Poniższe notatki powstały na podstawie transkryptów z serii „Mr. Maeda’s Cozy AI Kitchen”, gdzie eksperci z różnych dziedzin dzielili się praktycznymi spostrzeżeniami o wykorzystaniu sztucznej inteligencji. Wszystkie przemyślenia, obserwacje i wnioski pochodzą od uczestników rozmów.

TL;DR

Odpowiedzialna sztuczna inteligencja staje się globalnym wymogiem – od EU AI Act po przepisy w Brazylii, każdy developer będzie musiał myśleć o bezpieczeństwie AI
Composite AI łączy różne modele – Fujitsu pokazuje jak połączyć GPT, AutoML i tradycyjne algorytmy w jednym systemie bez programowania
AI demokratyzuje edukację – dostęp do najlepszych nauczycieli w historii, którzy nigdy się nie znudzą pytaniami
Codzienne AI już tu jest – od autokorekty po podsumowywanie e-maili, używamy AI częściej niż myślimy
Modele osadzania rewolucjonizują mentoring – możliwość tworzenia spersonalizowanych asystentów na bazie wiedzy ekspertów
Oczekiwania muszą być realistyczne – AI to narzędzie, które trzeba dobrze zrozumieć
Kreatywność + AI = przyszłość – połączenie ludzkiej intuicji z mocą obliczeniową AI otwiera nowe możliwości

Odpowiedzialna sztuczna inteligencja już nie jest opcjonalne

William Bartholomew przeszedł fascynującą ewolucję zawodową – z cybersecurity do odpowiedzialnej sztucznej inteligencji w Microsofcie. Tłumaczy swoją drogę następująco: „Pomagałem zespołom AI i cybersecurity zrozumieć koncepcje technologiczne, co jest możliwe, a co nie”.

Kiedy Bartholomew mówi o odpowiedzialnej sztucznej inteligencji, brzmi to jak realna konieczność. Nie jak daleka wizja przyszłości. Wyjaśnia to prostą analogią: „Podobnie jak chcemy, żeby toster był bezpieczny, chcemy też, żeby nasze oprogramowanie było bezpieczne”.

Regulacje AI pojawiają się na całym świecie. EU AI Act to dopiero początek. Bartholomew podróżuje między innymi do Brazylii, ponieważ tam również pracują nad przepisami dotyczącymi AI. Każdy developer w każdym kraju będzie musiał myśleć o odpowiedzialnej sztucznej inteligencji w jakiejś formie.

AI nie jest nowe – używamy go w aparatach telefonów do balansowania kolorów i kadrowania twarzy. Jednak jak podkreśla Bartholomew: „Wchodzimy w nową erę generative AI i agentic AI”. Dlatego sposób aplikowania reliability i safety ewoluuje.

Microsoft udostępnia praktyczne narzędzia: standardy odpowiedzialnej sztucznej inteligencji jako template dla innych firm oraz funkcje oceny bezpieczeństwa w Azure AI Studio. To nie są teoretyczne rozważania – to narzędzia dostępne już dziś.

Composite AI – architektura która łączy wszystko

Hiromichi Kobashi z Fujitsu prezentuje rozwiązanie, które może zmienić sposób myślenia o systemach AI. Composite AI to sposób na połączenie różnych modeli AI, AutoML i tradycyjnych algorytmów w jednym systemie. Użytkownik rozmawia z systemem przez chat, jednak nie musi programować.

Jak tłumaczy Kobashi: „Semantic kernel jest rdzeniem Composite AI”. System automatycznie wybiera odpowiednie narzędzia AI:

AutoML – do tworzenia modeli uczenia maszynowego
Algorytmy optymalizacyjne – do planowania i przydziału zasobów
Wywoływanie funkcji przez agenty – do zarządzania zadaniami
Integracje z systemami – ServiceNow, SAP i inne źródła danych

Praktyczny przykład pokazuje system zarządzania service desk. Masz pięciu pracowników, 20 zgłoszeń i ograniczenia typu przerwa na lunch. W rezultacie Composite AI analizuje dane z ServiceNow, przewiduje obciążenie i optymalizuje przydziały zadań. Wszystko odbywa się przez prostą rozmowę w chacie.

Kluczowy insight Kobashi brzmi: „Ten dwu-etapowy proces (przewidywanie + optymalizacja) był wcześniej tylko dla ekspertów. Teraz GenAI pomoże Ci być ekspertem, nawet jeśli nim nie jesteś”.

Jego rada dla developerów jest jednoznaczna: „Wywoływanie funkcji i agent usage to następny etap. Tłumaczenie i podsumowywanie to tylko mały aspekt GenAI.”

AI jako najlepszy nauczyciel w historii

Rozmowy o AI w edukacji przynoszą zaskakujące wnioski. Jeden z uczestników opisuje naukę rachunku różniczkowego z ChatGPT: „Możesz zadawać najgłupsze pytania. Jeśli nie rozumiesz wyjaśnienia, możesz poprosić o wyjaśnienie wyjaśnienia. Możesz iść tak głęboko jak chcesz, w fundamenty matematyki.”

AI nigdy się nie znudzi ani nie zirytuje pytaniami. Co ważniejsze – można pytać bez zawstydzenia. To dostęp do najlepszych nauczycieli w historii ludzkości, dostępnych 24/7.

Paralela z kalkulatorami okazuje się trafna. Gdy pojawiły się kalkulatory, inżynierowie przestali tracić czas na podstawowe obliczenia. Skupili się natomiast na problemach wyższego rzędu. AI może zrobić podobnie z pisownią, podstawowymi umiejętnościami czy wyszukiwaniem informacji.

Jak mówi jeden z software engineerów: „Większość mojej pracy to szukanie informacji jak robić swoją pracę”. AI sprawia, że elementy składowe stają się bardziej dostępne. Ludzie jednak nadal muszą składać te elementy w całość.

Historia o kierowcy Ubera, który chce zostać inżynierem lotnictwa, pokazuje potencjał demokratyzacji. Może uczyć się podczas jazdy, rozmawiając z ChatGPT. AI demokratyzuje dostęp do edukacji.

Codzienne AI – od autokorekty do produktywności

Większość ludzi używa AI częściej niż myśli:

Autokorekta w telefonie – kiedyś sprawdzała pisownię, teraz sugeruje zakończenia zdań
Podsumowywanie e-maili – Outlook oferuje funkcję „podsumuj ten e-mail” dla długich wątków
GitHub Copilot – dramatycznie zwiększa produktywność programistów
Aparaty w smartfonach – AI balansuje kolory i kadruje twarze

Jeden z uczestników przyznaje: „Stałem się gorszym w pisowni, bo nie muszę już tego umieć. Mogę wykorzystać mózg do ważniejszych rzeczy.”

Manager dzieli się swoim doświadczeniem: „Zamiast przedzierać się przez setki linijek e-maila, dostaję: 'Carl mówi, że to jest źle’. Oszczędza mi to mnóstwo czasu.”

Mimo to oczekiwania muszą być realistyczne. Jedna z najtrafilejszych analogii brzmi: „AI to jak gadający pies. Imponujące jest to, że gadał, nie to co mówił. Ale będzie coraz mądrzejszy”.

Modele osadzania jako przełom w mentoringu

Kevin Bethune, autor książki „Reimagining Design” (MIT Press, 2022), to polymath z unikalnym backgroundem. Doradca na poziomie VP w BCG, który przeszedł multidisciplinary journey przez engineering, business i design. Nawet debugował kod Johna Maedy w jego książce.

Bethune demonstruje fascynującą technologię. Modele osadzania przekształcają tekst w długie wektory liczb. Te wektory można następnie przeszukiwać semantycznie.

Przykład z cytatami Bethune’a pokazuje działanie w praktyce. Gdy szukasz „facing hard realities”, system znajduje: „Wierzę, że ważne jest bycie bardziej szczerym w sprawie trudnych realiów.” Jednak gdy szukasz „how to make a pizza”, system dziwnie łączy to z: „Zespół musi nauczyć się współpracować.”

Jak tłumaczy Bethune: „To sposób na kreatywne łączenie dwóch i dwóch”. AI może znaleźć nieoczekiwane powiązania, które intrygują do eksploracji nowych ścieżek myślowych.

Praktyczne zastosowanie polega na tworzeniu spersonalizowanych mentorów AI. Zamiast generycznego „responds as a mentor in design”, można stworzyć asystenta opartego na konkretnych przekonaniach i cytatach eksperta.

Bethune już planuje wykorzystanie tego w przyszłych projektach – tworzenie wirtualnych asystentów do współpracy przy kolejnej książce i projektach designerskich.

Kreatywność kontra niepewność

Bethune podkreśla kluczową rzecz: „Powinniśmy wykorzystywać niepewność jako potężną zmienną wywołującą kreatywność.” AI jest z definicji nieprzewidywalne. To może być jego siła.

Obserwuje również: „Świat biznesu ma tendencję do pozbawiania procesu kreatywnego ryzyka. Wybijają wszelkie ryzyko i niepewność”. AI może jednak pomóc w eksploracji różnych wektorów myślowych przez non-linearity i nuance.

Kluczowe jest utrzymanie ludzkiego aspektu. AI powinno wspierać ludzkie doświadczenie, a nie je zastępować. Designers i creatives mają możliwość pokierowania modelami językowymi i wyeliminowania biasów.

Bethune widzi w AI „tremendous democratization of putting the power in good people’s hands”. Chodzi o rozwiązywanie systemowych problemów – poprawę ludzkiego doświadczenia, ochronę planety, wszystkie systemowe wyzwania, które chcemy rozwikłać.

Praktyczne wnioski dla profesjonalistów

Wnioski z serii „Cozy AI Kitchen” przekładają się na konkretne działania, które wynikają bezpośrednio z doświadczeń ekspertów:

Zacznij od podstaw:

Naucz się czym są zasady odpowiedzialnej sztucznej inteligencji (Bartholomew: „pierwszy krok to zrozumienie principów”)
Sprawdź Azure AI Studio lub podobne narzędzia do oceny bezpieczeństwa AI
Śledź regulacje AI w swoim kraju/regionie

Eksperymentuj z narzędziami:

Przetestuj wywoływanie funkcji zamiast tylko tłumaczeń i podsumowań (rada Kobashi)
Spróbuj GitHub Copilot lub podobnych asystentów programistycznych
Wykorzystaj AI do podsumowywania długich e-maili i dokumentów

Podnoś kwalifikacje:

Używaj ChatGPT jako cierpliwego nauczyciela – zadawaj „najgłupsze pytania”
Eksperymentuj z modelami osadzania do tworzenia spersonalizowanych asystentów
Skup się na wyższym poziomie myślenia, delegując podstawowe zadania AI

Utrzymuj balans:

Ustaw realistyczne oczekiwania (pamiętaj o „gadającym psie”)
Zachowaj ludzki aspekt w procesach kreatywnych (wskazówka Bethune’a)
Używaj AI jako narzędzia wspomagającego, nie jako zastępstwa dla ludzkiej intuicji

Bethune kończy trafną uwagą: „Nie powinniśmy się bać tego, co AI wnosi do stołu. To technologia, którą możemy wykorzystać jako pomocne narzędzie wspomagające.”

Kluczowy insight

Ekspertów można omijać

Standardowo myślimy: Musisz najpierw zostać ekspertem w uczeniu maszynowym, analizie danych i optymalizacji, żeby tworzyć zaawansowane systemy AI.

W praktyce okazuje się, że: Composite AI sprawia, że możesz od razu używać eksperckiego podejścia dwu-etapowego (predict + optimize) bez lat nauki podstaw. GenAI pomaga być ekspertem, nawet jeśli nim nie jesteś.

Dlaczego to jest istotne: To odwraca całą logikę rozwoju kariery w tech. Zamiast spędzać lata na opanowywaniu fundamentów, możesz skupić się na rozwiązywaniu realnych problemów biznesowych od pierwszego dnia.

Test na jutro: Następnym razem gdy napotkasz złożony problem wymagający analizy danych, zamiast zapisywać się na kurs uczenia maszynowego, spróbuj opisać problem w ChatGPT lub podobnym narzędziu i sprawdź, czy otrzymasz ekspercki plan działania w ciągu minut.

AI to narzędzie. Jak każde narzędzie, wszystko zależy od tego, kto je używa i jak.

Ten wpis jest częścią kolekcji notatek z ciekawych podcastów, webinarów i innych treści wartościowych do ponownego przeglądania. Materiał bazuje na transkryptach z serii „Mr. Maeda’s Cozy AI Kitchen” z udziałem William Bartholomew, Hiromichi Kobashi, Kevin Bethune i innych ekspertów.

Wykorzystane epizody z serii „Mr. Maeda’s Cozy AI Kitchen”:

Mr. Maeda’s Cozy AI Kitchen – Responsible AI, with William Bartholomew
Mr. Maeda’s Cozy AI Kitchen – Composite AI, with Hiromichi Kobashi
Mr. Maeda’s Cozy AI Kitchen Desserts Corner – AI in Education
Mr. Maeda’s Cozy AI Kitchen Desserts Corner – AI in your daily life
Mr. Maeda’s Cozy AI Kitchen: AI-copiloted Career Advising with guest Kevin Bethune

Cała seria dostępna jest tutaj: Mr. Maeda’s Cozy AI Kitchen

Tag: Fujitsu

AI w życiu codziennym – praktyczne wnioski z serii Mr. Maeda’s Cozy AI Kitchen #EN191