Umiemy - Nowoczesna przestrzeń szkoleniowa z rzutnikiem, flipchartem i kamerą do nagrań wideo

Kompetencje nieautomatyzowalne w erze AI, praktyczne warsztaty i coaching dla organizacji

O kompetencjach przyszłości słyszymy coraz głośniej co najmniej od dekady – czyli mniej więcej tyle ile dr Iwo Zmyślony prowadzi warsztaty i szkolenia, wcześniej dydaktyka, badania i doktorat. Z grubsza chodzi o naszą inteligencję ogólną – zdolność do odkrywania zupełnie nowej wiedzy oraz adaptacji wiedzy posiadanej. Czyli m.in. o tzw. badania podstawowe, przełomowe odkrycia i zmianę paradygmatów. A w biznesie m.in. o synergię, rezyliencję, kreatywność, agile, głębokie innowacje (tzw. rewolucyjne), przywództwo, reputację, kapitał społeczny, know-how, problem finding, pamięć organizacji czy zarządzanie zmianą. Krótko mówiąc: to wszystko, czego AI dziś nie umie i czego nie będzie umieć. Przynajmniej dopóki nie powstanie nowa technologia – inna niż te, które znamy. Good, Minsky itp. fantazjowali o niej już przeszło pół wieku temu, a od przeszło dwóch dekad nazywamy ją „AGI”. Ja długo forsowałem „kompetencje człowiecze”, ale ostatnio mówię „nieautomatyzowalne”. Nie ma automatów cyfrowych, mechanicznych czy obliczeniowych, przy pomocy których by można je zastąpić bez straty dla procesów i zadań, w których z nich korzystamy – czy to w nauce, czy w biznesie, czy w innych obszarach. Niektórzy próbują je dzielić na „społeczne”, „poznawcze” i „emocjonalne”. Inni od lat promują „Power Skills”. „Miękkie” z obiegu raczej wypadają. Ostatecznie równie dobrze chodzi o Growth Mindset (C. Dweck, M.C. Murphy, D. Yeager), tzw. myślenie wolne (D. Kahneman) oraz neuroplastyczność i neurosynchronię (M. Platt, A. Schore). Najnowszy raport World Economic Forum po raz kolejny odgrzewa te kotlety, tym razem jako „Human Advantage” i „New Economy Skills”. Z ciekawostek – na ich rozwój potrzeba SETEK dni coachingu (średnio ok. 200), łatwo je utracić (skills atrophy, deskilling), a część jest w istotnym stopniu „transformowana” przez AI. Dlaczego tak trudno je rozwijać i wdrażać? Ponieważ – w przeciwieństwie do tzw. „twardych”, to nie są kompetencje jednostek, ale kompetencje zespołów i organizacji. Do ich rozwoju nie wystarczy trening, potrzebna jest motywacja i zaangażowanie (commitment). A co za tym idzie – przywództwo i kultura. Skoro szukasz szkolenia z kompetencji przyszłości, to prawdopodobnie widzisz już to, co widzą liderzy HR i zarządy: AI przyspiesza pracę, ale nie „dowozi” tego, co decyduje o przewadze — adaptacji, przełomowych…

Umiemy - Nowoczesna przestrzeń szkoleniowa z rzutnikiem, flipchartem i kamerą do nagrań wideo

Podcast o AI na kanale Dariusza Rosiaka

Trudno nie cenić jakości jego dziennikarstwa. Obok „Raportu międzynarodowego” Jurasza i Parafianowicza, to dla mnie główne źródło rzetelnej analizy spraw, na których się nie znam, a które mnie ciekawią. Dlatego nas zaskoczył. ChatGPT ratuje życie? Z najnowszego odcinka wynika, że ChatGPT uratował życie. A nawet dwa życia. W pewnym momencie autor Adrian Bąk nawet retorycznie pyta, czy sam ten fakt nie uzasadnia wyjątkowej wartości owej technologii i potrzeby dalszego jej rozwoju. Po co powstał ChatGPT? Dowiadujemy się również po co w ogóle powstał ChatGPT: „Bardzo wcześnie zdawaliśmy sobie sprawę z tego, że to jest nieuniknione i niewiarygodnie istotne, że żeby zbudować sztuczną inteligencję generalnego użytku (…) cyfrowy mózg (…) będzie to zmiana paradygmatu na poziomie cywilizacji (…) było dla nas bliskie sercu, że ta technologia będzie miała pozytywny wpływ (…)” „Chciałbym, żeby AI pozwoliło ludziom osiągać to, co chcą osiągać i żeby pozwoliło ludziom stać się lepszymi samymi sobą. To jest takie moje marzenie” mówi Wojciech Zaremba. Przewidywania dotyczące AI W odpowiedzi na pytanie nad czym obecnie pracuje, zaczyna „przewidywać”, że w najbliższych latach: Pięć etapów rozwoju generatywnej AI Po czym sprzedaje 5 etapów rozwoju gen ai: (1) Przechodzi test Turinga (2) Modele rozumujące (3) Modele agentowe (4) Naukowiec (5) Inteligencja obsługująca całą firmę Analiza narracji Ten kuriozalny model dobrze sprzedaje właśnie strategię rozwoju nie tyle generatywnej ai, ale przedsiębiorstwa OpenAI, wycenianego obecnie na 500 mld USD, które póki co nie generuje zysków, lecz przynosi straty. Zaremba jest jego pracownikiem i współzałożycielem. Czy to oznacza, że wciąż jest idealistą, bezinteresownym, genialnym naukowcem? Nie przesądzam. Być może. Tyle, że to opowieść. Błyskotliwa narracja, której się pięknie słucha, nawet ze wzruszeniem. Poza ową narracją „prawda nie istnieje” – jak niedawno wyznał jeden z protagonistów AI w PL. Odcinek „Limitów AI” i technologiczny kicz Akurat z Kasia Zaniewska i Edyta Sadowska nagraliśmy 14 odcinek „Limitów AI”. Rozmawiamy o technologicznym kiczu, czyli o tych narracjach, które w interesie wielkich korporacji odwracają naszą uwagę od kosztów, ograniczeń i ryzyk rozwijanych przez nie technologii. Kluczowe pytania Kto na tych narracjach korzysta? Kto traci? Czym jest dziś dziennikarstwo? Czym różni…

AI dla Sceptyków Szkolenie Iwo Zmyślony

Dlaczego AI nie jest (jeszcze) inteligentne: wyjaśnia François Chollet -analizujemy na Umiemy

Kamienie milowe AI to nie dowód inteligencji Od zwycięstwa AlphaGo w 2016 po sukcesy GPT-4o i OpenAI o3 w 2024 – każde z tych osiągnięć prezentowane jest jako krok ku AGI. Jednak wg François Cholleta to błędna narracja. Systemy AI nie posiadają ogólnej inteligencji – wykonują wąskie zadania dzięki dopasowanym architekturom i ogromnym zasobom danych oraz mocy obliczeniowej. „memorize – fetch – apply” – tak Chollet opisuje działanie dzisiejszych systemów generatywnych AI. Czym jest prawdziwa inteligencja według Cholleta Chollet – badacz DNN i twórca testu ARC-AGI – twierdzi, że inteligencja to: To przeciwieństwo dzisiejszych LLM-ów, które przetwarzają dane pasywnie, bazując na wzorcach z treningu. Dlaczego obecny paradygmat AI nie prowadzi do AGI Chollet krytykuje dominujące podejście tzw. „scaling laws”. Trening modeli na coraz większych danych nie prowadzi do generalnej inteligencji – prowadzi do coraz lepszej interpolacji, nie generalizacji. Inteligencja ogólna wymaga zmiany architektury i założeń, nie tylko skali. Czym jest test ARC-AGI i jak mierzyć inteligencję Test ARC-AGI nie sprawdza, czy maszyna zna fakty, ale czy potrafi się ich nauczyć od zera. Przykład: nie liczy się, jak dobrze AI gra w szachy, ale jak szybko się ich nauczy – bez wcześniejszego kodowania reguł. Porównanie podejść do AGI Podejście Opis Plusy Minusy Test-Time Computing (TTC) Więcej zasobów na nowe zadania, bez zmiany modelu Szybsza reakcja Brak głębokiej adaptacji Test-Time Training (TTT) Fine-tuning modelu podczas zadania Większa elastyczność Ryzyko overfittingu, duże koszty Program Synthesis Tworzenie dedykowanych programów przy wsparciu DNN Największa szansa na „myślenie wolne” Wciąż wymaga nadzoru człowieka 2016 – AlphaGo wygrywa z mistrzem Go 2018 – AlphaStar wygrywa z ludźmi w StarCraft II 2019 – MuZero gra w gry komputerowe ucząc się poprze granie 2020 – AlfaFold analizuje i przewiduje trójwymiarowe struktury białek lepiej od człowieka 2022 – Cicero od Meta AI wygrywa w „Dyplomację” 2023 – AMIE i PaLM od googla diagnozują choroby lepiej od lekarzy (i są milsze) 2024 – ChatGPT 4o przechodzi Test Turinga 2024 – OpenAI o3 wygrywa z ludźmi w zadaniach z kodowania, matematyki i nauk przyrodniczych Wbrew temu, co hajpują mainstreamowe media, żaden z tych „kroków milowych”…

Newsletter

Give your inbox some love with new products, tips, & more.


    © Umiemy 2024

    Shopping cart

    0
    image/svg+xml

    No products in the cart.

    Continue Shopping