Jak podaje się, w sprawach sądowych dotyczących wydawców, w tym The New York Times oraz pozwanych OpenAI i Microsoft. Zamiast w pełni opowiadać się po stronie którejkolwiek ze stron, Wikimedia argumentuje, że zbyt szerokie orzeczenie mogłoby spowodować dwa różne zagrożenia: ograniczenie dostępu do przydatnych narzędzi wspomaganych przez sztuczną inteligencję dla autorów Wikipedii lub podważenie zasad otwartej sieci, gdyby systemy sztucznej inteligencji mogły swobodnie udostępniać treści chronione w sposób zastępujący oryginalne źródła.

Dlaczego Wikimedia stara się oddzielić szkolenia od wyników

Głównym rozróżnieniem zawartym w podsumowaniu jest różnica między szkolenie oraz zwracanie pokarmu. W praktyce Wikimedia wydaje się twierdzić, że wykorzystywanie utworów chronionych prawem autorskim do szkolenia modelu nie powinno być automatycznie traktowane tak samo, jak w przypadku chatbota przekazującego użytkownikom końcowym treści chronione niemal dosłownie.

To rozróżnienie ma znaczenie, ponieważ wiele obecnych sporów dotyczących sztucznej inteligencji sprowadza się do tego, czy sądy uznają szkolenie modeli za analizę transformacyjną, czy też za nieuprawnione kopiowanie mające konsekwencje komercyjne. Stanowisko Wikimedii sugeruje, że dostrzega ona możliwość ochrony przez sądy procesu tworzenia modeli, nie zapewniając przy tym ogólnej ochrony produktom opartym na sztucznej inteligencji, których wyniki mogą bezpośrednio konkurować z dziełami wydawców.

Co pozostaje niejasne w tych sprawach

Na podstawie dostarczonych materiałów źródłowych nie jest tutaj dostępne pełne uzasadnienie prawne zawarte w piśmie procesowym Wikimedia, a sądy nie rozstrzygnęły jeszcze szerszych kwestii dotyczących praw autorskich. Nie jest również jasne, w jaki sposób sędziowie zdefiniują szkodliwe zachowania generowane przez system, ani czy stworzą wąską zasadę dotyczącą konkretnych produktów zamiast szerszego precedensu w zakresie szkolenia sztucznej inteligencji.

Dla czytelników zajmujących się sztuczną inteligencją i branżą wydawniczą bezpośrednie znaczenie tego faktu polega na tym, że ważna instytucja zajmująca się wiedzą otwartą ostrzega przed scenariuszem typu „wszystko albo nic”. Hipotetyczny przykład: narzędzie oparte na sztucznej inteligencji przeznaczone dla redaktorów, które pomaga w podsumowywaniu stron dyskusji lub wykrywaniu aktów wandalizmu, może opierać się na szerokich możliwościach modelu, podczas gdy chatbot dla konsumentów, który odtwarza treści za paywallem, może budzić zupełnie inne obawy dotyczące praw autorskich.

Jeśli sądy uznają to rozróżnienie, przyszła polityka dotycząca sztucznej inteligencji może skupiać się w mniejszym stopniu na tym, czy modele w ogóle uczyły się na materiałach chronionych prawem autorskim, a w większym stopniu na tym, co faktycznie generują systemy, jak wiernie odtwarzają tekst źródłowy oraz czy odbierają ruch lub wartość oryginalnym wydawcom.

Czy ten kompromisowy argument mógłby stać się wzorem dla przyszłych przepisów dotyczących praw autorskich w zakresie sztucznej inteligencji, czy też sądy nadal będą preferować prostsze podejście oparte na odpowiedzi „tak” lub „nie”?

Źródło: oryginalny artykuł opublikowany przez serwis The Verge. Powyższe stwierdzenia odzwierciedlają informacje zawarte w tym źródle.

Zapoznaj się z powiązanymi artykułami w naszej sekcji Sekcja wiadomości o sztucznej inteligencji.

Praktyczne zastosowania sztucznej inteligencji

Uwaga partnera — Implementi.ai: Wraz z zaostrzaniem się przepisów dotyczących praw autorskich i wykorzystania treści przedsiębiorstwa mogą potrzebować lepszej kontroli nad tym, w jaki sposób teksty generowane przez sztuczną inteligencję są weryfikowane przed publikacją lub udostępnieniem klientom. Zespołom planującym bezpieczniejsze procesy operacyjne związane z treściami generowanymi przez sztuczną inteligencję firma Implementi.ai oferuje szerszy zakres rozwiązania z zakresu sztucznej inteligencji dla biznesu które mogą wspierać procesy z udziałem człowieka oraz planowanie zarządzania.

Serwis “The Verge” donosi, że podczas debaty jeden z uczestników przerwał Collinsowi, krzycząc, że “centra danych oparte na sztucznej inteligencji niszczą nasz klimat” i „zatruwają naszą wodę”. Collins, republikanin, podobno zignorował tę przerwę i powiązał tego mężczyznę z Jacksonem, ale incydent ten podkreślił, jak szybko rozbudowa centrów danych stała się w tym stanie drażliwym tematem lokalnym.

To, co potwierdza dostarczony materiał źródłowy, ma węższy zakres niż szeroko rozpowszechniane obecnie twierdzenia dotyczące infrastruktury sztucznej inteligencji. W tekście RSS napisano, że stan Maine przyciągnął uwagę całego kraju w kwietniu, kiedy to stanowa legislatura podjęła działania, ale dostarczony fragment kończy się, zanim wyjaśniono, jakie dokładnie środki zostały przyjęte oraz jakie ograniczenia lub zezwolenia miały na to wpływ. Oznacza to, że z źródła jasno wynika intensywność polityczna wydarzeń, podczas gdy pełne szczegóły dotyczące polityki pozostają niejasne w przedstawionym tutaj materiale.

Dlaczego infrastruktura sztucznej inteligencji staje się lokalnym tematem politycznym

Nawet na podstawie tego skromnego tekstu źródłowego widać znany schemat: duże centra danych mogą stać się przedmiotem dyskusji dotyczących zapotrzebowania na energię elektryczną, zagospodarowania terenu, zużycia wody oraz lokalnego nadzoru środowiskowego. Ponieważ systemy sztucznej inteligencji wymagają coraz większej mocy obliczeniowej, społeczności, w których znajdują się lub mogą powstać takie obiekty, mogą zacząć debatować nad kosztami i korzyściami na długo przed osiągnięciem jakiegokolwiek konsensusu na szczeblu krajowym.

W praktyce hipotetyczna kwestia lokalna mogłaby polegać na tym, że mieszkańcy zapytaliby, czy planowana inwestycja stanowiłaby obciążenie dla planowania sieci komunalnych lub wymagałaby dodatkowej oceny oddziaływania na środowisko. Nie potwierdza to żadnego konkretnego wpływu projektu w stanie Maine; pokazuje jedynie, dlaczego infrastruktura sztucznej inteligencji może przekształcić się z abstrakcyjnego tematu technologicznego w konkretną kwestię wyborczą.

Co pozostaje niejasne w przedłożonym raporcie

Fragment ten nie określa skali żadnej planowanej ani istniejącej rozbudowy centrum danych związanego ze sztuczną inteligencją w stanie Maine, ani nie dostarcza zweryfikowanych dowodów na poparcie zarzutów dotyczących wpływu na środowisko, które padły podczas debaty. Nie wyjaśnia on również stanowiska Jacksona, reakcji politycznej Collinsa ani konkretnych działań legislacyjnych, o których mowa w kontekście kwietnia.

Niemniej jednak sygnał polityczny ma znaczenie. Jeśli obawy wyborców związane z infrastrukturą opartą na sztucznej inteligencji są na tyle silne, że mogą przerwać debatę w Senacie, kandydaci w innych stanach mogą stanąć w obliczu podobnej presji, by wyjaśnić swoje stanowisko w kwestiach dotyczących wydawania zezwoleń na budowę centrów danych, zużycia energii oraz lokalnej odpowiedzialności.

Czy stan Maine może stać się pierwszym sprawdzianem tego, w jakim stopniu polityka dotycząca infrastruktury sztucznej inteligencji może wpływać na wybory krajowe?

Źródło: oryginalny artykuł opublikowany przez serwis The Verge. Powyższe stwierdzenia odzwierciedlają informacje zawarte w tym źródle.

Zapoznaj się z powiązanymi artykułami w naszej sekcji Sekcja wiadomości o sztucznej inteligencji.

Praktyczne zastosowania sztucznej inteligencji

Uwaga dla partnerów — Implementi.ai: Ponieważ projekty związane ze sztuczną inteligencją są coraz dokładniej analizowane pod kątem wpływu na działalność operacyjną, przedsiębiorstwa mogą potrzebować bardziej przejrzystej wewnętrznej dokumentacji dotyczącej zobowiązań dostawców, warunków świadczenia usług oraz obowiązków w zakresie zgodności z przepisami. Dla zespołów zarządzających ryzykiem związanym z infrastrukturą lub zaopatrzeniem przydatne mogą być narzędzia takie jak Proces monitorowania umów dotyczących sztucznej inteligencji i umów SLA może pomóc w bardziej spójnym śledzeniu zobowiązań. Więcej opcji automatyzacji procesów biznesowych jest dostępnych w Sklep Implementi.ai.

Ma to znaczenie, ponieważ wykorzystanie tokenów to nie tylko kwestia techniczna. W procesach opartych na agentach niepotrzebne monity, powtarzający się kontekst lub nieefektywna koordynacja mogą zwiększać koszty operacyjne, wydłużać czas reakcji oraz utrudniać skalowanie systemów. W podsumowaniu źródłowym nie wymieniono tych siedmiu wzorców z osobna, więc na podstawie samych informacji zawartych w RSS nie można jednoznacznie określić konkretnych zaleceń.

Dlaczego wydajność tokenów ma znaczenie dla agentów sztucznej inteligencji

W przypadku firm tworzących procesy pracy agentów marnotrawstwo tokenów zazwyczaj wpływa jednocześnie na trzy czynniki: koszty, opóźnienia i niezawodność. Jeśli agent wielokrotnie wysyła zbyt duże okna kontekstowe lub powiela rozumowanie na poszczególnych etapach, może to skutkować systemem, który jest droższy, ale nie zapewnia większej dokładności.

Hipotetyczny przykład: proces automatyzacji obsługi klienta może przekazywać całą historię klienta do każdego podzadania, nawet jeśli potrzebny jest jedynie aktualny status zamówienia. W tego rodzaju projekcie ograniczenie kontekstu lub zmiana struktury procesu mogłaby zmniejszyć zużycie tokenów, nie zmieniając jednocześnie wyniku zadania.

Co pozostaje niejasne na podstawie dostępnego tekstu źródłowego

Podsumowanie RSS potwierdza, że artykuł dotyczy architektury agentów produkcyjnych, ale nie zawiera pełnej listy antywzorców, żadnych danych porównawczych ani nazw konkretnych narzędzi i frameworków. Oznacza to, że czytelnicy powinni traktować ten tekst raczej jako odnośnik do artykułu wyjaśniającego zagadnienia techniczne, a nie jako szczegółowy raport dotyczący zmierzonych wzrostów wydajności.

Niemniej jednak warto zwrócić uwagę na ten kontekst. W miarę jak coraz więcej firm przechodzi od pojedynczych poleceń do wieloetapowych agentów, dyscyplina w zakresie tokenów staje się kwestią operacyjną, a nie tylko kwestią preferencji związanych z inżynierią poleceń. Istotnym pytaniem nie jest już tylko to, czy agent działa, ale czy działa na tyle wydajnie, by uzasadnić jego wdrożenie w środowisku produkcyjnym.

Źródło: oryginalny artykuł autorstwa Machine Learning Mastery. Powyższe stwierdzenia odzwierciedlają informacje zawarte w tym źródle.

Zapoznaj się z powiązanymi artykułami w naszej sekcji Sekcja poświęcona agentom AI.

Praktyczne zastosowania sztucznej inteligencji

Uwaga partnera — Implementi.ai: procesy pracy agentów oparte w dużej mierze na tokenach często powodują drugi problem, pojawiający się po samym wyniku modelu: zbyt wiele czynności związanych z działaniami następczymi po spotkaniach, niejasności przy przekazywaniu spraw oraz powtarzające się ręczne sporządzanie podsumowań. Dla zespołów, które starają się utrzymać oszczędność procesów wspomaganych przez sztuczną inteligencję, Przebieg pracy asystenta spotkań opartego na sztucznej inteligencji może pomóc w uporządkowaniu notatek, działań i spraw do załatwienia, dzięki czemu pracownicy nie będą musieli wielokrotnie przetwarzać tych samych informacji w różnych narzędziach.

Zgodnie z raportem Wikimedia zajmuje stanowisko pośrednie w sporach sądowych z udziałem wydawców, w tym The New York Times oraz pozwanych OpenAI i Microsoft. Jak podsumowuje serwis The Verge, argumentacja ta sprowadza się do tego, że sądy powinny pozostawić pewną swobodę prawną umożliwiającą szkolenie dużych modeli językowych na materiałach chronionych prawem autorskim, nie zapewniając jednak ogólnej ochrony systemom, które odtwarzają lub wiernie powielają te materiały dla użytkowników.

Dlaczego Wikimedia twierdzi, że to rozróżnienie ma znaczenie

W praktyce nie chodzi tu wyłącznie o komercyjne chatboty. Wikimedia twierdzi, że zbyt zero-jedynkowe orzeczenie mogłoby również wpłynąć na narzędzia oparte na sztucznej inteligencji, z których korzystają społeczności wolontariuszy oraz inne projekty w ramach otwartej sieci. Innymi słowy, decyzja dotycząca jednej grupy sporów mogłaby wpłynąć na to, jakie rodzaje systemów uczenia maszynowego będą nadal możliwe do wdrożenia na platformach non-profit i służących interesowi publicznemu.

Jest to godna uwagi wypowiedź, ponieważ nie opowiada się ona w pełni ani po stronie wydawców, ani po stronie firm zajmujących się sztuczną inteligencją. Na podstawie streszczenia źródła wydaje się, że Wikimedia opowiada się za węższymi ramami prawnymi: takimi, które traktują proces uczenia się i zachowanie wynikowe jako odrębne kwestie, zamiast zakładać, że ta sama odpowiedź powinna mieć zastosowanie do obu tych zagadnień.

Co pozostaje niejasne

Materiał źródłowy nie zawiera pełnego uzasadnienia prawnego zawartego w piśmie procesowym, ani nie wskazuje, jaką wagę sąd może przypisać pismu Wikimedia. Nie rozstrzyga on również trudniejszego pytania wynikającego z tej kwestii: gdzie sądy powinny wyznaczyć granicę między dopuszczalnym czerpaniem wiedzy z utworów chronionych prawem autorskim a niedopuszczalnym powielaniem w generowanych odpowiedziach.

Hipotetyczny przykład pomaga wyjaśnić, o co tu chodzi. Narzędzie oparte na sztucznej inteligencji, które pomaga redaktorom Wikipedii w streszczaniu stron dotyczących zasad lub wskazywaniu zduplikowanych cytatów, może opierać się na szerokim zbiorze danych szkoleniowych, nie powielając przy tym dosłownie tekstu źródłowego. Zupełnie inną kwestię porusza natomiast chatbot dla konsumentów, który na żądanie wyświetla fragmenty objęte ochroną. Stanowisko Wikimedia, opisane przez serwis The Verge, wydaje się polegać na zwróceniu się do sądów o zachowanie tego rozróżnienia.

Czy może to stać się jednym z kluczowych kryteriów prawnych pozwalających ustalić, czy systemy sztucznej inteligencji są oceniane na podstawie tego, jak się uczą, jak udzielają odpowiedzi, czy też na podstawie obu tych czynników?

Źródło: oryginalny artykuł opublikowany przez serwis The Verge. Powyższe stwierdzenia odzwierciedlają informacje zawarte w tym źródle.

Zapoznaj się z powiązanymi artykułami w naszej sekcji Sekcja wiadomości o sztucznej inteligencji.

Praktyczne zastosowania sztucznej inteligencji

Uwaga dla partnerów — Implementi.ai: Dla firm śledzących spory dotyczące praw autorskich w kontekście sztucznej inteligencji najpilniejszym problemem operacyjnym jest często kwestia zarządzania: jakie treści trafiają do procesów opartych na sztucznej inteligencji oraz które wyniki wymagają weryfikacji przed publikacją. Implementi.ai oferuje szersze Rozwiązania biznesowe oparte na sztucznej inteligencji które mogą pomóc organizacjom w opracowywaniu lepiej kontrolowanych procesów automatyzacji związanych z obsługą treści i ich zatwierdzaniem.

Serwis „The Verge” podaje, że to pierwszy raz, kiedy firma Microsoft skierowała taką ofertę do tak dużej liczby pracowników. Jest to program o znacznie większym zasięgu niż oferta emerytalna, którą firma ograniczyła na początku tego roku do około 9 000 pracowników.

Potwierdzono tu skalę oferty wykupu oraz widoczne starania firmy o ograniczenie kosztów operacyjnych. Nie wiadomo jednak, ilu pracowników ją przyjmie oraz czy program ten doprowadzi do szerszej redukcji zatrudnienia.

• Około 60 000 pracowników kwalifikują się do dobrowolnego wykupu.
• Oferta obejmuje Stany Zjednoczone, Wielką Brytanię, Kanadę i Indie.
• Serwis „The Verge” przedstawia to posunięcie jako część działań firmy Microsoft mających na celu ochronę inwestycji w sztuczną inteligencję.

Dla liderów biznesu sygnał ten jest dobrze znany: wydatki na sztuczną inteligencję nie tylko zmieniają kształt produktów, ale mogą również wpłynąć na plany kadrowe. Firmy rozbudowujące infrastrukturę sztucznej inteligencji często poszukują oszczędności w innych obszarach, zwłaszcza na stanowiskach mniej bezpośrednio związanych ze wzrostem lub dostarczaniem produktów.

Oryginalne źródło: The Verge

W miarę jak coraz więcej firm dostosowuje swoje budżety pod kątem sztucznej inteligencji, praktyczne pytanie nie dotyczy już tego, czy automatyzacja wpływa na zatrudnienie, ale gdzie organizacje zdecydują się pokryć związane z tym koszty.

W jaki sposób duże przedsiębiorstwa powinny znaleźć równowagę między inwestycjami w sztuczną inteligencję a stabilnością zatrudnienia, skoro obie te kwestie są traktowane jako priorytety strategiczne?

Ta aktualizacja ma znaczenie, ponieważ pozwala Gemini przejść od generowania plików do ich faktycznej obsługi. Zamiast tworzyć dokument i wysyłać go gdzie indziej w celu dopracowania, użytkownicy mogą pozostać w aplikacji, otwierać pliki w trybie pełnoekranowym, zaznaczać tekst oraz zadawać Gemini pytania lub zlecać mu edycję bezpośrednio z tego miejsca.

Już na początku tego roku firma Google dodała w aplikacji Gemini możliwość tworzenia i pobierania plików. Ta aktualizacja rozszerza ten proces, umożliwiając użytkownikom modyfikowanie tych plików bez konieczności opuszczania aplikacji – przynajmniej w przypadku formatów, które firma Google udostępniła do tej pory.

• Już dostępne: tworzenie plików, podgląd i edycja w programie Gemini.
• Obsługa urządzeń mobilnych: Na razie tylko pliki PDF.
• Pomoc techniczna dotycząca strony internetowej: wszystkie wymienione formaty plików, w tym Dokumenty i Arkusze Google.

Dla firm korzyści praktyczne są oczywiste: mniej przełączania się między aplikacjami, szybsze porządkowanie dokumentów oraz bardziej bezpośrednia droga od wersji roboczej do gotowego pliku. Zespoły, które już testują asystentów opartych na sztucznej inteligencji w codziennej pracy, mogą uznać to za kolejny znak, że narzędzia do czatu stają się lekkimi edytorami dokumentów, a nie tylko generatorami tekstu.

Oryginalne źródło: The Verge

Jakie rodzaje tekstów powierzyłbyś firmie Gemini do edycji bezpośrednio w pliku, a w jakich przypadkach nadal wolałbyś, aby przeprowadzono oddzielną weryfikację?

W artykule zestawiono dwa rodzaje rozwoju technologicznego. Zakłady produkcyjne TSMC w Arizonie spotkały się z szerokim poparciem, a działalność firmy opisywana jest jako ważny motor gospodarczy, który zużywa miliony galonów wody dziennie, ale jednocześnie zapewnia miejsca pracy, przyciąga dostawców i generuje wpływy z podatków. Dla porównania, planowane centra danych, takie jak Project Blue, spotkały się ze zorganizowanym oporem, spotkaniami publicznymi pełnymi protestujących oraz lokalnymi przepisami mającymi na celu ograniczenie dużych odbiorców wody.

Dlaczego obecna reakcja jest inna?

W artykule czytamy, że wcześniejsze centra danych w Arizonie nie wzbudzały większego zainteresowania, ale nowsze projekty są większe, bardziej widoczne i mieszkańcom trudniej jest oddzielić je od ogólnego boomu związanego ze sztuczną inteligencją. Przeciwnicy twierdzą, że obiecane korzyści są zbyt niewielkie w porównaniu z obciążeniem zasobów wodnych, energetycznych i gruntów. Zwolennicy odpowiadają, że projekty te zapewniają miejsca pracy w budownictwie, długoterminowe zatrudnienie oraz wpływy z podatków.

• TSMC jest przedstawiana jako wzorcowy przykład sukcesu technologicznego w Arizonie.
• Projekt Blue stało się punktem zapalnym w sporze dotyczącym zasobów wodnych, zagospodarowania przestrzennego i przejrzystości.
• Debata wykracza obecnie poza szum medialny wokół sztucznej inteligencji i dotyczy podstawowych ograniczeń infrastruktury.

Co pozostaje nierozwiązane

Artykuł nie daje ostatecznej odpowiedzi na pytanie, czy Arizona będzie w stanie nadal przyjmować rozwój przemysłowy związany ze sztuczną inteligencją. Pokazuje stan borykający się już z problemem suszy, w którym samorządy zaostrzają przepisy, podczas gdy deweloperzy nie zwalniają tempa. Dla czytelników zainteresowanych biznesem wniosek jest prosty: rozwój sztucznej inteligencji to już nie tylko kwestia oprogramowania. To także kwestia mediów komunalnych, procedur wydawania zezwoleń i polityki publicznej.

Dla firm planujących infrastrukturę sztucznej inteligencji spór w Arizonie stanowi przypomnienie, że dostęp do wody, energii elektrycznej i akceptacja społeczna mogą mieć równie decydujące znaczenie jak moc obliczeniowa. W rzeczywistych wdrożeniach właśnie te ograniczenia często decydują o tym, czy projekt będzie się płynnie rozwijał, czy też stanie się problemem politycznym. Jeśli planujesz działania w zakresie sztucznej inteligencji, warto potraktować planowanie zasobów jako kluczowy element strategii, a nie jako kwestię drugorzędną. Praktyczne pomysły dotyczące wdrożenia znajdziesz na stronie implementi.ai/en/solutions/.

Oryginalne źródło: The Verge

W związku z tym, że Arizona rozważa budowę kolejnych centrów danych i fabryk chipów, czy stany powinny wymagać bardziej rygorystycznych gwarancji dotyczących zaopatrzenia w wodę przed zatwierdzeniem infrastruktury sztucznej inteligencji?

Zgodnie z raportem, MPC Sample Key będzie prawdopodobnie korzystać z jakiejś wersji oprogramowania znanego z MPC Sample, ale dostosowanego do tradycyjnego układu klawiatury z kołami regulacji wysokości dźwięku i modulacji. W przeciwieństwie do modelu z wyższej półki, MPC Key 37, urządzenie to nie będzie wyposażone w pady. Zamiast tego użytkownicy będą odtwarzać sample za pomocą klawiszy.

Serwis “The Verge” podaje, że firma Akai z zadowoleniem przyjmuje „gwałtowny wzrost liczby hakerów i twórców niestandardowego oprogramowania” i zaprezentowała już osiągnięcia społeczności modderów w ramach projektu „vibe coding”. Sugeruje to, że firma postrzega eksperymenty społeczności jako część tożsamości produktu, a nie jako efekt uboczny.

• Potwierdzono: Firma Akai planuje udostępnić oprogramowanie układowe typu open source dla urządzenia MPC Sample Key.
• Potwierdzono: Urządzenie wykorzystuje klawisze, a nie pady, do odtwarzania sampli.
• Wciąż nie jest jasne: ostateczne parametry techniczne, ceny oraz oficjalny termin premiery.

Dla firm zajmujących się produkcją sprzętu lub narzędzi kreatywnych jest to przypomnienie, że otwartość może być zaletą, a nie tylko zagrożeniem. Umożliwienie użytkownikom dostosowywania oprogramowania układowego może wzmocnić ich lojalność i przedłużyć żywotność produktu, ale rodzi też pytania dotyczące wsparcia technicznego i kompatybilności.

Oryginalne źródło: The Verge

Jak daleko powinni posunąć się producenci sprzętu w udostępnianiu swoich urządzeń oprogramowaniu układowemu tworzonemu przez społeczność, zanim stracą kontrolę nad doświadczeniem użytkownika związanym z produktem?

Wypowiedź ta padła w trakcie rozmowy, w której Mosseri omawiał wprowadzenie przez Instagram funkcji filmów panoramicznych i długometrażowych. Powiązał on również tę reakcję z ogólnym niepokojem, nie ograniczającym się wyłącznie do młodzieży czy twórców, stwierdzając, że wiele osób “naprawdę nie lubi sztucznej inteligencji”.”

Z doniesień nie wynika, by Mosseri wprowadził zmiany w polityce firmy ani ogłosił wprowadzenie nowego produktu opartego na sztucznej inteligencji. Pokazują one natomiast, że jeden z członków kierownictwa platformy przyznaje, iż opór wobec sztucznej inteligencji staje się coraz bardziej widoczną kwestią biznesową i kulturową. Dla firm tworzących lub korzystających z narzędzi opartych na sztucznej inteligencji ma to znaczenie, ponieważ wdrażanie tych rozwiązań nie jest już wyłącznie kwestią techniczną; jest to również problem związany z zaufaniem i komunikacją.

• Mosseri twierdzi, że krytyka sztucznej inteligencji wykracza poza jedną grupę odbiorców.
• Spodziewa się, że gniew i frustracja będą się nasilać, a nie ustępować.
• Wypowiedź ta padła w ramach wywiadu dotyczącego produktu na Instagramie.

Dla firm wdrażających rozwiązania z zakresu automatyzacji lub sztucznej inteligencji praktyczna lekcja jest prosta: należy wyjaśnić, co system potrafi, czego nie potrafi oraz w jakich sytuacjach nadal konieczna jest ludzka ocena sytuacji. Jasne komunikaty mogą mieć równie duże znaczenie jak sama funkcja, zwłaszcza gdy użytkownicy są już nastawieni sceptycznie.

Oryginalne źródło: The Verge

W jaki sposób platformy powinny przedstawiać funkcje oparte na sztucznej inteligencji, skoro użytkownicy już teraz podchodzą do nich z rezerwą?

Jadbabaie twierdzi, że stary, XX-wieczny model infrastruktury wymagającej dużych nakładów zasobów nie będzie w stanie sprostać rosnącemu zapotrzebowaniu, zwłaszcza w sytuacji, gdy coraz więcej osób wychodzi z ubóstwa, a kraje rozwijające się rozbudowują sieci drogowe, energetyczne, wodociągowe i cyfrowe. Wskazuje on na sztuczną inteligencję i transformację cyfrową jako narzędzia, które mogą zwiększyć efektywność projektowania i eksploatacji, stwarzając jednocześnie nowe wyzwania w zakresie energetyki i sieci energetycznych.

Dlaczego ta chwila jest wyjątkowa

Jak wynika z wywiadu, infrastruktura jest obecnie bardziej powiązana niż kiedykolwiek wcześniej. Awaria zasilania może wywołać łańcuchowe skutki w systemach wodociągowych, gazowych, internetowych i transportowych. Zakłócenia w łańcuchu dostaw, niezależnie od tego, czy wynikają z pandemii Covid, czy z konfliktów geopolitycznych, mogą również rozprzestrzeniać się w sieciach energetycznych, surowcowych i produkcyjnych.

Ta wzajemna zależność podnosi stawkę: awarie mogą występować rzadziej, ale gdy już do nich dochodzi, mogą mieć poważniejsze konsekwencje. Jadbabaie twierdzi, że decyzje dotyczące infrastruktury obejmują obecnie nie tylko kwestie inżynieryjne, ale także finansowanie, eksploatację i potrzeby użytkowników.

Odpowiedź MIT

Aby sprostać tej złożoności, Wydział Inżynierii Lądowej i Środowiskowej MIT wraz z Grupą Banku Światowego, UPM oraz Uniwersytetem Teksańskim w Austin współtworzył Światowe Forum Infrastruktury. Celem tej inicjatywy jest zgromadzenie przedstawicieli środowisk akademickich, przemysłu, rządów i instytucji finansowych w ramach wspólnej dyskusji na temat tego, w jaki sposób infrastruktura powinna być projektowana, finansowana, budowana i eksploatowana.

• W wywiadzie infrastrukturę przedstawiono jako złożone wyzwanie obejmujące kwestie klimatu, energii, finansów i zarządzania.
• Sztuczna inteligencja jest przedstawiana jako potencjalny czynnik przyspieszający proces projektowania i podejmowania decyzji, a nie jako gotowe rozwiązanie.
• Celem forum jest stworzenie trwałego ekosystemu, a nie zorganizowanie jednorazowego wydarzenia.

Dla firm zajmujących się planowaniem, inżynierią lub zarządzaniem aktywami praktyczny wniosek jest jasny: wdrożenie sztucznej inteligencji w infrastrukturze będzie prawdopodobnie zależało w równym stopniu od danych, koordynacji i zarządzania, co od samych modeli. W rzeczywistych przedsiębiorstwach oznacza to często automatyzację procesów wykrywania, monitorowania i wsparcia decyzyjnego, zanim podejmie się próbę stworzenia w pełni autonomicznych systemów.

Oryginalne źródło: MIT News

Co należałoby zmienić w pierwszej kolejności, aby projekty infrastrukturalne stały się mniej zasobochłonne, nie tracąc przy tym na niezawodności?