Od chwili udostępnienia ChatGPT, czyli sztucznej inteligencji dla każdego, zadomowiła się ona na dobre w naszym życiu. Warto jednak pamiętać, że sama idea nie jest niczym nowym – jej początki to lata 50. XX wieku – dziś mamy do czynienia z jej dynamicznym rozwojem i wszechobecnością praktycznie w każdej dziedzinie życia. W USA rynek AI osiąga wartość 74 miliardy dol., w Europie 46,7 miliarda dolarów, a w Polsce około 1,75 miliarda dolarów. Prognozy na 2030 r. wskazują wzrost do 827 miliardów dolarów na całym świecie. Według raportu „No Fluff Jobs – Rynek pracy IT 2024/2025” ponad 70 proc. pracowników w Polsce korzysta z narzędzi AI w swoich organizacjach, co czyni Polskę pod tym względem liderem tej części Europy (średnia dla Unii Europejskiej to 59 proc.). Wprowadzeniem do świata sztucznej inteligencji i pomocą w zrozumieniu tego fascynującego i szybko ewoluującego tematu może być słowniczek jej kluczowych pojęć – aktualnych dziś, przydatnych zawsze.
Algorytm
Słowo bodaj najbardziej kojarzone ze sztuczną inteligencją. W dużym uproszczeniu algorytmy to ciągi instrukcji wykonywane przez komputer, aby rozwiązać dany problem lub przetworzyć dane. Podczas gdy klasyczne systemy informatyczne działają według sztywnie zaprogramowanych reguł, systemy oparte na AI wykorzystują algorytmy uczenia maszynowego i sieci neuronowe, dzięki czemu potrafią modyfikować swe działanie na podstawie nowych danych. Tę różnicę można porównać do różnicy między kalkulatorem a uczniem matematyki: pierwszy wykonuje instrukcje, drugi potrafi się uczyć i korzystać ze zdobytej wiedzy w praktyce.
Big data
Ogromne zbiory danych niezbędne do trenowania nowoczesnych modeli AI. We współczesnej gospodarce tym terminem określa się nie tylko duże zbiory danych, lecz również cały ekosystem wzajemnie powiązanych ze sobą technologii, rynków czy regulacji. Rynek big data jest dziś kluczowy dla współczesnej światowej gospodarki oraz wzrostu gospodarczego, wycenia się go na setki miliardów dolarów Według raportu OECD „Exploring Data‑Driven Innovation as a New Source of Growth”, big data definiuje się jako nowe źródło wzrostu produktywności w takich sektorach, jak reklama internetowa, zdrowie, logistyka czy administracja publiczna.
Duży Model Językowy czyli LLM (Large Language Model)
Technologia najbardziej utożsamiana ze sztuczną inteligencją i najpopularniejszą obecnie aplikacją ChatGPT. Jest to rodzaj sztucznej inteligencji zdolnej generować naturalnie brzmiący tekst. W dużych modelach językowych stosuje się miliony parametrów, aby jak najwszechstronniej wytrenować model. Modele językowe uczą się na gigantycznych zbiorach tekstu, by przewidywać kolejne słowa oraz frazy i dzięki temu generować spójne odpowiedzi na zadawane pytania. Na świecie do najbardziej znanych modeli należą obecnie serie GPT (Generative Pre-trained Transformer, np. GPT 3.5, GPT 4) używane m.in. w aplikacjach ChatGPT i Copilot, będącej częścią pakietu Microsoft. W Polsce mamy zaś rozwijane lokalnie modele językowe Bielik i PLLuM. Są one doskonale dostosowane do języka polskiego, rozumiejące jego idiomy oraz kontekst kulturowy. Bielik to społecznościowy projekt non-profit, z kolei PLLuM jest rozwijany przez polskie jednostki naukowe na zlecenie Ministerstwa Cyfryzacji.
Heurystyka
Jest to metoda rozwiązywania problemów, polegająca na poszukiwaniu „wystarczająco dobrego” rozwiązania, gdy dążenie do ideału staje się zbyt kosztowne obliczeniowo. Oparta na optymalizacjach bayesowskich. W przeciwieństwie do tradycyjnych metod, takich jak grid search, które sprawdzają wszystkie kombinacje, heurytyki analizują próbki danych losowo, a potem w najbardziej obiecujących obszarach znajdują najlepsze rozwiązanie. Stosowanie heurystyk jest zatem dużo bardziej opłacalne i szybsze. Średnia poprawa efektywności heurystyk wynosi od 50 do 90 proc. w procesach optymalizacji w porównaniu z metodami tradycyjnymi. Przykładowo, w logistyce umożliwiają one skrócenie planowania tras o 70-80 proc., przy jednoczesnej utracie optymalności na poziomie poniżej 5 proc.. W dziedzinach takich jak medycyna czy finanse, heurystyczne modele uczenia maszynowego działają nawet 5-10 razy szybciej niż tradycyjne metody. To sprawia, że heurystyka staje się nieocenionym narzędziem w wielu branżach, przyspieszając procesy decyzyjne i zwiększając ogólną efektywność operacyjną.
