Witamy wszystkich, którzy dołączyli do nas na tej wstępnej rozgrzewce przed główną częścią rozmowy. Wiemy, że w dzisiejszych czasach łączność bywa trudna, ale nie przez siły wrogie, jak się często myśli. Specjaliści z operatorów telefonii komórkowej potwierdzają, że problemy z połączeniami są techniczne, a nie magiczne.
O czym rozmawiamy w dzisiejszym odcinku?
Moim imieniem jest Piotr Stanisławski, współtwórca popularnonaukowego bloga Crazy Nauka. Mam przyjemność gościć dzisiaj Michała Cholewę, który jest autorem serii Algorytm Wojny. Ta seria właśnie się kończy, a jej najnowszy tom o Mistrzach Dyskrecji właśnie miał premierę.
Profesjonalne podejście do sztucznej inteligencji
Michał pracuje zawodowo w Instytucie Stosowanej Matematyki Komputerowej Polskiej Akademii Nauk. Jest członkiem zespołu uczenia maszynowego, co oznacza, że nie tworzy Skynet, choć pewnie by tak powiedział, gdyby miał taką możliwość. Jego praca łączy czystą matematykę z praktycznymi zastosowaniami informatyki.
Jak działają funkcje sferyczne frontalne?
Pytamy o podstawy przybliżania sygnałów. Sygnały o ograniczonej pasmie tworzą przestrzeń nieskończenie wymiarową, co sprawia, że trudno je zapisać na komputerze. Kluczem jest stworzenie dobrej bazy, która koncentruje najważniejsze informacje w pierwszych skończonych wektorach.
Wektory i ich znaczenie w matematyce
W przestrzeni trójwymiarowej używamy trzech wektorów jednostkowych do rozpięcia całej przestrzeni. W przypadku sygnałów sytuacja jest bardziej skomplikowana, ponieważ baza musi być nieskończona. Funkcje sferyczne frontalne stanowią rozsądną bazę, która zawiera funkcje o wysokiej energii.
Od matematyka do informatyka
Gdy Michał zaczął pisać doktorat, myślał, że będzie stał twardo na ziemi matematyki i patrzył z góry na informatyków. Teraz jednak jest apostatą, który rozumie, że czysta idea matematyki musi iść w parze z praktyką informatyczną. To nie jest konflikt, ale naturalny rozwój wiedzy.
Uczenie maszynowe w praktyce
Praca w zespole uczenia maszynowego wymaga zrozumienia, jak algorytmy uczą się z danych. To nie jest tylko teoria, ale codzienne zadania, które wpływają na rozwój technologii. Nasze narzędzia stają się coraz bardziej zaawansowane dzięki takim badaniom.
Podsumowanie rozmowy
Na koniec podkreślamy, że rozmowa dotyczyła zarówno matematyki, jak i sztucznej inteligencji. Mamy nadzieję, że nasze wyjaśnienia były zrozumiałe dla wszystkich nas. Dziękujemy Michałowi za poświęcony czas i za udostępnienie nam tych ciekawych informacji.