Afiŝita de 
Artefarita inteligenteco estas ĉie: voĉaj asistantoj, filmrekomendoj, fraŭdodetekto, teksto- kaj bildogenerado. Sed malantaŭ ĉi tiu termino kuŝas sufiĉe logika mekanismo. En ĉi tiu artikolo, vi komprenos kiel AI funkcias , paŝon post paŝo, sen nenecesa ĵargono.
Kio estas artefarita inteligenteco?
Artefarita inteligenteco rilatas al aro da teknikoj, kiuj ebligas al maŝino plenumi taskojn, kiuj kutime postulas homan inteligentecon: rekoni bildon, kompreni frazon, fari decidon aŭ antaŭdiri rezulton.
Kontraŭe al populara kredo, plej multaj nunaj AI-sistemoj ne "pensas". Ili identigas ŝablonojn en grandaj kvantoj da datumoj kaj poste uzas ĉi tiujn ŝablonojn por produkti respondon. Ĉi tio nomiĝas maŝinlernado.
Datumoj: la fuelo de AI
Ĉio komenciĝas per datumoj. AI bezonas ekzemplojn por lerni: milojn da katfotoj por rekoni katon, milionojn da frazoj por kompreni lingvon, aŭ aĉethistoriojn por rekomendi produkton.
La kvalito de ĉi tiuj datumoj estas decida. Nekompletaj, malbone etikeditaj aŭ misgvidaj datumoj produktas nefidindan artefaritan inteligentecon. Tial datenkolektado kaj purigado ofte reprezentas la plej signifan parton de la laboro.
Maŝinlernado: lernado per ekzemplo
La principo de maŝinlernado estas simpla: anstataŭ programi regulon por ĉiu situacio, ni montras ekzemplojn al la algoritmo kaj lasas ĝin dedukti la regulojn memstare.
Oni ĝenerale distingas tri ĉefajn kategoriojn:
- Supervidita lernado Ekzemploj estas provizitaj kun la ĝusta respondo (foto kaj ĝia etikedo "kato"). La artefarita inteligenteco lernas ligi la enigaĵon al la eligo.
- Memstara lernado : datumoj estas provizitaj sen respondo, kaj la AI grupigas la elementojn laŭ simileco.
- Plifortiga lernado La artefarita inteligenteco agas, ricevas rekompencon aŭ punon, kaj adaptas sian konduton por maksimumigi siajn gajnojn. Ĉi tiu estas la metodo uzata por ludoj aŭ robotiko.
Neŭralaj retoj kaj profunda lernado
Multo de lastatempa artefarita inteligenteco dependas de artefaritaj neŭralaj retoj. Tre loze inspiritaj de la cerbo, ili konsistas el malgrandaj komputilaj unuoj, neŭronoj, organizitaj en sinsekvaj tavoloj.
Ĉiu neŭrono ricevas nombrojn, asignas al ili pezon, kaj poste transdonas la rezulton al la sekva tavolo. Stakigante multajn tavolojn, ni akiras profundan lernadon , kapablan pritrakti kompleksajn problemojn kiel parolrekono aŭ tradukado.
Kiel oni trejnas modelon?
Trejnado implikas laŭgradan alĝustigon de la pezoj de la reto por redukti ĝiajn erarojn. La procezo ĝenerale sekvas ĉi tiujn paŝojn:
- La modelo ricevas ekzemplon kaj produktas prognozon.
- Ni komparas ĉi tiun antaŭdiron kun la ĝusta respondo kaj mezuras la diferencon, nomatan la "eraro".
- La modelo ĝustigas siajn pezojn por redukti ĉi tiun eraron, uzante teknikon nomatan retrodisvastiĝo.
- La procezo ripetiĝas milionojn da fojoj, ĝis la antaŭdiroj fariĝas fidindaj.
Fine, la modelo ne enhavas la originalajn datumojn, sed matematikan reprezentaĵon de la regulecoj, kiujn ĝi lernis.
Generativa AI kaj Grandaj Lingvomodeloj
Iloj kiel tekstaj aŭ bildaj generiloj dependas de generativa artefarita inteligenteco. Grandaj lingvomodeloj, ekzemple, estas trejnitaj por antaŭdiri la plej verŝajnan sekvan vorton en frazo, surbaze de grandegaj tekstaj korpusoj.
Ripetante ĉi tiun antaŭdiron vorto post vorto, la modelo produktas koherajn frazojn, resumojn aŭ respondojn. Ĝi ne konsultas fiksan sciobazon; ĝi generas sian respondon bazitan sur lingvaj ŝablonoj lernitaj dum trejnado.
La limoj de AI
Kompreni kiel AI funkcias ankaŭ signifas koni ĝiajn malfortojn:
- La biasoj : AI reproduktas la biasojn ĉeestantajn en siaj datumoj.
- Fideraroj : AI povas memfide doni malĝustan respondon.
- La manko de ordinara racio : ŝi rekonas regulecojn, sed ne komprenas la mondon kiel homo.
- Datuma dependeco sen kvalitaj datumoj, la rezultoj malboniĝas.
Oftaj Demandoj
Ĉu AI estas konscia?
Ne. Nunaj artefaritaj inteligentoj havas nek konscion nek intencojn. Ili kalkulas probablecojn el datumoj, sen ia subjektiva sperto.
Kio estas la diferenco inter AI kaj maŝinlernado?
Maŝinlernado estas branĉo de artefarita inteligenteco. AI estas la ĝenerala kampo, kaj maŝinlernado estas unu el la plej vaste uzataj metodoj por atingi ĝin.
Ĉu necesas esti komputikisto por uzi artefaritan inteligentecon?
Ne. Multaj iloj estas alireblaj por ĉiuj per simpla interfaco. Tamen, la dizajnado kaj trejnado de modelo postulas teknikajn kapablojn.
Mallonge, artefarita inteligenteco funkcias per lernado de ŝablonoj el grandaj kvantoj da datumoj, kaj poste uzante tiujn ŝablonojn por produkti antaŭdirojn aŭ enhavon. Datumoj, maŝinlernado kaj neŭralaj retoj formas la kernon de ĉi tiu teknologio. Kompreni ĝiajn principojn permesas al ni pli bone kompreni ĝiajn kapablojn, sed ankaŭ ĝiajn limojn.
