Online prednáška: AI Responsibility Gaps (Medzery v zodpovednosti v AI)

Daniela Vacek pôsobí na Filozofickom ústave SAV, v. v. i., v Kemplenovom inštitúte inteligentných technológií (KinIT) a na Filozofickej fakulte Univerzity Komenského v Bratislave. Je laureátkou ESET Science Award 2025 v kategórii Výnimočná osobnosť vedy na Slovensku do 35 rokov. Je slovenská filozofka špecializujúca sa na etiku umelej inteligencie, zodpovednosť, analytickú estetiku a filozofickú logiku. Vedie projekt APVV s názvom Filozofické a metodologické výzvy inteligentných technológií (TECHNE).

Jaroslav Kopčan pôsobí ako výskumný inžinier v Kemplenovom inštitúte inteligentných technológií (KinIT), kde sa špecializuje na spracovanie prirodzeného jazyka (NLP) a vysvetliteľnú umelú inteligenciu (XAI). Vo svojom výskume sa zameriava na automatizovanú analýzu obsahu a techniky vysvetliteľnosti pre menej zastúpené jazyky. Pracuje na vývoji interpretovateľných NLP systémov a nástrojov s dôrazom na destiláciu znalostí.

Dátum a čas: štvrtok, 12. februára 2026 | 10:00 CET

Miesto: Online | Účasť zdarma 

Prednáška bude prebiehať v anglickom jazyku.

Registrácia

O medzerách v zodpovednosti pri umelej inteligencii prebieha rozsiahla debata. Tieto medzery zodpovedajú situáciám normatívneho nesúladu: niekto by síce mal niesť zodpovednosť za to, čo sa stalo, no nikto ju nenesie. Tradične sa považujú za zakorenené v nedostatku primeraných znalostí o tom, ako systém umelej inteligencie dospel k svojmu výstupu, a v nedostatku kontroly nad týmto výstupom. Hoci mnohí ľudia zapojení do vývoja, výroby, nasadzovania a používania systému umelej inteligencie majú určité znalosti a kontrolu, nikto z nich nemá znalosti a kontrolu potrebné na to, aby niesol zodpovednosť za dobré či zlé výstupy tohto systému. Do akej miery je tento nedostatok znalostí a kontroly na úrovni výstupov prítomný v súčasných systémoch umelej inteligencie?

Z technického hľadiska sa relevantné znalosti a kontrola často obmedzujú na všeobecné vlastnosti systémov umelej inteligencie, nie na konkrétne výstupy. Aktéri zvyčajne rozumejú dizajnu systému, procesom trénovania a celkovým vzorcom správania a môžu ovplyvňovať správanie systému prostredníctvom dizajnových rozhodnutí, tréningových metód a obmedzení nasadenia. Často im však chýba vhľad do toho, ako vzniká konkrétny výstup v konkrétnom prípade, a nemajú spoľahlivé prostriedky na intervenciu na tejto úrovni.

Prednáška ponúkne niekoľko poznatkov k týmto otázkam. Okrem toho ukážeme, že obraz je ešte komplikovanejší. Existujú rôzne formy zodpovednosti, pričom každá je spojená s odlišnými podmienkami, ktoré musia byť splnené. V súlade s tým niektoré formy zodpovednosti zostávajú neproblematické aj v prípade výstupov systémov umelej inteligencie, zatiaľ čo iné sa ukazujú ako náročnejšie.