\"Dane, systemy i spo\u0142ecze\u0144stwo: wykorzystanie sztucznej inteligencji dla dobra spo\u0142ecznego\"<\/a>. Na jego stronach szczeg\u00f3\u0142owo opisuje wyzwania zwi\u0105zane z prze\u0142amywaniem sztywnych mur\u00f3w oddzielaj\u0105cych dziedziny akademickie i przedstawia plan robienia rzeczy inaczej - zach\u0119caj\u0105c zar\u00f3wno nowicjuszy, jak i weteran\u00f3w nauki o danych i sztucznej inteligencji do zrobienia tego samego.<\/p>\nCentralnym elementem podej\u015bcia IDSS jest to, co Dahleh nazywa modelem \"tr\u00f3jk\u0105ta\". Wyobra\u017a sobie trzy rogi: jeden reprezentuje \u015bwiat fizyczny, drugi to ludzkie zachowanie, a trzeci to polityka i zarz\u0105dzanie. \u0141\u0105cz\u0105 je wszystkie strumienie danych, dzia\u0142aj\u0105c jak klej. Idea stoj\u0105ca za tym modelem jest prosta, ale g\u0142\u0119boka: ka\u017cda rzeczywista kwestia jest kszta\u0142towana przez spos\u00f3b, w jaki ludzie wchodz\u0105 w interakcje z systemami i zasadami, kt\u00f3re nimi kieruj\u0105, a dane pomagaj\u0105 nam zobaczy\u0107 ca\u0142y obraz - w tym nieoczekiwane konsekwencje spo\u0142eczne.<\/p>\n
Nic tak nie podkre\u015bli\u0142o potrzeby tego rodzaju my\u015blenia, jak pandemia COVID-19. Kryzys ujawni\u0142, w czasie rzeczywistym, jak ma\u0142o by\u0142o konkretnych danych, jak nieprzewidywalnie mog\u0105 zachowywa\u0107 si\u0119 ludzie i jak decyzje polityczne czasami mija\u0142y si\u0119 z celem (lub by\u0142y \u017ale rozumiane). Dla Dahleha wyzwania te potwierdzi\u0142y filozofi\u0119 IDSS: rozwi\u0105zywanie naprawd\u0119 z\u0142o\u017conych problem\u00f3w wymaga wk\u0142adu wielu, g\u0142\u0119boko powi\u0105zanych dyscyplin, a nie tylko zbioru ekspert\u00f3w pracuj\u0105cych w pojedynk\u0119.<\/p>\n
Budowanie akademickiego domu wsp\u00f3\u0142pracy<\/h5>\n
Tr\u00f3jk\u0105t Dahleha nie ogranicza si\u0119 do sytuacji zagro\u017cenia zdrowia. Eksplozja medi\u00f3w spo\u0142eczno\u015bciowych i handlu elektronicznego - na dobre i na z\u0142e - opiera si\u0119 na warstwach interakcji mi\u0119dzyludzkich, regulacji i oceanach danych. Kwestie takie jak fa\u0142szywe wiadomo\u015bci lub projektowanie platform nie mog\u0105 by\u0107 rozwi\u0105zywane za pomoc\u0105 jednego obiektywu; wymagaj\u0105 one warstwowych, opartych na wsp\u00f3\u0142pracy odpowiedzi.<\/p>\n
Z\u0142o\u017cono\u015b\u0107 ta rozci\u0105ga si\u0119 na debaty etyczne dotycz\u0105ce nowych technologii, takich jak autonomiczne samochody. Jak wskazuje Dahleh, wybory dokonywane przez in\u017cynier\u00f3w i projektant\u00f3w maj\u0105 nie tylko charakter techniczny - wp\u0142ywaj\u0105 one na spo\u0142ecze\u0144stwo w nieprzewidywalny spos\u00f3b. W swojej ksi\u0105\u017cce Dahleh stara si\u0119 odr\u00f3\u017cni\u0107 prawdziw\u0105 prac\u0119 interdyscyplinarn\u0105 od wysi\u0142k\u00f3w, kt\u00f3re s\u0105 jedynie \"wielo-\" lub \"interdyscyplinarne\", zauwa\u017caj\u0105c, \u017ce prawdziwy wp\u0142yw wynika z budowania trwa\u0142ych, zintegrowanych spo\u0142eczno\u015bci, a nie jednorazowych przedsi\u0119wzi\u0119\u0107.<\/p>\n
W MIT Dahleh odkry\u0142, \u017ce uczynienie tego rodzaju wsp\u00f3\u0142pracy trwa\u0142\u0105 nie by\u0142o \u0142atwe. Wymaga\u0142o to stworzenia nowego instytutu z w\u0142asn\u0105 spo\u0142eczno\u015bci\u0105, publikacjami i programem nauczania - co\u015b, co by\u0142o mo\u017cliwe tylko dzi\u0119ki zdecydowanej wizji i trwa\u0142emu wsparciu. Dzi\u0119ki programom takim jak \u015bcie\u017cka doktorancka IDSS, studenci zag\u0142\u0119biaj\u0105 si\u0119 w z\u0142o\u017cone problemy z wielu punkt\u00f3w widzenia, ucz\u0105c si\u0119, \u017ce wyzwania spo\u0142eczne rzadko s\u0105 jednowymiarowe.<\/p>\n
Kilka lat po przej\u0119ciu kierownictwa nad IDSS, Dahleh zda\u0142 sobie spraw\u0119, \u017ce nie ma oficjalnego zapisu tego, jak powsta\u0142 instytut - nie ma przewodnika dla innych, kt\u00f3rzy maj\u0105 nadziej\u0119 odby\u0107 t\u0119 sam\u0105 podr\u00f3\u017c. Jego nowa publikacja ma na celu wype\u0142nienie tej luki, oferuj\u0105c nie tylko histori\u0119, ale tak\u017ce inspiracj\u0119 dla ka\u017cdego, kto jest gotowy prze\u0142ama\u0107 bariery akademickie. Przes\u0142anie Dahleha jest jasne: najbardziej pal\u0105ce problemy \u015bwiata nie b\u0119d\u0105 czeka\u0107, a\u017c \u015brodowisko akademickie nadrobi zaleg\u0142o\u015bci, a wsp\u00f3lna praca jest nasz\u0105 najlepsz\u0105 nadziej\u0105 na znalezienie znacz\u0105cych rozwi\u0105za\u0144.<\/p>\n
Przeczytaj oryginalny artyku\u0142<\/a><\/p>","protected":false},"excerpt":{"rendered":"Blurring Boundaries in Academia: The Push for Interdisciplinary Collaboration The line separating academic fields is growing fuzzier every year\u2014and that\u2019s not a bad thing. As our world grapples with daunting problems like climate change, misinformation, and navigating new frontiers in artificial intelligence, the need for experts who can look beyond their traditional silos has never been greater. Tackling issues of this scale doesn\u2019t just call for teamwork across departments; it demands true collaboration between academia, industry, and government. At MIT, Professor Munther Dahleh saw these needs years ago. Back then, interdisciplinary efforts were often limited to quick, temporary projects that […]<\/p>\n","protected":false},"author":4,"featured_media":5879,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[47],"tags":[],"class_list":["post-5878","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-news","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/5878","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/comments?post=5878"}],"version-history":[{"count":1,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/5878\/revisions"}],"predecessor-version":[{"id":6622,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/5878\/revisions\/6622"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media\/5879"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media?parent=5878"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/categories?post=5878"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/tags?post=5878"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}