Wszystkie pola: Inteligencja sztuczna - Katalog OPAC zbiorów

Skocz do pozycji: 1.

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: 2.

Tytuł:: Sztuczna inteligencja w innowacjach fi nansowych – aspekty prawne i regulacyjne
Autorzy:: Rojszczak, Marcin
Powiązania:: https://bibliotekanauki.pl/articles/2171480.pdf
Data publikacji:: 2020-01-05
Wydawca:: Uniwersytet Warszawski. Wydawnictwo Naukowe Wydziału Zarządzania
Tematy:: sztuczna inteligencja
uczenie maszynowe
Big Data
scoring kredytowy
fintech
Opis:: Celem artykułu jest przeanalizowanie prawnych konsekwencji wdrażania nowoczesnych technik przetwarzania danych, w szczególności uczenia maszynowego oraz analizy dużych zbiorów danych (Big Data) w sektorze innowacji finansowych (fintech). Techniki te stanowią nie tylko tworzą nowe możliwości monetaryzacji danych po stronie podmiotów funkcjonujących w sektorze finansowym, lecz także ujawniają nowe wyzwania regulacyjne i nadzorcze.
Źródło:: internetowy Kwartalnik Antymonopolowy i Regulacyjny; 2020, 9, 2; 61-77
2299-5749
Pojawia się w:: internetowy Kwartalnik Antymonopolowy i Regulacyjny
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Sztuczna inteligencja i przestępczość przyszłości w kontekście kryminalistycznych badań informatycznych
Autorzy:: Olber, Paweł
Powiązania:: https://bibliotekanauki.pl/articles/45491956.pdf
Data publikacji:: 2023-06-27
Wydawca:: Akademia Policji w Szczytnie
Tematy:: Sztuczna inteligencja
uczenie maszynowe
kryminalistyczne badania informatyczne
kryminalistyka
dowód cyfrowy
przestępczość
Opis:: Celem przedmiotowego artykułu jest omówienie roli, zadań i wyzwań informatyki kryminalistycznej w kontekście rozwoju przestępczości wspartej sztuczną inteligencją. Zagadnienia opisane w artykule bazują na potencjalnych zagrożeniach w przyszłości, które zostały zidentyfikowane jako najbardziej uciążliwe dla społeczeństwa. Rozważania zawarte w artykule poprzedzono analizą krytyczną dotychczasowych badań z zakresu sztucznej inteligencji i informatyki kryminalistycznej. Przeprowadzona analiza literatury pozwala twierdzić, że przyszłością kryminalistycznych badań informatycznych jest automatyzacja oparta o algorytmy uczenia maszynowego. Stwierdzono także, że rozwój sztucznej inteligencji będzie definiował nowe obszary kryminalistycznych badań informatycznych, uwzględniających analizy modeli sieci neuronowych i zbiorów danych uczących.
Źródło:: Przegląd Policyjny; 2023, 149(1); 138-155
0867-5708
Pojawia się w:: Przegląd Policyjny
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

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: 5.

Tytuł:: Sztuczna inteligencja – nowe wyzwanie edukacyjne
Artificial intelligence: a new educational challenge
Autorzy:: Kuruliszwili, Sergo
Powiązania:: https://bibliotekanauki.pl/articles/43665831.pdf
Data publikacji:: 2021-12-28
Wydawca:: Akademia Pedagogiki Specjalnej im. Marii Grzegorzewskiej. Wydawnictwo APS
Tematy:: sztuczna inteligencja
technologia informacyjna
TI
ICT
internet
media w edukacji
technologia edukacyjna
e-learning
samokształcenia
BigData
uczenie maszynowe
informatyka w edukacji
artifi cial intelligence
information technology
IT
Internet
media in education
educational technology
self-education
machine learning
IT in education
Opis:: Artykuł stanowi próbę wyjaśnienia i uporządkowania kwestii związanych z konsekwencjami, jakie generuje rozwój sztucznej inteligencji (SI) dla systemu nauczania. Pojawienie się SI implikuje zmiany zarówno ilościowe jak i jakościowe. Dotykając wielu obszarów życia stanowi wyzwanie zarówno dla całego systemu edukacji. Analiza tego zjawiska w kontekście koniecznych zmian edukacyjnych stanowi ważny i pilny problem. Podejmując go, autor wskazuje na zagrożenia i szanse zarówno w obszarze sposobów jak i treści nauczania, a także samokształcenia. Poprzedzająca działanie refleksja, w tym zakresie, wydaje się warunkiem koniecznym dla właściwej adaptacji systemu nauczania do nowej dynamicznej rzeczywistości.
Rapid development of Artificial Intelligence is influencing most of the human’s domains. It impacts our reality in quantitative and qualitative way. This situation is challenging, also for the educational system – in many aspects. Analysis of this situation in the educational context is important and urgent matter. In the article author is attempting to explain and to structure the problem, pointing out, both chances and the threats, of the phenomenon, focusing on the area of educational content the measures.
Źródło:: Problemy Opiekuńczo-Wychowawcze; 2021, 605(10); 28-40
0552-2188
Pojawia się w:: Problemy Opiekuńczo-Wychowawcze
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: AI-supported reasoning in physiotherapy
Wnioskowanie w fizjoterapii wspierane sztuczną inteligencją
Autorzy:: Mikołajewski, Dariusz
Mikołajewska, Emilia
Powiązania:: https://bibliotekanauki.pl/articles/41203435.pdf
Data publikacji:: 2024
Wydawca:: Uniwersytet Kazimierza Wielkiego w Bydgoszczy
Tematy:: artificial intelligence
machine learning
clinical reasoning
clinical decision support system
interview
musculoskeletal pain disorders
physiotherapy
usability
recommender system
self-management
mHealth
sztuczna inteligencja
uczenie maszynowe
wnioskowanie kliniczne
system wspomagania decyzji klinicznych
wywiad
zaburzenia bólowe układu mięśniowo-szkieletowego
fizjoterapia
użyteczność
system rekomendacji
samokontrola
mZdrowie
Opis:: Artificial intelligence (AI)-based clinical reasoning support systems in physiotherapy, and in particular data-driven (machine learning) systems, can be useful in making and reviewing decisions regarding functional diagnosis and formulating/maintaining/modifying a rehabilitation programme. The aim of this article is to explore the extent to which the opportunities offered by AI-based systems for clinical reasoning in physiotherapy have been exploited and where the potential for their further stimulated development lies.
Systemy wspomagania wnioskowania klinicznego w fizjoterapii oparte na sztucznej inteligencji, a w szczególności na danych (uczenie maszynowe), mogą być przydatne w podejmowaniu i weryfikacji decyzji dotyczących diagnostyki funkcjonalnej ora formułowania/utrzymywania/modyfikowania programu rehabilitacji. Celem niniejszego artykułu jest zbadanie, w jakim stopniu możliwości oferowane przez systemy oparte na sztucznej inteligencji w zakresie rozumowania klinicznego w fizjoterapii zostały wykorzystane i gdzie leży potencjał ich dalszego stymulowanego rozwoju.
Źródło:: Studia i Materiały Informatyki Stosowanej; 2024, 16, 2; 21-27
1689-6300
Pojawia się w:: Studia i Materiały Informatyki Stosowanej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Sztuczna inteligencja w badaniu wybranych aspektów kultury
Artificial Intelligence in the Study of Selected Aspects of Culture
Autorzy:: Radomski, Andrzej
Powiązania:: https://bibliotekanauki.pl/articles/36854406.pdf
Data publikacji:: 2022
Wydawca:: Akademia Ignatianum w Krakowie
Tematy:: sztuczna inteligencja
uczenie maszynowe
kultura
humanistyka cyfrowa
artificial intelligence
machine learning
culture
digital humanities
Opis:: Sztuczna inteligencja jest jednym z najważniejszych elementów współczesnego świata. Funkcjonuje już ona w podstawowych dziedzinach życia. Jest także wykorzystywana w różnych dyscyplinach naukowych. Od pewnego czasu zaczyna się również stosować algorytmy sztucznej inteligencji do badania świata kultury. W artykule zostały ukazane najważniejsze metody i narzędzia sztucznej inteligencji stosowane w badaniach różnych zjawisk kultury, a także przykłady takich badań. Badacze kultury wykorzystują sztuczną inteligencję w dwóch obszarach. Pierwszym jest przetwarzanie języka naturalnego, drugim komputerowe badanie obrazów (filmów, zdjęć, grafiki itp.). Sztuczna inteligencja jest częścią uczenia maszynowego. Wykorzystuje ono konwolucyjne sieci neuronowe, duże ilości danych (big data) i superkomputery do analizy i wizualizacji cyfrowych wytworów. Badania kultury za pomocą sztucznej inteligencji są zaliczane do nowego paradygmatu zwanego humanistyką cyfrową.
Artificial intelligence is one of the most important elements of the modern world. It already functions in the most important areas of life. It is also used in various scientific disciplines. For some time now, artificial intelligence algorithms have been used to study the world of culture. The article presents the most important methods and tools of artificial intelligence that are used in the study of various cultural phenomena, as well as examples of such studies. Cultural researches use artificial intelligence in two areas. The first one is natural language processing, while the other – the computerized examination of images (movies, photos, graphic, etc.). Artificial intelligence is part of machine learning. It uses convolutional naural networks, big data and supercomputers to analyze and visualize digital product. Artificial intelligence research into culture belongs to a new paradigm called: digital humanities
Źródło:: Perspektywy Kultury; 2022, 39, 4; 313-330
2081-1446
2719-8014
Pojawia się w:: Perspektywy Kultury
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

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: 9.

Tytuł:: Wspomaganie procesów decyzyjnych przez wykorzystanie algorytmów regułowych wyznaczających istotność atrybutów
Autorzy:: Chomiak-Orsa, Iwona
Wójcik, Filip
Powiązania:: https://bibliotekanauki.pl/articles/432215.pdf
Data publikacji:: 2017
Wydawca:: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:: uczenie maszynowe
sztuczna inteligencja
wspomaganie decyzji
klasyfikacja
systemy regułowe
analiza danych
Opis:: Nowoczesne systemy wspomagania decyzji biznesowych korzystają niejednokrotnie z uczenia maszynowego i sztucznej inteligencji do rozwiązywania skomplikowanych problemów. Jednym z nich jest klasyfikacja postrzegana w tym kontekście jako przyporządkowywanie obserwacji (obiektów) określonym kategoriom. Wśród wielu metod umożliwiających osiągnięcie tego celu znajdują się algorytmy regułowe, które poza wspomaganiem decyzji pozwalają zaobserwować korelacje wewnątrz wolumenów danych. Ma to szczególne znaczenie w przypadku decyzji uwzględniających duże wolumeny danych. Procedury te napotykają jednak problemy w przypadku silnego zaburzenia proporcji kategorii lub poszczególnych atrybutów. Odpowiedzią na to wyzwanie może być skuteczna metoda wyboru cech istotnych. W artykule wykorzystano jedną z odmian testu permutacyjnego. Jako przykład zastosowania biznesowego omówione zostało wykorzystanie algorytmu RIPPER użytego do analizy wiarygodności kredytowej klientów instytucji finansowej
Źródło:: Informatyka Ekonomiczna; 2017, 4(46); 55-65
1507-3858
Pojawia się w:: Informatyka Ekonomiczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Artificial intelligence and algorithms assisting personal finance. A legal and economic perspective
Sztuczna inteligencja i algorytmy w służbie finansów osobistych. Perspektywa prawno-ekonomiczna
Autorzy:: Nowakowski, Michał
Waliszewski, Krzysztof
Powiązania:: https://bibliotekanauki.pl/articles/2045916.pdf
Data publikacji:: 2021-08-31
Wydawca:: Polskie Wydawnictwo Ekonomiczne
Tematy:: artificial intelligence
algorithms
creditworthiness
machine learning
robo-advice
sztuczna inteligencja
algorytmy
automatyzacja decyzji kredowych
uczenie maszynowe
automatyczne doradztwo finansowe
Opis:: The fourth industrial revolution, Economy 4.0 and Finance 4.0 are facts. Technological changes in the context of finance have resulted in a more active application of artificial intelligence, machine learning and algorithms for product ranges and services aimed at individual clients. Examples of applying AI within the financial sector are automated creditworthiness assessment and financial advice (robo-advice). The article presents these areas from a legal and economic perspective. The wider application of algorithms within the financial sector requires a non-conventional approach by regulators in order not to over-regulate this new and promising segment of the financial services market.
Czwarta rewolucja przemysłowa, Gospodarka 4.0 i Finanse 4.0 stały się faktem. Zmiany technologiczne w obszarze finansów doprowadziły do coraz częstszego wykorzystywania sztucznej inteligencji, uczenia maszynowego i algorytmów do przygotowania oferty i obsługi klientów indywidualnych. Przykładem zastosowania sztucznej inteligencji jest automatyczne badanie zdolności kredytowej czy doradztwo finansowe (robo-advice). Celem artykułu była prezentacja tych zagadnień z perspektywy prawno-ekonomicznej. Zastosowanie algorytmów w finansach wymaga niekonwencjonalnego podejścia przez regulatora, aby nie przeregulować tego nowego i perspektywicznego segmentu rynku usług finansowych.
Źródło:: Przegląd Ustawodawstwa Gospodarczego; 2021, 8; 2-10
0137-5490
Pojawia się w:: Przegląd Ustawodawstwa Gospodarczego
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Artificial intelligence for software development : the present and the challenges for the future
Sztuczna inteligencja w wytwarzaniu oprogramowania : stan aktualny i wyzwania na przyszłość
Autorzy:: Korzeniowski, Łukasz
Goczyła, Krzysztof
Powiązania:: https://bibliotekanauki.pl/articles/211290.pdf
Data publikacji:: 2019
Wydawca:: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:: software development
artificial intelligence
machine learning
automated code generation
wytwarzanie oprogramowania
sztuczna inteligencja
uczenie maszynowe
automatyczne generowanie kodu
Opis:: Since the time when first CASE (Computer-Aided Software Engineering) methods and tools were developed, little has been done in the area of automated creation of code. CASE tools support a software engineer in creation the system structure, in defining interfaces and relationships between software modules and, after the code has been written, in performing testing tasks on different levels of detail. Writing code is still the task of a skilled human, which makes the whole software development a costly and error-prone process. It seems that recent advances in AI area, particularly in deep learning methods, may considerably improve the matters. The paper presents an extensive survey of recent work and achievements in this area reported in the literature, both from the theoretical branch of research and from engineer-oriented approaches. Then, some challenges for the future work are proposed, classified into Full AI, Assisted AI and Supplementary AI research fields.
Od czasu pojawienia się pierwszych metod i narzędzi CASE niewiele zrobiono w zakresie automatycznego wytwarzania oprogramowania. Narzędzia CASE wspierają deweloperów w tworzeniu struktury systemu, definiowaniu interfejsów i relacji między modułami oprogramowania oraz, po powstaniu kodu, w wykonywaniu zadań testowych na różnych poziomach szczegółowości. Pisanie kodu jest jednak nadal zadaniem wykwalifikowanego specjalisty, co powoduje, że cały proces wytwarzania oprogramowania jest kosztowny i podatny na błędy. Ostatnie postępy w obszarze sztucznej inteligencji, szczególnie w zakresie metod głębokiego uczenia maszynowego, mogą i powinny znacznie poprawić tę sytuację. W artykule przedstawiono przegląd dotychczasowych osiągnięć w tej dziedzinie, znanych z literatury przedmiotu, szczególnie w zakresie czysto teoretycznym, gdyż efekty inżynierskie znajdujące zastosowanie praktyczne są jak dotąd bardzo ograniczone. Następnie zaproponowano i opisano kilka kierunków przyszłych prac w tej dziedzinie, które zaklasyfikowano jako Full AI, Assisted AI i Supplementary AI, w kolejności wynikającej z oczekiwanego stopnia zautomatyzowania procesów wytwarzania oprogramowania.
Źródło:: Biuletyn Wojskowej Akademii Technicznej; 2019, 68, 1; 15-32
1234-5865
Pojawia się w:: Biuletyn Wojskowej Akademii Technicznej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: Towards artificial intelligence. Sociological reflections on the relationship man - organization - device
Autorzy:: Suchacka, Małgorzata
Horáková, Nicole
Powiązania:: https://bibliotekanauki.pl/articles/88574.pdf
Data publikacji:: 2019
Wydawca:: Stowarzyszenie Menedżerów Jakości i Produkcji
Tematy:: artificial intelligence
learning process
innovations
sztuczna inteligencja
proces uczenia
innowacja
zarządzanie wiedzą
uczenie maszynowe
Opis:: The main goal of the study will be to pay attention to technologization of the learning process and its social dimensions in the context of artificial intelligence. The reflection will mainly cover selected theories of learning and knowledge management in the organization and its broadly understood environment. Considering the sociological dimensions of these phenomena is supposed to lead to the emphasis on the importance of the security of the human-organization-device relationship. Due to the interdisciplinary nature of the issue, the article will include references to the concept of artificial intelligence and machine learning. Difficult questions will arise around the ideas and will become the conclusion of the considerations.
Źródło:: System Safety : Human - Technical Facility - Environment; 2019, 1, 1; 912-920
2657-5450
Pojawia się w:: System Safety : Human - Technical Facility - Environment
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: University in face of AI – an introduction to the analysis
Uniwersytet wobec AI – wstęp do analiz
Autorzy:: Chmielecki, Przemysław
Powiązania:: https://bibliotekanauki.pl/articles/2056898.pdf
Data publikacji:: 2022-06-09
Wydawca:: Uniwersytet Pedagogiczny im. Komisji Edukacji Narodowej w Krakowie
Tematy:: sztuczna inteligencja
uczenie maszynowe
uniwersytet
edukacja
nauka
artificial intelligence
machine learning
university
education
science
Opis:: The article addresses the problem of the university’s crisis in the face of technological changes, including the particularly dynamically developing artificial intelligence and machine learning. In such a frame of reference, the university seems to lose the rudiments of its own identity and is placed in line with narrow professional education institutions. The development of artificial intelligence may constitute both a threat and a potential field for development for a university, but this status is currently heterogeneous. This article is an attempt to sketch out the impact of artificial intelligence and machine learning on the academic areas (both educational and research).
Artykuł porusza problem kryzysu uniwersytetu w obliczu zmian technologicznych, w tym szczególnie dynamicznie rozwijającej się sztucznej inteligencji i uczenia maszynowego. W takim układzie odniesienia uniwersytet zdaje się gubić rudymenty własnej tożsamości i jest stawiany w jednym szeregu z wąskimi instytucjami kształcenia profesjonalnego. Rozwój sztucznej inteligencji może stanowić dla uniwersytetu zarówno zagrożenie, jak i potencjalne pole do rozwoju, lecz status ten jest obecnie niejednorodny. Niniejszy artykuł stanowi próbę szkicowego nakreślenia wpływu sztucznej inteligencji i uczenia maszynowego na przestrzeń akademicką (edukacyjną i badawczą).
Źródło:: Annales Universitatis Paedagogicae Cracoviensis. Studia de Cultura; 2022, 14, 1; 39-46
2083-7275
Pojawia się w:: Annales Universitatis Paedagogicae Cracoviensis. Studia de Cultura
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 14.

Tytuł:: Utilisation of the artificial neural network in the strategy for the allocation of storage space
Autorzy:: Janke, Piotr
Jończyk, Paweł
Powiązania:: https://bibliotekanauki.pl/articles/1883695.pdf
Data publikacji:: 2020
Wydawca:: Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
Tematy:: logistics
machine learning
artificial intelligence
neural networks
logistyka
uczenie maszynowe
sztuczna inteligencja
sieci neuronowe
Opis:: Purpose: The main goal of the article is to develop a method that automatically allocates the warehouse zones of the product range of the studied enterprise for the selected machine learning algorithm. Design/methodology/approach: The problem of the studied issue is presented in the context of a specific company. The research used the double ABC method for the initial classification of zones. Input data were prepared according to the developed methodology. Selected machine learning algorithms were tested for the same data. Findings: Machine learning methods can be used to classify storage zones in that specific warehouse. Especially Boosted Trees and Neural Networks gives small errors at training stage witch our methodology. There may be differences in errors at the stage of learning the algorithm and the stage of implementing it with completely new data. Originality/value: Machine learning is a new solution that is increasingly used in various areas of logistics. The article draws attention to some problems in implementing this solution for enterprises.
Źródło:: Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska; 2020, 145; 197-209
1641-3466
Pojawia się w:: Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 15.

Tytuł:: Neuronowy regulator prędkości obrotowej odporny na zmiany bezwładności
A neural speed controller robust to inertia changes
Autorzy:: Jakubowski, M.
Nowakowski, K.
Zawirski, K.
Powiązania:: https://bibliotekanauki.pl/articles/157600.pdf
Data publikacji:: 2014
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:: regulator neuronowy
sterowanie neuronowe
sztuczna inteligencja
uczenie maszynowe
PID
neural controller
neural controlling
artificial intelligence
machine learning
Opis:: W ramach niniejszej pracy zaprezentowany został neuronowy regulator prędkości obrotowej odporny na zmiany bezwładności. Celem pracy było opracowanie struktury regulatora oraz dobór optymalnego algorytmu uczenia. Stworzony regulator sterował pracą silnika prądu stałego. Metodologia prowadzonych badań zakładała zbadanie działania układu w szerokim zakresie zmian momentu obciążenia oraz bezwładności. Projektowanie przeprowadzono w taki sposób, aby badany układ napędowy wykazywały dobre właściwości regulacyjne w szerokim zakresie zmiany bezwładności obciążenia. Proces syntezy regulatora został szczegółowo opisany w ramach niniejszej pracy. Analizie poddano szereg badań symulacyjnych, w ramach których rozpatrywano wybrane wskaźniki jakości dla różnych wartości bezwładności oraz momentu obciążenia. Dokonano także analizy porównawczej badanego regulatora neuronowego z optymalnie nastrojonym klasycznym regulatorem PID. Uzyskane wyniki symulacyjne zostały przeniesione na grunt implementacji fizycznego obiektu sterowania.
This paper presents a neural network speed controller that is robust to inertia changes. The main object of this study was to establish the structure of the controller and to create an optimal learning algorithm. Within the project, the created controller steered the operation of a DC motor. The methodology of the research involved studying the effects of the system over a wide range of load torque and inertia changes. The project was carried out in a such way that good regulatory properties over a wide range of inertia changes were performed for the drive systems. The synthesis of the controller is described in details in this paper. The analysis of series simulation studies including selected quality indicators for different values of inertia and different load torque is conducted. Moreover, the comparative analysis of the neural control and the optimally tuned classical PID controller is performed. The obtained simulation results were used for implementation of a physical control object.
Źródło:: Pomiary Automatyka Kontrola; 2014, R. 60, nr 10, 10; 840-844
0032-4140
Pojawia się w:: Pomiary Automatyka Kontrola
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "Inteligencja sztuczna" wg kryterium: Wszystkie pola

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język