Бевме на „прошетка“ со четбот: Што значат термините поврзани со ВИ

Вештачката интелигенција (ВИ) и четботовите доживеаја пораст на популарноста во последниве години, трансформирајќи го начинот на кој комуницираме со технологијата и меѓусебно. Овој пробив може да им се припише на неколку фактори, вклучувајќи ги прогресот во машинското учење и зголемената интеграција на ВИ во секојдневните апликации.

Појавата на четботот ЧетГПТ (ChatGPT) кон крајот на 2022 година, со неговите извонредно софистицирани, иако понекогаш погрешни, одговори на широк спектар прашања, беше пресвртница во вештачката интелигенција, која се развиваше со децении. Научниците експериментираа со „компјутерска визија“ и им даваа на машините способност да „читаат“ уште од 60-тите години на минатиот век, а четботовите започнаа да се развиваат уште кога „Битлси“ создаваа музика. Сега технолошките компании се натпреваруваат да развијат сè понапредни производи со вештачка интелигенција, кои можат да решаваат сложени математички проблеми, да продуцираат кратки филмови и можеби еден ден да ги надминат луѓето во широк спектар задачи. 

Навистина, четботовите со ВИ се насекаде, присутни се во корисничката поддршка, здравството, образованието, па дури и како лични асистенти, како Сири (Siri) и Алекса (Alexa). Овие четботови и нивната способност да го разберат и да одговорат на човечкиот јазик со зголемена точност ги направи преферирана алатка за справување со рутински прашања, закажување состаноци и дури и обезбедување поддршка за менталното здравје.

Како што продолжува да се развива технологијата за вештачка интелигенција можеме да очекуваме четботовите да станат уште понапредни, нудејќи повеќе персонализирани и контекстуално свесни интеракции. Тековниот развој отвора можност ВИ уште повеќе да се интегрира во нашето секојдневие во иднина, правејќи ја суштински дел од модерната комуникација. 

Без разлика дали сте загрижени дека во иднина вашето работно место би можело да биде заменето од машина или само сте заинтересирани за можностите на оваа неверојатна технологија, сепак потребно е да ја познавате терминологијата за да се снајдете во светот управуван од вештачка интелигенција.

Токму затоа стапивме во контакт со Стефан Андонов, истражувач во областа на AIOps (вештачка интелигенција за ИТ-операции) и инженер за податоци, кој во моментот работи како асистент на Факултетот за информатички науки и компјутерско инженерство (ФИНКИ), при Универзитетот „Св. Кирил и Методиј“ во Скопје. 

Стефан Андонов Приватна архива

Од него побаравме да ни даде кратки и разбирливи објаснувања за повеќе термини од сферата на вештачката интелигенција, со кои многу луѓе секојдневно се среќаваат кога читаат и истражуваат на оваа тема, но можеби некогаш немаат вистинска претстава за што конкретно станува збор. Па, одиме по ред.

Алгоритам (Algorithm) - Алгоритмите се слични како рецепти за готвење, но се наменети за да им се зададат насоки на компјутерите. Алгоритамот е составен од инструкции/чекори како да се реши некој проблем или да се постигне некоја цел. Алгоритмите може да бидат едноставни, како на пример да се најде најголем број од некоја низа на броеви, но може да бидат и покомплексни, како на пример наоѓање најбрз пат од точката А до точката Б (на пример Google Maps).

Податоци (Data) - Податоците се информации претставени во различни формати, како на пример текстови, броеви, слики, видеа итн. Се смета дека во просек секој од нас со користење паметни уреди, веб и мобилни апликации дневно генерира по 1,7 MB (мегабајти) податоци во секунда. Податоците се најважен дел од процесот на тренирање на модели за машинско учење.

Големи податоци (Big Data) - Big Data е термин што означува големи, комплексни збирки на податоци. Количеството на овие податоци е толку големо што не може да се зачуваат и обработуваат на обични компјутери. Big Data се генерира секојдневно со податоци од социјалните мрежи, финансиски трансакции, сензорски мерења итн. Позитивниот аспект на големите податоци е тоа што моделите што ќе бидат тренирани со нив ќе постигнуваат подобра точност во предвидувањата.

Машинско учење (Machine Learning) - Машинското учење е начин на кој компјутерите учат од податоци наместо да следат претходно напишани инструкции. Тоа им овозможува на компјутерите да научат шеми (patterns) и да прават предвидувања, слично на тоа како што луѓето можат да научат правила на нова игра само со гледање други како ја играат. Еден од моделите што се користат за машинско учење се невронските мрежи, кои се објаснети подолу. Постојат неколку типа машинско учење:

• Надгледувано учење - во овој тип податоците имаат ознака на која класа ѝ припаѓаат (пример доколку се обучува модел за откривање измама во трансакции, во податочното множество јасно е обележано која трансакција е регуларна, а која трансакција е измамничка).
• Ненадгледувано учење  - во овој тип учење податоците немаат ознака на која категорија ѝ припаѓаат, па потребно е преку различни техники, како на пример кластерирање, да се групираат податоците во кластери што ќе соодветствуваат со класите/категориите.

Тренинг (Training) - Ова е процес во кој моделите од машинско учење учат од податоци, правејќи ги грешките и успехот дел од учењето за подобрување. Ова е како кога учите за тест - колку повеќе вежбате толку подобро ќе го знаете материјалот. Секогаш е важно во процесот на тренинг да се употребат што е можно повеќе податоци. Аналогно на тоа, во подготовка за тест, колку повеќе задачи/прашања решите толку подобро ќе го подготвите испитот.

Невронски мрежи (Neural Networks) - Невронските мрежи претставуваат модели од машинско учење инспирирани од начинот на кој работи човечкиот мозок. Невронските мрежи примаат информации (сигнали) и нивната цел е да произведат некаков излез преку процесирање на влезните информации во слоеви составени од јазли и врски што се инспирирани од невроните и синапсите во биолошкиот невронски систем. Поради влијанието што го имаа невронските мрежи во вештачката интелигенција, годинава откривачите на невронските мрежи добија Нобелова награда за физика.

Длабоко учење (Deep Learning) - Длабокото учење е тип на машинско учење што користи многу „слоеви“ на неврони во невронските мрежи и со тоа може да ги обработи понапредните задачи, како препознавање глас или анализирање детали на слики.

Компјутерска визија (Computer Vision) - ​​Компјутерската визија е област каде што компјутерите преку модели од длабоко учење учат да „гледаат“ и интерпретираат слики и видеа. Тоа овозможува технологии како препознавање лице, самоуправувачки возила и анализа на медицински слики.

Генеративни модели - Генеративните модели можат да создадат нови содржини, како текст, слики или музика. На пример, тие може да создадат ново музичко дело базирано на стилот на еден музичар или нова слика базирана на одредена тема.

Големи јазични модели (Large language models, LLMs) - Големите јазични модели се генеративни модели обучени на огромно количество текст и со тоа знаат да комуницираат слично на човек. Овие модели, како на пример ГПТ (GPT), можат да одговараат на прашања, да пишуваат статии, да преведуваат текст, да помагаат со пишување програмски кодови и многу други задачи.

ГПТ / GPT (generative pretrained transformer) - ГПТ е голем јазичен модел (LLM) дизајниран за да пишува и да одговара на прашања слично како човек. Неговото име доаѓа од „генеративен претходно обучен трансформер“ бидејќи користи многу податоци за да научи да генерира текст на природен начин. Трансформерите се напредни модели што ја револуционизираа обработката на природен јазик. Нивната структура користи „самопознавање“ (self-attention) за да може моделот да обрне внимание на различни делови од текстот што се значајни за разбирање и предвидување на следните зборови.

Bloomberg

ЛЛМ команда (LLM prompt) - Начин на кој комуницирате со LLM, односно му задавате насоки и му кажувате што да направи, како да ви реши определена задача. Колку е појасна командата толку подобар, порелевантен и поструктуриран ќе биде одговорот што го добивате. Промптовите може да се користат од генерирање едноставна содржина на некоја тема (на пример есеј) до напредни промптови што може да генерираат програмски код за решавање определени задачи.

Четботови (Chatbots) - Четботовите се апликации во формат на виртуелни асистенти што можат да одговараат на вашите прашања во реално време. Ги гледаме на веб-страници, апликации и платформи за пораки, каде што тие можат да помогнат при поддршка на корисници или да дадат совети. Четботовите во заднина користат големи јазични модели за да може да генерираат текст (одговори на прашањата), но често користат и бази на знаење (англ. knowledge bases) со специфични документи за корисничкото сценарио на кои големите јазични модели не биле тренирани бидејќи истите тие не се јавно достапни. Тоа е потребно за на моделот да му се зададе контекст специфичен за корисничкото сценарио. На пример, доколку ботот треба да одговара на прашања за користење некоја веб/мобилна апликација за е-банкарство, потребно е на моделот да му се даде контекст за корисничкото упатство (документацијата) за таа апликација, бидејќи најчесто користените LLM не се обучени со такви текстови. 

Вештачка општа интелигенција (Artificial General Intelligence/AGI) - Вештачката општа интелигенција (AGI) се однесува на ВИ со интелигенција слична на човечката, способна за извршување на секоја интелектуална задача што може да ја направи човек. AGI во реалноста сè уште не постои.

Етичка вештачка интелигенција (Ethical AI) - Етичката вештачка интелигенција е област што се фокусира на осигурување дека системите што користат вештачка интелигенција дејствуваат одговорно и праведно, почитувајќи ја приватноста и избегнувајќи штети на индивидуите и на општеството. Сѐ почесто државите и меѓународните организации почнуваат да ја регулираат вештачката интелигенција за да се спречи нејзина злоупотреба, како на пример Законот за вештачка интелигенција (AI Act) на Европската Унија. 

Ова беше нашиот краток прирачник за термини поврзани со вештачката интелигенција, за кој ни помогна Стефан Андонов, асистент на Факултетот за информатички науки и компјутерско инженерство (ФИНКИ). Како што продолжува да се развива вештачката интелигенција, информирањето за овие концепти ќе ни овозможи подобро да ги разбереме можностите и ограничувањата на технологијата и како таа може етички и ефективно да се интегрира во различни аспекти од нашите животи. А бидејќи технологијата континуирано расте и напредува, во иднина очекувајте и продолженија од овој прирачник.

Во моментов нема коментари за веста. Биди прв да коментира...

Остави коментар