Technika

Anatomy of Non-Fact zajmuje się zjawiskiem zniekształconych i nadmiernych informacji w kontekście zbliżającego się zagrożenia obrazami generowanymi przez AI. Praca ta poszukuje definicji estetyki faktu poprzez dogłębną analizę znanych przypadków wizualnych oszustw, fałszerstw i teorii spiskowych, za pomocą mapowania wizualnego i artystycznych odpowiedzi. Anatomia Niefaktu ujawnia powiązania między studiami przypadków a szerszymi językami wizualnymi, kulturami medialnymi, narzędziami i wydarzeniami, jednocześnie zarysowując spekulatywne przyszłości wizualnego faktu.

Wystawa interaktywna „AI basics & contexts” pokazuje podstawowe zagadnienia i terminy związane z obszarem sztucznej inteligencji, wprowadzając odbiorców w zagadnienie, oraz zróżnicowane kulturowe i społeczne konteksty funkcjonowania tych technologii. Studenci poddali opracowaniu zagadnienia związane z AI, budzące lęk i niepokój w społeczeństwie, ale też dające nadzieję i ułatwiające życie, w tym aplikacje edukacyjne pomagające w nauce. Wystawa zaprasza do pogłębienia wiedzy na temat sztucznej inteligencji oraz do wspólnej zabawy edukacyjnej.

„Nie widzimy rzeczy takimi, jakie są, lecz takimi, jakimi my jesteśmy”. Learning to See to seria prac, które wykorzystują najnowsze algorytmy uczenia maszynowego, aby zainspirować refleksję nad tym, jak rozumiemy świat. To, co ludzie widzą, jest rekonstrukcją opartą na ich oczekiwaniach i wcześniej przyjętych przekonaniach. Learning to See to sztuczna sieć neuronowa luźno zainspirowana ludzką korą wzrokową. Patrzy przez kamery i stara się zrozumieć to, co widzi. Oczywiście może widzieć jedynie to, co już zna – tak samo jak my.

„Anatomy of an AI” to mapa na dużą skalę i długi esej, badające pracę ludzką, dane oraz zasoby planetarne potrzebne do budowy i obsługi Amazon Echo. Diagram przedstawiający wybuch łączy i wizualizuje trzy kluczowe procesy wydobywcze, niezbędne do działania systemu sztucznej inteligencji na dużą skalę: zasoby materialne, pracę ludzką oraz dane. Mapa i esej prezentują te trzy elementy w czasie — przedstawione jako wizualny opis narodzin, życia i śmierci pojedynczej jednostki Amazon Echo.

Aby sztuczna inteligencja mogła rozpoznawać i odróżniać obiekty, musi najpierw zostać „wytrenowana”. Tak zwana konwolucyjna sieć neuronowa (CNN) składa się z kilku kolejnych warstw, które w fazie treningowej uczą się rozpoznawać różne cechy obrazu i przekazywać te informacje do kolejnej warstwy w sekwencji. Podczas gdy pierwsze warstwy rozpoznają raczej prymitywne cechy, takie jak proste linie, kolory i krzywe, kolejne warstwy specjalizują się w bardziej złożonych kształtach

Co oznacza rozwój przemysłu 5.0 i jakie zmiany przyniesie dla rynku pracy? Jak roboty i sztuczna inteligencja wpłyną na procesy produkcyjne, ekonomię i biznes? Czy prawo będzie w stanie skutecznie kształtować naszą relację z technologią, chroniąc nas przed jej niepożądanymi efektami i ograniczając ryzyko związane z jej zastosowaniem? A może przepisy dotyczące sztucznej inteligencji same stanowią przeszkodę?

Najpotężniejsze narzędzia sztucznej inteligencji rzeczywiście generują zdumiewające rezultaty. Aby osiągnąć znaczące i trwałe wyniki dzięki sztucznej inteligencji, najważniejsze jest zrozumienie jej podstawowych ograniczeń. Ta sesja mówi o niedociągnięciach AI – a może raczej o niedociągnięciach w ludzkiej świadomości? Krótkie wyjaśnienie, jak faktycznie działają algorytmy AI, a następnie kilka praktycznych przykładów poważnych niepowodzeń spowodowanych nieprzemyślanym i niedoinformowanym wykorzystaniem sztucznej inteligencji.

W erze sztucznej inteligencji dane stały się nową walutą wiedzy i innowacji. W jaki sposób lokalne społeczności, seniorzy i grupy obywatelskie mogą włączyć się w ten proces, tworząc zestawy danych odzwierciedlające lokalną kulturę, tradycje i wartości? Ta prelekcja pokaże, jak inicjatywy oddolne mogą przyczynić się do powstawania etycznych, zróżnicowanych i społecznie użytecznych modeli AI. Omówimy inspirujące przykłady, wyzwania oraz korzyści wynikające z obywatelskiego tworzenia danych, które mogą stać się nośnikiem lokalnej tożsamości w globalnym cyfrowym świecie.

Nauka tonie w oceanach danych. Technologie sztucznej inteligencji ułatwiają ich analizę, odnajdywanie ukrytych prawidłowości. Pomagają też formułować warte rozważenia koncepcje. W naukach ścisłych i przyrodniczych dzieje się tak od dziesięcioleci, ale nowe modele AI znajdują dziś zastosowanie także w innych naukach. Podsuwają rozwiązania problemów, z którymi badacze mierzyli się od dawna. Generują jednak nowe – prowokują choćby pytania o sposób, w jaki nauka będzie uprawiana w przyszłości.

Sztuczna inteligencja (AI) jest tematem wielu naukowych i popularnych artykułów. Opracowania te w większości adresowane są do osób dorosłych, mających sporą wiedzę ogólną. Trzeba jednak zdać sobie sprawę, że dziś jeszcze z systemami sztucznej inteligencji stykamy się sporadycznie, więc ewentualny brak wiedzy na jej temat nie stanowi większego problemu. Natomiast dzisiejszej młodzieży licealna, a także dzieciom ze szkół podstawowych przyjdzie żyć w świecie, w którym sztuczna inteligencja będzie wszechobecna.