Elementarz sztucznej inteligencji – podstawy dla każdego

Polecamy znakomity cykl krótkich, rzeczowych, praktycznych artykułów krok po kroku wyjaśniających i porządkującyh poszczególne pojęcia zawierające się w popularnym sformułowaniu „sztuczna inteligencja”, obecnym w przestrzeni  oublicznej od 1956 roku, ale od dwóch lat ze szczególnym nasileniem.  Jest do ogarnięcia absolutnie dla każdego, bez względu na wykształcenie i stanowisko. Dodatkowo cenne jest to, że uodparnia na medialny i marketingowy szum i presję.

Cykl składa sie z 8 części:

Część 1 — Wprowadzenie do AI 

Część 2 — Zrozumienie uczenia maszynowego

Część 3 — Podstawy głębokiego uczenia się

Część 4 — Wprowadzenie do generatywnej sztucznej inteligencji

Część 5 — Co to jest model dużego języka (LLM)?

Część 6 — Szybka inżynieria: Sztuka komunikowania się z AI

Część 7 — Względy etyczne w generatywnej sztucznej inteligencji

Część 8 — Wyzwania, ograniczenia i przyszłe trendy w generatywnej sztucznej inteligencji

Raja Gupta, autor, pisze: „Zaprojektowałem tę serię w taki sposób, że:

• Seria jest podzielona na małe jednostki logiczne.
• Nauka każdej części zajmuje maksymalnie 15–20 minut.
• Treść jest napisana w sposób zrozumiały dla laika – nawet dziecko będzie w stanie zrozumieć większość z niej.
• Po ukończeniu serii uzyskasz jasny pogląd na temat generatywnej sztucznej inteligencji i jej różnych komponentów.”

Każda część zawiera przypomnienie zawartości poprzednich odcinków, wyjaśnienie zagadnienia z danego odcinka, ilustracje, przykłady zastosowania, przykłady narzędzi, podsumowanie.

Oto ich zawartość w największym skrócie:

Generatywna sztuczna inteligencja jest podzbiorem głębokiego uczenia się, które z kolei jest podzbiorem uczenia maszynowego, które z kolei jest podzbiorem sztucznej inteligencji.

1. Sztuczna inteligencja (AI) — inteligencja podobna do ludzkiej, stworzona przez człowieka w robocie (lub maszynie lub komputerze).

Sztuczna inteligencja umożliwia komputerom rozumienie, analizowanie danych i podejmowanie decyzji bez stałego nadzoru człowieka. Te inteligentne maszyny wykorzystują algorytmy będące instrukcjami krok po kroku do przetwarzania informacji i zwiększania wydajności w miarę upływu czasu.

Oto kilka głównych różnic między sztuczną inteligencją a ludzką inteligencją:

Styl uczenia się:

• AI: Uczy się na podstawie wielu przykładów i danych. Przetwarza liczby i wzorce, aby stać się profesjonalistą w konkretnych zadaniach.
• Ludzie: Uczymy się poprzez mówienie, doświadczanie i myślenie. Nasze mózgi chłoną różne rzeczy – od tego, jak jeździć na rowerze, po to, dlaczego niebo zmienia kolor na różowy o zachodzie słońca.

Szybkość myślenia:

• AI: Szybki, podobny do superbohatera w zadaniach, które dobrze zna. Pokaż mu zadanie, do którego został przeszkolony, i bum, zostanie wykonane w mgnieniu oka.
• Ludzie: Może zajmie nam to trochę więcej czasu. Ale jesteśmy bardzo dobrzy w rozwiązywaniu skomplikowanych rzeczy. Jesteśmy dobrzy w złożonym myśleniu i kreatywności.

Umiejętności pamięciowe:

• AI: Zapamiętuje fakty i liczby, ale nie za pomocą wspomnień i uczuć. To robot przywołujący zaprogramowane informacje, zamiast pielęgnować chwilę.
• Ludzie: Pamiętamy wydarzenia, emocje i wiele szczegółów. Od pierwszych randek po teksty naszych ulubionych piosenek. Nasze wspomnienia są zbiorem dobrych i złych doświadczeń.

Odczuwanie emocji:

• AI: Nie czuje radości, smutku ani niczego. Trzyma się zasad i schematów.
• Ludzie: Jesteśmy emocjonalnym rollercoasterem – szczęściem, smutkiem i wszystkim innym. Nasze uczucia kształtują to, kim jesteśmy i jak reagujemy.

Współczynnik elastyczności:

• AI: Trzyma się tego, czego go nauczono i może mieć problemy w nowych sytuacjach. Jest mądry, ale sztywny.
• Ludzie: Jesteśmy niesamowici w dostosowywaniu nowych rzeczy. My, ludzie, zawsze znajdziemy sposób na wyjście z każdego scenariusza i rozwiązanie każdego problemu.

Tworzenie fajnych rzeczy:

• AI: Potrafi tworzyć rzeczy w ustalonych granicach. Można go uznać za artystę posiadającego specyficzne płótno i paletę barw.
• Ludzie: Jesteśmy mistrzami wymyślania nowych pomysłów, sztuki, rozwiązań. Nasza kreatywność nie zna granic.

Zrozumienie szerszego obrazu:

• AI: Wie, czego się nauczył, ale może przegapić trudne sytuacje, na przykład czytanie między wierszami, rozumienie dowcipów lub niuansów kulturowych.
• Ludzie: Rozumiemy wszystko – żarty, uczucia i kulturę. Nasze mózgi to kompletny pakiet, w którym jest wszystkiego po trochu!

Możliwości podejmowania decyzji:

• AI: Decyduje na podstawie swojego szkolenia i programowania. Jest to zgodne z zasadami.
• Ludzie: Łączymy logikę, uczucia i to, co jest właściwe, aby podejmować decyzje.

2. Uczenie maszynowe — uczenie robota (lub dowolnej maszyny) poprzez podawanie wielu przykładowych zdjęć (lub innych informacji).

Uczenie maszynowe to:

• Podzbiór sztucznej inteligencji.
• Dzięki temu maszyny (lub komputery) mogą uczyć się na podstawie danych i podejmować decyzje .

Trzy główne typy:

Nadzorowana nauka, np. filtr spamu, rozpoznawanie twarzy, klasyfikacja obrazu.

Uczenie się bez nadzoru, np. segmentacja klientów, wykrywanie anomalii, systemy rekomendacji.

Uczenie się przez wzmacnianie, np. gry, samochody autonomiczne, handel instrumentów finansowych.

3. Głebokie uczenie się

Głębokie uczenie się jest podzbiorem uczenia maszynowego (ML jest ponownie podzbiorem sztucznej inteligencji). W swej istocie głębokie uczenie się opiera się na sztucznej sieci neuronowej (ANN), która jest modelem obliczeniowym inspirowanym strukturą i funkcjonowaniem ludzkiego mózgu. „Głębokie” oznacza, że ​​ma wiele warstw pomiędzy wejściem i wyjściem, dzięki czemu jest w stanie uczyć się złożonych wzorców. Warstwy te przetwarzają informacje.

4. Generatywna sztuczna inteligencja

Generatywna sztuczna inteligencja to:

• Rodzaj sztucznej inteligencji
• które mogą tworzyć nowe rzeczy , na przykład dzieła sztuki, muzykę, a nawet realistyczne obrazy.
• bez wyraźnego wskazania, co stworzyć

Podczas gdy tradycyjna sztuczna inteligencja koncentruje się na konkretnych zadaniach lub rozwiązaniu problemu, generatywna sztuczna inteligencja wyróżnia się zdolnością do wykazywania kreatywności podobnej do kreatywności ludzkiej .

Generatywna sztuczna inteligencja wykorzystuje techniki uczenia maszynowego, w szczególności głębokie uczenie się i sieci neuronowe.

Głównym wyróżnikiem Generative AI jest zdolność do generowania nowych treści .

5. Model dużego języka

Generatywny system sztucznej inteligencji, który musi generować tekst podobny do ludzkiego, potrzebuje dużych modeli językowych.

Model języka to:

• rodzaj modelu uczenia maszynowego
• który wykorzystuje różne techniki statystyczne i probabilistyczne
• przewidywać prawdopodobieństwo wystąpienia danej sekwencji słów w zdaniu lub frazie.

Duży model językowy (LLM) to model języka, który jest:

• rodzaj modelu uczenia maszynowego
• który jest szkolony na dużym zbiorze danych tekstowych
• i wykorzystuje zaawansowane architektury sieci neuronowych
• do generowania lub przewidywania tekstu podobnego do ludzkiego.

Przetwarzanie języka naturalnego to ważna koncepcja bardzo ściśle powiązana z LLM.

Wyzwania i ograniczenia generatywnej sztucznej inteligencji

Chociaż generatywna sztuczna inteligencja ma zdolność do generowania nowych pomysłów, muzyki, poezji i opowiadań, nadal działa według określonych zasad i gatunków. Nie może całkowicie zapoczątkować nowego typu technik opowiadania historii ani nowego gatunku muzyki.

Modele generatywnej sztucznej inteligencji, szczególnie te wielkoskalowe, na przykład GPT OpenAI, wymagają dużego zużycia sprzętu i energii oraz czasu na trening na milionach, a nawet miliardach przykładów.

Pozyskiwanie i zarządzanie dużymi zbiorami danych może być wyzwaniem i wymagać dużych zasobów, szczególnie w przypadku domen niszowych lub specjalistycznych.

Treści generowane przez Generative AI mogą zawierać niedokładne wyniki. W branżach, w których wpływ generowanych treści ma bezpośredni wpływ na życie ludzkie, np. opieka zdrowotna, usługi prawne, działania wojenne ważne jest posiadanie odpowiedniej kontroli jakości i przeglądu ręcznego.

Oprac. IDB