Powrót

Stanisław Matwin jest Profesorem Emeritus Dalhousie University, Distinguished Professor Uniwersytetu Ottawskiego oraz profesorem zwyczajnym w Instytucie Podstaw Informatyki PAN. Absolwent XIV Liceum Ogólnokształcącego w Warszawie, dr nauk matematycznych UW. Wieloletni profesor informatyki w uniwersytetach kanadyjskich, były Prezes Kanadyjskiego Towarzystwa Sztuczne Inteligencji CAIAC, założyciel i dyrektor Institute for Big Data Analytics w Dalhousie University. Laureat nagrody CAIAC Lifetime Achievement Award. Pomysłodawca i wieloletni koordynator konkursu PSSI i na najlepszą polską dysertację doktorską w dziedzinie sztucznej inteligencji.

Temat prezentacji: Sztuczna inteligencja 2026 to kreatywna  destrukcja – dokąd zmierzamy? 
Punktem wyjścia prezentacji jest świeżo ukończony ósmy UNESCO Science Report opracowanie  analizujące  aktualne zmiany w nauce, technologii i innowacji na całym świecie. Wskazuje ono kluczowe trendy w ich  kontekście społeczno-gospodarczym oraz politycznym.  Jako  jeden ze współautorów, odpowiedzialny za część poświęconą sztucznej inteligencji, przyjąłem perspektywę Twórczej Destrukcji (Schumpeter 1942). Stawia ona pytanie jakie są w wypadku Sztucznej Inteligencji konsekwencje modelu Aghiona-Howitta (Nobel 2025)? 
W drugiej części  prezentacji, przyjmując koncept strategicznego zarządzania  („governance ”) AI, omówimy na wybranych przykładach (Francja, India, Izrael, Kanada, Nigeria, Polska) strategię tzw.  suwerennej sztucznej inteligencji. 
W końcowej części wrócimy do  perspektywy AI jako Twórczej Destrukcji,  szczególnie jej prawdopodobnego wpływu na rynek pracy.

Emily Black is an Assistant Professor of Computer Science and Data Science at New York University, where she leads the IDEA (Impact-Driven Evaluation for AI) Lab. Her research focuses on developing methods to measure, understand, and mitigate harms in AI systems across three interconnected streams: developing technical tools to evaluate and mitigate bias, instability, and other failure modes in AI decision-making systems, studying how AI systems are used in practice and can lead to harm in high-stakes contexts such as hiring and credit decisions, and interdisciplinary work on AI policy and law that seeks to operationalize civil rights and other legal protections for AI systems. She received her PhD in Computer Science from Carnegie Mellon University and completed a postdoctoral fellowship at Stanford Law School.

Temat prezentacji: Challenges and Opportunities for Effective AI Anti-Discrimination Regulation.
In this talk, we discuss ongoing challenges for designing and enforcing regulation to prevent AI discrimination in practice. Examples include prohibitions around access to demographic data, broader tensions between privacy and fairness, and tensions between the rigidity of legal frameworks and flexibility of generative AI output. We then turn to discussing opportunities to strengthen anti-discrimination regulation in AI moving forward, such as considering often-forgotten enforcement regimes and leveraging traditional consumer protection frameworks. We discuss both challenges and opportunities in the US and EU context, noting points of similarity and difference, and how this may impact solutions.