Temat: artificial intelligence - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Sztuczna inteligencja w odczarowanym świecie
Artificial intelligence in the disenchanted world
Autorzy:: Koronacki, Jacek
Powiązania:: https://bibliotekanauki.pl/articles/41309731.pdf
Data publikacji:: 2020
Wydawca:: Polska Akademia Nauk. Instytut Filozofii i Socjologii PAN
Tematy:: artificial intelligence
strong artificial intelligence
machine learning
disenchanted world
sztuczna inteligencja
silna sztuczna inteligencja
uczenie maszynowe
świat odczarowany
Opis:: Niniejsze rozważanie jest pisane przez inżyniera. W pierwszych dwóch punktach artykułu znajdujemy narysowany kilkoma kreskami szkic metodologicznych podstaw sztucznej inteligencji (SI) i czym dziś SI jest. W dalszych punktach zasygnalizujemy kształt najbliższej przyszłości SI, umieścimy SI w kontekście kultury, odnotujemy fenomen tzw. silnej sztucznej inteligencji i zakończymy całość paroma uwagami.
This is a modest endeavour written from an engineering perspective by a nonphilosopher to set things straight if somewhat roughly: What does artificial intelligence boil down to? What are its merits and why some dangers may stem from its development in this time of confusion when, to quote Rémi Brague: “From the point of view of technology, man appears as outdated, or at least superfluous”?
Źródło:: Filozofia i Nauka; 2020, 8, 1; 9-30
2300-4711
2545-1936
Pojawia się w:: Filozofia i Nauka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Francesco Marconi (2020). Newsmakers: Artificial Intelligence And The Future Of Journalism
Autorzy:: Baranowski, Paweł
Powiązania:: https://bibliotekanauki.pl/articles/2042901.pdf
Data publikacji:: 2021-12-28
Wydawca:: Polskie Towarzystwo Komunikacji Społecznej
Tematy:: journalism studies
technology
artificial intelligence
machine learning
Opis:: This is the review of the book by Francesco Marconi "Newsmakers: Artificial Intelligence and the Future of Journalism."
Źródło:: Central European Journal of Communication; 2021, 14, 2(29); 357-360
1899-5101
Pojawia się w:: Central European Journal of Communication
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Sztuczna inteligencja w problematyce modeli oceny ryzyka w instytucjach finansowych z perspektywy prawno-regulacyjnej
Artifical intelligence in problems of risk assessment models in financial institutions from a legal and regulatory perspective
Autorzy:: Nowakowski, Michał
Waliszewski, Krzysztof
Powiązania:: https://bibliotekanauki.pl/articles/2033957.pdf
Data publikacji:: 2022-03-30
Wydawca:: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:: risk assessment models
artificial intelligence
bank
machine learning
Opis:: Purpose of the article / hypothesis: This article aims to verify the need to introduce additional legal and regulatory requirements in relation to the models used in banks, including, in particular, risk assessment models. At the same time, the article analyzes the need for possible introduction of sector-specific guidelines, or the need to include the above-mentioned models in the classification of high-risk artificial intelligence systems, referred to in the draft EU regulation on artificial intelligence. Methodology: The article is based on an analysis of the available literature on the subject, legal acts as well as regulations and standards developed both at the local and international level. Research results / results: The issue of the application of models in the financial sector, mainly banking, is of significant importance from the perspective of the regulator and supervisor. Quality, compliance with the regulations, but also efficiency and effective supervision may constitute the (instability) of a given financial institution, the instability of which may be a component – at least potentially – of systemic risk. Banks commonly use internal models that generally allow the calculation of capital requirements to cover specific risks in a bank’s business, such as credit risk or market risk. Internal models have been evolving for years and are undoubtedly becoming more and more accurate (they predict with a greater probability the occurrence of certain events), although they are still only certain assumptions that reality can verify, as evidenced by financial crises that have already occurred in the past as well as failures of banks considered to be stable. At the same time, the development of new technologies, in particular the so-called artificial intelligence makes institutions more and more willing to use various models, e.g. machine learning, to support these models and obtain theoretically better results. The European Union, but also other jurisdictions are considering or already introducing specific legal and regulatory solutions that are to introduce clear rules related to the use of certain artificial intelligence systems, including those used by financial institutions. As a result, institutions – already burdened with significant regulatory requirements, may soon be obliged to go through another "health path" of a legal and regulatory compliance nature.
Źródło:: Finanse i Prawo Finansowe; 2022, 1, 33; 119-141
2391-6478
2353-5601
Pojawia się w:: Finanse i Prawo Finansowe
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Artificial Intelligence in Audit
Sztuczna inteligencja w audycie
Autorzy:: Karmańska, Anna
Powiązania:: https://bibliotekanauki.pl/articles/2158933.pdf
Data publikacji:: 2022
Wydawca:: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:: audit
Artificial Intelligence
machine learning
audyt
sztuczna inteligencja
uczenie maszynowe
Opis:: The main objective of this paper is to identify the benefits of applying the Artificial Intelligence (AI) in the audit sector. The study employed a questionnaire for a research sample including 206 auditing and accounting practitioners and students. Data were collected via an online survey. A principal axis factor analysis with the Promax rotation was conducted to assess the underlying structure for the points of the questionnaire. The research outcomes indicate that, in the opinion of the respondents, AI adoption increases audit efficiency, and enhances client communication and service. Finally, AI can also automate time-consuming and routine tasks. The three indicated factors account for 62.223% variance. The findings reveal the advantages of AI adoption and could support managers in deploying new technology in their organizations. The research limitation concerns the fact that this study focused only on respondents from Poland.
Celem artykułu jest wskazanie korzyści płynących z zastosowania sztucznej inteligencji (AI) w badaniu sprawozdań finansowych. Posłużono się kwestionariuszem ankiety. Próbą badawczą objęto 206 praktyków i studentów audytu i rachunkowości. Zastosowano analizę czynnikową metodą głównych składowych z rotacją Promax. Wyniki wskazują, że w opinii respondentów zastosowanie sztucznej inteligencji zwiększa efektywność audytu. Sztuczna inteligencja usprawnia komunikację i obsługę klienta. Ponadto AI może zautomatyzować czasochłonne i rutynowe zadania. Powyższe trzy czynniki odpowiadają za 62,223% wariancji. Wyniki badania wskazują na korzyści płynące z implementacji sztucznej inteligencji w audycie i mogą wspierać menedżerów we wdrażaniu nowych technologii w ich organizacjach. Ograniczeniem badawczym jest fakt, że badanie koncentruje się na respondentach jedynie z Polski.
Źródło:: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu; 2022, 66, 4; 87-99
1899-3192
Pojawia się w:: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Rozwój sztucznej inteligencji i jej wpływ na rynek finansowy
The Development of Artificial Intelligence and its Impact on the Financial Market
Autorzy:: Tomaszek, Arkadiusz
Powiązania:: https://bibliotekanauki.pl/articles/36095177.pdf
Data publikacji:: 2022
Wydawca:: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:: financial market
artificial intelligence
machine learning
opportunities and threats
digitization
Opis:: The purpose of this article. The aim of the article is to analyze selected issues related to artificial intelligence and its development, particularly its impact on the financial market, taking into account the opportunities and threats that artificial intelligence and its areas, such as machine learning or deep learning, pose to financial market participants. The research methods utilized in the study were used to evaluate the phenomenon on a macroeconomic scale. Methodology. The results of the research were based on the analysis of secondary data, such as source literature – both domestic and foreign, systems analysis of European Union legal acts, as well as the review of reports on the use of AI within the financial market. The paper is theoretical. The result of the research. The development of artificial intelligence in financial markets may provide an opportunity to gain competitive advantage, especially for financial market participants who aptly implement AI-based solutions in its initial phase. However, this entails both benefits and risks, the possible occurrence of which depends on many other factors.
Źródło:: Finanse i Prawo Finansowe; 2022, 2 (Numer Specjalny); 109-119
2391-6478
2353-5601
Pojawia się w:: Finanse i Prawo Finansowe
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Artificial Intelligence and Human Talent in Decision Making in the Sphere of Marketing in an Enterprise
Sztuczna inteligencja i ludzki talent w podejmowaniu decyzji z zakresu marketingu w przedsiębiorstwie
Autorzy:: Sobocińska, Magdalena
Powiązania:: https://bibliotekanauki.pl/articles/1925924.pdf
Data publikacji:: 2021-04-09
Wydawca:: Uniwersytet Warszawski. Wydawnictwo Naukowe Wydziału Zarządzania
Tematy:: talent
artificial intelligence
machine learning
marketing
sztuczna inteligencja
uczenie maszynowe
Opis:: Purpose: The analysis of the content of publications concerning decision-making processes in an enterprise indicates that one of the tasks of modern management is to identify effective solutions based on the synergy of human and technological resources that support decision-making processes. This also applies to marketing, which is subject to virtualization related both to its concept and instruments, as well as marketing activities. The purpose of the paper is to show the role of artificial intelligence and human talent in decision making in the field of marketing in an enterprise. Design/methodology/approach: Critical literature review; the research procedure that is based on the review of the literature is focused on formulating the answers to the following questions: – What factors determine the effective implementation of artificial intelligence as a technology supporting decision-making processes in the sphere of marketing in enterprises? – What are the identified models of application of artificial intelligence and human talent in making decisions in enterprises? Findings: The use of the opportunities offered by artificial intelligence in supporting marketing decisions brings many benefits, but it also requires overcoming mental and cultural barriers. It should be emphasized that relying on artificial intelligence in decision-making processes does not mean eliminating people, especially the talented ones, because it is the employee who can revise the decision-making criteria or state that the algorithm on the basis of which decisions are made in the company is outdated. Research limitations/implications: Empirical verification of the proposed model would allow for identifying the role performed by talented employees and algorithms in decision-making processes in the era of development of innovative IT solutions along with determination of the hierarchy of factors stimulating these processes. Originality/value: Proposing a model of determinants and types of solutions that allow for effectively combining human resources described as talent and artificial intelligence in making decisions in the field of marketing in enterprises is the result of the considerations provided in the paper.
Cel: analiza treści publikacji z zakresu procesów podejmowania decyzji w przedsiębiorstwie wskazuje, że jednym z zadań współczesnego zarządzania jest identyfikowanie efektywnych, bazujących na synergii zasobów ludzkich i technologicznych, rozwiązań stanowiących wsparcie w procesach decyzyjnych. Dotyczy to także marketingu, który podlega wirtualizacji odnoszonej zarówno do jego koncepcji, jak i instrumentów oraz działań marketingowych. Celem artykułu jest ukazanie roli sztucznej inteligencji i ludzkiego talentu w procesach podejmowania decyzji z zakresu marketingu w przedsiębiorstwie. Metodologia: krytyczny przegląd literatury; bazujące na kwerendzie literatury postępowanie badawcze ukierunkowane zostało na sformułowanie odpowiedzi na następujące pytania: – jakie czynniki warunkują skuteczne wdrażanie sztucznej inteligencji jako technologii stanowiącej wsparcie w procesach decyzyjnych w obszarze marketingu w przedsiębiorstwie; – jakie wyróżnia się modele zastosowania sztucznej inteligencji w podejmowaniu decyzji w przedsiębiorstwie? Wyniki: wykorzystanie możliwości stwarzanych przez sztuczną inteligencję we wspieraniu decyzji marketingowych przynosi wiele korzyści, lecz wymaga przełamywania barier mentalnych i kulturowych. Należy podkreślić, że bazowanie na sztucznej inteligencji w procesach decyzyjnych nie oznacza eliminacji ludzi, w szczególności utalentowanych, ponieważ to pracownik może zrewidować kryteria decyzyjne, czy też stwierdzić, że zdezaktualizował się algorytm, w oparciu o który podejmowane były decyzje w przedsiębiorstwie. Ograniczenia/implikacje badawcze: empiryczna weryfikacja zaproponowanego modelu pozwoliłaby na identyfikację roli, którą odgrywają utalentowani pracownicy oraz algorytmy w procesach decyzyjnych w dobie rozwoju innowacyjnych rozwiązań informatycznych wraz z określeniem hierarchii czynników stymulujących te procesy. Oryginalność/wartość: efektem prowadzonych w artykule rozważań jest propozycja modelu czynników i typów rozwiązań pozwalających na efektywne łączenie zasobów ludzkich określanych jako talent i sztucznej inteligencji w podejmowaniu decyzji z zakresu marketingu w przedsiębiorstwie.
Źródło:: Problemy Zarządzania; 2021, 19, 1/2021 (91); 65-75
1644-9584
Pojawia się w:: Problemy Zarządzania
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Application of ensemble gradient boosting decision trees to forecast stock price on WSE
Autorzy:: Dadej, Mateusz
Powiązania:: https://bibliotekanauki.pl/articles/518035.pdf
Data publikacji:: 2019
Wydawca:: Uniwersytet Gdański. Wydział Ekonomiczny
Tematy:: equity investments
artificial intelligence
machine learning
algorithmic trading strategy
gradient boosting
Opis:: The main purpose of this article is to apply machine learning model based on ensemble of gradient boosted decision trees to forecast direction of share prices of Bank Handlowy S.A listed on WSE. In the introduction, the author presented the context of machine learning and its application in forecasting stock prices. Afterwards, the author describes the process of building classification model which uses XGboost framework from data preprocessing to model evaluation. The input features of the model were technical analysis indicators, like stochastic oscillators or moving averages. Output of the model was a direction of stock price after one week. The accuracy of the model based on testing dataset is 72%. The author also performed a simulation, based on the model. The simulation was made with the Monte Carlo method which stochastic process had a Laplace distribution. During interpretation, at the end, the author pointed limitations of model and algorithmic trading strategy evaluation techniques based on backtest.
Celem niniejszego artykułu jest wykorzystanie modelu z dziedziny uczenia maszynowego opartego na algorytmie zespołu wzmocnionych gradientowo drzew decyzyjnych do prognozowania kierunku zmian kursu akcji Banku Handlowego S.A. notowanego na GPW. We wstępie został przedstawiony kontekst uczenia maszynowego oraz wykorzystania go do prognozowania cen akcji. Następnie, przedstawiono proces tworzenia modelu klasyfikacyjnego wykorzystujący strukturę XGboost od etapu przetwarzania danych do jego ewaluacji. Danymi wejściowymi modelu były wskaźniki wykorzystywane w analizie technicznej, m.in. oscylatory stochastyczne oraz średnie ruchome, natomiast danymi wyjściowymi były kierunki zmian kursu na przestrzeni następnego tygodnia. Skuteczność modelu na danych testowych wyniosła 72%. Na końcu przeprowadzono symulacje portfela inwestycyjnego, podejmującego decyzje o transakcjach na podstawie wcześniej stworzonego modelu, wykorzystując metodę Monte Carlo w której dynamika procesów stochastycznych miała rozkład Laplace’a. Przy interpretacji wyników portfela inwestycyjnego wskazano ograniczenia ewaluacji modelu i strategii inwestycyjnej opartej o backtest.
Źródło:: Zeszyty Studenckie Wydziału Ekonomicznego „Nasze Studia”; 2019, 9; 265-275
1731-6707
Pojawia się w:: Zeszyty Studenckie Wydziału Ekonomicznego „Nasze Studia”
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Yet another research on GANs in cybersecurity
Autorzy:: Zimoń, Michał
Kasprzyk, Rafał
Powiązania:: https://bibliotekanauki.pl/articles/13946602.pdf
Data publikacji:: 2023-02-20
Wydawca:: Akademia Sztuki Wojennej
Tematy:: cybersecurity
malware
artificial intelligence
machine learning
deep learning
generative adversarial networks
Opis:: Deep learning algorithms have achieved remarkable results in a wide range of tasks, including image classification, language translation, speech recognition, and cybersecurity. These algorithms can learn complex patterns and relationships from large amounts of data, making them highly effective for many applications. However, it is important to recognize that models built using deep learning are not fool proof and can be fooled by carefully crafted input samples. This paper presents the results of a study to explore the use of Generative Adversarial Networks (GANs) in cyber security. The results obtained confirm that GANs enable the generation of synthetic malware samples that can be used to mislead a classification model.
Źródło:: Cybersecurity and Law; 2023, 9, 1; 61-72
2658-1493
Pojawia się w:: Cybersecurity and Law
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Artificial intelligence and future crime in the context of computer forensics
Autorzy:: Olber, Paweł
Powiązania:: https://bibliotekanauki.pl/articles/45491957.pdf
Data publikacji:: 2023-07-25
Wydawca:: Akademia Policji w Szczytnie
Tematy:: machine learning
computer forensics
digital evidence
crime
forensic science
artificial intelligence
Opis:: The aim of this article is to discuss the role, tasks and challenges of computer forensics in the context of the development of AI-enabled crime. The issues described in the article refer to potential future threats that have been identifi ed as the most troublesome for society. The considerations in the article are preceded by a critical analysis of the research that has been conducted in the fi eld of artifi cial intelligence and computer forensics so far. The literature analysis allows the claim that the future of computer forensics is automation based on machine learning algorithms. It has also been concluded that the development of artifi cial intelligence will defi ne new areas of computer forensics that take into account the analysis of neural network models and learning datasets.
Źródło:: Przegląd Policyjny; 2023, 149(1); 342-358
0867-5708
Pojawia się w:: Przegląd Policyjny
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Artificial intelligence applications in project scheduling: a systematic review, bibliometric analysis, and prospects for future research
Autorzy:: Bahroun, Zied
Tanash, Moayad
Ad, Rami As
Alnajar, Mohamad
Powiązania:: https://bibliotekanauki.pl/articles/27315576.pdf
Data publikacji:: 2023
Wydawca:: STE GROUP
Tematy:: artificial intelligence
machine learning
project scheduling
bibliometric analysis
network analysis
review
Opis:: The availability of digital infrastructures and the fast-paced development of accompanying revolutionary technologies have triggered an unprecedented reliance on Artificial intelligence (AI) techniques both in theory and practice. Within the AI domain, Machine Learning (ML) techniques stand out as essential facilitator largely enabling machines to possess human-like cognitive and decision making capabilities. This paper provides a focused review of the literature addressing applications of emerging ML toolsto solve various Project Scheduling Problems (PSPs). In particular, it employs bibliometric and network analysis tools along with a systematic literature review to analyze a pool of 104 papers published between 1985 and August 2021. The conducted analysis unveiled the top contributing authors, the most influential papers as well as the existing research tendencies and thematic research topics within this field of study. A noticeable growth in the number of relevant studies is seen recently with a steady increase as of the year 2018. Most of the studies adopted Artificial Neural Networks, Bayesian Network and Reinforcement Learning techniques to tackle PSPs under a stochastic environment, where these techniques are frequently hybridized with classical metaheuristics. The majority of works (57%) addressed basic Resource Constrained PSPs and only 15% are devoted to the project portfolio management problem. Furthermore, this study clearly indicates that the application of AI techniques to efficiently handle PSPs is still in its infancy stage bringing out the need for further research in this area. This work also identifies current research gaps and highlights a multitude of promising avenues for future research.
Źródło:: Management Systems in Production Engineering; 2023, 2 (31); 144--161
2299-0461
Pojawia się w:: Management Systems in Production Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Deep learning in pharmacology: opportunities and threats
Autorzy:: Kocić, Ivan
Kocić, Milan
Rusiecka, Izabela
Kocić, Adam
Kocić, Eliza
Powiązania:: https://bibliotekanauki.pl/articles/25728738.pdf
Data publikacji:: 2022-09-06
Wydawca:: Gdański Uniwersytet Medyczny
Tematy:: machine learning
pharmacology
deep learning
artificial intelligence
drug research and development
Opis:: Introduction This review aims to present briefly the new horizon opened to pharmacology by the deep learning (DL) technology, but also to underline the most important threats and limitations of this method. Material and Methods We searched multiple databases for articles published before May 2021 according to the preferred reported item related to deep learning and drug research. Out of the 267 articles retrieved, we included 50 in the final review. Results DL and other different types of artificial intelligence have recently entered all spheres of science, taking an increasingly central position in the decision-making processes, also in pharmacology. Hence, there is a need for better understanding of these technologies. The basic differences between AI (artificial intelligence), DL and ML (machine learning) are explained. Additionally, the authors try to highlight the role of deep learning methods in drug research and development as well as in improving the safety of pharmacotherapy. Finally, future directions of DL in pharmacology were outlined as well as possible misuses of it. Conclusions DL is a promising and powerful tool for comprehensive analysis of big data related to all fields of pharmacology, however it has to be used carefully.
Źródło:: European Journal of Translational and Clinical Medicine; 2022, 5, 2; 88-94
2657-3148
2657-3156
Pojawia się w:: European Journal of Translational and Clinical Medicine
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: ChatGPT – a tool for assisted studying or a source of misleading medical information? AI performance on Polish Medical Final Examination
ChatGPT – pomoc naukowa przyszłości czy źródło fałszywych informacji? Analiza odpowiedzi sztucznej inteligencji na przykładzie zadań Lekarskiego Egzaminu Końcowego
Autorzy:: Żmudka, Karol
Spychał, Aleksandra
Ochman, Błażej
Popowicz, Łukasz
Piłat, Patrycja
Jaroszewicz, Jerzy
Powiązania:: https://bibliotekanauki.pl/articles/29783504.pdf
Data publikacji:: 2024-04-16
Wydawca:: Śląski Uniwersytet Medyczny w Katowicach
Tematy:: artificial intelligence
public health
machine learning
sztuczna inteligencja
zdrowie publiczne
nauczanie maszynowe
Opis:: INTRODUCTION: ChatGPT is a language model created by OpenAI that can engage in human-like conversations and generate text based on the input it receives. The aim of the study was to assess the overall performance of ChatGPT on the Polish Medical Final Examination (Lekarski Egzamin Końcowy – LEK) the factors influencing the percentage of correct answers. Secondly, investigate the capabilities of chatbot to provide explanations was examined. MATERIAL AND METHODS: We entered 591 questions with distractors from the LEK database into ChatGPT (version 13th February – 14th March). We compared the results with the answer key and analyzed the provided explanation for logical justification. For the correct answers we analyzed the logical consistency of the explanation, while for the incorrect answers, the ability to provide a correction was observed. Selected factors were analyzed for an influence on the chatbot’s performance. RESULTS: ChatGPT achieved impressive scores of 58.16%, 60.91% and 67.86% allowing it pass the official threshold of 56% in all instances. For the properly answered questions, more than 70% were backed by a logically coherent explanation. In the case of the wrongly answered questions the chatbot provided a seemingly correct explanation for false information in 66% of the cases. Factors such as logical construction (p < 0.05) and difficulty (p < 0.05) had an influence on the overall score, meanwhile the length (p = 0.46) and language (p = 0.14) did not. CONCLUSIONS: Although achieving a sufficient score to pass LEK, ChatGPT in many cases provides misleading information backed by a seemingly compelling explanation. The chatbot can be especially misleading for non-medical users as compared to a web search because it can provide instant compelling explanations. Thus, if used improperly, it could pose a danger to public health. This makes it a problematic recommendation for assisted studying.
WSTĘP: ChatGPT jest modelem językowym stworzonym przez OpenAI, który może udzielać odpowiedzi na zapytania użytkownika, generując tekst na podstawie otrzymanych danych. Celem pracy była ocena wyników działania ChatGPT na polskim Lekarskim Egzaminie Końcowym (LEK) oraz czynników wpływających na odsetek prawidłowych odpowiedzi. Ponadto zbadano zdolność chatbota do podawania poprawnego i wnikliwego wyjaśnienia. MATERIAŁ I METODY: Wprowadzono 591 pytań z dystraktorami z bazy LEK do interfejsu ChatGPT (wersja 13 lutego – 14 marca). Porównano wyniki z kluczem odpowiedzi i przeanalizowano podane wyjaśnienia pod kątem logicznego uzasadnienia. Dla poprawnych odpowiedzi przeanalizowano spójność logiczną wyjaśnienia, natomiast w przypadku odpowiedzi błędnej obserwowano zdolność do poprawy. Wybrane czynniki zostały przeanalizowane pod kątem wpływu na zdolność chatbota do udzielenia poprawnej odpowiedzi. WYNIKI: ChatGPT osiągnął imponujące wyniki poprawnych odpowiedzi na poziomie: 58,16%, 60,91% i 67,86%, przekraczając oficjalny próg 56% w trzech ostatnich egzaminach. W przypadku poprawnie udzielonych odpowiedzi ponad 70% pytań zostało popartych logicznie spójnym wyjaśnieniem. W przypadku błędnych odpowiedzi w 66% przypadków chatbot podał pozornie poprawne wyjaśnienie dla nieprawidłowych od-powiedzi. Czynniki takie jak konstrukcja logiczna (p < 0,05) i wskaźnik trudności zadania (p < 0,05) miały wpływ na ogólną ocenę, podczas gdy liczba znaków (p = 0,46) i język (p = 0,14) takiego wpływu nie miały. WNIOSKI: Mimo iż ChatGPT osiągnął wystarczającą liczbę punktów, aby zaliczyć LEK, w wielu przypadkach podawał wprowadzające w błąd informacje poparte pozornie przekonującym wyjaśnieniem. Chatboty mogą być szczególnym zagrożeniem dla użytkownika niemającego wiedzy medycznej, ponieważ w porównaniu z wyszukiwarką internetową dają natychmiastowe, przekonujące wyjaśnienie, co może stanowić zagrożenie dla zdrowia publicznego. Z tych samych przyczyn ChatGPT powinien być ostrożnie stosowany jako pomoc naukowa.
Źródło:: Annales Academiae Medicae Silesiensis; 2024, 78; 94-103
1734-025X
Pojawia się w:: Annales Academiae Medicae Silesiensis
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: Influence of artificial intelligence on warehouse performance: The case study of the Colombo area, Sri Lanka
Autorzy:: Angammana, Janani Shamindika Kumari
Jayawardena, Achini Malinthi Ann
Powiązania:: https://bibliotekanauki.pl/articles/2176019.pdf
Data publikacji:: 2022
Wydawca:: Fundacja Centrum Badań Socjologicznych
Tematy:: artificial intelligence
warehouse performance
machine learning
robotics
Internet of things
fuzzy logic
Opis:: This study is focused on the influence that artificial intelligence can bring on warehouse performance. A sample of 329 workers from selected warehouses was used for this study, and a self-administered questionnaire was used to collect data. An index was constructed using the Principal Component Analysis (PCA) method to measure the influence on warehouse performance. Mann Whitney U test and Kruskal-Wallis H test were used to determine the effect of demographic factors on warehouse performance. The association among the variables was identified by employing correlation analysis. A regression analysis was performed to determine the relationship between the identified factors and warehouse performance. When the study tests for the association among the variables, it depicts a positive correlation. Finally, based on the analysis, it illustrates the influence of machine learning, robotics, the Internet of things (IoT), and fuzzy logic on warehouse performance. The warehouse performance was mentioned in three categories: time, inventory, and cost.
Źródło:: Journal of Sustainable Development of Transport and Logistics; 2022, 7, 2; 80--110
2520-2979
Pojawia się w:: Journal of Sustainable Development of Transport and Logistics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 14.

Tytuł:: A Study on the Optimization of Metalloid Contents of Fe-Si-B-C Based Amorphous Soft Magnetic Materials Using Artificial Intelligence Method
Autorzy:: Choi, Young-Sin
Kwon, Do-Hun
Lee, Min_Woo
Cha, Eun-Ji
Jeon, Junhyub
Lee, Seok-Jae
Kim, Jongryoul
Kim, Hwi-Jun
Powiązania:: https://bibliotekanauki.pl/articles/2174571.pdf
Data publikacji:: 2022
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: Fe-based amorphous
soft magnetic properties
artificial intelligence
machine learning
random forest regression
Opis:: The soft magnetic properties of Fe-based amorphous alloys can be controlled by their compositions through alloy design. Experimental data on these alloys show some discrepancy, however, with predicted values. For further improvement of the soft magnetic properties, machine learning processes such as random forest regression, k-nearest neighbors regression and support vector regression can be helpful to optimize the composition. In this study, the random forest regression method was used to find the optimum compositions of Fe-Si-B-C alloys. As a result, the lowest coercivity was observed in Fe80.5Si3.63B13.54C2.33 at.% and the highest saturation magnetization was obtained Fe81.83Si3.63B12.63C1.91at.% with R2 values of 0.74 and 0.878, respectively.
Źródło:: Archives of Metallurgy and Materials; 2022, 67, 4; 1459--1463
1733-3490
Pojawia się w:: Archives of Metallurgy and Materials
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 15.

Tytuł:: Machine learning and artificial intelligence techniques for detecting driver drowsiness
Autorzy:: Prathap, Boppuru Rudra
Kumar, Kukatlapalli Pradeep
Hussain, Javid
Chowdary, Cherukuri Ravindranath
Powiązania:: https://bibliotekanauki.pl/articles/27314194.pdf
Data publikacji:: 2022
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: artificial intelligence
machine learning
drowsiness detection
image processing
convolutional neural networks
AI visuals
Opis:: The number of automobiles on the road grows in lockstep with the advancement of vehicle manufacturing. Road accidents appear to be on the rise, owing to this growing proliferation of vehicles. Accidents frequently occur in our daily lives, and are the top ten causes of mortality from injuries globally. It is now an important component of the worldwide public health burden. Every year, an estimated 1.2 million people are killed in car accidents. Driver drowsiness and weariness are major contributors to traffic accidents this study relies on computer software and photographs, as well as a Convolutional Neural Network (CNN), to assess whether a motorist is tired. The Driver Drowsiness System is built on the MultiLayer Feed-Forward Network concept CNN was created using around 7,000 photos of eyes in both sleepiness and non-drowsiness phases with various face layouts. These photos were divided into two datasets: training (80% of the images) and testing (20% of the images). For training purposes, the pictures in the training dataset are fed into the network. To decrease information loss as much as feasible, backpropagation techniques and optimizers are applied. We developed an algorithm to calculate ROI as well as track and evaluate motor and visual impacts.
Źródło:: Journal of Automation Mobile Robotics and Intelligent Systems; 2022, 16, 2; 64--73
1897-8649
2080-2145
Pojawia się w:: Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "artificial intelligence" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język