A kurzus célja, hogy a hallgatók elmélyült elméleti ismereteket és magabiztos gyakorlati készségeket szerezzenek a mesterséges intelligencia (MI) társadalom- és egészségtudományi kutatásokban való alkalmazásáról. A kurzus különösen azokra az interdiszciplináris megközelítésekre helyezi a hangsúlyt, amelyek lehetővé teszik az MI-alapú eszközök beillesztését a kutatási folyamatokba. A kurzus elején áttekintjük az MI fogalmát, történeti fejlődését és főbb típust (pl. gépi tanulás, természetes nyelvfeldolgozás, generatív MI). Ezt követően a hallgatók megismerkednek azokkal a kutatásmódszertani kihívásokkal és lehetőségekkel, amelyek az MI alkalmazása során jelentkeznek a társadalmi és egészségügyi kontextusokban. Külön figyelmet szentelünk az etikai, adatvédelmi és algoritmikus torzításokkal kapcsolatos kérdéseknek, valamint a mesterséges intelligencia átláthatóságának és magyarázhatóságának. A hallgatók egy kisprojekt keretében próbálhatják ki az MI eszközeinek gyakorlati alkalmazását egy általuk választott társadalomtudományi vagy egészségtudományi kutatási kérdés feldolgozásán keresztül. A projekt során lehetőség nyílik az MI-eszközök kutatási célú felhasználásának megtapasztalására a kutatási probléma megfogalmazásától az adatfeldolgozáson át az eredmények értelmezéséig. A kurzus külön hangsúlyt helyez az MI-alapú kutatás megbízhatósági, érvényességi és etikai kérdéseire, valamint arra, hogyan lehet az MI-t felelősen és reflexív módon integrálni a társadalmi célú kutatásokba.
Tematika (heti bontásban): 1-3. óra – Bevezetés a mesterséges intelligenciába és alkalmazása a társadalmi és egészségtudományi kutatásokban 4-6. óra – MI a kutatásmódszertanban: lehetőségek és korlátok 7-9. óra – MI-eszközök gyakorlati alkalmazása kutatási projektben 10-12. óra – Kutatási eredmények szóbeli prezentációja https://www.icmje.org/recommendations/browse/roles-and-responsibilities/defining-the-role-of-authors-and-contributors.html#four https://www.elsevier.com/about/policies-and-standards/publishing-ethics https://www.thelancet.com/editorial-policies#:~:text=Guidelines%20on%20retraction-,Use%20of%20generative%20AI%20and%20AI%2Dassisted%20technologies,they%20have%20used%20it%20for. https://www.nature.com/nature-portfolio/editorial-policies/ai https://www.bmj.com/content/ai-use https://www.huit.harvard.edu/ai/guidelines https://ist.mit.edu/ai-guidance Ligo AK, Rand K, Bassett J, Galaitsi SE, Trump BD, Jayabalasingham B, Collins T and Linkov I (2021) Comparing the Emergence of Technical and Social Sciences Research in Artificial Intelligence. Front. Comput. Sci. 3:653235. doi: 10.3389/fcomp.2021.653235 Farahani, M.S. Applications of Artificial Intelligence in Social Science Issues: a Case Study on Predicting Population Change. J Knowl Econ 15, 3266–3296 (2024). https://doi.org/10.1007/s13132-023-01270-4 Ajánlott irodalom: Ajánlott irodalom OECD (2024), “AI in Health: Huge potential, huge risks”, OECD Publishing, Paris https://doi.org/10.1787/2f709270-en US White House (2023), “Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence” www.whitehouse.gov/briefing-room/presidentialactions/2023/10/30/executive-order-on-the-safe-secure-and-trustworthy-development-anduse-of-artificial-intelligence/ World Health Organization (2024), "Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models” https://www.who.int/publications/i/item/9789240084759 World Health Organization (2023), Regulatory considerations on artificial intelligence for health https://iris.who.int/bitstream/handle/10665/373421/9789240078871-eng.pdf?sequence=1 World Health Organization (2021), "Global Strategy on Digital Health 2020-2025” https://www.who.int/docs/default-source/documents/gs4dhdaa2a9f352b0445bafbc79ca799dce4d.pdf Topol, E. (2023). "High-performance medicine: the convergence of human and artificial intelligence." Nature Medicine, 29(7), 704-712. Miotto, R., Wang, F., Wang, S., Jiang, X., & Dudley, J. T. (2023). "Deep learning for healthcare: review, opportunities and challenges." Briefings in Bioinformatics, 24(2), 339-352. Chen, J. H., & Asch, S. M. (2023). "Machine learning and prediction in medicine – beyond the hype." The Lancet, 401(10382), 833-843.
maximális létszám: 15 fő
joo.tamas@emk.semmelweis.hu
Az előírt mértékű hiányzás (25%) megengedhető; egyedi esetekben oktatóval való megbeszélés szerint.
