pl:start

Różnice

Różnice między wybraną wersją a wersją aktualną.

Odnośnik do tego porównania

Poprzednia rewizja po obu stronach Poprzednia wersja
Nowa wersja		 Poprzednia wersja
pl:start [2025/06/18 12:23] – [Maj] agata.kozina_ue.wroc.plpl:start [2025/07/10 20:34] (aktualna) – k.kaczmarek_ibspan.waw.pl
Linia 2: Linia 2:
  
 ===== 2025 ===== ===== 2025 =====
 +
 +==== Lipiec ====
 +
 +=== Opinia na temat na temat „Polityki rozwoju sztucznej inteligencji w Polsce do 2030 roku” ===
 +
 +Polskie Stowarzyszenie Sztucznej Inteligencji przekazało do Minsterstwa Cyfryzacji szczegółową opinię i rekomendacje na temat „Polityki rozwoju sztucznej inteligencji w Polsce do 2030 roku” (https://www.gov.pl/web/cyfryzacja/nowa-polityka-ai---dolacz-do-konsultacji-i-pomoz-wspoltworzyc-przyszlosc-cyfrowej-polski).
 +
 +Zwracamy uwagę na następujące kluczowe aspekty, które powinny być rozwinięte i doprecyzowane w programie rozwoju, w tym :
 +
 +1. **Kadra i rozwój kompetencji**
 +Potrzebne są konkretne programy rozwoju kadry akademickiej w Polsce poparte mierzalnymi celami, harmonogramami i wskaźnikami, wzorem dokumentów takich jak np. UK AI Opportunities Action Plan. 
 +
 +2. **Badania naukowe oraz szersze uwzględnienie społeczności badawczej w planowanym ekosystemie** 
 +W opiniowanym dokumencie w niewielkim stopniu uwzględnione jest prowadzenie badań naukowych z zakresu sztucznej inteligencji. W sposób szczególny w polityce rozwoju AI powinny być wskazane cele i środki angażujące młodych badaczy w projekty realizowane na uczelniach, w instytutach i w konsorcjach publiczno-prywatnych.
 +Ponadto, zauważamy że w opisywanym ekosystemie AI nie uwzględniono stowarzyszeń zajmujących się problematyką AI, takich jak np. PSSI, PTSN oraz polskie oddziały stowarzyszeń międzynarodowych jak IEEE i Komitetu Informatyki PAN (w ramach którego działa Sekcja SI).
 +
 +3. **Infrastruktura i dane**
 +Infrastruktura to między innymi serwery z GPU, komputery kwantowe, systemy pamięci oraz systemy bezpiecznego i „zielonego” zasilania. Warto rozszerzyć politykę rozwoju o aspekt zasilania AI w Polsce: zapotrzebowanie na energię w tym zakresie, źródła energii, planowana dynamika wykorzystania źródeł energii oraz rozproszenie
 +(bezpieczeństwa) źródeł. Ponadto konieczne jest wspieranie większego dostępu środowiska naukowego do nowo rozwijanej infrastruktury, w szczególności tworzonych fabryk AI.
 +
 +4. **Strategiczne obszary - Medycyna**
 +Kluczowe jest wskazanie w polityce rozwoju konkretnych działań w zakresie zastosowań AI w medycynie dotyczących zasad wykorzystania narzędzi AI w medycynie w Polsce, programów finansowania dostępu do narzędzi AI (w szczególności narzędzi w
 +chmurach), systemu monitoringu AI w medycynie w połączeniu z działaniami prawnymi w zakresie AI wysokiego ryzyka (zgodnie z wypracowywanymi aktualnie zasadami przez UE – do 18 lipca – „Commission launches public consultation on high-risk AI systems”).
 +Ponadto, konieczne jest zaplanowanie konkretnych działań mających na celu budowanie krajowego repozytorium danych obrazowych.
 +
 +5. **Wiarygodność - aspekty etyczne i prawne**
 +Opis godnej zaufania AI powinien być również doprecyzowany w kontekście aspektów etycznych, wyjaśnialnej AI, kodeksów branżowych, wymagań krajowych, AI Act, certyfikacji i dobrych praktyk w odniesieniu do określonych obszarów zastosowań AI. Warto również rozbudować zagadnienia dotyczące zwalczania zagrożeń i przestępstw z wykorzystaniem AI.
 +
 +Z pełną treścią opinii można zapoznać się pod linkiem: {{ dokumenty:stanowiskopssi.pdf }}.
 +
 +**Apelujemy o większe zaangażowanie polskich uczelni, instytutów oraz stowarzyszeń w kształtowanie tej polityki oraz włączenie przedstawicieli do planowanych form monitorowania realizacji omawianej polityki.** 
  
 ==== Czerwiec ==== ==== Czerwiec ====
Linia 17: Linia 48:
 Pan dr inż. Piotr Bielak, za pracę „Methods for selected problems in unsupervised graph representation learning”, Promotor: dr hab. inż. Tomasz Kajdanowicz, prof. uczelni (Politechnika Wrocławska). Pan dr inż. Piotr Bielak, za pracę „Methods for selected problems in unsupervised graph representation learning”, Promotor: dr hab. inż. Tomasz Kajdanowicz, prof. uczelni (Politechnika Wrocławska).
  
-=== Ponadto finalistami konkursu zostali panowie doktorzy: ===+=== Ponadto finalistami konkursu zostali Panowie doktorzy: ===
 Dawid Rymarczyk, praca doktorska „ Interpretable Deep Learning with Prototypical Parts for Supervised and Weakly-Supervised Learning”, promotorzy: prof. dr hab. Jacek Tabor i dr hab. Bartosz Zieliński, prof. uczelni (Uniwersytet Jagielloński). Dawid Rymarczyk, praca doktorska „ Interpretable Deep Learning with Prototypical Parts for Supervised and Weakly-Supervised Learning”, promotorzy: prof. dr hab. Jacek Tabor i dr hab. Bartosz Zieliński, prof. uczelni (Uniwersytet Jagielloński).
  
Linia 33: Linia 64:
  
 Tomasz Tarasiewicz, praca doktorska „ Multi-image super-resolution reconstruction using deep graph neural networks”, Prof. dr hab. inż. Michał Kawulok (Politechnika Śląska). Tomasz Tarasiewicz, praca doktorska „ Multi-image super-resolution reconstruction using deep graph neural networks”, Prof. dr hab. inż. Michał Kawulok (Politechnika Śląska).
 +
 +Skład Jury:
 +
 +  - Jan Bazan – członek Jury
 +  - Urszula Boryczka – członkini Jury
 +  - Tadeusz Burczyński – członek Jury
 +  - Michał Choraś – członek Jury
 +  - Grzegorz Dudek – członek Jury
 +  - Mariusz Flasiński – członek Jury
 +  - Piotr Jędrzejowicz – członek Jury
 +  - Krzysztof Krawiec – członek Jury
 +  - Halina Kwaśnicka – przewodnicząca Jury, prowadziła proces oceny, nie głosowała
 +  - Jacek Mańdziuk – członek Jury – wstrzymał się od końcowego głosowania
 +  - Danuta Rutkowska – członkini Jury
 +  - Marek Sikora – członek Jury
 +  - Andrzej Skowron – członek Jury – wstrzymał się od końcowego głosowania
 +  - Andrzej Śluzek – członek Jury
 +  - Jarosław Wąs – członek Jury
 +  - Adam Wojciechowski – członek Jury
 +
  
  
  • pl/start.1750242231.txt.gz
  • ostatnio zmienione: 4 tygodni temu
  • przez agata.kozina_ue.wroc.pl