Bezrobocie technologiczne: automatyzacja zadań, w tym tych wymagających wysokich kwalifikacji, może prowadzić do utraty miejsc pracy w wielu sektorach gospodarki. Jak wskazuje Frey i Osborne (2013), około 47% zawodów w Stanach Zjednoczonych jest zagrożonych automatyzacją w perspektywie najbliższych dekad (Frey, Osborne, 2013). Konieczne jest zatem opracowanie strategii adaptacyjnych, takich jak przekwalifikowanie zawodowe, edukacja ustawiczna i rozwój nowych umiejętności, aby przygotować pracowników do funkcjonowania na nowym rynku pracy.

Pogłębianie nierówności społecznych: dostęp do technologii AI i umiejętność jej wykorzystania mogą pogłębić istniejące nierówności społeczne. Osoby o niskich kwalifikacjach i ograniczonym dostępie do edukacji mogą być wykluczone z rynku pracy i skazane na marginalizację. Rozwój technologii, w tym szczególnie AI, również w sposób widoczny wpłynął także na ekonomiczną strukturę społeczeństwa. Według danych Forbes (2023), w roku 1993 tylko około 10% setki najbogatszych osób na świecie swoje fortuny zawdzięczało branży technologicznej, nato-miast obecnie ponad 50% tej listy zajmują osoby związane z gigantami technologicznymi, jak Bill Gates, Elon Musk, Jeff Bezos czy Mark Zuckerberg. W sektorze surowców i paliw kopalnych nastąpił zaś znaczący spadek przedstawicieli – liczba miliarderów związanych z tym sektorem zmniejszyła się w analogicznym czasie z niemal 30% do ok. 10% (World Inequality Database, 2022).

Manipulacja informacją i dezinformacja: AI może być wykorzystywana do generowania fałszywych informacji i dezinformacji na dużą skalę, co zagraża demokracji i stabilności spo-łecznej. „Deepfakes”, czyli realistyczne fałszywe nagrania wideo i audio, mogą być używane do oczerniania osób publicznych, siania paniki i podsycania konfliktów. Przykładem może być klip wideo stworzony przez zespół artystyczny z zastosowaniem technologii deepfake, w celu uwidocznienia zagrożeń związanych z dezinformacją. W klipie wygenerowany cyfrowo prezydent Barack Obama słownie dezawuuje „konkurencyjnych” polityków i nawołuje do podziałów spo-łecznych. Deepfake skutkuje więc zaostrzeniem napięć społecznych i podważeniem zaufania do rzeczywistych wypowiedzi publicznych (Westerlund, 2019).

Kwestie etyczne związane z autonomią maszyn: wraz z rozwojem autonomicznych systemów AI pojawiają się pytania o odpowiedzialność za ich działania. Kto ponosi odpowiedzialność, jeśli autonomiczny pojazd spowoduje wypadek? Jak zapewnić, że decyzje podejmowane przez algorytmy są sprawiedliwe i niedyskryminujące? Obecne regulacje dotyczące takich systemów wciąż się rozwijają, ale w niektórych krajach istnieją już konkretne rozwiązania prawne. Na przykład, w Niemczech wprowadzono przepisy nakładające odpowiedzialność na producentów pojazdów autonomicznych, natomiast w Stanach Zjednoczonych regulacje w poszczególnych stanach, takich jak Kalifornia, koncentrują się na obowiązkach użytkowników.

Utrata prywatności: rozwój systemów rozpoznawania twarzy, analizy danych osobowych i monitoringu aktywności online stwarza zagrożenie dla prywatności i wolności obywatelskich. Według raportu opublikowanego przez Amnesty International w 2020 roku, 71% osób używających technologii rozpoznawania twarzy wyraża obawy dotyczące naruszeń prywatności. Algorytmy mogą być wykorzystywane do profilowania ludzi i przewidywania ich zachowań, co prowadzi do ograniczenia ich autonomii i swobody podejmowania decyzji (O’Neil, 2016).

Cyberbezpieczeństwo: systemy AI są podatne na ataki hakerskie i manipulacje. Wprowadzenie złośliwego kodu do algorytmu może spowodować poważne szkody, takie jak naruszenie bezpieczeństwa danych, zakłócenie funkcjonowania infrastruktury krytycznej i manipulacja rynkiem finansowym.

Bias algorytmiczny: algorytmy AI są szkolone na danych, w tym danych historycznych, które mogą zawierać bias, czyli uprzedzenia i stereotypy. W rezultacie, systemy AI mogą reprodukować i wzmacniać te uprzedzenia, prowadząc do dyskryminacji i niesprawiedliwych decyzji. Wielokrotnie wskazywano np. w przypadku rekrutacji, że algorytmy faworyzują kandydatów na podstawie płci lub rasy, jeśli historyczne dane dotyczące zatrudnienia na tym lub równorzędnych stanowiskach zawierały informacje o dominującej liczbie zatrudnionych kandydatów określonej płci i rasy (Rolecki, 2020).

Halucynacje AI: oznaczają tendencję do generowania przez modele LLM nieprawdziwych fragmentów tekstu w celu wypełnienia luk w przygotowywanej odpowiedzi. Tekst halucynacyjny, choć płynny i naturalny, jest niezgodny z faktami i często nonsensowny. Błędne odniesienia, treści i stwierdzenia mogą być przeplatane prawdziwymi informacjami i przedstawiane w sposób przekonujący, utrudniając ich identyfikację bez weryfikacji. Halucynacje, podobnie jak w psychologii, trudno odróżnić od prawdziwych spostrzeżeń, występując zarówno w tekstach, jak i w dużych, zunifikowanych modelach (Kreft i in., 2024).

Innowacje i wzrost gospodarczy: AI może przyspieszyć proces innowacji, tworzyć nowe produkty i usługi, zwiększać efektywność produkcji i obniżać koszty.

Poprawa opieki zdrowotnej: AI może być wykorzystywana do diagnozowania chorób, personalizacji leczenia, rozwoju nowych leków i terapii oraz poprawy jakości opieki nad pacjentami.

Poprawa efektywności systemu edukacji: AI może personalizować proces uczenia się, dostosowywać treści edukacyjne do indywidualnych potrzeb uczniów, automatyzować zadania administracyjne i poprawiać efektywność nauczania.

Rozwiązywanie globalnych problemów: AI może być wykorzystywana do walki ze zmianami klimatycznymi, zarządzania zasobami naturalnymi, zwalczania głodu i ubóstwa oraz poprawy bezpieczeństwa i stabilności na świecie.

Ułatwianie codziennego życia: AI może automatyzować rutynowe zadania, poprawiać komfort życia i zwiększać produktywność w pracy i w domu.

Ochronę prywatności: wprowadzenie przepisów ograniczających nieuprawnione gromadzenie i wykorzystywanie danych osobowych przez systemy AI. Ochrona prywatności dotyczyć musi nie tylko działań podmiotów gospodarczych (gromadzenie danych przez gigantów technologicznych takich jak Google, Meta, X), ale także działań poszczególnych państw. Najbardziej jaskrawym przykładem jest chiński system zaufania społecznego, który jest wdrażany od 2014 roku. Jest to mechanizm, w którym obywatele na podstawie danych gromadzonych przez systemy wspierane przez AI otrzymują punkty za określone zachowania (np. przestrzeganie prawa, aktywność społeczną, płacenie podatków), a następnie na podstawie zgromadzonych punktów podejmowane są decyzje administracyjne lub przyznawane są różne korzyści (np. dostęp do pożyczek, możliwość podróżowania). Szerokie stosowanie takich rozwiązań w sposób oczywisty prowadzi do graniczenia swobód obywatelskich i tworzenia społeczeństwa opartego na strachu oraz wykluczania z życia społecznego osób z niską punktacją.

Przejrzystość algorytmów: zapewnienie, że algorytmy AI są zrozumiałe i podlegają kontroli publicznej, jest kluczowe np. w branży finansowej, gdzie systemy decydujące o przyznawaniu kredytów muszą działać w sposób przejrzysty i sprawiedliwy. Bez przejrzystości algorytmów trudno jest określić, jakie dane są zbierane, w jaki sposób są wykorzystywane oraz kto ma do nich dostęp. Dodatkowo jeśli algorytmy działają w sposób, którego ludzie nie są w stanie zrozumieć, trudno jest zidentyfikować źródło błędów i wprowadzić konieczne korekty. Obywatele mogą utracić zaufanie do instytucji publicznych i komercyjnych, które korzystają z nieprzejrzy-stych algorytmów, co będzie prowadzić do frustracji i oporu społecznego.

Odpowiedzialność za działania AI: ustalenie jasnych zasad odpowiedzialności za szkody wyrządzone przez systemy AI. Dzisiaj trudno ustalić, kto ponosi odpowiedzialność za działania AI — czy to twórcy algorytmu, użytkownicy, czy też firmy, które wdrażają technologie. W przypadku błędów, czy doprowadzenia do skutków, które mogą być niekorzystne dla ludzi, odpowiedzialność może być niejasna. Należy przy tym pamiętać, że decyzje AI często są podejmowane w interakcji z ludźmi. Wprowadza to dodatkowy element zmienności i nieprzewidywalności. Ludzie mogą wpływać (świadomie lub nieświadomie) na wyniki systemów AI poprzez swoje działania lub decyzje, a to sprawia, że analiza odpowiedzialności staje się jeszcze bardziej skomplikowana.

Zwalczanie biasu algorytmicznego: Wprowadzenie mechanizmów identyfikacji i eliminacji biasu z algorytmów AI. Należy przy tym pamiętać, że rozpoznanie biasu algorytmicznego może być niemożliwe bez spełnienia wymienionych powyżej warunków: ochrony prywatności, przejrzystości algorytmów oraz ustalenia odpowiedzialności za ich działanie.

Etyczny rozwój: opracowanie kodeksów etycznych i standardów postępowania dla projektantów, programistów i użytkowników systemów AI. Etyczny rozwój AI wymaga zharmonizowanego podejścia, które uwzględnia społeczne, prawne i technologiczne aspekty rozwoju tej technologii. Kluczowe jest dążenie do stworzenia ram etycznych, które będą promować przejrzystość, odpowiedzialność i zaufanie, a jednocześnie minimalizować ryzyko dyskryminacji i nadużyć. Współpraca między różnymi interesariuszami, w tym naukowcami, inżynierami, decydentami i przedstawicielami społeczeństwa, jest niezbędna do osiągnięcia tych celów.

Edukację i świadomość społeczną: zwiększenie świadomości społecznej na temat AI i jej potencjalnych skutków. AI ma potencjał do przekształcania rynków pracy i sposobów życia. Edukacja pomaga ludziom dostosować się do tych zmian i znaleźć nowe możliwości zawodowe. Jednocześnie wiedza o zagrożeniach związanych z AI, takich jak naruszenie prywatności, dyskryminacja czy manipulacja, pozwala obywatelom podejmować świadome decyzje dotyczące korzystania z technologii. Edukacja i wzrost świadomości społecznej dotyczące wykorzystania AI są kluczowe dla rozwoju i stosowania AI w sposób, który jest zgodny z wartościami etycznymi oraz chroni interesy poszczególnych jednostek oraz całych społeczności.

Ewolucję rynku pracy i kształcenia powszechnego: rozwój AI z cała pewnością zrewolucjonizuje rynek pracy, przesuwając akcent z rutynowych zadań na kreatywność, krytyczne myślenie i kompetencje cyfrowe. Dlatego powszechna edukacja musi się przekształcić, stawiając na nauczanie przez całe życie i personalizację procesu nauczania. AI zastąpi zawody wymagające rutynowych działań, ale stworzy nowe, wymagające kompetencji technicznych (np. w obszarze analizy danych i interpretacji wyników, podstaw modeli językowych i AI i rozumienia ograniczeń modeli, prywatności i bezpieczeństwa danych, zarządzania projektami AI, czy wykorzystania narzędzi AI w codziennej pracy) oraz kompetencji miękkich (np. w zakresie krytycznego myślenia i oceny ryzyka, badania źródeł danych i walidacja wyników, współpraca interdyscyplinarna, interpretacja i komunikowanie wyników AI w przystępny sposób czy zarządzanie zmianą i adaptacja do nowych procesów) (Bessen, 2018; OECD, 2019).

podejście do AI oparte na zarządzaniu ryzykiem – systemy klasyfikowane są według poziomu ryzyka, jakie stwarzają, ze szczególnym uwzględnieniem systemów wysokiego ryzyka, a dostawcy systemów wysokiego ryzyka muszą przeprowadzać ocenę zgodności i wdrażać systemy zarządzania ryzykiem,

zachowanie przejrzystości systemów AI - wymóg projektowania systemów w sposób umożliwiający efektywny nadzór ludzki, zwłaszcza w krytycznych zastosowaniach. Dodatkowo systemy wysokiego ryzyka muszą posiadać szczegółową dokumentację techniczną i instrukcje dla użytkowników,

ochrona praw podstawowych - zapewnienie, że systemy AI respektują prawa podstawowe, włączając ochronę przed dyskryminacją,

powstanie Europejskiego Urzędu ds. Sztucznej Inteligencji - instytucji nadzorującej wdrażanie rozporządzenia oraz posiadającej specjalistyczne kompetencje i uprawnienia kontrolne.