Zdecydowaliśmy o uruchomieniu konta na Patronite. Dzięki Waszym subskrypcjom będziemy mogli organizować comiesięczne webinaria, dyskutować wspólnie na Discordzie, a przede wszystkim publikować częściej.
Systemy wyszukiwania AI - ChatGPT, Copilot, Gemini, Perplexity - traktują treści syntetyczne jako wiarygodne, korzystają z wąskiej grupy uznanych domen oraz szerokiego zbioru mało znanych witryn niskiej jakości. Treści z tych witryn bywają maszynowo generowane i dostosowywane są do dynamiki wyszukiwania, preferującej jasne, konkretne odpowiedzi, pozbawione szerszego kontekstu i niuansów. Czytaj dalej
W publicznej dyskusji o AI wyróżnić można silną i słabą narrację. Ta pierwsza zwraca uwagę mediów i pozwala pozycjonować się jako wizjoner lub mistyk, ale też ułatwia rozmywanie odpowiedzialności za działanie systemów sztucznej inteligencji i powiela marketing wydawców wielkich modeli. To opowieść o przełomach, nowych bytach i cywilizacyjnej przyszłości. Ta druga to domena akademików i nudziarzy z niszowych mediów, to pytania o dane, koszty, błędy, ograniczenia i stronniczość pozornie autonomicznych systemów. Czytaj dalej
Po raz kolejny okazuje się, że duże modele językowe, odpowiednio dostrojone, mogą z powodzeniem imitować styl literacki uznanych autorów i autorek. Skuteczna ekstrakcja stylu i jego powielanie w generatywnych wytworach jest faktem. Czy próbą racjonalizowania rosnących możliwości LLM-ów będzie szukanie wartości literatury nie w gotowym tekście, ale procesie twórczym i osobistej perspektywie pisarza i pisarki? Czytaj dalej
Uznani twórcy sztuki nowych mediów, Holly Herndon i Mat Dryhurst, przekonują, że sztuczna inteligencja może stać się narzędziem artystycznego odrodzenia, a artyści mogą współkształtować jej miejsce w społeczeństwie, także przez dialog z wydawcami wielkich modeli. Zwykli twórcy widzą sprawę inaczej: AI to fundamentalne zagrożenie dla rynku pracy kreatywnej, a nawet źródło kryzysów egzystencjalnych. Czytaj dalej
Wiarygodne symulowanie tekstów z epoki udaje się w pełni dopiero przy zastosowaniu modelu trenowanego od podstaw wyłącznie na danych historycznych (takiego jak GPT-1914). Rozwiązania oparte na promptowaniu kontekstowym współczesnych modeli albo ich dostrajaniu (fine-tuning) okazują się nieefektywne, ponieważ nieuchronnie przemycają w tekście współczesną wiedzę, normy i style języka. Mimo to nawet osoby z wykształceniem kierunkowym mają problem z poprawnym zidentyfikowaniem symulacji tekstów historycznych, wytworzonych w prosty i tani sposób za pomocą współczesnych lub tylko dostrojonych historycznie modeli. Prace nad rozwojem modeli historycznych mają otwierać nowe perspektywy dla badań społecznych, ale jednocześnie pokazują, jak łatwo dziś manipulować treściami historycznymi. Czytaj dalej