{"id":6789,"date":"2024-12-17T18:30:00","date_gmt":"2024-12-17T17:30:00","guid":{"rendered":"https:\/\/haimagazine.com\/?p=6789"},"modified":"2025-06-26T10:19:30","modified_gmt":"2025-06-26T08:19:30","slug":"wspolczynniki-to-potegi-klucz-czyli-czym-jest-wiedza-algorytmow-ai","status":"publish","type":"post","link":"https:\/\/haimagazine.com\/pl\/hai-magazine\/wspolczynniki-to-potegi-klucz-czyli-czym-jest-wiedza-algorytmow-ai\/","title":{"rendered":"\ud83d\udd12 Wsp\u00f3\u0142czynniki to pot\u0119gi klucz, czyli czym jest wiedza algorytm\u00f3w AI"},"content":{"rendered":"

A teraz wyobra\u017amy sobie, \u017ce rzeczoznawc\u0119 wyceniaj\u0105cego mieszkania w pewnym mie\u015bcie chcieliby\u015bmy zast\u0105pi\u0107 algorytmem sztucznej inteligencji. Dla uproszczenia za\u0142\u00f3\u017cmy, \u017ce wyceniamy mieszkanie tylko na podstawie metra\u017cu, odleg\u0142o\u015bci od centrum miasta (reprezentowanego przez jaki\u015b konkretny punkt, np. rynek czy dworzec) i tego, czy do mieszkania przynale\u017cy gara\u017c. Na czym b\u0119dzie polega\u0142o okre\u015blenie warto\u015bci mieszkania przez algorytm? W przypadku najbardziej typowych algorytm\u00f3w by\u0142oby to wyliczenie szukanej warto\u015bci wed\u0142ug jakiego\u015b wzoru. Przyk\u0142adowo, dzia\u0142anie tego algorytmu mo\u017ce sprowadza\u0107 si\u0119 do wyliczenia warto\u015bci ze wzoru:<\/p>

\"\"<\/p>

gdzie w<\/strong> \u2013 warto\u015b\u0107 mieszkania, m<\/strong> \u2013 metra\u017c mieszkania, c<\/strong> \u2013 odleg\u0142o\u015b\u0107 od centrum, g<\/strong> \u2013 zmienna, kt\u00f3ra przyjmuje warto\u015b\u0107 1, je\u015bli mieszkanie ma gara\u017c, i 0, je\u015bli gara\u017cu nie ma. To tylko jeden z wielu przyk\u0142ad\u00f3w \u2013 inny algorytm realizuj\u0105cy to samo zadanie m\u00f3g\u0142by u\u017cywa\u0107 np. takiego wzoru:<\/p>

\"\"<\/p>

Zauwa\u017cmy, \u017ce w obu przypadkach wzory te pasuj\u0105 do og\u00f3lnego schematu, kt\u00f3ry mo\u017cna opisa\u0107 jako:<\/p>

\"\"<\/p>

gdzie x1<\/sub>, x2<\/sub>, x3<\/sub><\/strong> to nasze zmienne (ang. features) \u2013 kolejne informacje o konkretnym mieszkaniu reprezentowane liczbami, a \u03b21<\/sub>, \u03b22<\/sub>, \u03b23<\/sub><\/strong> to wsp\u00f3\u0142czynniki r\u00f3wnania (kt\u00f3re mog\u0105 przyjmowa\u0107 r\u00f3wnie\u017c warto\u015bci
ujemne).<\/p>

By\u0107 mo\u017ce my\u015blisz teraz: ale przecie\u017c to s\u0105 proste wzory, gdzie tu jakakolwiek AI? Co wi\u0119cej, przecie\u017c sami rzeczoznawcy z tego typu wzor\u00f3w korzystaj\u0105 i nikt nie m\u00f3wi, \u017ce wykorzystuj\u0105 sztuczn\u0105 inteligencj\u0119. Rzeczywi\u015bcie, w\u0142a\u015bciwsze by\u0142oby nazwanie tych prostych wzor\u00f3w modelami statystycznymi. W dodatku takimi, kt\u00f3re w oparciu o dane z rynku s\u0105 formu\u0142owane przez cz\u0142owieka. Ale te\u017c tego typu wzory s\u0105 fundamentem najpowszechniejszych algorytm\u00f3w uczenia maszynowego. Nie istnieje precyzyjne rozr\u00f3\u017cnienie mi\u0119dzy modelami statystycznymi i sztuczn\u0105 inteligencj\u0105, ale gdyby ten wz\u00f3r by\u0142 cho\u0107by odrobin\u0119 bardziej skomplikowany, a wsp\u00f3\u0142czynniki obliczane w oparciu o bardziej z\u0142o\u017con\u0105 procedur\u0119, to wtedy bez w\u0105tpliwo\u015bci mogliby\u015bmy m\u00f3wi\u0107 o algorytmie AI. Przyk\u0142adowo, wz\u00f3r do opisania rozwa\u017canej zale\u017cno\u015bci m\u00f3g\u0142by mie\u0107 posta\u0107:<\/p>

\"\"<\/p>

gdzie log<\/strong> to logarytm o podstawie 2 (niekt\u00f3re zmienne wyst\u0119puj\u0105 wi\u0119cej ni\u017c raz \u2013 to nie pomy\u0142ka). Wsp\u00f3\u0142czynniki mog\u0142yby by\u0107 wyliczane na podstawie prawdziwych danych transakcyjnych w oparciu o minimalizacj\u0119 pewnej funkcji straty (zob. artyku\u0142 Funkcja straty w nr. 1 \u201ehAI Magazine”) przy u\u017cyciu metody spadku gradientu (zob. artyku\u0142 Metoda spadku gradientu w nr. 2 \u201ehAI Magazine”). Mo\u017cna by\u0142oby p\u00f3j\u015b\u0107 dalej i zaproponowa\u0107 jeszcze bardziej skomplikowane wzory, ale wr\u00f3\u0107my do sedna sprawy: \u00f3w wz\u00f3r (a w bardziej z\u0142o\u017conych algorytmach \u2013 zestaw wzor\u00f3w) jest de facto definicj\u0105 konkretnego modelu sztucznej inteligencji. Takiego, w kt\u00f3rym \u201euczenie si\u0119” to proces szukania takich warto\u015bci wsp\u00f3\u0142czynnik\u00f3w (na podstawie dostarczonych danych), dla kt\u00f3rych algorytm b\u0119dzie dzia\u0142a\u0142 mo\u017cliwie najlepiej.<\/p>

Innymi s\u0142owy, je\u015bli s\u0142yszymy, \u017ce kto\u015b \u201estworzy\u0142” lub \u201eopracowa\u0142” model AI, to przede wszystkim oznacza to, \u017ce zaproponowa\u0142 pewien zestaw wzor\u00f3w, zazwyczaj w parze z jak\u0105\u015b procedur\u0105 uczenia\u2026<\/p>

Spr\u00f3bujmy zatem odpowiedzie\u0107 na pytanie: czym jest \u201ewiedza” algorytmu? Zaznaczmy na wst\u0119pie, \u017ce poj\u0119cie \u201ewiedzy” w kontek\u015bcie ludzkim, mimo \u017ce ka\u017cdy z nas operuje nim swobodnie, nie jest wcale \u0142atwe do sprecyzowania \u2013 opr\u00f3cz teorii informacji istniej\u0105 dyskursy mi\u0119dzy innymi filozoficzne, kognitywne, psychologiczne, kt\u00f3re bior\u0105 za cel pr\u00f3b\u0119 zdefiniowania wiedzy.<\/p>

Dla uproszczenia przyjmijmy, \u017ce algorytmy uczenia maszynowego s\u0142u\u017c\u0105 do opisywania zale\u017cno\u015bci w naszym \u015bwiecie (mi\u0119dzy warto\u015bci\u0105 mieszkania a jego cechami, mi\u0119dzy wska\u017anikami ekonomicznymi a liczb\u0105 sprzedawanych przez nas produkt\u00f3w czy mi\u0119dzy s\u0142owami wyst\u0119puj\u0105cymi w tekstach). Konkretny model (czyli wz\u00f3r lub wzory) jest og\u00f3lnym opisem przer\u00f3\u017cnych zale\u017cno\u015bci mi\u0119dzy konkretnymi obiektami. Uczenie tego algorytmu, kt\u00f3re prowadzi do wybrania konkretnych warto\u015bci wsp\u00f3\u0142czynnik\u00f3w, to \u015bcis\u0142e okre\u015blenie tego wzoru. Okre\u015blenie, kt\u00f3re sprawia, \u017ce algorytm w konkretny spos\u00f3b opisuje \u015bwiat (pewien jego wycinek), czyli niejako \u201eco\u015b wie” o \u015bwiecie. <\/p>

Na podstawie danych wej\u015bciowych potrafi co\u015b przewidzie\u0107 czy oszacowa\u0107. Dzia\u0142anie tego algorytmu jest podyktowane warto\u015bciami przypisanymi wsp\u00f3\u0142czynnikom \u2013 ucz\u0105c ten sam algorytm inaczej, mogliby\u015bmy otrzyma\u0107 inne warto\u015bci wsp\u00f3\u0142czynnik\u00f3w, a wtedy dostarcza\u0142by on innych rezultat\u00f3w. W efekcie ten sam model uczony w jednym w wariancie by\u0142by lepszy od uczonego w innym, ale tylko w wykonywaniu konkretnego zadania \u2013 tego, do kt\u00f3rego dobrane zosta\u0142y w procesie uczenia jego wsp\u00f3\u0142czynniki. Uzasadnione wydaje si\u0119 wi\u0119c stwierdzenie, \u017ce skuteczniejszy z nich ma \u201ewi\u0119ksz\u0105 wiedz\u0119”, bo trafniej opisuje realne prawid\u0142owo\u015bci. Zatem struktura (\u201eszkielet”, posta\u0107 wzor\u00f3w) algorytmu, kt\u00f3ra cz\u0119sto jest uniwersalna \u2013 diabe\u0142 tkwi w szczeg\u00f3\u0142ach \u2013 czyli w doborze konkretnych warto\u015bci podstawianych do tych wzor\u00f3w, bo to one ostatecznie determinuj\u0105 efekty dzia\u0142ania algorytmu. Innymi s\u0142owy, przy za\u0142o\u017ceniu og\u00f3lnego matematycznego opisu zale\u017cno\u015bci to one koduj\u0105 fakty. <\/p>

S\u0105 zatem pewn\u0105 reprezentacj\u0105 wiedzy algorytmu, ale czy same w sobie \u201es\u0105 wiedz\u0105”? To mo\u017ce jednak pozostawmy do swojej w\u0142asnej subiektywnej oceny.<\/p>

<\/p>","protected":false},"excerpt":{"rendered":"

Wzory matematyczne wykorzystuje si\u0119 do opisywania \u015bwiata w r\u00f3\u017cnych jego kontekstach. Mog\u0105 one opisywa\u0107 prawa fizyczne, kt\u00f3re rz\u0105dz\u0105 nasz\u0105 przestrzeni\u0105, mechanizmy ekonomiczne, a w pewnych
\naspektach nawet stan zdrowia (np. wz\u00f3r na BMI). W oparciu o wzory dzia\u0142aj\u0105 te\u017c algorytmy sztucznej inteligencji.<\/p>\n","protected":false},"author":30,"featured_media":7079,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"rank_math_lock_modified_date":false,"footnotes":""},"categories":[402,763,754,405],"tags":[484,485],"popular":[],"difficulty-level":[38],"ppma_author":[374],"class_list":["post-6789","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-hai-magazine","category-ai_praktyka","category-hai_premium","category-hai-magazine-3","tag-algorytmy-ai","tag-wspolczynniki","difficulty-level-medium"],"acf":[],"authors":[{"term_id":374,"user_id":30,"is_guest":0,"slug":"norbert-ryciak","display_name":"Norbert Ryciak","avatar_url":{"url":"https:\/\/haimagazine.com\/wp-content\/uploads\/2024\/08\/Norbert-Ryciak.jpeg","url2x":"https:\/\/haimagazine.com\/wp-content\/uploads\/2024\/08\/Norbert-Ryciak.jpeg"},"first_name":"Norbert","last_name":"Ryciak","user_url":"","job_title":"","description":"Data scientist z zawodu, pasji i wykszta\u0142cenia. Lubi dzieli\u0107 si\u0119 wiedz\u0105 i anga\u017cuje si\u0119 w r\u00f3\u017cnorodne formy nauczania"}],"_links":{"self":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/6789","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/users\/30"}],"replies":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/comments?post=6789"}],"version-history":[{"count":4,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/6789\/revisions"}],"predecessor-version":[{"id":6807,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/6789\/revisions\/6807"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/media\/7079"}],"wp:attachment":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/media?parent=6789"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/categories?post=6789"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/tags?post=6789"},{"taxonomy":"popular","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/popular?post=6789"},{"taxonomy":"difficulty-level","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/difficulty-level?post=6789"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/ppma_author?post=6789"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}