CS EN

O bitter-sweet.ai

bitter-sweet.ai je projekt zkoumající psychosociální dopady umělé inteligence na duševní zdraví a společnost. Slouží jako prostor pro popularizaci, reflexi a sdílení poznatků z praxe a z literatury.

Název připomíná, že AI málokdy působí jen sladce nebo jen hořce — může podporovat lidské prospívání, ale také vytvářet nové tlaky, nespravedlnosti a jemné formy psychické zátěže.

Klíčové zdroje

Studie a zprávy ze kterých vycházíme.

The impact of artificial intelligence on learners’ critical thinking and cognitive offloading

Abbas M., Jam F.A., Khan T.I. (2024)

Studie ukazující, že AI nástroje mohou snižovat schopnost kritického myšlení prostřednictvím kognitivního offloadingu.

Power Hungry Processing: Watts Driving the Cost of AI Deployment?

Luccioni A.S., Viguier S., Ligozat A.L. (2023)

Analýza spotřeby energie různých typů AI modelů — text, obraz a generativní modely.

Making AI Less Thirsty: Uncovering and Addressing the Secret Water Footprint of AI Models

Li P., Yang J., Islam M.A., Ren S. (2023)

Výzkum kvantifikující spotřebu vody při trénování a provozu velkých jazykových modelů.

Artificial intelligence and illusions of understanding in scientific research

Messeri L., Crockett M.J. (2024)

Článek v Nature o tom, jak AI vytváří iluze porozumění a snižuje intelektuální diverzitu.

WHO guidance on the ethics and governance of AI for health

World Health Organization (2021)

Rámec WHO pro etické nasazení AI v kontextu zdravotnictví.

The Potentially Large Effects of Artificial Intelligence on Economic Growth

Hatzius J., Briggs J., Kodnani D., Pierdomenico G. (2023)

Analýza Goldman Sachs odhadující, ze AI by mohla automatizovat 300 milionu pracovnich mist.

Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification

Buolamwini J., Gebru T. (2018)

Prelomova studie odhalujici rasovou a genderovou zaujatost v komercnich systemech rozpoznavani obliceju.

Dissecting racial bias in an algorithm used to manage the health of populations

Obermeyer Z., Powers B., Vogeli C., Mullainathan S. (2019)

Clanek v Science ukazujici, ze siroce pouzivany zdravotni algoritmus systematicky podhodnocoval zdravotni potreby cernosskych pacientu.

Highly accurate protein structure prediction with AlphaFold

Jumper J., Evans R., Pritzel A. et al. (2021)

Clanek v Nature popisujici AlphaFold 2, ktery vyresil 50 let stary problem skladani proteinu. Nobelova cena 2024.

International evaluation of an AI system for breast cancer screening

McKinney S.M., Sieniek M., Godbole V. et al. (2020)

Studie v Nature ukazujici, ze AI prekonala radiology v detekci rakoviny prsu.

On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?

Bender E.M., Gebru T., McMillan-Major A., Shmitchell S. (2021)

Vlivny clanek FAccT varujici pred environmentalnimi naklady a zaujatostmi velkych jazykovych modelu.

AI Index Report 2025

Stanford HAI (2025)

Komplexni rocni zprava sledujici vyvoj AI, investice, regulaci a spolecensky dopad.

Future of Jobs Report 2025

World Economic Forum (2025)

Projekce WEF: 92M pracovnich mist zruseno, 170M vytvoreno do roku 2030 kvuli AI a automatizaci.

Learning skillful medium-range global weather forecasting

Lam R., Sanchez-Gonzalez A., Willson M. et al. (2023)

Clanek v Science o GraphCast od DeepMind: AI predpoved pocasi presnejsi nez tradicni metody.

Dermatologist-level classification of skin cancer with deep neural networks

Esteva A., Kuprel B., Novoa R.A. et al. (2017)

Clanek v Nature prokazujici, ze AI dosahuje presnosti dermatologu v klasifikaci rakoviny kuze.