Algokracja

Okładka Strona tytułowa Strona redakcyjna Spis treści O Autorach Wstęp, czyli dlaczego napisaliśmy tę książkę 1. Jak to działa Podstawowe pojęcia Uczenie maszynowe 2. Podstawowe modele data science Regresja liniowa pomaga w wyborze wina Drzewa decyzyjne pozwalające ocenić ryzyko kredytowe Jakie lekcje powinien wyciągnąć dyrektor marketingu z nalotów aliantów podczas II wojny światowej Naiwny klasyfikator Bayesa uwalnia nas od spamu Uczenie maszynowe nienadzorowane 3. Głębokie uczenie maszynowe Jak sztuczna inteligencja powstrzymała złodziei papieru toaletowego w Chinach Dlaczego dopiero teraz nastąpił rozwój sztucznej inteligencji Jak działają algorytmy głębokiego uczenia się – przykład uczenia nadzorowanego Jak stosować głębokie uczenie się w praktyce 4. Czy komputer może działać jak ludzki mózg, czyli uczenie ze wzmocnieniem Jak ludzki mózg stosuje mechanizm nagród w procesie uczenia się Nagrody, czyli o tym, jak działają algorytmy uczenia ze wzmocnieniem Eksploracja versus eksploatacja i Q-uczenie się Zastosowania algorytmów uczenia się ze wzmocnieniem 5. Jak komputer nauczył się rozumieć ludzką mowę, czyli gra w 300 pytań Od cyfr, przez kompilatory, do rozumienia języka naturalnego Jak słowa stają się wektorami liczb, które komputer rozumie Zastosowania biznesowe 6. Jak przeczytaliśmy ze zrozumieniem 180 tysięcy artykułów o nowych technologiach w kilka minut 7. Internet rzeczy i uczenie maszynowe Rolls-Royce, doskonałość produkcji i obsługi dzięki big data science Jak rzeźnik wykorzystał internet rzeczy i uczenie maszynowe do budowy siły marki i wzrostu sprzedaży Przyszłość IoT 8. Wpływ sztucznej inteligencji na gospodarkę i rynek pracy Prognozy wpływu sztucznej inteligencji na rynek pracy 9. Czy Chiny wyprzedzą Stany Zjednoczone w obszarze sztucznej inteligencji Sztuczna inteligencja została uznana w Chinach za kluczową technologię przyszłości Dane jako paliwo napędzające rozwój sztucznej inteligencji Najbardziej konkurencyjny na świecie ekosystem start-upów 10. System scoringu społecznego w Chinach, czyli jak powstaje algokracja – nowy system społeczno-polityczny oparty na big data i sztucznej inteligencji Bardziej egalitarne społeczeństwo Promowanie moralnie pożądanych postaw Wzrost transparentności życia publicznego i społecznego Wolność w algokracji Główne ryzyko algokracji, czyli informatyczny demiurg 11. Czy i kiedy pojawi się superinteligencja Typy sztucznej inteligencji Scenariusze dla świata rządzonego przez sztuczną superinteligencję Inteligencja zespołowa Sztuczna inteligencja i płynna demokracja 12. Jakie zagrożenia niesie ze sobą uczenie maszynowe i sztuczna inteligencja Uczenie maszynowe powiększa nierówności rasowe i płci Ocena parametryczna nauczycieli oparta na big data eliminuje wspaniałych pedagogów Algorytmy promują niemoralne zachowania na wielką skalę Algorytmy napędzają kryzys w szkolnictwie wyższym Co z tego wynika 13. Wolność – czyli o tym, jaki będzie główny wpływ sztucznej inteligencji na modele biznesowe i na człowieka Zdolność do budowania piaskownicy i zgodnego bawienia się w niej z innymi Umiejętność tworzenia i stosowania modeli XaaS Apifikacja kultury korporacyjnej 14. Praktyczne zastosowania sztucznej inteligencji i uczenia maszynowego Funkcje wewnętrzne i administracyjne Zarządzanie zasobami ludzkimi Analityka biznesowa Rozwój oprogramowania Marketing Nowe modele biznesowe Firmy rozwijające sztuczną inteligencję i uczenie maszynowe w Polsce 15. Big data. Dlaczego inwestycja w infrastrukturę AI jest kluczowa Fundamenty Kluczowe wyzwania architektury ekosystemu big data Umysł człowieka a infrastruktura AI Podstawowe elementy nowoczesnej architektury infrastruktury big data i AI Kluczowe założenia w przygotowaniu odpowiedniej infrastruktury danych 16. Ucieczka w przyszłość – jak automatycznie modelować dane behawioralne – studium przypadku Synerise Monada Jakich rezultatów powinniśmy wymagać od nowoczesnej architektury dla rozwiązań z zakresu sztucznej inteligencji Nienadzorowane uczenie maszynowe w czasie rzeczywistym na dużą skalę Kultura MLOps Praca nad budową modelu AI, jego trenowanie i ewaluacja Narzędzia automatyzujące pracę data scientistów Systemy czasu rzeczywistego i ich ograniczenia Kluczowe kompetencje zespołu data science stanowiące wewnętrzny „know-how” Odkrywanie nowych zastosowań biznesowych AI 17. Internet zdecentralizowany a sztuczna inteligencja 18. Wywiady z ekspertami Deep tech. GPT-3. AGI. Kiedy AI przekroczy możliwości człowieka? Rozmowa ze sztuczną inteligencją stworzoną przez OpenAI 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 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 Zakończenie Appendix: Najciekawsze przykłady zastosowania sztucznej inteligencji w praktyce Lista zawodów, które znikną z powodu rozszerzania się wpływu sztucznej inteligencji Spis organizacji zajmujących się AI na świecie Najważniejsze konferencje AI na świecie Literatura O partnerze wydania Przypisy