{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3257834"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3257834","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Τεχνητή νοημοσύνη και έμφυλο χάσμα, μία κοινωνιονομική προσέγγιση","abstract":"Η εξέλιξη της τεχνητής νοημοσύνης ενσωματώνει την έμφυλη ανισότητα που υπάρχει στην κοινωνία μας. Το πρόβλημα του έμφυλου χάσματος στον τομέα της τεχνητής νοημοσύνης εντοπίζεται κυρίως στα προκατειλημμένα δεδομένα που χρησιμοποιούνται για να εκπαιδεύσουν την τεχνητή νοημοσύνη, τα οποία διαιωνίζουν τα στερεότυπα για τα φύλα. Οι έμφυλες προκαταλήψεις ενσωματώθηκαν στις εφαρμογές της τεχνητής νοημοσύνης μεγενθύνοντας εκ νέου το έμφυλο χάσμα. Ένας από τους μεγαλύτερους κινδύνους από την τεχνητή νοημοσύνη κείται στις έμφυλες διακρίσεις, οι οποίες δεν είναι πάντοτε ορατές και στο υπάρχον νομοθετικό πλαίσιο είναι δύσκολα δικαστικά επιδιώξιμες. Η ίδια η φύση της τεχνητής νοημοσύνης με τα περίπλοκα μοντέλα και τους αλγόριθμους καθιστά δύσκολη την πρόσβαση στον κώδικα και την επίδραση σε αυτόν προκειμένου να εξαλειφθούν οι έμφυλες διακρίσεις που οδηγούν σε ακόμη μεγαλύτερο έμφυλο χάσμα. Παρά την υφιστάμενη νομοθεσία για την ισότητα των φύλων και την απαγόρευση των διακρίσεων λόγω φύλου, το έμφυλο χάσμα εν γένει και ειδικότερα στην επιστήμη της τεχνητής νοημοσύνης παραμένει μεγάλο και απαιτεί την ενσωμάτωση της διάστασης του φύλου στην πολιτική για την τεχνητή νοημοσύνη και σε όλα τα στάδια του σχεδιασμού της με την δημιουργία κοινωνικά ευαίσθητων αλγόριθμων και την επιβολή αλγοριθμικής δικαιοσύνης.","abstract_html":"Η εξέλιξη της τεχνητής νοημοσύνης ενσωματώνει την έμφυλη ανισότητα που υπάρχει στην κοινωνία μας. Το πρόβλημα του έμφυλου χάσματος στον τομέα της τεχνητής νοημοσύνης εντοπίζεται κυρίως στα προκατειλημμένα δεδομένα που χρησιμοποιούνται για να εκπαιδεύσουν την τεχνητή νοημοσύνη, τα οποία διαιωνίζουν τα στερεότυπα για τα φύλα. Οι έμφυλες προκαταλήψεις ενσωματώθηκαν στις εφαρμογές της τεχνητής νοημοσύνης μεγενθύνοντας εκ νέου το έμφυλο χάσμα. Ένας από τους μεγαλύτερους κινδύνους από την τεχνητή νοημοσύνη κείται στις έμφυλες διακρίσεις, οι οποίες δεν είναι πάντοτε ορατές και στο υπάρχον νομοθετικό πλαίσιο είναι δύσκολα δικαστικά επιδιώξιμες. Η ίδια η φύση της τεχνητής νοημοσύνης με τα περίπλοκα μοντέλα και τους αλγόριθμους καθιστά δύσκολη την πρόσβαση στον κώδικα και την επίδραση σε αυτόν προκειμένου να εξαλειφθούν οι έμφυλες διακρίσεις που οδηγούν σε ακόμη μεγαλύτερο έμφυλο χάσμα. Παρά την υφιστάμενη νομοθεσία για την ισότητα των φύλων και την απαγόρευση των διακρίσεων λόγω φύλου, το έμφυλο χάσμα εν γένει και ειδικότερα στην επιστήμη της τεχνητής νοημοσύνης παραμένει μεγάλο και απαιτεί την ενσωμάτωση της διάστασης του φύλου στην πολιτική για την τεχνητή νοημοσύνη και σε όλα τα στάδια του σχεδιασμού της με την δημιουργία κοινωνικά ευαίσθητων αλγόριθμων και την επιβολή αλγοριθμικής δικαιοσύνης.","abstract_has_math":false,"creators":["Ιωαννίδη Ευαγγελία","Ioannidi Evangelia"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:21:07Z","subjects":["Δίκαιο – Νομοθεσία","Law and Legislation"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3257834"],"render_values":[{"text":"uoadl:3257834","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3257834","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3257834","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3257834","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ιωαννίδη Ευαγγελία","Ioannidi Evangelia"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Δίκαιο – Νομοθεσία","Law and Legislation"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3257834","https://pergamos.lib.uoa.gr/uoa/dl/object/3257834"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η εξέλιξη της τεχνητής νοημοσύνης ενσωματώνει την έμφυλη ανισότητα που υπάρχει στην κοινωνία μας. Το πρόβλημα του έμφυλου χάσματος στον τομέα της τεχνητής νοημοσύνης εντοπίζεται κυρίως στα προκατειλημμένα δεδομένα που χρησιμοποιούνται για να εκπαιδεύσουν την τεχνητή νοημοσύνη, τα οποία διαιωνίζουν τα στερεότυπα για τα φύλα. Οι έμφυλες προκαταλήψεις ενσωματώθηκαν στις εφαρμογές της τεχνητής νοημοσύνης μεγενθύνοντας εκ νέου το έμφυλο χάσμα. Ένας από τους μεγαλύτερους κινδύνους από την τεχνητή νοημοσύνη κείται στις έμφυλες διακρίσεις, οι οποίες δεν είναι πάντοτε ορατές και στο υπάρχον νομοθετικό πλαίσιο είναι δύσκολα δικαστικά επιδιώξιμες. Η ίδια η φύση της τεχνητής νοημοσύνης με τα περίπλοκα μοντέλα και τους αλγόριθμους καθιστά δύσκολη την πρόσβαση στον κώδικα και την επίδραση σε αυτόν προκειμένου να εξαλειφθούν οι έμφυλες διακρίσεις που οδηγούν σε ακόμη μεγαλύτερο έμφυλο χάσμα. Παρά την υφιστάμενη νομοθεσία για την ισότητα των φύλων και την απαγόρευση των διακρίσεων λόγω φύλου, το έμφυλο χάσμα εν γένει και ειδικότερα στην επιστήμη της τεχνητής νοημοσύνης παραμένει μεγάλο και απαιτεί την ενσωμάτωση της διάστασης του φύλου στην πολιτική για την τεχνητή νοημοσύνη και σε όλα τα στάδια του σχεδιασμού της με την δημιουργία κοινωνικά ευαίσθητων αλγόριθμων και την επιβολή αλγοριθμικής δικαιοσύνης.","The evolution of artificial intelligence embodies the gender inequality that exists in our society. The problem of the gender gap in artificial intelligence lies primarily in the biased data used to train AI, which perpetuates gender stereotypes. Gender biases were built into AI applications widening the gender gap again. One of the biggest risks from artificial intelligence lies in gender discrimination, which is not always visible and in the existing legal framework is difficult to prosecute. The very nature of AI with its complex models and algorithms makes it difficult to access and influence the code in order to eliminate gender discrimination that leads to an even wider gender gap. Despite existing legislation on gender equality and non-discrimination on the basis of gender, the gender gap in general and in AI science in particular remains large and calls for gender mainstreaming in AI policy and at all stages of its design by creating socially sensitive algorithms and enforcing algorithmic fairness."]},{"key":"dc:title","label":"Title","values":["Τεχνητή νοημοσύνη και έμφυλο χάσμα, μία κοινωνιονομική προσέγγιση"]}]}],"canonical_facts":{"dc:creator":["Ιωαννίδη Ευαγγελία","Ioannidi Evangelia"],"dc:date":["2023"],"dc:description":["Η εξέλιξη της τεχνητής νοημοσύνης ενσωματώνει την έμφυλη ανισότητα που υπάρχει στην κοινωνία μας. Το πρόβλημα του έμφυλου χάσματος στον τομέα της τεχνητής νοημοσύνης εντοπίζεται κυρίως στα προκατειλημμένα δεδομένα που χρησιμοποιούνται για να εκπαιδεύσουν την τεχνητή νοημοσύνη, τα οποία διαιωνίζουν τα στερεότυπα για τα φύλα. Οι έμφυλες προκαταλήψεις ενσωματώθηκαν στις εφαρμογές της τεχνητής νοημοσύνης μεγενθύνοντας εκ νέου το έμφυλο χάσμα. Ένας από τους μεγαλύτερους κινδύνους από την τεχνητή νοημοσύνη κείται στις έμφυλες διακρίσεις, οι οποίες δεν είναι πάντοτε ορατές και στο υπάρχον νομοθετικό πλαίσιο είναι δύσκολα δικαστικά επιδιώξιμες. Η ίδια η φύση της τεχνητής νοημοσύνης με τα περίπλοκα μοντέλα και τους αλγόριθμους καθιστά δύσκολη την πρόσβαση στον κώδικα και την επίδραση σε αυτόν προκειμένου να εξαλειφθούν οι έμφυλες διακρίσεις που οδηγούν σε ακόμη μεγαλύτερο έμφυλο χάσμα. Παρά την υφιστάμενη νομοθεσία για την ισότητα των φύλων και την απαγόρευση των διακρίσεων λόγω φύλου, το έμφυλο χάσμα εν γένει και ειδικότερα στην επιστήμη της τεχνητής νοημοσύνης παραμένει μεγάλο και απαιτεί την ενσωμάτωση της διάστασης του φύλου στην πολιτική για την τεχνητή νοημοσύνη και σε όλα τα στάδια του σχεδιασμού της με την δημιουργία κοινωνικά ευαίσθητων αλγόριθμων και την επιβολή αλγοριθμικής δικαιοσύνης.","The evolution of artificial intelligence embodies the gender inequality that exists in our society. The problem of the gender gap in artificial intelligence lies primarily in the biased data used to train AI, which perpetuates gender stereotypes. Gender biases were built into AI applications widening the gender gap again. One of the biggest risks from artificial intelligence lies in gender discrimination, which is not always visible and in the existing legal framework is difficult to prosecute. The very nature of AI with its complex models and algorithms makes it difficult to access and influence the code in order to eliminate gender discrimination that leads to an even wider gender gap. Despite existing legislation on gender equality and non-discrimination on the basis of gender, the gender gap in general and in AI science in particular remains large and calls for gender mainstreaming in AI policy and at all stages of its design by creating socially sensitive algorithms and enforcing algorithmic fairness."],"dc:identifier":["uoadl:3257834","https://pergamos.lib.uoa.gr/uoa/dl/object/3257834"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Δίκαιο – Νομοθεσία","Law and Legislation"],"dc:title":["Τεχνητή νοημοσύνη και έμφυλο χάσμα, μία κοινωνιονομική προσέγγιση"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:21:07Z"}