"Algokracja"

Spis treści

O Autorach 11

Wstęp, czyli dlaczego napisaliśmy tę książkę 13

1. Jak to działa 25

Podstawowe pojęcia 25

Uczenie maszynowe 28

2. Podstawowe modele data science 33

Regresja liniowa pomaga w wyborze wina 33

Drzewa decyzyjne pozwalające ocenić ryzyko kredytowe 47

Jakie lekcje powinien wyciągnąć dyrektor marketingu z nalotów aliantów podczas II wojny światowej 53

Naiwny klasyfikator Bayesa uwalnia nas od spamu 58

Uczenie maszynowe nienadzorowane 60

3. Głębokie uczenie maszynowe 67

Jak sztuczna inteligencja powstrzymała złodziei papieru toaletowego w Chinach 68

Dlaczego dopiero teraz nastąpił rozwój sztucznej inteligencji 69

Jak działają algorytmy głębokiego uczenia się – przykład uczenia nadzorowanego 70

Jak stosować głębokie uczenie się w praktyce 76

4. Czy komputer może działać jak ludzki mózg, czyli uczenie ze wzmocnieniem 81

Jak ludzki mózg stosuje mechanizm nagród w procesie uczenia się 81

Nagrody, czyli o tym, jak działają algorytmy uczenia ze wzmocnieniem 83

Eksploracja versus eksploatacja i Q-uczenie się 86

Zastosowania algorytmów uczenia się ze wzmocnieniem 90

5. Jak komputer nauczył się rozumieć ludzką mowę, czyli gra w 300 pytań 93

Od cyfr, przez kompilatory, do rozumienia języka naturalnego 93

Jak słowa stają się wektorami liczb, które komputer rozumie 95

Zastosowania biznesowe 98

6. Jak przeczytaliśmy ze zrozumieniem 180 tysięcy artykułów o nowych technologiach w kilka minut 101

7. Internet rzeczy i uczenie maszynowe 107

Rolls-Royce, doskonałość produkcji i obsługi dzięki big data science 107

Jak rzeźnik wykorzystał internet rzeczy i uczenie maszynowe do budowy siły marki i wzrostu sprzedaży 109

Przyszłość IoT 110

8. Wpływ sztucznej inteligencji na gospodarkę i rynek pracy 113

Prognozy wpływu sztucznej inteligencji na rynek pracy 113

9. Czy Chiny wyprzedzą Stany Zjednoczone w obszarze sztucznej inteligencji 139

Sztuczna inteligencja została uznana w Chinach za kluczową technologię przyszłości 140

Dane jako paliwo napędzające rozwój sztucznej inteligencji 142

Najbardziej konkurencyjny na świecie ekosystem start-upów 142

10. System scoringu społecznego w Chinach, czyli jak powstaje algokracja – nowy system społeczno-polityczny oparty na big data i sztucznej inteligencji 145

Bardziej egalitarne społeczeństwo 151

Promowanie moralnie pożądanych postaw 151

Wzrost transparentności życia publicznego i społecznego 152

Wolność w algokracji 153

Główne ryzyko algokracji, czyli informatyczny demiurg 154

11. Czy i kiedy pojawi się superinteligencja 157

Typy sztucznej inteligencji 157

Scenariusze dla świata rządzonego przez sztuczną superinteligencję 161

Inteligencja zespołowa 163

Sztuczna inteligencja i płynna demokracja 173

12. Jakie zagrożenia niesie ze sobą uczenie maszynowe i sztuczna inteligencja 177

Uczenie maszynowe powiększa nierówności rasowe i płci 178

Ocena parametryczna nauczycieli oparta na big data eliminuje wspaniałych pedagogów 180

Algorytmy promują niemoralne zachowania na wielką skalę 181

Algorytmy napędzają kryzys w szkolnictwie wyższym 182

Co z tego wynika 183

13. Wolność – czyli o tym, jaki będzie główny wpływ sztucznej inteligencji na modele biznesowe i na człowieka 185

Zdolność do budowania piaskownicy i zgodnego bawienia się w niej z innymi 188

Umiejętność tworzenia i stosowania modeli XaaS 191

Apifikacja kultury korporacyjnej 192

14. Praktyczne zastosowania sztucznej inteligencji i uczenia maszynowego 197

Funkcje wewnętrzne i administracyjne 198

Zarządzanie zasobami ludzkimi 202

Analityka biznesowa 203

Marketing 205

Rozwój oprogramowania 205

Nowe modele biznesowe 216

Firmy rozwijające sztuczną inteligencję i uczenie maszynowe w Polsce 217

15. Big data. Dlaczego inwestycja w infrastrukturę AI jest kluczowa 221

Fundamenty 221

Kluczowe wyzwania architektury ekosystemu big data 224

Umysł człowieka a infrastruktura AI 226

Podstawowe elementy nowoczesnej architektury infrastruktury big data i AI 230

Kluczowe założenia w przygotowaniu odpowiedniej infrastruktury danych 232

16. Ucieczka w przyszłość – jak automatycznie modelować dane behawioralne 235

Jakich rezultatów powinniśmy wymagać od nowoczesnej architektury dla rozwiązań z zakresu sztucznej inteligencji 235

Nienadzorowane uczenie maszynowe w czasie rzeczywistym na dużą skalę 237

Kultura MLOps 239

Praca nad budową modelu AI, jego trenowanie i ewaluacja 240

Narzędzia automatyzujące pracę data scientistów 242

Kluczowe kompetencje zespołu data science stanowiące wewnętrzny „know-how” 243

Systemy czasu rzeczywistego i ich ograniczenia 243

Odkrywanie nowych zastosowań biznesowych AI 244

17. Internet zdecentralizowany a sztuczna inteligencja 245

18. Wywiady z ekspertami 251

Deep tech. GPT-3. AGI. Kiedy AI przekroczy możliwości człowieka. Rozmowa ze sztuczną inteligencją stworzoną przez OpenAI 251

Dzisiaj w firmach obowiązuje zasada „przede wszystkim klient” (client first). Jutro najważniejszą zasadą będzie „przede wszystkim dane” (data first). Rozmowa z Jackiem Dąbrowskim, Chief AI Officer, Synerise 255

O tym, jak internet rzeczy zwiększa efektywność firm i satysfakcję klientów, ale także prowadzi do powstania pokolenia D. Rozmowa z Aleksandrem Poniewierskim, partnerem i globalnym leaderem internetu rzeczy w EY 260

Zakończenie 271

Appendix: Najciekawsze przykłady zastosowania sztucznej inteligencji w praktyce 275

Lista zawodów, które znikną z powodu rozszerzania się wpływu sztucznej inteligencji 283

Lista rysunków, tabel i wykresów 285

Spis organizacji zajmujących się AI na świecie 289

Najważniejsze konferencje AI na świecie 291

Literatura 293

O partnerze wydania 299