"Algokracja"
Identyfikator Librowy: 290046
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