Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "sztuczna sztuczna inteligencja" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 27
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development in this time of confusion when, to quote Rémi Brague: “From the point of view of technology, man appears as outdated, or at least superfluous”?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
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
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:
2021-07-09
Wydawca:
Uniwersytet Warszawski. Wydawnictwo Naukowe Wydziału Zarządzania
Tematy:
talent
artificial intelligence
machine learning
marketing
sztuczna inteligencja
uczenie maszynowe
Opis:
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. JEL: M1, M2, M3 null Acknowledgements This research received no funds. Suggested Citation: Sobocińska, M. (2021). Artificial Intelligence and Human Talent in Decision Making in the Sphere of Marketing in an Enterprise. Problemy Zarządzania (Management Issues), 19(1), 66–76.
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. JEL: M1, M2, M3 Acknowledgements This research received no funds. Suggested Citation: Sobocińska, M. (2021). Artificial Intelligence and Human Talent in Decision Making in the Sphere of Marketing in an Enterprise. Problemy Zarządzania (Management Issues), 19(1), 66–76.
Źródło:
Problemy Zarządzania; 2021, 19, 1/2021 (91); 65-76
1644-9584
Pojawia się w:
Problemy Zarządzania
Dostawca treści:
Biblioteka Nauki
Artykuł
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
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
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
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
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
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
Tytuł:
Wpływ sztucznej inteligencji na rynek finansowy w procesie podejmowania decyzji ekonomicznych – szanse, wyzwania i rekomendacje
The influence of artificial intelligence (AI) used in taking economic decisions on the financial market: opportunities, challenges, and recommendations
Autorzy:
Ziółkowska, Elwira
Powiązania:
https://bibliotekanauki.pl/articles/20679214.pdf
Data publikacji:
2023-11-23
Wydawca:
Szkoła Główna Handlowa w Warszawie. Kolegium Zarządzania i Finansów
Tematy:
new technologies
recommendations
financial sector
AI
machine learning
nowe technologie
rekomendacje
sektor finansów
sztuczna inteligencja
uczenie maszynowe
Opis:
Celem artykułu jest analiza wybranych zagadnień dotyczących sztucznej inteligencji – jej wpływu na rynek finansowy z uwzględnieniem istniejących szans i wyzwań – oraz przedstawienie rekomendacji w zakresie stabilności, bezpieczeństwa i przejrzystości jej zastosowania. Posłużono się w tym celu analizą danych wtórnych, takich jak literatura przedmiotu (krajowa i zagraniczna), analizą systemową aktów prawnych, a także przeglądem dostępnych raportów. Za nieustanny rozwój sztucznej inteligencji na rynkach finansowych odpowiada wiele różnorodnych czynników, co sprawia, że można go postrzegać zarówno jako szansę, jak i wyzwanie. Przyjęta w artykule metodologia pozwoliła na wyłonienie i sprecyzowanie obszarów, w których występują bariery utrudniające zastosowanie sztucznej inteligencji. Na podstawie wybranych przykładów przedstawiono rozwiązania będące rekomendacją w tym zakresie.
The aim of the article is to analyse selected issues related to artificial intelligence (AI), its impact on the financial market, taking into account opportunities and challenges, and to present recommendations in the areas of stability, security, and transparency of its application. The research tool used included the analysis of secondary data sources such as the relevant literature (both domestic and international), a systemic analysis of legal acts, and a review of available reports on the use of AI in the financial market. The continuous development of AI in financial markets is influenced by many factors, and it can be both an opportunity and a challenge. The adopted methodology allowed for the identification and specification of the areas where barriers to the use of AI exist. Based on examples, solutions have been presented as recommendations in this regard.
Źródło:
Studia i Prace Kolegium Zarządzania i Finansów; 2023, 192; 89-108
1234-8872
2657-5620
Pojawia się w:
Studia i Prace Kolegium Zarządzania i Finansów
Dostawca treści:
Biblioteka Nauki
Artykuł
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
Tytuł:
The Factors Disrupting the Evolution of Artificial Intelligence in Operational Risk Management in the Bangladeshi IT Sector - A Case Study
Czynniki zakłócające rozwój sztucznej inteligencji w zarządzaniu ryzykiem operacyjnym w sektorze IT w Bangladeszu – studium przypadku
Autorzy:
Ahmed, Md Ferdous
Szczepański, Marek
Powiązania:
https://bibliotekanauki.pl/articles/27311502.pdf
Data publikacji:
2023
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
operational risk management
artificial intelligence
machine learning
IT
Bangladesh
zarządzanie ryzykiem operacyjnym
sztuczna inteligencja
uczenie maszynowe
Bangladesz
Opis:
Despite the enormous potential and benefits of AI deployment or adoption, Bangladesh’s IT sector has yet to utilize AI for operational risk management (ORM). The main purpose of this research is to identify the primary barriers to AI deployment in operational risk management, as seen by professionals at the chosen company from the IT Sector in Bangladesh, and to interpret the findings under the TOE framework (Technology-Organization-Environment Framework). This study will provide a summary of the current state of artificial intelligence in operational risk management in Bangladeshi enterprises from the IT Sector, and identify the primary barriers to AI adoption in operational risk management in Bangladesh through an examination of Bangladeshi professionals' perceptions. The study's findings are determined using a quantitative approach. This article presents the findings of an online survey questionnaire conducted on IT professionals from a Bangladeshi IT organization. Results indicate that the internal culture and social components, transparency issues, insufficient financial investment, sufficient non-AI techniques, insufficient legal and ethical framework, bias, inaccuracy, feedback, and algorithm misuse are key challenges. Applying the TOE framework, the above have been classified into three categories of barriers: organizational, environmental, and technical.
Pomimo niebywałego potencjału i korzyści płynących z implementacji sztucznej inteligencji w sektorze IT, Bangladesz nie zastosował jeszcze tej technologii w zarządzaniu ryzykiem operacyjnym. Podstawowym celem zaprezentowanych w tekście badań było określenie podstawowych barier uniemożliwiających wprowadzenie technologii AI w obszarze zarządzania ryzykiem operacyjnym na podstawie rozpoznań dokonanych przez przedstawicieli wybranych firm reprezentujących sektor IT w Bangladeszu. Wyniki badań zostały skonsultowane w ramach TOE (Technology-Organization-Environment Framework). Badanie niniejsze stanowi podsumowanie dotychczasowego wymiaru zastosowania sztucznej inteligencji w zarządzaniu ryzykiem w bangladeskich przedsiębiorstwach z branży IT. Ponadto artykuł zawiera – opartą na badaniach ankietowych, przeprowadzonych wśród przedstawicieli sektora IT z Bangladeszu – identyfikację podstawowych barier uniemożliwiających zastosowania sztucznej inteligencji w działaniach mających na celu określenie ryzyka operacyjnego. Metodologią badania były badania ilościowe, które wykazały, iż na drodze do zastosowania sztucznej inteligencji w przestrzeni określania ryzyka operacyjnego w branży IT w Bangladeszu leży szereg problemów. Wśród nich należy wymienić: kulturę wewnętrzną zarządzania, czynniki społeczne, problemy związane z transparentnością, niewystarczające inwestycje finansowe. Ponadto wskazać należy na istnienie innych technik zarządzania, które nie wykorzystują sztucznej inteligencji. W Bangladeszu nie funkcjonują wystarczające ramy prawne i etyczne, a w przedsiębiorstwach często panuje stronniczość, niedokładność, a same algorytmy bywają używane w nieprawidłowy sposób. Wymienione kluczowe wyzwania mogą zostać przyporządkowane do trzech kategorii: barier organizacyjnych, środowiskowych oraz technicznych.
Źródło:
Zeszyty Naukowe Politechniki Poznańskiej. Organizacja i Zarządzanie; 2023, 87; 9--31
0239-9415
Pojawia się w:
Zeszyty Naukowe Politechniki Poznańskiej. Organizacja i Zarządzanie
Dostawca treści:
Biblioteka Nauki
Artykuł
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
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
Tytuł:
Gwas data analysis with the use of machine learning algorithms – review
Analiza danych GWAS przy użyciu algorytmów uczenia maszynowego – przegląd literatury
Autorzy:
Kloska, Sylwester Michał
Marciniak, Anna
Powiązania:
https://bibliotekanauki.pl/articles/2016322.pdf
Data publikacji:
2020
Wydawca:
Politechnika Bydgoska im. Jana i Jędrzeja Śniadeckich. Wydawnictwo PB
Tematy:
machine learning
genome-wide association studies
GWAS
artificial intelligence
bioinformatics
uczenie maszynowe
badanie asocjacyjne całego genomu
sztuczna inteligencja
bioinformatyka
Opis:
Machine learning is a part of field concerned with AI. The main goal of machine learning algorithms is to create automatic system that improves itself with the use of its experience (given data) to gain new knowledge. Genome-Wide Association Studies compare whole genomes of different individuals in order to see if any of genetic variants are correlated with a trait. Using ML for GWAS analysis can be beneficial for scientists. It has been proved several times in various ways.
Uczenie maszynowe jest dziedziną nauki związaną ze sztuczną inteligencją. Głównym celem algorytmów uczenia maszynowego jest stworzenie automatycznego systemu, który poprawia się dzięki wykorzystaniu swojego doświadczenia (danych) w celu zdobycia nowej wiedzy. Badania asocjacyjne całego genomu (GWAS) porównują całe genomy różnych osobników, aby sprawdzić, czy którykolwiek z wariantów genetycznych jest skorelowany z cechą. Wykorzystanie ML do analizy GWAS może być korzystne dla naukowców. Zostało to udowodnione na różne sposoby.
Źródło:
Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy; 2019, 23; 23-32
1899-0088
Pojawia się w:
Zeszyty Naukowe. Telekomunikacja i Elektronika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 27

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies