|
|
Etika a umělá inteligence
Švarcová, Kateřina ; Sousedík, Prokop (vedoucí práce) ; Šolcová, Kateřina (oponent)
Diplomová práce se zabývá problematikou etiky umělé inteligence (dále také "UI"). Práce je rozdělena do tří základních částí. V první části jsou popsány základní pojmy. Zejména jsou zde vysvětleny základní principy algoritmů a fungování UI po technické stránce. V další části se práce pomocí textů J.R. Searleho a J. Peregrina zabývá srovnáním UI a lidského myšlení z filozofického pohledu. Z této části je vyvozen závěr, že UI je stroj a jako takový nemá morální zodpovědnost. Morální zodpovědnost při práci s UI mají lidé, a to vývojáři UI a její uživatelé. Tímto se práce zabývá ve třetí části, která představuje různé aktuální morální problémy a na základě utilitaristického a deontologického směru stanovuje základní etické principy pro práci a vývoj UI.
|
|
|
Obstacle Avoidance in UAVs: Using a Bug-Inspired Algorithm and Neural Network-Based RGB Camera Collision Prediction
Raichl, Petr ; Marcoň, Petr ; Janoušek, Jiří
Unmanned Aerial Vehicles (UAVs) are increasingly deployed in complex environments for various applications, necessitating advanced obstacle avoidance capabilities to ensure safety and mission success. Inspired by the simplicity and effectiveness of biological navigation strategies, this study introduces a novel approach to UAV obstacle avoidance, leveraging the principles of the bug algorithm combined with the predictive power of neural networks. We propose a hybrid model that integrates a lightweight neural network to predict potential collisions in real-time. Our methodology employs a two-stage process: first, the neural network assesses the immediate risk of collision; second, the bug algorithm-inspired decision-making process determines the UAV’s maneuvering actions to navigate without crashing to obstacles. The approach was tested both in simulation and real outdoor experiments.
|
|
|
Percepce generativní umělé inteligence ve vybraných redakcích tuzemských zpravodajských médií, včetně proměny novinářské etiky
Vaněček, Lukáš ; Moravec, Václav (vedoucí práce) ; Klimeš, David (oponent)
Bakalářská práce se věnuje tématu umělé inteligence a současně jejímu užívání v tuzemských redakcích a novým etickým výzvám, jež se s těmito technologiemi pojí. V teoretické části kromě představení samotné generativní umělé inteligence a platforem jako ChatGPT nebo Midjourney fungujících na této bázi popisuje oblasti etiky, v nichž mohou zmíněné nástroje vyvolat změny. Součástí práce je kvalitativní výzkum založený na dvanácti hloubkových polostrukturovaných rozhovorech s respondenty z veřejnoprávních i soukromých redakcí, kteří s generativní umělou inteligencí pracují. Klíčová slova Umělá inteligence, AI, ChatGPT, Midjourney, etika, proměna, strojové učení, automatizovaná žurnalistika, média
|
|
|
Vliv používání umělé inteligence na vnímanou hodnotu práce
Nguyen, Nhu Anh ; Vranka, Marek (vedoucí práce) ; Houdek, Petr (oponent)
Tato práce zkoumá, jak lidé vnímají díla vytvořená s pomocí umělé inteligence v souvislosti s její rostoucí důležitostí a adaptací. Pomocí shrnutí existujících studií v teoretické části zkoumá rozdílné postoje k umělé inteligenci napříč demografickými skupinami a profesemi. Studie pomocí experimentu odhaluje, jak označení umělé inteligence ovlivňuje vnímání hodnoty, líbivosti, originality nebo odhadu času na tvorbu děl a porovnává výsledky výzkumu s existujícími studiemi. Práce je zakončena doporučeními pro tvůrce ohledně označení umělé inteligence.
|
|
|
Etika obrazové generativní umělé inteligence v žurnalistice
Janota, Filip ; Moravec, Václav (vedoucí práce) ; Géla, František (oponent)
Etika obrazové generativní umělé inteligence v žurnalistice je téma, které doposud nebylo akademiky zevrubně probádáno. Tato práce se snaží o nový přínos v této oblasti a o položení základů pro další výzkum. V teoretické části shrnuje dosavadní poznatky o generativní umělé inteligenci, kontextualizuje ji v rámci celkového vývoje umělé inteligence a popisuje její pronikání do komunikace a žurnalistiky. Reflektuje doposud publikovanou literaturu a cituje ze studií, které se tohoto tématu týkají. Věnuje se také fenoménu manipulace obrazem a šíření dezinformací a v neposlední řadě pak i nakládání s umělou inteligencí v rámci žurnalistické samoregulace. V praktické části je poté předložen vlastní výzkum, který je proveden jakožto kvalitativní obsahová analýza tří případových studií zobrazujících rozšíření obrázků vytvořených umělou inteligencí. Jsou jimi zaprvé domnělé zatčení Donalda Trumpa, zadruhé uměle vytvořená fotografie papeže a zatřetí databáze fotografií. Výzkum byl zrealizován s cílem odhalit specifika hrozby šíření dezinformací založených na výstupech text-to-image modelů generativní umělé inteligence. Bylo zjištěno, že obrázky vytvořené umělou inteligencí mohou...
|
|
|
Impact of European Central Bank and Federal Reserve System statements on cryptocurrency markets via sentiment analysis
Krejcar, Vilém ; Krištoufek, Ladislav (vedoucí práce) ; Čech, František (oponent)
Tato studie zkoumá dopad ve ejn˝ch prohláöení hlavních centrálních bank, konkrétn FED a ECB, na volatilitu Bitcoinu v letech 2018 aû 2021. S vyuûitím vysokofrekven ních dat jsme vypo ítali volatilitu Bitcoinu a extrahovali senti- mentové skóre z ve ejn˝ch prohláöení centrálních bank pomocí dvou metod: jazykového modelu FinBERT a state-of-the-art modelu generativní um lé in- teligence GPT-4 s p izp soben˝mi prompty. Model GPT-4 se prokázal jako preferovaná varianta díky efektivn jöímu zachycení sentimentov˝ch nuancí. Naöe anal˝za zahrnovala porovnání r zn˝ch model pro finan ní data, p i emû HAR model vykazoval nejlepöí v˝sledky. Záv ry studie jsou následující: negativní sentiment ECB b hem pandemie byl spojen s okamûit˝m a v˝razn˝m nár stem volatility Bitcoinu, nazna ující reakci trhu v podob opatrnosti. Tato zjiöt ní poukazují na v˝znamn˝ vliv sentimentu centrálních bank na volatilitu Bitcoinu a potvrzují p vodní hypotézu tohoto v˝zkumu. V˝sledky navíc poskytují mo- tivaci k za len ní generativní um lé inteligence do akademického v˝zkumu jako nástroj pro zkoumání dosud neobjeven˝ch znalostí a vzorc . Klasifikace JEL C32, C55, C58, E58, G15 Klí ová slova centrální banky, sentimentová anal˝za, volatilita, Bitcoin, GenAI, HAR, FED, ECB Název práce Vliv prohláöení ECB a FED na trh kryp- toaktiv skrze...
|
|
|
Vliv nástrojů umělé inteligence na studenty českých vysokých škol
Lacina, Ondřej ; Soukup, Petr (vedoucí práce) ; Remr, Jiří (oponent)
V kontextu rychle se vyvíjejících technologií dochází v posledních několika letech i k rozsáhlému rozšiřování umělé inteligence. S nově vznikajícími nástroji fungujícími na bázi AI se proto setkáváme i my ve svých běžných životech. Diplomová práce s názvem Vliv nástrojů umělé inteligence na studenty českých vysokých škol se zaměřuje na způsoby, jakými studenti českých soukromých, veřejných a státních vysokých škol přistupují k těmto novým technologiím. Po přiblížení konceptu umělé inteligence je popsáno základní členění nástrojů. Představeny jsou i potenciální pozitivní a negativní stránky, které se s těmito novými nástroji pojí. Pro samotný výzkum je využito kombinovaného výzkumného designu, který dle postupů výkladového sekvenčního designu rozděluje analýzu do dvou etap. V první etapě proběhlo kvantitativní dotazníkové šetření, které proporčně dle kategorizace ISCED-F 2013 sdružilo respondenty do celkem 10 oborových kvót. V druhé etapě bylo dotazníkové šetření doplněno polostrukturovanými rozhovory. Výsledkem analýzy jsou stěžejní trendy v používání nástrojů umělé inteligence mezi studenty českých vysokých škol. Vysoký důraz je zde kladen na četnost využívání nástrojů, preferované nástroje, typické účely jejich použití v akademickém, soukromém i pracovním životě, důvěru ve vygenerované informace...
|
|
| |
|
|
Pohled studentů učitelství geografie na využití umělé inteligence ve vzdělávání
Balvín, Vojtěch ; Krajňáková, Lenka (vedoucí práce) ; Cimová, Tereza (oponent)
Bakalářská práce se zabývá pohledem studentů geografie na umělou inteligenci. Hlavním cílem práce je zjistit, jak studenti magisterského studia učitelství geografie vnímají umělou inteligenci a její využití při studiu a výuce. Pro dosažení vytyčeného cíle byla využita metoda polostrukturovaného interview, kterého se celkem zúčastnilo dvanáct studentů. Vyhodnocení výpovědí respondentů bylo dosaženo pomocí metody obsahové analýzy. Z výzkumných zjištění vyplývá, že většina respondentů má na umělou inteligenci pozitivní pohled a minimálně jednou ji každý tázaný student během studia použil. Během studia je jimi nejvíce využívána k psaní seminárních prací a vyhledávání informací. Při výuce na základních nebo středních školách je pak studenty umělá inteligence využívána hlavně k přípravě hodin a materiálů do hodin. Respondenti se sami snaží prohlubovat své znalosti a dovednosti ohledně umělé inteligence. Také by rádi navštívili kurzy, kde by jim byly předány základy správné práce s umělou inteligencí.
|
|
|
Personalizace léčby respiračních onemocnění pomocí umělé inteligence a interoperabilita s e-health systémy
Myška, Vojtěch ; Drotár,, Peter (oponent) ; Brezany, Peter (oponent) ; Burget, Radim (vedoucí práce)
Nasazení kortikosteroidů u post-covidových pacientů má za cíl zabránit transformaci aktivních pozánětlivých změn na nevratné fibrotické změny. Nicméně, tato léčba může mít v některých případech i závažné vedlejší účiny. Taktéž existuje velké množství pacientů, u kterých není jakákoliv léčba potřebná a k plné úpravě pozánětlivých změn dojde spontánně. Tato disertační práce se zaměřuje na personalizaci léčby post-covidových pacientů s využitím algoritmů umělé inteligence (AI) a zlepšení způsobu interoperability AI modelů s informačními systémy zdravotnických zařízení. První část disertační práce se zabývá položením základu stavu vědy a techniky v oblasti využití AI algoritmů pro doporučení nasazení kortikosteroidů u post-covidových pacientů, kteří jsou ohroženi nevratným poškozením plicní tkáně. Práce zkoumá vliv různých parametrů z různých vyšetření na výslednou přesnost natrénovaných modelů. Provedené experimenty ukazují, že nejúspěšnější model dosahuje 73,68% přesnosti, 73,52% vyvážené přesnosti a hodnotou AUC 0,7469. Dosažené výsledky naznačují jeho vhodnost jakožto podpůrného nástroje při rozhodování o následné léčbě post-covidových pacientů. Je zde dokázáno, že při vhodně vybraných parametrech lze s využitím AI identifikovat pacienty, kteří budou z nasazené léčby profitovat. Druhá část práce se zaměřuje na výzkum a vývoj univerzální architektury umožňující interoperabilitu AI modelů s informačními systémy zdravotnických zařízení. Součástí je představení specializované implementace pro včasný záchyt onemocnění COVID-19 s integrovanými DeepCovidXR modely. Během ověření výkonnosti dosahuje průměrná doba zpracování rentgenového snímku pomocí CPU 11,53 sekund a pomocí GPU 2,78 sekund. Obě hodnoty splňují maximální přípustnou dobu analýzy stanovenou na dvacet sekund. Výsledky prezentované v obou částech jsou nasazeny a využívány ve Fakultní nemocnici Olomouc.
|
host ::
RSS.