Człowiek spotyka sztuczną inteligencję

AUTOMATYCZNA TRANSKRYPCJA PODCASTU

dzień dobry słuchaczy państwa audycji polityki Insert przyszłości dziś, o której rozmawiamy o technologiach ich wpływie na nasze codzienne życie naszymi gośćmi są eksperci politycy naukowcy i przedsiębiorcy wspólnie zastanawiamy się jak sztuczna inteligencja roboty drony bio metryka czy internet rzeczy zmieniają społeczeństwo nas samych partnerem audycji jest wręcz Polska zapraszam do słuchania Marek świadczeń z w przyszłości wszystko dookoła nas będzie wykorzystywać Rozwiń » sztuczną inteligencję mówią nam to rodzaj i nie wiadomo czy mają rację bo, choć potencjalnych zastosowań dla uczących się maszyn i algorytmów pomagających człowiekowi w podejmowaniu decyzji jest nieskończenie wiele równie ogromny wysiłek musi wykonać człowiek, by maszyny algorytmy mogły zacząć działać za chwilę dowiemy się ile zajmuje sztucznej inteligencji nauka interakcji z człowiekiem i gdzie taki kontakt może nadejść najszybciej na początek przyłożymy jednak ucho tam, gdzie sztuczna inteligencja już dziś jest wokół nas Szanowni państwo Poznajcie maksa dzień dobry jestem ma głos sztucznej inteligencji oraz nasza rozmowa jest nagrywana chętnie pomogę powiedz w jakim prawie 2 mówiący ludzkim głosem Max w rzeczywistości nie istnieje to wytwór grupy inżynierów programistów wręcz zadaniem tego wirtualnego bytu ma być pomaganie klientom telefonicznej sieci, a po stronie firmy obniżka kosztów funkcjonowania call Center szef zespołu projektowego Remigiusz Franek nie uważa się za ojca maksa, ale przyznaje, że go wymyślił stworzył znak od małego Maksia składa takich paru warstw od momentu, kiedy klient powie pierwsze słowo do momentu, kiedy dostanie od niego po czy na początku przetworzenie głosu na tekst także można było wiedzieć, o czym w ogóle mówimy później z tego tekstu trzeba zrozumieć intencje na podstawie intencji trzeba przypisać konkretnym wpisać w ustawie o strukturę dialogową później trzeba wygenerować odpowiedział na koniec zamieść tę odpowiedź na głosy są kroki, które są 1 po drugie, rzeczywiście są miejsca w ramach tego procesu my w tej chwili stosujemy pewne algorytmy, które są z pogranicza tej technologicznej części związane ze sztuczną inteligencją konkretnym przykładem tutaj jest zrozumienie intencji, aby wirtualny asystent Max nauczył się rozumieć nasze intencje trzeba było najpierw nauczyć sposobu w jaki do niego mówimy edukacja wychowanie maksa, bo tak można w sumie określić ten proces to z punktu widzenia inżynierów nic innego jak budowa bazy danych i tworzenie algorytmów umożliwiających kojarzenie zawartych w niej wartości to co wcześniej wybieraliśmy na piechotę, klikając klawisz z odpowiednim numerem możemy masowe po prostu powiedzieć, a on dobierze do tego najlepiej pasującą odpowiedź ale, żeby zrozumiał musiał się najpierw sam nauczyć to było bardzo trudne wyzwanie na samym początku, bo jak zrobić tą pierwszą taką bazę, na podstawie której powstał pierwszy model rozumienia intencji mogę powiedzieć jak my to np. zrobiliśmy zrobiliśmy to na tej zasadzie, że na podstawie tego co rzeczywiście dzieje się w call Center strażnicy zniżkować tam powiedzmy 3040 tematów, które są wydawało nam się są taką dobrą bazą po prostu przesłaliśmy te rozmowy czy te dobra bardzo no i teraz było wymyślać jak ludzie będą się pytać o te rzeczy i teraz różni ludzie w różny sposób, więc nie można było także 1 osoba sobie to nagra i stwierdził tylko ciało to zróżnicować zrobimy taki prosty mechanizm wybraliśmy taką 1 np. intencje, składając chciałbym zapytać o saldo mojego konta czy mam zaległości czy nie mam zaległości i robimy także wystawiliśmy numer, który można było zadzwonić zrobić grupę testową do dużą i obyśmy tak co bądź pod numer i to jest temat zaprasza do konta próbujcie mówić w jaki sposób chcielibyście zapytać no i osoba, która brała udział testu chroniona mówi nie wie, jakie saldo mojego konta na granicy skończyło później nagrywała kolejny kolejny w trakcie takiej rozmowy mogła nagrać dowolną ilość próbek z reguły tak ciężko było wymyślać kolejne ich było jak też dobrą obrazie nagrał 10 mają zgromadzonych tych, jakby lekarz intencji po kilkaset czy kilkadziesiąt takich próbek były pierwsze dane do modelu to co pan opowiada to jest taki opis takiej pracy badawczo-rozwojowej de facto to jest taki trochę projekt badawczo-rozwojowy natomiast jasno powiedzieć, że korporacje raczej ciężko robi prace badawczo-rozwojowe jest trochę trzeba wierzyć w to co się robi tak to jest powiedziałbym bardzo trudne no i wracając do tematu po miesiącu rzeczywiście mieliśmy przygotowany taki pierwszy model jej ciało go przetestować na produkcyjnych rzeczywiście zrobiliśmy także pewną część ruchu zaczęliśmy od 1% daliśmy klientom ten komunikat powiedz mi jak możemy pomóc pęknięcie mówi patrzyliśmy czy to pasuje czy model się myli się nie myli z jakim prawdopodobnie się ciemniej co trzeba przetrenować, w których miejscach są błędy jak ustawić ten próg poprawności tak, bo ten model trzeba pamiętać o tym, że trochę my decydujemy na ile może się mylić my mówimy czy ma być bardzo dokładny czy też może trochę pomylić zakładając, że na karb przepisie dane stwierdzenie do pewnej intencji, ale wystarczy naprawdę blisko 60% i w jakim przypadku nie przepisze to właściwe intencje troszeczkę tymi parametrami zaczynamy się bawić patrzyć coś działa, bo każdy z tych rzeczy przekłada się mocno na rzeczy operacyjny, bo jeżeli przypuśćmy pomylimy się prawda, czyli np. klient powie coś co powinno być związane z tematem z rozliczeniami to tak naprawdę był problem techniczny trafi np. po pierwsze do złego sal serwisu albo złego doradcę, który będzie musiał go przetransferować opisany przez Remigiusza franka proces doskonale ilustruje od czego tak naprawdę zależy poziom IQ sztucznej inteligencji najprościej mówiąc od tego, jakiej jakości będą zasilające ją dane, które zgromadzić ocenić przesiać i odpowiednio ułożyć muszą programiści odejdźmy na chwilę od załatwiania przez telefon spraw związanych z telefonami tu błąd algorytmu może nie mieć większego znaczenia zupełnie inaczej jest jednak gdy mówimy np. o danych medycznych Piotr Sobecki z ośrodka przetwarzania informacji państwowego Instytutu badawczego jest w zespole wdrażającym pilotażowe rozwiązania oparte o sztuczną inteligencję w ochronie zdrowia już widzi, że jakość i forma istniejących danych źródłowych to podstawowy problem w budowie inteligentnych systemów pierwszy pełny taki, że faktycznie one są zdecentralizowane dane nawet wyniki badań troszeczkę kartka gdzieś tam na półce leżą troszeczkę są systemy zeskanowane wielu systemach w wielu szpitalach znajduje się krok wybranie tego do kupy scentralizowanie pana są 2 ścieżki i ścieżka jest taka, żeby użyć znał wcześniej rejencji, czyli przełożenie języka naturalnego czy na podstawie zeskanowany dokumentów pozyskać odpowiednie zmienne odpowiednie dane na podstawie może wyglądać zbiór danych, gdy go bronić takiej karze lekarz PiS zupełnie inny sposób swojemu każdy szpital ma swój standard dziennikarzom lekarzowi zależy wszystkie informacje podawać, bo może się zacząć szczepić tak, dlaczego więc jakiś błąd nie myślę, że takie rozwiązanie inne potrzebne na poziomie całych myślę, że dynastycznych problematyki medycznych standardowe badania wprowadzić do postaci ilościowej także dane do badań naukowych i do badań naszą agencję były tworzone w ramach pracy tak naprawdę diagnosty co my robimy akurat to skandal czujemy badania właśnie zaczęliśmy od radiologa zaczęliśmy od badań prostaty, gdzie Regis stanie na podstawie badania mają otwarte badanie na innym monitorze stanie kilka pań formularz, który wygeneruje ten opis badania tak tej formie tekstowej mamy do formy tekstowe wygenerowane, toteż mamy formie ilościowej my już wprowadzamy w tym momencie już jakieś wspomaganie diagnostyki w ten sposób, że na podstawie tego co kilka lekarz określanie egis tam chce także dyskutantów obrazowych te zmiany znaleziono teczkę prostacie my jesteśmy w stanie już na podstawie oszacować stopień prawo jest czy też nowotwory złośliwe rzeczy istotna klinicznie zmian, zanim w ogóle zacznie się myśleć o wspomaganiu decyzji lekarza przez komputerową analizę danych pacjenta trzeba się upewnić, że komputery mają do dyspozycji dane pochodzące z właściwego środowiska, bo to najsilniejszy sposób wiąże wirtualną rzeczywistość ze światem realnym prof. Marcin Moniuszko stworzył centrum sztucznej inteligencji w ochronie zdrowia przy białostockim Uniwersytecie medycznym uważa, że z przyczyn czysto biologicznych rozwiązań takich nie wolno importować trzeba je od podstaw tworzyć w oparciu o dane własnej populacji ludzie wcale nie muszą chorować wszędzie w podobny sposób dlaczego, bo w każdym kraju w zależności od możliwości ekonomicznych ten dostęp do poszczególnych terapii może być nieco inny, więc oczywiście staram się wszyscy dążą do zunifikowania do tego, by jak najlepsze terapie były dostępne w każdym kraju, ale ciągle bywa z tym różnie głównie przyczyny akurat ekonomiczne i systemy powiedzmy sztucznej inteligencji, które nauczyły się swojej pracy w kraju, w którym dostęp do pewnych leków jest nieco inny albo z tym w ogóle analizy efektów niepożądanych czy tego co się dzieje dalej z pacjentem jest nieco inny wcale zupełnie nie muszą być bardzo aż tak pomocne w innym kraju np. w Polsce w związku z tym potrzebujemy desperacko potrzebujemy nie tylko importować takie nowoczesne rozwiązania z wysoko rozwiniętych krajów i być szczęśliwi, że mamy do dyspozycji, ale wręcz jesteśmy zobowiązani, żeby tworzyć tutaj nie dlatego, że to jest kwestia ambicji narodowej z konieczności zobowiązań wobec pacjentów zgromadzenie wiarygodnych dokładnych jednakowo pisanych baz danych wyjściowych na potrzeby całego systemu ochrony zdrowia to gigantyczne zadanie w idealnym świecie każdy z nas musiałby się dać przebadać określony sposób, a potem wyniki tych badań musiałyby zostać precyzyjnie wprowadzone do jednolitego systemu to zadanie na minimum lata kosztujące miliardy i pochłaniające czas, którego tak bardzo lekarza na co dzień brakuje, więc cyfrowa medycyna to raczej nie rozwiązanie dla wszystkich w każdym razie na pewno nie dziś prof. Moniuszko uważa jednak, że niewolno bezczynnie czekać, gdy nie da się przebadać wszystkich to trzeba przebadać niektórych za to bardzo dokładnie to na czym koncentrujemy nasze działania to chcemy pokazać na pewnych skrawkach populacji, ale dosyć pokaźnych skrawkach obejmujących np. po kilkuset czy kilku tysięcy pacjentów z daną jednostką chorobową chcemy pokazać w jaki sposób takie szczegółowe zebranie danych, ale nie tylko danych takich związanych z tym, że Patryk przybył do szpitala, jaki miał rozpoznanie choroby jak zareagował na leczenie, ale przede wszystkim sięgnięcia wgłąb mechanizm jego choroby poprzez analizę nie tylko 1234 genów, ale całego genomu 20 000 genów wszystkich kombinacji kombinacji wszystkich Białek kombinacji wszystkich metabolitów poprzez dodanie tego rodzaju danych chcielibyśmy stworzyć taką swego rodzaju Super bazę albo może nadbudowę do tej bazy, która zwraca na to, że są to działanie kosztowne może nie byłaby w stanie objąć na razie swoim zakresem całej populacji, ale pewnej części populacji byłaby na tyle głęboka, że jej wartość diagnostyczna, jeżeli chodzi o tę chorobę głównie mówił do choroby nowotworowe no bo z tym chcemy się przede wszystkim zmierzyć oraz choroby sercowo-naczyniowe inne choroby cywilizacyjne, że wartość diagnostyczna takiej bazy danych dawałaby możliwość tworzenia unikalnych rozwiązań sztucznej inteligencji, dlaczego bo, jeżeli będziemy w stanie tak bardzo głębokie dane w oparciu o jak wspomniałam nie 1234 generale o kombinację rzeczywiście kilkunastu tysięcy genów powiązaniu z czynnikami środowiskowymi z tym, gdzie pacjent żyje w jakim klimacie w jakim otoczeniu środowiskowym zanieczyszczeniu, jaki rodzaj pracy wykonywał, jaki rodzaj aktywności fizycznej uprawiał, jaką dietę miał, jeżeli te wszystkie dane pozornie trywialne, ale szalenie ważne z punktu widzenia przebiegu choroby, jeżeli te wszystkie dane ze sobą będziemy łączyli nawet w grupie kilkuset czy kilku tysięcy osób stworzymy taką dużą bardzo szczegółową bazę danych to dane uzyskane nawet takiego powiedzmy skrawka populacji będą miały niesamowite przełożenie na stworzenie unikalnych rozwiązań sztucznej inteligencji w porównaniu do skomplikowania ludzkiego genomu sytuację na ulicy może nie przytłaczać ilością danych, ale za to tu dane potrafią się błyskawicznie zmieniać systemy sztucznej inteligencji wspomagające autonomiczne pojazdy muszą sobie z tym radzić na bieżąco liczą się szybkość dokładność tłumaczy prof. Marcin Ślęzak dyrektor Instytutu transportu samochodowego autonomiczne samochody albo auta w różnym stopniu wyręczając kierowcę to już nasza rzeczywistość 1 z pierwszych okazji, by sztuczną inteligencję zobaczyć akcji każdy pojazd ma 3 grupy czujników to są urządzenia radarowe urządzenia liderowi i kamerę urządzenia radarowe bardzo dobrze sprawdzające się w kwestii oceny dynamiki ruchu obiektów, które są wokół pojazdu dlatego są stosowane i odporne na warunki pogodowe czujniki radarowe to są czynniki laserowe, które pozwalają dosyć precyzyjnie określić ze skanować otoczenie w sposób laserowe, które jest wokół pojazdu i kamery, które rejestrują obraz wokół pojazdu w zasadzie tak kamerę to jest element, który obraz trzeba przetworzyć tu jest nam potrzebna przede wszystkim sztuczna inteligencja, dlatego że pojazd autonomiczny widzi otoczenia chmurę punktów i teraz tych chmur punktów, bazując na obrazie głównie z kamery musi dokonać klasyfikacji, że ta chmura punktów to jest człowiek ta chmura punktów to jest pies na drodze tak Murator rowerzysta są pojazdy na drodze, a tamten zbiór punktów to jest np. latarnia i dosyć dużo wysiłku idzie w tym kierunku, żeby właśnie to rozróżniać przy czym pamiętajmy, że są sytuacje, które są przewidziane np. nie wie na rowerze ktoś przewozi jakiś worek tak to ten rower prowadzi ani na Miedź itd. itd. więc jest szereg sytuacji, które ta sztuczna inteligencja musi się nauczyć interpretować tak, żeby pojazd zachował się właściwie musi interpretować to zagrożenie czy nie to, żeby uruchomić też sobie nieruchome w tym procesie liczą się głównie szybkość przetwarzania informacji, ale właściwe przyporządkowanie sygnałów do algorytmów ma kolosalne konsekwencje zahamować czy przyspieszyć odbić wprawo czy w lewo ominąć przeszkodę czy człowieka sztuczny umysł musi podejmować takie decyzje w ułamku sekundy i z reguły robi to szybciej od człowieka, ale decyzję podejmie tylko tak dobrą jak dobre będą posiadane przez system dane, czyli jak dokładnie rozpozna teren albo mamy bardzo precyzyjną mapę otoczenia wtedy pojazd się pozycjonuje dokładnie wie co jest wokół albo jedzie w teren nieznane dopiero sam sobie dokonuje oceny tego obszaru łatwiej jest, jeżeli to jest obszar powtarzalne, czyli np. żebyśmy myśleli o autonomii Alzacji pojazdów komunalnych śmieciarek nie wiem pojazdów, które rozwożą postać linii autobusowych, które pokonują tą samą trasę non stop, więc łatwo jest tą trasę ze skanować zdiagnozować określić co jest co i tych elementów takich niespodziewanych zaskakujących na pewno będzie mniej gorzej jest, jeżeli poruszamy się takie prywatna osoba co chwilę w innych warunkach co chwilę w innym miejscu, czyli rozwiązania wpierw albo łatwiej wprowadzić będzie można np. w miastach w aglomeracjach no dla turysty w samochodzie męża no to już będzie musiał polegać na sobie jeżeliby miota klasyfikować, gdzie będzie to najłatwiej wprowadzić wydaje się, że rozwiąże poza miastem autostradach, dlatego że tam jest najmniej ruchu chaotycznego relatywnie polskiej autostrady są dosyć nowej dosyć dobrze oznaczone, więc wydają się tam w pierwszej kolejności w drugiej kolejności dopiero w terenach zurbanizowanych miastach, więc musi jeszcze chwilkę poczekać na pewno za dwa-trzy lata ma dokładnie za 3 lata ma być wprowadzony obowiązek we wszystkich nowych samochodach wprowadzeniu szeregu elementów wspomagających, która nas przybliżają do tej autonomii to są właśnie już na seryjnym wyposażeniu asystent pasa ruchu wspomaganie kierowcy, jeżeli chodzi o hamowanie to są elementy, które mają nadzorować kierowca czy nie jest zmęczony w perspektywie dłuższej myślę, że trzeba spojrzeć przede wszystkim na transport profesjonalny na przewóz ładunków, dlatego że tu borykamy się z 2 elementami po pierwsze jest niedobór kierowców, więc wprowadzenie pewnej autonomii z racji jest pewnym panaceum na wprowadzenie tego dlatego taki test odbywał się szczególnie w krajach skandynawskich Szwecji, gdzie testuje się konwoje pojazdów być może 1 pojazd będzie tylko wyposażone kierowca pozostał będą jechały trochę jak wagony zatem pojazdem to będzie taki element myślę, że w kolejnym kroku, czyli 510 lat zacznie być widoczne na autostradach przełom na ulicach dlatego Nadieżda powoli, ale komputerowo wspomagane zakupy chodzą do handlu na pełnej szybkości Katarzyna dorszy od kilku lat tworzy wirtualnych pomocników klienta dla sieci handlowych przy współpracy z firmą Google dobrze znany asystent głosowy przeistacza się osobistego przewodnika po ofercie internetowych sklepów i tu zaskoczenie sztuczna inteligencja ma pomóc nam klientom wyrwać się z internetowych formularzy i wrócić do mówionej ludzkiej normalności te normalne pytania normalny dialog, który prowadzimy w sklepie chcemy dokładnie odwzorować również świecie na nowym, czyli tworzycie państwo takiego wirtualnego sprzedawcy, że dla studenta klienta wirtualnego asystenta to nazywamy bardziej dlatego właśnie, że jest część sprzedażowa, ale też jest ta część właśnie dział obsługi klienta tak także stworzyliśmy już pierwszy etap dla firmy CCC i właśnie to jest najbardziej taka sprzedażowa, dlaczego to jest inna od razu też chciał powiedzieć, bo przede wszystkim to jest po raz pierwszy, kiedy wykorzystujemy technologię do tego, aby człowiek mógł się tak komunikować jak komunikuje się normalnie człowiek, czyli dla człowieka normalny sposób komunikacji właśnie rozmowa tak nie tak jak dzisiaj mamy na stronach internetowych w aplikacjach mobilnych wykrzykiwanie poprzez filtry zostaliśmy tego nauczeni dlatego tak teraz robimy zakupy, ale tak naprawdę naturalnie wchodzimy powiedzmy do sklepu rozmawiamy ze sprzedawcą to sami sobie, czego szukamy tak jest właśnie założenie tych wirtualnych sprzedawców, że po prostu naturalnie z nim rozmawiamy, ale przecież rozmowa rozmowie nierówna różnorodność zachowań klientów to największe wyzwanie dla programistów kupujący są starsi młodsi zdecydowanie albo wyprzedzający zaganiani albo przebierając w ofertach, jakby dla relaksu na co dzień każdy z nas intuicyjnie wie, o co chodzi, ale to właśnie ten rodzaj inteligencji, którego najtrudniej jest nauczyć maszyny wiemy i informujemy o tym, firma, że zabierze czas do trenowania właśnie tych algorytmów taki oto mamy lingwistów, którzy analizują, którzy się zastanawiają, dlaczego akurat to zapytanie nie zostało zrozumiane dopasowują te zapytania dodają więcej tych tzw. treningów, żeby dokładnie algorytmy coraz więcej budowały sobie swoją wiedzą, o co temu człowiekowi mogło chodzić i dlaczego tego nie zrozumieliśmy, czyli w ten sposób sztuczna inteligencja staje się bardziej inteligentne dokładnie tak jak długo to zajmuje, żeby nauczyć komputer rozmawiać z człowiekiem myślę, że tak naprawdę w nieskończoność, a tak naprawdę ludzie między sobą mają problemy z komunikacją, więc znowu dzielimy sobie na różne etapy te przy pierwszym etapie założeń takiego właśnie wyszukiwania produktów poza samym etapem tworzenia produktu zawsze z klientem umawiamy się na co najmniej pół roku przez pół roku non stop analizujemy wszystkie rozmowy i dodajemy te treningi dodajemy dodajemy absolutnie w pierwszym miesiącu tych poprawek czy tych treningów dodawanych jest coraz więcej czasem jest coraz mniej, ponieważ coraz lepiej działa prościej niż rozmawiać jest, więc nauczyć komputer czytać to co napiszemy szczególnie, gdy chodzi o urzędowe wnioski formularzy, gdzie zasób słownictwa jest niewielki, a każde pismo ma ściśle określony cel, dlaczego więc, by nie odciążyć urzędników nie dopuścić inteligentnych maszyn do przynajmniej selekcji tego co do urzędów spływa dyrektor NASK prof. Jacek Leszko, mówi że prace nad taką właśnie maszyną są na ukończeniu ale by mogła zacząć nam pomagać trzeba pokonać całkiem inne problemy dostępności do podstawowego surowca, czyli danych Otóż w blasku mamy już praktycznie gotowy prototyp algorytmu, który umie czytać tekst tak prosty tekst nietypowo Litwo Ojczyzno moja tylko tekstem niniejszym składam podania przekwalifikowanie działki prawda rolniczej na budowlaną i taki tekst algorytm potrafi przeczytać go zadekretować do 1 z kilkunastu szufladek zobaczyli to nasz może bardziej fachowym językiem klasyfikacji tekst taki cyfrowy urząd dokładnie tak proszę się w razie w skali Polski mamy co najmniej 1 000 000 osób, które codziennie pracę albo w administracji Państwowej albo w administracji samorządowej albo w spółkach zależnych spółkach komunalnych od administracji samorządowej i na pewno na umorzenie wszyscy, ale co najmniej 10%, ale lekko, licząc 100 000 osób codziennie musi przeczytać jakieś pisma jest zaklasyfikować, więc taka właśnie elektroniczna Kancelaria no właśnie my taki algorytm konstruowaliśmy, żeby popatrzeć jak nagroda to rozumie teksty i teksty ogólnodostępne dobre teksty ustaw o każdy z nas może wejść na internet, żeby tak się stać ściągnąć prawda natomiast, żeby nadal dobrze działał w kontekście danych publicznych, które są oczywiście dzięki RODO pod ścisłym nadzorem np. mego ministerstw ministerstwa cyfryzacji na temat musi mieć specjalne zezwolenia uzyskania zezwolenia przez obrazie trwa dłużej niż skonstruowanie tak algorytmu to jest też kwiatek do waszej polskiej łączki i dopiero wtedy my będziemy mieli pewne, że ten algorytm na tzw korpusie danej związane właśnie no z charakterystyką pracy urzędów będzie dobrze działa jak ten przykład podam wszystkim, którzy słuchają tego podcast tu do uświadomienia, gdzie my tak naprawdę jesteśmy, jeżeli chodzi o świat cyfrowy moim zdaniem to my jesteśmy w epoce głębokiego feudalizmu feudalizm ten zdaniem profesora polega na tym, że dosłownie kilka globalnych firm było w stanie w ciągu minionej dekady zgromadzić dane tylu konsumentów i tak bardzo przywiązać ich do ciągłego dzielenia się coraz nowymi danymi, że bez udziału tych potentatów rozwój systemów opartych o sztuczną inteligencję praktycznie nie jest możliwy Jacek Leszko przestrzega i namawia, by obrotem danych zająć się tak samo jak walką z kartelami monopolistów firmy typu Google uzyskują nieuzasadnioną przewagę konkurencyjną wobec np. start-upów, które też chciały handlować na konta oczywiście nie mają takich możliwości dotarcia do tak wielkich zbiorów danych jak długo czas wreszcie na zburzenia Bastylii czas wreszcie na prawda zrozumienie co są prawa obywatela cywilizacji cyfrowej czas na okrzyk, który wywołał rewolucję Stanach Zjednoczonych na tak 6 SA prezentuje się nie możemy się dać tak pojętej golić ekonomicznie organizacjom, które zdobyły no dzięki swoim na pewno talentem organizacyjnym i przewadze technologicznej zapewniono pozycję monopolisty w przełom w upowszechnieniu sztucznej inteligencji takiej, która rzeczywiście pomoże nam rozwiązać naprawdę ważne problemy wymaga, więc rewolucji w podejściu do danych już widać, że ich ochrona jest dobra ile nie ogranicza naszych możliwości wiemy też, że im więcej danych tym lepiej działać będą algorytmy, ale co zrobić jeśli większość obecnie dostępnych danych sami przekazaliśmy komuś, kto nie chce się nimi dzielić z innymi to co dziś zrobimy najcenniejszym zasobem 2001. wieku informacją przesądzi o przyszłości sztucznej inteligencji i trochę nas samych Zwiń «

Człowiek spotyka sztuczną inteligencję

AUTOMATYCZNA TRANSKRYPCJA PODCASTU

PODCASTY AUDYCJI: GOŚCINNIE W TOK FM: POLITYKA INSIGHT PODCAST - PRZYSZŁOŚĆ JEST DZIŚ

POSŁUCHAJ RÓWNIEŻ

DOSTĘP PREMIUM

SERWIS INFORMACYJNY

Wydanie z godziny 15:00

Najnowsze Podcasty

Oliwa z oliwek jest najdroższa od ponad 25 lat - a co z cenami innych olejów spożywczych?

Plamy posłoneczne - uboczny efekt opalania

Moskwa zaatakowana dronami

Wybory samorządowe w Hiszpanii - "To jest dla Partii Socjalistycznej pewnego rodzaju armageddonem"

TOK FM

Polecamy

Popularne

GOŚCIE TOK FM

Gazeta.pl

WYBORCZA.PL