W pierwszej naszej audycji rozmawiamy o tym, jak Richard Dawkins odkrył świadomość w Claude. Wspominamy memetykę i biologiczne / technologiczne interpretacje kultury i społeczeństwa. Zauważamy, że łatwiej jest szukać świadomości w "AI", która posługuje się językiem naturalnym niż takiej, która gra w szachy albo składa białka. Narzekamy na spłaszczanie problemów badanych w naukach humanistycznych i społecznych przez fanów "nowych technologii".
Duże modele językowe trenowane są na współczesnych danych, dlatego “wiedza” zamknięta w wagach i prawdopodobieństwach kolejnych tokenów może być w miarę aktualna. Istnieje jednak kategoria modeli, w których data odcięcia wiedzy przesuwana jest głęboko w przeszłość. Jakie są zalety i ograniczenia takich modeli?
W kolejnej edycji przeglądu tekstów naukowych o Wikipedii przeczytać można o trudnościach w wykrywaniu maszynowych edycji haseł, procesie definiowania gatunków muzycznych w dyskusjach między edytorami i edytorkami, metodach mierzenia "cyfrowego śladu" zbiorów muzealnych w Wikipedii oraz podejściu autorek i autorów tekstów naukowych do cytowań ich prac w treści haseł.
![25 badań na 25-lecie Wikipedii [cz. IV]](https://blog.humanistyka.dev/content/images/20260121174438-e57b0c18bd327d0df23f42849b1f7e0e.png)
Wykorzystywanie generatywnej sztucznej inteligencji do pracy z wizerunkami dziedzictwa kulturowego może zwiększać zapotrzebowanie na specjalistyczną wiedzę i wymuszać dodatkowy nakład pracy. Osoby korzystające z AI w tej dziedzinie muszą nieustannie balansować między wydajnością swoich działań a jakością i rzetelnością uzyskiwanych efektów. Takie są wnioski z warsztatów, poświęconych generowaniu wizerunków zabytków chińskiej kultury Dunhuang.
W debacie wokół AI obok entuzjastycznych wizji przyszłości pojawia się druga skrajność. Narracje oparte na strachu, budujące katastroficzne wizje o utracie kontroli nad sztuczną inteligencją również wzmacniane są przez media, ekspertów i samą branżę technologiczną. W efekcie doomerstwo AI zaczyna pełnić podobną funkcję jak hype: przyciąga uwagę, generuje kliknięcia i buduje pozycję jego autorów.
Żołnierze na plaży Omaha, którzy ukryci przed ostrzałem u podstaw klifów sięgają po książki, czekając na pomoc, to jeden z bardziej zaskakujących obrazów historii czytania. W książce Naomi S. Baron ta scena pojawia się jako punkt odniesienia, pokazujący siłę lektury. Ale czy wobec gwałtownego rozwoju czytania zapośredniczonego przez AI takie obrazy mają jeszcze siłę argumentu? Co tracimy, delegując lekturę na maszyny?
![W obronie czytania [Naomi Baron, Reader Bot: What Happens When AI Reads and Why It Matters, Stanford University Press, 2026]](https://blog.humanistyka.dev/content/images/20260417102728-975ba5dda4fc141e2bf3ccc78a11f3f31a64ea5229798b7d2ab8c8a6ed2e2139.png)
Entuzjastyczne reakcje na mówiącą maszynę Wolfganga von Kempelena z końca XVIII w. pokazują, że techniczne ograniczenia urządzenia nie przeszkadzają w przypisywaniu mu zaawansowanych zdolności poznawczych, a nawet emocji. Niedawny artykuł z "Gazety Wyborczej" powiela ten ten schemat, pokazując ChatGPT jako aktywnego uczestnika dialogu, zdolnego do formułowania sądów na swój temat, a nawet rozważania złożoności ludzkiej inteligencji. Publikowanie w prasie rozmów z chatbotami jest jednak niczym innym jak przerzucaniem kosztów poznawczych na własnych czytelników.
Zbyt często przypisujemy modelom generatywnym kreatywność, intencję i zdolność inspirowania się ludzką twórczością. Szczególnie łatwe jest to w przypadku maszynowo generowanych obrazów, z miesiąca na miesiąc coraz bardziej atrakcyjnych i coraz wyższej jakości. Takie wizerunki to jednak wyłącznie hipotezy zbudowane na ograniczonych i sformatowanych danych wizualnych, losowe infografiki na temat tych danych.
W opowieściach o sztucznej inteligencji, kultura i dziedzictwo to jednorodny, zamknięty, stabilny i darmowy zasób, czekający na przetworzenie tak jak ropa naftowa albo węgiel. Te błędne wizje łatwo kwestionować za pomocą zestawu prowokacji, inspirowanych krytyką jednego z wcześniejszych przełomów technologicznych, jakim miało być Big Data.
Rozpoznawanie tekstów generowanych maszynowo to niełatwa sprawa, szczególnie w przypadku automatycznego parafrazowania ludzkich tekstów. Badacze i badaczki z Uniwersytetu Jagiellońskiego w swoim eksperymencie sprawdzili efektywność stylometrii w tym zadaniu. Ich metoda wydaje się bardzo obiecująca.
Jak "fakty wikipedyczne" kształtują narracje literackie, czy agenty AI mogą nieustannie rozwijać encyklopedię i dlaczego - przynajmniej według niektórych - społeczność naukowa zdradziła Wikipedię? Zapraszamy do lektury kolejnego przeglądu tekstów naukowych z okazji 25-lecia Wikipedii.
Jednym z najważniejszych problemów związanych z AI są prawa i interesy twórców, którym zagraża łatwość i niski koszt replikowania stylu ich prac. Duże komercyjne modele powstają na bazie autorskich treści, zazwyczaj bez uzyskiwania odpowiednich licencji i zgód. Platforma Tess była próbą pogodzenia interesów twórców z logiką rynku AI, niestety nie tylko wątpliwą prawnie, ale też w pewien sposób legitymizującą masowe wykorzystywanie twórczości w procesie trenowania wizualnych modeli generatywnych.
Slopy, niskiej jakości wytwory sztucznej inteligencji, są źródłem wielu problemów: zmęczenia estetycznego, scamów w mediach społecznościowych, rosnącego śladu ekologicznego i kosztów obliczeniowych (“dlatego nie stać cię na więcej RAM-u”). Trudno wyobrazić sobie, żeby mogły mieć jakąkolwiek wartość. A jednak.
Sam Altman porównał wychowanie człowieka do trenowania sztucznej inteligencji. To dalekie echo filozofii oświecenia, która wciąż kształtuje myślenie Doliny Krzemowej. Bańka AI przywołuje i odświeża dawne koncepcje człowieka jako maszyny. "Ciało ludzkie jest maszyną, nakręcającą własne sprężyny; jest to żywy obraz ciągłego ruchu" - pisał francuski filozof Julien Offray de La Mettrie w połowie XVIII wieku.
Student przesyła podejrzaną pracę zaliczeniową, a znana dziennikarka–celebrytka w krótkim czasie publikuje kolejną książkę, której temat wymaga zaawansowanego researchu. Pojawiają się podejrzenia, że to wszystko może być możliwe tylko dzięki zastosowaniu sztucznej inteligencji, jednak trudno to jednoznacznie udowodnić. Kolejne badania dotyczące cech tekstów wytwarzanych maszynowo sugerują, że nie pojawi się jedna, uniwersalnie skuteczna i automatyczna metoda wykrywania tego typu treści. Zamiast tego analizować należy poszczególne warstwy tekstu.
To już wszystkie zajawki, przejdź na bloga
Poczytaj o technologiach z perspektywy humanistycznej: książki, badania, narzędzia, zasoby, "sztuczna inteligencja" i kultura cyfrowa. Na tej stronie znajdziesz najnowsze wpisy z bloga humanistyka.dev oraz krótkie wpisy publikowane przez nas w mediach społecznościowych.
Jeśli podoba Ci się ten projekt, możesz zostać patronką/patronem.
Możesz dodać tę stronę jako bezpieczną aplikację na swój telefon. Wybierz Dodaj do ekranu głównego w menu przeglądarki, z której właśnie korzystasz (na telefonie z Androidem).
wersja: bardzo_beta
Wczytaj więcej / kliknij / wciśnij spację
To już wszystkie wpisy