Mis on tehisintellekt?

Tehisintellekt ilmub kõikjale – teie telefonis, postkastis, kaarte liigutamas, e-kirju koostamas, mida te pooleldi tahtsite kirjutada. Aga mis on tehisintellekt ? Lühidalt: see on tehnikate kogum, mis võimaldab arvutitel täita ülesandeid, mida me seostame inimintellektiga, näiteks mustrite tuvastamine, ennustuste tegemine ning keele või piltide genereerimine. See ei ole käega katsutav turundus. See on maandatud valdkond, mis sisaldab matemaatikat, andmeid ja palju katse-eksituse meetodit. Autoriteetsed allikad kirjeldavad tehisintellekti kui süsteeme, mis suudavad õppida, arutleda ja eesmärkide saavutamiseks tegutseda viisil, mida me peame intelligentseks. [1]

Artiklid, mida võiksite pärast seda lugeda:

🔗 Mis on avatud lähtekoodiga tehisintellekt?
Saage aru avatud lähtekoodiga tehisintellektist, selle eelistest, litsentsimismudelitest ja kogukonna koostööst.

🔗 Mis on tehisintellektis närvivõrk?
Õpi närvivõrkude põhitõdesid, arhitektuuri tüüpe, treenimist ja levinumaid kasutusviise.

🔗 Mis on arvutinägemine tehisintellektis?
Vaadake, kuidas masinad tõlgendavad pilte, võtmeülesandeid, andmekogumeid ja rakendusi.

🔗 Mis on sümboolne tehisintellekt?
Avasta sümboolset arutluskäiku, teadmiste graafe, reegleid ja hübriidseid neurosümboolseid süsteeme.

Mis on tehisintellekt: kiirversioon 🧠➡️💻

Tehisintellekt on meetodite kogum, mis võimaldab tarkvaral intelligentset käitumist ligikaudselt kirjeldada. Iga reegli kodeerimise asemel treenime mudeleid näidete põhjal, et neid saaks üldistada uutele olukordadele – pildituvastus, kõne tekstiks teisendamine, marsruudi planeerimine, koodiassistendid, valgu struktuuri ennustamine jne. Kui soovite oma märkmete jaoks selget definitsiooni: mõelge arvutisüsteemidele, mis täidavad inimese intellektuaalsete protsessidega seotud ülesandeid, nagu arutluskäik, tähenduse leidmine ja andmetest õppimine. [1]

Kasulik mentaalne mudel sellest valdkonnast on käsitleda tehisintellekti eesmärgipäraste süsteemidena , mis tajuvad oma keskkonda ja valivad tegevusi – see on kasulik, kui hakatakse mõtlema hindamis- ja juhtimisahelatele. [1]

Mis teeb tehisintellekti tegelikult kasulikuks✅

Miks pöörduda tehisintellekti poole traditsiooniliste reeglite asemel?

• Mustrite võimsus – mudelid märkavad tohututes andmekogumites peeneid korrelatsioone, mida inimesed enne lõunat märkamata jätaksid.

• Kohandamine – suurema hulga andmete korral saab jõudlust parandada ilma kogu koodi ümber kirjutamata.

• Suuremahuline kiirus – pärast treenimist töötavad mudelid kiiresti ja järjepidevalt isegi stressirohkete mahtude korral.

• Generatiivsus – tänapäevased süsteemid suudavad toota teksti, pilte, koodi ja isegi kandidaatmolekule, mitte ainult asju klassifitseerida.

• Tõenäosuslik mõtlemine – nad saavad ebakindlusega hakkama sujuvamalt kui haprad "kui-muidu" metsad.

• Tööriistade abil töötavad tööriistad – saate mudeleid ühendada kalkulaatorite, andmebaaside või otsinguga, et suurendada usaldusväärsust.

• Kui see pole hea – eelarvamused, hallutsinatsioonid, aegunud treeningandmed, privaatsusriskid. Me jõuame sinna.

Olgem ausad: mõnikord tundub tehisintellekt nagu jalgratas vaimule ja mõnikord on see nagu üherattaline kruusal. Mõlemad võivad tõsi olla.

Kuidas tehisintellekt töötab inimkiirusel 🔧

Enamik tänapäevaseid tehisintellekti süsteeme ühendab endas:

1. Andmed – näited keelest, piltidest, klikkidest, andurite näitudest.

2. Eesmärgid - kaotusfunktsioon, mis ütleb, milline „hea” välja näeb.

3. Algoritmid - treeningprotseduur, mis suunab mudelit seda kaotust minimeerima.

4. Hindamine – testikomplektid, mõõdikud, mõistlikkuse kontrollid.

5. Juurutamine – mudeli varustamine jälgimise, ohutuse ja piiretega.

Kaks laia traditsiooni:

• Sümboolne või loogikal põhinev tehisintellekt – selgesõnalised reeglid, teadmiste graafikud, otsing. Suurepärane formaalse arutluskäigu ja piirangute jaoks.

• Statistiline ehk õppimisel põhinev tehisintellekt – mudelid, mis õpivad andmetest. Siin elabki sügavõpe ja kust pärineb suurem osa viimase aja populaarsusest; laialdaselt tsiteeritud ülevaates kaardistatakse valdkond kihilistest esitustest optimeerimise ja üldistamiseni [2].

Õppimispõhise tehisintellekti puhul on olulised mõned alustalad:

• Juhendatud õpe – õppige märgistatud näidetest.

• Järelevalveta ja iseseisev – õpi struktuuri sildistamata andmetest.

• Tugevdusõpe – õpitakse proovimise ja tagasiside kaudu.

• Generatiivne modelleerimine – õpi looma uusi näidiseid, mis näevad välja reaalsed.

Kaks generatiivset perekonda, kellest kuulete iga päev:

• Transformerid – enamiku suurte keelemudelite aluseks olev arhitektuur. See kasutab tähelepanu iga märgi teistega seostamiseks, võimaldades paralleelset treenimist ja üllatavalt sujuvaid väljundeid. Kui olete kuulnud terminit „enesetähelepanu“, siis see ongi peamine nipp. [3]

• Difusioonimudelid – need õpivad müra tekitavat protsessi tagasi pöörama, astudes juhuslikust mürast tagasi terava pildi või heli juurde. See on nagu kaardipaki segamine uuesti läbi, aeglaselt ja ettevaatlikult, aga matemaatilise analüüsi abil; alustöö näitas, kuidas tõhusalt treenida ja sämplida. [5]

Kui metafoorid tunduvad venitatud, on see õiglane – tehisintellekt on liikuv sihtmärk. Me kõik õpime tantsu, samal ajal kui muusika laulu keskel muutub.

Kus sa juba iga päev tehisintellektiga kohtud 📱🗺️📧

• Otsing ja soovitused – tulemuste, voogude ja videote järjestus.

• E-kirjad ja dokumendid – automaatne täitmine, kokkuvõtted, kvaliteedikontroll.

• Kaamera ja heli – mürasummutus, HDR, transkriptsioon.

• Navigeerimine – liikluse prognoosimine, marsruudi planeerimine.

• Tugi ja teenindus – vestlusagendid, kes sorteerivad ja koostavad vastuseid.

• Kodeerimine - ettepanekud, refaktorid, testid.

• Tervis ja teadus – triaaž, pilditehnoloogia tugi, struktuuri ennustamine. (Kliinilisi kontekste käsitleda ohutuskriitilistena; kasutada inimeste järelevalvet ja dokumenteeritud piiranguid.) [2]

Minianekdoot: tootemeeskond võib keelemudeli ees A/B-testida otsinguetappi; veamäärad langevad sageli, kuna mudel arutleb värskema, ülesandespetsiifilise konteksti, mitte oletuse põhjal. (Meetod: määrake mõõdikud ette, jätke kindlaks ooteaeg ja võrrelge sarnaseid ülesandeid.)

Tugevused, piirid ja kerge kaos nende vahel ⚖️

Tugevused

• Saab graatsiliselt hakkama suurte ja segaste andmekogumitega.

• Skaleerub erinevate ülesannete vahel, kasutades sama põhimasinastikku.

• Õpib varjatud struktuuri, mida me ise ei loonud. [2]

Piirangud

• Hallutsinatsioonid – mudelid võivad anda usutavalt kõlavaid, kuid valesid tulemusi.

• Eelarvamused – treeningandmed võivad kodeerida sotsiaalseid eelarvamusi, mida süsteemid seejärel reprodutseerivad.

• Töökindlus – äärepealsed juhtumid, vastandlikud sisendid ja jaotuse nihe võivad asju katki teha.

• Privaatsus ja turvalisus – tundlikud andmed võivad lekkida, kui te pole ettevaatlik.

• Selgitatavus – miks see nii öeldi? Mõnikord ebaselge, mis nurjab auditeid.

Riskijuhtimine on olemas selleks, et te ei tekitaks kaost: NISTi tehisintellekti riskijuhtimise raamistik pakub praktilisi ja vabatahtlikke juhiseid usaldusväärsuse parandamiseks disaini, arenduse ja juurutamise vältel – mõelge riskide kaardistamisele, mõõtmisele ja kasutamise juhtimisele otsast lõpuni. [4]

Liiklusreeglid: ohutus, juhtimine ja vastutus 🛡️

Regulatsioonid ja juhised jõuavad praktikale järele:

• Riskipõhised lähenemisviisid – suurema riskiga kasutusviisidele esitatakse rangemad nõuded; dokumentatsioon, andmehaldus ja intsidentide käsitlemine on olulised. Avalikud raamistikud rõhutavad läbipaistvust, inimeste järelevalvet ja pidevat seiret. [4]

• Sektori nüansid – ohutuskriitilised valdkonnad (näiteks tervishoid) vajavad inimese kaasamist ja hoolikat hindamist; üldotstarbelised tööriistad saavad siiski kasu selgetest kavandatud kasutuse ja piirangute dokumentidest. [2]

Asi pole innovatsiooni lämmatamises; asi on selles, et oma toodet ei tohiks raamatukogus popkornivalmistajaks muuta ... mis kõlab lõbusalt seni, kuni see enam ei ole.

Tehisintellekti tüübid praktikas koos näidetega 🧰

• Taju - nägemine, kõne, sensorite fusioon.

• Keel – vestlus, tõlge, kokkuvõte, ekstraktimine.

• Ennustamine – nõudluse prognoosimine, riskide hindamine, anomaaliate tuvastamine.

• Planeerimine ja kontroll – robootika, logistika.

• Genereerimine - pildid, heli, video, kood, struktureeritud andmed.

Kapoti all toetub matemaatika lineaaralgebrale, tõenäosusele, optimeerimisele ja arvutuspinudele, mis hoiavad kõik töös. Süvaõppe aluste põhjalikuma ülevaate saamiseks vaadake kanoonilist ülevaadet. [2]

Võrdlustabel: populaarsed tehisintellekti tööriistad lühidalt 🧪

(Kergelt tahtlikult ebatäiuslik. Hinnad varieeruvad. Läbisõit varieerub.)

Kuidas tehisintellekti süsteemi professionaalina hinnata 🧪🔍

1. Määratle töö - ühelauseline ülesandelause.

2. Valige mõõdikud – täpsus, latentsus, maksumus, ohutusalased käivitajad.

3. Koostage testikomplekt – esinduslik, mitmekesine ja avatud.

4. Kontrollige rikkerežiime – sisendid, mille süsteem peaks tagasi lükkama või eskaleerima.

5. Eelarvamuste test – demograafilised sektorid ja tundlikud atribuudid, kui see on asjakohane.

6. Inimene kaasab – määrake, millal inimene peab üle vaatama.

7. Logi ja jälgi – triivi tuvastamine, intsidentidele reageerimine, tagasipööramised.

8. Dokument – ​​andmeallikad, piirangud, kavandatud kasutus, ohumärgid. NISTi tehisintellekti nõuetekohane juhtimissüsteem (RMF) pakub selleks ühtset keelt ja protsesse. [4]

Levinud väärarusaamad, mida ma kogu aeg kuulen 🙃

• „See on lihtsalt kopeerimine.“ Treenimine õpib statistilist struktuuri; genereerimine loob uued väljundid, mis on selle struktuuriga kooskõlas. See võib olla leidlik – või vale –, aga see ei ole kopeerimine ja kleepimine. [2]

• „Tehisintellekt saab aru nagu inimene.“ See modelleerib mustreid. Mõnikord tundub see arusaamisena; mõnikord on see enesekindel ähmane pilt. [2]

• „Suurem on alati parem.“ Ulatus aitab, aga andmete kvaliteet, joondamine ja hankimine on sageli olulisemad. [2][3]

• „Üks tehisintellekt valitseb kõiki.“ Päris pinud on mitmemudelilised: faktide otsing, teksti genereerimine, väikesed kiired mudelid seadmes pluss klassikaline otsing.

Veidi sügavam pilguheit: trafod ja difusioon ühe minutiga ⏱️

• Transformerid arvutavad tähelepanu skoorid žetoonide vahel, et otsustada, millele keskenduda. Kihtide virnastamine jäädvustab pikaajalisi sõltuvusi ilma otsese kordumiseta, võimaldades suurt paralleelsust ja head jõudlust keeleülesannete puhul. See arhitektuur on enamiku tänapäevaste keelesüsteemide aluseks. [3]

• Difusioonimudelid õpivad müra samm-sammult kõrvaldama, nagu poleerides udust peeglit, kuni ilmub nägu. Põhikoolitus ja diskreetimise ideed avasid piltide genereerimise buumi ning laienevad nüüd ka helile ja videole. [5]

Mikrosõnastik, mida saad alles hoida 📚

• Model – parameetriga funktsioon, mida treenime sisendite ja väljundite kaardistamiseks.

• Treening - parameetrite optimeerimine näidete kadude minimeerimiseks.

• Ülekomplekteerimine - treeningandmetega saab suurepäraselt hakkama, mujal mitte.

• Hallutsinatsioon - ladus, kuid faktiliselt vale väljund.

• RAG – otsingu abil täiustatud genereerimine, mis konsulteerib värskete allikatega.

• Joondamine – käitumise kujundamine juhiste ja normide järgimiseks.

• Ohutus – kahjulike väljundite ennetamine ja riskide maandamine kogu elutsükli vältel.

• Järeldus – treenitud mudeli kasutamine ennustuste tegemiseks.

• Latentsus – aeg sisendist vastuseni.

• Kaitsepiirded – mudeli ümber olevad poliitikad, filtrid ja juhtelemendid.

Liiga pikk, ei lugenud läbi - lõppsõnad 🌯

Mis on tehisintellekt? See on tehnikate kogum, mis võimaldab arvutitel andmetest õppida ja arukalt eesmärkide poole liikuda. Tänapäeva laine tugineb süvaõppele – eriti keele ja meedia jaoks mõeldud transformaatoritele. Läbimõeldult kasutatuna skaleerib tehisintellekt mustrituvastust, kiirendab loomingulist ja analüütilist tööd ning avab uusi teaduslikke uksi. Hooletult kasutatuna võib see eksitada, välistada või usaldust õõnestada. Õnnelik tee ühendab tugeva inseneritöö juhtimise, mõõtmise ja näpuotsatäie alandlikkusega. See tasakaal pole mitte ainult võimalik – see on õigete raamistike ja reeglite abil õpetatav, testitav ja hooldatav. [2][3][4][5]

Viited

[1] Encyclopedia Britannica - Tehisintellekt (AI) : loe edasi
[2] Nature - „Süvaõpe” (LeCun, Bengio, Hinton) : loe edasi
[3] arXiv - „Tähelepanu on kõik, mida vajad” (Vaswani jt) : loe edasi
[4] NIST - Tehisintellekti riskijuhtimise raamistik : loe edasi
[5] arXiv - „Müra eemaldavad difusiooni tõenäosuslikud mudelid” (Ho jt) : loe edasi

Leia uusim tehisintellekt ametlikust tehisintellekti abilise poest

Meist