Sztuczna Inteligencja
This work is licensed under a Creative Commons Attribution-NoDerivatives 4.0 International License.
Streszczenie
DEFINICJA POJĘCIA: Sztuczna inteligencja to dyscyplina naukowa i zbiór technologii umożliwiających tworzenie systemów nabywających zdolności poprzez analizę ogromnej ilości danych, a więc działających w sposób nie w pełni zrozumiały dla człowieka.
ANALIZA HISTORYCZNA POJĘCIA: Prace nad sztuczną inteligencją sięgają lat 40. XX wieku, choć prawdziwy przełom nastąpił w drugiej dekadzie XXI wieku, wraz z rozwojem i rozpowszechnieniem się uczenia maszynowego.
UJĘCIE PROBLEMOWE POJĘCIA: Sztuczna inteligencja wpływa na rzeczywistość w sposób horyzontalny i rodzi mnogość wyzwań, które podzielić można na cztery kategorie, tj. związanych z wykorzystywaniem, tworzeniem, dostępem i statusem ontycznym (w tym potencjalnym upodmiotawianiem).
REFLEKSJA SYSTEMATYCZNA Z WNIOSKAMI I REKOMENDACJAMI: Rozwój sztucznej inteligencji sprawia, że etycy pracujący w obszarach pozornie z nią niezwiązanych winni zrozumieć, jak ona działa, a twórcy systemów więcej uwagi poświęcać etyce.
Downloads
Bibliografia
Alpaydin, E. (2016). Machine Learning: The New AI. Cambridge: The MIT Press.
Goebel, R., Chander, A., Holzinger, K., Lecue, F., Akata, Z., Stumpf, S., Kieseberg, P., & Holzinger, A. (2018). Explainable AI: The New 42? W: A. Holzinger, P. Kieseberg, A.M. Tjoa, & E. Weippl (red.), Machine Learning and Knowledge Extraction (s. 295–303). Cham: Springer International Publishing.
Haenlein, M., & Kaplan, A. (2019). A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence. California Management Review, 61(4), 5–14.
Hartmann, J., Schwenzow, J., & Witte, M. (2023). The political ideology of conversational AI: Converging evidence on ChatGPT’s pro-environmental, left-libertarian orientation (arXiv:2301.01768). arXiv. DOI: 10.48550/arXiv.2301.01768
Hołub, G. (2024). Artificial intelligence: asking about its ontological status. Logos i Ethos, 30(2), 97–114.
Jabłonowska, A., Kuziemski, M., Nowak, A.M., Micklitz, H.-W., Pałka, P., & Sartor, G. (2018). Consumer Law and Artificial Intelligence: Challenges to the EU Consumer Law and Policy Stemming from the Business’ Use of Artificial Intelligence - Final report of the ARTSY project (SSRN Scholarly Paper ID 3228051). Social Science Research Network. DOI: 10.2139/ssrn.3228051
Kaminski, M. (2023). Regulating the Risks of AI. Boston University Law Review, 103, 1347.
Kuśmierczyk, M. (2022). Algorithmic Bias in the Light of the GDPR and the Proposed AI Act (SSRN Scholarly Paper 4117936). Social Science Research Network. DOI: 10.2139/ssrn.4117936
Le, Q.V., Ranzato, M., Monga, R., Devin, M., Chen, K., Corrado, G.S., Dean, J., & Ng, A.Y. (2012). Building high-level features using large scale unsupervised learning. Proceedings of the 29th International Coference on International Conference on Machine Learning, 507–514.
Prince, A.E.R., & Schwarcz, D. (2019). Proxy Discrimination in the Age of Artificial Intelligence and Big Data. Iowa Law Review, 105(3), 1257–1318.
Schafer, B. (2023). Formalising law, or the return of the Golem. W: B. Brozek, O. Kanevskaia, & P. Pałka (red.), Research Handbook on Law and Technology (s. 59–81). Cheltenham: Edward Elgar Publishing.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A.N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is All you Need. Advances in Neural Information Processing Systems, 30. https://proceedings.neurips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf (dostęp: 03.04.2025).
Villata, S., Araszkiewicz, M., Ashley, K., Bench-Capon, T., Branting, L.K., Conrad, J.G., & Wyner, A. (2022). Thirty years of artificial intelligence and law: The third decade. Artificial Intelligence and Law, 30(4), 561–591.
Winston, P.H. (1992). Artificial Intelligence (3rd edition). Pearson.
Zou, M., Poncibò, C., Ebers, M., & Calo, R. (red.). (2025). The Cambridge Handbook of Generative AI and the Law. Cambridge: Cambridge University Press.
