To Bardziej Skomplikowane

• #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
• #11 - Modelowanie Rzeczywistości: Wyzwania, Chaos, Emergencja, Wiarygodność | prof. Jacek Banasiak

  Myślę, że do wartości i siły matematyki nikogo nie trzeba przekonywać. Każdy zdaje sobie sprawę, że ta dziedzina stanowi fundament współczesnej technologii, odkryć naukowych i jest nieodłączną częścią naszego zrozumienia świata. Jednak sądzę, że nie każdy może zdawać sobie sprawę, że mówiąc o matematyce, często mamy na myśli modele matematyczne – czyli to, jak za pomocą matematyki możemy opisywać różne zjawiska, czy to fizyczne, biologiczne, czy inżynieryjne. I właśnie o tym, co można powiedzieć o takich modelach matematycznych oraz jaki jest ich związek z naszym światem, miałem przyjemność porozmawiać z prof. Jackiem Banasiakiem. ---------- Jacek Banasiak jest profesorem matematyki w Instytucie Matematyki Politechniki Łódzkiej, a także kierownikiem katedry badawczej zajmującej się modelami matematycznymi na University of Pretoria. Jest autorem wielu monografii, wykładów i kursów, a także laureatem nagród, w tym nagrody za najlepszą pracę z matematyki stosowanej oraz za znaczące osiągnięcia naukowe. Jego badania koncentrują się na matematyce stosowanej, w szczególności na teorii półgrup, analizie asymptotycznej, biologii matematycznej oraz równaniach różniczkowych i różnicowych. O gościu odcinka:  https://en.wikipedia.org/wiki/Jacek_Banasiak https://p.lodz.pl/nauka/najwybitniejsi-naukowcy-w-pl/prof-dr-hab-inz-jacek-banasiak ---------- W dzisiejszym odcinku rozmawiamy o tym, czym są modele matematyczne, jakie wyzwania wiążą się z modelowaniem, matematyce jako języku nauki, teorii chaosu, emergencji, o tym, czy możemy ufać modelom matematycznym, np. w kontekście epidemiologicznym, oraz wielu innych zagadnieniach. --------- Rozdziały: 00:00 Wstęp 01:45 Czym się różni system od modelu? 02:38 Tworzenie modeli 03:48 Matematyka jako język 05:40 Złożoność modeli - przykłady i kluczowe aspekty 13:28 Granice modeli 16:18 Modele nieliniowe 20:22 Determinizm w fizyce 21:56 Chaos w modelach 26:18 Epidemiologia a chaos 33:19 Emergencja w modelach 40:44 Wiarygodność modeli matematycznych 45:27 Czy matematyka jest odkrywana czy wymyślana? --------- Znajdziesz mnie także na Instagramie: https://www.instagram.com/to.bardziej.skomplikowane/

  --------  

  50:04

Więcej Nauka podcastów

Trendy w podcaście Nauka

O To Bardziej Skomplikowane