{"id":30106,"date":"2019-07-31T09:36:20","date_gmt":"2019-07-31T07:36:20","guid":{"rendered":"https:\/\/nearshore-it.eu\/artykuly\/ai-machine-learning-i-big-data-czym-sa-i-co-dalej\/"},"modified":"2024-10-02T17:17:19","modified_gmt":"2024-10-02T15:17:19","slug":"ai-machine-learning-i-big-data-czym-sa-i-co-dalej","status":"publish","type":"post","link":"https:\/\/nearshore-it.eu\/pl\/artykuly\/ai-machine-learning-i-big-data-czym-sa-i-co-dalej\/","title":{"rendered":"AI, machine learning i Data Science. Czym s\u0105 i co dalej?"},"content":{"rendered":"\n
\n

<\/p>\n

    \n
  1. 1. Data Science Summit<\/a><\/li>\n
  2. 2. Machine learning<\/a><\/li>\n
  3. 3. AI<\/a><\/li>\n
  4. 4. Przyk\u0142ady zastosowania sztucznej inteligencji<\/a><\/li>\n
  5. 5. Mroczna strona sztucznej inteligencji<\/a><\/li>\n
  6. 6. Prywatno\u015b\u0107 i analiza danych<\/a><\/li>\n
  7. 7. Najnowsze technologie na co dzie\u0144<\/a><\/li>\n
  8. 8. Data Science \u2013 podsumowanie<\/a><\/li>\n <\/ol>\n<\/div>\n\n\n

    Data Science Summit<\/h2>\n\n\n\n

    W po\u0142owie czerwca w Warszawie mia\u0142a miejsce ciekawa konferencja: Data Science Summit, jedno z najwi\u0119kszych bran\u017cowych wydarze\u0144 po\u015bwi\u0119conych szeroko poj\u0119tej analizie danych, sztucznej inteligencji i uczeniu maszynowemu. Uczestnicy stawili si\u0119 t\u0142umnie. Co ciekawe, rozpi\u0119to\u015b\u0107 wiekowa by\u0142a bardzo szeroka, od m\u0142odych, ch\u0142onnych umys\u0142\u00f3w komputerowych \u201egeek\u00f3w\u201d, po do\u015bwiadczonych programist\u00f3w, kt\u00f3rzy \u2013 s\u0105dz\u0105c po wieku \u2013 w niejednej stacji dysk\u00f3w dyskietkami \u017conglowali. Grupa prelegent\u00f3w by\u0142a imponuj\u0105ca, \u017ceby wymieni\u0107 tylko kilka firm: PKO, Santander, ING, Linux Polska, Microsoft, Samsung, Nvidia czy PwC. Jak wida\u0107, najwi\u0119ksze koncerny inwestuj\u0105 w uczenie maszynowe i Data Science, a to jednoznacznie \u015bwiadczy o tym, \u017ce jest to inwestycja przysz\u0142o\u015bciowa i op\u0142acalna.<\/p>\n\n\n\n

    Konferencja by\u0142a podzielona na 10 zr\u00f3\u017cnicowanych blok\u00f3w tematycznych. W ramach ka\u017cdego z nich odbywa\u0142o si\u0119 r\u00f3wnolegle od 5 do 11 prelekcji. Bior\u0105c pod uwag\u0119 mnogo\u015b\u0107 zagadnie\u0144 i ciekaw\u0105 tematyk\u0119, 30 minut ka\u017cdej prelekcji mija\u0142o szybko \u2013 czasem zbyt szybko. Czasu by\u0142o niewiele, wi\u0119c prelegenci skupiali si\u0119 na konkretach, przekazuj\u0105c skondensowan\u0105 wiedz\u0119 na temat zastosowa\u0144 sztucznej inteligencji. Uczestnictwo w takim wydarzeniu potrafi \u201eotworzy\u0107 oczy niedowiarkom\u201d co do mo\u017cliwo\u015bci sztucznej inteligencji. Kilka przyk\u0142ad\u00f3w ciekawych implementacji opisz\u0119 poni\u017cej, najpierw jednak zacznijmy od wyja\u015bnienia czym w\u0142a\u015bciwie s\u0105 Data Science, uczenie maszynowe i sztuczna inteligencja. Wszystkie trzy poj\u0119cia i stoj\u0105ce za nimi dyscypliny s\u0105 ze sob\u0105 \u015bci\u015ble powi\u0105zane, ale nie s\u0105 tym samym \u2013 i warto o tym pami\u0119ta\u0107.<\/p>\n\n\n\n

    Data Science<\/h3>\n\n\n\n

    Data Science to termin, dla kt\u00f3rego trudno znale\u017a\u0107 odpowiednik w j\u0119zyku polskim. \u201eNauka o danych\u201d nie do ko\u0144ca oddaje sedno angielskiego terminu. Podobnie jak data scientist, t\u0142umaczone czasem jako \u201eanalityk danych\u201d. W Wikipedii znajdziemy has\u0142o \u201eMistrz danych\u201d \u2013 brzmi troch\u0119 nietypowo, m\u00f3wi nieco wi\u0119cej, ale to te\u017c nie do ko\u0144ca to. Polski odpowiednik zawiera\u0142by w sobie wszystkie trzy terminy. W skr\u00f3cie jest to nauka czy te\u017c dziedzina \u0142\u0105cz\u0105ca wiedz\u0119 z zakresu statystyki, matematyki, techniki analizy, obr\u00f3bki i wizualizacji danych.<\/strong><\/p>\n\n\n\n

    Machine learning<\/h2>\n\n\n\n

    Machine learning to \u0142atwiej przet\u0142umaczalny termin: uczenie maszyn lub maszynowe \u2013 i tym w\u0142a\u015bnie jest. Tworz\u0105c modele oparte na sieciach neuronowych, jeste\u015bmy w stanie je \u201euczy\u0107\u201d. Koncepcja taka powsta\u0142a pod koniec lat 50, jednak \u00f3wczesny poziom technologii nie pozwala\u0142 na jej pe\u0142ne wdro\u017cenie i spopularyzowanie. Pomys\u0142 jest prosty \u2013 zamiast manualnie tworzy\u0107 nasz elektroniczny m\u00f3zg poprzez mozolne wpisywanie kolejnych linii kodu, pozw\u00f3lmy mu si\u0119 uczy\u0107 samodzielnie na podstawie dostarczonych danych. Zupe\u0142nie tak, jak robimy to my, ludzie. Teoria sieci neuronowych, szybki post\u0119p technologii, Internet, a tak\u017ce mo\u017cliwo\u015b\u0107 pozyskiwania i magazynowania du\u017cej ilo\u015bci danych spowodowa\u0142y, \u017ce sta\u0142o si\u0119 to mo\u017cliwe. W uproszczeniu \u2013 zasilamy sie\u0107 neuronow\u0105 danymi, a nast\u0119pnie testujemy w spos\u00f3b maszynowy. System wybiera odpowied\u017a i sprawdza jej poprawno\u015b\u0107 dzi\u0119ki dost\u0119powi do zbioru poprawnych odpowiedzi. Nast\u0119pnie w razie potrzeby dokonuje odpowiednich modyfikacji w swoim dzia\u0142aniu.<\/strong><\/p>\n\n\n\n

    Dzi\u0119ki temu sie\u0107 wci\u0105\u017c si\u0119 uczy, samoczynnie modyfikuj\u0105c swoje algorytmy, aby udziela\u0107 jak najtrafniejszej odpowiedzi i jak najlepiej wykona\u0107 powierzone zadanie. Machine Learning umo\u017cliwia stworzenie systemu do wykonywania zada\u0144, kt\u00f3rych zaprogramowanie w spos\u00f3b tradycyjny by\u0142oby ekstremalnie trudne i kosztowne, a efekt nie zawsze zadowalaj\u0105cy. Algorytm\u00f3w uczenia powsta\u0142o ca\u0142e mn\u00f3stwo \u2013 tak jak ich modyfikacji, metod optymalizacji itp. Uczenie maszynowe to aktualnie bardzo no\u015bny temat, rozwijany, implementowany, obserwowany i testowany zar\u00f3wno przez pojedynczych entuzjast\u00f3w, jak i najwi\u0119ksze i najbardziej wp\u0142ywowe firmy i korporacje tego \u015bwiata.<\/p>\n\n\n\n

    AI<\/h2>\n\n\n\n

    Czym jest AI? Artificial Intelligence, czyli sztuczna inteligencja, to szerokie poj\u0119cie. W prostych s\u0142owach oznacza system wykonuj\u0105cy powierzone zadania w spos\u00f3b, kt\u00f3ry u\u017cytkownik uwa\u017ca za inteligentny.<\/strong> Zadania, kt\u00f3rych realizacj\u0119 mo\u017cemy wspomaga\u0107 rozwi\u0105zaniami sztucznej inteligencji, trudno zliczy\u0107\u2026 Sky is the limit! Ale sk\u0105d sztuczna inteligencja wie, czego oczekujemy i jak wykona\u0107 zadanie? Tu w\u0142a\u015bnie istotn\u0105 rol\u0119 odgrywa Machine Learning.<\/a><\/p>\n\n\n\n

    W bardzo uproszczonym przyk\u0142adzie: tworzymy nasz\u0105 sztuczn\u0105 inteligencj\u0119, ucz\u0105c j\u0105 \u2013 zasilaj\u0105c system danymi przygotowanymi przez \u201emistrza danych\u201d. Teraz wspomniany \u201emistrz danych\u201d mo\u017ce wykorzysta\u0107 system wyuczony za pomoc\u0105 uczenia maszynowego do przetwarzania kolejnej partii danych w \u201einteligentny\u201d spos\u00f3b.<\/p>\n\n\n\n

    Przyk\u0142ady zastosowania sztucznej inteligencji<\/h2>\n\n\n\n

    Prelekcje dostarczy\u0142y wielu ciekawych przyk\u0142ad\u00f3w wykorzystania rozwi\u0105za\u0144 sztucznej inteligencji. Przedstawiono m.in. typowe implementacje i najbardziej znane zastosowania, takie jak autonomiczne samochody, drony, ci\u0119\u017car\u00f3wki i wyzwania zwi\u0105zane z ich u\u017cytkowaniem. Ale by\u0142y te\u017c inne przyk\u0142ady implementacji sztucznej inteligencji, z kt\u00f3rymi albo ju\u017c mamy styczno\u015b\u0107 na co dzie\u0144, albo b\u0119dziemy mie\u0107 wkr\u00f3tce.<\/p>\n\n\n\n

    NLP<\/h3>\n\n\n\n

    NLP to (od Natural Language Processing) to przetwarzanie j\u0119zyka naturalnego, czyli j\u0119zyka, kt\u00f3rym pos\u0142uguj\u0105 si\u0119 ludzie (w odr\u00f3\u017cnieniu np. od j\u0119zyk\u00f3w programowania). S\u0142owem \u2013 maszyna rozumie nasz komunikat. Zd\u0105\u017cyli\u015bmy ju\u017c przywykn\u0105\u0107 do rozmowy z automatem na infolinii \u2013 i nie s\u0105 to ju\u017c rozmowy typu \u201eWybierz numer 1, je\u015bli\u2026\u201d, ale: \u201ePowiedz, w jakiej sprawie dzwonisz\u201d.<\/strong> System wykorzystuj\u0105cy NLP rozpoznaje nie tylko pojedyncze s\u0142owa, ale i tre\u015b\u0107, kieruj\u0105c po\u0142\u0105czenie do odpowiedniego konsultanta. Podobnie dzia\u0142aj\u0105 coraz bardziej popularni cyfrowi asystenci w inteligentnych g\u0142o\u015bnikach czy telefonach. Analiza g\u0142osu, zrozumienie tre\u015bci, wykonanie polecenia. Albo\u2026 g\u0142osowa odpowied\u017a. NLP to tak\u017ce analiza tekstu, co umo\u017cliwia rozpoznanie tre\u015bci i kontekstu oraz skierowanie korespondencji do odpowiedniego dzia\u0142u.<\/p>\n\n\n\n

    AI w bran\u017cy ubezpieczeniowej<\/h3>\n\n\n\n

    Jeden z ciekawszych przyk\u0142ad\u00f3w zaprezentowanych na konferencji dotyczy\u0142 bran\u017cy ubezpiecze\u0144 na rynku zachodnim. W\u0142a\u015bciciel chce ubezpieczy\u0107 nieruchomo\u015b\u0107. Zg\u0142asza si\u0119 do firmy, podaj\u0105c adres i kilka s\u0142\u00f3w o budynku i okolicy \u2013 i to w sumie wszystko, co musi zrobi\u0107. Firma rozwija autorski system, na kt\u00f3ry sk\u0142ada si\u0119 kilka mniejszych modu\u0142\u00f3w bazuj\u0105cych na rozwi\u0105zaniach AI. Korzystaj\u0105c z geolokalizacji, zdj\u0119\u0107 lotniczych i satelitarnych wspartych przez Street View, system rozpoznaje wielko\u015b\u0107 budynku, jego wysoko\u015b\u0107, u\u017cyty do budowy materia\u0142, wielko\u015b\u0107 i liczb\u0119 okien oraz  drzwi, uwzgl\u0119dnia obecno\u015b\u0107 krat, a nawet obecno\u015b\u0107 i odleg\u0142o\u015b\u0107 do drzew i s\u0142up\u00f3w w okolicy.<\/strong> Klient potwierdza przedstawione informacje i otrzymuje ofert\u0119 ubezpieczenia przy pierwszym kontakcie \u2013 bez osobistej wizyty agenta celem weryfikacji nieruchomo\u015bci. Osobiste wizyty stosowane s\u0105 jedynie kontrolnie albo w przypadkach spornych lub trudnych \u2013 jak brak mo\u017cliwo\u015bci odnalezienia posesji za pomoc\u0105 geolokalizacji.<\/p>\n\n\n\n

    AI w analizie danych medycznych<\/h3>\n\n\n\n

    Na mnie osobi\u015bcie bardzo du\u017ce wra\u017cenie wywar\u0142 wyk\u0142ad o wykorzystaniu sztucznej inteligencji w analizie danych medycznych. Dobrze wytrenowana sztuczna inteligencja jest w stanie powi\u0105za\u0107 ze sob\u0105 wyniki z wielu z\u0142o\u017conych bada\u0144, odnajduj\u0105c zagro\u017cenia, kt\u00f3rych w nat\u0142oku danych nie zauwa\u017cy lekarz. Analizuj\u0105c np. wyniki tomografii, wsparte wcze\u015bniejszym badaniem USG i morfologi\u0105, jest w stanie na podstawie tysi\u0119cy analizowanych wcze\u015bniej bada\u0144 zauwa\u017cy\u0107 anomalie, kt\u00f3re jeszcze nie zagra\u017caj\u0105, ale wynik wskazuje na potencjalne zagro\u017cenie.<\/strong> Takie wykorzystanie sztucznej inteligencji mo\u017ce uratowa\u0107 niezliczon\u0105 liczb\u0119 ludzkich istnie\u0144. Pi\u0119kna rzecz!<\/p>\n\n\n\n

    Mroczna strona sztucznej inteligencji<\/h2>\n\n\n
    \n
    \"What<\/figure>\n<\/div>\n\n\n
    <\/div>\n\n\n\n

    Artificial Intelligence ma te\u017c swoje mroczne strony. Od razu trzeba zaznaczy\u0107: sztuczna inteligencja to narz\u0119dzie, jak n\u00f3\u017c czy kij. Mo\u017cna jej u\u017cy\u0107 zar\u00f3wno w dobrych, jak i z\u0142ych celach. Technologia nie ma sumienia ani moralno\u015bci \u2013 tym musz\u0105 si\u0119 cechowa\u0107 ludzie, w kt\u00f3rych r\u0119kach spoczywa.<\/strong> Ciekaw\u0105 i \u015bwietnie przygotowan\u0105 prezentacj\u0119 przedstawi\u0142 prelegent z firmy Nvidia. Na koniec interesuj\u0105cego wyk\u0142adu stwierdzi\u0142, \u017ce je\u015bli znudz\u0105 nas z\u0142o\u017cone problemy, zawsze mo\u017cemy chocia\u017cby zagra\u0107 ze sztuczn\u0105 inteligencj\u0105 w Go \u2013 obrazuj\u0105c to zdj\u0119ciem planszy z gr\u0105 po zako\u0144czonej partii. Uwa\u017cny uczestnik m\u00f3g\u0142 dostrzec, \u017ce czarne kamienie, kt\u00f3rymi gra\u0142a sztuczna inteligencja, uk\u0142ada\u0142y si\u0119 mi\u0119dzy bia\u0142ymi w napis \u201eDie Human\u201d. Do\u015b\u0107 kontrowersyjn\u0105 technologi\u0105 jest tak\u017ce Deep Learning, kt\u00f3ra umo\u017cliwia tworzenie tzw. Deepfake, czyli film\u00f3w, na kt\u00f3rych wizerunek znanych os\u00f3b, wykorzystywany jest do propagowania nieprawdziwych informacji.<\/p>\n\n\n\n

    Prywatno\u015b\u0107 i analiza danych<\/h2>\n\n\n\n

    Jest wiele ciekawych zagadnie\u0144 w temacie prywatno\u015bci i analizy danych, kt\u00f3re r\u00f3wnie\u017c by\u0142y poruszane na wyk\u0142adach: machine learning a psychologia behawioralna czy te\u017c dane offline jako \u017ar\u00f3d\u0142o predykcji (czyli: kiedy Twoi klienci odwiedz\u0105 sklepy konkurencji). Analiz\u0119 udost\u0119pnionych przez u\u017cytkownik\u00f3w danych szczeg\u00f3lnie cz\u0119sto wykorzystuje si\u0119 obecnie w kampaniach kierowanych, co pokazano na prelekcji: \u201eOptymalizacja marketingu w social mediach z wykorzystaniem sztucznej inteligencji, Big Data i uczenia maszynowego na przyk\u0142adzie kampanii wykorzystuj\u0105cej personalizacj\u0119 tre\u015bci\u201d.<\/p>\n\n\n\n

    Prywatno\u015b\u0107 w \u015bwiecie uczenia maszynowego i Big Data<\/a> to powa\u017cna kwestia. W epoce cyfrowej wszyscy generujemy ogromne ilo\u015bci danych, kt\u00f3re dok\u0142adnie nas opisuj\u0105. Nie bardzo o to dbamy, s\u0105dz\u0105c, \u017ce s\u0105 to nasze prywatne dane i nikt do nich nie ma dost\u0119pu albo uznaj\u0105c, \u017ce \u201eprzecie\u017c nic tam nie ma, wi\u0119c niech robi\u0105 z nimi, co chc\u0105\u201d.<\/strong> Tymczasem wiele firm handluje naszymi danymi, wiele zadaje sobie trud, \u017ceby je w spos\u00f3b zautomatyzowany analizowa\u0107, opracowywa\u0107 nasze profile zainteresowa\u0144, przekona\u0144 i dzi\u0119ki temu kierowa\u0107 do nas spersonalizowany przekaz. P\u00f3\u0142 biedy, je\u015bli dane s\u0105 wykorzystane do skierowania oferty zakupu jakiego\u015b produktu (cho\u0107 w moim odczuciu to te\u017c nie do ko\u0144ca fair). Gorzej, je\u015bli w po\u0142\u0105czeniu z generowaniem tzw. fake news\u00f3w b\u0119d\u0105 wp\u0142ywa\u0107 na zmian\u0119 naszych przekona\u0144 i decyzji.<\/p>\n\n\n\n

    Najnowsze technologie na co dzie\u0144<\/h2>\n\n\n\n

    Artificial Intelligence, Machine Learning, Deep Learning czy Big Data, pomimo solidnych podstaw teoretycznych opracowanych w poprzednich dekadach, to temat stosunkowo \u015bwie\u017cy \u2013 ze wzgl\u0119du na masowy dost\u0119p do sprz\u0119tu umo\u017cliwiaj\u0105cego ich implementacj\u0119. R\u00f3wnie\u017c specjalistyczna wiedza w tym temacie, wcze\u015bniej zarezerwowana dla najbardziej ambitnych, staje si\u0119 bardziej przyst\u0119pna. Co wi\u0119cej, przebijanie si\u0119 przez ci\u0119\u017ck\u0105 matematyk\u0119 i statystyk\u0119 nie jest ju\u017c nieodzownie konieczne, aczkolwiek moim zdaniem wci\u0105\u017c zalecane. Wielkie firmy stworzy\u0142y gotowe biblioteki czy te\u017c wtyczki i udost\u0119pniaj\u0105 je za darmo. Nie trzeba wiec tworzy\u0107 w\u0142asnych rozwi\u0105za\u0144 od podstaw, poprzeczka dla rozpoczynaj\u0105cych swoj\u0105 przygod\u0119 z t\u0105 technologi\u0105 jest obecnie zawieszona ni\u017cej.<\/p>\n\n\n\n

    Z drugiej strony mo\u017ce to prowadzi\u0107 do zjawiska, kt\u00f3re w Data Science nazywamy \u201eoverfitting\u201d. Chodzi o nieuzasadnione u\u017cycie zbyt skomplikowanego rozwi\u0105zania z niewielkim zyskiem. Podobne zjawisko swego czasu obserwowali\u015bmy w wypadku pierwszych wersji mikrokontrolera Arduino czy mikrokomputera Raspbery Pi. S\u0105 one fantastycznymi wynalazkami, \u0142atwo dost\u0119pnymi, w dobrej cenie, co zach\u0119ci\u0142o ludzi do opierania na tych platformach niewyobra\u017calnej liczby mniej lub bardziej rozs\u0105dnych projekt\u00f3w. Mam znajomego, u kt\u00f3rego Arduino przej\u0119\u0142o rol\u0119 termostatu w lod\u00f3wce (m\u00f3wi, \u017ce ma pierwsz\u0105 na rynku lod\u00f3wk\u0119 z portem USB!). To \u015bwiadczy o niesamowitej elastyczno\u015bci tych modu\u0142\u00f3w, \u0142atwo\u015bci w u\u017cyciu i niew\u0105tpliwie przyczyni\u0142o si\u0119 do ich sukcesu, zdobywaj\u0105c rzesze zwolennik\u00f3w. Uczenie maszynowe czy szerzej rozumiana sztuczna inteligencja id\u0105 t\u0105 sam\u0105 \u015bcie\u017ck\u0105. I\u2026 w wypadku amatorskich implementacji nie ma w tym absolutnie nic z\u0142ego!<\/p>\n\n\n\n

    Technologia, kt\u00f3ra wcze\u015bniej wymaga\u0142a odpowiedniego sprz\u0119tu, inwestycji, wiedzy, nagle sta\u0142a si\u0119 powszechnie dost\u0119pna.<\/strong> Ka\u017cdy mo\u017ce stworzy\u0107 system przewiduj\u0105cy, o kt\u00f3rej godzinie p\u00f3jdziemy spa\u0107, \u017ceby automatycznie wy\u0142\u0105czy\u0142 \u015bwiat\u0142o w pokoju, stworzy\u0107 sztuczn\u0105 inteligencj\u0119 do gry w Go czy te\u017c zaprojektowa\u0107 amatorskiego autonomicznego robota\u2026 A by\u0107 mo\u017ce po jakim\u015b czasie do\u0142\u0105czy\u0107 do zespo\u0142u pracuj\u0105cego nad projektem ratuj\u0105cym \u017cycie.<\/p>\n\n\n\n

    Data Science \u2013 podsumowanie<\/h2>\n\n\n\n

    Elastyczno\u015b\u0107 i niesko\u0144czono\u015b\u0107 mo\u017cliwych implementacji oraz coraz wi\u0119ksza dost\u0119pno\u015b\u0107 rozwi\u0105za\u0144 bazuj\u0105cych na sztucznej inteligencji to chyba najja\u015bniejsza strona tej technologii. Pomy\u015bl o tym, robi\u0105c swoim nowym smartfonem zdj\u0119cia w trakcie najbli\u017cszego urlopu. Podziwiaj\u0105c pi\u0119kne kolory danego uj\u0119cia i \u0142agodne rozmycia t\u0142a, pomy\u015bl o sztucznej inteligencji zaszytej w Twoim telefonie, kt\u00f3ra stoi za tym efektem. Mo\u017ce ona kreowa\u0107 pi\u0119kno, ratowa\u0107 ludzkie \u017cycie\u2026 i sprawi\u0107, \u017ce pomy\u015blisz \u201ewow\u201d, gdy po raz pierwszy wy\u0142\u0105czy Ci \u015bwiat\u0142o w pokoju dok\u0142adnie w chwili, gdy przy\u0142o\u017cysz g\u0142ow\u0119 do poduszki.<\/p>\n\n\n\n

    <\/p>\n","protected":false},"excerpt":{"rendered":"

    Cz\u0142owiek zapanowa\u0142 nad ogniem i wynalaz\u0142 ko\u0142o. Jaki\u015b czas p\u00f3\u017aniej nast\u0105pi\u0142a era przemys\u0142owa, pojawi\u0142y si\u0119 roboty i automatyzacja. W mi\u0119dzyczasie urodzi\u0142 si\u0119 Elvis Presley, The Beatles wydali swoj\u0105 pierwsz\u0105 p\u0142yt\u0119 i powsta\u0142a sztuczna inteligencja. W niedalekiej przysz\u0142o\u015bci Skynet uzyska \u015bwiadomo\u015b\u0107 i zniszczy prawie ca\u0142\u0105 ludzko\u015b\u0107, a czo\u0142a stawi mu jedynie ma\u0142a grupka dzielnych kobiet i m\u0119\u017cczyzn z ruchu oporu. Jednak czy s\u0142usznie obawiamy si\u0119 sztucznej inteligencji, wi\u0105\u017c\u0105c j\u0105 z fabu\u0142\u0105 \u201eTerminatora\u201d? Data Science, uczenie maszynowe i sztuczna inteligencja to g\u0142o\u015bne has\u0142a ostatnich lat. Aby je zrozumie\u0107, warto wyja\u015bni\u0107, co to w\u0142a\u015bciwie jest.<\/p>\n","protected":false},"author":34,"featured_media":30111,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"iawp_total_views":91,"footnotes":""},"categories":[1,582],"tags":[576,564],"offering":[521],"class_list":["post-30106","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artykuly","category-technologie","tag-cloud-engineering","tag-transformacja-cyfrowa","offering-modern-data-solutions"],"acf":[],"_links":{"self":[{"href":"https:\/\/nearshore-it.eu\/pl\/wp-json\/wp\/v2\/posts\/30106","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/nearshore-it.eu\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/nearshore-it.eu\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/nearshore-it.eu\/pl\/wp-json\/wp\/v2\/users\/34"}],"replies":[{"embeddable":true,"href":"https:\/\/nearshore-it.eu\/pl\/wp-json\/wp\/v2\/comments?post=30106"}],"version-history":[{"count":3,"href":"https:\/\/nearshore-it.eu\/pl\/wp-json\/wp\/v2\/posts\/30106\/revisions"}],"predecessor-version":[{"id":33115,"href":"https:\/\/nearshore-it.eu\/pl\/wp-json\/wp\/v2\/posts\/30106\/revisions\/33115"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/nearshore-it.eu\/pl\/wp-json\/wp\/v2\/media\/30111"}],"wp:attachment":[{"href":"https:\/\/nearshore-it.eu\/pl\/wp-json\/wp\/v2\/media?parent=30106"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/nearshore-it.eu\/pl\/wp-json\/wp\/v2\/categories?post=30106"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/nearshore-it.eu\/pl\/wp-json\/wp\/v2\/tags?post=30106"},{"taxonomy":"offering","embeddable":true,"href":"https:\/\/nearshore-it.eu\/pl\/wp-json\/wp\/v2\/offering?post=30106"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}