II Warsztaty Koncepcyjne w Chęcinach

20 05 2024

Kategoria: konferencja, ryzyko systemowe, sztuczna inteligencja

W dniach 10-12 maja 2024 r. w Europejskim Centrum Edukacji Geologicznej UW w Chęcinach odbyły się II Warsztaty Koncepcyjne Centrum Badania Ryzyka Systemowego UW oraz Centrum Studiów Zaawansowanych Politechniki Warszawskiej.

Celem warsztatów było umówienie niektórych kluczowych i bardzo aktualnych problemów oraz wyzwań naszych czasów, takich jak wyzwania i zagrożenia związane z rozwojem AI, a także dyskusja nad tymi zagadnieniami z perspektywy różnych dziedzin nauki, zarówno ścisłych jak i humanistycznych. Reprezentujący różne dziedziny nauki członkowie Centrum Badania Ryzyka Systemowego UW mieli okazję porozmawiać i podyskutować z wybitnymi matematykami z Centrum Studiów Zaawansowanych PW oraz humanistami, m.in. z Instytutu Historii im. Tadeusza Manteuffla PAN.

Wystąpienia były bardzo ciekawe, dyskusje – tradycyjnie – trwały bardzo długo i przeciągały się na całe wieczory.

Tematy wystąpień

• Dobrostan – w świetle rozważań o ergonomii i samoświadomości – Barbara Majerska [Politechnika Warszawska]
• Dwa spojrzenia na układy złożone – Stanisław Janeczko [Centrum Studiów Zaawansowanych, Wydział Matematyki i Nauk Informacyjnych PW]
• Klasyczne metody statystyczne czy uczenie maszynowe – czy naprawdę trzeba wybierać ? – Jacek Rogala [Centrum Badania Ryzyka Systemowego UW]
• Sztuczna inteligencja i big data w ekologii – jak automatyczna analiza obrazu zmienia badania zachowania zwierząt – Piotr Bentkowski [Centrum Badania Ryzyka Systemowego UW]
• Czy uczony jest artystą? Rzecz o pięknie w naturze, sztuce i nauce – Stanisław Bajtlik [Centrum Astronomiczne im. Mikołaja Kopernika PAN]
• Ludzka mądrość i sztuczna inteligencja – Wiesław Bartkowski [Centrum Badania Ryzyka Systemowego UW]
• Zastosowanie AI w prospekcji stanowisk archeologicznych: czy jest to możliwe? – Fabian Welc [Centrum Badania Ryzyka Systemowego UW, Instytut Archeologii UKSW]
• Co generatywna AI robi nauce – Sebastian Szymański [Centrum Badania Ryzyka Systemowego UW]
• Boty i reklama w Internecie – Agnieszka Jastrzębska [Wydział Matematyki i Nauk Informacyjnych PW],
• projektowaniu sekwencji RNA – Grzegorz Łach [Centrum Badania Ryzyka Systemowego UW, Wydział Fizyki UW]
• „Niewidzialny towar”? Metody przyrodnicze w badaniach nad średniowiecznym niewolnictwem – Marek Jankowiak [Instytut Historii im. Tadeusza Manteuffla PAN]

ABSTRAKTY

Stanisław Bajtlik

“Czy uczony jest artystą? Rzecz o pięknie w naturze, sztuce i nauce”

Czym różni się uczony od artysty? Czy w nauce kryterium piękna (teorii) odgrywa rolę? Jakie są źródła inspiracji uczonych? Czy uczeni wpływali na twórczość artystów, a artyści na uczonych? Czy te związki jeszcze istnieją i czy byłyby potrzebne? Jakie są kryteria oceny w nauce, a jakie w sztuce?

Wiesław Bartkowski

Ludzka mądrość i sztuczna inteligencja

Opis: Podczas wystąpienia będę postulował za rozwijaniem nieludzkiej sztucznej inteligencji. Poprę to przykładami z obszaru sztuki i literatury, oraz własnego doświadczenia ze stosowaniem różnych form inteligencji obliczeniowej jako wzmacniacza moich możliwości umysłowych. Idąc za myślami Josepha Weizenbauma postawię pytanie, czego nie powinniśmy digitalizować.

Piotr Bentkowski

Sztuczna inteligencja i big data w ekologii – jak automatyczna analiza obrazu zmienia badania zachowania zwierząt

Jeszcze niecałą dekadę temu badania zachowania zwierząt wymagały wiele godzin ludzkiej pracy: żmudnego przeglądania nagrań wideo lub ręcznego nanoszenia markerów na zdigitalizowane obrazy. Dla popularnych modeli laboratoryjnych – np. myszy – powstały komercyjne systemy składające się zwykle ze specjalnej klatki z czujnikami rejestrującymi ruchy zwierząt. Ale w przypadku nie-modelowych gatunków badacze skazani byli na “ręczną” rejestrację danych. “Czynnik ludzki” ograniczał też ilość pomiarów jaką można było zebrać podczas eksperymentu. Rozwój sztucznej inteligencji, zwłaszcza technik uczenia maszynowego, pozwolił na większą automatyzację pomiarów, co poskutkowało znacznym zwiększeniem objętości dostępnych danych. Pozwala to dziś analizować typy zwierzęcych zachowań, których nie dało się badać metodami “ręcznymi”, czy wykrywać niuanse wcześniej umykające obserwacji. Ale niesie to też pewne wyzwania: jak wykrywać artefakty w ogromnej objętości danych? Przyjrzymy się studium przypadku badania zachowań stadnych ryb wystawionych na działanie zanieczyszczeń farmaceutykami.

Stanisław Janeczko

Dwa spojrzenia na układy złożone

Abstract:  Układy złożone charakteryzują się współdziałaniem i współistnieniem swoich części składowych. Przeanalizujemy egzotyczne upakowania prawie sferycznych elementów przestrzeni oraz strukturę zbiorów konfliktu współistniejących centrów organizujących.

Marek Jankowiak

„Niewidzialny towar”? Metody przyrodnicze w badaniach nad średniowiecznym niewolnictwem

Abstrakt: Niewolnicy są zazwyczaj uważani za „niewidzialny towar”, który pozostawił niewiele śladów w źródłach pisanych i praktycznie żadnych w materiale archeologicznym. Jest to pogląd zbyt pesymistyczny: podejścia takie jak archeologia krajobrazu (posiłkowana palinologią) czy metody pozwalające rekonstruować indywidualne biografie osób, których kości przetrwały do naszych czasów, nawet jeśli sa wciąż rzadko stosowane, znacząco pomagają zrozumieć średniowieczny handel niewolnikami i szerzej niewolnictwo. Wyniki tych metodologii są jednak często niejednoznaczne, a ich interpretacja w kontekście właśnie niewolnictwa, a nie innych form zależności czy relacji hierarchicznych, w ostatecznym rozrachunku zależy od naszego rozumienia źródeł pisanych. Przedstawię kilka takich dylematów interpretacyjnych, z nadzieją na dyskusję.

Grzegorz Łach

O projektowaniu sekwencji RNA

Streszczenie: Podczas pandemii Covid 19 syntetyczne RNA o sztucznie zaprojektowanej sekwencji zupełnie dosłownie trafiły pod strzechy. Choć nie wiemy jak projektowane były sekwencje szczepionek mRNA to trochę możemy się tego domyślać. Opowiem o tym jak projektowane są sekwencje RNA mające w roztworze przyjąć założony kształt (lub mające jakichś kształtów nie przyjmować), a przynajmniej jak robi to program który współtworzyłem i jak robią to programy z którymi się porównywaliśmy.

Jacek Rogala

Klasyczne metody statystyczne czy uczenie maszynowe – czy naprawdę trzeba wybierać ?

Jednoczesne zastosowanie analizy statystycznej i technik uczenia maszynowego może dopomóc w zrozumieniu wyników klasyfikacji metodami uczenia maszynowego, jednocześnie weryfikując ich poprawność. Z drugiej strony metody uczenia maszynowego umożliwia klasyfikację poszczególnych przypadków w oparciu o zidentyfikowane metodami statystycznymi cechy.

Sebastian Szymański

Co generatywna AI robi nauce

Generatywną AI w coraz większym zakresie wykorzystuje się w procesie badawczym oraz publikacyjnym w obiegu naukowy. Dość powszechne jest przekonanie, że LLM mogą demokratyzować zdolność publikacyjne i wzmacniać pozycję badaczy spoza świata anglosaskiego. Podkreśla się również, że umożliwia badaczom szybkie wyciąganie wniosków z informacji: na przykład poprzez analizę objawów chorobowych lub generowanie technicznych podsumowań.

Jednak podsumowania generowane przez algorytmy mogą zawierać błędy, nieaktualne informacje lub usuwać niuanse i wątpliwości, często o kluczowym znaczeniu. Wykorzystanie LLM w celu wstępnej analizy informacji grozi uzyskaniem uzyskanie uproszczonego, wyidealizowanego punktu widzenia na problem, sprzecznego z często chaotycznymi realiami badawczymi. Podważa to profesjonalizm i wiarygodność badań. Grozi również dalszym osłabieniem zaufania publicznego do nauki. Interakcje ludzi z tymi narzędziami będą bardzo zindywidualizowane, a każdy użytkownik otrzymuje wygenerowane informacje dopasowane do jego preferencji, co może osłabiać konsensus naukowy. Wreszcie wykorzystanie generatywnej AI w procesie peer review podważa sens samego procesu oceny.

Fabian Welc

Zastosowanie AI w prospekcji stanowisk archeologicznych: czy jest to możliwe? 

Dzięki dostępowi do dużych ilości nowych danych ze zdjęć lotniczych, satelitarnych czy wykonywanych przez drony, archeolodzy mogą sprawdzać nierozpoznane jeszcze obszary Ziemi pod kątem występowania ewentualnych stanowisk archeologicznych bez konieczności odwiedzania tych obszarów. Jednak „analogowa” analiza tysięcy zdjęć krajobrazów może być zadaniem czasochłonnym i żmudnym. Algorytmy sztucznej inteligencji rzekomo potrafią zautomatyzować ten proces, sprawiając, że analiza trwa krócej i jest bardziej wydajna. Na ile zadowalające są wyniki analiz przy wykorzystaniu AI?