούμε την παραγωγή γνώσης. Στην τεχνητή νοημοσύνη, αυτό είναι πολύ σημαντικό, γιατί χρειάζεται γνώση και έρευνα ακόμη και για να αντιδράσουμε στην επιβλαβή εφαρμογή της γνώσης των άλλων (βλ. Deep Fake videos έναντι Deep Fake detection). Πολύ καλύτερο είναι να βεβαιωθούμε ότι οι ρυθμιστές έχουν και εκείνοι τις απαραίτητες γνώσεις για να ελέγχουν και να κατευθύνουν την εφαρμογή των ερευνητικών αποτελεσμάτων σε τομείς που τα χρειάζονται (π.χ. ιατρική, αισθητήρες, κλπ.). |
Γιώργος Χαντζηνικολάου | Τραπεζα Πειραιως, Χρηματιστηριο, Ενωση Τραπεζων | 4 | 4 |
Σχετικά άρθρα