Wszystkie pola: artificial intelligence - 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:: Artificial Intelligence Approaches to Determine Graphite Nodularity in Ductile Iron
Autorzy:: Brait, Maximilian
Koppensteiner, Eduard
Schindelbacher, Gerhard
Li, Jiehua
Schumacher, Peter
Powiązania:: https://bibliotekanauki.pl/articles/2056034.pdf
Data publikacji:: 2021
Wydawca:: Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:: ductile iron
graphite nodularity
graphite morphology
artificial intelligence
machine learning
żeliwo sferoidalne
guzkowatość grafitu
morfologia grafitu
sztuczna inteligencja
uczenie maszynowe
Opis:: The complex metallurgical interrelationships in the production of ductile cast iron can lead to enormous diﬀerences in graphite formation and local microstructure by small variations during production. Artiﬁcial intelligence algorithms were used to describe graphite formation, which is inﬂuenced by a variety of metallurgical parameters. Moreover, complex physical relationships in the formation of graphite morphology are also controlled by boundary conditions of processing, the eﬀect of which can hardly be assessed in everyday foundry operations. The inﬂuence of relevant input parameters can be predetermined using artiﬁcial intelligence based on conditions and patterns that occur simultaneously. By predicting the local graphite formation, measures to stabilise production were deﬁned and thereby the accuracy of structure simulations improved. In course of this work, the most important dominating variables, from initial charging to ﬁnal casting, were compiled and analysed with the help of statistical regression methods to predict the nodularity of graphite spheres. We compared the accuracy of the prediction by using Linear Regression, Gaussian Process Regression, Regression Trees, Boosted Trees, Support Vector Machines, Shallow Neural Networks and Deep Neural Networks. As input parameters we used 45 characteristics of the production process consisting of the basic information including the composition of the charge, the overheating time, the type of melting vessel, the type of the inoculant, the fading, and the solidification time. Additionally, the data of several thermal analysis, oxygen activity measurements and the final chemical analysis were included. Initial programme designs using machine learning algorithms based on neural networks achieved encouraging results. To improve the degree of accuracy, this algorithm was subsequently adapted and reﬁned for the nodularity of graphite.
Źródło:: Journal of Casting & Materials Engineering; 2021, 5, 4; 94--102
2543-9901
Pojawia się w:: Journal of Casting & Materials Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

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: 4.

Tytuł:: Combining Spectral Analysis with Artificial Intelligence in Heart Sound Study
Autorzy:: Kucharski, Dariusz
Kajor, Marcin
Grochala, Dominik
Iwaniec, Marek
Iwaniec, Joanna
Powiązania:: https://bibliotekanauki.pl/articles/102508.pdf
Data publikacji:: 2019
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:: deep learning
heart sound classification
convolutional neural network
machine learning
signal processing
uczenie głębokie
klasyfikacja dźwięku serca
splotowa sieć neuronowa
uczenie maszynowe
przetwarzanie sygnałów
Opis:: The auscultation technique has been widely used in medicine as a screening examination for ages. Nowadays, advanced electronics and effective computational methods aim to support the healthcare sector by providing dedicated solutions which help physicians and support diagnostic process. In this paper, we propose a machine learning approach for the analysis of heart sounds. We used the spectral analysis of acoustic signal to calculate feature vectors and tested a set of machine learning approaches to provide the most effective detection of cardiac disorders. Finally, we achieved 91% of sensitivity and 99% of positive predictivity for a designed algorithm based on convolutional neural network.
Źródło:: Advances in Science and Technology. Research Journal; 2019, 13, 2; 112-118
2299-8624
Pojawia się w:: Advances in Science and Technology. Research Journal
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

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: 6.

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: 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-powered pulse sequences in nuclear magnetic resonance and magnetic resonance imaging: historical trends, current innovations and perspectives
Autorzy:: Tokarz, Paweł
Powiązania:: https://bibliotekanauki.pl/articles/35508129.pdf
Data publikacji:: 2024
Wydawca:: Radomskie Towarzystwo Naukowe
Tematy:: artificial intelligence
machine learning
evolutionary algorithm
artificial neural network
nuclear magnetic resonance
magnetic resonance imaging
pulse sequence
shaped pulse
sztuczna inteligencja
uczenie maszynowe
algorytm ewolucyjny
sztuczna sieć neuronowa
magnetyczny rezonans jądrowy
rezonans magnetyczny
sekwencja impulsów
impuls ukształtowany
Opis:: This review article explores the historical background and recent advances in the application of artificial intelligence (AI) in the development of radiofrequency pulses and pulse sequences in nuclear magnetic resonance spectroscopy (NMR) and imaging (MRI). The introduction of AI into this field, which traces back to the late 1970s, has recently witnessed remarkable progress, leading to the design of specialized frameworks and software solutions such as DeepRF, MRzero, and GENETICS-AI. Through an analysis of literature and case studies, this review tracks the transformation of AI-driven pulse design from initial proof-of-concept studies to comprehensive scientific programs, shedding light on the potential implications for the broader NMR and MRI communities. The fusion of artificial intelligence and magnetic resonance pulse design stands as a promising frontier in spectroscopy and imaging, offering innovative enhancements in data acquisition, analysis, and interpretation across diverse scientific domains.
Źródło:: Scientiae Radices; 2024, 3, 1; 30-52
2956-4808
Pojawia się w:: Scientiae Radices
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Power quality analysis in electrical drives and a case study of artificial intelligence prediction algorithm for fault deterrent electrical drives
Autorzy:: Kumarasamy, Vishnu Murthy
Loganathan, Ashok Kumar
Powiązania:: https://bibliotekanauki.pl/articles/2173673.pdf
Data publikacji:: 2022
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: voltage sag
voltage swell
voltage imbalance
machine learning
inverter drives
artificial intelligence
wzrost napięcia
spadek napięcia
asymetria napięcia
uczenie maszynowe
napędy falownikowe
sztuczna inteligencja
Opis:: Since electrical drives have become an integral element of any industrial sector, power quality difficulties have been well expected, and delivering genuine quality of the same has proven to be a difficult challenge. Since power quality relies on load side non-linearity and high semiconductor technology consumption, it is a serious concern. The efficiency of the drive segment employed in the sector is increasingly becoming a topic of discussion in today’s market. Numerous reviews of available literature have found problems with the load side as well as with electrical drive proficiency, as a result of the issues listed above. A high level of power quality vulnerability is simply too much. Even the most advanced technology has its limits when it comes to drive operation. Research on the grid-side quality issues of electrical drives is the focus of this article. After field testing of grid power quality, each parametric analysis is performed to identify crucial parameters that can cause industrial drives to fail. Based on this discovery, a machine learning strategy was developed and an artificial intelligence technique was proposed to administer the fault deterrent prediction algorithm. An accurate forecast of anomalous behavior on the grid side ensures safe and dependable grid operation such that shutdown or failure probability is minimized to a greater extent by the results. Additional information gleaned from historical data will prove useful to equipment manufacturers in the future, providing a solution to this problem.
Źródło:: Bulletin of the Polish Academy of Sciences. Technical Sciences; 2022, 70, 3; art. no. e141180
0239-7528
Pojawia się w:: Bulletin of the Polish Academy of Sciences. Technical Sciences
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:: 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: 13.

Tytuł:: Analiza wybranych metod tworzenia sztucznej inteligencji na przykładzie popularnej gry w karty
Analysis of selected methods of creating artificial intelligence on the example of a popular card game
Autorzy:: Gałka, Łukasz
Dzieńkowski, Mariusz
Powiązania:: https://bibliotekanauki.pl/articles/98306.pdf
Data publikacji:: 2020
Wydawca:: Politechnika Lubelska. Instytut Informatyki
Tematy:: artificial intelligence
machine learning
algorithm efficiency evaluation
computer games
sztuczna inteligencja
uczenie maszynowe
ocena skuteczności algorytmów
gry komputerowe
Opis:: The aim of the article was to analyze selected methods of creating artificial intelligence in a popular card game. Two experiments were conducted: with a human and with a computer. The following algorithms were analyzed: random, min-max, based on a neural network, statistical and statistical with the use of “cheating” technique. The examined parameters were as follows: efficiency, execution time, number of implementation code lines, implementation time and training duration. The indicator with the greatest impact on the selection of the most optimal method was efficiency. The research has shown no difference in efficiency for the neural network-based algorithm and the statistical algorithm. In other cases, the differences in this feature were significant. The use of the “cheating” technique has increased the efficiency.
Celem artykułu była analiza wybranych metod tworzenia sztucznej inteligencji w popularnej grze w karty. Zostały przeprowadzone dwa eksperymenty: z człowiekiem oraz z komputerem. Analizie poddano algorytmy: losowy, minmax, bazujący na sieci neuronowej, statystyczny oraz statystyczny z użyciem techniki „oszukiwania”. Zbadano takie parametry jak: skuteczność, czas wykonania, liczbę linii kodu implementacji, czas implementacji oraz czas trwania treningu. Wskaźnikiem mającym największy wpływ na wybór najbardziej optymalnej metody była skuteczność. Badania wykazały brak różnic w skuteczności dla algorytmu bazującego na sieci neuronowej i algorytmu statystycznego. W pozostałych przypadkach różnice tej cechy były istotne. Użycie techniki „oszukiwania” zwiększyło skuteczność.
Źródło:: Journal of Computer Sciences Institute; 2020, 16; 233-240
2544-0764
Pojawia się w:: Journal of Computer Sciences Institute
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:: 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 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

Informacja

Wyszukujesz frazę "artificial intelligence" wg kryterium: Wszystkie pola

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język