Sztuczna inteligencja (artificial intelligence, AI) to zdolność maszyn do wykazywania ludzkich umiejętności, takich jak rozumowanie, uczenie się, planowanie i kreatywność. Sztuczna inteligencja umożliwia systemom technicznym postrzeganie ich otoczenia, radzenie sobie z tym, co postrzegają i rozwiązywanie problemów, działając w kierunku osiągnięcia określonego celu. Termin ten często stosuje się wymiennie z nazwami dyscyplin podrzędnych, do których należą samouczenie się maszyn (machine learning, ML) i uczenie głębokie (deep learning).

Istnieją jednak między nimi różnice. Przykładowo samouczenie się maszyn koncentruje się na budowaniu systemów, które uczą się lub zwiększają swoją wydajność na podstawie przetwarzanych danych. Warto sobie uświadomić, że chociaż wszystkie zagadnienia samouczenia się maszyn należą do badań nad sztuczną inteligencją, SI nie ogranicza się jedynie do nich.

W celu pełnego wykorzystania wartości sztucznej inteligencji wiele firm poważnie inwestuje w zespoły zajmujące się analityką danych. Inżynieria danych łączy statystykę, informatykę i wiedzę biznesową w celu wyodrębnienia informacji z różnych źródeł danych.

Sztuczna inteligencja w codziennym użyciu

• Wyszukiwanie w internecie
  Wyszukiwarki uczą się na podstawie ogromnych ilości danych dostarczanych przez użytkowników, aby zapewnić trafne wyniki wyszukiwania.

• Cyfrowi asystenci
  Smartfony wykorzystują SI do dostarczania jak najbardziej trafnych i spersonalizowanych produktów - wirtualni asystenci odpowiadają na pytania, dają rekomendacje i pomagają w organizacji codziennych zajęć stali się wszechobecni.

• Samochody
  Chociaż pojazdy autonomiczne nie są jeszcze standardem, samochody już korzystają z funkcji bezpieczeństwa opartych na SI. Nawigacja jest też w dużej mierze oparta na SI.

• Cyberbezpieczeństwo
  Systemy SI mogą pomóc w rozpoznawaniu i zwalczaniu cyberataków i innych zagrożeń cybernetycznych w oparciu o ciągłe wprowadzanie danych, rozpoznawanie wzorców i śledzenie ataków.

• Opieka zdrowotna
  Naukowcy badają możliwości zastosowania sztucznej inteligencji do analizy dużych ilości danych dotyczących zdrowia i rozpoznawania wzorców, co może prowadzić do nowych odkryć w medycynie i ulepszenia diagnostyki indywidualnej.

• Tłumaczenie języków
  Technologie takie jak Google Translate, zmieniają sposób, w jaki komunikujemy się na świecie.

• Filtry w aparatach fotograficznych
  W nowoczesnych smartfonach AI pomaga w automatycznym dostosowywaniu ustawień aparatu do danego kadru, co przekłada się na wysoką jakość zdjęć bez konieczności zaawansowanej wiedzy fotograficznej.

• Personalizacja reklam w marketingu internetowym
  Reklamy internetowe są coraz bardziej ukierunkowane na indywidualne preferencje użytkowników.

• Prognoza pogody
  Systemy przewidywania pogody wykorzystują modele uczenia maszynowego do analizowania dużej ilości danych atmosferycznych, dzięki czemu mamy coraz dokładniejsze i bardziej wiarygodne prognozy.

• Automatyzacja w domu
  Inteligentne domy wykorzystujące sztuczną inteligencję mogą pozwolić sobie na automatyzację wielu procesów, takich jak: sterowanie oświetleniem, ogrzewaniem, klimatyzacją czy systemem zabezpieczeń.

• Rozpoznawanie obrazów i wideo w mediach społecznościowych
  Portale społecznościowe wykorzystują sztuczną inteligencję do automatycznego rozpoznawania obiektów, miejsc i osób na zdjęciach oraz filmach, co ułatwia kategoryzowanie i tagowanie zawartości.

• Korekta gramatyczna i pomoc w pisaniu
  Aplikacje takie jak Grammarly wykorzystują algorytmy do sprawdzania i poprawiania gramatyki oraz stylistyki tekstu

Źródło: europarl.europa.eu

Pojęcia dotyczące sztucznej inteligencji

• Generatywna sztuczna inteligencja (Generative Ai)
  Technologia, która tworzy treści – w tym tekst, obrazy, wideo i kod komputerowy – poprzez identyfikowanie wzorców w dużych ilościach danych szkoleniowych, a następnie tworzenie oryginalnego materiału o podobnych cechach. Przykłady obejmują ChatGPT dla tekstu oraz DALL-E i Midjourney dla obrazów.

• Prompt
  Forma tekstu, pytania, informacji lub kodowania, które komunikują sztucznej inteligencji, jakiej odpowiedzi szukasz.

• Uczenie głębokie (Deep learning)
  Funkcja sztucznej inteligencji, która naśladuje ludzki mózg, ucząc się na podstawie struktury danych, a nie algorytmu zaprogramowanego do wykonywania jednej konkretnej czynności.

• Uczenie ze wzmocnieniem (Reinforcement learning)
  Technika, która uczy model sztucznej inteligencji znajdowania najlepszych wyników metodą prób i błędów, otrzymując nagrody lub kary od algorytmu na podstawie jego wyników. System ten może zostać ulepszony przez ludzi przekazujących informacje zwrotne na temat jego wydajności, w formie ocen, poprawek i sugestii.

• Uczenie maszynowe (Machine learning)
  Ten podzbiór sztucznej inteligencji koncentruje się w szczególności na opracowywaniu algorytmów, które pomogą maszynom uczyć się i zmieniać w odpowiedzi na nowe dane, bez pomocy człowieka.

• Klasyfikator (Classifier)
  Klasyfikator to rodzaj modelu sztucznej inteligencji używanego w uczeniu maszynowym do zadań kategoryzacji. Przypisuje on etykiety lub kategorie do danych wejściowych w oparciu o wyuczone wzorce. Klasyfikatory są szeroko stosowane w aplikacjach do takich działań jak wykrywanie spamu, rozpoznawanie obrazów i analiza nastrojów.

Sztuczna sieć neuronowa

Sieć neuronowa (Neural network), system matematyczny wzorowany na ludzkim mózgu, który uczy się umiejętności poprzez znajdowanie wzorców statystycznych w danych. Składa się z warstw sztucznych neuronów. Pojedynczy neuron nazywany jest perceptronem. Składa się on z wejść mnożonych przez powiązane wagi, węzła sumującego i funkcji aktywacji określającej wyjście neuronu. Podobnie jak w mózgu ludzkim, informacje przetwarzane są równolegle przez wiele połączonych ze sobą elementów, co pozwala na skuteczne rozwiązywanie różnorodnych problemów.

Historia sieci neuronowych

Pierwsza sieć neuronowa została opracowana przez Warrena McCullocha i Waltera Pittsa w 1943 roku. Napisali oni przełomowy artykuł na temat tego, jak mogą działać neurony, i zademonstrowali swoje pomysły, tworząc prostą sieć neuronową za pomocą obwodów elektrycznych. Ten przełomowy model utorował drogę badaniom nad sieciami neuronowymi w dwóch obszarach:

• Procesy biologiczne w mózgu.

• Zastosowanie sieci neuronowych powiązane ze sztuczną inteligencją (AI).

Na początku twórcom sieci neuronowych przyświecał cel stworzenia systemu obliczeniowego, który mógłby rozwiązywać problemy w taki sam sposób, jak ludzki mózg. Jednak z biegiem czasu naukowcy skupili się na wykorzystywaniu sieci neuronowych do wykonywania określonych zadań, co doprowadziło do odejścia od ściśle biologicznego podejścia. Od tego czasu sieci neuronowe wykonują różne zadania

Jak działają sieci neuronowe

Prosta sieć neuronowa składa się z warstwy wejściowej, warstwy wyjściowej (lub docelowej) oraz znajdującej się pomiędzy nimi warstwy ukrytej. Warstwy te są połączone za pomocą węzłów, a połączenia te tworzą sieć – sieć neuronową – połączonych ze sobą węzłów.

Źródło: Maxime Vandegar - shutterstock.com

Proces uczenia

Uczenie sieci neuronowej polega na optymalizacji wag synaptycznych w celu minimalizacji różnicy między przewidywanymi a rzeczywistymi wynikami. Najpopularniejszą metodą uczenia jest algorytm propagacji wstecznej (backpropagation), który polega na obliczaniu gradientów błędu i dostosowywaniu wag w celu minimalizacji funkcji kosztu. Proces ten jest iteracyjny i wymaga dostępu do zbioru danych uczących, który zawiera przykłady z oznaczonymi etykietami.

Neuron biologiczny i sztuczny

Źródło: Adam Kurowski - Politechnika Gdańska

Zadania - Sztuczna Inteligencja

1. Opisz zastosowanie sztucznej inteligencji w wybranej dziedzinie

Opisz w jaki sposób sztuczna inteligencja jest wykorzystywana w jednej z poniższych dziedzin:

• Opieka zdrowotna – Jak sztuczna inteligencja pomaga w analizowaniu dużych ilości danych, poprawianiu diagnostyki i tworzeniu nowych odkryć medycznych?

• Transport – Jak SI wspiera autonomiczne pojazdy oraz poprawia bezpieczeństwo na drogach?

• Cyberbezpieczeństwo – W jaki sposób sztuczna inteligencja jest używana do rozpoznawania i zwalczania cyberataków?

• Marketing internetowy – Jak SI personalizuje reklamy w oparciu o indywidualne preferencje użytkowników?

Twoja odpowiedź powinna zawierać co najmniej dwa przykłady zastosowań sztucznej inteligencji w wybranej dziedzinie oraz wyjaśnienie korzyści wynikających z jej wykorzystania.

2. Rola sztucznej inteligencji w życiu codziennym

W oparciu o podane informacje o zastosowaniach sztucznej inteligencji, opisz rolę AI w codziennym życiu. W swoim tekście uwzględnij następujące zagadnienia:

• Cyfrowi asystenci – Jak sztuczna inteligencja pomaga w zarządzaniu codziennymi zadaniami za pomocą takich narzędzi jak wirtualni asystenci (np. Siri, Google Assistant)?

• Samochody i bezpieczeństwo – Opisz, jak AI wspiera nowoczesne samochody, np. w systemach bezpieczeństwa czy autonomicznych pojazdach.

• Tłumaczenia języków – Wyjaśnij, jak sztuczna inteligencja zmienia sposób, w jaki komunikujemy się na całym świecie dzięki narzędziom takim jak Google Translate.

• Rozpoznawanie obrazów i wideo – Jak portale społecznościowe wykorzystują AI do automatycznego rozpoznawania i kategoryzowania zawartości multimedialnej?

Na końcu napisz swoją opinię na temat tego, czy Twoim zdaniem rola sztucznej inteligencji w naszym życiu będzie rosła i jakie może to mieć konsekwencje.