Sztuczna Inteligencja jako wyzwanie dla NoPiA 1600-SZD-SPEC-SI-PA
Zajęcia obejmują kompleksowe omówienie teoretycznych i praktycznych aspektów tworzenia promptów dla systemów sztucznej inteligencji. Główne treści obejmują podstawy inżynierii promptów (definicja promptów i ich kluczowe znaczenie w generowaniu treści przez modele AI, przegląd podstawowych technik i koncepcji tworzenia efektywnych promptów). Analiza generatorów treści AI (omówienie popularnych platform, takich jak ChatGPT, Gemini, Copilot, różnice między generatorami a promptami oraz ich wzajemne zależności). Tworzenie i optymalizacja promptów: (techniki personalizacji i dostosowania promptów do specyficznych potrzeb użytkownika, zarządzanie priorytetami i tematyką przy tworzeniu promptów, analiza przykładów promptów edukacyjnych, badawczych i kreatywnych, z naciskiem na ich praktyczne zastosowania). Wykorzystanie AI w różnych dziedzinach (tworzenie promptów dostosowanych do konkretnych zastosowań, takich jak edukacja, marketing, analiza danych czy kodowanie, omówienie zaawansowanych funkcji, takich jak rozumienie kontekstu i personalizacja wyników). Praktyczne ćwiczenia i burze mózgów (tworzenie własnych promptów w różnych kategoriach, takich jak treści edukacyjne, kreatywne, techniczne czy biznesowe, testowanie wygenerowanych odpowiedzi na różnych platformach AI oraz ich optymalizacja). Aspekty etyczne i techniczne (wskazówki dotyczące tworzenia odpowiedzialnych i etycznych promptów, praktyki zapewniające wysoką jakość i zgodność generowanych treści z oczekiwaniami). Celem zajęć jest wyposażenie uczestników w umiejętności tworzenia precyzyjnych i efektywnych promptów, które umożliwią pełne wykorzystanie możliwości modeli AI w ich pracy naukowej, edukacyjnej oraz praktyce zawodowej.
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza | Zna i rozumie:
WG_01 w stopniu umożliwiającym rewizję istniejących paradygmatów - światowy dorobek, obejmujący podstawy teoretyczne oraz zagadnienia ogólne i wybrane zagadnienia szczegółowe – właściwe dla danej dyscypliny w ramach nauk społecznych
WG_02 - główne tendencje rozwojowe dyscyplin w ramach nauk społecznych, w których odbywa się kształcenie
WG_03 - metodologię badań naukowych w obrębie dyscyplin naukowych z dziedziny nauk społecznych
WK_01 - fundamentalne dylematy współczesnej cywilizacji z perspektywy nauk społecznych
Umiejętności | Potrafi:
UK_05 - posługiwać się językiem obcym na poziomie B2 Europejskiego Systemu Opisu Kształcenia Językowego z wykorzystaniem fachowej terminologii właściwej danej dyscyplinie w ramach nauk społecznych w stopniu umożliwiającym uczestnictwo w międzynarodowym środowisku naukowym i zawodowym
Kompetencje społeczne | Jest gotów do:
KO_01 - wypełniania zobowiązań społecznych badaczy i twórców
KO_02 wypełniania zobowiązań społecznych i podejmowania działań na rzecz interesu publicznego, zwłaszcza w zakresie inicjowania działań na rzecz interesu publicznego
KO_03 - myślenia i działania w sposób przedsiębiorczy
Kryteria oceniania
1. Opis wymagań związanych z uczestnictwem w zajęciach, w tym dopuszczalnej liczby nieobecności podlegających usprawiedliwieniu: Wymagania wstępne: podstawowa znajomość zagadnień związanych z sztuczną inteligencją (AI) oraz ogólna orientacja w narzędziach cyfrowych i technologicznych; umiejętność obsługi komputera, w tym podstawowe doświadczenie z aplikacjami internetowymi oraz pracą w środowisku online. Obowiązki uczestnika: aktywny udział w zajęciach, w tym w warsztatach praktycznych i ćwiczeniach indywidualnych; systematyczne wykonywanie zadań, w tym zadań domowych związanych z tworzeniem i testowaniem promptów, zaangażowanie w dyskusje oraz prace zespołowe. Ocena i zaliczenie: zaliczenie zajęć wymaga aktywności na co najmniej 75% zajęć praktycznych, obowiązkowe jest wykonanie końcowego projektu w formie zestawu zaprojektowanych i przetestowanych promptów. Dopuszczalna liczba nieobecności: uczestnik ma prawo do maksymalnie 2 usprawiedliwionych nieobecności na zajęciach. nieobecności można usprawiedliwić wyłącznie poprzez przedstawienie zwolnienia lekarskiego lub innego formalnego dokumentu, w przypadku większej liczby nieobecności uczestnik jest zobowiązany do nadrobienia materiału w ustalonym terminie oraz wykonania dodatkowych zadań, aby wyrównać zaległości.
2) Zasady zaliczania zajęć i przedmiotu (w tym zaliczania poprawkowego): Podstawowe zasady zaliczania zajęć: aktywność na zajęciach (uczestnicy muszą brać aktywny udział w warsztatach i ćwiczeniach indywidualnych), wykonanie zadań bieżących (systematyczne i terminowe realizowanie zadań praktycznych oraz projektów przewidzianych w programie zajęć), obecność (co najmniej 75% zajęć jest wymagana do zaliczenia przedmiotu, w przypadku nieobecności konieczne jest nadrobienie materiału oraz dostarczenie odpowiednich usprawiedliwień. Projekt końcowy: warunkiem zaliczenia jest opracowanie i zaprezentowanie końcowego projektu, projekt powinien obejmować zestaw zaprojektowanych i przetestowanych promptów dla wybranych zastosowań AI (np. edukacja, marketing, kodowanie), oceniana jest jakość, innowacyjność i skuteczność zaprojektowanych promptów.
3) Metody weryfikacji efektów uczenia się: Warsztaty praktyczne: oceniana jest aktywność i jakość prac podczas warsztatów. Uczestnicy wykonują zadania polegające na tworzeniu promptów do różnych zastosowań (edukacyjnych, kreatywnych, biznesowych) oraz ich testowaniu w środowiskach takich jak OpenAI Playground czy ChatBot. Projekt końcowy: każdy uczestnik przygotowuje zestaw promptów dla wybranego zastosowania. Projekt musi być poparty dokumentacją, zawierającą: cele i założenia promptów, analizę wyników generowanych przez AI, propozycje optymalizacji na podstawie uzyskanych efektów. Oceniana jest innowacyjność, trafność i praktyczność stworzonych promptów.
4) Kryteria oceniania: Skala ocen i kryteria oceny:5.0 (bardzo dobry): Znakomite wykonanie projektu końcowego, innowacyjne podejście do tworzenia promptów, pełne zaangażowanie na zajęciach.4.5 (dobry plus): Bardzo dobra jakość projektu końcowego, aktywny udział w większości zajęć, drobne niedociągnięcia.4.0 (dobry): Projekt końcowy spełniający podstawowe wymagania, udział w zajęciach zgodny z regulaminem, ograniczone zaangażowanie w ćwiczenia dodatkowe.3.5 (dostateczny plus): Projekt końcowy wykonany poprawnie, lecz z istotnymi brakami lub niedociągnięciami, minimalne zaangażowanie w ćwiczenia.3.0 (dostateczny): Projekt końcowy na poziomie podstawowym, minimalne spełnienie wymagań aktywności.2.0 (niedostateczny): Brak projektu końcowego lub jego wykonanie nie spełniające minimalnych standardów, niewystarczająca obecność i zaangażowanie.
Literatura
Alammar, J. (2018). The Illustrated Transformer.Bengio, Y., Courville, A., Goodfellow, I. (2016). Deep Learning. MIT Press.Brown, T., et al. (2020). Language Models are Few-Shot Learners. NeurIPS.ChatGPT Prompting Guide – https://help.openai.com/en/articles/creating-effective-prompts OpenAI Playground Documentation – https://platform.openai.com/playground/chatOpenAI. (2023). Using GPT Models for Natural Language Processing. OpenAI Documentation.Russell, S., Norvig, P. (2020). Artificial Intelligence: A Modern Approach. Pearson.Tamkin, A., et al. (2021). Understanding Prompt Engineering. Stanford University.Zhai, X., et al. (2021). Multimodal Prompting in AI Systems. Nature Communications.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: