Grudniowy wieczór na Uniwersytecie Ekonomicznym w Krakowie przyniósł kolejną dawkę inspiracji w ramach projektu AI BOOST. Podczas drugiego spotkania z cyklu warsztatów, teoria zamieniła się w praktykę, gdy wspólnie z grupą entuzjastycznych studentów zgłębialiśmy możliwości najnowszych narzędzi AI w pracy akademickiej. Od analizy literatury naukowej po zaawansowane modele językowe - każdy element tego intensywnego spotkania przybliżał nas do efektywnego wykorzystania sztucznej inteligencji w codziennej pracy naukowej.
Fascynujący wieczór z AI
Czwartkowy wieczór 12 grudnia 2024 roku przyniósł kolejne inspirujące doświadczenia w ramach projektu AI BOOST. Tym razem spotkaliśmy się, aby zgłębić praktyczne zastosowania narzędzi AI w pracy akademickiej. W sali wykładowej Uniwersytetu Ekonomicznego w Krakowie zgromadziło się 35 studentów, a kolejnych 20 dołączyło do nas online poprzez Google Meet.
Veronika Barankevych
Ta hybrydowa forma spotkania, starannie zaplanowana przez Veronikę Barankevych, energiczną Wiceprezes Koła Naukowego Geopolityki i Geografii Ekonomicznej, po raz kolejny potwierdziła swoją skuteczność w docieraniu do wszystkich zainteresowanych członków koła. Jej wizjonerskie podejście do wykorzystania AI w edukacji i nieocenione wsparcie organizacyjne sprawiają, że projekt AI BOOST nieustannie się rozwija, otwierając przed studentami nowe możliwości.
Podróż przez świat narzędzi AI
Odkrywanie potencjału narzędzi do analizy literatury
Wieczór rozpoczął się od inspirującej prezentacji Adama Woźnickiego, którego debiut w roli prowadzącego warsztaty technologiczne okazał się prawdziwym sukcesem.
Adam Woźnicki
Jego niedawna publikacja w prestiżowym czasopiśmie "Technological and Economic Development of Economy" oraz praktyczne doświadczenie w wykorzystaniu narzędzi AI nadały prezentacji wyjątkową wartość merytoryczną. Adam z prawdziwą swobodą podzielił się swoją wiedzą o trzech kluczowych narzędziach:
Prezentacja Adama - BOOST YOUR RESEARCH WITH AI
- SCISPACE: Zaprezentował, jak to narzędzie pomaga w analizie dużych zbiorów publikacji naukowych i tworzeniu syntetycznych podsumowań.
- Elicit: Pokazał praktyczne zastosowania w wyszukiwaniu i analizie literatury, szczególnie w kontekście badań nad konkurencyjnością technologiczną.
- Litmaps: Zademonstrował, jak wizualizacja powiązań między publikacjami może pomóc w identyfikacji kluczowych trendów badawczych.
Modele językowe w praktyce akademickiej
W drugiej części skupiliśmy się na dwóch potężnych modelach językowych:
NotebookLM
Prezentacja Juliusza - NotebookLM
- Zaprezentowałem możliwości najnowszej wersji opartej na modelu Gemini
- Pokazałem praktyczne zastosowania w pracy ze źródłami akademickimi
- Przeprowadziliśmy live demo tworzenia notatek i streszczeń
- Omówiliśmy limity i ograniczenia narzędzia
Claude
- Przedstawiłem zaawansowane funkcje analizy tekstu
- Zaprezentowałem pracę z artefaktami
- Pokazałem różnice między wersją darmową a Pro
- Omówiliśmy praktyczne scenariusze użycia w środowisku akademickim
Niestety, zabrakło nam czasu na prezentację ChatGPT. Jednak może to i lepiej - właśnie pojawiła się nowa funkcjonalność "Projekty", która całkowicie zmienia zasady gry. Z pewnością będzie to jeden z głównych tematów naszego ostatniego spotkania.
Praktyczne zastosowania w środowisku akademickim
W trakcie prezentacji skupiliśmy się na rzeczywistych scenariuszach użycia:
- Analiza literatury do pracy magisterskiej
- Tworzenie streszczeń artykułów naukowych
- Generowanie bibliografii
- Przygotowywanie konspektów prac zaliczeniowych
Interakcja i wymiana doświadczeń
Mimo późnej pory, studenci wykazali zainteresowanie prezentowanymi narzędziami. Padło kilka interesujących pytań, szczególnie dotyczących praktycznych aspektów wykorzystania AI w codziennej pracy akademickiej. Widać było, że temat wzbudza ciekawość, choć zmęczenie po intensywnym dniu dawało się już we znaki.
Co nas czeka?
Z niecierpliwością czekam na ostatnie spotkanie, podczas którego studenci zaprezentują swoje projekty wykorzystujące wiedzę zdobytą podczas naszych warsztatów. To będzie prawdziwy test praktycznego zastosowania poznanych narzędzi i technik.
Wnioski i refleksje
Obserwując rozwój projektu AI BOOST, jestem przekonany, że osiągamy nasz cel - demokratyzację dostępu do zaawansowanych narzędzi AI w środowisku akademickim. Szczególne podziękowania należą się Veronice Barankevych, której energia i zaangażowanie w organizację są nieocenione. Równie istotne było wsparcie Szymona Śniegonia, prezesa koła naukowego, który nie tylko wspierał Veronikę w kwestiach organizacyjnych, ale także aktywnie uczestniczył w przygotowaniach do szkoleń. Ta synergia działań i wzajemne wsparcie członków zarządu koła pokazują, jak innowacyjne inicjatywy edukacyjne mogą z powodzeniem rozwijać się w murach uczelni, gdy są wspierane przez zaangażowanych ludzi z wizją.
Obserwując zaangażowanie i entuzjazm uczestników AI BOOST, jestem pełen optymizmu co do przyszłości technologii AI w polskim środowisku akademickim. Nie mogę się doczekać naszego ostatniego spotkania i prezentacji projektów studenckich - jestem przekonany, że czekają nas momenty prawdziwej inspiracji, gdy teoria zamieni się w praktyczne rozwiązania.
UWAGA!
Artykuł powstał przy współpracy z Claude 3.5 Sonnet - zaawansowanym modelem językowym od Anthropic. Jako świadomy użytkownik AI, wykorzystuję najnowsze technologie do tworzenia wartościowych treści, jednocześnie zachowując pełną kontrolę nad formą i treścią publikacji.
