Uniwersytet Warszawski, Wydział Chemii - Centralny System Uwierzytelniania
Strona główna

Co sztuczna inteligencja może za nas zrobić?

Informacje ogólne

Kod przedmiotu: 3700-AL-CSI-OG
Kod Erasmus / ISCED: 14.0 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0310) Nauki społeczne i psychologiczne Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Co sztuczna inteligencja może za nas zrobić?
Jednostka: Wydział "Artes Liberales"
Grupy: Przedmioty oferowane przez Kolegium Artes Liberales
Przedmioty ogólnouniwersyteckie humanistyczne
Przedmioty ogólnouniwersyteckie na Uniwersytecie Warszawskim
Przedmioty ogólnouniwersyteckie Wydziału "Artes Liberales"
Przedmioty ogólnouniwersyteckie wystawiane przez Kolegium Artes Liberales
Punkty ECTS i inne: 3.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Rodzaj przedmiotu:

ogólnouniwersyteckie

Założenia (opisowo):

Studenci przynoszą na zajęcia własne laptopy lub tablety.

Skrócony opis:

Dostępność i rosnąca popularność narzędzi do zautomatyzowanego generowania tekstów i obrazów z wykorzystaniem narzędzi opartych na generatywnej sztucznej inteligencji (AI), przede wszystkim LLM takich jak np. ChatGPT, może prowadzić do nieuczciwych praktyk, zwłaszcza prezentowania tekstów wygenerowanych automatycznie jako prac własnego autorstwa.

Zajęcia mają na celu praktyczne przygotowanie do wykorzystania dostępnych narzędzi generatywnych w sposób zgodny z dobrymi praktykami akademickimi i prawami autorskimi.

Pełny opis:

Dostępność i rosnąca popularność narzędzi do zautomatyzowanego generowania tekstów z wykorzystaniem narzędzi opartych na sztucznej inteligencji (AI), przede wszystkim ChatGPT, może prowadzić do nieuczciwych praktyk, zwłaszcza prezentowania tekstów wygenerowanych automatycznie jak prac własnego autorstwa.

Zajęcia mają na celu praktyczne przygotowanie do wykorzystania dostępnych narzędzi generatywnych w sposób zgodny z dobrymi praktykami akademickimi. Wspomniane narzędzia można z powodzeniem wykorzystać do zautomatyzowania niektórych działań związanych z przygotowywaniem i pisaniem prac akademickich bez uciekania się do praktyk wątpliwych z punktu widzenia etyki i praw autorskich.

Program zajęć:

1. Prezentacja wybranych najpopularniejszych narzędzi: ChatGPT, Chatsonic, Bloom, Jasper, YouChat, Chinchilla (pol. Szynszyla), Texta.AI, Character.AI, Rytr, PepperType, Perplexity.

2. Omówienie ogólnych zasad działania i ograniczeń LLM (large language models) wykorzystywanych w tych narzędziach.

3. Porównanie efektów działania narzędzi w zależności od języka (zakres i charakter korpusów językowych wykorzystywanych w uczeniu – „duże” korpusy, np. angielski, vs. „małe” korpusy, np. polski).

4. Praktyczna nauka pisania promtów (zapytań).

5. Analiza uzyskanych odpowiedzi – główne problemy: schematyczność, personalizacja odpowiedzi w oparciu o wcześniejsze interakcje z użytkownikiem, „halucynacje” (algorytmy sztucznej inteligencji i sieci neuronowe głębokiego uczenia generują wyniki, które nie są rzeczywiste, nie pasują do żadnych danych, na których algorytm był trenowany, ani do innego możliwego do zidentyfikowania wzorca).

6. Do czego warto wykorzystywać AI?

a. automatyzacja niektórych zadań badawczych: przeszukiwanie baz tekstowych – prezentacja dostępnych narzędzi: ReadCube Papers AI, Scopus AI;

b. wyszukiwanie i korygowanie błędów formalnych w aparacie naukowym (bibliografia, przypisy);

7. Do czego nie warto wykorzystywać AI? – twórcze elementy przygotowania tekstów.

8. Prezentacja i praktyczne wykorzystanie narzędzi do wykrywania tekstów generowanych automatycznie: OpenAI Classifier.

Literatura:

Mark Riedl, A Very Gentle Introduction to Large Language Models without the Hype, Medium, https://mark-riedl.medium.com/a-very-gentle-introduction-to-large-language-models-without-the-hype-5f67941fa59e

Jay Alammar, How GPT3 Works – Easily Explained with Animations, https://www.youtube.com/watch?v=MQnJZuBGmSQ

Ted Chiang, ChatGPT Is a Blurry JPEG of the Web, https://www.newyorker.com/tech/annals-of-technology/chatgpt-is-a-blurry-jpeg-of-the-web

C. Thi Nguyen, Who Trains the Machine Artist?, https://dailynous.com/2020/07/30/philosophers-gpt-3/#nguyen

Henry Shevlin, A Digital Remix of Humanity, https://dailynous.com/2020/07/30/philosophers-gpt-3/#shevlin

Shannon Vallor, GPT-3 and the Missing Labor of Understanding, https://dailynous.com/2020/07/30/philosophers-gpt-3/#vallor

Efekty uczenia się:

Po ukończeniu zajęć, Student/ka zna i rozumie (K_W08, K_W09):

- podstawowe zasady komunikacji naukowej w zakresie nauk humanistycznych, społecznych, przyrodniczych.

- podstawowe zasady z zakresu prawa autorskiego.

Student/ka potrafi (K_U01, K_U14):

- selekcjonować oraz dokonać krytycznej oceny informacji pochodzących z różnych źródeł naukowych, popularnonaukowych, publicystycznych i innych

- wykorzystywać narzędzia cyfrowe w pracy akademickiej

Student/ka jest gotów/gotowa do (K_K03, K_K10, K_K11):

- poznawania nowych metod badawczych.

- szanuje etyczny wymiar badań naukowych.

- respektuje prawa własności intelektualnej.

Metody i kryteria oceniania:

Podstawą zaliczenia będzie przygotowanie samodzielnych prac z wykorzystaniem AI w oparciu o praktyczne umiejętności przekazane podczas zajęć.

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres: 2024-02-19 - 2024-06-16
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 30 godzin więcej informacji
Koordynatorzy: Sebastian Szymański
Prowadzący grup: Sebastian Szymański
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Chemii.
ul. Pasteura 1, 02-093 tel: +48 22 55 26 230 http://www.chem.uw.edu.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.0.0-7 (2024-10-21)