Sztuczna inteligencja w badaniu wybranych aspektów kultury
Abstrakt
Sztuczna inteligencja jest jednym z najważniejszych elementów współczesnego świata. Funkcjonuje już ona w podstawowych dziedzinach życia. Jest także wykorzystywana w różnych dyscyplinach naukowych. Od pewnego czasu zaczyna się również stosować algorytmy sztucznej inteligencji do badania świata kultury. W artykule zostały ukazane najważniejsze metody i narzędzia sztucznej inteligencji stosowane w badaniach różnych zjawisk kultury, a także przykłady takich badań. Badacze kultury wykorzystują sztuczną inteligencję w dwóch obszarach. Pierwszym jest przetwarzanie języka naturalnego, drugim komputerowe badanie obrazów (filmów, zdjęć, grafiki itp.). Sztuczna inteligencja jest częścią uczenia maszynowego. Wykorzystuje ono konwolucyjne sieci neuronowe, duże ilości danych (big data) i superkomputery do analizy i wizualizacji cyfrowych wytworów. Badania kultury za pomocą sztucznej inteligencji są zaliczane do nowego paradygmatu zwanego humanistyką cyfrową.
Bibliografia
Bod, R. (2013). Historia humanistyki. Warszawa: wyd. Aletheia.
Boschetti, A., Massaron, L (2016). Python. Podstawy nauki o danych. Gliwice: wyd. Helion.
Chollet, F. (2018). Deep Learening. Gliwice: wyd. Helion.
Deitel, P., Deitel, H. (2020). Python dla programistów. Gliwice: wyd. Helion.
Drucker, J. (2021). The Digital Humanities. London and New York: Routledge.
Flasiński, M. (2018). Wstęp do sztucznej inteligencji. Warszawa: PWN.
Kowal, A. SI zajmie się jedną z najstarszych zagadek z dziedziny językoznawstwa, Pozyskano z: https://whatnext.pl/si-jedna-z-najstarszych-zagadek-z-dziedziny-jezykoznawstwa/ (dostęp: 28.02.2022).
https://en.wikipedia.org/wiki/Computer_vision [Dostęp: 2022 02 -12].
Krohn, J. (2022). Uczenie głębokie i sztuczna inteligencja. Gliwice: Helion.
Manovich, L. (2020). Cultural Analitics. Cambridge. Massachusetts: The MIT Press.
Mayer_Schonberger, V., Cuckier, K. (2014). Big Data. Warszawa: wyd. MT.
Pabiasz, S, Wykrywanie obiektów za pomocą OpenCV, Pozyskano z: https://osworld.pl/wykrywanie-obiektow-za-pomoca-opencv/ (dostęp: 28.02.2022).
Paranyuszkin, D, InfraNodus: Generating Insight Using Text Network Analysis, Pozyskano z: https://dl.acm.org/doi/10.1145/3308558.3314123 (dostęp: 28.02.2022).
Patterson, J., Gibson, A. (2028). Deep Learning. Praktyczne wprowadzenie. Helion: wyd.
Helion.
Szpunar. M. (2016). Kultura cyfrowego narcyzmu. Kraków: wyd. AGH.
Vaughan, L. (2022). Python z życia wzięty. Rozwiązywanie problemów za pomocą kilku linii kodu. Gliwice: wyd. Helion.
Copyright (c) 2022 Perspektywy Kultury
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Bez utworów zależnych 4.0 Międzynarodowe.
Autor, zgłaszając swój artykuł, wyraża zgodę na korzystanie przez Wydawnictwo Uniwersystet Ignatianum z utworu na następujących polach eksploatacji:
- utrwalania utworu w formie papierowej, a także na nośniku cyfrowym lub magnetycznym;
- zwielokrotnienia utworu dowolną techniką, bez ograniczenia ilości wydań i liczby egzemplarzy;
- rozpowszechniania utworu i jego zwielokrotnionych egzemplarzy na jakimkolwiek nośniku, w tym wprowadzenia do obrotu, sprzedaży, użyczenia, najmu;
- wprowadzenia utworu do pamięci komputera;
- rozpowszechniania utworu w sieciach informatycznych, w tym w sieci Internet;
- publicznego wykonania, wystawienia, wyświetlenia, odtworzenia oraz nadawania i reemitowania, a także publicznego udostępniania utworu w taki sposób, aby każdy mógł mieć do niego dostęp w miejscu i czasie przez siebie wybranym.
Wydawca zobowiązuje się szanować osobiste prawa autorskie do utworu.