To Bardziej Skomplikowane

• #16 - Jak działa umysł, pamięć i uczenie się? | prof. Leszek Kaczmarek

  Zrozumienie działania ludzkiego mózgu wydaje się być jednym z najważniejszych, ale także najtrudniejszych wyzwań naukowych, przed jakimi stoimy. Trudność tego zadania wynika oczywiście z ogromnego skomplikowania tego narządu, ale łatwo zauważyć, że tylko dogłębne poznanie jego funkcjonowania może pozwolić nam leczyć ogromną liczbę problemów wynikających z jego nieprawidłowego działania — problemów, które ostatecznie wpływają nie tylko na jednostki, ale i całe społeczeństwa. Wydaje się, że jedną z najistotniejszych cech naszego mózgu jest jego zdolność do uczenia się i zapamiętywania, wynikająca z tzw. neuroplastyczności. W dzisiejszym odcinku miałem przyjemność porozmawiać z prof. Leszkiem Kaczmarkiem właśnie o neuroplastyczności, molekularnych mechanizmach działania mózgu, a także o tym, jak wyglądają takie badania i w jaki sposób mogą one wpłynąć na nasze życie. --------- Leszek Kaczmarek jest profesorem i kierownikiem Pracowni Neurobiologii w Instytucie Biologii Doświadczalnej im. Nenckiego. Zajmuje się badaniem roli genów w procesach uczenia się, pamięci oraz plastyczności synaptycznej. Jego prace koncentrują się także na zaburzeniach neurologicznych, takich jak padaczka, autyzm, schizofrenia czy uzależnienia. Jest także autorem ponad 200 szeroko cytowanych publikacji naukowych. Wikipedia: https://pl.wikipedia.org/wiki/Leszek_Kaczmarek ---------- Rozdziały: 00:00 Wstęp 01:26 Umysł, Pamięć i biologia molekularna 16:16 Synapsy i geny biorące udział w procesie uczenia 24:41 Mechanizm uczenia w całym mózgu 25:44 Uczenie a pamięć 27:44 Jak prowadzi się badania 35:14 Zastosowanie badań 42:53 Neuroplastyczność a choroby umysłowe 53:47 Emergencja i złożoność mózgu ------- Znajdziesz mnie także na Instagramie: https://www.instagram.com/to.bardziej.skomplikowane/

  --------  

  1:01:30
• #15 - AI, Mózg, Interfejsy mózg-komputer, Wpływ technologii na społeczeństwo | prof. Piotr Durka

  Trzeba przyznać, że żyjemy w ciekawych czasach. Z jednej strony jesteśmy świadkami niesamowitego rozwoju nowych technologii, w szczególności sztucznej inteligencji, a z drugiej — wydaje się, że te innowacje nieuchronnie tworzą nowe problemy społeczne. Do tego dochodzi rosnąca wiedza o naszym mózgu oraz intensywny rozwój interfejsów mózg–komputer — wszystko to sprawia, że coraz częściej pojawiają się pytania i spekulacje rodem z filmów czy książek science fiction. W dzisiejszym odcinku miałem przyjemność porozmawiać właśnie o tych spekulacjach: o sztucznej inteligencji, ludzkim mózgu, interfejsach mózg–komputer, a także o wpływie nowych technologii na społeczeństwo — z prof. Piotrem Durką. ---------- Piotr Durka jest profesorem na Wydziale Fizyki Uniwersytetu Warszawskiego, gdzie jego praca przyczyniła się do powstania pierwszych polskich interfejsów mózg–komputer. Jest również współtwórcą pierwszych na świecie pełnych studiów z zakresu neuroinformatyki oraz prowadzi badania nad zaburzeniami świadomości (m.in. we współpracy z Kliniką „Budzik”). To także aktywny popularyzator wiedzy — w internecie można znaleźć jego wykłady, rozmowy w podcastach i debaty. Strona: https://www.fuw.edu.pl/~durka/ Omawiany artykuł: https://www.ptf.net.pl/index.php/PF76... ---------- W dzisiejszym odcinku rozmawiamy m.in. o: sztucznej inteligencji, podobieństwach między SI a ludzkim mózgiem, interfejsach mózg–komputer, zagrożeniach związanych z rozwojem SI, tym, czy w dobie zalewu informacji da się jeszcze wyodrębnić prawdę, kryzysie reprodukcji w nauce, i wielu innych tematach. ---------- Rozdziały: 00:00:00 Wstęp i zapowiedź gościa 00:01:42 Sztuczna inteligencja 00:09:34 Ograniczenia AI 00:13:32 Różnice między AI a mózgiem 00:19:11 Obecne badania nad mózgiem 00:24:06 Interfejsy mózg-komputer 00:35:51 Obustronna komunikacja 00:39:21 Czytanie myśli? 00:52:47 Zagrożenia AI 00:59:39 Problem weryfikacji prawdy 01:12:22 Problem reprodukcji w nauce

  --------  

  1:18:24
• #14 - Sztuczna Inteligencja: Historia i Przyszłość | prof. Ryszard Tadeusiewicz

  Termin sztuczna inteligencja nie ma jeszcze nawet 70 lat za to ma już za sobą dość burzliwą historię. Jest to historia nadziei i zawodów, udanych i nieudanych prób, ale także ciągłego rozwoju, który ostatecznie doprowadził do stworzenia algorytmów i systemów, którym coraz trudniej odmówić określenia inteligentne.  W dzisiejszym odcinku miałem przyjemność porozmawiać właśnie o historii sztucznej inteligencji z prof. Ryszardem Tadeusiewiczem. ---------- Ryszard Tadeusiewicz jest naukowcem od lat związanym z AGH w Krakowie, której był trzykrotnym rektorem. Specjalizuje się w sieciach neuronowych a także od lat popularyzuje naukę. Jest autorem licznych książek i artykułów na temat sztucznej inteligencji, laureatem nagród i odznaczeń oraz członkiem wielu organizacji naukowych. Wikipedia: https://pl.wikipedia.org/wiki/Ryszard_Tadeusiewicz ---------- W dzisiejszym odcinku rozmawiamy o początkach współcześnie rozumianej sztucznej inteligencji, Teście Turinga, pierwszych systemach, perceptronie, tzw. zimie sztucznej inteligencji, algorytmie propagacji wstecznej, różnych architekturach sieci neuronowych, a także o współczesnym stanie i przyszłości tej dziedziny nauki. ---------- Rozdziały: 00:00:00 Wstęp 00:01:21 Początek AI i Test Turinga 00:04:33 Pierwsze systemy AI 00:07:49 General Problem Solver i Zima AI 00:09:36 Perceptron 00:25:13 Krytyka Perceptronu i Algorytm Wstecznej Propagacji 00:32:02 Problemy z Algorytmem Wstecznej Propagacji Błędów 00:36:25 Emergencja 00:40:25 Uczenie nienadzorowane (sieci Hopfielda) 00:47:16 Łączenie różnych architektur 00:48:38 Dalszy rozwój 00:53:30 Droga do AGI? 00:57:24 Wyzwania ---------- Znajdziesz mnie także na Instagramie: https://www.instagram.com/to.bardziej.skomplikowane/

  --------  

  1:07:14
• #13 - Sztuczna Inteligencja: Zagrożenia i Świadomość | prof. Tomasz Trzciński

  Temat sztucznej inteligencji jest obecnie jednym z najgorętszych zagadnień. Myślę, że każdy, kto śledzi rozwój tej technologii, zna uczucie jednoczesnej ekscytacji tym, co udało się dotychczas osiągnąć, połączonej z nutką strachu przed konsekwencjami i potencjalnymi zagrożeniami. Z jednej strony możemy upatrywać w tej technologii rozwiązania wielu ludzkich problemów, ale z drugiej strony coraz bardziej realne stają się zagrożenia wynikające z jej szerokiego zastosowania. Dodatkowo pojawiają się pytania natury filozoficznej – czy te systemy są faktycznie inteligentne, a także czy mogą posiadać świadomość. W dzisiejszym odcinku miałem przyjemność porozmawiać zarówno o zagrożeniach, jak i o bardziej filozoficznych aspektach współczesnych algorytmów uczenia maszynowego z prof. Tomaszem Trzcińskim. ---------- Tomasz Trzciński jest specjalistą w dziedzinie uczenia maszynowego oraz profesorem na Politechnice Warszawskiej, gdzie kieruje zespołem zajmującym się widzeniem maszynowym CVLab. Oprócz działalności akademickiej posiada także bogate doświadczenie badawcze i przemysłowe, zdobyte podczas wielu staży, m.in. na Uniwersytecie Stanforda, a także pracy w Google, Qualcomm i Telefónice. Obecnie pełni również funkcję głównego naukowca (Chief Scientist) i jest współwłaścicielem firmy Tooploox, zajmującej się wdrażaniem sztucznej inteligencji w biznesie. Wikipedia: https://pl.wikipedia.org/wiki/Tomasz_Trzci%C5%84ski Strona: https://cvlab.ii.pw.edu.pl/ttrzcins/index-pl.html ---------- W dzisiejszym odcinku rozmawiamy o zagrożeniach i ograniczeniach obecnych systemów sztucznej inteligencji, problemie danych, a także perspektywach oraz wyścigu do stworzenia ogólnej sztucznej inteligencji. Poruszamy również kwestię alignmentu, zmian społecznych związanych z rozwojem algorytmów uczenia maszynowego, a także temat tego, czy te systemy mogą być świadome i jak może wyglądać ich dalszy rozwój. ---------- Rozdziały: 00:00:00 Wstęp 00:01:48 Spektrum zagrożeń 00:03:55 Kontrola przy braku zrozumienia 00:06:30 Ograniczenia modeli AI 00:09:50 Problem danych 00:11:51 Rozumienie świata przez modele 00:15:53 Możliwość osiągnięcia AGI 00:22:42 Modele reasoningowe (rozumujące) 00:23:44 Problem alignmentu (dopasowania wartości) 00:29:19 Kontrola superinteligencji i AGI 00:31:29 Udział AI w codziennym życiu 00:34:11 Edukacja w dobie AI 00:39:51 Dlaczego modele nie mówią "nie wiem"? 00:48:09 Świadomość modeli AI 00:59:20 Przetwarzanie informacji a społeczeństwo 01:02:45 Obiecujące kierunki rozwoju ---------- Znajdziesz mnie także na Instagramie: https://www.instagram.com/to.bardziej.skomplikowane/

  --------  

  1:12:14
• #12 - Demokracja: Czy może być bardziej sprawiedliwa? | Matematyka a wybór społeczny | prof. Piotr Skowron

  Czy demokracja lub ogólnie wybór społeczny może być bardziej sprawiedliwy? Myślę, że wielu z nas nie zastanawia się nad tym i wychodzi z założenia, że po prostu idziemy głosować, głosy są liczone, a na tej podstawie dokonywany jest wybór. Jednak pojawia się pytanie – jak dokładnie liczone są te głosy? Okazuje się, że można opracować metody uznawane za lepsze lub bardziej sprawiedliwe niż te, które są obecnie stosowane. Ale na czym polegają te metody i co to oznacza, że są lepsze i bardziej sprawiedliwe? O tym miałem przyjemność porozmawiać w tym odcinku podcastu z Piotrem Skowronem. Piotr Skowron to profesor Uniwersytetu Warszawskiego, specjalista w dziedzinie obliczeniowej teorii wyboru społecznego, szczególnie w zakresie wyborów komitetów i budżetów partycypacyjnych. Jest współautorem metody równych udziałów – proporcjonalnej metody wyborczej, która znalazła zastosowanie m.in. w Wieliczce, Świeciu, Aarau i Assen. Jest laureatem wielu nagród, w tym prestiżowej Social Choice and Welfare Prize oraz Nagrody Naukowej "Polityki". Jego badania łączą teorię gier, sprawiedliwy podział zasobów oraz algorytmy aproksymacyjne. Linki: Strona Piotra: https://duch.mimuw.edu.pl/~ps219737/ Metoda równych udziałów: https://equalshares.net/pl/ W tym odcinku podcastu rozmawiamy o obliczeniowej teorii wyboru społecznego, sprawiedliwości, metodzie równych udziałów, praktycznych zastosowaniach w wyborach, bezpieczeństwie alternatywnych metod wyboru i liczenia głosów, oporze społecznym przed zmianami i wielu innych zagadnieniach. Rozdziały: 00:00 Wstęp 01:34 Obliczeniowa teoria wyboru społecznego 04:31 Alternatywne metody wyborcze 05:52 Problemy obecnego systemu 07:39 Cele teorii wyboru społecznego 09:11 Zastosowanie innych systemów wyborczych 12:46 Dlaczego są lepsze i bardziej sprawiedliwe? 15:40 Problemy z metodą używaną w Polsce 17:07 Metoda równych udziałów i jej zastosowania 31:32 Jak działa metoda równych udziałów 34:15 Kwestia finansowania dużych inwestycji 35:29 Wiedza wyborcy 37:28 Satysfakcja wyborców 38:34 Krytyka metody 41:39 Opór przed innowacjami 44:30 Koszty wprowadzenia i odpowiedzialność 47:04 Świadomość społeczna alternatywnych metod 48:39 Technologia demokracji 51:37 Błędne decyzje wyborców 53:23 Podsumowanie

  --------  

  56:03

Więcej Nauka podcastów

Trendy w podcaście Nauka

O To Bardziej Skomplikowane