1 rok temu
W nawiązaniu do mojego postu sprzed miesiąca, warto przypomnieć, iż SI, w tym uczenie maszynowe, coraz żwawiej przedostają się do systemu usług finansowych, umożliwiając zautomatyzowanie wiele procesów (odczłowieczając je), w szczególności
– oceny zdolności kredytowej (dopuszczalne m. in. na podstawie art. 105a ustawy
z dnia 29 sierpnia 1997 r. prawo bankowe „Przetwarzanie informacji stanowiących tajemnicę bankową”,
– zaawansowana analityka, w tym profilowanie,
– robo-doradztwo,
– handel algorytmiczny,
– chat-boty,
– RegTech (sposób na obniżenie gwałtownie rosnących kosztów po stronie instytucji finansowych związanych z postkryzysowym zjawiskiem tzw. tsunami regulacyjnym),
– automatyzacja procesu tworzenia i zawierania umów;
– oraz monitorowanie transakcji płatniczych.
Termin „sztuczna inteligencja” utworzył John McCarthy w 1956 na konferencji
w Dartmouth. Andreas Kaplan i Michael Haenlein definiują sztuczną inteligencję jako „zdolność systemu do prawidłowego interpretowania danych pochodzących
z zewnętrznych źródeł, nauki na ich podstawie oraz wykorzystywania tej wiedzy, aby wykonywać określone zadania i osiągać cele poprzez elastyczne dostosowanie”.
Definicji SI nie należy szukać ani w prawie krajowym, ani Europejskim (UE), czy w Konwencjach Międzynarodowych. Pomimo prób jej stworzenia jest to utrudnione brakiem satysfakcjonującego rozwiązania, które nie będzie stanowić hamowania rozwoju technologii. SI (ang. Artificial Intelligence, AI) może być definiowane, jako dziedzina wiedzy obejmującą, w szczególności sieci neuronowe, robotykę i tworzenie modeli zachowań inteligentnych oraz programów komputerowych symulujących te zachowania, włączając w to również uczenie maszynowe (ang. machine learning), głębokie uczenie (ang. deep learning) oraz uczenie wzmocnione (ang. reinforcement learning).
Komisja Europejska (UE, KE) skłania się do twierdzenia, iż SI to zaprojektowane przez ludzi systemy systemu (ew. również sprzętu), które, biorąc pod uwagę złożony cel, działają w wymiarze fizycznym lub cyfrowym, postrzegając swoje środowisko, poprzez pozyskiwanie danych, interpretując zebrane ustrukturyzowane lub nieustrukturyzowane dane, rozumując na podstawie wiedzy lub przetwarzając informacje, uzyskane z tych danych i decydując o najlepszym działaniu (działaniach), jakie należy podjąć, aby osiągnąć dany cel. Systemy SI mogą wykorzystywać reguły symboliczne lub uczyć się modelu numerycznego, a także dostosowywać swoje zachowanie poprzez analizę wpływu poprzednich działań na środowisko.
Określając zwięźle powyżej jak w Polsce i na świecie definiuje się SI, już w następnym poście przedstawię co, jako dyscyplina naukowa SI obejmuje, w szczególności uczenie maszynowe, rozumowanie maszynowe (które obejmuje planowanie, harmonogramowanie, reprezentację wiedzy i rozumowanie, wyszukiwanie i optymalizację) oraz robotykę (która obejmuje sterowanie, percepcję, czujniki i siłowniki, a także integrację wszystkich innych technik w tzw. systemy cyberfizyczne).
Jednocześnie odpowiem na pytanie czy uczenie maszynowe również (definicyjnie) zaliczać się do sztucznej inteligencji i dla czego to pozostaje niejasne.
SI umożliwia maszynom uczenie się na podstawie doświadczeń, dostosowywanie się do nowych informacji i wykonywanie zadań podobnych do ludzkich. Przy wykorzystaniu tych technologii komputery mogą być szkolone, by wykonywać konkretne zadania poprzez przetwarzanie dużych ilości danych i rozpoznawanie wzorców w danych.
r.pr. dr Wiktor Czeszejko-Sochacki, LL.M.
Twórca bloga Lexalert.pl
Kancelaria Adwokacka adw. Krzysztof Czeszejko-Sochacki
Dodatkowo zachęcam Wszystkich do przeczytania najnowszego wywiadu ze mną na prawo.pl – Już niedługo duże zmiany prawne w crowdfundingu
