Kompetencje etyczne w uczeniu maszynowym z perspektywy komunikacji w procesie edukacyjnym
pdf (English)

Słowa kluczowe

sztuczna inteligencja
uczenie maszynowe
kompetencje etyczne
edukacja
komunikacja

Jak cytować

Horbowska, J. (2024). Kompetencje etyczne w uczeniu maszynowym z perspektywy komunikacji w procesie edukacyjnym. Kwartalnik Naukowy Fides Et Ratio, 58(2), 38-45. https://doi.org/10.34766/fetr.v58i2.1277
Język / Language
Słowa kluczowe

Abstrakt

Termin „sztuczna inteligencja” (SI) odnosi się do programów komputerowych, wyposażonych w liczne kompetencje, jak dokonywanie obliczeń, grupowanie i kategoryzowanie danych czy komunikowanie się z użytkownikiem w językach etnicznych. Z drugiej strony systemy sztucznej inteligencji nie posiadają pewnych własności, a wśród nich obok braku „zdolności kreatywnych” wyróżniana jest obojętność na aspekt moralny działań przy wyszukiwaniu i kompilacji danych czy katalogowaniu zjawisk. Niniejsze opracowanie ma na celu omówienie wybranych przyczyn takiego stanu rzeczy w kontekście metodyki uczenia maszynowego (ML), z ujęciem problematyki i zastosowań sztucznej inteligencji w perspektywie komunikacji naukowej, jaka zachodzi w procesie edukacyjnym. Wobec tak postawionego celu został sformułowany problem badawczy w postaci pytania: Jak kształtują się kompetencje etyczne w procesie uczenia maszynowego w kontekście komunikacji zachodzącej w procesie edukacyjnym?

W celu dokonania próby udzielania odpowiedzi na tak postawione pytanie badawcze posłużono się metodą analizy tekstu, jak również metodą syntezy.

W wyniku przeprowadzonych badań ustalono, że prowadzenie uczenia maszynowego z udziałem człowieka, jak również za pomocą systemów sztucznej inteligencji uprzednio uczonych z udziałem człowieka może umożliwiać przekazanie maszynie cybernetycznej treści o charakterze moralnym w rozumieniu normatywnym. Jako, że udział człowieka dopuszcza uczenie nadzorowane maszyn cybernetycznych, ten właśnie rodzaj uczenia, zastosowany jako wyłączna metoda lub w połączeniu z inną metodą niesie możliwość przekazania aplikacjom pożądanych informacji na temat reguł społeczno-kulturowych.

W pełni samodzielne uczenie maszyn cybernetycznych nie zapewnia zebrania przez nie informacji dotyczących aspektów etycznych, które są pożądane w komunikacji podczas procesu edukacyjnego, ponieważ otwarte zbiory danych, na których odbywa się uczenie maszyn, mogą zawierać treści szkodliwe, prowadzące do wzmacniania negatywnych zjawisk społecznych.

https://doi.org/10.34766/fetr.v58i2.1277
pdf (English)

Bibliografia

Artificial Intelligence Act, European Parliament legislative resolution of 13 March 2024 on the proposal for a regulation of the European Parliament and of the Council on laying down harmonized rules on Artificial Intelligence (Artificial Intelligence Act) and amending certain Union Legislative Acts (COM(2021)0206 – C9-0146/2021 – 2021/0106(COD). (From:) https://www.europarl.europa.eu/doceo/document/TA-9-2024-0138_EN.pdf (access: 15.03.2024).

Bishop, J.M. (2018). Is Anyone Home? A Way to Find Out If AI Has Become Self-Aware, Frontiers in Robotics and AI, 5. https://doi.org/10.3389/frobt.2018.00017

Chojnowski, M. (2019). Zrozumieć decyzje podejmowane przez maszyny. (From:) https://www.sztucznainteligencja.org.pl/badacze-z-google-brain-opracowali-system-pozwalajacy-wydobyc-z-modeli-si-informacje-o-stosowanych-kryteriach-oceny/ (access: 15.02.2024).

Domingos, P. (2015). The master algorithm: How the quest for the ultimate learning machine will remake our world. New York: Basic Books.

Finnis, J. (2001). Prawa naturalne i uprawnienia naturalne.Warszawa: Dom Wydawniczy ABC.

Flasiński, M. (2020). Wstęp do sztucznej inteligencji. Warszawa: Wydawnictwo Naukowe PWN.

Hoes, F. (2019). The Importance of Ethics in Artificial Intelligence. (From:) https://towardsdatascience.com/the-importance-of-ethics-in-artificial-intelligence-16af073dedf8 (access: 2.02.2024).

Kamiński, E., Uczenie maszynowe: z nadzorem i bez nadzoru. (From:) https://analityk.edu.pl/uczenie-maszynowe-z-nadzorem-vs-bez-nadzoru/ (dostęp:10.03.2024).

Kasperska, A. (2017). Problemy zastosowania sztucznych sieci neuronalnych w praktyce prawniczej. Przegląd Prawa Publicznego, 11.

Kulczycki, E. (2017). Komunikacja naukowa w humanistyce.Poznań: Wyd. IF UAM.

Maj. A. (2016). Aksjologia pedagogiczna. (In:) K. Chałas, A. Maj (eds.), Encyklopedia aksjologii pedagogicznej, Radom: Polskie Wydawnictwo Encyklopedyczne.

Massey, G., Ehrensberger-Dow, M. (2017). Machine learning: Implications for translator education. Lebende Sprachen, 62(2).

McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C.E. (2006). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955. AI Magazine, 27(4), 12. https://doi.org/10.1609/aimag.v27i4.1904

Reinforcement Learning and the Importance. (From:) https://datascience.eu/machine-learning/machine-learning-for-humans-part-5-reinforcement-learning/ (Accessed: January 20, 2024).

Okoń, W. (1998). Nowy słownik pedagogiczny. Warszawa: Wydawnictwo Akademickie „Żak”.

Sala, K. (2017). Przegląd technik grupowania danych i obszary zastosowań, Społeczeństwo i Edukacja. Międzynarodowe Studia Humanistyczne, 2(25).

Sierocka, B. (2016). Etyka współodpowiedzialności czyli moralność wywiedziona z międzyludzkiej komunikacji. Rocznik Bezpieczeństwa Międzynarodowego, 10(1), 186–196.

Starczewski, A., Goetzen, P., Er, M.J. (2020). A New Method for Automatic Determining of the DBSCAN. Parameters, Journal of Artificial Intelligence and Soft Computing Research, 10(3).

Thomas, D., Brown, S.J. (2011). A New Culture of Learning: Cultivating the Imagination for a World of Constant Change. Lexington, KY: Creative Space.

Tomasello, M. (2002). Kulturowe źródła ludzkiego poznawania. Warszawa: PWN.

Wiener, N. (1961). Cybernetyka i społeczeństwo. Warszawa: Wyd. Książka i Wiedza.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##