Συνέντευξη στην Άννα Γριμάνη
Στο Stanford University στην Καλιφόρνια και την ακαδημαϊκή υπεροχή του, στην καρδιά του Silicon Valley η Ντόρα Βαρβαρίγου ταξίδεψε και πραγματοποίησε τις μεταπτυχιακές σπουδές της- μάστερ και διδακτορικό στην Επιστήμη των Υπολογιστών, την δεκαετία του ’90. Δεν είναι σύνηθες, Ελληνίδες γυναίκες επιστήμονες να διαγράφουν από τόσο νωρίς μια τέτοια υψηλού επιπέδου διαδρομή σπουδών, που την διαδέχτηκε η επιφανής ακαδημαϊκή και ερευνητική καριέρα της. Ηλεκτρολόγος Μηχανικός, καθηγήτρια στο ομώνυμο τμήμα στο Εθνικό Μετσόβιο Πολυτεχνείο, από όπου κι η ίδια αποφοίτησε- και με κύριες θεσμικές θέσεις, όπως αυτή που διετέλεσε ως Πρόεδρος του Δ.Σ της ΕΥΔΑΠ Α.Ε.
Την συνάντησα στο Bio3-2024 Forum το διεθνές πρωτοποριακό συνέδριο Βιοτεχνολογίας που διοργάνωνει η BioInnovation Greece, στη Τεχνόπολη στο Γκάζι. Σε ένα περιβάλλον πιο ατμοσφαιρικό, με θέα την Ακρόπολη και ωραία μουσική, την βραδιά του δείπνου του συνεδρίου, όταν οι άνθρωποι ανοίγονται με συζητήσεις, με την Ντόρα Βαρβαρίγου μιλήσαμε πιο προσωπικά κι επιχειρώντας να ξεδιπλώσω πτυχές της έντονης προσωπικότητας της, την ρώτησα, «μια γυναίκα τεχνοκράτης, μπορεί να έχει φιλοσοφικές αναζητήσεις»;
Η απάντηση ήταν “ναι” για να επισημάνει ακόμη, εξέχοντες σύγχρονους στοχαστές. «Είναι καιρός που ξεκίνησα με τις 80 διαλέξεις ιστορίας φιλοσοφίας του Αrthur Ηolmes καθηγητή φιλοσοφίας στο Wheaton College στο Illinois που βρήκα στο Youtube για να αποκτήσω ένα γενικό υπόβαθρο και πάω ψάχνοντας.. Αυτή την εποχή παρακολουθώ τις διαλέξεις The Moral Foundations of Politics του Ian Shapiro καθηγητή στο Yale University. Έξυπνος και απολαυστικός».
Κυρία Βαρβαρίγου, μιλήστε μας για τo ερευνητικό πεδίο σας.
Τα τελευταία χρόνια στη ερευνητική μου ομάδα έχουμε επικεντρωθεί σε τεχνολογίες που άπτονται της ανάλυσης δεδομένων και των τεχνολογιών μηχανικής μάθησης και την εφαρμογή τους σε μια μεγάλη γκάμα από εφαρμογές που συμπεριλαμβάνει τον σχεδιασμό έξυπνων υπολογιστικών υποδομών (smart cloud) εφαρμογών στο τομέα υγείας, εφαρμογές στην κυβερνοααφάλεια και την φυσική ασφάλεια υποδομών, πρόβλεψη και η εξειδίκευση συστάσεων, δημιουργία και διαχείριση περιεχομένου, αυτοματοποιώντας το αλλά και ενισχύοντας την ποιότητα και τη συνάφειά του.
Τα μοντέλα ΑΙ έχουν σημειώσει μεγάλη πρόοδο τα τελευταία 10 χρόνια. Ξεκίνησαν σαν προηγμένη δυνατότητα ανάλυσης δεδομένων η οποία σαν μέθοδος στηρίζεται σε μια σαφή και ρητή λογική που κωδικοποιείται από τον προγραμματιστή και είναι καθαρά αλγοριθμική. Στη συνέχεια εξελίχθηκαν μέσω της μηχανικής μάθησης και της βαθιάς μάθησης σε τεχνητή νοημοσύνη η οποία μαθαίνει από δεδομένα και μπορεί να προβεί σε προβλέψεις με τρόπο που δεν μπορεί να τυποποιηθεί και κυρίως δεν μπορεί να εξηγηθεί. Σήμερα μιλάμε για τη δημιουργία θεμελιωδών μοντέλων που αφορούν σε unsupervised AI η οποία μπορεί να λάβει τεράστια σε όγκο δεδομένα και να δημιουργήσει με βάση αυτά κείμενο, εικόνες, βίντεο ακόμα και τέχνη.
Σε τι συνίσταται η αλματώδης εξέλιξη της τεχνητής νοημοσύνης τα τελευταία χρόνια;
H ασθενής τεχνητή νοημοσύνη (weak AI) η οποία ήταν κυρίαρχη τα τελευταία χρόνια, αναφέρεται σε συστήματα τεχνητής νοημοσύνης που έχουν σχεδιαστεί για συγκεκριμένες εργασίες και λειτουργούν σε περιορισμένο τομέα. Αυτά τα συστήματα είναι εξαιρετικά εξειδικευμένα και υπερέχουν στις καθορισμένες λειτουργίες τους, αλλά στερούνται γενικής ευφυΐας ή ικανότητας κατανόησης και εκτέλεσης εργασιών πέρα από το στόχο τους. Αντίθετα, η ισχυρή τεχνητή νοημοσύνη (strong AI), που συχνά αναφέρεται ως τεχνητή γενική νοημοσύνη (Artificial General Intelligence), οραματίζεται συστήματα τεχνητής νοημοσύνης που διαθέτουν ανθρώπινες γνωστικές ικανότητες, συμπεριλαμβανομένης της ικανότητας μάθησης, λογικής και προσαρμογής σε ένα ευρύ φάσμα εργασιών και πλαισίων, παρόμοια στην ανθρώπινη νοημοσύνη. Η ισχυρή τεχνητή νοημοσύνη αντιπροσωπεύει έναν πιο φιλόδοξο και προσανατολισμένο στο μέλλον στόχο στον τομέα της τεχνητής νοημοσύνης.
Που οφείλεται η πιο πρόσφατη, εντυπωσιακή πρόοδος;
Κυρίως στην σύγκλιση τριών τάσεων. Στην άνευ προηγουμένου αύξηση των παραγόμενων δεδομένων η οποία προβλέπεται να κλιμακωθεί ακόμα περισσότερο στο μέλλον. Στην συνεχώς αυξανόμενη ταχύτητα υπολογισμού καθώς πλέον εξειδικεύεται η παραγωγή υλικού ώστε να υποστηρίζει το μαθηματικό υπολογιστικό υπόβαθρο της τεχνητής νοημοσύνης πιο αποδοτικά. Και στην έρευνα που παράγει καινοτομία στην επιστημονική περιοχή της τεχνητής νοημοσύνης και ειδικότερα στο Generative AI. Πέρα από τα μοντέλα αυτά διάχυσης, οι προγραμματιστές έχουν στην διάθεση τους και ψηφιακούς βοηθούς στην παραγωγή εξειδικευμένου λογισμικού όπως είναι για παράδειγμα το GitHub Copilot το οποίο μετατρέπει περιγραφές φυσικής γλώσσας σε προτάσεις κωδικοποίησης σε δεκάδες γλώσσες προγραμματισμού.
Πόσο μακριά είμαστε- εάν προβλέπεται δυνατόν ώστε η τεχνητή ευφυία να είναι, ας πούμε, «εφάμιλλη» της ανθρώπινης;
Σε αυτή τη φάση το generative AI φαίνεται να προσεγγίζει καλά τις λειτουργίες του ανθρώπινου εγκεφάλου ωστόσο δεν είμαστε ακόμα εκεί. Οι πόροι που καταναλώνονται για να εκπαιδευτεί ένα καλό μοντέλο όπως τα gpt, Bert, llama είναι τεράστιοι. Προκειμένου να φτάσουμε σε «brain scale» μοντέλα, χρειαζόμαστε ενδεχομένως πολλαπλάσιους πόρους για την εκπαίδευση του και συντριπτικά πολλαπλάσιους ώστε ένα τέτοιο μοντέλο να είναι διαθέσιμο προς χρήση σε πολλούς ανθρώπους. Με αυτό το στόχο η επιστημονική κοινότητα δουλεύει στη συμπίεση των μοντέλων.
Η καινοτομία στην έρευνα σας;
Η ομάδα μου εργάζεται σε τεχνικές συμπίεσης μοντέλων σαν αυτά που περιέγραψα προηγουμένως. Επίσης εργάζεται σε τεχνικές «distributed inference», κατανεμημένης εξαγωγή συμπεράσματος όπου κάθε συσκευή συμβάλλει στον συνολικό υπολογισμό εκτελώντας ένα μέρος του φόρτου εργασίας, μια πολλά υποσχόμενη προσέγγιση για την ανάπτυξη μοντέλων μηχανικής μάθησης σε συσκευές περιορισμένων πόρων με αποτελεσματικό και επεκτάσιμο τρόπο.
Μια άλλη περιοχή της έρευνάς μας είναι το λεγόμενο «Low-shot learning» μάθηση χαμηλής βολής, όπου ένα μοντέλο πρέπει να μάθει να ταξινομεί μια τάξη που δεν είχε προηγουμένως εμφανιστεί. Τα δεδομένα που έχει διαθέσιμα για να εκπαιδεύσει το μοντέλο είναι περιορισμένα, η στην περίπτωση του zero-shot-learning ανύπαρκτα.
Ως πρόεδρος ΔΣ της ΕΥΔΑΠ (2019- 2023) τι εμπειρίες αποκομίσατε από τον ρόλο σας;
H ΕΥΔΑΠ Α.Ε. είναι η μεγαλύτερη εταιρία ύδρευσης και αποχέτευσης στην Ελλάδα. Έχει 4,5 εκατομμύρια πελάτες, ένα δίκτυο περίπου 10 χιλιομέτρων σωλήνων νερού και 4 μονάδες επεξεργασίας νερού. Για την επεξεργασία λυμάτων διαθέτει 4 μονάδες και επιπλέον 3 υπό ανάπτυξη. Λειτουργεί σχεδόν 500 χιλιόμετρα υδραγωγείου φέρνοντας το νερό στην Αθήνα από 4 ταμιευτήρες. Και όπως μπορείτε να φανταστείτε, η ΕΥΔΑΠ διαθέτει τεράστια τεχνογνωσία στη λειτουργία μεγάλων υποδομών επεξεργασίας νερού και λυμάτων. Οι διοικητικές, επιχειρηματικές, στρατηγικές περιβαλλοντολογικές και τεχνολογικές προκλήσεις σε ένα τέτοιο μεγάλο οργανισμό διαχείρισης του πιο πολύτιμου αγαθού για την ανθρώπινη επιβίωση με σημαντικότατες περιβαλλοντολογικές επιπτώσεις για την ευρύτερη περιοχή της Αττικής είναι τεράστιες. Επίσης οι προκλήσεις της ψηφιακής μεταρρύθμισης μιας τέτοιας μεγάλης εταιρείας υποδομών, όπου έξυπνες υποδομές είναι αυτές τις οποίες μπορεί να παρακολουθεί κανείς μέσω δικτύων αισθητήρων (internet of things) και να παίρνει αποφάσεις σχετικά με την ανθεκτικότητά τους, είναι σημαντικές και αποτελούν μεγάλο πεδίο εφαρμογής των νέων τεχνολογιών όπως η ανάλυση δεδομένων και προβλέψεων μέσω τεχνολογιών ΑΙ. Νομίζω ότι τα διοικητικά συμβούλια των εταιρειών πρέπει να αποκτήσουν στελέχη με βαθιά γνώση των νέων τεχνολογιών γιατί η πρόοδος στις τεχνολογίες αυτές θα φέρει δραματικές εξελίξεις στο επιχειρείν.
Πώς οι σύγχρονες εταιρείες δύνανται να επιβιώσουν στον ψηφιακό ανταγωνισμό;
Τρεις είναι οι βασικοί άξονες για μια εκθετική ανάπτυξη: Η κλίμακα, η εμβέλεια και η ικανότητα μάθησης. H κλίμακα (scale) αφορά το κόστος ανά μονάδα προϊόντος και συνεπώς οι εταιρείες που αυτοματοποιούν τις λειτουργίες τους μπορούν να μεγαλώσουν πιο εύκολα και οικονομικά. Η εμβέλεια (scope) σχετίζεται με τα ανοιχτά δεδομένα και APIs και άρα αποτελεί τον τρόπο να πετύχεις συνέργειες και να μπεις σε νέα οικοσυστήματα. Τέλος, η ικανότητα μάθησης έχει να κάνει με το πως οι εταιρικές διαδικασίες μπορούν να αντλούν γνώση και εμπειρία από δεδομένα άλλων πηγών του οικοσυστήματος και πάνω σε αυτά να παράγουν καινοτομία και νέες υπηρεσίες.
Τα παραδοσιακά λειτουργικά μοντέλα αντιμετωπίζουν συχνά προκλήσεις επεκτασιμότητας όταν η βάση των χρηστών, το πεδίο εφαρμογής και οι απαιτήσεις μάθησης αυξάνονται και αυτό λόγω της πολυπλοκότητας των οργανωτικών λειτουργιών, το διοικητικό κόστος και την αδράνεια των επιχειρήσεων αυτών. Ωστόσο, οι ψηφιακές εταιρείες που στηρίζονται στην τεχνητή νοημοσύνη, πετυχαίνουν τα εκθετικά αποτελέσματα. Λειτουργούν με σχεδόν μηδενικό οριακό κόστος και αξιοποιούν τη δύναμη του δικτύου και των αποτελεσμάτων μάθησης, γεγονός ιδιαίτερα εντυπωσιακό, καθώς η αξία των υπηρεσιών τους αυξάνεται με κάθε νέο χρήστη φαινόμενο που «υπερφορτίζεται» ακόμα περισσότερο από την τεχνητή νοημοσύνη. Αυτή η δυναμική καθορίζει το σύγχρονο επιχειρηματικό τοπίο και υπογραμμίζει τη βαθιά επιρροή της τεχνητής νοημοσύνης και της ψηφιακής καινοτομίας στα οικονομικά μας συστήματα.
Υπάρχει χώρος για να εξαπλωθεί η εκθετική ανάπτυξη και σε άλλους τομείς- πέραν αυτών που βλέπουμε σήμερα;
Παρατηρούμε ότι υπάρχουν τομείς που ήδη προχωράνε στον ψηφιακό μετασχηματισμό και δυνητικά μπορεί να περπατήσουν στο μονοπάτι της εκθετικής ανάπτυξης. Ο τομέας π.χ. των έξυπνων μεταφορών και ειδικότερα των μέσων μαζικής μεταφοράς. Εκτιμάται πως μέχρι το 2050, ο αριθμός των κατοίκων των πόλεων στη γη θα φτάσει περίπου τα 6,4 δισεκατομμύρια άτομα και θα αποτελεί περίπου το 70% του παγκόσμιου πληθυσμού. Σε αυτό το περιβάλλον, το σύστημα μεταφορών θα πρέπει να είναι απίστευτα αποτελεσματικό και δεν θα υπάρχει χώρος για ανθρώπινα λάθη. Παρόλο που διάφορες εταιρείες παρέχουν σχετικές λύσεις που βασίζονται σε ΑΙ (για παράδειγμα αυτόνομη οδήγηση) ακόμα δεν έχει υλοποιηθεί το AI factory στην καρδιά της αρχιτεκτονικής τους και ο κατάλληλος μετασχηματισμός στο να ελαχιστοποιήσει την ανθρώπινη συμμετοχή, να αξιοποιήσει το network effect όπως και την αξιοποίηση των παραγόμενων δεδομένων σε άλλες πτυχές της οικονομικής ζωής στην πόλη.
Παρόμοια είναι η κατάσταση και στον χώρο των έξυπνων εργοστασίων όπου οι λύσεις που παρέχονται από τους μεγάλους οίκους είναι ακόμα στη λογική των κλειστών δεδομένων και διεργασιών.
Drawbacks της εκθετικής εποχής;
Η εκθετική εποχή αντιπροσωπεύει μια εποχή που ορίζεται από την ταχεία πρόοδο της τεχνολογίας και τον αυξανόμενο ρυθμό αλλαγής σε διάφορες πτυχές της ζωής, από τις επιχειρήσεις και τα οικονομικά μέχρι την κοινωνία και το περιβάλλον. Αυτή η εποχή χαρακτηρίζεται από την εκθετική ανάπτυξη των ψηφιακών τεχνολογιών, συμπεριλαμβανομένης της τεχνητής νοημοσύνης, που έχουν τη δυνατότητα να μεταμορφώσουν τις βιομηχανίες, να αναδιαμορφώσουν τα οικονομικά συστήματα και να αντιμετωπίσουν πιεστικές παγκόσμιες προκλήσεις.
Δυστυχώς τα οφέλη της ραγδαίας αυτής τεχνολογικής ανάπτυξης δεν κατανέμονται ομοιόμορφα στην κοινωνία με αποτέλεσμα να δημιουργούνται κοινωνικές ανισότητες. Η εκθετική εποχή αφήνει πίσω της εκθετικό κοινωνικό χάσμα το οποίο αποτελεί σημαντικό κίνδυνο κοινωνικής αποσταθεροποίησης. Η αναγκαιότητα της αντιμετώπισης αυτού του εκθετικού κενού είναι εξαιρετικά σημαντική. Πρέπει με κάθε τρόπο να διασφαλιστεί ότι τα οφέλη των εκθετικών τεχνολογιών είναι προσβάσιμα και ωφέλιμα για έναν ευρύτερο πληθυσμό.
Τι νεωτερικό προτείνατε στο Bio3;
Την δουλειά που κάνουμε με την ομάδα μου στο ΕΜΠ στα πλαίσια ερευνητικών προγραμμάτων που χρηματοδοτούνται από την Ευρωπαϊκή Κοινότητα στην εφαρμογή ψηφιακών τεχνολογιών αιχμής όπως η τεχνητή ευφυία σε εφαρμογές στον κλάδο της υγείας.
Παρουσίασα αποτελέσματα από Harmonic SS το οποίο συγκεντρώνει, ομογενοποιεί και αναλύει δεδομένα από ασθενείς που πάσχουν από το πρωτοπαθές σύνδρομο Sjögren (pSS), μια σπάνια, χρόνια, συστηματική αυτοάνοση νόσος που προσβάλλει κυρίως γυναίκες.
Επίσης, τα αποτελέσματα της έρευνας που κάνουμε στο Ευρωπαϊκό ερευνητικό πρόγραμμα DATAMITE στοχεύει να αναπτύξει ένα αρθρωτό πλαίσιο, ανοιχτού κώδικα κατάλληλο για πολλούς τομείς συμπεριλαμβανομένου και του τομέα της υγείας, με την χρήση τεχνολογία μηχανικής μάθησης στην αποτίμηση της ποιότητάς των δεδομένων από πολλές διαφορετικές πτυχές όπως η πληρότητα, η ακρίβεια, η συνέπεια, η επικαιρότητα και η μοναδικότητα των δεδομένων. Οι παράμετροι αυτοί καθορίζουν την αξία των δεδομένων και δίνουν την ευκαιρία για την εμπορική εκμετάλλευση τους.
Ακόμη, τα αποτελέσματα από το Ευρωπαϊκό ερευνητικό έργο AI4HEALTHSEC όπου χρησιμοποιούμε προηγμένες τεχνολογίες τεχνητής νοημοσύνης για τον εντοπισμό και την ανάλυση κυβερνοεπιθέσεων και απειλών στις Υποδομές Πληροφοριών Υγείας ΥΠΥ.
Είστε συμβουλευτικό μέλος του διεθνούς οργανισμού The Boardroom, με στελέχη από τις μεγαλύτερες εταιρείες διεθνώς.
Προσπαθώ να συμβάλω στην αποστολή της βελτιωμένης εταιρικής διακυβέρνησης και την υποστήριξη γυναικών για την προετοιμασία και ένταξή τους σε εταιρικά διοικητικά συμβούλια. Όπως και στο Women Executives on Boards δίκτυο αποφοίτων του Harvard Business School Executive education καθώς και στο πανευρωπαϊκό δίκτυο Women in Leadership συνεισφέροντας, όσο μπορώ, σε θέματα συμπερίληψης και ενδυνάμωσης γυναικών στον χώρο της εργασίας.
Σε προσωπικό επίπεδο ποια η διαφυγή σας;
Γυμνάζομαι καθημερινά. Το χειμώνα τρέχω, το καλοκαίρι κολυμπάω στην θάλασσα.
Μένω στα Νότια προάστια και έχω εύκολή πρόσβαση στην θάλασσα. Μέσα στην πανδημία άρχισα να παρακολουθώ διαλέξεις Ιστορίας (με την Μαρία Ευθυμίου φυσικά). Η συνήθεια αυτή έγινε μόνιμη και απολαυστική.
Έχετε ρομαντισμό;
Μάλλον όχι, δεν κλαίω στον κινηματογράφο. Δεν είμαι άνθρωπος της φύσης και της εξοχής. Δεν έχω μάθει να την απολαμβάνω. Είμαι city cat. Λατρεύω τις πόλεις. Την Αθήνα, την Νέα Υόρκη. Εκεί που συγχρωτίζονται και αλληλοεπιδρούν οι άνθρωποι σε κλίμακα 1:1. Ο ρομαντισμός στην ευρύτερη φιλοσοφική του έννοια, δίνει έμφαση στη συναισθηματική αυτογνωσία ως απαραίτητη προϋπόθεση για τη βελτίωση της κοινωνίας και τη βελτίωση της ανθρώπινης κατάστασης. Εγώ αν και δίνω μεγάλη σημασία στην ελευθερία και δημιουργικότητα του ανθρώπινου πνεύματος, και στο συναίσθημα ως πηγή αισθητικής εμπειρίας είμαι περισσότερο άνθρωπος του επιστημονικού εξορθολογισμού. Με ενδιαφέρει πολύ η τέχνη αλλά την προσεγγίζω εγκεφαλικά. Έχω παίξει δευτερεύοντες ρόλους σε δύο ταινίες μέχρι τώρα. Η μια μάλιστα βγήκε φέτος, το «Ακουσέ με» της Μαρίας Ντούζα, πολύ αξιόλογη ταινία.
Oι νέοι σήμερα- είστε κοντά στις ανησυχίες τους;
Σίγουρα βιώνουν μια εποχή μεγάλων αλλαγών και θεωρητικά, όταν άρεις περιορισμούς και έχεις πολλές επιλογές οδηγείσαι σε βέλτιστες λύσεις. Πρέπει όμως να συνυπολογίσει κανείς το κόστος όλων αυτών των επιλογών και του χρόνου που χρειάζεται για να τις αναλύσει, να τις δοκιμάσει και να επιλέξει όπως και το κόστος της αδράνειας, της κοινωνίας, η οποία αντιστέκεται συστηματικά σε επιλογές που θεωρητικά είναι διαθέσιμες. Φοβάμαι πως η περιήγηση σε όλες αυτές τις επιλογές χρειάζεται χρόνο περισσότερο από αυτό που διαθέτουν οι νέοι. Πρέπει νωρίς να επιλέξουν ποιες από τις μάχες είναι διατεθειμένοι να δώσουν-σε προσωπικό και επαγγελματικό επίπεδο.
Οι αλματώδεις εξελίξεις στη τεχνολογία σίγουρα θα αλλάξουν δραματικά την αγορά εργασίας. Η μηχανή θα μπορεί σύντομα να εκτελέσει πολλές από τις high skilled δουλειές. Ήδη η μηχανή σκοράρει στα SATs στην Αμερική στο τοπ 10% των μαθητών λυκείου. Αυτό προβλέπεται να βελτιωθεί περί τις 5 τάξεις μεγέθους τα επόμενα 3 χρόνια. Δηλαδή η μηχανή θα γίνει σύντομα ένας άριστος ερευνητής, ένα άριστος σχεδιαστής, μηχανικός, γιατρός. To καλό σενάριο είναι ότι αυτή την επιτυχία θα την απολαύσει το μεγαλύτερο μέρος της κοινωνίας και αντί να οδηγήσει τους νέους στην ανεργία θα τους επιτρέπει να έχουν περισσότερο χρόνο να ασχοληθούν με «ότι αγαπούν» χωρίς να έχουν μεγάλο άγχος για την επιβίωσή τους. Η τεράστια επιδείνωση των περιβαλλοντικών συνθηκών και της κλιματικής αλλαγής είναι επίσης μεγάλη πρόκληση και θέμα επιβίωσης για την νέα γενιά. Τα σκέφτομαι όλα αυτά για τα παιδιά μου και τους φοιτητές μου και ιδρώνω. Τους νέους από την άλλη τους βλέπω ψύχραιμους και μαχητικούς. Είναι υποθέτω ο ρόλος μας να ανησυχούμε και των νέων να μάχονται και να τα καταφέρνουν.
