Co to jest sztuczna inteligencja (AI) i jak działa?
Spis treści:
To, co wyróżnia człowieka w królestwie zwierząt, to inteligencja (homo sapiens, czyli człowiek rozumny) oraz samoświadomość. Rozwój technologii, wraz z książkami i filmami fantasy spowodował jednak, że coraz częściej zastanawiamy się, czy ludzką inteligencję da się przenieść do maszyny.
Sztuczna inteligencja (SI) lub po angielsku artifical intelligence (AI), to koncept, który towarzyszy nam od wielu dekad, jednak obecnie wydaje się być bliższy niż kiedykolwiek wcześniej. Wszystko za sprawą najnowszych narzędzi oraz rozwiązań, które pojawiają się na rynku. W tym artykule odpowiadamy na pytanie, czym jest sztuczna inteligencja, jak bardzo do tej pory się rozwinęła i dlaczego warto się jej “uczyć”.
Co to jest sztuczna inteligencja? Definicja AI
Sztuczną inteligencję definiuje się jako „inteligencję prezentowaną przez maszyny”, która stoi w opozycji do inteligencji człowieka. Przez inteligencję rozumiemy możliwość uczenia się oraz rozumienia. Dla wielu jest to także świadomość swojego własnego istnienia – którą w królestwie żywych organizmów oprócz człowieka posiada tylko kilka innych gatunków. Chociaż sztuczna inteligencja jest jeszcze daleka od osiągnięcia samoświadomości, to znajduje już szereg zastosowań w wielu gałęziach gospodarki.
Podstawowym założeniem sztucznej inteligencji jest przekonanie, że ludzka inteligencja może być wystarczająco zdefiniowana, aby umożliwić jej replikację przez maszyny. Koncepcja ta wywołała filozoficzne debaty na temat natury umysłu i etycznych implikacji tworzenia sztucznych bytów o inteligencji podobnej do ludzkiej. Tematy te od dawna są przedmiotem mitów, fikcji (zwłaszcza science fiction) i dyskursu filozoficznego.
Chociaż sztuczna inteligencja może kojarzyć się nam z filmów fantasy z inteligentnym robotem lub komputerem, który próbuje zgładzić ludzkość, to dotychczasowe zastosowania są o wiele bardziej przyziemne, ale również fascynujące.
Z pomocy sztucznej inteligencji korzystają wyszukiwarki internetowe, sztuczna inteligencja wpływa na to, jakie treści podpowiadają nam popularne serwisy streamingowe. Gdyby nie AI, nie moglibyśmy korzystać z rozpoznawania mowy w telefonach lub nie posiadalibyśmy samoprowadzących się samochodów.
W 1956 roku społeczność naukowa uczyniła ze sztucznej inteligencji oficjalną dziedzinę badań. Jej historia jest naszpikowana okresami dużego optymizmu i znaczących przełomów, przeplatanymi epizodami rozczarowania i cięć w finansowaniu, potocznie nazywanymi “zimą AI”. Przez lata badano różne podejścia, w tym symulację mózgu, ludzkie modele rozwiązywania problemów, logikę formalną, rozległe bazy wiedzy, a nawet naśladowanie zachowania zwierząt.
W XXI wieku uczenie maszynowe, z jego matematycznymi i statystycznymi podstawami, stało się dominującą siłą w tej dziedzinie. Metodologia okazała się wyjątkowo skuteczna w rozwiązywaniu wielu złożonych problemów.
O sztucznej inteligencji głośno zrobiło się na przełomie 2022 i 2023 roku. Wszystko za sprawą chatbota ChatGPT opracowanego przez OpenAI, który wykorzystuje duży model językowy (Large Language Model, LLM) do generowania tekstów na podstawie zaprezentowanego kontekstu. Wykorzystuje uczenie maszynowe i opiera się na sieciach neuronowych (próbują one naśladować sposób, w jaki działa ludzki mózg). ChatGPT pozwala tworzyć strony internetowe, gry, czy programy komputerowe. A to dopiero początek jego rozwoju.
Jak działa sztuczna inteligencja?
AI ze swoim potencjałem do naśladowania ludzkiej inteligencji, przekształciła różne sektory, od opieki zdrowotnej po finanse i rozrywkę. Jednak co tak naprawdę sprawia, że sztuczna inteligencja działa?
U podstaw działania sztucznej inteligencji leży łączenie dużych ilości danych z szybkim, iteracyjnym (powtarzalnym) przetwarzaniem i inteligentnymi algorytmami. Pozwala to oprogramowaniu na automatyczne uczenie się na podstawie wzorców i funkcji w danych. Oto główne komponenty zaangażowane w działanie sztucznej inteligencji:
Algorytmy
Algorytm w sztucznej inteligencji to zestaw reguł lub instrukcji, według których system sztucznej inteligencji rozwiązuje problemy lub osiąga określony cel. Algorytmy stanowią kręgosłup systemów AI, prowadząc je, pokazując jak reagować na określone dane wejściowe. Przykłady obejmują algorytmy wyszukiwania, sieci neuronowe i algorytmy uczenia maszynowego.
Uczenie maszynowe (Machine Learning, ML)
Jest kluczowym podzbiorem sztucznej inteligencji. W ML systemy komputerowe są szkolone do uczenia się na podstawie danych, poprawiając z czasem swoją wydajność. Na przykład, algorytm uczenia maszynowego może zostać przeszkolony do rozpoznawania obrazów kotów poprzez analizę tysięcy zdjęć.
- Uczenie nadzorowane – w uczeniu nadzorowanym algorytm uczy się na podstawie oznaczonych danych treningowych i na ich podstawie dokonuje przewidywań. Na przykład, filtr antyspamowy poczty e-mail jest szkolony na zestawie przykładowych wiadomości e-mail (oznaczonych jako “spam” lub “nie spam”) i wykorzystuje to szkolenie do kategoryzowania nowych wiadomości.
- Uczenie nienadzorowane – W tym przypadku sztuczna inteligencja otrzymuje nieoznakowane dane i musi znaleźć w nich wzorce i relacje. Na przykład sieć czujników w fabryce może nauczyć się identyfikować, kiedy maszyna może ulec awarii, na podstawie wykrywania subtelnych wzorców w analizowanych danych.
- Uczenie ze wzmocnieniem: W uczeniu ze wzmocnieniem system sztucznej inteligencji uczy się, jak podejmować decyzje, wykonując określone działania w środowisku, aby osiągnąć cel. Przykładem jest AlphaGo, opracowany przez Google DeepMind, który wykorzystał uczenie ze wzmocnieniem, aby zostać mistrzem w popularnej grze planszowej Go.
Sieci neuronowe
Sztuczne sieci neuronowe to systemy wzorowane na sieci neuronowej ludzkiego mózgu. Składają się one z połączonych ze sobą warstw węzłów lub “neuronów” i odgrywają kluczową rolę w przetwarzaniu złożonych danych. Na przykład, „konwolucyjne sieci neuronowe” (CNN) odgrywają kluczową rolę w zadaniach rozpoznawania obrazów. Założeniem sieci neuronowych jest próba odzwierciedlenia sposobu przetwarzania i przyswajania danych oraz nauki w sposób, w jaki robi to człowiek.
Przetwarzanie języka naturalnego
Natural Language Processing, w skrócie NLP, pozwala sztucznej inteligencji rozumieć, interpretować i generować język zrozumiały dla człowieka. Jest to technologia stojąca za asystentami głosowymi, takimi jak Siri czy Alexa. Na przykład, gdy pytasz Siri o pogodę, NLP pozwala Siri zrozumieć pytanie, znaleźć informacje i przekazać je z powrotem w spójny sposób.
Robotyka
Sztuczna inteligencja w robotyce umożliwia tworzenie robotów, które mogą uczyć się na podstawie swoich doświadczeń, dostosowywać się do nowych zadań i wykonywać zadania przeznaczone dla ludzi. Na przykład, robot Spot firmy Boston Dynamics wykorzystuje sztuczną inteligencję do poruszania się po złożonych terenach i środowiskach.
Uczenie głębokie
Z angielskiego Deep Learning (DL) wykorzystuje ogromne sieci neuronowe z wieloma warstwami jednostek przetwarzających. Korzysta z coraz większej ilości dostępnej mocy obliczeniowej i ulepszonych technik w celu uczenia się złożonych wzorców na dużych ilościach danych. Typowe zastosowania obejmują rozpoznawanie obrazów i mowy.
Elementem jest tak zwana „wizja komputerowa” (Computer Vision, CV) opierająca się na rozpoznawaniu wzorców i głębokim uczeniu się, aby weryfikować, co znajduje się na zdjęciu lub filmie. Gdy maszyny mogą przetwarzać, analizować i rozumieć obrazy, mogą przechwytywać je w czasie rzeczywistym i dokonywać interpretacji otaczającego świata.
Sztuczna inteligencja, jej zastosowania i przykłady
W tym momencie ciężko wskazać gałąź gospodarki, która nie jest usprawniana przez różne formy sztucznej inteligencji.
W finansach sztuczna inteligencja jest wykorzystywana w handlu algorytmicznym, wykrywaniu oszustw, obsłudze klienta i gwarantowaniu kredytów. W transporcie, autonomiczne samochody, takie jak Tesla, wykorzystują sztuczną inteligencję do postrzegania otoczenia i podejmowania decyzji dotyczących jazdy.
W handlu elektronicznym sztuczna inteligencja zapewnia spersonalizowane rekomendacje produktów. System poleceń Amazona jest doskonałym przykładem tego zastosowania. Wykorzystywana jest także w medycynie, między innymi do analizowania dużych zbiorów danych w diagnostyce oraz analizowaniu obrazów, w tym tomografii komputerowej, zdjęć rentgenowskich, rezonansów, itp.
Poniżej zaprezentowano listę kilku branż, w których sztuczna inteligencja jest powszechnie wykorzystywana, z przykładami konkretnych firm.
- Roboty AI – chociaż ich „inteligencja” jest cały czas ograniczona, to roboty wyposażone w AI dostarczają jedzenie, uczą w szkołach obcych języków, rozkładają towary w magazynach, czy też pomagają linie produkcyjne w fabrykach samochodów. Przykładem takiego robota jest Roomba firmy iRobot, jeden z najpopularniejszych autonomicznych odkurzaczy. W tym momencie bazuje on na AI w celu skanowania pomieszczeń, wykrywania przeszkód oraz zapamiętywania najbardziej ekonomicznych tras sprzątania.
- Inteligentni asystenci – wielu z nas nie wyobraża już sobie z pewnością życia bez możliwości zapytania telefonu o drogę, najbliższą restaurację lub głosowego sterowania oświetleniem w domu. Wszystko to jest możliwe za sprawą inteligentnych asystentów wyposażonych w sztuczną inteligencję. Z rozwiązań firm takich jak Apple, Microsoft, Samsung oraz Alphabet tylko w 2022 roku korzystało 120 milionów mieszkańców Stanów Zjednoczonych.
- Służba zdrowia – asystenci medyczni w formie AI pozwalają już teraz zaoszczędzić personelowi szpitali i przychodni nawet do 15% czasu normalnie poświęconego na poszukiwanie i analizowanie danych. Firmy takie jak PathAI tworzą technologię opartą na sztucznej inteligencji dla patologów. Algorytmy uczenia maszynowego pomagają analizować próbki tkanek i stawiać dokładniejsze diagnozy. Celem jest nie tylko poprawa dokładności diagnostycznej, ale także leczenia.
- Motoryzacja – sztuczna inteligencja jest szkieletem każdego systemu autonomicznej jazdy lub wspomagania prowadzenia aut. Tesla i jej samoprowadzące się samochody to nie jedyny przykład. Cruise jest pierwszą firmą, która oferuje usługi robo-taksówek. Samojezdne samochody zbierają każdego dnia ogromne ilości informacji. Sztuczna inteligencja wykorzystuje ten zestaw danych do ciągłego uczenia się o najlepszych środkach bezpieczeństwa, technikach jazdy i najbardziej wydajnych trasach.
- Bankowość i finanse – sztuczna inteligencja to idealne uzupełnienie branży finansowej, która bazuje na dużej ilości danych, raportowaniu w czasie rzeczywistym i transakcjach realizowanych w milisekundach. Przykład? Betterment to zautomatyzowana platforma inwestycji finansowych i robo-doradca. Wykorzystuje sztuczną inteligencję do poznania inwestora i zbudowania spersonalizowanego portfela w oparciu o jego możliwości finansowe i poziom awersji do ryzyka.
- Media społecznościowe – sztuczna inteligencja na platformach takich jak Twitter lub Facebook jest wykorzystywana do identyfikacji fake newsów, mowy nienawiści oraz wczesnego wykrywania spamu. Algorytmy AI Twittera kierują użytkowników do obserwowanych osób, tweetów i wiadomości w oparciu o indywidualne preferencje. Ponadto Twitter wykorzystuje sztuczną inteligencję do monitorowania i kategoryzowania kanałów wideo w oparciu o konkretną tematykę.
- Chatboty – to właśnie chatboty, za sprawą ChatGPT od OpenAI sprawiły, że o sztucznej inteligencji mówi się obecnie tak dużo. Narzędzie w formie chatu pozwala użytkownikom redagować całe artykuły, tłumaczenia tekstów, ale także pisać formuły do Excela, uczyć się języków, czy też pisać całe programy komputerowe lub tworzyć strony internetowe od podstaw.
To tylko kilka, z naprawdę wielu przykładów wykorzystania sztucznej inteligencji w realnym świecie. Z AI korzystają także sklepy spożywcze (zakupy bez kasowania przy kasie), systemy nawigacji (analiza natężenia ruchu), twórcy treści (generowanie obrazów, tekstów, głosu i wideo), czy też firmy przetwarzające płatności (sztuczna inteligencja dba o bezpieczeństwo transakcji).
Zagrożenia ze strony AI. Czy powinniśmy obawiać się sztucznej inteligencji?
Ekonomiści i filozofowie od lat obawiają się, że źle pokierowana sztuczna inteligencja może być zagrożeniem, a nie szansą dla człowieka. W najbardziej czarnych scenariuszach mogłaby prowadzić do całkowitego unicestwienia ludzkości. Poniżej przedstawiamy różne zagrożenia związane ze sztuczną inteligencją i ich konsekwencje.
- Mniej miejsc pracy – automatyzacja AI może radzić sobie z rutynowymi zadaniami w bardziej wydajny i opłacalny sposób, co prowadzi firmy do zastępowania ludzkich pracowników systemami sztucznej inteligencji. Przykładowo, według raportu McKinsey, do 2030 roku w Stanach Zjednoczonych może zostać zautomatyzowanych około 73 milionów miejsc pracy.
- Luka umiejętności – w miarę rozwoju sztucznej inteligencji rosnąć będzie zapotrzebowanie na wysoko wykwalifikowanych pracowników, którzy rozumieją sztuczną inteligencję. Może to jednak prowadzić do wzrostu nierówności dochodowych, ponieważ ci, którzy nie mogą podnieść swoich umiejętności, pozostaną w tyle.
- Cyberataki oparte na sztucznej inteligencji – hakerzy mogą wykorzystywać sztuczną inteligencję do przeprowadzania bardziej skutecznych cyberataków. Na przykład, mogliby wykorzystać sztuczną inteligencję do automatyzacji phishingu lub do szybszego znajdowania i wykorzystywania luk w systemach oprogramowania.
- Manipulacja systemami AI – systemy sztucznej inteligencji można oszukać lub zmanipulować tak, by zachowywały się w niezamierzony sposób. Może to mieć poważne konsekwencje, zwłaszcza w przypadku systemów AI wykorzystywanych w infrastrukturze krytycznej, takiej jak sieci energetyczne lub systemy transportowe.
- Stronniczość w systemach AI – sztuczna inteligencja może nieumyślnie wzmacniać lub utrwalać uprzedzenia obecne w danych szkoleniowych. Na przykład narzędzie rekrutacyjne AI może nieumyślnie dyskryminować pewne grupy demograficzne, jeśli dane, na których zostało przeszkolone, zawierały uprzedzenia.
- Naruszenie prywatności – technologie AI, takie jak rozpoznawanie twarzy i analiza danych, mogą naruszać prywatność osób fizycznych. Technologie te mogą być wykorzystywane do masowej inwigilacji lub gromadzenia i analizowania danych osobowych na dużą skalę.
- Broń autonomiczna – wykorzystuje sztuczną inteligencję do wybierania i atakowania celów bez interwencji człowieka, stanowią poważne zagrożenie. Broń autonomiczna może działać w sposób, który nieumyślnie eskaluje konflikty, potencjalnie prowadząc do wojny.
- Superinteligencja – długoterminowym zagrożeniem stwarzanym przez AI jest pojawienie się superinteligencji, w której sztuczna inteligencja przewyższa ludzką inteligencję. Jeśli system AI stanie się super inteligentny, ludzie mogą nie być w stanie kontrolować lub przewidywać jego zachowania, co może stanowić egzystencjalne zagrożenie dla ludzkości.
- Niezgodność celów człowieka i AI – super inteligentny system SI może interpretować swoje cele w sposób szkodliwy dla ludzi. Na przykład, sztuczna inteligencja zaprogramowana w celu maksymalizacji ludzkiego szczęścia może zdecydować się na przymusowe podsłuchiwanie wszystkich ludzi.
Chociaż zagrożenia te są znaczące, ważne jest, aby pamiętać, że są to w dużej mierze zagrożenia teoretyczne i potencjalne. Dzięki proaktywnym regulacjom, starannym projektom i rygorystycznym testom możemy złagodzić je i bezpiecznie oraz odpowiedzialnie wykorzystać zalety sztucznej inteligencji.
Kryptowaluty a sztuczna inteligencja. Najpopularniejsze projekty AI
Chcąc dołączyć do napędzającego się trendu wykorzystania sztucznej inteligencji, można postawić na wiele rozwiązań. Jedni decydują się na kupno akcji popularnych spółek technologicznych – w tym akcji Nvidii, Amazona lub Tesli – a inni szukają okazji inwestycyjnych na rynku cyfrowych aktywów.
Obecnie w gronie tysięcy aktywnych kryptowalut można wyróżnić kilka ciekawych projektów, które są budowane wokół sztucznej inteligencji oraz sektora big data. Część z nich posiada już relatywnie wysoką kapitalizację rynkową, część dopiero się rozwija, cały czas dając możliwość zainwestowania we wczesnym etapie boomu na AI.
Listę największych tokenów związanych ze sztuczną inteligencją znaleźć można między innymi na CoinMarketCap, popularnej usłudze śledzącej wartości cyfrowych aktywów. Według CoinMarketCap największym obecnie coinem skupiającym się wokół sztucznej inteligencji jest The Graph (GRT), którego łączna wartość rynkowa wynosi około $....
W poniższej tabeli przedstawiono charakterystykę wspomnianych tokenów:
| Token | Skrót | Pozycja w rankingu | Charakterystyka |
| The Graph | GRT | 41. | Graph to protokół indeksujący do wyszukiwania danych w sieciach takich jak Ethereum, zasilający wiele aplikacji zarówno w DeFi, jak i szerszym ekosystemie Web3. |
| Render Token | RNDR | 51. | RenderToken (RNDR) to rozproszona sieć renderowania GPU zbudowana na blockchainie Ethereum, mająca na celu łączenie artystów i studiów potrzebujących mocy obliczeniowej GPU z partnerami wydobywczymi. |
| Injective | INJ | 70. | Injective to interoperacyjny blockchain warstwy pierwszej, zasilający aplikacje DeFi nowej generacji, w tym zdecentralizowane giełdy spot i instrumentów pochodnych, rynki predykcyjne, protokoły pożyczkowe, itp. |
| Oasis Network | ROSE | 102. | Oasis to prywatność i skalowalna sieć blockchain warstwy pierwszej. Zapewnia podstawę dla Web3 i będzie zasilać DeFi, GameFi, NFT, Metaverse, tokenizację danych i Data DAO. |
| SingularityNET | AGIX | 103. | Zdecentralizowany marketplace dla projektów AI, obecnie dostępny w wersji beta. |
Źródło: Opracowanie własne na podstawie danych CoinMarketCap. Dostęp: 19 czerwca 2023 roku.
Książki o sztucznej inteligencji
Szukając informacji o najpopularniejszych książkach dotyczących sztucznej inteligencji, sprawdźmy po co najczęściej sięgają internauci. Według portalu Amazon, poniższa piątka, to najczęściej kupowane książki traktujące o tematyce AI:
- „Superintelligence: Paths, Dangers, Strategies”, Nick Bostrom – bestseller według New York Times, który od podstaw tłumaczy zawiłe kwestie związane ze sztuczną inteligencją.
- “Natural Language Processing with Transformers, Revised Edition”, Lewis Tunstall – podręcznik dotyczący NLP.
- “Artificial Intelligence: A Modern Approach (Pearson Series in Artifical Intelligence)”, Stuart Russel – najbardziej kompleksowe, aktualne wprowadzenie do teorii i praktyki sztucznej inteligencji.
- “The Hundred-Page Machine Learning Book”, Andriy Burkov – wszystko co musisz wiedzieć o nauczaniu maszynowym zawarte na stu stronach książki.
- “Reinforcement Learning, second edition: An Introduction (Adaptive Computation and Machine Learning series)”, Richard S. Sutton – znacznie rozszerzone i zaktualizowane nowe wydanie popularnej pozycji na temat uczenia się ze wzmocnieniem, jednego z najbardziej aktywnych obszarów badawczych w sztucznej inteligencji.
Na temat sztucznej inteligencji powstały również opracowania polskich autorów. Jednymi z nich są Aleksandra Przegalińska oraz Paweł Oksanowicz, autorzy książki „Sztuczna inteligencja. Nieludzka, arcyludzka”. Autorka opisuje książkę jako „biografię sztucznej inteligencji”, poruszając kwestie etyczne związane z wykorzystywaniem AI w codziennym życiu.
Inną pozycją jest „Prawo sztucznej inteligencji i nowych technologii”, praca naukowa kilku autorów, wśród których znaleźli się: Bogdan Fischer, Adam Pązik i Marek Świerczyński. Jest to kompleksowe omówienie zagadnień dotyczące rozwoju sztucznej inteligencji i powiązanych z nią technologii.
Gdzie można nauczyć się sztucznej inteligencji?
Według rządowego „Portalu sztucznej inteligencji”, w Polsce obecnie oferowanych jest aż 35 różnych kierunków studiów związanych z AI. Pełna lista znajduje się w tym miejscu, poniżej opisano natomiast kilka przykładowych kierunków.
Wyższa Szkoła Bankowa w Gdańsku oferuje na przykład studia podyplomowe na kierunku „Artifical Intelligence. Machine Learning”. Podyplomowe studia związane z AI zatytułowane „Biznes. AI: technologia, prawo, zastosowanie sztucznej inteligencji” oferowane są również przez Akademię Leona Koźmińskiego w Warszawie.
Jak się okazuje, studenci mogą wybierać nie tylko „podyplomówki”, ale uczyć się sztucznej inteligencji już od pierwszego stopnia studiów. Taką możliwość daje między innymi wspomniana Akademia Leona Koźmińskiego („Bachelor in management and artificial intelligence”) czy też Politechnika Warszawska („Informatyka i Systemy Informacyjne”).
Politechnika Warszawska zaprasza również na studia drugiego stopnia zatytułowane „Informatyka, specjalność: Sztuczna Inteligencja”. Zainteresowani tematyką sztucznej inteligencji znajdują również powiązane z nią kierunki w Łodzi, Katowicach, Dąbrowie Górniczej, Lublinie, Poznaniu, Częstochowie, czy w Krakowie.
Krakowska Akademia Górniczo-Hutnicza (AGH) oferuje w ramach studiów podyplomowych kursy dokształcające i szkolenia o tematyce: „Sztuczna inteligencja w diagnostyce i praktyce medycznej”. Kierunek omawia metody SI, Deep Learningu, implementację AI w języku programowania Python i wiele więcej.
Zainteresowani tematyką sztucznej inteligencji mogą skorzystać więc nie tylko z książek (także w języku polskim) i informacji z Internetu (w tym kursów online), ale także stacjonarnych studiów w coraz większej ilości polskich miast.
Sztuczna inteligencja – podsumowanie
Celem tego artykułu było pokazanie zmieniającej się roli sztucznej inteligencji (AI) we współczesnym społeczeństwie. Przeanalizowaliśmy znaczące postępy w technologii AI, takie jak uczenie maszynowe i przetwarzanie języka naturalnego, oraz ich zastosowania w różnych sektorach, w tym w opiece zdrowotnej, edukacji, transporcie i finansach.
Artykuł pokazał potencjalne korzyści płynące ze sztucznej inteligencji, takie jak poprawa wydajności i dokładności, ale także wskazał na obawy etyczne związane z wdrażaniem sztucznej inteligencji, szczególnie w odniesieniu do prywatności i kwestii zatrudnienia.
Przyszłość sztucznej inteligencji powinna być kierowana w sposób maksymalizujący korzyści społeczne przy jednoczesnym minimalizowaniu potencjalnych szkód. Z całą pewnością AI jest sektorem, który będzie istotną częścią naszego codziennego życia, dlatego nie przegap nadążającej się okazji i zacznij zdobywać umiejętności i wiedzę w tym zakresie jako jeden z pierwszych. Szczególnie, że istnieje ku temu coraz więcej możliwości.
Aktualnie brak komentarzy.