- AI roboti mogu pomoći deci da nauče tehničke veštine, ali takođe mogu biti korisni alati za podsticanje razvoja mekih veština, uključujući empatiju i pažljivost. Na koji način AI roboti mogu postići to?
U budućnosti, veštačka inteligencija (AI) potencijalno bi mogla biti edukovana sa različitim informacijama o tome kako razvijati emocionalnu inteligenciju na velikoj skali. To bi omogućilo AI robotima da pruže personalizovana rešenja za decu. Takođe, mogli bismo se suočiti sa situacijom – kojom, zapravo, treba vrlo pažljivo upravljati – gde veštačka inteligencija počinje da razvija emocionalnu inteligenciju. Kako bismo onda upravljali i personalizovali proces učenja? Da li biste želeli da veštačka inteligencija koja je razvila sopstvenu emocionalnu inteligenciju ili osećanja obrazuje vašu decu? Da li razumete šta želim da kažem?
Potrebno nam je da imamo bolje smernice, kako bismo jasno definisali potencijalne koristi, ali i potencijalne rizike. Ukoliko postoje rizici, trebamo ih minimizirati, a ako postoje koristi, trebamo ih maksimizirati.
- Veštačka inteligencija (AI) se obučava na velikom broju podataka koji potencijalno mogu biti zastareli, pristrasni ili jednostavno netačni. Zar to nije razlog za zabrinutost, posebno kada razmatramo uvođenje veštačke inteligencije u sistem obrazovanja? Kako možemo rešiti ovaj problem i osigurati odgovorno korišćenje veštačke inteligencije u obrazovanju?
Kao i kod nacionalnih nastavnih planova, vlade će uspostaviti jasne smernice o tome šta treba biti uključeno, obezbeđujući uključivanje etičkih, odgovornih i tačnih informacija. Mislim da, kada pokušamo da uključimo različite kompanije veštačke inteligencije u trku da stvore obrazovanje – sistem budućnosti – možda trebamo pratiti sličan princip.
Svrha ovih kompanija bila bi da pruže informacije koje su pažljivo odabrane – gotovo kao sistem rangiranja različitih filmova. Dakle, trebali bismo imati nešto više kategorija kako bismo obezbedili bezbednost na internetu i sigurnost veštačke inteligencije, posebno kada je reč o obrazovanju dece u budućnosti.
Kristina Jan Žang; Izvor: WebMind
- Postoji potražnja za visokokvalitetnim podacima. Da li mislite da će u budućnosti nastati nova tržišta za prodaju podatak koji se koriste za treniranje veštačke inteligencije?
Potrebno je jasno definisati šta se smatra visokokvalitetnim podacima, jer trenutno generišemo previše podataka, što se nikada ranije nije dešavalo. Problem je u tome što se samo oko 20% podataka analizira kako bi se stvorila vrednost, dok preostalih 80% podataka nije analizirano. Ti podaci mirno stoje i troše ogromne količine energije, a ne pružaju nikakvu vrednost.
Neki ljudi će reći da su podaci nova nafta, što je tačno. Ali podaci će postati nova nafta samo kada se analiziraju kako bi pomogli donošenju odluka zasnovanih na dokazima. Tu dolazimo do pravog dodavanja vrednosti. Međutim, širom sveta, samo 20% podataka svake organizacije se analizira kako bi se stvorila vrednost za njihove buduće razvoje. To jednostavno nije dovoljno dobro.
Trenutni problem leži uglavnom u nedovoljno efikasnoj standardizaciji podataka, zbog čega imamo različite definicije istih. Različiti departmani takođe imaju sopstvene sisteme za upravljanje podacima, što znači da ne komuniciraju međusobno. To je pitanje koje treba rešiti kada govorimo o visokokvalitetnim podacima.
Svi različiti departmani, uključujući finansije, ljudske resurse, nabavku i transport, trebaju uspostaviti standardizaciju interoperabilnosti podataka kako bi se osiguralo da su podaci istog formata prilikom analize. Ne moramo ići u svaki departman da bismo došli do podataka, već možemo imati sve podatke na jednom mestu i u jednom formatu, što olakšava stvaranje visokokvalitetnih podataka.
