#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
Podcast powstał z potrzeby zgłębiania złożoności świata, w którym żyjemy. Tematami omawianymi w podcaście będą przede wszystkim nauka i związane z nią idee. Naukę uważam za najważniejsze źródło wiedzy o rzeczywistości, dlatego będzie przewodnim zagadnieniem. Mam głębokie przekonanie, że nauka jest kluczowa dla zrozumienia otaczającego nas świata i jako jedyna pozwala na odkrywanie natury rzeczywistości.
Chciałbym, aby podcast był miejscem, w którym sam lub wraz z moimi gośćmi spróbujemy nadać sens ideom, które przenikają różne aspekty świata, w którym żyjemy.
Nazywam się Michał Szyc, z wykształcenia jestem inżynierem automatyki i robotyki, z zawodu programistą a do stworzenia tego podcastu pchnęła mnie moja pasja do nauki i związanych z nią idei.
Zapraszam do słuchania ”To Bardziej Skomplikowane”!