Sztuczna inteligencja (AI) bez w\u0105tpienia nap\u0119dza przysz\u0142o\u015b\u0107, ale kto tak naprawd\u0119 czerpie z niej korzy\u015bci? To pytanie stanowi\u0142o trzon prowokuj\u0105cej do my\u015blenia konferencji zorganizowanej niedawno na MIT, podczas kt\u00f3rej skrupulatnie przeanalizowano wp\u0142yw i beneficjent\u00f3w sztucznej inteligencji.<\/p>\n
Jednym z g\u0142\u00f3wnych m\u00f3wc\u00f3w by\u0142a Karen Hao, szanowany g\u0142os w dyskursie AI, kt\u00f3ra zach\u0119ca\u0142a uczestnik\u00f3w do ponownego przemy\u015blenia rozwoju AI. Hao, do\u015bwiadczona dziennikarka, wyrazi\u0142a swoje zaniepokojenie kolosaln\u0105 skal\u0105, na jak\u0105 dane s\u0105 wykorzystywane do tworzenia narz\u0119dzi pod sztandarem sztucznej inteligencji. Wed\u0142ug Hao, tak ogromna skala jest zb\u0119dna. Zamiast tego opowiedzia\u0142a si\u0119 za zmian\u0105 paradygmatu w kierunku praktyk, kt\u00f3re pozwol\u0105 na szersze udost\u0119pnianie zalet sztucznej inteligencji.<\/p>\n
Podczas tego wydarzenia Hao, by\u0142y pracownik The Wall Street Journal<\/em> oraz MIT Technology Review<\/em>, podni\u00f3s\u0142 istotne kwestie dotycz\u0105ce wad skalowania sztucznej inteligencji. Jedn\u0105 z nich jest zr\u00f3wnowa\u017cony \u015blad tych praktyk. Poniewa\u017c hiperskalowe centra danych wymagaj\u0105 du\u017cego zu\u017cycia energii i znacznych dostaw wody, koszty \u015brodowiskowe s\u0105 monumentalne. To nie wszystko; koszty ludzkie stanowi\u0105 kolejn\u0105 wad\u0119, bior\u0105c pod uwag\u0119 armi\u0119 globalnych pracownik\u00f3w fizycznych, kt\u00f3rzy r\u0119cznie wprowadzaj\u0105 dane do tych ogromnych system\u00f3w.<\/p>\n Rozwa\u017caj\u0105c alternatywne strategie, Hao zwr\u00f3ci\u0142 uwag\u0119 na przyk\u0142ad AlphaFold, narz\u0119dzia nagrodzonego Noblem, kt\u00f3re rozszyfrowuje struktury bia\u0142ek. AlphaFold, kt\u00f3ry wykorzystuje okre\u015blone zbiory danych wy\u0142\u0105cznie do sk\u0142adania bia\u0142ek, oznacza \u201cma\u0142y, specyficzny dla zadania model sztucznej inteligencji zajmuj\u0105cy si\u0119 dobrze zakrojonym problemem, kt\u00f3ry nadaje si\u0119 do obliczeniowych mocnych stron sztucznej inteligencji\u201d.\u201d<\/p>\n Podczas sympozjum wyst\u0105pi\u0142a r\u00f3wnie\u017c inna niezwyk\u0142a prelegentka, Paola Ricaurte. Podkre\u015bli\u0142a ona witalno\u015b\u0107 tworzenia technologii ukierunkowanych na cel. Ricaurte, wyk\u0142adowca na Uniwersytecie Harvarda i profesor w meksyka\u0144skim Tecnologico de Monterrey, podkre\u015bli\u0142a potencja\u0142 sztucznej inteligencji w radzeniu sobie z codziennymi wyzwaniami i s\u0142u\u017ceniu wi\u0119kszej spo\u0142eczno\u015bci, opowiadaj\u0105c si\u0119 tym samym za etycznymi praktykami sztucznej inteligencji.<\/p>\n Ten pe\u0142en wiedzy dyskurs by\u0142 cz\u0119\u015bci\u0105 \u201cGender, Empire, and AI: Symposium and Design Workshop\u201d, wydarzenia, kt\u00f3re przyci\u0105gn\u0119\u0142o ponad 300 uczestnik\u00f3w z ca\u0142ego \u015bwiata. Podkre\u015blono potrzeb\u0119 unikni\u0119cia dwuznaczno\u015bci otaczaj\u0105cej termin \u2018sztuczna inteligencja\u2019 i zainspirowania jasno\u015bci w dyskursach na temat sztucznej inteligencji. Aby nakre\u015bli\u0107 ja\u015bniejszy obraz, Hao por\u00f3wna\u0142 terminy takie jak \u2018sztuczna inteligencja\u2019 do szerokich \u015brodk\u00f3w transportu, zamierzaj\u0105c sprecyzowa\u0107 t\u0119 koncepcj\u0119.<\/p>\n Hao wiarygodnie opowiedzia\u0142a si\u0119 za dost\u0119pnymi i opartymi na u\u017cyteczno\u015bci narz\u0119dziami sztucznej inteligencji, kt\u00f3re bardziej przypomina\u0142y rowery ni\u017c rakiety. Odnios\u0142a si\u0119 do projektu Climate Change AI, kt\u00f3ry ma na celu popraw\u0119 efektywno\u015bci energetycznej, optymalizacj\u0119 \u0142a\u0144cuch\u00f3w dostaw i umo\u017cliwienie lepszego prognozowania pogody, jako wska\u017anika preferowanej przysz\u0142o\u015bci AI.<\/p>\n Na koniec prelegenci wezwali publiczno\u015b\u0107 do aktywnego udzia\u0142u w kszta\u0142towaniu trajektorii AI. Cytuj\u0105c Rebecc\u0119 Solnit, Hao podkre\u015bli\u0142 znaczenie nadziei i dzia\u0142ania w obliczu niepewno\u015bci. Ricaurte podzieli\u0142 si\u0119 podobnym sentymentem, wzywaj\u0105c uczestnik\u00f3w do wyobra\u017cenia sobie i wytrwania w tworzeniu krajobrazu technologicznego, kt\u00f3ry s\u0142u\u017cy ca\u0142emu spo\u0142ecze\u0144stwu. \u201cMamy obowi\u0105zek uczyni\u0107 nadziej\u0119 mo\u017cliw\u0105\u201d - podsumowa\u0142a.<\/p>\n Aby zag\u0142\u0119bi\u0107 si\u0119 w t\u0119 dyskusj\u0119, kliknij tutaj<\/a>. Je\u015bli zastanawiasz si\u0119 nad rozwi\u0105zaniami automatyzacji AI dla swojej firmy, powiniene\u015b zapozna\u0107 si\u0119 z nast\u0119puj\u0105cymi kwestiami implementi.ai<\/a> dla najnowocze\u015bniejszych rozwi\u0105za\u0144 automatyzacji AI.<\/p>","protected":false},"excerpt":{"rendered":" Artificial intelligence (AI) is undoubtedly driving the future, but who genuinely reaps its benefits? This question formed the backbone of a thought-provoking conference recently hosted at MIT, where the impact and beneficiaries of AI were meticulously scrutinized. One of the keynote speakers was Karen Hao, a respected voice within AI discourse, who encouraged participants to rethink AI’s development. A seasoned journalist, Hao expressed her concern about the colossal scale at which data is being used to build tools under the artificial general intelligence banner. According to Hao, such massive scale is superfluous. Instead, she advocated for a paradigm shift towards […]<\/p>\n","protected":false},"author":4,"featured_media":8275,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[46,47],"tags":[],"class_list":["post-8274","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-automation","category-ai-news","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/8274","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=8274"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/8274\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media\/8275"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media?parent=8274"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/categories?post=8274"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/tags?post=8274"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}