Producenci smartfonów mają powody do zadowolenia. W drugim kwartale 2024 roku rynek urządzeń tego typu zaliczył duży wzrost, za który odpowiadają przede wszystkim dwie firmy.
Do matury pisemnej z języka polskiego przystąpiło w tym roku 263 tys. osób. Obok nich egzamin z z sukcesem zdał Prymus – model sztucznej inteligencji. Jeśli AI jest w stanie zaliczyć ten najważniejszy w życiu nastolatków egzamin, to czy powinniśmy się cieszyć czy myśleć o zmianach w systemie szkolnictwa? Na te pytania odpowiada kampania społeczna Fundacji Zwolnieni z Teorii „Otwarci na zmianę”.
Żabka Polska poszerza współpracę z Microsoftem dotyczącą sztucznej inteligencji. Wyposaży część swoich pracowników w inteligentnego asystenta - Copilota dla Microsoft 365.
Agnieszka Skrabalak, dotychczasowa head of creative w agencji kreatywnej abanana należącej do Grupy Eura7, obejmuje stanowisko head of social media. W nowej roli bezpośrednio podlegać zarządowi i kierować działaniami w sferze mediów społecznościowych.
Nie da się jednoznacznie oszacować kosztów SEO, a zróżnicowanie cenowe ofert jest bardzo duże – pokazuje raport WhitePress. Z najnowszego badania platformy wynika, że co czwarta firma przeznacza na pozycjonowanie strony ponad 20 tys. złotych miesięcznie.
Sztuczna inteligencja nie jest niczym nowym, ale w przestrzeni medialnej głośno zrobiło się o niej wraz z pojawieniem się szeroko dostępnego dużego modelu językowego jakim jest GPT. Możliwości tego, jak i podobnych modeli wywołały ogromne zainteresowanie – także po stronie biznesu, który szuka odpowiedzi jak można wykorzystać LLM (ang. Large Language Models – duże modele językowe) w swoich działaniach.Niedawny wzrost zainteresowania generatywną sztuczną inteligencją wynika przede wszystkim z gwałtownego i szerokiego zastosowania dużych modeli językowych, takich jak GPT-4. Modele te stały się przedmiotem gorących dyskusji wśród ekspertów; niektórzy postrzegają je jako kolejny etap ewolucji sztucznej inteligencji (AI), podczas gdy inni koncentrują się na ich wadach i ograniczeniach. Już teraz rynek wycenia takie rozwiązania na 6 mld dolarów z perspektywą wzrostu do 30 mld dolarów w 2030 roku.“Duże modele językowe doskonale nadają się do polepszania jakości interakcji człowiek-system za pomocą języka naturalnego, automatyzacji prostych procesów, przetwarzania informacji tekstowych i generowania kreatywnych treści. Możliwości te sprawiają, że firmy decydują się na inwestycje w takie rozwiązania.” – komentuje Bogusław Kosęda, Data Science Consultant, Endava PolandKluczowym aspektem wdrażania LLM jest odpowiednia ewaluacja potrzeb i możliwości. Ilu pracowników będzie korzystać z rozwiązań wykorzystujących LLM, jakie mają być ich zadania, czy LLM ma mieć dostęp do firmowych danych, czy będzie istniał zespół odpowiedzialny za zarządzanie i weryfikację generowanych odpowiedzi? Wykorzystanie dużych modeli językowych budzi wiele pytań i wątpliwości.Dobór modelu do potrzeb firmyWszystko zaczyna się od wytypowania zadań, do których chcemy wykorzystać LLM i doboru odpowiedniego modelu, który może im sprostać. Proste czynności, takie jak generowanie krótkich tekstów, mogą być rozwiązywane za pomocą stosunkowo małych modeli, które można uruchomić nawet na podstawowych urządzeniach takich jak laptop. Bardziej złożone modele wymagają znacznej mocy obliczeniowej do szkolenia się, ale także do samego procesu generowania wyników.Obecnie najłatwiejszym sposobem dla firm na korzystanie z najbardziej zaawansowanych modeli LLM jest użycie tych wstępnie wytrenowanych i wdrożonych w chmurze. Przykładem może być model Gemini dostarczany przez Google. Co więcej, można wykorzystać rozwiązania, które integrują LLM z systemami firmy, a także koordynują i monitorują ich pracę. Jednymi z najpopularniejszych przykładów takich bibliotek są LangChain i LangSmith.“Połączenie modelu LLM z danymi firmy daje mu możliwość wyszukiwania i wnioskowania na temat danych specyficznych dla przedsiębiorstwa. Teoretycznie oznacza to, że taki model LLM staje się maszyną do rozwiązywania problemów biznesowych, których rozwiązanie znajduje się już w danych. Dodatkowo, praca modelu LLM na firmowych danych znacznie ogranicza halucynacje, choć nie eliminuje ich całkowicie. Na szczęście narzędzia do łączenia LLM z zewnętrznymi bazami danych posiadają mechanizm śledzenia pochodzenia informacji wykorzystywanych przez LLM do generowania wyników” - wyjaśnia Bogusław Kosęda, Data Science Consultant, Endava PolandChociaż każdy z nas może wchodzić w interakcje z modelami LLM za pomocą promptów, poważne aplikacje biznesowe wymagają odpowiednich umiejętności inżynierskich. W tym przypadku umiejętności inżynierii ML (ang. Machine Learning) (w zakresie badań i rozwoju), QA (ang. Quality Assurance) w zakresie testowania oraz umiejętności LLMOps (ang. Large Language Model Operations) w zakresie wdrażania, monitorowania i konserwacji. Ograniczenia i problemy dużych modeli językowych (LLM)Duże modele językowe obarczone są też szeregiem ograniczeń, dlatego tak ważny jest odpowiedni nadzór i ewaluacja uzyskanych w pracy z nimi wyników.Halucynacje - modele mogą generować wyniki, które są błędne, bezsensowne lub nieistotne dla danej wejściowej informacji. Wynika to często z niepokrywających się danych wykorzystanych w procesie uczenia. LLM może udzielać np. porad prawnych z innego systemu prawnego niż z tego od którego pada zapytanie. Problem ten nadal pozostaje nierozwiązany i jest jednym z głównych ograniczeń tej technologii.Trudność testowania LLM - ze względu na "kreatywność" LLM, przetestowanie wszystkich możliwych danych wejściowych i wyjściowych, które mogą pojawić się w produkcji jest niemożliwe. Dlatego tak ważny jest monitoring metryk i nadzór nad systemami opartymi na LLM.Etyka - modele LLM mogą generować wyniki obarczone uprzedzeniami. Uprzedzenia te pochodzą z zestawów danych, które zostały przekazane modelowi podczas etapów wstępnego uczenia lub dostrajania.Koszt - w przypadku największych LLM płacimy za transfer danych do i z modelu. W niektórych przypadkach biznesowych koszty te mogą być znaczne.Utrzymanie - jeśli dostawca LLM zaktualizuje konkretny model, który był wykorzystywany w danym rozwiązaniu, należy ponownie przeprowadzić proces kontroli jakości i monitorowania - co również może być kosztowne. Technologia zmienia się na naszych oczach a każdego dnia trafiają do nas informacje o nowych możliwościach czy zastosowaniu dużych modeli językowych, dlatego tak ważne jest odpowiednie przygotowanie i ocena naszych potrzeb względem LLM.
Błyskawiczny i niczym nieskrępowany rozwój sztucznej inteligencji od dawna budzi spore obawy w środowisku artystycznym. Hollywoodzy aktorzy protestowali przeciw naruszaniu ich wizerunku przy użyciu AI w trakcie zeszłorocznego strajku, ale na razie nie udało się wypracować odpowiednich rozwiązań. “Nie chcę, żebyście robili cokolwiek z moją twarzą i ciałem po mojej śmierci” - deklaruje Nicolas Cage.
Ważą się losy ostatecznego kształtu nowelizacji ustawy o prawie autorskim i prawach pokrewnych. Jak mówi portalowi Wirtualnemedia.pl posłanka Daria Gosek-Popiołek z Lewicy Razem, dzięki protestowi mediów wydawcy zostali usłyszani przez parlamentarzystów. – W mojej ocenie wiele może się jeszcze zdarzyć – mówi o szansach przyjęcia w Senacie poprawek Lewicy posłanka partii Razem.
Przełomowe regulacje w sprawie sztucznej inteligencji AI Act wejdą w życie. Jak będą wyglądały w praktyce? Na co musi przygotować się branża reklamowa?
Do dentsu Polska dołączyła Eliza Bujnowska i objęła stanowisko analytics & data science director. Ostatnio związana była z firmą CCC.
Radio ZET
Radio Opole
Radio Opole
Zwierciadło
Zwierciadło
Zwierciadło
Telewizja Polsat
Grupa Eurozet
Grupa Eurozet
