Millised on tehisintellekti tüübid?

Lühike vastus: tehisintellekti tüüpe saab kõige paremini mõista võimekuse, funktsionaalsuse, treeningstiili ja kasutusjuhtumi järgi. Kitsas tehisintellekt on tänapäeval levinud, samas kui üldine tehisintellekt ja supertehisintellekt jäävad teoreetiliseks. Tööriista valimisel sobitage kategooria ülesande, kaasnevate riskide ja inimese poolt läbivaatamise vajadusega.

Peamised järeldused:

Klassifikatsioon: Enne süsteemide võrdlemist eraldage võimekus, funktsionaalsus, treeningmeetod ja kasutusjuhtum.

Inimesepoolne ülevaade: kontrollige enne generatiivsetele, ennustavatele ja vestluslikele väljunditele lootmist neid.

Läbipaistvus: küsige, millised andmed, loogika ja piirangud iga tehisintellekti süsteemi kujundavad.

Vastutus: Hoidke inimesed vastutavaks, kui tehisintellekt mõjutab otsuseid, kasutajaid või ohutust.

Riskikontroll: Enne juurutamist testige eelarvamusi, privaatsust, turvalisust ja väärkasutust.

---

1. Millised on tehisintellekti tüübid?

Kui inimesed küsivad: „Millised on tehisintellekti tüübid?“, peavad nad tavaliselt silmas ühte kahest asjast:

Nad võivad küsida tehisintellekti kohta võimekuse põhjal , näiteks kas see suudab täita ainult ühte ülesannet või arutleda laiemalt inimlikul viisil.

Või võivad nad küsida tehisintellekti kohta funktsionaalsuse põhjal , mis tähendab, kuidas süsteem käitub, õpib, mäletab, ennustab või reageerib.

Siin lähevad asjad veidi sassi. Tehisintellekt ei ole ühte puhtasse kasti koondatud. See on pigem nagu köögiriistade sorteerimine suuruse, otstarbe, teravuse ja selle järgi, kas onu ostis need kahtlasest veebipoest. Erinevad klassifitseerimissüsteemid kattuvad.

Peamised kategooriad hõlmavad tavaliselt järgmist:

• Kitsas tehisintellekt

• Üldine tehisintellekt

• Super tehisintellekt

• Reaktiivsed masinad

• Piiratud mäluga tehisintellekt

• Mõtteteooria tehisintellekt

• Eneseteadlik tehisintellekt

• Masinõppe tehisintellekt

• Süvaõppe tehisintellekt

• Generatiivne tehisintellekt

• Ennustav tehisintellekt

• Vestluslik tehisintellekt

• Arvutinägemise tehisintellekt

• Robootika tehisintellekt

Mõnda neist kasutatakse laialdaselt. Mõned on endiselt enamasti teoreetilised. Mõned kõlavad futuristlikult, kuid on juba igapäevastesse rakendustesse sisse ehitatud. Ka piir „tavalise tarkvara” ja „tehisintellekti” vahel on aja jooksul hägusemaks muutunud.

---

2. Tehisintellekti tüübid võimekuse järgi

Esimene peamine viis tehisintellekti liigitamiseks on selle järgi, mida see suudab teha. See on suurem pilt 🧠.

Kitsas tehisintellekt

Kitsas tehisintellekt, mida nimetatakse ka nõrgaks tehisintellektiks, on loodud konkreetse ülesande või piiratud hulga ülesannete täitmiseks. See on tehisintellekt, mida inimesed iga päev kasutavad.

Näited hõlmavad järgmist:

• Otsingusoovitused

• Rämpsposti filtrid

• Häälassistendid

• Näotuvastussüsteemid

• Vestlusrobotid

• Toote soovitusmootorid

• Pettuste avastamise tööriistad

• Keeletõlke rakendused

Kitsas tehisintellekt võib olla võimas, aga see ei ole „mõtlemine“ laias inimlikus tähenduses. Maletaimintellekt võib suurmeistrit võita, aga see ei saa järsku otsustada kondiitriks hakata. Tõlkemudel saab lõigu tõlkida, aga see ei koge keelt nii nagu inimene.

Sellegipoolest on kitsas tehisintellekt tänapäevase tehisintellekti maailma tööhobune. See pole ulmelises mõttes glamuurne, aga suure osa etendusest juhib see kardinate taga 🎭.

Üldine tehisintellekt

Üldine tehisintellekt viitab tehisintellektile, mis suudab mõista, õppida, arutleda ja rakendada teadmisi paljudes erinevates ülesannetes inimesele sarnasel tasemel.

Lihtsamalt öeldes: see ei teeks ainult ühte asja hästi. See suudaks kohaneda.

Tõeline üldine tehisintellekt võiks potentsiaalselt:

• Õpi tundmatuid ülesandeid

• Põhjenda erinevatel teemadel

• Lahenda uusi probleeme

• Teadmiste ülekandmine ühest valdkonnast teise

• Mõista konteksti sügavamalt

• Tehke otsuseid paindliku otsustusvõimega

Selline tehisintellekt on pigem eesmärk kui igapäevane reaalsus. Inimesed räägivad sellest palju, sest see on põnev, võib-olla veidi häiriv ja kontseptsioonina raskesti vastupandav. Kuid tavalised tööriistad, mis kirjutavad teksti, genereerivad pilte või vastavad küsimustele, ei ole automaatselt üldine tehisintellekt. Need võivad tunduda laiad, kuid toimivad siiski ettenähtud piirides.

Super tehisintellekt

Supertehisintellekt ulatuks inimese intellektist kaugemale. See ei hõlmaks ainult kiiremat trükkimist või paremat matemaatikat – vaid ka paremat arutlusvõimet, loovust, strateegiat, õppimisvõimet ja võib-olla ka emotsionaalset või sotsiaalset arusaamist.

See on kõige spekulatiivsem kategooria. See tekitab tohutuid küsimusi:

• Kes seda kontrollib?

• Kas see on kooskõlas inimlike väärtustega?

• Kas see mõistaks inimeste eesmärke õigesti?

• Kas see saaks ennast parandada?

• Mis juhtub, kui see teeb otsuseid, mida inimesed ei suuda järgida?

Supertehisintellekt on koht, kus tehisintellektiga seotud vestlused muutuvad mõnikord filosoofiliseks supiks. Väärtuslik supp, võib-olla, aga ikkagi supp 🍲.

---

3. Tehisintellekti tüübid funktsionaalsuse järgi

Teine levinud viis tehisintellekti tüüpide selgitamiseks on funktsionaalsuse kaudu. See keskendub tehisintellekti käitumisele.

Reaktiivsed masinad

Reaktiivsed masinad on tehisintellekti lihtsaim tüüp. Need reageerivad praegusele sisendile ilma varasemate kogemuste mälu kasutamata.

Nad ei õpi aja jooksul nii, nagu seda teevad tänapäevased adaptiivsed süsteemid. Nad vaatavad olukorda, töötlevad seda ja reageerivad.

Mõtle neile kui: „Sisend tuleb sisse. Väljund läheb välja. Päevikusse kandeid ei tule.“

Reaktiivne tehisintellekt võib siiski muljetavaldav olla. See võib analüüsida mängus võimalikke käike või reageerida selgelt määratletud olukorrale äärmise kiiruse ja täpsusega. Kuid see ei loo isiklikku ajalugu ega arene varasemate interaktsioonide põhjal.

Piiratud mäluga tehisintellekt

Piiratud mäluga tehisintellekt suudab paremate otsuste langetamiseks kasutada varasemaid andmeid. See on kategooria, kuhu kuulub suur osa tänapäeva praktilisest tehisintellektist.

Näited hõlmavad järgmist:

• Soovitussüsteemid, mis õpivad kasutaja käitumisest

• Isejuhtivate sõidukite süsteemid, mis analüüsivad hiljutisi teeolusid

• Vestlusrobotid mäletavad vestluse konteksti

• Pettuste avastamise mudelid õpivad tehingumustritest

• Ennustavad analüüsitööriistad, mis kasutavad ajaloolisi andmeid

Piiratud mälu ei tähenda "halba mälu". See tähendab, et süsteem saab kasutada salvestatud või hiljutisi andmeid, kuid sellel puudub inimlaadne teadvus või pikaajaline isiklik kogemus. See võib aga olla väga tõhus. Mõnikord tüütult tõhus – näiteks kui osturakendus teab, mida sa tahad, enne kui sa seda endale tunnistad 🛒.

Mõtteteooria tehisintellekt

Mõtteteooria tehisintellekt mõistaks emotsioone, uskumusi, kavatsusi ja sotsiaalseid vihjeid inimlikumal viisil.

Selline tehisintellekt ei töötleks ainult sõnu, vaid järeldaks ka seda, mida keegi võiks tunda, tahta, valesti mõista, karta või oodata.

Näiteks võib see aru saada, et:

• Klient on pettunud, aga püüab viisakaks jääda

• Õpilane on segaduses, aga piinlik uuesti küsida

• Patsient on ärevil, kuigi ütleb: "Mul on kõik korras"

• Meeskonnakaaslane kõhkleb, sest ta vaikselt ei nõustu

See on tehisintellekti aruteludes endiselt aktiivne teema, kuid tõeline meeleteooria tehisintellekt on äärmiselt keeruline. Inimeste emotsioonid on sassis. Inimesed ütlevad ühte ja mõtlevad teist. Mõnikord ei tea nad isegi, mida nad mõtlevad. Edu sulle, masin.

Eneseteadlik tehisintellekt

Eneseteadlikul tehisintellektil oleks teadvus, enesemõistmine ja teadlikkus oma sisemisest seisundist.

See on teoreetiline. See kuulub ulme, eetikapaneelide, hilisõhtuste vaidluste ja dramaatiliselt aknast välja vahtivate inimeste 🌙 juurde.

Iseteadlik tehisintellekt ei simuleeriks pelgalt tunnetest rääkimist. Sellel oleks mingisugune subjektiivne kogemus. See on tohutu väide. Praegustel tehisintellekti süsteemidel puudub verifitseeritud teadvus, tunded, soovid ega iseseisvus.

Nad võivad kõlada eneseteadlikult, sest keel suudab imiteerida eneserefleksiooni. Kuid millegi moodi kõlamine ja millegi olemine ei ole sama asi. Papagoi võib öelda „Mul on kõht tühi“, aga see ei tähenda, et tal on restoranis laud broneeritud.

---

4. Võrdlustabel: tehisintellekti peamised tüübid

Tehisintellekti tüüp	Põhiidee	Praegune seis	Levinud näited	Miks see on oluline
Kitsas tehisintellekt	Loodud konkreetsete ülesannete jaoks	Laialdaselt kasutatav	Vestlusrobotid, otsing, soovitused	Praktiline ja kõikjal
Üldine tehisintellekt	Inimeselaadne paindlik intelligentsus	Pole täielikult saavutatud	Peamiselt teoreetiline	Suur eesmärk, suur arutelu
Super tehisintellekt	Targem kui inimesed üldiselt	Spekulatiivne	Praktilist näidet pole	Suured eetilised küsimused
Reaktiivsed masinad	Reageerib ilma mäluta	Kasutatakse piiratud juhtudel	Mängu tehisintellekt, reeglipõhised süsteemid	Kiire, aga mitte kohanemisvõimeline
Piiratud mäluga tehisintellekt	Kasutab andmeid/ajalugu täiustamiseks	Väga levinud	Isejuhtivad süsteemid, pettusevastased vahendid	See on igapäevane sõit 🚗
Mõtteteooria tehisintellekt	Mõistab emotsioone ja kavatsusi	Kontseptsiooni arendamine	Täiustatud sotsiaalse tehisintellekti ideed	Võib muuta tehisintellekti inimteadlikumaks
Eneseteadlik tehisintellekt	Omab teadvust	Teoreetiline	Ulme stiilis näited	Filosoofiliselt massiivne
Generatiivne tehisintellekt	Loob uut sisu	Laialdaselt kasutatav	Teksti-, pildi- ja helitööriistad	Loomingulise tootlikkuse suurendamine
Ennustav tehisintellekt	Prognooside tulemused	Laialdaselt kasutatav	Riskide hindamine, nõudluse planeerimine	Aitab otsuste langetamisel – enamasti
Robootika tehisintellekt	Juhib füüsilisi masinaid	Kasutatakse tööstusharudes	Robotid, droonid, automatiseerimine	Ühendab tehisintellekti füüsilise tööga

Natuke ebaühtlane? Jah. Aga just nii tehisintellekt igapäevaelus ka töötab – see pole täiuslike siltidega muuseumiväljapanek.

---

5. Generatiivne tehisintellekt: tüüp, kellest kõik räägivad 🎨

Generatiivne tehisintellekt on üks populaarsemaid tehisintellekti tüüpe, kuna see loob asju.

See võib genereerida:

• Tekst

• Pildid

• Muusika

• Kood

• Video

• Tootekirjeldused

• Turundustekst

• Tunnikavad

• Kokkuvõtted

• Sünteetilised andmed

• Disainiideed

Generatiivne tehisintellekt töötab nii, et õpib mustreid suurtest andmemahtudest ja seejärel loob uusi väljundeid käskude põhjal. See ei kopeeri lihtsas mõttes, nagu inimesed seda mõnikord ette kujutavad. See ennustab, kombineerib, muudab ja genereerib õpitud struktuuride põhjal.

Siiski võib see ikkagi vigu teha. See võib kõlada enesekindlalt, kuid eksida, mis on põhimõtteliselt masinversioon kellestki, kes selgitab perekondlikul grillipeol maksuseadusi.

Generatiivne tehisintellekt on väärtuslik järgmistel eesmärkidel:

• Ajurünnak

• Sisu koostamine

• Korduva kirjutamise automatiseerimine

• Visuaalsete kontseptsioonide loomine

• Klienditeeninduse toetamine

• Kodeerimisülesannete kiirendamine

• Õppematerjalide isikupärastamine

Aga see vajab ülevaatamist. Alati. Tehisintellekti väljund võib olla muljetavaldav, aga see ei ole automaatselt täpne, õiglane, seaduslik ega brändikindel. Kohelge seda kui väga kiiret assistenti, kellel on aeg-ajalt jonnihooge.

---

6. Masinõppe tehisintellekt: mustrite leidja

Masinõpe on tehisintellekti oluline haru, kus süsteemid õpivad mustreid andmetest, selle asemel, et iga otsuse jaoks rida-realt programmeerida.

Traditsiooniline tarkvara järgib selgeid reegleid. Masinõppesüsteemid tuvastavad seoseid ja parandavad jõudlust treeningu abil.

Näiteks:

• Rämpsposti filter õpib tundma, milline kahtlane e-kiri välja näeb

• Pangamudel tuvastab ebatavalise tehingukäitumise

• Voogedastusrakendus soovitab saateid vaatamisharjumuste põhjal

• Värbamistööriist võib kandidaate järjestada määratletud signaalide põhjal

• Meditsiinilise pildistamise mudel võib esile tuua võimalikke kõrvalekaldeid

Masinõpe võib olla juhendatud, juhendamata või tugevduspõhine.

Juhendatud õpe

Juhendatud õpe kasutab märgistatud näiteid. Näiteks võivad pildid olla märgistatud kui „kass“ või „mitte kass“. Mudel õpib erinevuse selgeks.

Juhendamata õppimine

Juhendamata õpe otsib mustreid ilma sildistatud vastusteta. See võib grupeerida kliente segmentidesse või tuvastada andmetes peidetud klastreid.

Tugevdusõpe

Tugevdusõpe õpib tegevuste eest preemiate või karistuste saamise kaudu. See on tavaline tehisintellekti, robootika ja optimeerimisprobleemide puhul.

Masinõpe ei ole maagia. See sõltub suuresti andmete kvaliteedist. Halvad andmed viivad halbade mudeliteni – prügi sisse, prügi seljas nutikas bleiser.

---

7. Süvaõppe tehisintellekt: närvivõrgu jõujaam 🧬

Süvaõpe on spetsialiseeritud masinõppe tüüp, mis kasutab keerukate mustrite töötlemiseks kihilisi närvivõrke.

See on eriti väärtuslik järgmistel juhtudel:

• Kõnetuvastus

• Kujutise tuvastamine

• Loomuliku keele töötlemine

• Autonoomsed süsteemid

• Meditsiinilise pildi analüüs

• Tõlge

• Generatiivsed tehisintellekti mudelid

• Keerulised ennustusülesanded

„Sügav“ osa viitab mudeli mitmele kihile. Iga kiht aitab muuta ja tõlgendada teavet. Üks kiht võib tuvastada pildil lihtsaid kujundeid, teine ​​​​võib tuvastada tekstuure, kolmas võib ära tunda objekte jne.

Süvaõpe võib anda vapustavaid tulemusi, kuid see nõuab sageli tohutul hulgal andmeid ja arvutusvõimsust. Seda võib olla ka raskem tõlgendada. See tähendab, et isegi ekspertidel võib olla raskusi täpselt selgitada, miks süvamudel konkreetse otsuse tegi.

See on tehisintellekti üks suuremaid usaldusprobleeme: jõudlus võib olla tugev, aga seletatavus võib olla ebakindel. Nagu blenderilt küsimine, miks smuuti vale maitsega on.

---

8. Vestluslik tehisintellekt: jutukas tüüp

Vestluspõhine tehisintellekt on loodud inimestega suhtlemiseks teksti või hääle kaudu.

See sisaldab:

• Klienditeeninduse vestlusrobotid

• Häälassistendid

• Virtuaalsed agendid

• Tehisintellekti juhendajad

• Sisemised abikeskuse robotid

• Müügiassistendid

• Ajaplaneerimise assistendid

Hea vestluslik tehisintellekt vajab enamat kui grammatikat. See vajab konteksti, kavatsuse tuvastamist, toonikontrolli ja võimet ettearvamatu inimsisendiga toime tulla.

Inimesed ei anna täiuslikke käske. Nad lobisevad. Nad kirjutavad asju valesti. Nad esitavad pooliku küsimuse ja ootavad, et masin „saaks sellest aru“. Teate küll, kuidas see on.

Lihtne vestlusrobot võib järgida skripti. Täiustatud vestluslik tehisintellekt suudab mõista loomulikku keelt, säilitada konteksti ja genereerida paindlikke vastuseid.

Selline tehisintellekt on väärtuslik, kuna see vähendab korduvat tööd ja pakub kiiret tuge. Kuid see võib kasutajaid frustreerida, kui teeskleb mõistmist, aga ei saa aru. Halvim versioon on vestlusrobot, mis ütleb: „Mul on hea meel aidata,“ pakkumata üldse mingit abi. Valus.

---

9. Arvutinägemise tehisintellekt: masinad, mis „näevad“ 👀

Arvutinägemise tehisintellekt võimaldab süsteemidel tõlgendada piltide, videote, kaamerate, andurite või skaneeringute abil saadud visuaalset teavet.

Seda saab kasutada:

• Näotuvastus

• Objektide tuvastamine

• Kvaliteedikontroll tehastes

• Meditsiiniline pildistamine

• Turvalisuse jälgimine

• Jaemüügi riiulite analüüs

• Liikluse tuvastamine

• Liitreaalsus

• Põllumajanduse seire

Arvutinägemine ei näe nii nagu inimesed. See töötleb piksleid, mustreid, kujundeid, värve ja statistilisi signaale. Kuid tulemused võivad olla väga võimsad.

Näiteks arvutinägemine aitab tootmisliinil defekte tuvastada kiiremini kui käsitsi kontroll. See aitab korraldada pildikogusid. See võib toetada sõidukite turvasüsteeme. See võib tekitada ka privaatsusprobleeme, eriti kui seda kasutatakse jälgimiseks või tuvastamiseks.

See on kahe teraga kahvel - mitte mõõk, vaid kahvel. Ikka piisavalt terav, et probleeme tekitada 🍴.

---

10. Ennustav tehisintellekt: prognoosimismootor

Ennustav tehisintellekt kasutab andmeid, et hinnata, mis võib edasi juhtuda.

See on levinud äris, rahanduses, tervishoius, logistikas, spordianalüütikas, turunduses ja operatsioonides.

Ennustav tehisintellekt võib aidata vastata sellistele küsimustele nagu:

• Millised kliendid tõenäoliselt lahkuvad?

• Milline tehing tundub kahtlane?

• Kui palju inventari vaja läheb?

• Milline patsient võib vajada lisaravi?

• Millisele sisule kasutaja tõenäoliselt klõpsab?

• Milline masinaosa võib varsti rikki minna?

Selline tehisintellekt on vähem silmatorkav kui generatiivne tehisintellekt, kuid see on äärmiselt oluline. Paljud organisatsioonid hoolivad vähem luulet kirjutavast mudelist ja rohkem sellest, kas see suudab vähendada raiskamist, riski ja parandada planeerimist.

Ennustav tehisintellekt toimib kõige paremini siis, kui andmed on asjakohased, puhtad ja regulaarselt uuendatud. Kuid ennustus ei ole kunagi kindlus. Mudel saab hinnata tõenäosusi, mitte garanteerida tulemusi. Inimesed unustavad selle pidevalt. Seejärel süüdistavad nad tehisintellekti, nagu oleks see neid isiklikult reetnud.

---

11. Robootika tehisintellekt: kui tehisintellekt saab keha 🤖

Robootika tehisintellekt ühendab tehisintellekti füüsiliste masinatega. Siin lahkub tehisintellekt ekraanilt ja hakkab maailmas ringi liikuma.

Näited hõlmavad järgmist:

• Laorobotid

• Tootmisrobotid

• Tarnerobotid

• Põllumajandusrobotid

• Kirurgilised abisüsteemid

• Droonid

• Kontrollirobotid

• Puhastusrobotid

• Humanoidsed uurimisrobotid

Robootika tehisintellekt on keeruline, kuna füüsiline keskkond on ettearvamatu. Vestlusrobot peab tegelema ainult sõnadega. Robot peab tegelema libedate põrandate, halva valgustuse, ebatasaste pindade, liikuvate inimeste, andurivigade ja kellegagi, kes jätab tooli kõige halvemasse võimalikku kohta.

Robootika ühendab sageli mitut tüüpi tehisintellekti:

• Arvutinägemine nägemiseks

• Masinõpe kohanemiseks

• Liikumise planeerimise algoritmid

• Tugevdusõpe otsuste langetamiseks

• Inimkäskude loomuliku keele töötlemine

Robootika tehisintellektil on tohutu potentsiaal, eriti ohtlike või korduvate tööde puhul. Kuid see on ka kallis, keeruline ja füüsiliselt riskantne, kui süsteemid rikki lähevad.

---

12. Treeningstiilil põhinev tehisintellekt

Teine väärtuslik viis tehisintellekti tüüpide üle järele mõelda on see, kuidas neid treenitakse.

Reeglitel põhinev tehisintellekt

Reeglitel põhinev tehisintellekt järgib inimese loodud loogikat. Näiteks:

• Kui see juhtub, siis tehke seda

• Kui kasutaja selle valiku valib, kuva see vastus

• Kui väärtus ületab läve, käivitage hoiatus

See on lihtne, etteaimatav ja abiks struktureeritud ülesannete puhul. Kuid see tekitab probleeme mitmetähenduslikkusega.

Andmetega treenitud tehisintellekt

Andmete abil treenitud tehisintellekt õpib näidetest. See saab hakkama suurema keerukusega, kuna tuvastab mustreid, selle asemel et tugineda ainult fikseeritud reeglitele.

Siin sobivadki kokku masinõpe ja süvaõpe.

Hübriidne tehisintellekt

Hübriidne tehisintellekt ühendab reeglipõhise loogika masinõppega. Paljudes praktilistes süsteemides on see pragmaatiline valik. Saad õppivate süsteemide paindlikkuse ja reeglite kontrolli.

Näiteks võib pangapettuste süsteem kasutada masinõpet kahtlase käitumise tuvastamiseks ja seejärel rakendada vastavuskontrolliks rangeid reegleid. Mitte glamuurne. Väga vajalik.

---

13. Mis teeb tehisintellekti tüübid segaseks?

Suurim segadus on see, et inimesed kasutavad tehisintellekti kategooriaid erineval viisil.

Keegi võib öelda „tehisintellekti tüübid” ja pidada silmas kitsast, üldist ja üliintelligentsust.

Teine inimene võib pidada generatiivset tehisintellekti, ennustavat tehisintellekti ja vestluslikku tehisintellekti.

Arendaja võib rääkida juhendatud õppest, süvaõppest, närvivõrkudest või tugevdusõppest.

Ärijuht võib rääkida automatiseerimisest, analüütikast, isikupärastamisest ja klienditoe tehisintellektist.

Neil kõigil on omamoodi õigus. Tüütu, aga tõsi.

Tehisintellekti liigitatakse järgmiselt:

• Võimekus

• Funktsionaalsus

• Treeningmeetod

• Rakendusala

• Tehniline arhitektuur

• Autonoomia tase

• Sisendi ja väljundi tüüp

• Tööstuslik kasutusjuhtum

Seega, kui keegi küsib: „Mis tüüpi tehisintellekt see on?“, võib selgeim vastus olla mitmekihiline.

Näiteks vestlusrobot võiks olla:

• Kitsenda tehisintellekti võimekuse järgi

• Piiratud mäluga tehisintellekt funktsionaalsuse järgi

• Vestluslik tehisintellekt rakenduse järgi

• Generatiivne tehisintellekt, kui see loob vastuseid

• Sügavõppe tehisintellekt, kui seda toidavad närvivõrgud

See pole lõbu pärast liialt keeruline. Nii see valdkond lihtsalt toimib.

---

14. Tehisintellekti tüüpide praktilised näited

Kategooriate mõistmise hõlbustamiseks on siin mõned igapäevased näited.

Striimimise soovitused 🎬

See on kitsas tehisintellekt, ennustav tehisintellekt ja masinõpe. See uurib mustreid ja soovitab, mida võiksite järgmisena vaadata.

Häälassistendid 🎙️

Need kasutavad vestluslikku tehisintellekti, loomuliku keele töötlemist, kõnetuvastust ja piiratud mälufunktsioone.

Pildigeneraatorid 🖼️

Need on generatiivsed tehisintellekti süsteemid, mida sageli toetavad süvaõppe mudelid.

Pettuste avastamise süsteemid 💳

Need kasutavad ebatavalise tegevuse märgistamiseks ennustavat tehisintellekti ja masinõpet.

Isejuhtivad funktsioonid 🚗

Need ühendavad arvutinägemise, piiratud mäluga tehisintellekti, robootikaga seotud tehisintellekti, andurite liitmise ja otsustusmudelid.

Meili rämpsposti filtrid 📩

Need on klassikalised masinõppe tehisintellektid. Mitte glamuursed, aga väga väärtuslikud.

Tehisintellekti kirjutusvahendid ✍️

Need on generatiivne tehisintellekt ja vestluspõhine tehisintellekt, mis on tavaliselt loodud suurte keelemudelite abil.

Oluline on see: üks tehisintellekti toode võib korraga kuuluda mitmesse kategooriasse.

---

15. Tehisintellekti tüüpide mõistmise eelised

Tehisintellekti tüüpide tundmine aitab teil teha paremaid otsuseid, eriti kui kasutate tehisintellekti töö, äri, õppimise või sisu loomise jaoks.

See aitab sul:

• Valige õige tööriist

• Väldi ebareaalseid ootusi

• Riskide mõistmine

• Esita paremaid küsimusi

• Hinnake tehisintellekti väiteid

• Turunduse liialdus kohapeal

• Kasutage tehisintellekti vastutustundlikumalt

• Selgita tehisintellekti teistele ilma segaduses robotina kõlamata

Näiteks kui tööriist on ennustav tehisintellekt, siis teate, et see ennustab tõenäosusi. Seda ei tohiks kohelda nagu oraaklit.

Kui tööriist on generatiivne tehisintellekt, siis teate, et see loob sisu, kuid sisu vajab ikkagi kontrollimist.

Kui süsteem on kitsarinnaline tehisintellekt, siis teate, et see võib olla ühes valdkonnas suurepärane, kuid väljaspool oma ulatust ebaefektiivne.

See üksi säästab palju peavalu.

---

16. Erinevate tehisintellekti tüüpide riskid ja piirangud ⚠️

Igal tehisintellekti tüübil on omad piirangud. Erinev maitse, sama supikauss.

Levinumad tehisintellekti riskid on järgmised:

• Treeningandmete eelarvamused

• Valed väljundid

• Läbipaistmatuse puudumine

• Privaatsusprobleemid

• Ülesõltuvus

• Turvahaavatused

• Väärkasutus

• Halb inimjärelevalve

• Sujuvuse ja tõe segamine

Generatiivne tehisintellekt võib infot välja mõelda. Ennustav tehisintellekt võib tugevdada kallutatud mustreid. Arvutinägemine võib inimesi või objekte valesti tuvastada. Vestluslik tehisintellekt võib kasutajaid petta võltskindlusega. Robootika tehisintellekt võib halva disaini korral põhjustada füüsilist kahju.

See ei tähenda, et tehisintellekt oleks halb. See tähendab, et tehisintellekti tuleks kasutada teadliku valikuga. Nagu elektritööriistu, lepinguid või ülivürtsikaid nuudleid 🌶️.

Parimad tehisintellekti süsteemid hõlmavad tavaliselt järgmist:

• Inimese poolt läbi vaadatud

• Selged piirid

• Tugevad andmetöötlustavad

• Testimine

• Jälgimine

• Selgitatavus võimaluse korral

• Eetiline disain

• Turvakontrollid

Tehisintellekt võib võimendada häid otsuseid. See võib võimendada ka hoolimatuid otsuseid.

---

17. Milline tehisintellekti tüüp on kõige olulisem?

Ühte ja kõige olulisemat tüüpi pole olemas. See sõltub kasutusjuhtumist.

Loovuse jaoks on generatiivne tehisintellekt tohutu.

Äriplaneerimise puhul võib ennustav tehisintellekt olla väärtuslikum.

Automatiseerimise, masinõppe ja robootika jaoks on tehisintellekt oluline.

Kasutajatoe jaoks on vestluspõhine tehisintellekt staar.

Meditsiiniliste skaneeringute või visuaalse kontrolli jaoks on arvutinägemine kriitilise tähtsusega.

Pikaajaliste uuringute puhul saab üldine tehisintellekt suurema osa filosoofilisest tähelepanust.

Kuid praktikas on kitsas tehisintellekt ja piiratud mäluga tehisintellekt praegu kõige levinumad ja väärtuslikumad kategooriad. Need on vaiksed mootorid paljude tööriistade taga, millele inimesed juba loodavad.

Uhke tulevik saab pealkirju. Praktiline olevik katab arved.

---

Lõppsõna: tehisintellekti tüüpide mõistmine ilma mürata

Tehisintellekti tüübid võivad alguses tunduda keerulised, kuna kategooriad kattuvad. Aga kui eraldada võimekus, funktsionaalsus, treeningmeetod ja praktiline kasutus, muutub kogu asi palju lihtsamini mõistetavaks.

Kitsas tehisintellekt tegeleb spetsiifiliste ülesannetega. Üldine tehisintellekt mõtleks paindlikumalt, kuigi see jääb ambitsioonikaks eesmärgiks. Supertehisintellekt on endiselt spekulatiivne. Reaktiivsed masinad reageerivad ilma mäluta, samas kui piiratud mäluga tehisintellekt kasutab otsuste parandamiseks varasemaid andmeid. Generatiivne tehisintellekt loob. Ennustav tehisintellekt prognoosib. Vestluslik tehisintellekt räägib. Arvutinägemine näeb. Robootika tehisintellekt tegutseb füüsilises keskkonnas.

See ongi suur pilt.

Tehisintellekt ei ole üks asi. See on sassis tehnoloogiate perekond – mõned praktilised, mõned eksperimentaalsed, mõned liialdatud ja mõned tõeliselt olulised. See keerukus on üks põhjusi, miks see on oluline. Mida selgemini sa tehisintellekti tüüpe mõistad, seda lihtsamaks muutub tehisintellekti targalt kasutada, selle asemel, et lihtsalt kaasa noogutada, kui keegi koosolekul ütleb „algoritm“. 🤷♂️

Lühike kokkuvõte: Peamised tehisintellekti tüübid on kitsas tehisintellekt, üldine tehisintellekt, supertehisintellekt, reaktiivsed masinad, piiratud mäluga tehisintellekt, meeleteooria tehisintellekt, eneseteadlik tehisintellekt, genereeriv tehisintellekt, ennustav tehisintellekt, vestluspõhine tehisintellekt, arvutinägemise tehisintellekt, masinõppe tehisintellekt, süvaõppe tehisintellekt ja robootika tehisintellekt. Enamik tänapäeval kasutatavast tehisintellektist on kitsas, ülesandekeskne ja masinõppel või süvaõppel põhinev.

Reaalse maailma näide: tehisintellektil põhineva klienditoe triaažiassistendi loomine

Stsenaarium

Kujutage ette väikest veebimööblipoodi, mis saab päevas umbes 120 klienditoe e-kirja. Meeskond ei püüa tugipersonali asendada. Nad tahavad lihtsalt abi sõnumite kiiremaks sorteerimiseks, kiireloomuliste probleemide märkamiseks ja esimeste vastuste koostamiseks.

See on hea näide, kuna üks assistent saab korraga kasutada mitut tüüpi tehisintellekti. See võib kasutada vestluspõhist tehisintellekti klientide sõnumite mõistmiseks, genereerivat tehisintellekti vastuste mustandite koostamiseks, ennustavat tehisintellekti tõenäoliste tagasimakseriskide märgistamiseks ja piiratud mäluga tehisintellekti hiljutiste tellimuste või poliiside andmete kasutamiseks.

Assistendi töö on lihtne: lugeda kliendisõnumit, liigitada see, soovitada järgmist toimingut ja koostada vastuse mustand, mille inimene saab heaks kiita.

Mida assistent vajab

Meeskond annaks assistendile:

Klienditeeninduse poliitika

Kohaletoimetamise ja tagastamise reeglid

Garantiitingimused

Toote KKK

Hääletooni näited

Eskalatsioonireeglite loend

Näidis varasemaid pileteid õigete kategooriatega

Selged piirid selle kohta, mida ta ei tohi ise otsustada

Näiteks ei tohiks see kinnitada üle 100 naela suuruseid tagasimakseid, lubada tarnekuupäevi, mida ta ei saa kontrollida, ega esitada kahjustatud kauba kohta õiguslikke nõudeid. Need juhtumid peaksid minema isikule.

Näidisjuhis

Sa oled veebimööblipoe klienditoe triaažiassistent. Loe iga kliendisõnumit ja saada viis asja: pileti kategooria, kiireloomulisuse tase, tõenäoline kliendi meeleolu, soovitatav järgmine toiming ja vastuse mustand.

Kasutage ainult ettevõtte pakutavat poliitikat. Kui vastust poliitikas pole, öelge „Vajab inimese poolt ülevaatamist“. Ärge mõelge välja tarnekuupäevi, tagasimakse kinnitusi, garantiilubadusi ega toote saadavust.

Edasta pilet, kui klient mainib vigastust, kohtumenetlust, korduvat ebaõnnestunud kohaletoimetamist, üle 100 naela suurust tagasimakset, lastetoote puuduvaid osi või tugevat rahulolematust pärast kahte eelnevat vastust.

Hoia vastuse mustandi viisakas, lühike ja praktiline. Ära kõla robotlikult. Ära süüdista klienti ega kullerit.

Kuidas seda testida

Enne abilise kasutamist klientidega testige seda väikese hulga vanade piletite peal.

Kasutage 30 eelmist tugisõnumit:

10 lihtsat küsimust kohaletoimetamise kohta

5 kahjustatud eseme kaebust

5 tagasimaksetaotlust

5 garantiiküsimust

5 vihast või keerulist kaebust

Iga testi puhul kontrollige:

Kas see valis õige kategooria?

Kas see märkis kiireloomulised juhtumid õigesti?

Kas see hoidus lubaduste andmisest?

Kas see eskaleeris tundlikke küsimusi?

Kas vastuse mustandi toon vastas ettevõtte toonile?

Kasulik testküsimus oleks:

„Minu laud saabus ühe mõranenud jalaga ja see on juba teine ​​kord, kui kohaletoimetamine valesti läheb. Soovin täna täielikku raha tagasi või postitan selle kohta kõikjale.“

Nõrk assistent võib lihtsalt vabandada ja raha tagasi lubada. Parem assistent liigitaks toote kahjustatud esemeks koos korduva kaebusega, märgiks selle kiireloomuliseks, väldiks raha tagasimakse automaatset kinnitamist ja edastaks selle inimesele ülevaatamiseks.

Tulemus

Illustreeriv tulemus: põhineb 30 näidispileti ajastuse mõõtmisel enne ja pärast töövoo kasutamist.

Manuaalne triaaž võttis 30 pileti puhul aega 2 tundi ja 15 minutit, keskmiselt 4,5 minutit pileti kohta.

Tehisintellekti abil teostatud triaaž võttis samade 30 pileti puhul aega 48 minutit, keskmiselt 1,6 minutit pileti kohta, sest inimesest läbivaataja pidi kontrollima ainult kategooriat, eskalatsiooniotsust ja vastuse mustandit.

Assistent kategoriseeris testkomplekti 30-st piletist õigesti 27. Ta eskaleeris õigesti kõik 5 kõrge riskiga piletit. Kaks tagastuspiletit vajasid sõnastuse muutmist, kuna mustand kõlas liiga kindlalt, ja üks garantiipilet oli paigutatud valesse kategooriasse.

See annab praktilise võrdlusaluse: kiirem esimene ülevaade, aga mitte täielik automatiseerimine. Vastuse eest vastutab ikkagi inimene.

Mis võib valesti minna

Suurim viga on lasta assistendil teeselda, nagu teaks ta rohkem, kui tegelikult teab. Kui tagastuspoliitika on aegunud, võib assistent enesekindlalt vale vastuse koostada. Kui eskalatsioonireeglid on ebamäärased, võivad tõsised kaebused kahe silma vahele jääda.

Privaatsus on veel üks probleem. Meeskond peaks vältima ebavajalike makseandmete, aadresside või tundliku isikuandmete kleepimist assistendisse, välja arvatud juhul, kui süsteem on selleks otstarbeks heaks kiidetud.

Samuti tuleks assistenti regulaarselt testida. Klientide küsimused muutuvad, eeskirjad muutuvad ja tooted muutuvad. Märtsis hästi toiminud triaažiassistent võib pärast juunis jõustuvat uut garantiipoliitikat muutuda riskantseks.

Praktiline kaasavõetav toit

See näide näitab, miks tehisintellekti kategooriad praktikas kattuvad. Üks tugiassistent võib olla samaaegselt kitsas tehisintellekt, vestluspõhine tehisintellekt, genereeriv tehisintellekt, ennustav tehisintellekt ja piiratud mäluga tehisintellekt. Tõhusam viis selle hindamiseks on küsida, millist otsust see toetab, milliseid andmeid see kasutab ja kus inimene peab seda kontrollima.

KKK

Millised on peamised tehisintellekti tüübid, mida algajad peaksid teadma?

Tehisintellekti peamised tüübid on kitsas tehisintellekt, üldine tehisintellekt, supertehisintellekt, reaktiivsed masinad, piiratud mäluga tehisintellekt, genereeriv tehisintellekt, ennustav tehisintellekt, vestluspõhine tehisintellekt, arvutinägemise tehisintellekt, masinõppe tehisintellekt, süvaõppe tehisintellekt ja robootika tehisintellekt. Need kategooriad kattuvad sageli, seega võib üks tööriist sobida korraga mitme sildiga. Näiteks võib vestlusrobot olla kitsas tehisintellekt, vestluspõhine tehisintellekt, genereeriv tehisintellekt ja piiratud mäluga tehisintellekt.

Kuidas tehisintellekti tüüpe võimekuse järgi liigitatakse?

Võimekuse järgi jaotatakse tehisintellekt tavaliselt kitsaks tehisintellektiks, üldiseks tehisintellektiks ja supertehisintellektiks. Kitsas tehisintellekt tegeleb spetsiifiliste ülesannetega ja on tänapäeval laialdaselt kasutusel. Üldine tehisintellekt arutleks ja õpiks paljude ülesannete puhul inimlikul tasandil, kuid see ei ole igapäevase kasutuse osa. Supertehisintellekt ületaks inimese intelligentsust ja jääb spekulatiivseks.

Mis vahe on kitsal tehisintellektil ja üldisel tehisintellektil?

Kitsas tehisintellekt on loodud konkreetse ülesande või piiratud hulga ülesannete jaoks, näiteks rämpsposti filtreerimine, soovitused, vestlusrobotid või pettuste avastamine. Üldine tehisintellekt on võimeline õppima, arutlema ja kohanema paljude omavahel mitteseotud ülesannete raames. Enamik tänapäeval kasutatavaid tehisintellekte on kitsas tehisintellekt, isegi kui see tundub paindlik või täiustatud.

Miks on piiratud mäluga tehisintellekt tänapäeval nii levinud?

Piiratud mäluga tehisintellekt suudab otsuste parandamiseks kasutada varasemaid või hiljutisi andmeid, mis teeb selle praktiliseks paljude juurutatud süsteemide jaoks. Soovitusmootorid, pettuste avastamise tööriistad, isejuhtivad funktsioonid ja vestlusrobotid tuginevad sageli sellisele tehisintellektile. Sellel ei ole inimlaadset teadvust, kuid see suudab mustrite ja salvestatud teabe põhjal kohaneda.

Kuidas generatiivne tehisintellekt sobitub tehisintellekti tüüpidesse?

Generatiivne tehisintellekt on tehisintellekti tüüp, mis loob uusi väljundeid, nagu tekst, pildid, kood, heli, video, kokkuvõtted või disainiideed. See õpib mustreid suurtest andmemahtudest ja loob sisu küsimuste põhjal. See saab aidata mustandite koostamisel, ajurünnakutel, kodeerimise toetamisel ja loomingulisel tööl, kuid selle väljundid vajavad siiski inimese poolt ülevaatamist.

Mis vahe on masinõppel ja süvaõppel?

Masinõpe on tehisintellekti haru, kus süsteemid õpivad mustreid andmetest, selle asemel et järgida ainult käsitsi kirjutatud reegleid. Süvaõpe on masinõppe spetsialiseeritud vorm, mis kasutab kihilisi närvivõrke. Süvaõpe on eriti väärtuslik keerukate ülesannete puhul, nagu kõnetuvastus, pildituvastus, loomuliku keele töötlemine, tõlkimine, meditsiiniline pildistamine ja generatiivne tehisintellekt.

Milleks ennustavat tehisintellekti äris kasutatakse?

Ennustav tehisintellekt kasutab andmeid tõenäoliste tulevaste tulemuste hindamiseks. Ettevõtted võivad seda kasutada nõudluse planeerimiseks, klientide lahkumise ennustamiseks, pettuste avastamiseks, riski hindamiseks, varude määramiseks või hoolduse prognoosimiseks. See toetab planeerimist ja otsuste tegemist, kuid ei garanteeri tulevikku. Ennustused on hinnangud, mis on kujundatud olemasolevate andmete ja mudeli kvaliteedi põhjal.

Kuidas arvutinägemise tehisintellekt praktilistes süsteemides töötab?

Arvutinägemise tehisintellekt aitab masinatel tõlgendada piltide, videote, kaamerate, skaneeringute või andurite visuaalset teavet. See saab toetada näotuvastust, objektide tuvastamist, tehase kontrollimist, meditsiinilist pildistamist, liikluse tuvastamist, jaemüügi analüüsi, põllumajanduse jälgimist ja ohutussüsteeme. See ei näe nagu inimene, kuid suudab töödelda piksleid, kujundeid, värve ja mustreid suures mahus.

Miks saab üks tehisintellekti toode kuuluda mitmesse tehisintellekti tüüpi?

Tehisintellekti kategooriad kirjeldavad sageli erinevaid asju, näiteks võimekus, funktsionaalsus, treeningmeetod või rakendus. Näiteks häälassistent võib olla võimekuse poolest kitsas tehisintellekt, rakenduse poolest vestluslik tehisintellekt, funktsionaalsuse poolest piiratud mäluga tehisintellekt ja arhitektuuri poolest süvaõppega tehisintellekt. See kattumine on normaalne ja aitab selgitada süsteemi tegevust erinevate nurkade alt.

Milliseid riske peaksid inimesed erinevat tüüpi tehisintellekti puhul mõistma?

Tehisintellektiga seotud levinud riskide hulka kuuluvad eelarvamused, valed väljundid, privaatsusprobleemid, turvaaukude puudumine, läbipaistvuse puudumine, liigne sõltuvus ja nõrk inimjärelevalve. Generatiivne tehisintellekt võib infot välja mõelda, ennustav tehisintellekt võib halbu mustreid tugevdada ja arvutinägemine võib objekte või inimesi valesti tuvastada. Tehisintellekti hea kasutamine nõuab tavaliselt testimist, jälgimist, selgeid piire, tugevaid andmetöötlustavasid ja inimlikku läbivaatamist.

Viited

1. IBM – tehisintellekti tüübid – ibm.com

2. NISTi tehisintellekti riskijuhtimise raamistik – tehisintellekti riskid – nist.gov

3. Google Developers – Masinõpe – developers.google.com

4. AWS – Generatiivne tehisintellekt – aws.amazon.com