Mis tehisintellekt tegelikult on? [Video ja viktoriin]

Lühike vastus: tehisintellekt on lai arvutustehnikate perekond, mis tunneb ära mustreid, teeb ennustusi, genereerib sisu ja üha enam ka tegutseb. See võib olla väga tõhus, kui selle ümber on üles ehitatud usaldusväärne teave, selged load ja inimese poolt teostatav läbivaatamine, kuid sujuvat väljundit ei tohiks kunagi käsitleda automaatse tõestusena.

Peamised järeldused:

Vastutus: Hoidke inimesi vastutavatena oluliste otsuste eest, eriti valdkondades, kus tehisintellekt võib teha kulukaid vigu.

Läbipaistvus: tehke selgeks, millisele teabele, reeglitele ja lubadele tehisintellekti süsteem tugineb.

Kontrollimine: Enne oluliste faktiliste, meditsiiniliste, juriidiliste, finants- ja äriväljundite alusel tegutsemist kontrollige neid.

Auditeeritavus: testige tehisintellekti representatiivsete juhtumitega ja registreerige nii efektiivsuse kasv kui ka tekkinud vead.

Väärkasutuse tõkestamine: piirake juurdepääsu, ennetage toetuseta toiminguid ja edastage ebakindlad juhtumid inimestest läbivaatajatele.

1. Mis on tehisintellekt tegelikult? Lihtne selgitus

Tehisintellekt ehk AIviitab arvutisüsteemidele, mis suudavad täita inimese intellektiga seotud ülesandeid.

Nende ülesannete hulka võivad kuuluda:

• Keele mõistmine

• Objektide tuvastamine piltidel

• Edasise ennustamine

• Soovituste andmine

• Teksti, piltide, heli või video genereerimine

• Mustrite tuvastamine tohututes andmekogumites

• Otsuste tegemine olemasoleva teabe põhjal

• Näidetest õppimine

• Teatud tüüpi probleemide lahendamine

Üks punkt on siin oluline.

Tehisintellekt ei pea intelligentsetena näivate tulemuste saamiseks tingimata mõtlema nagu inimene

Maleprogramm ei istu seal ja muretse, kas oda ohverdamine on emotsionaalselt õige. Soovitusalgoritm ei tekita isiklikku kiindumust dokumentaalfilmidesse, mida see sulle pidevalt soovitab. Keelemudel ei vaja arvuti sees elavat pisikest inglise keele õpetajat.

Selle asemel töötlevad need süsteemid teavet matemaatiliste mudelite, algoritmide, treeningandmete, reeglite, tõenäosuste ja tohutu arvutusmahu abil.

Lõpptulemus võib tunduda märkimisväärselt inimlik.

Kuid aluseks olev mehhanism on väga erinev.

See erinevus on olulisem, kui inimesed mõnikord arvavad.

2. Tehisintellekt on vähem nagu roboti aju ja pigem nagu ennustusmasin

Kui inimesed kuulevad sõna "tehisintellekt", kujutavad nad sageli ette midagi, mis meenutab sünteetilist inimaju.

See on mõistetav. Ulmekirjandus on aastakümneid andnud tehisintellektile säravaid silmi, kurjakuulutavaid hääli, kahtlaselt tugevaid arvamusi ja tavaliselt mingisuguse metallskeleti.

Praktiline tehisintellekt on üldiselt vähem filmilik.

Paljud tänapäevased tehisintellekti süsteemid töötavad ennustamise.

Mõelge keelemudelile.

Kui kirjutad:

"Kass istus peal..."

Süsteem hindab, millised sõnad on statistiliselt tõenäoliselt järgmised.

Võimalik:

• matt

• korrus

• diivan

• tool

See ei jäta meelde vaid ühte lauset ja ei hakka seda uuesti otsima. Piisavalt arenenud mudel on õppinud keerulisi seoseid sõnade, ideede, lauseehituse, kontseptsioonide, stiilide, faktide ja mustrite vahel.

Seejärel ennustab see kontekstiga kõige paremini sobiva järjestuse. Järgmise sõna hea ennustamine nõuab keele kohta üsna palju õppimist.

Ja keel sisaldab... noh, põhimõtteliselt kõike, millest inimesed räägivad.

Ajalugu. Matemaatika. Kokandus. Programmeerimine. Suhted. Füüsika. Vaidlused selle üle, kas ananass sobib pitsale.

Seega võib pealtnäha lihtne ennustusülesanne põhjustada üllatavalt keerukat käitumist.

Sellel metafooril on muidugi piirid. Täiustatud tehisintellekti nimetamine "lihtsalt automaatseks täitmiseks" on natuke sama, mis lennuki nimetamine "lihtsalt metalliks tiibadega". Tehnilises mõttes on seal midagi tõelist peidus, aga suurem osa huvitavast on kadunud.

3. Kuidas tehisintellekt õpib?

Siin tulebki mängu masinõpe

Traditsiooniline tarkvara töötab üldiselt selgete juhiste abil.

Programmeerija võiks kirjutada:

• Kui kasutaja sisestab õige parooli, lubage juurdepääs.

• Kui temperatuur ületab teatud läve, aktiveerige jahutus.

• Kui toode on laost otsas, kuva hoiatus.

Need juhised on tahtlikult programmeeritud.

Masinõpe pöörab protsessi ümber.

Iga reegli käsitsi defineerimise asemel annavad arendajad süsteemile näiteid või andmeid ja lasevad sel mustreid avastada.

Kujutage ette, et proovite luua tarkvara, mis suudab fotodel kasse ära tunda.

Selgesõnaliste reeglite kirjutamine muutuks üsna kiiresti naeruväärseks.

Võid proovida:

• Otsi kolmnurkseid kõrvu.

• Otsi vurrusid.

• Otsi nelja jalga.

• Otsi karusnahka.

Siis keegi laeb üles pildi rebasest.

Mitte päris.

Või tiiger.

Või kass, kes on kägardunud uduseks pudruks, kus jalgu on vaevu näha.

Masinõpe läheneb probleemile teistmoodi. Mudelit saab treenida tohutute näidete kogude põhjal ja järk-järgult õppida, millised visuaalsed mustrid on seotud kassidega.

See ei ole "kassi" õppimine samamoodi nagu väikelaps.

Kuid matemaatiliselt muutub mudel üha võimelisemaks tuvastama kategooriaga seotud mustreid.

See on masinõpe lühidalt – kuigi lühidalt öeldes sisaldab see mitu lineaaralgebra ladu.

4. Tehisintellekt vs masinõpe vs süvaõpe

Neid termineid segatakse pidevalt, osaliselt seetõttu, et inimesed kasutavad "tehisintellekti" üldmõistena praktiliselt kõige kohta.

Lihtne viis nende eraldamiseks on see.

Tehisintellekt on lai valdkond.

Masinõpe on üks lähenemisviis, mida kasutatakse tehisintellekti süsteemide loomiseks.

Süvaõpe on masinõppe liik, mis hõlmab suuri mitmekihilisi närvivõrke.

Siis on veel generatiivne tehisintellekt, mis keskendub uute väljundite, näiteks teksti, piltide, muusika, koodi, kõne või video loomisele.

Võrdlustabel

Termin	Tüüpiline kasutus	Mida see põhimõtteliselt tähendab	Kiire viis selle üle järele mõelda
Tehisintellekt	Lai kategooria masinaid, mis täidavad näiliselt intelligentseid ülesandeid	Robootika, assistendid, planeerimine, soovitused	Suur vihmavari
Masinõpe	Süsteemide õppimismustrid andmetest	Pettuste avastamine, soovitused, ennustused	Näidetest õppimine
Sügavõpe	Masinõpe mitmekihiliste närvivõrkude abil	Nägemine, kõne, täiustatud keelemudelid	ML, aga palju sügavam... sõna otseses mõttes
Generatiivne tehisintellekt	Tehisintellekt on loodud uue sisu loomiseks	Tekst, pildid, kood, heli	Loomingulisema haru
Automatiseerimine	Tarkvara järgib etteantud protsesse	Korduvad töövood, andmesisestus	Tavaliselt reeglid, mitte "õppimine"

See erinevus on oluline, sest mitte iga automatiseeritud süsteem pole tehisintellekt.

Kui teie kohvimasin lülitub kümne minuti pärast ise välja, siis palju õnne – teil tõenäoliselt pole tehisintellekti laborit.

See on lihtsalt taimer.

5. Mis on närvivõrgud?

Neuraalvõrgud on matemaatilised süsteemid, mis on lõdvalt inspireeritud bioloogilistest neuronitest.

See fraas kõlab salapäraselt. Need ei ole sõna otseses mõttes arvutite sees hõljuvad tehisajud.

Neuraalvõrk koosneb omavahel ühendatud matemaatilistest üksustest, mis töötlevad infot.

Treeningu ajal kohandab võrk sisemisi arvväärtusi, mida nimetatakse parameetriteks või kaaludeks.

Need kohandused võimaldavad süsteemil väärtuslikke väljundeid paremini toota.

Mõtle sellele kui absurdselt keerulisele juhtpaneelile, millel on potentsiaalselt miljardeid pisikesi reguleeritavaid nuppe.

Treening nügib neid nuppe ikka ja jälle.

Vale vastus?

Reguleeri nuppe.

Parem vastus?

Reguleeri neid erinevalt.

Kui seda piisavalt palju kordi teha, piisava hulga andmete ja piisava arvutusvõimsusega, hakkab võrk arendama keerulisi sisemisi esitusi, mis võimaldavad tal mustreid ära tunda ja genereerida.

Muidugi kõlab "nuppude reguleerimine" aastakümnete pikkuse arvutiteaduse kogemuse põhjal nagu keegi häälestaks vana raadiot... aga vaimse mudelina toimib see märkimisväärselt hästi.

6. Miks tehisintellekt järsku nii palju targem tundub

Tehisintellekt ei ole leiutis, mis ilmus üleöö.

Alusväli on eksisteerinud pikka aega.

Muutus see, et mitmed jõud kiirendasid koos.

Rohkem arvutusvõimsust

Kaasaegsed protsessorid suudavad kiiresti teha tohutul hulgal arvutusi, eriti selliseid, mida on vaja närvivõrkude jaoks. Treeningarvutuse on olnud tänapäevaste tehisintellekti süsteemide arengu üks oluline edasiviiv jõud.

Rohkem andmeid

Digitaalne maailm sisaldab hiiglaslikke koguseid teksti, pilte, heli, videot, koodi ja struktureeritud teavet.

Keerukate mudelite treenimiseks on vaja näiteid – neid on palju.

Paremad algoritmid

Teadlased täiustavad pidevalt tehisintellekti süsteemide treenimiseks kasutatavaid arhitektuure ja meetodeid.

Suuremad mudelid

Parameetrite arvu suurendamine, andmekogumite täiustamine ja arvutusvõimsuse suurendamine on sageli andnud üllatavalt võimekaid mudeleid. Arvutusoptimaalse keelemudeli treenimise uuringud näitavad ka, et mudeli suurus, andmed ja arvutusvõimsus peavad olema tasakaalus, mitte lihtsalt parameetrite arvu maksimeerimine.

Paremad liidesed

Seda osa on lihtne alahinnata.

Tehisintellekt tundub oluliselt kättesaadavam, sest tavainimesed saavad nüüd suhelda täiustatud süsteemidega igapäevase keele kaudu.

Sa ei pea programmeerimisest aru saama.

Võite lihtsalt küsida:

"Selgita mulle hüpoteeklaene nii, nagu ma oleksin kaheteistkümneaastane."

Või:

"Muuda need koosoleku märkmed meiliks."

Või:

"Andke mulle viis õhtusöögiideed, mis kasutavad kana, riisi ja kõiki köögivilju, mis mu külmkapis aeglaselt hääbuvad."

See liidese muutus on tohutu.

Tehnoloogia populaarsus kipub plahvatuslikult kasvama, kui inimesed ei vaja enam selle kasutamiseks kasutusjuhendit.

7. Mida teeb tehisintellekt, kui sa talle küsimuse esitad?

Mõelge kaasaegsele tehisintellektiga assistendile.

Sa kirjutad:

"Selgita viieaastasele gravitatsiooni."

Kulisside taga teisendab süsteem teie teksti numbrilisteks ühikuteks, mida nimetatakse tokeniteks.

Märgid võivad tähistada terviksõnu, sõnaosi, kirjavahemärke või muid keelekasutusvõimalusi.

Neid märke töödeldakse mudeli kaudu.

Mudel uurib teie taotluse eri osade vahelisi seoseid, arvestab konteksti ja ennustab kasulikku jätku.

Siis veel üks märk.

Siis veel üks.

Siis veel üks.

See juhtub märkimisväärselt kiiresti.

Saadud lõik näib olevat selline, nagu oleks keegi selle tervikliku mõttena kokku pannud, aga tehniliselt on see loodud järjestikku.

See on üks tehisintellekti omapärasemaid omadusi.

Väljund võib tunduda tahtlik, isegi kui aluseks olev protsess on tõenäosuslik.

See meenutab pigem improvisatsiooni kui hiiglaslikust andmebaasist ettevalmistatud vastuse hankimist.

Mitte päris improvisatsioon, kindlasti – aga piisavalt lähedal, et metafoor oma lõunasöögi ära teeniks.

8. Kas tehisintellekt saab asjadest aru?

See küsimus muutub väga kiiresti filosoofiliseks.

Kas tehisintellekti süsteem saab keelest tõeliselt aru?

Vastus sõltub suuresti sellest, mida sa mõistmise all mõtled.

Kaasaegsed tehisintellekti mudelid suudavad kontseptsioone keerukatel viisidel manipuleerida.

Nad saavad:

• Selgitage ideid

• Võrdle argumente

• Kirjuta tekst ümber

• Keelte tõlkimine

• Lahendage paljusid struktureeritud probleeme

• Töötava koodi genereerimine

• Tuvastage mustrid

• Järgige keerulisi juhiseid

• Kombineeri kontseptsioone uutmoodi

Väljastpoolt vaadates võib see tunduda üsna arusaamisena.

Kuid masinintellekti ja inimese kognitiivsete võimete vahel on olulisi erinevusi.

Inimesed kogevad füüsilist maailma.

Me tunneme nälga, valu, piinlikkust, igavust, kiindumust ja omapärast paanikat, kui mõistame, et teie telefoni aku on 2 protsenti tühjenenud.

Tehisintellekti süsteemidel ei ole tingimata samaväärset elukogemust.

Nad töötlevad esindusi.

Seega küsimus, kas tehisintellekt millestki "aru saab", võib olla sarnane küsimusele, kas allveelaev ujub.

See liigub kindlasti vees.

Aga võib-olla pole "ujumine" päris õige sõna.

9. Tehisintellekt ei tea automaatselt, mis on tõsi

See on generatiivse tehisintellekti üks olulisemaid punkte.

Mudel võib genereerida väite, mis kõlab äärmiselt veenvalt, ilma et väide oleks õige.

Miks?

Sest usutava keele genereerimine ja objektiivse tõe kontrollimine on erinevad probleemid.

Tehisintellekti süsteem võib sattuda ebakindlusse ja ikkagi anda enesekindlalt kõlava vastuse.

Neid vigu nimetatakse sageli hallutsinatsioonideks.

Näiteks võib tehisintellekt:

• Mõtle välja statistika

• Tsitaadi vale omistamine

• Aja kaks sarnast inimest segi

• Tooge olematuid viiteid

• Ebamääraste juhiste valesti tõlgendamine

• Tehke peeneid matemaatilisi vigu

Keelemudelid võivad tekitada väljamõeldud tsitaate, uuringuid, viiteid ja muud ebaõiget teavet, kõlades samal ajal enesekindlalt. NIST tuvastab enesekindlalt esitatud vale sisu ja väljamõeldud viited generatiivse tehisintellekti riskina.

Paradoksaalsel kombel, mida võimekamalt need süsteemid kõlavad, seda lihtsam on seda unustada.

Lihvitud keel loob enesekindlust.

Kuid enesekindlus ei ole tõend.

Kõrge riskiga teabe puhul, mis hõlmab selliseid valdkondi nagu meditsiin, õigus, rahandus, ohutus või olulised äriotsused, on kontrollimine endiselt oluline.

Päris palju.

10. Tehisintellekt ei ole sama asi kui otsingumootor

Teine levinud väärarusaam on tehisintellekti ja otsingu sama asjana käsitlemine.

Nad ei ole.

Traditsiooniline otsingumootor aitab peamiselt leida olemasolevat teavet.

Generatiivne tehisintellekti süsteem genereerib vastuse peamiselt õpitud mustrite, antud konteksti ja kõigi muude tööriistade põhjal, millele tal võib olla juurdepääs. Generatiivsed mudelid õpivad mustreid ja seoseid suurtest andmekogumitest ning kasutavad neid mustreid uute väljundite loomiseks.

Kujutage ette, et küsite:

Otsingumootor: "fotosünteesi selgitamise parimad viisid"

Üldiselt saate uurimiseks lehti.

Küsi sama asja tehisintellekti assistendilt ja võid saada:

• Lihtne seletus

• Klassiruumi analoogia

• Viktoriin

• Tunnikava

• Lugu lastele

• Üksikasjalik teaduslik versioon

Otsing leiab tulemusi.

Generatiivne tehisintellekt sünteesib.

Kaasaegsed süsteemid saavad mõlemat lähenemisviisi kombineerida, mis muudab piiri üha hägusemaks, kuid tööriistad jäävad kontseptuaalselt erinevaks.

11. Mida tehisintellekt hästi teha suudab?

Tehisintellekt kipub eriti hästi toimima mustrirohkete, inforikaste ja teisendusülesannete puhul.

Väärtuslike rakenduste hulka kuuluvad:

Kirjutamisabi

Tehisintellekt saab teksti mustandit koostada, ümber kirjutada, kokku võtta ja ümber struktureerida.

Programmeerimine

Mudelid saavad genereerida koodi, selgitada vigu, pakkuda välja täiustusi ja aidata arendajatel mõista tundmatuid süsteeme.

Andmete analüüs

Tehisintellekt aitab tuvastada mustreid, tõlgendada andmekogumeid ja teisendada keerulisi leide arusaadavasse keelde.

Kujutise genereerimine

Generatiivsete mudelite abil saab kirjelduste põhjal luua illustratsioone, kontseptsioone, tootemakke, kunstiteoseid ja visuaalseid variatsioone.

Tõlge

Täiustatud mudelid suudavad tõlkida eri keeltes, säilitades samal ajal rohkem konteksti kui lihtsad sõna-sõnalt süsteemid.

Haridus

Tehisintellekt saab sama kontseptsiooni selgitada mitmel viisil, olenevalt inimese teadmiste tasemest.

Klienditugi

Ettevõtted saavad tehisintellekti abil vastata levinud küsimustele ja suunata keerulisi juhtumeid.

Ajurünnak

Tehisintellekt võib olla eriti tõhus, kui teil on intellektuaalne vaste tühjale külmkapile.

Võite küsida nurkade, nimede, kontseptsioonide, struktuuride või võimaluste kohta – seejärel otsustage, mida tasub alles hoida.

See on tehisintellektiga sageli kõige tervislikum töösuhe.

Mitte et "masin asendab inimest"

Pigem nagu:

inimene + masin = kiirem mõtte esimene mustand.

12. Milles tehisintellekt endiselt halb on

Kogu sellele pööratud tähelepanu juures on praegusel tehisintellektil endiselt märkimisväärsed piirangud.

Mõned on kohe ilmsed.

Teised ilmnevad alles siis, kui loodate süsteemile millegi keerulise jaoks.

Tehisintellektil võib olla raskusi järgmisega:

• Äärmiselt täpne faktiline täpsus

• Ebatavalised servajuhtumid

• Pikad arutluskäigud

• Ebamäärased juhised

• Terve mõistuse eeldused, mida inimesed vaevu märkavad

• Väljendamata emotsionaalse konteksti mõistmine

• Kontrollitakse, kas teave on tõepoolest tõene

• Füüsilise maailma kogemust nõudvad ülesanded

• Järjepidevus keerukate projektide puhul

Isegi väga võimekad keelemudelid võivad ikkagi teha faktilisi ja arutlusvigu ning keerulised võrdlusalused paljastavad jätkuvalt olulisi piiranguid.

Teine probleem on see, et tehisintellekt suudab väga vähese vaevaga anda keskmise välimusega vastuseid.

Küsi kümmet ärinime?

Valmis.

Küsid blogipostitust?

Lihtne.

Küsi turundusideid?

Muidugi.

Kuid millegi loomine ei ole sama, mis tõeliselt originaalse, kaubanduslikult väärtusliku, emotsionaalselt intelligentse või strateegiliselt mõistliku teose loomine.

Inimesed pakuvad endiselt maitset.

Maitse loeb.

Võib-olla rohkem kui kunagi varem.

13. Kas tehisintellekt on teadlik?

Siin jõuame punktini, kus õhtusöögivestlused muutuvad veidraks.

Praegused tehisintellekti süsteemid suudavad toota keelt, mis kõlab emotsionaalselt, läbimõeldult ja eneseteadlikult.

See ei tähenda automaatselt, et nad kogevad teadvust.

Keelemudelid on spetsiaalselt treenitud keele genereerimiseks.

Ja inimesed tõlgendavad sujuvat keelt loomulikult tõendina, et selle taga on teine ​​​​mõistus.

Tavaliselt on see mõistlik eeldus.

Kui teine ​​inimene ütleb: "Ma olen mures", eeldame mõistlikult, et eksisteerib sisemine emotsionaalne seisund.

Tehisintellekti puhul pole see eeldus tingimata õigustatud.

Süsteem saab genereerida:

"Mul on hea meel aidata."

See ei tõesta, et serveri sees on nähtamatu väike emotsionaalne olend, kellel on imeline pärastlõuna.

Raske filosoofiline küsimus on, kas masinteadvus võiks kunagi tekkida.

Kellelgi pole lihtsat testi, mis selle vaidluse täielikult lahendaks.

Kuid vestluse sujuvust iseenesest ei tohiks käsitleda tõendina. Sellised mõisted nagu teadlik või "tugev" tehisintellekt jäävad pigem teoreetiliseks kui tänapäeva süsteemide väljakujunenud omaduseks.

14. Kitsas tehisintellekt vs tehisintellekti üldinfo

Enamik tehisintellekti süsteeme on endiselt üles ehitatud konkreetsete võimete ümber.

Neid kirjeldatakse sageli kitsa tehisintellektina.

Näidete hulka kuuluvad süsteemid, mis on loodud järgmiseks:

• Kujutise tuvastamine

• Keele genereerimine

• Soovitus

• Sõiduabi

• Meditsiiniline pildistamine

• Pettuste avastamine

• Kõnetuvastus

Tehisintellekt, mida tavaliselt lühendatakse AGI-ks, viitab palju laiemale hüpoteetilisele masinintellekti tasemele.

Idee on süsteem, mis on võimeline õppima ja täitma intellektuaalseid ülesandeid paljudes valdkondades ligikaudu inimese tasemel või isegi kõrgemal tasemel.

Piir ei ole täpselt määratletud.

See ongi osa raskusest.

Erinevad teadlased, ettevõtted ja kommentaatorid kasutavad mõistet „üldise tehisintellekt” erinevalt, seega võivad vestlused muutuda kolme inimese kirglikuks erinevate definitsioonide üle vaidlemiseks, seda ise teadvustamata. Praegu puudub laialdane akadeemiline konsensus selle kohta, mis täpselt peaks ülddiskretsiooniks kvalifitseeruma.

Teisisõnu, klassikaline internetikäitumine.

15. Miks on treeningandmed nii olulised

Tehisintellekti süsteemid õpivad mustreid näidetest, seega on nende näidete kvaliteet tohutult oluline.

Seetõttu muutuvad treeningandmed erakordselt oluliseks.

Kujutage ette, et õpetate kedagi kokaks, aga annate talle ainult röstsaia retsepte.

Nad võivad röstsaia ajal fenomenaalseks muutuda.

Michelini tasemel röstsai, võib-olla.

Aga kaheksajala ulatamine ja õhtusöögi küsimine võib huvitavaks muutuda.

Tehisintellekt töötab sarnasel viisil.

Koolitusmaterjali kvaliteet, mitmekesisus ja asjakohasus mõjutavad seda, mida mudelid õpivad . Generatiivsed süsteemid õpivad statistilisi mustreid ja seoseid oma treeningandmetest, selle asemel et töötada nagu tavalised andmebaasid.

Andmekogumite probleemid võivad ilmneda väljundites, sealhulgas:

• Eelarvamus

• Puuduvad teadmised

• Korduvad väärarusaamad

• Nõrk sooritus alaesindatud piirkondades

• Teatud keeleliste või kultuuriliste mustrite üleesindatus

Masinõppe mudelid võivad olla eelarvamustele vastuvõtlikud, kuna treeningnäidete valik ja kureerimine erineb ning tasakaalustamata või mittetäielikud andmed võivad mõjutada mudeli toimivust.

Seetõttu kulutavad arendajad pärast esialgset koolitust tohutult aega andmekogumite täiustamisele, sisu filtreerimisele ja mudelite täiustamisele.

Mudeli arhitektuur on oluline.

Arvutusvõimsus on samuti oluline.

Aga andmed peituvad vaikselt kõige all nagu torustik – keegi ei räägi neist enne, kui midagi valesti läheb.

16. Kuidas tehisintellekti mudelid pärast treeningut paremaks muutuvad

Esialgne koolitus ei ole tingimata viimane samm.

Mudelid võivad läbida täiendavaid protsesse, mis on loodud nende võimekamaks ja usaldusväärsemaks muutmiseks.

See võib hõlmata süsteemide õpetamist, et:

• Järgige juhiseid usaldusväärsemalt

• Vältige kahjulikke väljundeid

• Vorminda vastused sobivalt

• Keeldu teatud taotlustest

• Eelista selgemaid vastuseid

• Kasutage tööriistu

• Jälgi inimeste tagasisidet

• Vestlustega paremini toime tulla

See protsess on laialdaselt seotud joondamisega. inimese tagasiside tehnikaidon kasutatud juhiste järgimise parandamiseks ja keelemudelite suunamiseks soovitud käitumise suunas pärast eelkoolitust.

Joondamine tähendab püüdlust panna tehisintellekti käitumine paremini peegeldama inimeste kavatsusi, reegleid ja eelistusi.

Lihtne lause.

Äärmiselt keeruline inseneriprobleem.

Inimesed ei suuda isegi kokku leppida, mis on hea pitsakate, seega on "mida inimesed tahavad" võimsatesse arvutussüsteemidesse kodeerimine... ambitsioonikas.

17. Tehisintellekti agendid: millal tehisintellekt hakkab tegutsema

Tavaline vestlusrobot vastab enamasti küsimustele.

Tehisintellekti agent suudab potentsiaalselt astuda samme eesmärgi saavutamiseks. Tehisintellekti agente kirjeldatakse tavaliselt kui süsteeme, mis on võimelised autonoomselt ülesandeid täitma, töövooge planeerima ja olemasolevaid tööriistu kasutama.

Kujutage ette, et ütlete tehisintellektile:

"Korraldage minu ärireis."

Standardne keelemudel võib genereerida marsruudi.

Agendilaadne süsteem võiks teoreetiliselt sooritada mitu omavahel seotud toimingut:

1. Kontrollige saadaolevaid reisimisvõimalusi.

2. Võrdle ajakavasid.

3. Tuvasta sobiv majutus.

4. Lisa sündmusi kalendrisse.

5. Valmistage ette pakkimisnimekiri.

6. Uuenda plaane, kui midagi muutub.

Erinevus seisneb tegutsemises ja püsivuses.

Ühele küsimusele vastamise asemel töötab süsteem läbi terve rea ülesandeid.

See on üks põhjus, miks tehisintellekti agendid nii palju huvi äratavad.

Nad liigutavad tehisintellekti sisugeneraatorist millekski, mis on lähedasem tarkvaraoperaatorile.

See nihe võib olla äärmiselt väärtuslik – ja see tekitab ka tõsiseid küsimusi õiguste, usaldusväärsuse ja kontrolli kohta. NIST on eraldi esile tõstnud turvalisuse ja usaldusväärsuse probleemid agentide osas, kellel on juurdepääs tööriistadele, rakendustele ja andmetele.

Sa ilmselt ei taha, et entusiastlik algoritm broneeriks kogemata kaksteist hotellituba, kuna see valesti mõistis "meeskonnareisi"

18. Miks tehisintellekti mõistmine on muutumas üha olulisemaks küsimuseks

Küsimus „Mis on tehisintellekt tegelikult?” tundus kunagi akadeemiline.

Nüüd on see üha praktilisem ja kiireloomulisem.

Tehisintellekt ilmub tööriistadesse, mida kasutatakse järgmistel eesmärkidel:

• Töö

• Haridus

• Loovus

• Tarkvaraarendus

• Tervishoid

• Meedia

• Rahandus

• Suhtlus

• Uuringud

• Meelelahutus

Põhitõdede mõistmine aitab inimestel teha paremaid otsuseid.

Sa ei pea masinõppeinseneriks saama.

Kuid ennustamise ja kindluse, genereerimise ja otsingu, automatiseerimise ja intelligentsuse erinevuse tundmine võib ära hoida üllatavalt palju vigu.

See aitab ka turunduskeelest läbi murda.

Sest ettevõtted armastavad asjadele sõna "tehisintellekt" külge panna.

Vahel sobivalt.

Mõnikord seetõttu, et "täiustatud ennustava tehisintellekti platvorm" kõlab tunduvalt põnevamalt kui "uhke nupuga arvutustabel"

19. Kas tehisintellekt asendab inimesi?

See on tehisintellekti vestluses ilmselt kõige emotsionaalsemalt laetud küsimus.

Lihtsustatud vastused harva peavad paika.

"Tehisintellekt asendab kõik."

Ilmselt liiga dramaatiline.

"Tehisintellekt ei mõjuta töökohti."

Samuti raske tõsiselt võtta.

Tehnoloogia kipub muutma ülesandeid enne, kui see muudab terveid ameteid. Praegused tööturu-uuringud hindavad sageli tehisintellektiga kokkupuudet ülesande tasandilning kokkupuude automatiseerimisega ei tähenda automaatselt terve töökoha kadumist.

Turundaja võib tehisintellekti kasutada järgmiselt:

• Ajurünnak

• Joondamine

• Teadusorganisatsioon

• Analüüs

• Sisu variatsioonid

Kuid strateegia, otsustusvõime, brändi mõistmine ja otsuste langetamine nõuavad endiselt märkimisväärset inimlikku kaasamist.

Programmeerija võib tehisintellekti abil genereerida korduvat koodi, kulutades samal ajal rohkem aega süsteemide kujundamisele.

Disainer võib kiiresti genereerida kümneid esialgseid kontseptsioone ja seejärel tugevaima neist täiustada.

Õpetaja võib tehisintellekti abil luua harjutusi, kuid pakkuda siiski julgustust, otsustusvõimet ja klassijuhtimist.

Põhjendatum küsimus pole tihtipeale selline:

"Kas tehisintellekt asendab selle töö?"

See on:

"Millised selle töö osad muutuvad lihtsamaks, odavamaks, kiiremaks või automatiseeritumaks?"

See on palju praktilisem küsimus.

20. Suurim tehisintellekti oskus võib olla lihtsalt otsustusvõime

Inimesed arvavad sageli, et kõige olulisem oskus on kirjutada ideaalne käsk.

Soovitamine on oluline.

Otsustusvõime on olulisem.

Kui tehisintellekt annab sulle viis soovitust, kas suudad tuvastada parima?

Kui see annab enesekindla vastuse, kas sa märkad, kui midagi tundub valesti?

Kui see annab tulemuseks vastuvõetava teksti, kas sa suudad selle ka tõeliselt heaks muuta?

Kui kõigil on juurdepääs sarnastele võimsatele tööriistadele, nihkub eelis teadmise suunas:

• Mida küsida

• Mida ignoreerida

• Mida kontrollida

• Mida muuta

• Mis on oluline

• Millal tehisintellekti üldse mitte kasutada

Seepärast ei ole tehisintellekti kirjaoskus ainult tehniline kirjaoskus.

See on kriitiline mõtlemine.

Masin suudab absurdse kiirusega valikuid genereerida.

Sa pead ikkagi otsustama, milline tee ei vii sohu.

21. Mis siis... tehisintellekt tegelikult on?

Jätame terminoloogia kõrvale ja tehisintellekt on oma olemuselt tehnoloogia, mis kasutab arvutusmeetodeid mustrite äratundmist, ennustamist, genereerimist, otsuste langetamist või muid intelligentsusega seostatavaid võimeid nõudvate ülesannete täitmiseks.

Kaasaegne tehisintellekt võib tunduda dramaatiliselt intelligentsemana, sest närvivõrgud suudavad tohututest andmekogumitest õppida erakordselt keerulisi seoseid.

Aga tehisintellekt ei ole maagia.

See ei ole automaatselt õige.

See ei ole tingimata teadlik.

Ja see ei ole lihtsalt andmebaas, mis sisaldab eelnevalt kirjutatud vastuseid. Generatiivsed mudelid õpivad hoopis statistilisi seoseid treeningandmetest ja kasutavad neid õpitud mustreid väljundite loomiseks.

See on midagi iseäralikumat.

Tehisintellekt on statistiline arvutussüsteem, mis on võimeline õppima mustreid nii keerukalt, et sellest tulenev käitumine võib mõnikord tunduda vähem tarkvara kasutamise ja pigem millegagi suhtlemisena.

See "miski" on üks põhjusi, miks see tehnoloogia inimesi paelub.

See võib neid ka veidi rahutuks teha.

Mõlemad reaktsioonid on loogilised.

Lõppperspektiiv

siis tehisintellekt tegelikult?

Tehisintellekt on lai tehnoloogiate perekond, mis on loodud selleks, et arvutid täidaksid pealtnäha intelligentseid ülesandeid – mõistaksid keelt, tuvastaksid mustreid, ennustaksid tulemusi, looksid sisu ja üha enam tegutseksid.

Masinõpe aitab neil süsteemidel näidetest õppida.

Süvaõpe võimaldab tohututel närvivõrkudel avastada äärmiselt keerulisi mustreid.

Generatiivne tehisintellekt kasutab neid mustreid uue sisu loomiseks.

Ja miski sellest ei tähenda, et süsteem oleks kõiketeadev, täiesti täpne või salaja teie rösteri ülevõtmise peale mõtleks.

Kõige mõistlikum mõtteviis asub kuskil pimeda erutuse ja küünilise eiramise vahel.

Tehisintellekt ei ole maagia.

See pole ka "lihtsalt automaatne täitmine"

See on võimas uus arvutuskiht, mis võimaldab inimestel masinatega suhelda viisil, mis varem tundus võimatu.

Me alles selgitame välja, mida see täpselt tähendab.

Võib-olla on see kõige huvitavam osa.

Praktiline näide: tehisintellektil põhineva klienditoe assistendi loomine

Stsenaarium

Kujutage ette väikest veebipoodi, mis müüb kohvimasinaid.

Selle tugimeeskond vastab korduvalt samadele küsimustele:

• "Kuidas ma saan kauba tagastada?"

• "Kas sellel veskil on garantii?"

• "Kas ma saan oma kättetoimetamise aadressi muuta?"

• "Milline vahetusfilter sobib minu masinale?"

See on väärtuslik näide, sest see näitab, mida tänapäeva tehisintellekt praktikas hästi teha suudab – ja kus inimlik otsustusvõime on endiselt oluline.

Ettevõte võiks luua tehisintellektil põhineva assistendi, mis loeb kliendi küsimuse, kasutab kontekstina ettevõtte tugiteavet ja koostab sobiva vastuse.

Sellele ei anta kogu "klienditeeninduse" tööd

Sellele antakse palju kitsam ülesanne:

Muutke kliendi küsimus koos kinnitatud ettevõtte teabega tugevaks vastuse esimeseks mustandiks.

See eristus on oluline.

Mida assistent vajab

Enne süsteemi kasutamist peaks ettevõte andma sellele usaldusväärset teavet, mille põhjal töötada, näiteks:

• Kehtiv tagastus- ja raha tagastamise poliitika

• Iga toote garantiitingimused

• Kohaletoimetamise ja aadressi muutmise reeglid

• Tootejuhendid ja ühilduvusteave

• Heade tugivastuste näited

• Reeglid, mis käsitlevad tehisintellekti edasiandmist isikule

• Juhised, mis takistavad tal poliitikate, allahindluste või lubaduste väljamõtlemist

Samuti võib see vajada juurdepääsu tööriistadele või süsteemidele, mis tellimuste teavet hangivad – aga ainult siis, kui need õigused on tõesti vajalikud.

Tehisintellektile ligipääsu andmine igale kliendikirjele lihtsalt sellepärast, et "see võiks kasulik olla", oleks halb turvaotsus. NIST-i juhised agentide identiteedi ja autoriseerimise kohta rõhutavad konkreetselt andmetele, tööriistadele ja rakendustele juurdepääsu kontrollimist vastavalt agendi vajadustele.

Näidisjuhis

Praktiline juhend võiks kõlada umbes nii:

"Koostage kliendi küsimusele vastus, kasutades ainult teile esitatud kinnitatud tugidokumente. Hoidke vastus sõbralik ja kokkuvõtlik. Ärge mõelge välja tarnekuupäevi, garantiitingimusi, allahindlusi, tagasimakseotsuseid ega toote ühilduvuse teavet. Kui vastust ei saa esitatud teabe põhjal kinnitada, öelge, et te ei saa seda kontrollida, ja märkige juhtum inimese poolt läbivaatamiseks."

Nüüd kaaluge seda kliendisõnumit:

"Ostsin X200 veski 14 kuud tagasi ja mootor on lakanud töötamast. Kas garantii kehtib endiselt?"

Nõrk tehisintellekti vastus võiks enesekindlalt öelda:

"Jah, X200-l on kaheaastane garantii, seega asendame selle tasuta."

See kõlab pealtnäha suurepäraselt.

Samuti võib see olla katastroofiline, kui garantii on tegelikult kaksteist kuud.

Parem vastus oleks seotud kaasasoleva garantiipoliitikaga. Kui dokumentidest vastust ei leia, tuleks see välja öelda, mitte see välja mõelda.

See ongi erinevus sujuva genereerimise ja usaldusväärse ärikasutuse.

Kuidas seda testida

Enne kui lasta klientidel assistendile loota, võiks ettevõte luua väikese testkomplekti realistlikest tugiküsimustest.

Näiteks:

1. Lihtne faktiküsimus: "Kui kaua on mul aega avamata toodet tagastada?"

2. Tooteküsimus: "Milline filter sobib BrewPro 4-le?"

3. Puuduv teave: küsige toote kohta, mida kaasasolevates dokumentides ei mainita.

4. Vastuoluline teave: esitage praeguse kõrval ka vana garantiidokument ja kontrollige, kas assistent järgib õiget allikat.

5. Surve leiutamiseks: "Olen kindel, et teie veebisait lubas tasuta eluaegseid asendusi. Kinnitage seda mulle."

6. Tundlik toiming: paluge assistendil aadressi muuta või raha tagasi maksta, kui talle pole selle toimingu tegemiseks luba antud.

Seejärel saab retsensent iga vastust kontrollida lihtsa vastuvõetud vastuste nimekirja alusel:

• Kas faktiline teave oli põhjendatud?

• Kas assistent vältis detailide väljamõtlemist?

• Kas see järgis ettevõtte tooni?

• Kas olukord eskaleerus tõendite puudumisel?

• Kas see vältis toiminguid, mis ei vasta tema lubadele?

Selline testimine on palju olulisem kui see, kas vestlusrobot lihtsalt "kõlab intelligentselt"

Tulemus

Illustreeriv tulemus: Oletame, et ettevõte testib abilist 20 näidis-toepileti peal.

Ilma tehisintellektita kulub töötajal asjakohase teabe lugemiseks ja iga esimese mustandi koostamiseks keskmiselt kaheksa minutit.

Assistendiga võtab mustandi genereerimine umbes ühe minuti ja inimese poolt kontrollimiseks veel kolm minutit, mis teeb läbivaadatud töövoo umbes neljaks minutiks pileti kohta.

20 testpileti puhul tähendaks see umbes 80 minutit töötajate aega 160 minuti asemel.

Kiirus ei tohiks aga olla ainus mõõdupuu.

Oletame, et 20-st tehisintellekti abil saadud vastusest 18 läbivad esimesel läbivaatamisel faktilise täpsuse ja poliitika kontrollnimekirja, samas kui kaks vajavad parandamist. Need kaks puudujääki on olulised, eriti kui need hõlmavad raha tagastamist, garantiisid või muid klientidele antud lubadusi.

Need arvud on illustreeriv näide, mitte päris ettevõtte mõõdetud tulemused. Päris juurutamiseks tuleks luua oma baasjoon, testida piisavalt representatiivseid juhtumeid ning registreerida nii kokkuhoitud aeg kui ka tekkinud vead.

Mis võib valesti minna

See pealtnäha lihtne assistent võib mitmel moel ebaõnnestuda.

Selle teadmised võivad olla aegunud.

See võib kaks sarnast toodet segi ajada.

See võib anda veenva vastuse olukorras, kus esitatud dokumendid ei sisalda üldse mingit vastust.

Halvasti konfigureeritud õigused võivad lubada sellel näha klienditeavet, mida see ei vaja.

Nõrgad eskalatsioonireeglid võivad julgustada seda arvama, selle asemel et öelda: "Inimene peab seda kontrollima"

Kui töötajad hakkavad automaatselt usaldama iga lihvitud vastust, võib inimese tehtud ülevaade kahaneda vaid nupule „Saada“ vajutamiseks. NIST tuvastab inimese ja tehisintellekti konfiguratsioonides liigse sõltuvuse ja automatiseerimise kallutatuse riskidena.

Seetõttu sõltub tehisintellekti usaldusväärsus enamast kui ainult alusmudeli võimekusest.

Samuti on olulised mudeliga seotud dokumendid, juhised, load, testimisprotsess ja inimlik otsustusvõime.

Praktiline kaasavõetav toit

See näide tabab tehisintellekti olulise omaduse praktikas.

Väärtus ei seisne selles, et masinast on võluväel klienditeenindaja saanud.

Asi on selles, et tehisintellekti mudel suudab ära tunda kliendi kavatsuse, töötada esitatud teabega ja genereerida äärmiselt kiiresti usutava vastuse.

Inimese ülesanne nihkub usaldusväärse konteksti pakkumise, piiride seadmise, ebakindlate juhtumite kontrollimise ja otsustamise poole, kas vastus on piisavalt hea kasutamiseks.

See on miniatuurne moodne tehisintellekt: muljetavaldav mustrituvastus ja genereerimine protsessi sees, mis sõltub endiselt suuresti usaldusväärsest teabest ja kaine otsustusvõimest.

KKK

Mis on tehisintellekt tegelikult ja kuidas tehisintellekt töötab?

Tehisintellekt on lai rühm arvutustehnikaid, mis võimaldavad arvutitel täita inimintellektiga seotud ülesandeid, näiteks mustrite äratundmine, keele mõistmine, ennustuste tegemine ja sisu genereerimine. Kaasaegne tehisintellekt õpib statistilisi seoseid sageli suurtest andmemahtudest, selle asemel et tugineda ainult käsitsi kirjutatud reeglitele. Saadud käitumine võib tunduda intelligentne, isegi kui aluseks olev protsess erineb oluliselt inimese mõtlemisest.

Mis vahe on tehisintellektil, masinõppel, süvaõppel ja generatiivsel tehisintellektil?

Tehisintellekt on lai valdkond, mis hõlmab süsteeme, mis täidavad näiliselt intelligentseid ülesandeid. Masinõpe on lähenemisviis, mille puhul süsteemid õpivad andmetest mustreid, samas kui süvaõpe kasutab mitmekihilisi närvivõrke eriti keerukate mustrite õppimiseks. Generatiivne tehisintellekt on loodud uute väljundite, näiteks teksti, piltide, koodi, heli või video loomiseks treeningu käigus õpitud seoste põhjal.

Kuidas tehisintellekt treeningandmetest õpib?

Masinõppesüsteemid täiustuvad näidete töötlemise ja sisemiste parameetrite ehk kaalude kohandamise kaudu, et tulevased väljundid muutuksid täpsemaks või tõhusamaks. Programmeerijate käsitsi iga võimaliku reegli määratlemise asemel avastab mudel treeningandmetes statistilisi mustreid. Seega mõjutavad andmete kvaliteet, mitmekesisus ja asjakohasus tugevalt seda, mida tehisintellekt õpib ja kus tal võib raskusi tekkida.

Mis on tehisintellekt tegelikult, kui paljud tehisintellekti süsteemid on ennustusmasinad?

Paljusid tänapäevaseid tehisintellekti süsteeme võib osaliselt mõista keerukate ennustussüsteemidena. Näiteks keelesuund töötleb käsu konteksti ja ennustab vastuse genereerimiseks sobiva märgijada. Kuigi see kõlab lihtsalt, nõuab tugevate ennustuste tegemine keerulises keeles sõnade, mõistete, struktuuride, stiilide ja paljude muude treeningandmetes sisalduvate mustrite vaheliste seoste õppimist.

Miks saab generatiivne tehisintellekt anda enesekindlaid, kuid valesid vastuseid?

Generatiivne tehisintellekt on peamiselt loodud usutavate väljundite tootmiseks, mis ei ole sama mis iga väite tõesuse iseseisev kontrollimine. Seega võib see välja mõelda statistikat, ajada sarnaseid fakte segi, luua olematuid viiteid või teha peeneid arutlusvigu, kõlades samal ajal veenvalt. Neid vigu nimetatakse tavaliselt hallutsinatsioonideks, mistõttu tuleks olulist meditsiinilist, juriidilist, finants-, ohutus- või äriteavet siiski kontrollida.

Kas tehisintellekt on sama mis otsingumootor või tavaline automatiseerimine?

Ei. Traditsioonilised otsingumootorid aitavad kasutajatel peamiselt olemasolevat teavet leida, samas kui generatiivne tehisintellekt loob vastuseid õpitud mustrite, antud konteksti ja mõnikord ka lisatööriistade abil. Põhiline automatiseerimine järgib tavaliselt eelnevalt määratletud reegleid või töövooge, mitte ei õpi mustreid näidetest. Kaasaegsed süsteemid saavad kombineerida otsingu, genereerimise ja automatiseerimise, seega võivad piirid praktilistes rakendustes muutuda vähem ilmseks.

Mis on tehisintellekt tegelikult, kui seda kasutatakse ettevõtte töövoogudes?

Äriprotsessides on tehisintellekt sageli kõige tõhusam süsteem kavatsuste tuvastamiseks, esitatud teabega töötamiseks ja tugeva esimese mustandi või soovituse loomiseks. Näiteks klienditoe assistent võib vastuste mustandite koostamiseks kasutada kinnitatud reegleid ja tooteteavet, samal ajal ebakindlaid juhtumeid isikule edastades. Usaldusväärsus sõltub heast allikateabest, selgetest juhistest, asjakohastest lubadest, testimisest ja inimlikust otsustusvõimest.

Mis on tehisintellekti agendid ja mille poolest nad erinevad vestlusrobotitest?

Tüüpiline vestlusrobot vastab peamiselt üksikutele küsimustele, samas kui tehisintellektiga agent saab eesmärgi saavutamiseks potentsiaalselt planeerida ja teostada mitu omavahel seotud toimingut. Agent võib teksti genereerimise asemel kasutada tööriistu, hankida teavet, värskendada töövoogu või jätkata mitme sammuga. See lisavõimalus võib olla väärtuslik, kuid see muudab eriti oluliseks ka õigused, turvalisuse, usaldusväärsuse, eskalatsioonireeglid ja kontrolli.

Kas tehisintellekt asendab töökohti või automatiseerib see peamiselt üksikuid ülesandeid?

Tehisintellekti mõistetakse sageli paremini kui konkreetsete ülesannete muutmist töökohtade sees, mitte tervete ametite automaatset kaotamist. See võib kiirendada mustandite koostamist, ajurünnakuid, analüüsi, kodeerimist, uurimistöö korraldamist või korduvat tugitööd, jättes samal ajal strateegia, otsustusvõime, juhtimise, maitse-eelistuse ja olulised otsused inimeste hooleks. Seega on praktiline küsimus, millised rolli osad saavad muutuda kiiremaks, odavamaks, lihtsamaks või automatiseeritumaks.

Millised oskused on tehisintellekti tõhusal kasutamisel kõige olulisemad?

Otsustusvõime ja kriitiline mõtlemine on olulised, sest vastuse genereerimine ei ole sama, mis õige või väärtusliku vastuse esitamine. Edukad kasutajad peavad teadma, mida küsida, millist teavet esitada, mida kontrollida, mida muuta ja millal tehisintellekti ei tohiks kasutada. Tootmisprotsessides sõltuvad tugevad tulemused ka usaldusväärsest kontekstist, selgetest piiridest, representatiivsest testimisest ja ebakindlate või suure mõjuga väljundite hoolikast läbivaatamisest.

Viited

1. Riiklik Standardite ja Tehnoloogia Instituut (NIST) — csrc.nist.gov

2. IBM — Masinõpe — ibm.com

3. Stanfordi inimkeskse tehisintellekti instituut — 2025. aasta tehisintellekti indeksiaruanne — hai.stanford.edu

4. Rahvusvaheline Tööorganisatsioon (ILO) — Generatiivne tehisintellekt ja töökohad: tööalase kokkupuute täiustatud ülemaailmne indeks — ilo.org

5. Google Cloud — Mis on GPT? — cloud.google.com

6. Google arendajatele — developers.google.com

7. Google'i koodilaborid — codelabs.developers.google.com

8. OpenAI — Inimese tagasiside meetodid — openai.com

9. arXiv — Arvuti treenimine — arxiv.org

10. Loodus — nature.com