Μεταπηδήστε στο περιεχόμενο



On the occasion of the ’’DEVOXX GREECE 2024’’ conference, which will take place on April 18 – 20, at The Athens Concert Hall, we have the pleasure of hosting Mr. Dimitris Andreadis, Engineering Director at Red Hat, who will also be one of the speakers at the conference, in an interview related to software development, cloud technologies and artificial intelligence!

Dimitris Andreadis has 25 years of experience in IT and he is currently Director of Engineering at Red Hat in charge of the Cloud Native Runtimes group that includes Quarkus, Vert.x, SpringBoot, Node.js, as well as his former WildFly/ JBoss Enterprise Aplication Server teams that he used to run for several years. He also served as the JBoss AS project lead and he has been a JBoss addict and contributor from the early start-up days. He worked previously at Intracom and Motorola in the areas of NMS/OSS, designing reusable frameworks and distributed systems. Dimitris studied computer science at the Technological Educational Institute of Athens and received an M.Sc. by research from University College Dublin, Ireland.

Q.: Mr. Andreadis, give us some information about the role of an engineering director in a company and how easy is it to manage an entire team to achieve the desired result.

A.: I’m Engineering Director at Red Hat responsible for the Cloud Native Runtimes division and I suppose this is different from company to company. At Red Hat being an Engineering Manager at any level, from Associate Manager up to VP translates to being a Swiss Army Knife of sorts. You get to do from People Management, to Product Development, Product Strategy, Customer Support, Community Development, Marketing, and generally be a problem solver for whatever might come up. In Red Hat many Engineering Managers are former Engineers so they usually have a very strong Engineering background and they like to mess up with anything technical, probably a bit too much. Engineering Managers/Directors are also the proverbial “single throat to choke”, whenever someone needs to take responsibility for some important initiative or product.

Q.: Based on your extensive experience as an engineering director, beyond technical knowledge and skills, what elements of someone’s personality do you consider necessary to have a successful career in your field?

A.: I’d say have empathy for people, understand their needs and what motivates them, and help them fulfill their dreams, as much as possible by aligning to company strategy. You need to be able to sell them the vision of What you are asking them to do and Why it is important, then give them the freedom and the tools to go out and explore How they can do it. Then they get personally vested in whatever is to be done and can give their best self to the project.

Q.: Moving on to more technical topics, we would like to discuss about Cloud technologies and more specifically, about cloud-native software approach. Becoming “cloud native” is often cited as the end goal for migrating or building applications today, instead of using a “traditional” on-premises infrastructure. What are your thoughts and your opinion on this?

A.: Going cloud natives is often described as building a microservices architecture, where you break your bigger system into smaller pieces that can be developed, deployed and scaled independently. This is actually quite hard to do properly because those microservices often interact and depend on one another and they also need to access some sort of shared data which complicates things, but there are techniques and best practices to help you navigate that complexity.

Going cloud native is not necessarily for everyone, there are many applications that can still be developed in the traditional monolithic way, and that’s okay. Over engineering is often a common problem with Engineers that would just go for the next shiny thing.

What we’ve build with Quarkus helps a lot people to become Cloud Native if they are developing in Java, since Quarkus was designed to be Cloud Native from the start, it integrates greatly with the Kubernetes ecosystem and it is also able to produce super small and fast applications that are well suited for writing microservices and serverless applications.

Quarkus can also be used to write traditional monoliths, smaller applications that will run on EDGE nodes, or even Kubernetes Operators for which you’d normally have to revert to GoLang. So it’s really a very versatile tool that optimizes Java for different environments.

Q.: And now, we want to ask you about the admittedly much-discussed – especially in recent years – artificial intelligence or in short, AI. Its application in many professional fields is now a fact. ChatGPT, developed by OpenAI, is a very popular AI model and for some, it is the only option. However, there are now other corresponding artificial intelligence models on the market (Microsoft Bing AI, Jasper Chat, Learnt.ai, etc.). What do you think of these alternative models and in what cases would you recommend or choose them?

A.: There are now many AI models providers and those provide access to different Large Language Models (LLMs) through their APIs. There are also options to run open source LLMs locally (e.g. using Ollama), or host LLMs on your own clusters (e.g. using OpenShift/AI). So there are really many options today for accessing LLM functionality and many more will come up, as the field is literally exploding with options.

It really depends on what you want to do, as there are models trained or fine-tuned for specific problem domains, e.g. for code assist, or holding conversions, or for answering legal questions. There are factors like what size model you want to run, how quickly it can infer answers, what type of HW it needs to run, etc.

So I’d say it’s important to use an intermediate layer to shield your application from the model provider’s API and the actual model served. In Quarkus we do that by integrating the popular LangChain4j project, so you can switch to a different provider/model by simply importing a different extension and changing a bit of your configuration options.

Q.: Staying on the topic of artificial intelligence, in 10 – 20 years from now, do you think that, in some professions, the human factor might be replaced exclusively by machines that will use it (AI) and be able to fully cope with the requirements of each position? And, do you think that in a few years it ( AI) will become necessary to maintain the competitiveness and viability of a business?

A.: I’ve been in the computer space for a very long time and throughout that time Artificial Intelligence never quite delivered what it had promised. But this slowly changed the last decade and things really exploded in 2022 with Generative AI where the computer entered the realm of what we’ve considered to be human-like, the creative part, plus with ChatGPT this became available to the masses, whereas before this was only accessible to few researchers.

This is truly revolutionary and I don’t think it will take 10-20 years for things to transform, I expect things to move exponentially in the very near future. In my project we were looking at integrating AI capability since ChatGPT was announced, but we really had a breakthrough when LangChain4j came out and we’ve integrated it with Quarkus.

There are 17 million Java Developers who had no easy access to those technologies and now we are making it super easy for them to develop intelligent applications that call out to LLMs and do amazing things. I expect the coming year(s) to be impressed by the types of applications and ideas developers will come up with the tools we provide them.

There is no return from this new reality, like the agricultural revolution, then the industrial one, then the coming of the Internet. In the same way I’m certain future historians will be talking about the AI revolution that took place in the 2020s and transformed the world. Whole professions will cease to exist and new ones will be invented.

E.g. I can now write a pretty decent chat assistant that can answer calls and help customers make and change bookings without too much effort. In one-two years from now this will be perfected. 90% of call centers will just cease to exist, you’ll only get access to a human operator if everything else fails, the human operator will become a “premium” service. The same type of disruption will affect many professionals that require some level of sophistication, even code developers to some extent.

So people will need to move “higher up the stack” in places where they can add more value, there is no escape from that. So my advice is to learn to use those tools, because they are the new normal and the only way for oneself to remain relevant.

Q.: What do you think will be the next technological achievement that will enter our everyday life and become an integral part of it?

A.: I think AI will enter all aspects of our everyday life and it will just become an integral part of IT. From customer service, to education, to marketing, to content creation, to human resources, to automotive, etc. You can do things from sentiment analysis, to creating structured data from unstructured data, transform, summarize, expand, translate, analyze, report, etc.

One thing for sure is that AI will be applied to different domains in order to achieve productivity gains. This often means doing more of something, or doing it faster or better, but it also means doing more with less. So a lot of jobs will be lost (as in the call center example), but many new jobs will hopefully be created, too.

My hope is we can apply AI to domains that badly need it, especially anything related to health care. Let me give you an example. A close friend of mine was recently diagnosed with some form of cancer. They were doing regular check ups and it turned out that this particular form of cancer was actually detectable at the previous check up, but the doctor did not see it then. There are AI algorithms now that are much better at detecting patterns in x-rays than humans can, shouldn’t that be universality applied in all x-ray screenings? We are not talking about replacing doctors, rather assisting them with better information so they can make the right decisions and provide better, more timely healthcare.

Q.: We know that you will participate as a speaker at Devoxx Greece 2024, which will be held for another year in Athens. Can you give us some information about the content of your presentation, as well as when exactly it will take place?

A.: I co-present a conference talk on Quarkus/AI with Zineb Bendhiba, a very active member of the Apache Camel team where we will show how you can use Quarkus and its LangChain4j and Camel extensions in order to write intelligent applications, and I also participate in a 2h Quarkus/LangChain4j hands-on-lab / workshop with some very talented Quarkus engineers, Georgios Andrianakis and Ioannis Canellos where you’ll have a chance to bring your laptop and to code yourself your first intelligent applications!

I very much encourage people to come and see for themselves how easy it is to get started with AI and be part of the revolution. 🙂

Με αφορμή το συνέδριο DEVOXX GREECE 2024, το οποίο θα πραγματοποιηθεί στις 18 – 20 Απριλίου, στο Μέγαρο Μουσικής Αθηνών, έχουμε τη χαρά να φιλοξενούμε τον κύριο Δημήτρη Ανδρεάδη, διευθυντή ανάπτυξης λογισμικού της εταιρείας Red Hat, ο οποίος θα είναι και ένας από τους ομιλητές του συνεδρίου, σε μία γραπτή συνέντευξη σχετική με θέματα ανάπτυξης λογισμικού, τεχνολογίες Cloud και τεχνητής νοημοσύνης!

Ο Δημήτρης Ανδρεάδης έχει 25 χρόνια εμπειρίας στον τομέα της πληροφορικής και σήμερα είναι Διευθυντής Ανάπτυξης Λογισμικού στην εταιρεία Red Hat, υπεύθυνος για την ομάδα Cloud Native Runtimes που περιλαμβάνει τα: Quarkus, Vert.x, SpringBoot, Node.js, καθώς και την πρώην WildFly/JBoss Enterprise., ομάδες Διακομιστή Εφαρμογών που συνήθιζε να τρέχει για αρκετά χρόνια. Υπήρξε, επίσης, επικεφαλής του έργου JBoss AS και ήταν εθισμένος στο JBoss, στο οποίο και συνεισέφερε από τις πρώτες ημέρες έναρξής του. Στο παρελθόν εργάστηκε στην Intracom και τη Motorola, στους τομείς των NMS/OSS, σχεδιάζοντας επαναχρησιμοποιήσιμα πλαίσια και κατανεμημένα συστήματα. Ο Δημήτρης σπούδασε πληροφορική στο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Αθηνών και έλαβε M.Sc. από το University College του Δουβλίνου, Ιρλανδία.

Ε.: Κύριε Ανδρεάδη, δώστε μας μερικές πληροφορίες για τον ρόλο ενός διευθυντή ανάπτυξης λογισμικού σε μια εταιρεία και πόσο εύκολο είναι να διαχειριστείτε μια ολόκληρη ομάδα για να πετύχετε το επιθυμητό αποτέλεσμα.

Α.: Είμαι Διευθυντής Ανάπτυξης Λογισμικού στη Red Hat, υπεύθυνος για το τμήμα Cloud Native Runtimes και υποθέτω ότι αυτό είναι διαφορετικό από εταιρεία σε εταιρεία. Στην Red Hat το να είσαι Διευθυντής Ανάπτυξης Λογισμικού σε οποιοδήποτε επίπεδο, από Associate Manager μέχρι VP, μεταφράζεται σε ένα είδος ελβετικού μαχαιριού. Μπορεί να κληθείς να κάνεις από τη Διαχείριση Ανθρώπινου Δυναμικού έως την Ανάπτυξη Προϊόντων, τη Στρατηγική Προϊόντων, την Υποστήριξη Πελατών, την Ανάπτυξη της Κοινότητας, το Μάρκετινγκ και γενικά να δίνεις λύσεις για οτιδήποτε προκύψει. Στη Red Hat, πολλοί Διευθυντές Ανάπτυξης Λογισμικού είναι πρώην Μηχανικοί, επομένως συνήθως έχουν πολύ ισχυρό υπόβαθρο Μηχανικής και τους αρέσει να μπλέκουν με οτιδήποτε τεχνικό, πιθανότατα λίγο υπερβολικά.

Ε.: Με βάση τη μεγάλη εμπειρία σας ως διευθυντής ανάπτυξης λογισμικού, πέρα ​​από τις τεχνικές γνώσεις και δεξιότητες, ποια στοιχεία της προσωπικότητας ενός ατόμου θεωρείτε απαραίτητα για να έχει μια επιτυχημένη καριέρα στον τομέα σας;

Α.: Θα έλεγα να έχει ενσυναίσθηση για τους ανθρώπους, να κατανοεί τις ανάγκες τους και τι τους παρακινεί και να τους βοηθά να εκπληρώσουν τα όνειρά τους, όσο το δυνατόν περισσότερο, ευθυγραμμίζοντας τη στρατηγική της εταιρείας. Πρέπει να είναι σε θέση να τους μεταδώσει το όραμά του, τα ζητήματα που καλούνται να φέρουν εις πέρας και γιατί είναι σημαντικό αυτό και στη συνέχεια, να τους δώσει την ελευθερία και τα εργαλεία να βγουν έξω και να εξερευνήσουν πώς μπορούν να το κάνουν. Στη συνέχεια, αναλαμβάνουν προσωπικά ό, τι πρέπει να γίνει και μπορούν να δώσουν τον καλύτερο εαυτό τους στο έργο.

Ε.: Προχωρώντας σε πιο τεχνικά θέματα, ας συζητήσουμε για τεχνολογίες Cloud και ειδικότερα, για την “Cloud-Native” προσέγγιση. Η μετάβαση σε αυτή, συχνά θεωρείται ως ο τελικός στόχος για τη μετακίνηση ή την ανάπτυξη εφαρμογών σήμερα, αντί για τη χρήση ενός “παραδοσιακού” on-premises    infrastructure. Ποιες είναι οι σκέψεις και η γνώμη σας επί του θέματος;

Α.: Η μετάβαση σε μία “cloud-native” προσέγγιση, συχνά περιγράφεται ως η κατασκευή ενός αρχιτεκτονικού μοντέλου που βασίζεται σε microservices, όπου διαχωρίζει το μεγάλο σύστημα σε μικρότερα κομμάτια που μπορούν να αναπτυχθούν, να εκτελεστούν και να κλιμακωθούν ανεξάρτητα. Αυτό είναι πράγματι δύσκολο να επιτευχθεί σωστά, καθώς αυτά τα microservices συχνά αλληλεπιδρούν και εξαρτώνται το ένα από το άλλο και χρειάζονται πρόσβαση σε κοινόχρηστα δεδομένα, πράγμα που δυσκολεύει τη διαδικασία. Παρόλα αυτά, υπάρχουν τεχνικές και βέλτιστες πρακτικές που βοηθούν στην αντιμετώπιση αυτής της πολυπλοκότητας.

Η μετάβαση στην “cloud-native” προσέγγιση δεν είναι απαραίτητη για όλους. Υπάρχουν πολλές εφαρμογές που μπορούν να αναπτυχθούν με τον παραδοσιακό τρόπο και αυτό δεν είναι καθόλου κακό. Συχνά, η υπερ-μηχανική αποτελεί πρόβλημα, καθώς ορισμένοι μηχανικοί απλά ακολουθούν την επόμενη λαμπρή τάση.

Αυτό που έχουμε χτίσει με το Quarkus βοηθά πολλούς να υιοθετήσουν τον “cloud-native” τρόπο αν αναπτύσσονται σε Java. Το Quarkus σχεδιάστηκε από την αρχή με στόχο να είναι “cloud-native”, ενσωματώνεται αρμονικά με το οικοσύστημα του Kubernetes και παράγει πολύ μικρές και γρήγορες εφαρμογές, οι οποίες είναι ιδανικές για microservices και εφαρμογές serverless.

Επιπλέον, το Quarkus μπορεί να χρησιμοποιηθεί για την ανάπτυξη παραδοσιακών μονολιθικών, μικρότερων εφαρμογών που εκτελούνται σε κόμβους EDGE ή ακόμα και για τη δημιουργία Operators του Kubernetes, χωρίς την ανάγκη για GoLang. Επομένως, πρόκειται για ένα πολύ ευέλικτο εργαλείο που προσαρμόζει τη Java σε διαφορετικά περιβάλλοντα.

Ε.: Και τώρα, θέλουμε να σας ρωτήσουμε για την ομολογουμένως πολυσυζητημένη -ειδικά τα τελευταία χρόνια- τεχνητή νοημοσύνη ή εν συντομία AI. Η εφαρμογή της σε πολλούς επαγγελματικούς τομείς είναι πλέον γεγονός. Το ChatGPT, που αναπτύχθηκε από την OpenAI, είναι ένα πολύ δημοφιλές μοντέλο τεχνητής νοημοσύνης και για κάποιους, είναι η μόνη επιλογή. Ωστόσο, υπάρχουν πλέον στην αγορά και άλλα αντίστοιχα μοντέλα τεχνητής νοημοσύνης (Microsoft Bing AI, Jasper Chat, Learnt.ai κ.λπ.). Ποια είναι η γνώμη σας για αυτά τα εναλλακτικά μοντέλα και σε ποιες περιπτώσεις θα τα προτείνατε ή θα τα επιλέγατε;

Α.: Υπάρχουν πλέον πολλοί πάροχοι μοντέλων τεχνητής νοημοσύνης και αυτοί παρέχουν πρόσβαση σε διαφορετικά μοντέλα μεγάλων γλωσσών (LLM), μέσω των API τους. Υπάρχουν, επίσης, επιλογές για την εκτέλεση LLM ανοιχτού κώδικα τοπικά (π.χ. χρησιμοποιώντας το Ollama) ή φιλοξενία LLM στα δικά σας συμπλέγματα (π.χ. χρησιμοποιώντας OpenShift/AI). Έτσι, υπάρχουν πραγματικά πολλές επιλογές σήμερα για πρόσβαση στη λειτουργικότητα LLM και πολλές άλλες θα εμφανιστούν, καθώς το πεδίο κυριολεκτικά εκρήγνυται από επιλογές.

Εξαρτάται, πραγματικά, από το τι θέλετε να κάνετε, καθώς υπάρχουν μοντέλα εκπαιδευμένα ή βελτιωμένα για συγκεκριμένους τομείς προβλημάτων, π.χ. για υποβοήθηση κωδικού ή διατήρηση μετατροπών ή για απάντηση νομικών ερωτήσεων. Υπάρχουν παράγοντες όπως το μέγεθος του μοντέλου που θέλετε να εκτελέσετε, το πόσο γρήγορα μπορεί να συναγάγει απαντήσεις, τον τύπο HW που χρειάζεται για να τρέξει κ.λ.π.

Επομένως, θα έλεγα ότι είναι σημαντικό να χρησιμοποιήσετε ένα ενδιάμεσο επίπεδο για να προστατεύσετε την εφαρμογή σας από το API του παρόχου μοντέλου και το πραγματικό μοντέλο που εξυπηρετείται. Στο Quarkus το κάνουμε αυτό ενσωματώνοντας το δημοφιλές έργο LangChain4j, ώστε να μπορείτε να μεταβείτε σε διαφορετικό πάροχο/ μοντέλο εισάγοντας απλώς μια διαφορετική επέκταση και αλλάζοντας μερικές από τις επιλογές διαμόρφωσής σας.

Ε.: Μένοντας στο θέμα της τεχνητής νοημοσύνης, πιστεύετε ότι σε 10 έως 20 χρόνια από τώρα, σε ορισμένους επαγγελματικούς τομείς ο ανθρώπινος παράγοντας μπορεί να αντικατασταθεί αποκλειστικά από μηχανές που θα χρησιμοποιούν την τεχνητή νοημοσύνη και θα είναι σε θέση να ανταποκριθούν πλήρως στις απαιτήσεις κάθε θέσης; Επιπλέον, θεωρείτε πως σε λίγα χρόνια αυτή (η τεχνητή νοημοσύνη) θα καταστεί απαραίτητη για τη διατήρηση του ανταγωνισμού και της βιωσιμότητας μιας επιχείρησης;

Α: Έχω εργαστεί στον τομέα της πληροφορικής για πολύ καιρό και κατά τη διάρκεια αυτής της περιόδου η τεχνητή νοημοσύνη ποτέ δεν παρέδωσε πλήρως αυτό που είχε υποσχεθεί. Ωστόσο, αυτό άλλαξε σιγά-σιγά την τελευταία δεκαετία και τα πράγματα εξελίχθηκαν ουσιαστικά το 2022, με τη Γεννητική Τεχνητή Νοημοσύνη, όπου ο υπολογιστής εισήλθε στον τομέα του ανθρώπινου, του δημιουργικού κομματιού, ενώ με το ChatGPT αυτό έγινε προσβάσιμο στις μάζες, αφού πριν ήταν προσβάσιμο μόνο σε λίγους ερευνητές.

Αυτό είναι πραγματικά επαναστατικό και δεν πιστεύω ότι θα χρειαστούν 10-20 χρόνια για τη μεταμόρφωση των πραγμάτων, αναμένω τα πράγματα να κινηθούν εκθετικά στο πολύ κοντινό μέλλον. Στο έργο μας εξετάζαμε την ενσωμάτωση δυνατοτήτων τεχνητής νοημοσύνης από την ανακοίνωση του ChatGPT, αλλά είχαμε πραγματική πρόοδο όταν κυκλοφόρησε το LangChain4j και το ενσωματώσαμε στο Quarkus.

Υπάρχουν 17 εκατομμύρια προγραμματιστές Java που δεν είχαν εύκολη πρόσβαση σε αυτές τις τεχνολογίες και τώρα καθιστούμε πολύ εύκολο γι’ αυτούς να αναπτύξουν έξυπνες εφαρμογές που καλούν LLMs και κάνουν εκπληκτικά πράγματα. Αναμένω το έτος/ τα έτη που έρχονται να εντυπωσιαστούμε από τα είδη των εφαρμογών και των ιδεών που οι προγραμματιστές θα δημιουργήσουν με τα εργαλεία που τους παρέχουμε.

Δεν υπάρχει επιστροφή από αυτή τη νέα πραγματικότητα, όπως η γεωργική επανάσταση, η βιομηχανική επανάσταση, η είσοδος του διαδικτύου. Με τον ίδιο τρόπο, είμαι βέβαιος ότι μελλοντικοί ιστορικοί θα μιλούν για την επανάσταση της τεχνητής νοημοσύνης που έλαβε χώρα στα 2020’s και μετασχημάτισε τον κόσμο. Ολόκληροι επαγγελματικοί κλάδοι θα σταματήσουν να υπάρχουν και θα εφευρεθούν νέοι.

Για παράδειγμα, μπορώ τώρα να γράψω ένα αρκετά καλό βοηθό συνομιλίας που μπορεί να απαντήσει σε κλήσεις και να βοηθήσει τους πελάτες να κάνουν και να αλλάζουν κρατήσεις χωρίς πολύ κόπο. Σε ένα-δύο χρόνια από τώρα, αυτό θα έχει τελειοποιηθεί. Το 90% των κέντρων τηλεφωνικής εξυπηρέτησης θα σταματήσουν απλά να υπάρχουν, θα έχετε πρόσβαση σε έναν ανθρώπινο χειριστή μόνο αν όλα τα άλλα αποτύχουν, ο ανθρώπινος χειριστής θα γίνει ένα “προνόμιο” υπηρεσίας. Το ίδιο είδος διαταραχής θα επηρεάσει πολλούς επαγγελματίες που απαιτούν κάποιο επίπεδο εξελιγμένης γνώσης, ακόμη και τους προγραμματιστές κώδικα σε κάποιο βαθμό.

Οπότε, οι άνθρωποι θα πρέπει να μετακινηθούν “πιο ψηλά στη στοίβα” σε μέρη όπου μπορούν να προσθέσουν περισσότερη αξία, δεν υπάρχει διέξοδος από αυτό. Έτσι, αυτό που σας συμβουλεύω είναι να μάθετε να χρησιμοποιείτε αυτά τα εργαλεία, γιατί είναι η νέα πραγματικότητα και ο μοναδικός τρόπος για να παραμείνετε σημαντικοί.

Ε.: Ποιο πιστεύετε ότι θα είναι το επόμενο τεχνολογικό επίτευγμα που θα εισέλθει στην καθημερινή μας ζωή και θα γίνει ουσιαστικό μέρος αυτής;

Α.: Πιστεύω ότι η τεχνητή νοημοσύνη θα εισέλθει σε όλους τους τομείς της καθημερινής μας ζωής και θα γίνει απλά ένα ουσιαστικό μέρος της Πληροφορικής. Από την εξυπηρέτηση πελατών, την εκπαίδευση, το μάρκετινγκ, τη δημιουργία περιεχομένου, τους ανθρώπινους πόρους, τον αυτοκινητοβιομηχανικό τομέα κλπ. Μπορείτε να κάνετε πράγματα από ανάλυση συναισθημάτων, δημιουργία δομημένων δεδομένων από αδόμητα δεδομένα, μετασχηματισμό, περίληψη, επέκταση, μετάφραση, ανάλυση, αναφορά, κλπ.

Το σίγουρο είναι ότι η τεχνητή νοημοσύνη θα εφαρμοστεί σε διάφορους τομείς για την επίτευξη κερδών στην παραγωγικότητα. Αυτό, συχνά σημαίνει πως θα μπορείτε να κάνετε περισσότερα από κάτι, ή να το κάνετε πιο γρήγορα ή καλύτερα, αλλά σημαίνει επίσης να κάνετε περισσότερα με λιγότερα. Έτσι, πολλές θέσεις εργασίας θα χαθούν (όπως στο παράδειγμα του κέντρου τηλεφωνικής εξυπηρέτησης), αλλά ελπίζω ότι θα δημιουργηθούν πολλές νέες θέσεις εργασίας, επίσης.

Η ελπίδα μου είναι να εφαρμόσουμε την τεχνητή νοημοσύνη σε τομείς που την χρειάζονται σφόδρα, ιδιαίτερα οτιδήποτε σχετίζεται με την υγειονομική περίθαλψη. Ας πω ένα παράδειγμα. Ένας κοντινός φίλος μου διαγνώστηκε πρόσφατα με κάποια μορφή καρκίνου. Κάναμε τακτικούς ελέγχους κι αποδείχθηκε ότι αυτή η συγκεκριμένη μορφή καρκίνου ήταν πράγματι ανιχνεύσιμη στον προηγούμενο έλεγχο, αλλά ο γιατρός δεν το είχε δει τότε. Υπάρχουν αλγόριθμοι τεχνητής νοημοσύνης τώρα που είναι πολύ καλύτεροι στο να εντοπίζουν μοτίβα σε ακτινογραφίες απ’ ότι μπορούν οι άνθρωποι. Δεν θα έπρεπε αυτό να εφαρμοστεί σε όλους τους ελέγχους ακτινογραφίας; Δε μιλάμε για την αντικατάσταση των γιατρών, αλλά για την υποστήριξή τους με καλύτερες πληροφορίες, ώστε να μπορούν να λαμβάνουν τις σωστές αποφάσεις και να παρέχουν καλύτερη, πιο έγκαιρη υγειονομική περίθαλψη.

Ε.: Γνωρίζουμε ότι θα συμμετάσχετε, ως ομιλητής, στο Devoxx Greece 2024, το οποίο θα διεξαχθεί για άλλη μια χρονιά στην Αθήνα. Μπορείτε να μας δώσετε κάποιες πληροφορίες σχετικά με το περιεχόμενο της παρουσίασής σας, καθώς και πότε ακριβώς θα πραγματοποιηθεί;

Α.: Θα συμμετάσχω σε μια συνέντευξη με τον Zineb Bendhiba, ένα πολύ ενεργό μέλος της ομάδας Apache Camel, όπου θα δείξουμε πώς μπορείτε να χρησιμοποιήσετε το Quarkus και τις επεκτάσεις του LangChain4j και Camel, για να γράψετε έξυπνες εφαρμογές.  Επίσης, θα συμμετάσχω σε ένα εργαστήριο / σεμινάριο διάρκειας 2 ωρών, σε συνεργασία με τους πολύ ταλαντούχους μηχανικούς Quarkus, Γεώργιο Ανδριανάκη και Ιωάννη Κανέλλο, όπου θα έχετε την ευκαιρία να φέρετε τον φορητό σας υπολογιστή και να κωδικοποιήσετε μόνοι σας τις πρώτες σας έξυπνες εφαρμογές!

Συνιστώ, ιδιαίτερα στους ανθρώπους του χώρου μας, να έλθουν και να δουν μόνοι τους πόσο εύκολο είναι να ξεκινήσουν με την τεχνητή νοημοσύνη και να αποτελέσουν κι εκείνοι μέρος της επανάστασης. 🙂

Share this!

Αφήστε μια απάντηση

Η ηλ. διεύθυνση σας δεν δημοσιεύεται. Τα υποχρεωτικά πεδία σημειώνονται με *