Międzynarodowa ochrona praw człowieka w świecie cyfrowym

Rok akademicki 2026/2027

Łukasz SzoszkiewiczWydział Prawa i Administracji UAM

E przejdź się po mapie

Przygotowane z AI · treść, kierunek i decyzje: Ł. Szoszkiewicz · jak powstała ta prezentacja ↗

Namiot zleceń · 5.10.2026

Plan na dziś

  1. Kim jesteście? Krótkie przedstawienie się
  2. Cztery ścieżki zaliczenia
  3. Pierwsze zlecenie: mikstura według recepturyPierwsze zadanie: napój według przepisu z listu
  4. Drugie zlecenie: czy zaklęcie zawsze działa? (art. 1105 k.c.)Drugie zadanie: czy pieśń Syren zawsze mówi prawdę? (art. 1105 k.c.)
  5. Kalendarz i zasady pracy z AI; ankieta: kod QR na końcu
03
Przedstawcie się · 45 sekund na osobę

Kim jesteście?

1

Imię

2

Dlaczego ten przedmiot?

3

Jedno pytanie albo obawa związana z AI

04
Zaliczenie · wybierz klasę postaci

Cztery ścieżki, jedna mapa

PRAWNIK-PRAKTYK*

Symulacja rozprawy przed ETPCz

pismo · rozprawa · wyrok
PRAWNIK-VIBECODER

Aplikacja, której jeszcze nie ma, opublikowana online

zespół 2–3 · Codespaces
PRAWNIK-BADACZ

Replikacja badania o modelach językowych w prawie

zespół 2–3 · protokół · pisemne podsumowanie · prezentacja
KEEP IT SIMPLE

Quiz na ostatnich zajęciach

20 pytań · bez AI

* Wybór do 26.10. Po tym terminie nie można zmienić tylko rozprawy: ani z niej odejść, ani do niej dołączyć. Rozprawa: od 9 do 12 osób.

05
Ścieżka 1 · prawnik-praktyk

Took v Palantir przed Trybunałem w Strasburgu

Co robisz
  • Rola: skarżący, rząd albo skład orzekający. W grupie 3–4 osoby.
  • Skarga i odpowiedź rządu na piśmie, rozprawa, wyrok składu.
  • Sprawa: rozpoznawanie twarzy w związku z uczestnictwem w demonstracji.
Na start
  • Kazus PL/EN (MS Teams).
  • Termin nadsyłania pytań: 9.11.
  • Zasady jak w Helga Pedersen Moot Court. Jedyna zmiana: pismo ma 15 stron, nie 20.
  • AI: research, tłumaczenie, korekta tak. Gotowy tekst pism nie.

Od 9 do 12 osób. Po 26.10 skład się nie zmienia.

06
Ścieżka 2 · prawnik-vibecoder

Aplikacja, której jeszcze nie ma

Co robisz
  • Zespół 2–3 osób. Budujecie z AI w Codespaces i publikujecie online.
  • Oddajecie: aplikację, repo, testy, listę tego, czego nie robi, demo 5 min.
  • Wzór: HRC Voting albo baza typu Charlotina (temat uzgodniony ze mną).
  • Możliwość uzyskania klucza API po uzgodnieniu z prowadzącym (OpenRouter).
Łukasz Szoszkiewicz przed banerem Ready for AI? na AI for Good Global Summit w Genewie, lipiec 2026
AI for Good Global Summit, Genewa, lipiec 2026
Tak powstało HRC Voting: polecenie → kod → narzędzie · przyspieszone
Łukasz Szoszkiewicz na stoisku Geneva Human Rights Hub pokazuje na monitorze mapę z HRC Voting
Geneva Human Rights Hub, lipiec 2026 · fot. Domenico Zipoli

HRC Voting na żywo ↗ (W)

Nie tylko jaRepsol (Hiszpania): FT 2026: Most innovative in-house legal team in Europe. Ok. 200 osób w dziale prawnym, każda ma 100 godzin rocznie na naukę programowania i AI.

07
Pierwsze zlecenie · receptura Mistrza

Odtwórz miksturę według recepturyOdtwórz napój według przepisu z listu

Kod QR do strony z poleceniem do skopiowania
  1. Wejdź na stronę. Kliknij Kopiuj polecenie: to receptura.
  2. Wklej ją w LMArena albo w model, w którym masz konto: to Twój kocioł.
  3. Gdy model pracuje: przeczytaj polecenie, kliknij linki do danych.
  4. Pokaż wynik sąsiadowi. Chcesz, żeby zobaczyli go inni? Wyślij link prowadzącemu e-mailem.

lszoszk.github.io/teaching-materials/amu-ihrl/zwoj

Który wers receptury chroni miksturę przed zmyśleniem?

08
Ścieżka 3 · prawnik-badacz

Czy modele nadają się do analizy dokumentów z zakresu praw człowieka?

Co robisz
  • Zespół 2–3 osób powtarza (i/lub modyfikuje) badanie i sprawdza, co się utrzymało.
  • Najpierw protokół z planem analizy, potem kod lub notatnik, dane, pisemne podsumowanie (do 8 stron), prezentacja + Q&A 15 minut.
  • Wynik negatywny też jest wynikiem: oceniam proces, nie rezultat. Wykorzystujecie AI. Przynajmniej 20% podsumowania to analiza błędów AI: jak je wykryliście i naprawiliście.
Do wyboru
  • A. Thais i in. (2026): HumRightsBench. Własne scenariusze w schemacie IRAP i zgodność ocen.
  • B. Karp i in. (2026): modele zdają egzamin na członka KIO. Test wiedzy na nowszych modelach.
09
Drugie zlecenie · czy zaklęcie zawsze działa?

Co mówi art. 1105 Kodeksu cywilnego?

Kod QR do strony eksperymentu
  1. Wejdź na stronę eksperymentu. Wpisz kod: ihrl26
  2. Kliknij Losuj zadanie. Strona poda model i polecenie.
  3. Skopiuj polecenie. Znajdź model. Nowa rozmowa. Wyślij jeden raz.
  4. Wklej odpowiedź. Wybierz kategorię i stan linku. Wyślij wynik.

lszoszk.github.io/teaching-materials/amu-ihrl/eksperyment

Wyniki na żywo ↗ (W)

Kodeks cywilny kończy się na art. 1088. Art. 1105 nie istnieje.

10
Drugie zlecenie · to samo zaklęcie, inny zwój

A co mówi art. 54 MPPOiP?

  • To samo pytanie, ale o art. 54 Międzynarodowego Paktu Praw Obywatelskich i Politycznych.
  • 24 modele, te same dwa rodzaje polecenia, po polsku.
  • Jak myślicie: gdzie modele radzą sobie lepiej? Dlaczego?
Test przed zajęciami · „przepis nie istnieje”
polecenie sugerująceneutralne
art. 1105 k.c.18%74%
art. 54 MPPOiP38%83%

24 modele przez OpenRouter, po polsku: k.c. 3 próby (122 odp.), MPPOiP 2 próby (93 odp.), 5.10.2026. Przekrój, nie ranking.

Pakt kończy się na art. 53. Art. 54 nie istnieje.

WniosekLepiej znany akt pomaga, ale sposób zadania pytania zmienia więcej. I trafne „nie ma” nie zawsze ma trafne uzasadnienie.

11
Ścieżka 4 · keep it simple

Quiz na ostatnich zajęciach

Jak
  • 20 pytań, na sali, bez AI.
  • Zakres: zajęcia i mapa.
  • Około połowy pytań na zastosowanie, nie pamięć.
  • Ocena: tylko quiz, bez dziennika weryfikacji.
Przykład z quizu

Spójrz na obraz po prawej stronie. Przedstawia on sytuację, w której trend wydaje się obowiązywać w zbiorze danych, ale odwraca się lub znika, gdy podzielimy zbiór danych na podzbiory. Jak nazywamy taką sytuację?

  1. Paradoks Simpsona
  2. Paradoks Moravcsa
  3. Prawo Loomisa
  4. Błąd prokuratora
Dwa wykresy punktowe: w każdej z dwóch grup trend rosnący, po połączeniu grup trend malejący
12
Kalendarz · semestr zimowy 2026/27

Poniedziałki, 11:00–13:00

Bez zajęć
  • 12.10
  • 2.11: dzień wolny UAM
  • 28.12 i 4.01: wakacje zimowe
  • Pozostałe wolne poniedziałki podam do 26.10.
Terminy
  • 26.10: wybór ścieżki
  • Koniec listopada: skarga / tematyka eksperymentu / aplikacji
  • Do przerwy zimowej: odpowiedź na skargę / plan analizy / analiza wykonalności
  • Styczeń: rozprawa, demo, prezentacje, quiz
13
Zasady · praca z AI

AI wolno. Podpisujesz się Ty.

Zasady
  • Ujawniasz użycie AI: do czego i jakim narzędziem.
  • Zmyślone źródło w pracy oznacza zero punktów za tę pracę.
  • Kazusy rozwiązujemy bez AI, potem z AI, potem porównanie.
Dziennik weryfikacji · 3 wpisy · nie dotyczy quizu

Plik DZIENNIK.md w Twoim prywatnym repo na GitHubie, z dostępem dla mnie. Jeden wpis = jeden commit: data zapisuje się sama.

## 16.11.2026 · art. 5 AI Act
Model:        nazwa, wersja, data
Polecenie:    wklejone w całości
AI twierdzi:  jedno zdanie, cytat
Sprawdzenie:  gdzie i jak (link)
Wynik:        zgadza się / częściowo / błąd
Wniosek:      co zrobię inaczej
14
Na koniec · ankieta · wypełnij po zajęciach

Pięć minut, bez imion

Kod QR do anonimowej ankiety w Microsoft Forms
  • Doświadczenie z kodem i z narzędziami AI
  • Którą ścieżkę wybieracie wstępnie
  • Zadanie, przy którym AI Wam nie pomogła: za Waszą zgodą spróbuję zlecić realizację wybranych zadań agentom AI
  • Bez danych osobowych

forms.cloud.microsoft/e/AyfWAJFn0x

15
Pracownia alchemika · 19.10.2026

Jak działa maszyna?

  1. Ankieta (5 minut) i wyniki
  2. Gdzie AI już jest w użyciu: sześć przykładów
  3. Czym jest AI: trzy definicje, trzy sposoby uczenia
  4. Ćwiczenie: zera i jedynki, ludzkie embeddingi, prawo o danych
  5. Model językowy: demo „następne słowo” i sędzia, który pyta model
  6. Wybór ścieżki do 26.10
17
Pracownia alchemika · eliksiry w obiegu

Gdzie AI już jest w użyciu?

Argentyna · 2017

Prometea. Prokuratura Buenos Aires: sprawa 167 → 38 dni. Kolumbia: ok. 600 tys. wyroków rocznie do selekcji; 32 pilne z 2016 w 2 minuty.

Amnesty · 2018

Troll Patrol. Cel: dowieść, że Twitter nie reaguje na nękanie kobiet. Crowdsourcing + uczenie maszynowe: obraźliwy wpis co 30 sekund.

ONZ i UPR Info · 2019–2020

Bazy rekomendacji. Indeks UHRI (OHCHR) i baza UPR Info: model podpowiada, jakich praw i grup dotyczy rekomendacja. Człowiek zatwierdza.

Chile · od 2024

Nuestra MemorIA. Archiwa dyktatury: odczyt pisma i nagrań, ponad 30 osób rozpoznanych na zdjęciach, czatbot na archiwum. Tylko własne serwery.

Kolumbia · 2024

Wyrok T-323. Sędzia chciał szybciej pisać: wkleił odpowiedzi ChatGPT do wyroku o zdrowiu dziecka z autyzmem. Sąd Konstytucyjny zbadał sprawę i dał zasady dla generatywnej AI (omówienie, EN ↗).

Pakistan · 2024–2025

Pilotaż na połowie sędziów. 1559 sędziów pierwszej instancji dostało AI. Ze szkoleniem rozstrzygali o 6,3% więcej spraw (badanie CEPR, 2026).

18
Pracownia alchemika · czym jest sztuczna inteligencja

Trzy definicje, jedna myśl

OECD · 2023

„An AI system is a machine-based system that, for explicit or implicit objectives, infers, from the input it receives, how to generate outputs such as predictions, content, recommendations, or decisions that can influence physical or virtual environments.”

AI Act · art. 3 pkt 1

„»system AI« oznacza system maszynowy, który został zaprojektowany do działania z różnym poziomem autonomii po jego wdrożeniu oraz który może wykazywać zdolność adaptacji po jego wdrożeniu, a także który – na potrzeby wyraźnych lub dorozumianych celów – wnioskuje, jak generować na podstawie otrzymanych danych wejściowych wyniki, takie jak predykcje, treści, zalecenia lub decyzje, które mogą wpływać na środowisko fizyczne lub wirtualne”

Konwencja ramowa Rady Europy · art. 2

„»artificial intelligence system« means a machine-based system that, for explicit or implicit objectives, infers, from the input it receives, how to generate outputs such as predictions, content, recommendations or decisions that may influence physical or virtual environments.”

AI to nie tylko czatbot. To system, który wnioskuje: z danych generuje predykcje, treści, zalecenia albo decyzje.

19
Pracownia alchemika · jak maszyna się uczy

Czatbot to tylko jedna gałąź

SZTUCZNA INTELIGENCJAteż systemy regułoweUCZENIE MASZYNOWEUCZENIE GŁĘBOKIEMODELEJĘZYKOWE
Uczenie maszynowe: człowiek wybiera cechy (np. słowa w spamie). Głębokie: sieć o wielu warstwach sama znajduje cechy w surowych danych.
Nadzorowane

Uczy się z przykładów z etykietą: spam, scoring kredytowy, rozpoznawanie twarzy.

Prawa: kto nadał etykiety? Dyskryminacja (art. 14), prywatność (art. 8).
Nienadzorowane

Bez etykiet: sama szuka wzorców, np. grupuje rekomendacje UPR. Tak uczą się też modele językowe: zasłaniają słowo i zgadują (AI Act: „nadzór własny”).

Prawa: czyje teksty i czyj język są w danych?
Ze wzmocnieniem

Dostaje nagrodę za dobry ruch: gry, roboty, dostrajanie czatbotów ocenami ludzi.

Prawa: czyje oceny, czyje wartości?

Co się zmieniłoKiedyś takie systemy miały tylko wielkie firmy i państwa: potrzebowały ogromnej mocy obliczeniowej. Dziś model jest w każdym telefonie. Dostęp się zdemokratyzował, władza nad modelami się skoncentrowała.

20
Pracownia alchemika · z czego zbudowany jest eliksir

Dla komputera wszystko to zera i jedynki

Tekst
Każda litera to liczba, a liczba to bity. Polska litera zajmuje dwa bajty.
Obraz
Przesuń suwak, najedź na piksel.
Klatka filmu
Film to ok. 30 takich obrazów na sekundę.

Model zamienia każdy z tych rodzajów danych w wektor liczb (embedding): tekst w tokeny, obraz w kawałki. Wszystko trafia do jednej przestrzeni. Teraz Wy będziecie tymi wektorami.

21
Pracownia alchemika · ćwiczenie

Wy jesteście wektorami

Zasady
  1. Każdy dostaje kartkę ze słowem.
  2. Czytam zdanie z korpusu.
  3. Słowa z tego zdania robią krok do siebie. Reszta stoi.
  4. Miejsce w sali = wektor (dwie liczby).
Trening
  • Runda 1: korpus prawniczy (8 zdań).
  • Runda 2: dochodzi internet (8 zdań).
  • Runda 3: trening skończony. Rusza się tylko sędzia i wraca na miejsce.
Obserwujcie
  • Kto jest rozdarty między grupami?
  • Kto nie ruszył się w rundzie 1?

UwagaPrawdziwy model ma setki wymiarów, nie dwa. Ale zasada ta sama: słowa z podobnym towarzystwem lądują blisko.

22
Pracownia alchemika · to samo w modelu

Wasz układ i prawdziwy model

Runda 1 · tylko korpus prawniczy (8 zdań)
sądwyrokskargakodeks · karaapelacjaumowaTrybunałsędziaprawozamekzdaniedrzwi · kluczbrak w danych: mecz, gol, boisko, kibic
Runda 2 · dochodzi internet (+8 zdań)
sądwyrokskargakodeksapelacjaumowaTrybunałsędziakaraprawozamekzdaniemeczgolboiskokibicdrzwi · klucz

Dane decydują, co jest blisko. Słowa wieloznaczne lądują pomiędzy. Słowa, których nie ma w danych, dla modelu nie istnieją.

23
Pracownia alchemika · kto odpowiada za składniki

Prawo o danych treningowych

AI Act (UE) 2024/1689
  • Art. 10 ust. 3 (systemy wysokiego ryzyka): zbiory danych „muszą być adekwatne, wystarczająco reprezentatywne oraz w jak największym stopniu wolne od błędów i kompletne z punktu widzenia przeznaczenia”.
  • Art. 10 ust. 2 lit. f–g: badanie danych pod kątem stronniczości, która może „prowadzić do dyskryminacji”, i środki jej ograniczania.
  • Art. 53 ust. 1 lit. c–d (modele ogólnego przeznaczenia): polityka praw autorskich i publiczne „streszczenie na temat treści wykorzystanych do trenowania”.
Konwencja ramowa Rady Europy (CETS 225)
  • Art. 10: równość, w tym płci, i zakaz dyskryminacji w całym „cyklu życia” systemu AI, a także środki na rzecz „fair, just and equitable outcomes”.
  • Art. 11: ochrona prywatności i danych osobowych.
  • Art. 12: niezawodność, w tym „adequate quality” systemu.

Pytanie do WasKto sprawdzi, czy korpus był „reprezentatywny”? Streszczenie danych to nie same dane. Czy to wystarczy, żeby ktoś mógł wykazać dyskryminację?

24
Pracownia alchemika · eliksir, kropla po kropli

Model językowy zgaduje następne słowo

Jak to działa
  1. Tekst rozpada się na tokeny: kawałki słów.
  2. Model liczy prawdopodobieństwo każdego z ok. 50 tys. tokenów.
  3. Losuje następny token. Temperatura: ile przypadku.
  4. Dopisuje go i powtarza, token po tokenie.
Sprawdź sam

GPT-2 (2019) liczy się w przeglądarce. Wpisz początek zdania i zobacz, co model uważa za prawdopodobne.

Demo: następne słowo ↗ (W)

lszoszk.github.io/teaching-materials/amu-ihrl/demo/nastepne-slowo

Model nie sprawdza faktów. Wybiera to, co zwykle pada po takim tekście. Stąd pewny ton i zmyślone przepisy.

Tokeny i prawaTo samo zdanie: po angielsku 8 tokenów na 8 słów, po polsku 22 tokeny na 6 słów. Polski kosztuje więcej i model gorzej go zna. Język też jest sprawą równości.

25
Pracownia alchemika · sędzia pyta model

Co znaczy „physically restrained”?

USA · Deleon · 2024
  • Napad: sprawca celuje z broni w kasjera, bierze pieniądze, wychodzi. Nie dotyka go.
  • Czy kasjer był „fizycznie skrępowany”? Od tego zależy surowsza kara.
  • Sędzia Newsom pyta ChatGPT, Claude i Gemini, każdy 10 razy. Sens ten sam, słowa trochę inne.
  • Jego wyjaśnienie: temperatura, jak w naszym demie. „Feature, not a bug”.
Model w wykładni językowej? (Snell, 2024)
Za
  • uczy się na zwykłym języku
  • rozumie kontekst i całe frazy
  • dostępny dla każdego
  • słowniki też nie są neutralne: kto je układa i jak?
  • pytanie i odpowiedź można ujawnić
Przeciw
  • halucynacje
  • brak mowy „offline”: kogo nie ma w sieci, tego nie ma w danych
  • pytania i modele da się dobrać pod tezę
  • „robo-sędziowie”

Jak używać: pytaj o znaczenie, nie o rozstrzygnięcie · kilka modeli, wiele powtórzeń · ujawnij pytania i odpowiedzi

Który argument Was przekonuje, a który nie?

26
Na koniec · bilet wyjścia · ankieta po zajęciach

Dwie minuty, bez imion

Kod QR do anonimowej ankiety po zajęciach w Microsoft Forms
  • Co dziś było najciekawsze?
  • Co było najbardziej niejasne?
  • Tempo oraz proporcja techniki i prawa
  • Jedno pytanie na następne zajęcia
  • Bez logowania i bez danych osobowych

forms.cloud.microsoft/e/yjaqcMUQ5s

27
Sąd · 26.10.2026

Kiedy maszyna brzmi pewnie

  1. Rozprawa: deklaracja udziału
  2. Powtórka: trzy pytania z 19.10, bez notatek
  3. Gdy prawdopodobieństwo trafia do sądu: Charlotin, NSA, Westlaw
  4. RAG i pracownia: polowanie na zmyślenia
  5. Gorzka lekcja: czy RAG jest na chwilę?
  6. JudgeGPT: AI w sądach Pakistanu
  7. Bilet wyjścia; dla chętnych: skarga do Strasburga napisana przez AI
29
Sąd · wybierz klasę postaci · dziś

Rozprawa: deklaracja dziś

PRAWNIK-PRAKTYK

Rozprawa przed ETPCz

PRAWNIK-VIBECODER

Aplikacja opublikowana online

PRAWNIK-BADACZ

Replikacja badania

KEEP IT SIMPLE

Quiz na ostatnich zajęciach

Rozprawa (9–12 osób): deklaracja dziś, potem nie można dołączyć ani odejść. Pozostałe ścieżki: wybór do 30 listopada.

30
Areopag · z biletu wyjścia 19.10

Dwa pytania z biletu

Co to jest klucz API?

Hasło, którym program, a nie człowiek, korzysta z modelu. Każde zapytanie kosztuje (płaci się za tokeny). Klucz w publicznym repozytorium to klucz dla całego świata.

Program w jednym pliku HTML?

Ta mapa to jeden plik: HTML (treść), CSS (wygląd), JavaScript (ruch). Działa w przeglądarce, bez serwera. Napisany z AI.

Tak samo teledysk Radbruch Says ↗: obraz to strona HTML, muzyka z ElevenLabs.

31
Sąd · rozgrzewka · bez notatek i bez AI

Powtórka: trzy pytania

1 · Kartki

Co pokazało ćwiczenie z kartkami? Co ma z tym wspólnego art. 10 AI Act?

Słowo to punkt w przestrzeni. Blisko stoi to, co pojawia się w podobnych zdaniach. Inny korpus, inna mapa: dlatego prawo pyta o dane treningowe.

2 · Model językowy

Co robi model przy każdym tokenie? I dlaczego GPT-2 pisał bełkot?

Zgaduje następny token z rozkładu prawdopodobieństwa. GPT-2 jest mały, z 2019 r., uczony głównie na angielskim i nie był dostrajany do rozmowy.

Jak powstaje czatbot? ↗
3 · Sposoby uczenia

Filtr spamu, podział wyroków ETPC na trzy grupy, czatbot poprawiany ocenami ludzi. Jakie to uczenie?

Nadzorowane: są etykiety („spam”). Nienadzorowane: bez etykiet, sam szuka grup. Ze wzmocnieniem: nagroda za lepszą odpowiedź.

Pies czy muffin? ↗
32
Sąd · zmyślone sygnatury

Gdy prawdopodobieństwo trafia do sądu

Czy AI napisze pozew i znajdzie do niego orzecznictwo?

Sądy to wyłapują
  • Baza Charlotina: 2047 orzeczeń z 41 państw (IV 2023 – IX 2026), w których sąd stwierdził treści zmyślone przez AI.
  • NSA, I FZ 104/26: pełnomocnik powołał trzy postanowienia NSA. Sygnatury prawdziwe, ale „żadne nie odzwierciedla realnego stanowiska” sądu.
A narzędzia prawnicze z bazą?
  • Lexis+ AI i Westlaw: błędne odpowiedzi w 17–33% zapytań, mimo dostępu do bazy orzeczeń (Magesh i in., 2025).
  • Częsty błąd: prawdziwe źródło, które nie mówi tego, co twierdzi odpowiedź.
  • Czatboty pytane z pamięci o wyroki: błędy w 58–88% odpowiedzi (Dahl i in., 2024).

Statystyka nie zna odpowiedzi „nie wiem”. RAG to próba dania jej źródła.

33
Sąd · najpierw akta, potem wyrok

RAG: najpierw wyszukaj, potem odpowiedz

Retrieval-Augmented Generation: generowanie wspomagane wyszukiwaniem

① Pytanie

„Does the use of facial recognition technology against a peaceful protester violate Article 8?”

② Wyszukiwanie

886 paragrafów z 23 wyroków ETPC. Słowa kluczowe (BM25): 2 ms. Z każdego wyroku najlepszy paragraf.

③ Fragmenty

[1] Glukhin v. Russia, § 89

[2] Gaughran v. UK, § 68

[3] Libert v. France, § 42

④ Kontekst

instrukcja: tylko z fragmentów, z przypisami

fragmenty [1]–[3]

pytanie

⑤ Odpowiedź

W sprawie Glukhin (…) Trybunał uznał, że użycie technologii rozpoznawania twarzy do zidentyfikowania skarżącego (…) nie odpowiadało „pilnej potrzebie społecznej” [1]. (…) Zastrzeżenie: fragment nie mówi wprost, że skarżący był pokojowym demonstrantem (…) [1] [3].

przykład: Claude Opus 5.5, 23.10.2026, tylko z fragmentów ③; [2] pominięty
34
Pracownia · w parach · 30 minut

Polowanie na zmyślenia

Kod QR do dema RAG na wyrokach ETPC
  1. Otwórz demo i wybierz pytanie swojego rzędu: twarze · DNA · monitoring w pracy · komentarze na Facebooku.
  2. „Kopiuj samo pytanie” i wklej do czatbota: bez RAG.
  3. „Kopiuj prompt z fragmentami” i wklej w nowej rozmowie: z RAG.
  4. W parze: jedna osoba sprawdza odpowiedź bez RAG, druga z RAG, w HUDOC albo HUDOC Researcher ↗. Po 3 odesłania.
  5. Przy tablicy: kreska za każde odesłanie, w tabeli bez RAG albo z RAG. Potem porównamy obie tabele.

✓ istnieje i mówi to · ≈ istnieje, ale mówi co innego · ✗ nie istnieje

lszoszk.github.io/teaching-materials/amu-ihrl/demo/rag

Otwórz demo RAG ↗ (W)

35
Sąd · gorzka lekcja

Czy RAG jest na chwilę?

▶The Bitter Lesson · 3:08
film wygenerowany przez AI na podstawie eseju R. Suttona (2019)
  • Sutton (2019): wygrywają ogólne metody, które rosną z mocą obliczeniową. Ręcznie wpisana ludzka wiedza przegrywa.
  • Nasz RAG to ręczna robota: ktoś tnie wyroki na paragrafy, wybiera metodę szukania najtrafniejszych fragmentów (np. BM25), pisze instrukcję.
  • Już dziś model sam szuka w sieci i w bazach, a w jednej rozmowie mieści setki wyroków.
Jak model sam sięga do baz? MCP i skills ↗

Ręczny RAG może być na chwilę. Pytanie o źródła zostaje.

36
Sąd · case study · sądy w Pakistanie

JudgeGPT: RAG dla 1559 sędziów

Narzędzie
  • GPT-4 z instrukcją dla sędziów: „cytuj tylko sprawy, które dostałeś”.
  • Sam dobiera słowa do wyszukania. Wyszukiwarka (BM25) przegląda 128 292 orzeczenia i 943 ustawy.
  • Do pytania dokleja 10 najlepszych fragmentów. Odpowiedź ma przypisy do źródeł.
Eksperyment · sędziowie losowani do trzech grup
  • Grupa A (1197): JudgeGPT i kurs, jak z niego korzystać (sześć wykładów: szukanie, sprawdzanie cytatów, redagowanie).
  • Grupa B (180): JudgeGPT i ogólny kurs „technologia i prawo”, bez nauki narzędzia.
  • Grupa kontrolna (182): ten sam ogólny kurs, bez JudgeGPT.

Pytanie badaczy: ile daje sam dostęp do AI, a ile nauka, jak z niej korzystać?

37
Sąd · case study · wyniki

Dostęp to za mało: liczy się nauka

Wykres: skumulowana liczba poleceń na sędziego w ciągu 40 tygodni. Grupa ze szkoleniem z narzędzia dochodzi do ponad 200, grupa z ogólnym kursem do ok. 50.
Polecenia na sędziego w 40 tygodni: grupa A (▲) i B (+). Ryc. 5B.
Wyniki
  • W typowym okręgu +6,3% rozpatrzonych spraw (1848 rocznie). Apelacji nieco mniej, jakość pism bez pogorszenia.
  • Po kursie mniej otwartych pytań prawnych, więcej poprawiania tekstu i streszczeń: tam łatwiej sprawdzić wynik.

Porozmawiaj z badaniem: wrzuć PDF ze stopki do Gemini Notebook ↗ i pytaj po polsku.

Sędzia pracuje szybciej, ale sprawdza i decyduje sam. Badacze nie podają, jak często JudgeGPT zmyślał.

38
Sąd · dla chętnych

Czy AI napisze skargę do Strasburga?

Wasze pytanie: czy AI wykona całą pracę prawnika?

Kod QR do strony z dwiema skargami napisanymi przez AI i panelem zgłoszeń
  • Ten sam prompt: skarga do ETPC o inwigilację w Polsce. Bez internetu.
  • Gemini Flash-Lite (darmowy) i Fable + Opus (planuje jeden model, pisze drugi).
  • Zaznacz fragment i zgłoś: prawda czy halucynacja. Inni głosują.

lszoszk.github.io/teaching-materials/amu-ihrl/demo/skarga · kod: ihrl26

Otwórz pisma i panel ↗ (W)

39
Na koniec · bilet wyjścia · ankieta po zajęciach

Dwie minuty, bez imion

Kod QR do anonimowej ankiety po zajęciach w Microsoft Forms
  • Co dziś było najciekawsze?
  • Co było najbardziej niejasne?
  • Tempo oraz proporcja techniki i prawa
  • Jedno pytanie na następne zajęcia
  • Bez logowania i bez danych osobowych

forms.cloud.microsoft/e/jhTt6yNgL5

40
Gildia · zasady dla sędziów

Bogota 2024, Strasburg 2025: te same zasady

Kolumbia · Sąd Konstytucyjny · T-323/2024
  • Wolno: administracja, wsparcie pracy sądu, korekta i streszczanie tekstów.
  • Nie wolno: zastąpić rozumowania sędziego (fakty, dowody, uzasadnienie). Decyzja AI bez sędziego jest nieważna.
  • Obowiązki: przejrzystość (powiedz stronom, jak i gdzie użyłeś AI), odpowiedzialność (sprawdź każdą informację), prywatność.
  • Kierunek: własna platforma sądów na orzecznictwie.
Rada Europy · CEPEJ · wytyczne z 4–5.12.2025
  • Władza sądzenia tylko u sądów; zawsze dostęp do sędziego-człowieka.
  • Wyniki AI nigdy nie wiążą; użycie AI w orzekaniu musi być jawne.
  • Narzędzia wyspecjalizowane, pod kontrolą publiczną; dane pseudonimizowane.
  • Strony też muszą ujawniać AI; sąd ma wyłapywać nieistniejące cytaty.
Układ według EKPC: art. 6, 5, 8 i 13

Dwa kontynenty, jedna odpowiedź: AI pomaga, rozstrzyga człowiek. Jawnie.

PomocniczośćCEPEJ: generatywną AI wdrażać dopiero wtedy, gdy zwykłe rozwiązania nie działają. Czy polski asystent PLLuM w Prokuratorii Generalnej przeszedłby ten test?

42
Gildia · 84 fale pism z AI w 11 państwach

Fala w danych: 12 urzędów i sądów

Dwanaście wykresów liczby wniosków, skarg i spraw w latach 2018–2025 w urzędach i sądach Australii, Francji, Niemiec, Wielkiej Brytanii, USA, Brazylii i Japonii; w większości wyraźny wzrost w ostatnich latach
Jak czytać
  • Czerwone: sam urząd łączy wzrost z AI. Niebieskie: źródła zewnętrzne.
  • Przerywana linia: ChatGPT (XI 2022).
  • Osie nie zaczynają się od zera.
Sądy
  • Francja, sądy administracyjne: z ok. 211 tys. do 335 tys. spraw rocznie.
  • Niemcy, pilne sprawy w sądach socjalnych: +55% w 2025 r.
  • Brazylia: 39,4 mln pism do sądów (2024).

Część fal ruszyła przed ChatGPT. Wzrost to nie dowód winy AI.

43
Gildia · 84 fale pism z AI w 11 państwach

Zalew pism z AI: jak może odpowiedzieć państwo?

Ograniczyć
popyt
Dodać tarcie

opłaty · wizyty osobiste · limity · zamknięcie kanałów cyfrowych

+ szybkie, sprawdzone − nierówność proceduralna

Zmniejszyć korzyść

niższe świadczenia · węższe kryteria · kary za bezzasadne wnioski

+ odporne na lepsze AI − decyzja ustawodawcy

Zwiększyć
wydolność
Przebudować usługę

formularze z weryfikacją tożsamości · przewidywalna obsługa · świadczenie bez wniosku

+ lepiej dla obywateli − drogo, lata zmian

AI po stronie urzędu

przyjmowanie i segregacja spraw · korespondencja · proste sprawy automatycznie

+ skaluje się − granice decyzji automatycznych, zależność od dostawcy

Najszybsze jest tarcie. Kto wtedy traci dostęp do sądu?

44
Gildia · w parach · zadanie z AI Act

Wysokie ryzyko czy nie?

Sprawy masowe
  • FRAUKE · Hesja, AG Frankfurt, od 2021. Projekt wyroku w sprawach pasażerów lotniczych z gotowych modułów tekstu.
  • MAKI · Dolna Saksonia z BB, HE, NRW, pilotaż od końca 2024. Czat w e-aktach, grupowanie spraw, propozycje wzorców rozstrzygnięć.
Akta i pisma
  • INDATA · BY, NI, RP. Nazywa i rozdziela wpływające pisma, wyciąga strony i adresy. Pilotaż 2026.
  • StruKI · BW. Streszcza i porządkuje akta. W budowie.
  • DocCo · NI z BW, od 2023. Porównuje długie pisma i umowy z podobnych spraw.
Publikacja orzeczeń
  • ALeKS · NI z BY. Anonimizacja i tezy; w części dziedzin 97% trafności (dane ministerstwa).
  • JANO · HE z BW. Anonimizacja; od XII 2025 na co dzień w sprawach cywilnych.
Szkolenie · Polska
  • CourtnAI · NI. Wirtualna rzeczywistość: przesłuchanie świadka-awatara i informacja zwrotna o technice pytań.
  • Asystent PLLuM · Polska, 2026. Ma trafić do Prokuratorii Generalnej RP: wyszukiwanie i analiza prawa, streszczenia, anonimizacja.

Test① Zakazane (art. 5)? ② Wspiera sąd w „badaniu i interpretacji stanu faktycznego i przepisów prawa” (zał. III pkt 8 lit. a)? ③ Wyjątek: „wąsko określone zadanie proceduralne” albo „zadania przygotowawcze” (art. 6 ust. 3)?

AI przygotowuje, sortuje, porównuje i anonimizuje. Rozstrzyga sędzia.

45
Gildia · prawo Unii · AI Act

AI Act: cztery poziomy ryzyka

ZAKAZANEart. 5 · od 2.02.2025

manipulacja · scoring społeczny · baza twarzy zebranych z internetu (lit. e) · rozpoznawanie emocji w pracy i szkole · identyfikacja twarzy na żywo przez policję (lit. h, z wyjątkami)

WYSOKIE RYZYKOart. 6 · zał. III

edukacja · praca · kredyt i świadczenia · policja · migracja · sądy (pkt 8). Obowiązki z art. 9–15: m.in. dane (art. 10), nadzór człowieka (art. 14).

PRZEJRZYSTOŚĆart. 50

czatbot mówi, że jest AI · treści z AI oznaczone · deepfake ujawniony

RESZTAbez nowych obowiązków

filtr spamu · gry · korekta tekstu

OsobnoModele ogólnego przeznaczenia, np. te za czatbotami (art. 51–55; art. 53 znacie z 19.10). Omnibus cyfrowy przesunął wysokie ryzyko: zał. III od 2.12.2027.

46
Gildia prawników · jak AI widzi prawnika i urzędnika
„Narysuj mi prawnika w pracy”
Obraz wygenerowany przez Gemini: mężczyzna w garniturze przy biurku pisze na dokumentach, za oknem Warszawa z Pałacem Kultury, na biurku tabliczka Adwokat Piotr Kowalski
GOOGLE · GEMINI
Obraz wygenerowany przez model OpenAI w Codexie: mężczyzna w garniturze przy biurku podpisuje dokumenty, za nim półki z książkami i waga
OPENAI · CODEX
„Narysuj mi urzędnika w pracy”
Obraz wygenerowany przez Gemini: kobieta w granatowej marynarce przy biurku w jasnym urzędzie czyta dokument, na biurku segregatory Sprawy obywatelskie i Wnioski
GOOGLE · GEMINI
Obraz wygenerowany przez Ideogram 4.0: urzędnik przy biurku w Urzędzie Miejskim, monitor kineskopowy, pieczątki, stosy teczek, okienko i petenci czekający na krzesłach
IDEOGRAM 4.0
„Narysuj mi prawnika w starożytnej Grecji”
Obraz wygenerowany przez ChatGPT: mężczyzna w białej todze przemawia do tłumu na schodach, w tle Akropol z Partenonem
OPENAI · CHATGPT
Obraz wygenerowany przez Gemini: mówca w ciemnym płaszczu ze zwojem przemawia z podwyższenia do tłumu na agorze, w tle Akropol
GOOGLE · GEMINI
47
Gildia prawników · czas pracy, badanie brytyjskie

Na co przeznacza czas prawnik w pracy?

Kontakt z klientem
22,8%
Administracja kancelarii
15,7%
„Martwy czas” między zadaniami
15,0%
Redagowanie dokumentów
14,5%
Czytanie i ocena dokumentów
12,6%
Nadzór i rozmowy w zespole
8,4%
Pozostałe
10,9%

w tych zadaniach też się pisze (maile, oferty); badanie tego nie rozbija2017: „bardzo trudno zautomatyzować” — Remus i Levy o pisaniu prawniczym

Czy prawnicy będą zbędni, czy ich praca się zmieni?

48
Gildia prawników · mniej czasu na zadania, więcej na cel

Cel pracy i zadania

otwórz klip osobno ↗
No Priors · 8 stycznia 2026 · 57 s · napisy: tłum. własne

1Co jest odpowiednikiem „pisania kodu” w pracy prawnika albo urzędnika?

2A co jest celem tej pracy?

49
Gildia prawników · jak powstaje eliksir

Przygotowanie tanieje.
Decyzja i ocena zostają przy Was.

DECYZJAco jest problemem?
cel · kontekst · pytanie
PRZYGOTOWANIE*szukanie · czytanie · pisanie
model wspiera wykonanie
OCENAczy można na tym działać?
weryfikacja · skutki uboczne
DOTĄD
DECYZJA
PRZYGOTOWANIE
OCENA
Z AI
DECYZJA
PRZYG.
OCENA
* część badaczy przestrzega: pisanie to też myślenie — decyzja powstaje w trakcie pisania (Bell i Legg 2026)czas →

Po kolorze nie poznasz. Pełnomocnik powołał trzy postanowienia NSA. Sygnatury prawdziwe, ale „…żadne nie odzwierciedla realnego stanowiska” sądu (I FZ 104/26).Nie tylko u nas. Baza Charlotina: ponad 2000 takich spraw na świecie, z Polski dwie.

50
Gildia prawników · rzecznicy patentowi · eksperyment 2026

AI pomaga każdemu.
Uczy tych, którzy mają podstawy.

133 rzeczników patentowych z USA, 3 miesiące z asystentem AI lub bez niego, na koniec test bez AI.

Pisanie z AI

Lepsze zgłoszenia.
Największy zysk u juniorów.

Na koniec, bez AI: ocena projektu

Seniorzy z grupy AI lepsi od seniorów bez AI.
Juniorzy średnio bez zysku.

Na studiach — bez skrótów. W pracy — z AI.Tylko ćwicząc sami, nauczycie się, na co zwracać uwagę, co sprawdzać i co można oddać narzędziu.

51
Kuźnia · jedna osoba, cały warsztat

Nowe zadanie: narzędzie, które rozwiąże problem.

Kiedyś: informatyk i prawnik. Dziś: pierwsza wersja w jeden wieczór.

vibe coding: polecenie → kod → narzędzie · przyspieszone
Łukasz Szoszkiewicz przed banerem Ready for AI? na AI for Good Global Summit w Genewie, lipiec 2026
AI for Good Global Summit, Genewa, lipiec 2026
Fragmenty rezolucji Rady Praw Człowieka ONZ 47/23 z 13 lipca 2021 r.: tytuł i wynik głosowania imiennego, 44 za, 0 przeciw, 3 wstrzymujące się, z listą państw; zakreślone: wynik i Polska
dokument źródłowy: rezolucja Rady Praw Człowieka 47/23 (2021)
Łukasz Szoszkiewicz na stoisku Geneva Human Rights Hub pokazuje na monitorze mapę z HRC Voting
Geneva Human Rights Hub, lipiec 2026 · fot. Domenico Zipoli
Zrzut ekranu narzędzia HRC Voting: głosowania imienne w Komisji Praw Człowieka i Radzie Praw Człowieka ONZ
HRC Voting · 7 406 tekstów · 2 730 głosowań imiennych · ponad 260 tys. głosów państw (Komisja i Rada Praw Człowieka + III Komitet ZO)
HRC Voting, profil Polski: mapa świata — państwa na niebiesko głosują w Radzie Praw Człowieka zwykle tak jak Polska (m.in. państwa UE, Australia, Japonia), na czerwono zwykle odwrotnie (m.in. Rosja, Chiny)
z kim głosuje Polska: niebieskie — tak samo, czerwone — odwrotnie

Nie tylko jaRepsol (Hiszpania) — FT 2026: Most innovative in-house legal team in Europe. Ok. 200 osób w dziale prawnym, każda ma 100 godzin rocznie na naukę programowania i AI.

53
Port

Wypływacie
na nieznane wody.

Zabieracie wszystko, co zdobyliście po drodze.

Życzę Wam, żebyście ją zdali.muzyka: L. Göransson, „The Trial of the Bow / Vengeance”, The Odyssey (2026), fragment

Coś się kończy, coś się zaczyna.Andrzej Sapkowski, tytuł opowiadania

ZABIERZ MAPĘ
Kod QR do strony z materiałami z wykładu Nowy Świat

podsumowanie i źródła na telefon

Dla chętnych · zestaw startowy

Od przeglądarki do własnego repo

1
Google Colab

Notatnik w przeglądarce. Nic nie instalujesz.

2
GitHub Codespaces

VS Code w przeglądarce, z gitem i Pythonem. Działa na komputerach w sali.

3
Własny laptop

git, VS Code, Python. Do pracy z kodem polecam własny sprzęt.

Klucze API dla chętnych grup: osobny klucz z limitem, w pliku .env, który jest w .gitignore. Klucz w publicznym repo to klucz dla całego świata.

56
Mapa · postrzępiona granica

Co leży w granicy, a co poza nią?

Możliwości AI są nierówne: świetne w jednym zadaniu, zaskakująco słabe w sąsiednim, które wygląda na równie trudne. Badacze nazwali to postrzępioną granicą.

1 1 2 2 3 3
co AI robi dobrze zadania, które człowiekowi wydają się równie trudne
W GRANICY
POZA GRANICĄ
1
Kontrola formalna odwołania: termin, opłata, pełnomocnictwoGPT-4.1: 96–100% trafności · 101 spraw KIO
1
Napisanie wyroku na egzaminie do KIO37/100 przy progu 50 · modele z 2025 r.
2
Wykrycie zmyślonej sygnatury, z dostępem do bazy93,5–100% wykrytych
2
Wykrycie wyroku, który istnieje, ale mówi co innego46–83% wykrytych
3
Streszczenie dokumentu, który AI dostała77,2% wymaganych elementów · VLAIR 2025
3
Przywołanie orzeczeń z pamięci, bez sprawdzeniaNSA, I OSK 590/26: części sygnatur nie ma
← wróć na mapę 57
Mapa · prawo Moore'a

Moc obliczeniowa rośnie wykładniczo

Tranzystory w procesorze
  • 1965: Gordon Moore przewiduje podwajanie liczby elementów w układzie; w 1975 r. koryguje: co ok. dwa lata.
  • 1971: ok. 2300 tranzystorów. 2021: ok. 58 mld.
  • To ok. 25 mln razy więcej w 50 lat.

Wykres ↗ (W)

Obliczenia do trenowania AI
  • 2012 AlexNet: 4,7 × 1017 operacji.
  • 2019 GPT-2 (z naszego dema): 1,9 × 1021.
  • 2025 Grok 4: ok. 5 × 1026 (szacunek).
  • Miliard razy więcej w 13 lat: podwojenie co ok. 5 miesięcy.

Wykres ↗

← wróć na mapę 58
Mapa · głos, który wraca

Głos z myśli

Neuralink · badanie VOICE · 2026
  • Terry ma ALS. Bliscy coraz gorzej go rozumieją.
  • Implant w korze ruchowej mowy: 3000 kanałów.
  • Dekoder uczy się na jego próbach mówienia, potem na samym myśleniu.
  • Słowa mówi jego dawny głos, odtworzony z nagrań.

▶ 3:41 trening dekodera (W)▶ 6:04 myśli jako słowa

Ten sam mechanizm co w demie
  • Dekoder też zgaduje: z niepewnych sygnałów wybiera najbardziej prawdopodobne słowo.
  • Synchron (2024) poszedł dalej: GPT proponuje całe odpowiedzi, a pacjent wybiera jedną myślą.
  • Badanie naukowe (UC Davis, 2026): pacjent z ALS sam w domu przez 19 miesięcy, 56 słów na minutę, 92% zdań co najmniej w większości trafnych.

Jeśli model dopowiada słowa, czyja to wypowiedź?

Prawa:Wolność wypowiedzi (art. 19 MPPOiP, art. 21 KPON), dostępność (art. 9 KPON), prywatność umysłu (art. 18 MPPOiP). Wrócimy do tego później.

← wróć na mapę 59
Powtórka · model językowy · trzy etapy

Jak powstaje czatbot?

1 · Trening na tekstach

Miliardy zdań. Zadanie: zgadnij następny token. Tu skończył GPT-2.

Ty: Can the police read my private messages?
GPT-2: On Wednesday, I met a group of journalists,

Nie odpowiada. Dopisuje tekst, jak w artykule.

2 · Dostrajanie na rozmowach

Ludzie piszą tysiące wzorcowych par: pytanie i dobra odpowiedź.

Pytanie: Czy policja może czytać moje wiadomości?
Wzór: Tylko na podstawie ustawy i zwykle za zgodą sądu.

Uczy się formy: na pytanie odpowiada.

3 · Oceny ludzi

Model daje dwie odpowiedzi, człowiek wybiera lepszą. Model dostaje „nagrodę” za takie jak wybrana.

A: Tak, zawsze.
B: To zależy: potrzebna jest podstawa prawna i kontrola. ✓

Uczy się stylu: ostrożny, pomocny, uprzejmy.

Rozmowa to tylko format. Model dalej dopisuje następne tokeny, tyle że jako odpowiedź asystenta.

← wróć do powtórki 60
Powtórka · sposoby uczenia · przykład

Pies czy muffin?

Siatka zdjęć: na przemian pyszczki chihuahua i babeczki z jagodami, bardzo do siebie podobne
K. Zack (@teenybiscuit), 2016
Nienadzorowane · bez etykiet

Grupuje to, co wygląda podobnie: brązowe, okrągłe, trzy ciemne kropki. Psy i muffiny trafią do jednej grupy.

Nadzorowane · z etykietami

Człowiek oznaczył „pies” i „muffin”. Model uczy się tego, co my nazywamy różnym. Na takich zdjęciach i tak się myli.

Eksperyment: pies czy muffin ↗ (W)

61 ← wróć do powtórki
Gorzka lekcja · narzędzia modelu

Model sięga sam: MCP i skills

Po co? Żeby model sięgał do aktualnych, sprawdzalnych źródeł, zamiast zgadywać z pamięci.

Serwer MCP · gniazdko

Połączenie modelu z bazą. Model sam decyduje, czego szukać, np. w orzeczeniach ETPC.

Skill · segregator z procedurą

Instrukcja, którą model otwiera, gdy zadanie pasuje, np. „jak cytować wyroki ETPC”.

Dla chętnychDarmowy Claude ma skills i jeden własny serwer MCP. Instrukcja czeka na południu mapy: szukajcie klucza do archiwum.

62 ← wróć do gorzkiej lekcji
Mapa · klucz do archiwum · dla chętnych

Spróbuj sam: MCP i skill

  1. Załóż darmowe konto na claude.ai. W ustawieniach włącz wykonywanie kodu.
  2. Customize → Connectors → Add custom connector. Adres: https://150.254.115.204/echr-api/mcp (bez logowania).
  3. Customize → Skills: wgraj plik echr-research.zip.
  4. Zadaj pytanie z pracowni w trzech nowych rozmowach: bez niczego, z serwerem, z serwerem i skillem. Policz ✓ ≈ ✗.
Co tam jest

HUDOC Researcher: ok. 20 tys. wyroków ETPC, podzielonych na paragrafy, z siecią cytowań. Model sam szuka i cytuje paragraf.

Skill echr-research: procedura: znajdź wiodący wyrok, cytuj dosłownie, z paragrafem.

Darmowy plan: jeden własny serwer, limit wiadomości. Nie wpisuj danych osobowych.

← wróć na mapę 63
Po wykładzie

Źródła 1/2

Dell'Acqua i in., Navigating the Jagged Technological Frontier, Organization Science (2026)Legal Education and Training Review (2013), rozdz. 2, tab. 2.6Remus i Levy, Can Robots Be Lawyers?, 30 Geo. J. Legal Ethics 501 (2017)Jensen Huang, No Priors, 8.01.2026 (od 9:03)Snell v. United Specialty Insurance Co., 11th Cir. (28.05.2024), zdanie zbieżne sędziego Kevina NewsomaMehmood, Goessmann i Ash, Courts of Tomorrow: Evidence from a Nationwide Rollout of Generative AI (wersja z 9.08.2026; wcześniej CEPR DP21783)N. Nowotnik, „Asystent prawny coraz bliżej urzędów”, Rzeczpospolita (29.09.2026)Bell i Legg, The Giving of Reasons: Judgment Writing, Judicial Reasoning, and GenAI, Bond Law Review 38(2) (2026)Mollick, The Dot and the Swarm, One Useful Thing (1.10.2026)Specjalna Sprawozdawczyni ONZ ds. niezależności sędziów i prawników, A/80/169 (2025)Autor i in., Does AI Assistance Enhance or Erode Expertise?, NBER WP 35720 (IX 2026), praca roboczaVals AI, Vals Legal AI Report (VLAIR), 27.02.2025 — raport branżowyHumlum i Vestergaard, Large Language Models, Small Labor Market Effects, NBER WP 33777 (2025)Karp i in., LLM-as-a-Judge is Bad…, Artificial Intelligence and Law (2026)Liu, Stammbach, Henderson, tekst przed recenzją (2026)Kodeks postępowania administracyjnego, art. 107 § 1 pkt 8Magesh i in., Hallucination-Free?, Journal of Empirical Legal Studies 22 (2025)Dahl i in., Large Legal Fictions, Journal of Legal Analysis 16 (2024)NSA, I OSK 590/26 (31.08.2026)NSA, postanowienie z 23.06.2026, I FZ 104/26Dell'Acqua i in., The Cybernetic Teammate, NBER WP 33641 (2025); Organization Science 37(4) (2026)Rada Praw Człowieka ONZ, rezolucja 47/23 (13.07.2021)HRC Voting — Ł. Szoszkiewicz (2026)Chang, AI, Legal Labor, and the Jevons Paradox, NYU Law Review Forum (4.08.2026)Schmitz, Hammond i Chan, Characterizing Agentic Flooding of Government Services, AIES 2026 (preprint)Y. Lambert, „AI shakes up in-house legal teams’ work practices”, Financial Times (25.09.2026), raport FT Innovative Lawyers EuropePlaton, Fajdros, przeł. W. Witwicki (Wolne Lektury, domena publiczna)Synchron, film „Rodney uses The Force to feed his dog” (2025)Szoszkiewicz i Yuste, Mental privacy, EMBO Reports 26 (2025)Ethan Mollick (kanał), The Bitter Lesson, YouTube (2.10.2026, 3:08)OECD, Recommendation of the Council on Artificial Intelligence: definicja „AI system” (zmiana z 8.11.2023)Konwencja ramowa Rady Europy o sztucznej inteligencji i prawach człowieka, demokracji i państwie prawnym (CETS 225), art. 2Neuralink, Speaking With The Mind, YouTube (18.09.2026, 6:55)N.S. Card i in., Long-term independent use of an intracortical brain–computer interface for speech and cursor control, Nature Medicine 32(7) (2026) 2504–2510N.S. Card i in., An Accurate and Rapidly Calibrating Speech Neuroprosthesis, New England Journal of Medicine 391(7) (2024) 609–618MassDevice, Synchron i czat oparty na modelach OpenAI (2024)Our World in Data, Moore's LawOur World in Data, Transistors per microprocessor (dane: K. Rupp, Microprocessor Trend Data, 2022)Our World in Data, Training computation of notable AI systems (dane: Epoch AI)United States v. Deleon, 116 F.4th 1260 (11th Cir. 5.09.2024), zdanie zbieżne sędziego NewsomaB. Waldon, N. Schneider, E. Wilcox, A. Zeldes, K. Tobia, Large Language Models for Legal Interpretation? Don’t Take Their Word for It, Georgetown Law Journal 114 (2025), SSRN 5123124
65
Po wykładzie

Źródła 2/2

Oxford Institute of Technology and Justice (Blavatnik School of Government), AI Justice AtlasHURIDOCS, Machine learning for human rights information (Universal Human Rights Index, OHCHR; baza UPR Info)Corte Constitucional de Colombia, wyrok T-323 z 2024 r.Consejo Superior de la Judicatura, ABC Sentencia T-323 2024 (2024)Ars Electronica, VFRAME (A. Harvey i in.) z MnemonicUniversidad Alberto Hurtado, Proyecto de investigación Nuestra memorIA: Inteligencia Artificial y Archivos de Derechos Humanos (13.08.2024)WIRED en español, Reparar, recuperar y revelar: los archivos de las dictaduras de América Latina renacen con ayuda de la inteligencia artificial (26.11.2024; przedruk: Museo de la Memoria)P. Forgione, M.B. Mahadinah, Memorializing IHL violations in the age of AI: opportunities and risks for transitional justice, ICRC Humanitarian Law & Policy Blog (23.07.2026)NuestramemorIA, Inteligencia artificial al servicio de la memoria histórica de Chile (UC, UAH; ANID/FONDECYT), strona projektuОфіс Генерального прокурора України, ОГП спростовує інформацію щодо відряджень Генерального прокурора, gp.gov.ua (6.04.2024)Reuters, Data company Palantir to help Ukraine prosecute alleged Russian war crimes (22.04.2023)El Universal (Cartagena), Habla el juez que conectó a la justicia del país con la inteligencia artificial (5.02.2023)V. Bergengruen, wywiad z prokuratorem generalnym Ukrainy A. Kostinem, TIME (6.11.2023)Oxford Institute of Technology and Justice, AI Justice Atlas: Ukraina (stan VI 2026)Amnesty International, Crowdsourced Twitter study reveals shocking scale of online abuse against women (18.12.2018)CEPEJ, Guidelines on the use of generative AI for courts, CEPEJ(2025)18Final (przyjęte 4–5.12.2025)SSH (@SSHCodes), wpis z filmem: Qwen 27B liczy słowo „Paris”, X (2026)Cho i in., Transformer Explainer (Georgia Tech, AAAI 2025; kod MIT)ETPC, Glukhin v. Russia, no. 11519/20, 4 July 2023Niedersächsisches Justizministerium, Künstliche Intelligenz und Automation in der Justiz (dostęp 12.10.2026)LTO, Flut an Fluggastrechte-Klagen: KI soll Brandenburger Gericht unterstützen (4.10.2023)Ministerium der Justiz und für Migration Baden-Württemberg, Neues KI-Werkzeug für effiziente Justizverfahren (24.04.2026)Bundestag, Drucksache 21/5985: odpowiedź rządu federalnego o AI w justycji (18.05.2026)Rozporządzenie (UE) 2024/1689 (AI Act), art. 5, 6, 50 i zał. IIIRozporządzenie (UE) 2026/1744 (omnibus cyfrowy w sprawie AI), Dz.U. L z 24.07.2026Damien Charlotin, AI Hallucination Cases DatabaseE. Gent, Pakistani Judges Give Their Verdict on JudgeGPT, IEEE Spectrum (12.08.2026)E. Ash, nagranie prezentacji „Courts of Tomorrow” na NBER Summer Institute, X (25.07.2026)K. Zack (@teenybiscuit), „chihuahua or muffin?” (10.03.2016); za: NPR (11.03.2016)M. Yao, Chihuahua or muffin? My search for the best computer vision API, freeCodeCamp (2017)M. Oquab i in., DINOv2: Learning Robust Visual Features without Supervision (2023)Ł. Szoszkiewicz, HUDOC Researcher: wyszukiwarka paragrafów wyroków ETPCprinz (@deredleritt3r), PrinzBench: prywatny benchmark badań prawniczych, GitHub (stan 18.07.2026)Ł. Szoszkiewicz, Radbruch Says: Between Justice and Legal Certainty (teledysk, 2026)Ilustracje map i bohaterów (Wiedźmin, Odyseja): wygenerowane w Codexie (OpenAI) na potrzeby wykładu, 25–27.09.2026. Obrazy „prawnik w pracy”: OpenAI (Codex) i Google Gemini, 23.09.2026. Obrazy „prawnik w starożytnej Grecji” (Odyseja): OpenAI (ChatGPT) i Google Gemini, 29.09.2026. Zdjęcie ze stoiska w Genewie (VII 2026): Domenico Zipoli. Muzyka: L. Göransson, „The Odyssey” (2026) — fragment „The Trial of the Bow / Vengeance” na końcu; motyw główny gra tylko na sali.
66