#65 - Jak AI uczy się człowieka? Personalizacja, emocje i polskie modele | dr Jan Kocoń
W dzisiejszym odcinku rozmawiam z dr. Janem Koconiem z Katedry Sztucznej Inteligencji Politechniki Wrocławskiej o tym, czy AI rzeczywiście nas rozumie, jak rozpoznaje nasze emocje i preferencje oraz w jaki sposób może wpływać na nasze decyzje. Modele językowe potrafią prowadzić coraz bardziej naturalne rozmowy, rozpoznawać emocjonalny wydźwięk naszych wypowiedzi i dopasowywać odpowiedzi do konkretnego użytkownika. Czy oznacza to jednak, że rzeczywiście rozumieją język i człowieka? A może skuteczne przewidywanie naszych reakcji wystarcza, żeby wpływać na nasze decyzje? W dzisiejszym odcinku miałem przyjemność porozmawiać na te tematy z doktorem Janem Koconiem z Katedry Sztucznej Inteligencji Politechniki Wrocławskiej, który pełnił funkcję kierownika naukowego projektu PLLuM, czyli polskiego modelu językowego. W tej rozmowie poruszamy m.in. następujące kwestie: - Czy model, który przewiduje kolejne tokeny, może rzeczywiście rozumieć język, tworzyć model świata i rozumować? - Na ile sztuczna inteligencja potrafi rozpoznawać ludzkie emocje i dlaczego tak łatwo przypisujemy jej świadomość, intencje oraz empatię? - Jak personalizacja pozwala modelom przewidywać nasze reakcje i gdzie przebiega granica między dopasowaniem a manipulacją? - Dlaczego potrzebujemy polskich modeli językowych, jak powstał PLLuM i czy własne modele mogą zwiększyć naszą niezależność technologiczną? - Jak sztuczna inteligencja może pomagać osobom z niepełnosprawnościami oraz wspierać analizę danych medycznych? - Czy możemy dopasować AI do ludzkich wartości, ograniczyć halucynacje i ustalić odpowiedzialność za decyzje podejmowane przy pomocy modeli? Dr inż. Jan Kocoń jest adiunktem w Katedrze Sztucznej Inteligencji Politechniki Wrocławskiej. W swoich badaniach zajmuje się dużymi modelami językowymi, przetwarzaniem języka naturalnego, personalizacją oraz rozpoznawaniem emocji i subiektywności w języku. Był kierownikiem naukowym projektu PLLuM. Profil PWr: https://ai.pwr.edu.pl/pl/people/jan-kocon Projekt PLLuM: https://pllum.org.pl/ Rozdziały: 00:00:00 Wstęp 00:00:55 Czy modele językowe rozumieją język? 00:06:25 Model świata i rozumowanie AI 00:09:16 Czy AI rozumie emocje? 00:11:18 Antropomorfizacja i empatia 00:13:20 Korzyści i zagrożenia empatycznych modeli 00:17:23 Personalizacja modeli językowych 00:18:31 Subiektywność i mowa nienawiści 00:24:55 Jak AI modeluje człowieka? 00:28:49 AI jako narzędzie komunikacji 00:31:12 Personalizacja a manipulacja 00:37:39 Dlaczego potrzebujemy polskich modeli? 00:44:13 Jak powstał PLLuM? 00:49:55 Suwerenność technologiczna 00:55:24 Czy Polska może dogonić USA i Chiny? 00:56:02 AI w medycynie 01:00:56 Alignment i wartości 01:05:33 Czy da się kontrolować AI? 01:07:26 Halucynacje i błędy modeli 01:11:23 Odpowiedzialność za decyzje AI Nazywam się Michał Szyc, a to jest podcast "To Bardziej Skomplikowane". Jeśli uważasz, że analityczne i merytoryczne rozmowy są w internecie potrzebne, zostaw subskrypcję i łapkę w górę, aby pomóc temu materiałowi w przebiciu się przez algorytmy. Wsparcie projektu (Patronite): https://patronite.pl/tobardziejskomplikowane
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
W dzisiejszym odcinku rozmawiam z dr. Janem Koconiem z Katedry Sztucznej Inteligencji Politechniki Wrocławskiej o tym, czy AI rzeczywiście nas rozumie, jak rozpoznaje nasze emocje i preferencje oraz w jaki sposób może wpływać na nasze decyzje.
Modele językowe potrafią prowadzić coraz bardziej naturalne rozmowy, rozpoznawać emocjonalny wydźwięk naszych wypowiedzi i dopasowywać odpowiedzi do konkretnego użytkownika. Czy oznacza to jednak, że rzeczywiście rozumieją język i człowieka? A może skuteczne przewidywanie naszych reakcji wystarcza, żeby wpływać na nasze decyzje?
W dzisiejszym odcinku miałem przyjemność porozmawiać na te tematy z doktorem Janem Koconiem z Katedry Sztucznej Inteligencji Politechniki Wrocławskiej, który pełnił funkcję kierownika naukowego projektu PLLuM, czyli polskiego modelu językowego.
W tej rozmowie poruszamy m.in. następujące kwestie:
- Czy model, który przewiduje kolejne tokeny, może rzeczywiście rozumieć język, tworzyć model świata i rozumować? - Na ile sztuczna inteligencja potrafi rozpoznawać ludzkie emocje i dlaczego tak łatwo przypisujemy jej świadomość, intencje oraz empatię? - Jak personalizacja pozwala modelom przewidywać nasze reakcje i gdzie przebiega granica między dopasowaniem a manipulacją? - Dlaczego potrzebujemy polskich modeli językowych, jak powstał PLLuM i czy własne modele mogą zwiększyć naszą niezależność technologiczną? - Jak sztuczna inteligencja może pomagać osobom z niepełnosprawnościami oraz wspierać analizę danych medycznych? - Czy możemy dopasować AI do ludzkich wartości, ograniczyć halucynacje i ustalić odpowiedzialność za decyzje podejmowane przy pomocy modeli?
Dr inż. Jan Kocoń jest adiunktem w Katedrze Sztucznej Inteligencji Politechniki Wrocławskiej. W swoich badaniach zajmuje się dużymi modelami językowymi, przetwarzaniem języka naturalnego, personalizacją oraz rozpoznawaniem emocji i subiektywności w języku. Był kierownikiem naukowym projektu PLLuM.
Profil PWr: https://ai.pwr.edu.pl/pl/people/jan-kocon Projekt PLLuM: https://pllum.org.pl/
Rozdziały: Wstęp Czy modele językowe rozumieją język? Model świata i rozumowanie AI Czy AI rozumie emocje? Antropomorfizacja i empatia Korzyści i zagrożenia empatycznych modeli Personalizacja modeli językowych Subiektywność i mowa nienawiści Jak AI modeluje człowieka? AI jako narzędzie komunikacji Personalizacja a manipulacja Dlaczego potrzebujemy polskich modeli? Jak powstał PLLuM? Suwerenność technologiczna Czy Polska może dogonić USA i Chiny? AI w medycynie Alignment i wartości Czy da się kontrolować AI? Halucynacje i błędy modeli Odpowiedzialność za decyzje AI
Nazywam się Michał Szyc, a to jest podcast "To Bardziej Skomplikowane".
Jeśli uważasz, że analityczne i merytoryczne rozmowy są w internecie potrzebne, zostaw subskrypcję i łapkę w górę, aby pomóc temu materiałowi w przebiciu się przez algorytmy.
Wsparcie projektu (Patronite): https://patronite.pl/tobardziejskomplikowane