Umělá inteligence a její rizika (AI) 01 Co je to umělá inteligence? O čem se dnes budeme bavit? 02 Typy umělé inteligence 03 Hlavní využití umělé inteligence 04 Výhody a nevýhody (rizika) umělé inteligence Co je to umělá inteligence? 01 (AI) (AI) = Artificial intelligence Umělá inteligence Typy umělé inteligence 02 (AI) Typy umělé inteligence Typy umělé inteligence Modely v AI Existuje mnoho typů modelů v oblasti umělé inteligence, zahrnující například: Regresní modely: Predikují hodnoty na základě vstupních dat. Používají se například k odhadu cen nemovitostí nebo předpovědi budoucích událostí. Shlukovací modely: Seskupují podobná data do skupin nebo shluků. Generativní modely: Vytvářejí nová data, která jsou podobná trénovacím datům. Jsou využívány například v generativním umění nebo tvorbě obsahu. Klasifikační modely: Rozhodují o příslušnosti vstupních dat k určitým kategoriím. Například, klasifikátor by mohl určit, zda je na obrázku pes nebo kočka. Společně pomáháme tyto modely trénovat :) (AI) Hlavní využití umělé inteligence 03 (AI) Hlavní využití Hlavní využití (a) Virtuální osobní asistenti Jedná se o známé chatboty, kteří nám umožňují komunikovat s nimi podle historie našeho vyhledávání. Hlavní využití (a) Virtuální osobní asistenti Jedná se o známé chatboty, kteří nám umožňují komunikovat s nimi podle historie našeho vyhledávání. (b) Obchod a finance V tomto případě přináší umělá inteligence možnost generovat větší bezpečnost, nabízet nové operace a být si vědom relevantních informací o trhu. Hlavní využití (a) Virtuální osobní asistenti Jedná se o známé chatboty, kteří nám umožňují komunikovat s nimi podle historie našeho vyhledávání. (b) Obchod a finance V tomto případě přináší umělá inteligence možnost generovat větší bezpečnost, nabízet nové operace a být si vědom relevantních informací o trhu. (c) Vzdělávání Umožňuje je personalizovat podle studentů, kontrolovat docházku a hodnocení, stanovit strategie výuky a učení. Hlavní využití (d) Komerční Umožňuje poznat a doporučit, co zákazník potřebuje, předvídat trendy a provádět velmi podrobné analýzy. Hlavní využití (d) Komerční Umožňuje poznat a doporučit, co zákazník potřebuje, předvídat trendy a provádět velmi podrobné analýzy. (e) Zdravotní Umělá inteligence se používá ve zdravotnictví, konkrétně v chatbotech, kteří se nás ptají na naše příznaky, aby mohli stanovit diagnózu. Kombinací určitých společných vlastností lze vygenerovat možné řešení problému, který předkládá pacient, aniž by k tomu byl zapotřebí člověk. Výhody a nevýhody umělé inteligence 04 (AI) Výhody umělé inteligence Výhody umělé inteligence (+) Automatizace opakujících se úkolů Umělá inteligence nám výrazně usnadňuje každodenní život, díky tomu, že stroje mohou automaticky vykonávat úkoly, které jsou pro nás obtížné. Výhody umělé inteligence (+) Automatizace opakujících se úkolů Umělá inteligence nám výrazně usnadňuje každodenní život, díky tomu, že stroje mohou automaticky vykonávat úkoly, které jsou pro nás obtížné. (+) Omezení lidských chyb Nižší chybovost, protože se na práci podílí minimum lidských zdrojů a úkoly jsou prováděny automaticky, pravděpodobnost vzniku pochybení se výrazně snižuje. Výhody umělé inteligence (+) Automatizace opakujících se úkolů Umělá inteligence nám výrazně usnadňuje každodenní život, díky tomu, že stroje mohou automaticky vykonávat úkoly, které jsou pro nás obtížné. (+) Omezení lidských chyb Nižší chybovost, protože se na práci podílí minimum lidských zdrojů a úkoly jsou prováděny automaticky, pravděpodobnost vzniku pochybení se výrazně snižuje. (+) Více prostoru pro kreativitu Napomáhá tvůrčímu procesu člověka, protože nám ponechává více času na volné přemýšlení o budoucích úkolech nebo pracovních činnostech. Výhody umělé inteligence (+) Zvýšení přesnosti Umělá inteligence snižuje pravděpodobnost chyb a zajišťuje vysokou přesnost rozhodování. Výhody umělé inteligence (+) Zvýšení přesnosti Umělá inteligence snižuje pravděpodobnost chyb a zajišťuje vysokou přesnost rozhodování. (+) Přijímání rozhodnutí Při rozhodování hraje umělá inteligence zásadní roli díky své operativnosti při vyhledávání a propojování informací a také při analýze získaných dat. Nevýhody (rizika) umělé inteligence Nevýhody (rizika) umělé inteligence (-) Obtížný přístup k datům Aby umělá inteligence správně fungovala, musí mít k dispozici aktuální a spolehlivá data. Ne vždy se tak děje, protože jelikož je to jen stroj, někdy nemá k dispozici všechna potřebná data, aby mohla činit rozhodnutí odpovídající požadavkům. Nevýhody (rizika) umělé inteligence (-) Obtížný přístup k datům Aby umělá inteligence správně fungovala, musí mít k dispozici aktuální a spolehlivá data. Ne vždy se tak děje, protože jelikož je to jen stroj, někdy nemá k dispozici všechna potřebná data, aby mohla činit rozhodnutí odpovídající požadavkům. (-) Nedostatek kvalifikovaných odborníků Vzhledem k tomu, že se jedná o novou technologii, je počet kvalifikovaných odborníků, kteří mohou s těmito nástroji (efektivně) pracovat, velmi omezený. Nevýhody (rizika) umělé inteligence (-) Jejich vývoj je nákladný Náklady jsou velmi vysoké. Aby bylo možné nahradit nebo vyrovnat lidskou osobnost stroji, je nutné mít k dispozici velké množství peněz, které mohou pokrýt nezbytné náklady na vývoj a údržbu těchto nástrojů. Jak se AI používá v sociálních vědách? A brief introduction :) Karel Pepper, FI MU Machine learning [strojové učení] Machine learning [strojové učení] Přehled rovin zkoumání přirozeného jazyka Zdroj: NLP lab FI - Centrum zpracování přirozeného jazyka K čemu to je? Tomáš Mikolov, držitel Ceny Neuron, autor word2vec 1.Nasbíráme data a.Messengery a WhatsApp participantů, anonymizační software 2.Výzkumná otázka a cíl a.Rizika a social support 3.Rozdělení korpusu na části: anotační/učící a trénovací část 4.Anotace: anotační schéma, trénink anotátorů, shoda, anotace části korpusu 5.Vytvoření tzv. Gold standard 1.Trénování strojového učení: lingvistický pre-processing, klasifikační úloha 2.Aplikace na neanotovaných datech …A odteď jde o iterativní proces, který často opakujeme tak dlouho, dokud nejsme spokojení s výsledky. Příklad: implementace kontextu pro vylepšení klasifikace. Ukázka z anotačního manuálu Plhák et al., 2023 ●Data od 22 uživatelů (13-17 let) a všech jejich chatových partnerů: celkem 2165 osob ●Celkový počet konverzací: 90,422 (konverzace končí, když hodinu nikdo nic nenapíše) ●“Utterances” = 1,260,492 Plhák et al., 2023 Jak se určuje efektivita modelů? ●Precision = kolik mám falešně pozitivních jevů? (email, co není spam je označen jako spam) ●Recall (sensitivity) = kolik mám falešně negativních jevů? (email, co je spam byl označen, jako že není spam) ●F1 skóre = funkce pro výpočet poměru mezi P a R ●Někdy dává větší smysl koukat jen na jednu z těch metrik Další četba CREDITS: This presentation template was created by Slidesgo and includes icons by Flaticon, infographics & images by Freepik and content by Eliana Delacour Děkujeme za pozornost Please, keep this slide as attribution