Autor: admin26

Categorii
Inteligenta artificiala

Agenți de inteligență artificială: ce sunt, cum funcționează

În ultimii ani, discuțiile despre inteligența artificială au trecut din zona filmelor SF direct în viața de zi cu zi. Astăzi, folosim AI în asistenți virtuali, recomandări de conținut, aplicații medicale, bănci, asigurări și platforme sociale. În acest context, interesul pentru agenti de inteligenta artificiala a crescut rapid, mai ales pe măsură ce tot mai mulți oameni vor să înțeleagă ce poate face această tehnologie și unde se află limitele ei. Articol bazat pe materialul atașat.

Pe scurt, inteligența artificială este capacitatea unui sistem informatic de a învăța din date, de a recunoaște tipare și de a lua decizii fără ca fiecare situație să fie programată manual. Spre deosebire de software-ul clasic, care urmează reguli fixe, sistemele AI își pot ajusta comportamentul pe baza exemplelor și a feedbackului primit. Exact aici începe logica din spatele unor agenti de inteligenta artificiala moderni: ei nu “gândesc” ca oamenii, dar pot analiza volume mari de informații și pot produce răspunsuri sau acțiuni utile într-un anumit context.

Un exemplu simplu este recunoașterea unei păsări într-o imagine. Dacă un sistem primește mii de exemple și este corectat atunci când greșește, el începe să învețe ce caracteristici sunt relevante. În mod similar, agenti de inteligenta artificiala pot fi antrenați să identifice texte, imagini, comenzi vocale sau comportamente ale utilizatorilor. Important de înțeles este că acești agenți nu au conștiință și nu “înțeleg” lumea ca un om. Ei lucrează pe baza probabilităților, a parametrilor interni și a modelelor învățate din date.

Evoluția rapidă a AI a fost posibilă din două motive majore: puterea mult mai mare de procesare a computerelor și accesul la cantități uriașe de date. Rețelele sociale, imaginile încărcate online, textele publice și interacțiunile digitale au oferit materialul necesar pentru antrenarea sistemelor moderne. De aceea, agenti de inteligenta artificiala au devenit tot mai performanți în procesarea limbajului natural, generarea de text, recunoașterea imaginilor și automatizarea deciziilor.

Totuși, această tehnologie vine și cu riscuri. Una dintre cele mai mari probleme este așa-numita „cutie neagră”: uneori, nici dezvoltatorii nu pot explica exact de ce modelul a ajuns la o anumită concluzie. În plus, dacă datele de antrenare conțin erori sau prejudecăți, și rezultatele vor reflecta aceleași probleme. Asta înseamnă că agenti de inteligenta artificiala trebuie monitorizați atent, mai ales în domenii sensibile precum recrutarea, creditele bancare sau diagnosticul medical.

Un alt aspect important este că majoritatea sistemelor actuale sunt forme de „AI îngustă”, adică sunt construite pentru sarcini precise. Deși par impresionante, ele nu reprezintă încă o inteligență generală capabilă să înțeleagă și să acționeze universal precum omul. Din acest motiv, teama că AI va deveni automat un „dușman al umanității” este, cel puțin în prezent, exagerată. Pericolul real nu este tehnologia în sine, ci modul în care oamenii aleg să o folosească.

În concluzie, agenti de inteligenta artificiala sunt instrumente puternice, capabile să transforme munca, comunicarea și deciziile din multe domenii. Cheia nu este să ne temem de ei, ci să îi înțelegem, să îi folosim responsabil și să păstrăm controlul uman asupra modului în care sunt aplicați.

Categorii
Inteligenta artificiala

Diferenta intre AI, Machine Learning si Deep Learning

Care este diferenta intre AI, Machine learning si Deep learning ?

Inteligența artificială (AI), învățarea automată (ML – Machine learning) și învățarea profundă (DL – Deep learning) sunt trei cuvinte la modă foarte folosite în acest moment și par adesea să fie folosite interschimbabil.

Nu sunt chiar același lucru, dar percepția că sunt poate duce uneori la o oarecare confuzie. Așa că acest articol are rolul de a explica diferența.

Ambii termeni apar foarte frecvent atunci când subiectul este Big Data, analiză și valurile mai largi de schimbări tehnologice care mătură lumea noastră.

Pe scurt, potrivit lui Bernard Marr (Forbes), cel mai bun răspuns este că:

Inteligența artificială este conceptul mai larg al mașinilor care pot îndeplini sarcini într-un mod pe care l-am considera „inteligent”.

Machine Learning este o aplicație actuală a AI bazată pe ideea că ar trebui să putem oferi mașinilor acces la date și să le lăsăm să învețe singure.

Deep Learning este un subset al învățării automate(ML) în inteligența artificială (AI) care are rețele capabile să învețe nesupravegheate din date nestructurate sau neetichetate. Cunoscut și sub numele de Deep Neural Learning sau Deep Neural Network.

Mai multe diferențe între inteligența artificială(AI), învățarea automată(ML) și învățarea profundă(DL)

Inteligență artificială (AI):

  • AI înseamnă inteligență artificială, unde inteligența este definită ca fiind dobândirea cunoștințelor, inteligența este definită ca o capacitate de a dobândi și aplica cunoștințe.
    • Scopul este de a crește șansele de succes și nu acuratețea.
    • Funcționează ca un program de calculator care face o muncă inteligentă.
    • Scopul este de a simula inteligența naturală pentru a rezolva probleme complexe.
    • AI este luarea deciziilor.
    • Duce la dezvoltarea unui sistem care să imite omul pentru a răspunde să se comporte într-o circumstanță.
    • AI va căuta găsirea soluției optime.
    • AI duce la inteligență sau înțelepciune.

Învățare automată (ML):

  • ML înseamnă Machine Learning, care este definit ca dobândirea de cunoștințe sau abilități.
    • Scopul este de a crește acuratețea, dar nu-i pasă de succes.
    • Este un concept simplu: mașina ia date și învață din date.
    • Scopul este de a învăța din datele despre o anumită sarcină pentru a maximiza performanța mașinii în această sarcină.
    • ML permite sistemului să învețe lucruri noi din date.
    • Implică crearea de algoritmi de auto-învățare.
    • ML va alege o singura soluție pentru asta, indiferent dacă este optimă sau nu.
    • ML duce la cunoaștere.

Învățare profundă (DL):

  • DL necesită o mulțime de date de antrenament neetichetate pentru a trage concluzii concise, în timp ce ML poate folosi cantități mici de date furnizate de utilizatori.
    • Spre deosebire de ML, DL are nevoie de hardware de înaltă performanță.
    • ML necesită ca caracteristicile să fie identificate cu precizie de către utilizatori, în timp ce DL creează noi caracteristici de la sine.
    • ML împarte sarcinile în bucăți mici și apoi combină rezultatele primite într-o singură concluzie, în timp ce DL rezolvă problema de la un capăt la altul.
    • În comparație cu ML, DL are nevoie de mult mai mult timp pentru a se antrena.
    • Spre deosebire de DL, ML poate oferi suficientă transparență pentru deciziile sale.

sursa: Merci AI agent AI, agent inteligenta artificiala

Categorii
whistleblowing

Directiva Whistleblowing si procesarea datelor personale conform GDPR

implementare canal whistleblowing

Identificarea datelor personale colectate intr-o sesizare de integritate (Whistleblowing)

 

Datele personale sunt definite ca orice informație care se referă la o persoană identificată sau persoana fizica identificabila. Datele personale nu includ doar informații despre viața privată și viața de familie a individului, dar și informații referitoare la activități, cum ar fi relațiile sale de muncă și comportamentul economic sau social. Aceste aspecte trebuie luate în considerare, de exemplu, atunci când se determină sfera de aplicare a datelor personale ale subiectului si dreptul de acces/rectificare la aceste date personale. În cele mai multe cazuri, in cazul unei sesizari de integritate, datele personale colectate includ date de identificare (de exemplu, detalii de contact), dar și informații care se referă la comportamentul unui individ.

Spre exemplu, sesizarea unui avertizor de integritate include informații care îl identifică pe presupusul acuzat in sezizare și martori. Sesizarea în sine cuprinde de asemenea, informații personale ale avertizorului deoarece se referă la comportamentul său (ca avertizor).

Pe de altă parte, simplul fapt că un nume este menționat într-un document nu face obligatoriu ca toate informațiile conținute în acel document sa fie „date personale referitoare la acea persoană”. În multe situații, informațiile pot fi considerate ca se referă la un individ, doar când este vorba despre acel individ in sesizare (ca martor sau acuzat).

Dreptul la informare al subiectilor unei sesizari de integritate

 

Informațiile privind procedurile de avertizare ar trebui furnizate persoanelor intr-un mod foarte clar, care va implica o procedură în două etape. SE consideră informarea printr-o nota de confidentialitate plasata pe un site web, nu este suficienta, deoarece informațiile ar putea fi trecute cu vederea.

Toate persoanele afectate direct sau indirect de o sesizare de avertizare, ar trebui să fie informate direct, cat mai repede posibil, spre exemplu prin email, printr-o notificare specifica privind protectia datelor personale. Persoanele afectate sunt de obicei avertizori, martori, terți (membri ai personalului organizatiei sau alții care sunt doar citați). și persoana (persoanele) împotriva căruia i s-au făcut acuzaţiile.

Informarea avertizorului de integritate I (cf. art 16)

 

În acest context, este important să fie informati toți cei implicați în avertizare (avertizorii), ca informațiile lor personale vor fi partajate cu potențiali destinatari sau categorii de destinatari. În plus, notificarea privind protecția datelor ar trebui să îi informeze și despre consecințele abuzului procedurii de avertizare (dacă denuntatorul face cu rea vointa o declarație falsă, de exemplu), cum ar fi măsuri disciplinare, amenzi prevazute de lege, sau alte consecinte.

Informarea celui acuzat intr-o sesizare de avertizare Whistleblowing

 

În anumite cazuri, informarea persoanei împotriva căreia s-a făcut o acuzație, intr-un stadiu incipient, poate fi dăunător cazului. În aceste cazuri, informațiile ar putea fi restricționate. Amânarea informarii celui acuzat intr-o procedura Whistleblowing ar trebui să fie hotărâta de la caz la caz. Motivele oricăror restricții asupra dreptului la informare ar trebui să fie documentate. Aceste motive ar trebui să demonstreze, de exemplu, că există un risc mare ca oferirea dreptului de acces ar împiedica procedura de ancheta sau ar submina drepturile și libertatea altora. Motivele ar trebui documentate înainte de decizia de a aplica orice restricție sau amânare a dreptului de acces si informare.

Informarea martorilor intr-o sesizare de avertizare Whistleblowing

Informații specifice despre avertizare ar trebui furnizate cât mai curând posibil practic martorilor, spre exemplu înainte de a fi intervievați de către organizatie.

Informarea tertilor implicati intr-o procedura de avertizare de integritate

 

În funcție de caz, informarea tuturor terților menționați într-o avertizare de integritate, ar putea implica un efort disproporționat. Evaluarea dacă este un effort disproporționat, sau neinformarea terților trebuie efectuată de la caz la caz. Mai mult, în anumite cazuri, informarea persoanelor ar fi in plus, o operație de procesare care ar putea fi mai intruzivă decât cea originală.

Exemplu: Un avertizor atașează raportului de avertizare o listă cu clienții (200 de persoane) ai unui hotel pentru a dovedi că presupusul acuzat se afla în hotel la o anumită dată. Ceilalți 199 de clienți nu au nici o legătura cu cazul, și informațiile acestora nu sunt prelucrate în continuare de către instituție. Ei nu trebuie informati.

sursa: whistleblow.ro