{"id":91936,"date":"2024-06-07T12:54:36","date_gmt":"2024-06-07T12:54:36","guid":{"rendered":"https:\/\/www.globallogic.com\/pl\/?post_type=news&p=91936"},"modified":"2024-06-07T12:54:36","modified_gmt":"2024-06-07T12:54:36","slug":"ksztaltowanie-jutra-jak-dzisiejsze-metody-trenowania-sztucznej-inteligencji-zdefiniuja-nasza-przyszlosc","status":"publish","type":"news","link":"https:\/\/www.globallogic.com\/pl\/about\/press-room\/media-coverage\/ksztaltowanie-jutra-jak-dzisiejsze-metody-trenowania-sztucznej-inteligencji-zdefiniuja-nasza-przyszlosc\/","title":{"rendered":"Kszta\u0142towanie jutra: Jak dzisiejsze metody trenowania sztucznej inteligencji zdefiniuj\u0105 nasz\u0105 przysz\u0142o\u015b\u0107"},"content":{"rendered":"
Opublikowany na pocz\u0105tku roku raport \u201eEdelman Trust Barometer 2024<\/a>\u201d pokazuje, \u017ce obecnie bardziej wierzymy wynikom z wyszukiwarek internetowych ni\u017c dziennikarzom opisuj\u0105cym otaczaj\u0105c\u0105 rzeczywisto\u015b\u0107 w tradycyjnych mediach. Wkr\u00f3tce jednak takim zaufanym \u017ar\u00f3d\u0142em informacji, kt\u00f3re zapewnia jeszcze szybszy dost\u0119p do odpowiedzi, mog\u0105 sta\u0107 si\u0119 chatboty bazuj\u0105ce na sztucznej inteligencji.<\/p>\n Czy b\u0119dziemy mogli im zaufa\u0107? To zale\u017cy od tego, jak b\u0119dzie przebiega\u0107 ich rozw\u00f3j i czy odpowiednio zadbamy o dane, na podstawie kt\u00f3rych algorytmy s\u0105 trenowane. Wiele wskazuje na to, \u017ce znajdujemy si\u0119 na kluczowym etapie rozwoju, kiedy GenAI, podobnie jak umys\u0142 dziecka, ch\u0142onie i przetwarza ogromne ilo\u015bci informacji. Uczy si\u0119 o otaczaj\u0105cej rzeczywisto\u015bci i przygotowuje do funkcjonowania w przysz\u0142o\u015bci, a wszystko to pod okiem specjalist\u00f3w dbaj\u0105cych o dostarczanie jej tre\u015bci. W kontek\u015bcie tego dynamicznego rozwoju niezwykle wa\u017cne jest zadbanie o r\u00f3\u017cnorodno\u015b\u0107 danych u\u017cywanych do szkolenia sztucznej inteligencji, by unikn\u0105\u0107 powa\u017cnych konsekwencji w przysz\u0142o\u015bci.<\/p>\n GenAI, podobnie jak ka\u017cdy inny system ucz\u0105cy si\u0119, jest tak dobry, jak dane, kt\u00f3re otrzymuje. Je\u017celi s\u0105 jednostronne, b\u0142\u0119dne lub pe\u0142ne uprzedze\u0144, model AI b\u0119dzie powiela\u0142 te informacje. Konsekwencje tego, z pozoru niegro\u017ane na pierwszy rzut oka, mo\u017cemy dostrzega\u0107 ju\u017c teraz. Algorytmy dopuszczone do korzystania z zasob\u00f3w sieci www, sugeruj\u0105 u\u017cytkownikom dzia\u0142ania lub rozwi\u0105zania zaproponowane wcze\u015bniej przez internaut\u00f3w dla \u017cartu lub by oszuka\u0107 swoich rozm\u00f3wc\u00f3w. To prowadzi do tak absurdalnych sytuacji, jak radzenie kobietom w ci\u0105\u017cy palenia dw\u00f3ch-trzech papieros\u00f3w dziennie b\u0105d\u017a zalecanie uzupe\u0142nienia codziennej diety o kamienie.<\/p>\n W przysz\u0142o\u015bci skutki mog\u0105 by\u0107 du\u017co powa\u017cniejsze i odczuwane powszechnie, przez ca\u0142e spo\u0142ecze\u0144stwo. Je\u017celi system AI jest trenowany g\u0142\u00f3wnie na danych pochodz\u0105cych od jednej grupy demograficznej, istnieje ryzyko, \u017ce b\u0119dzie dyskryminowa\u0142 inne. Przyk\u0142ady takich uprzedze\u0144 mo\u017cemy obecnie zaobserwowa\u0107 w systemach rekrutacyjnych lub tych s\u0142u\u017c\u0105cych do rozpoznawania twarzy, kt\u00f3re lepiej radz\u0105 sobie w przypadku os\u00f3b o ja\u015bniejszej karnacji.<\/p>\n Brak r\u00f3\u017cnorodno\u015bci w danych mo\u017ce prowadzi\u0107 do wzmocnienia istniej\u0105cych nier\u00f3wno\u015bci spo\u0142ecznych i ekonomicznych. Je\u017celi systemy AI zaczn\u0105 preferowa\u0107 jedn\u0105 grup\u0119 nad inn\u0105, w\u00f3wczas mo\u017ce to przyczyni\u0107 si\u0119 do jeszcze wi\u0119kszego rozwarstwienia spo\u0142ecznego. Niesprawiedliwe decyzje dotycz\u0105ce spraw o istotnym znaczeniu, jak przyznawanie kredyt\u00f3w, diagnozowanie chor\u00f3b czy zatrudnienie, mog\u0105 by\u0107 krzywdz\u0105ce dla pewnych grup ludzi i skutkowa\u0107 konsekwencjami prawnymi i spo\u0142ecznymi.<\/p>\n –\u00a0Szybki rozw\u00f3j sztucznej inteligencji stoi przed powa\u017cnym wyzwaniem ze wzgl\u0119du na kluczow\u0105 rol\u0119 danych treningowych. Zapewnienie r\u00f3\u017cnorodno\u015bci danych ma istotne znaczenie dla budowania zaufania w\u015br\u00f3d spo\u0142ecze\u0144stwa do sztucznej inteligencji. U\u017cytkownicy musz\u0105 mie\u0107 pewno\u015b\u0107, \u017ce systemy z kt\u00f3rych korzystaj\u0105, s\u0105 uczciwe, aktualne oraz neutralne. Kiedy sztuczna inteligencja jest postrzegana jako nieobiektywna lub wprowadzaj\u0105ca w b\u0142\u0105d, podwa\u017ca to zaufanie do technologii, co mo\u017ce skutkowa\u0107 oporem przed wdra\u017caniem i wykorzystywaniem system\u00f3w AI\u00a0<\/em>\u2013 wyja\u015bnia Ewelina Wac\u0142awik-Macura, Project Manager – Engineering w GlobalLogic<\/a>, kt\u00f3ra na nadchodz\u0105cej konferencji \u201eWomen in Tech Summit\u201d, wraz z Katarzyn\u0105 Paluch, Senior Manager – Engineering, przybli\u017cy temat znaczenia r\u00f3\u017cnorodno\u015bci w trenowaniu SI podczas prezentacji \u201eIs GenAI a Woman?\u201d.<\/p>\n R\u00f3\u017cnorodno\u015b\u0107 w danych szkoleniowych dla GenAI jest obecnie nie tylko kwesti\u0105 etyki, ale tak\u017ce praktyczn\u0105 konieczno\u015bci\u0105 dla zapewnienia efektywno\u015bci, sprawiedliwo\u015bci i wszechstronno\u015bci. Sztuczna inteligencja jest coraz bardziej wszechobecna w naszym \u017cyciu, a zbieranie danych z r\u00f3\u017cnych \u017ar\u00f3de\u0142 i od wielu grup demograficznych, a tak\u017ce regularne monitorowanie i audytowanie system\u00f3w AI pod k\u0105tem uprzedze\u0144 i stronniczo\u015bci, jest kluczowe dla unikni\u0119cia powa\u017cnych konsekwencji w przysz\u0142o\u015bci. Tylko w ten spos\u00f3b mo\u017cemy budowa\u0107 \u015bwiat, w kt\u00f3rym technologia s\u0142u\u017cy wszystkim, a nie jest tylko kolejnym \u015brodkiem do manipulacji i fake news\u00f3w.<\/p>\n<\/div>\n
<\/p>\n
<\/p>\n
\n