Περίληψη
Στις μέρες μας, η συζήτηση γύρω από την Τεχνητή Νοημοσύνη (ΤΝ) έχει αποκτήσει
ιδιαίτερη ένταση, καθώς κρίσιμα είναι τα ερωτήματα που αναδεικνύονται για το ποιος
κατευθύνει την εξέλιξή της και ποιος ωφελείται από αυτή. Θέματα όπως η πρόσβαση
στη γνώση, η διαφάνεια, αλλά και η συγκέντρωση ισχύος σε λίγους φορείς αποκτούν
διαρκώς μεγαλύτερη σημασία. Η παρούσα εργασία, στο πλαίσιο αυτό, εξετάζει πώς τα
διαφορετικά μοντέλα ΤΝ, είτε ακολουθούν ανοιχτή προσέγγιση είτε λειτουργούν με
περιοριστικό έλεγχο, επηρεάζουν καίριες παραμέτρους, όπως η δυνατότητα
συνεργασίας και η ισότιμη πρόσβαση στην πληροφορία. Επιπροσθέτως, επιχειρεί να
οργανώσει και να παρουσιάσει τις βασικές μορφές αυτών των μοντέλων,
λειτουργώντας ως ένα σημείο αναφοράς για μελλοντική έρευνα και εμβάθυνση στο
πεδίο.
Η κατηγοριοποίηση ακολουθεί τρεις βασικές μορφές (ανοιχτά, κλειστά, υβριδικά) και
η αποτίμηση κάθε μοντέλου οργανώνεται στις εξής διαστάσεις: τι είναι πράγματι
προσβάσιμο και επαναχρησιμοποιήσιμο (κώδικας, βάρη, δεδομένα και όροι άδειας), ο
βαθμός διαφάνειας και η ποιότητα της διαθέσιμης τεκμηρίωσης (π.χ. επιστημονική
δημοσίευση, τεχνική αναφορά, αποθετήριο ή API), οι βασικοί θεσμικοί κανόνες καθώς
και η διακυβέρνηση (άδεια χρήσης, φορέας ευθύνης ή διαχείρισης, μηχανισμοί
λογοδοσίας). Τα ευρήματα ερμηνεύονται στο πλαίσιο του παραδείγματος των Κοινών
και της Κοινωνικής και Αλληλέγγυας Οικονομίας, ώστε να αναδεικνύονται με
σαφήνεια οι δυνατότητες αξιοποίησης αλλά και τα όρια για δημόσιους και κοινοτικούς
φορείς.
Τέλος, το τελευταίο κεφάλαιο λειτουργεί ως σύντομος «οδηγός καινοτομίας» για
τοπικές εφαρμογές, συγκεντρώνοντας ρεαλιστικές κατευθύνσεις αξιοποίησης
ανοιχτών μοντέλων, υποδομών και διαδικασιών με κοινωνικό πρόσημο. Παρά το στενό
χρονικό πλαίσιο και τη γρήγορη εξέλιξη των τεχνικών προδιαγραφών, ο στόχος είναι
να υποστηριχθούν τεκμηριωμένες επιλογές για μια ΤΝ πιο ανοιχτή, συμμετοχική και
κοινωνικά δίκαιη.
Abstract
In today's rapidly evolving technological landscape, the discourse surrounding
Artificial Intelligence (AI) has intensified, as crucial questions arise regarding who
directs its development and who ultimately benefits. Issues such as equitable access to
knowledge, transparency, and the concentration of power among a limited number of
actors are gaining growing importance. Within this context, the present dissertation
investigates how different AI models, whether embracing openness or operating under
restrictive control, affect key parameters, such as collaborative potential and inclusive
access to information. It further aims to organise and present the main types of these
models, serving as a reference point for future research and critical engagement in the
field.
Models are classified into three categories (open, closed, and hybrid) and evaluated
across the following dimensions: actual accessibility and reusability (e.g., code,
weights, datasets, licensing terms), degree of transparency and quality of available
documentation (e.g., peer-reviewed articles, technical reports, APIs), and core
institutional and governance frameworks (license types, managing bodies,
accountability mechanisms). The findings are interpreted through the lens of the
paradigm of Commons and the Social and Solidarity Economy, to clarify both the
opportunities and limitations for public and community actors.
Finally, the last chapter functions as a practical “innovation guide” for local-level
applications, compiling realistic strategies for leveraging open models, infrastructures,
and socially oriented processes. Despite the narrow time window and the rapid
evolution of technical standards, the goal is to support informed, evidence-based
choices toward a more open, participatory, and socially just AI ecosystem.
ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ_ΚΩΝΣΤΑΝΤΙΝΑ_ΧΑΤΖΙΝΑ_ΚΑΟ_ΕΑΠ_συνοπτικό pdf