მოკლე პასუხი: ხელოვნური ინტელექტი ზედმეტად პოპულარულია, როდესაც ის უნაკლო, ხელების გარეშე ან სამუშაოს შემცვლელად არის წარმოდგენილი; ის ზედმეტად პოპულარული არ არის, როდესაც გამოიყენება როგორც ზედამხედველობის ქვეშ მყოფი ინსტრუმენტი ნახაზის შედგენის, კოდირების მხარდაჭერის, დახარისხებისა და მონაცემთა შესწავლისთვის. თუ სიმართლე გჭირდებათ, ის უნდა დააფუძნოთ დადასტურებულ წყაროებზე და დაამატოთ მიმოხილვა; როდესაც ფსონები იზრდება, მმართველობა მნიშვნელოვანია.
სტატიები, რომელთა წაკითხვაც შეიძლება მოგეწონოთ ამის შემდეგ:
ძირითადი დასკვნები:
გაზვიადების სიგნალები : „სრული ავტონომიის“ და „მალე იდეალურად ზუსტი“ განცხადებები საფრთხის შემცველ დროშებად მიიჩნიეთ.
სანდოობა : მოელით თავდაჯერებულ არასწორ პასუხებს; საჭიროებს მოძიებას, დადასტურებას და ადამიანის მიერ განხილვას.
კარგი გამოყენების შემთხვევები : აირჩიეთ ვიწრო, განმეორებადი დავალებები წარმატების მკაფიო მეტრიკით და დაბალი ფსონებით.
ანგარიშვალდებულება : დანიშნეთ ადამიანი მფლობელი შედეგების, მიმოხილვებისა და არასწორი ქმედებების განსახორციელებლად.
მმართველობა : გამოიყენეთ ჩარჩოები და ინციდენტების გამჟღავნების პრაქტიკა, როდესაც საქმე ფულს, უსაფრთხოებას ან უფლებებს ეხება.
🔗 რომელი ხელოვნური ინტელექტია თქვენთვის შესაფერისი?
შეადარეთ ხელოვნური ინტელექტის გავრცელებული ინსტრუმენტები მიზნების, ბიუჯეტისა და სიმარტივის მიხედვით.
🔗 ხელოვნური ინტელექტის ბუშტი ხომ არ წარმოიქმნება?
აჟიოტაჟის ნიშნები, რისკები და როგორ გამოიყურება მდგრადი ზრდა.
🔗 სანდოა თუ არა ხელოვნური ინტელექტის დეტექტორები რეალურ სამყაროში გამოსაყენებლად?
სიზუსტის ლიმიტები, ცრუ დადებითი შედეგები და რჩევები სამართლიანი შეფასებისთვის.
🔗 როგორ გამოვიყენოთ ხელოვნური ინტელექტი თქვენს ტელეფონზე ყოველდღიურად
დროის დაზოგვის მიზნით გამოიყენეთ მობილური აპლიკაციები, ხმოვანი ასისტენტები და მინიშნებები.
რას გულისხმობენ ადამიანები, როდესაც ამბობენ, რომ ხელოვნური ინტელექტი ზედმეტად არის გაბერილი 🤔
როდესაც ვინმე ამბობს, რომ ხელოვნური ინტელექტი ზედმეტად არის ამაღლებული , ისინი, როგორც წესი, რეაგირებენ ერთ (ან რამდენიმე) შემდეგ შეუსაბამობაზე:
-
მარკეტინგული დაპირებები ყოველდღიური რეალობის წინააღმდეგ
დემო ვერსია ჯადოსნურად გამოიყურება. გავრცელება წებოვანი ლენტისა და ლოცვას ჰგავს. -
შესაძლებლობები vs. სანდოობა.
მას შეუძლია დაწეროს ლექსი, თარგმნოს კონტრაქტი, გამართოს კოდი... და შემდეგ თავდაჯერებულად შექმნას პოლიტიკის ბმული. მაგარია, მაგარია, მაგარია. -
პროგრესი vs. პრაქტიკულობა.
მოდელები სწრაფად იხვეწება, მაგრამ მათი ჩახლართულ ბიზნეს პროცესებში ინტეგრირება ნელი, პოლიტიკური და საკამათო საკითხებით სავსე პროცესია. -
„ადამიანების ჩანაცვლების“ ნარატივები.
რეალური გამარჯვებების უმეტესობა უფრო „მოსაწყენი ნაწილების მოშორებას“ ჰგავს, ვიდრე „მთლიანი სამუშაოს ჩანაცვლებას“.
და ეს არის მთავარი დაძაბულობა: ხელოვნური ინტელექტი ნამდვილად ძლიერია, მაგრამ ხშირად ისე იყიდება, თითქოს უკვე დასრულებულია. ის დაუმთავრებელია. ის… მშენებლობის პროცესშია. როგორც სახლი ულამაზესი ფანჯრებით და სანტექნიკის გარეშე 🚽
რატომ ხდება ასე მარტივად (და გრძელდება) ხელოვნური ინტელექტის შესახებ გაბერილი პრეტენზიები 🎭
რამდენიმე მიზეზი, რის გამოც ხელოვნური ინტელექტი მაგნიტივით იზიდავს გაბერილ პრეტენზიებს:
დემოები ძირითადად თაღლითობაა (ყველაზე სასიამოვნო გაგებით)
დემო ვერსიები შერჩეულია. მოთხოვნები მორგებულია. მონაცემები სუფთაა. საუკეთესო სცენარი ყურადღების ცენტრშია, წარუმატებლობის შემთხვევები კი კულისებში კრეკერების ჭამაა.
გადარჩენის მიკერძოება ხმამაღალია
„ხელოვნურმა ინტელექტმა მილიონი საათი დაგვიზოგა“ ისტორიები ვირუსულად ვრცელდება. „ხელოვნურმა ინტელექტმა ყველაფერი ორჯერ გადაგვაწერინა“ ისტორიები ჩუმად იმალება ვიღაცის პროექტის საქაღალდეში, სახელწოდებით „მესამე კვარტლის ექსპერიმენტები“ 🫠
ხალხი სიცხადეს სიმართლესთან ურევს
თანამედროვე ხელოვნური ინტელექტი შეიძლება თავდაჯერებულად, სასარგებლოდ და კონკრეტულად ჟღერდეს - რაც ჩვენს ტვინს ატყუებს და აფიქრებინებს, რომ ის ზუსტია.
ამ წარუმატებლობის რეჟიმის აღსაწერად ძალიან გავრცელებული გზაა კონფაბულაცია : თავდაჯერებულად ნათქვამი, მაგრამ არასწორი გამომავალი (ანუ „ჰალუცინაციები“). NIST ამას პირდაპირ ასახელებს, როგორც გენერაციული ხელოვნური ინტელექტის სისტემების მთავარ რისკს. [1]
ფული მეგაფონს აძლიერებს
როდესაც ბიუჯეტი, შეფასებები და კარიერული წახალისება სასწორზე დევს, ყველას აქვს მიზეზი თქვას, რომ „ეს ყველაფერს ცვლის“ (მაშინაც კი, თუ ის ძირითადად სლაიდ-დეკებს ცვლის).
„ინფლაცია → იმედგაცრუება → სტაბილური ღირებულება“ ნიმუში (და რატომ არ ნიშნავს ეს, რომ ხელოვნური ინტელექტი ყალბია) 📈😬
ბევრი ტექნოლოგია იმავე ემოციურ რკალს მიჰყვება:
-
პიკური მოლოდინები (ყველაფერი ავტომატიზირებული იქნება სამშაბათისთვის)
-
მკაცრი რეალობა (ოთხშაბათს იხსნება)
-
სტაბილური ღირებულება (ის ჩუმად ხდება სამუშაოს შესრულების ნაწილი)
ასე რომ, დიახ - ხელოვნური ინტელექტი შეიძლება გადაჭარბებულად შეფასდეს და ამავდროულად მნიშვნელოვანი იყოს. ესენი საპირისპიროები არ არიან. ისინი ოთახის თანაცხოვრებლები არიან.
სადაც ხელოვნური ინტელექტი არ არის ზედმეტად აჟიტირებული (ის შედეგს იძლევა) ✅✨
ეს ის ნაწილია, რომელიც გამოტოვებულია, რადგან ის ნაკლებად სამეცნიერო ფანტასტიკაა და უფრო მეტად ცხრილებს ჰგავს.
კოდირებაში დახმარება პროდუქტიულობის რეალურ ზრდას უწყობს ხელს
ზოგიერთი ამოცანისთვის - სტანდარტული, ტესტირების ხარაჩოების, განმეორებადი ნიმუშებისთვის - კოდის თანაპილოტები შეიძლება ნამდვილად პრაქტიკული იყოს.
GitHub-ის ერთ-ერთმა ფართოდ ციტირებულმა კონტროლირებადმა ექსპერიმენტმა აჩვენა, რომ Copilot-ის გამოყენებით დეველოპერებმა კოდირების დავალება უფრო სწრაფად (მათი ნაშრომი ამ კონკრეტულ კვლევაში 55%-იან დაჩქარებას
არა ჯადოსნური, მაგრამ შინაარსიანი. საქმე იმაშია, რომ მაინც უნდა გადახედო რა წერია... რადგან „სასარგებლო“ არ ნიშნავს „სწორს“
გეგმის შედგენა, შეჯამება და პირველი ეტაპის აზროვნება
ხელოვნური ინტელექტი შესანიშნავია:
-
უხეში ჩანაწერების სუფთა მონახაზად გადაქცევა ✍️
-
გრძელი დოკუმენტების შეჯამება
-
ვარიანტების გენერირება (სათაურები, მონახაზები, ელფოსტის ვარიანტები)
-
ტონის თარგმნა („გახადე ეს ნაკლებად ცხარე“ 🌶️)
ეს არსებითად დაუღალავი უმცროსი ასისტენტია, რომელიც ხანდახან იტყუება, თქვენ კი ზედამხედველობთ. (მკაცრი. ასევე ზუსტი.)
მომხმარებელთა მხარდაჭერის კლასიფიკაცია და შიდა დახმარების მაგიდები
სადაც ხელოვნური ინტელექტი, როგორც წესი, საუკეთესოდ მუშაობს: კლასიფიკაცია → ამოღება → შეთავაზება და არა გამოგონება → იმედი → გამოყენება .
თუ გსურთ მოკლე, უსაფრთხო ვერსია: გამოიყენეთ ხელოვნური ინტელექტი დამტკიცებული წყაროებიდან ინფორმაციის მოსაძიებლად და პასუხების მოსამზადებლად, მაგრამ დაავალეთ ადამიანებს პასუხისმგებლობა იმაზე, თუ რა ხდება - განსაკუთრებით მაშინ, როდესაც ფსონები იზრდება. „მართვა + ტესტირება + ინციდენტების გამჟღავნება“ პოზიცია იდეალურად ერწყმის იმას, თუ როგორ აყალიბებს NIST გენერაციულ ხელოვნურ ინტელექტთან დაკავშირებული რისკების მართვას. [1]
მონაცემთა შესწავლა - დამცავი ბარიერებით
ხელოვნურ ინტელექტს შეუძლია დაეხმაროს ადამიანებს მონაცემთა ნაკრებების ძიებაში, დიაგრამების ახსნასა და „რას მივაქციოთ ყურადღება შემდეგ“ იდეების გენერირებაში. გამარჯვება ანალიზის ხელმისაწვდომობის გაზრდაშია და არა ანალიტიკოსების ჩანაცვლებაში.
სად არის ხელოვნური ინტელექტი ზედმეტად აფასებული (და რატომ არის ის იმედგაცრუების მომგვრელი) ❌🤷
„სრულიად ავტონომიური აგენტები, რომლებიც ყველაფერს მართავენ“
აგენტებს შეუძლიათ სამუშაო პროცესების მოწესრიგებული შესრულება. თუმცა, როგორც კი დაამატებთ:
-
მრავალი ნაბიჯი
-
არეული ხელსაწყოები
-
ნებართვები
-
რეალური მომხმარებლები
-
რეალური შედეგები
... წარუმატებლობის რეჟიმები კურდღლებივით მრავლდება. თავიდან საყვარელია, შემდეგ კი გაოგნებული ხარ 🐇
პრაქტიკული წესი: რაც უფრო „ხელებისგან თავისუფალ“ პრეტენზიას აცხადებს რაღაც, მით უფრო მეტად უნდა იკითხოთ, რა ხდება მისი გატეხვისას.
„მალე ეს სრულიად ზუსტი იქნება“
სიზუსტე, რა თქმა უნდა, უმჯობესდება, მაგრამ სანდოობა არასტაბილურია - განსაკუთრებით მაშინ, როდესაც მოდელი არ ეფუძნება დადასტურებად წყაროებს.
სწორედ ამიტომ, სერიოზული ხელოვნური ინტელექტის მუშაობა საბოლოოდ ასე გამოიყურება: აღდგენა + ვალიდაცია + მონიტორინგი + ადამიანის მიერ განხილვის პროცესი და არა „უბრალოდ უფრო მეტად გააქტიურება“. (NIST-ის GenAI პროფილი ამას თავაზიანი, მტკიცე დაჟინებული თხოვნით გადმოსცემს.) [1]
„ერთი მოდელი ყველას მართავს“
პრაქტიკაში, გუნდები ხშირად ერთმანეთში ირევენ:
-
მცირე ზომის მოდელები იაფი/მაღალი მოცულობის ამოცანებისთვის
-
უფრო დიდი მოდელები უფრო რთული მსჯელობისთვის
-
დასაბუთებული პასუხების მოძიება
-
შესაბამისობის საზღვრების წესები
თუმცა, „ერთი ჯადოსნური ტვინის“ იდეა კარგად იყიდება. ის მოწესრიგებულია. ადამიანებს უყვართ მოწესრიგებულობა.
„მთელი სამუშაო როლების ჩანაცვლება ღამით“
როლების უმეტესობა დავალებების ერთობლიობაა. ხელოვნურმა ინტელექტმა შეიძლება ამ დავალებების ნაწილი დაამსხვრიოს და დანარჩენს ძლივს შეეხოს. ადამიანური ნაწილები - განსჯა, პასუხისმგებლობა, ურთიერთობები, კონტექსტი - ჯიუტად... ადამიანური რჩება.
ჩვენ გვინდოდა რობოტი კოლეგები. ამის ნაცვლად, სტეროიდებზე დაფუძნებული ავტომატური შევსება შევიძინეთ.
რა ხდის ხელოვნური ინტელექტის გამოყენების შემთხვევას კარგს (და ცუდს) 🧪🛠️
ეს ის მონაკვეთია, რომელსაც ადამიანები გამოტოვებენ და შემდეგ ნანობენ.
კარგი ხელოვნური ინტელექტის გამოყენების შემთხვევა, როგორც წესი, მოიცავს:
-
წარმატების კრიტერიუმების მკაფიოდ განსაზღვრა (დაზოგილი დრო, შემცირებული შეცდომები, გაუმჯობესებული რეაგირების სიჩქარე)
-
დაბალი და საშუალო ფსონები (ან ძლიერი ადამიანის მიმოხილვა)
-
განმეორებადი შაბლონები (ხშირად დასმული კითხვების პასუხები, საერთო სამუშაო პროცესები, სტანდარტული დოკუმენტები)
-
კარგ მონაცემებზე წვდომა (და მათი გამოყენების ნებართვა)
-
სარეზერვო გეგმა, როდესაც მოდელი აბსურდულ ინფორმაციას გამოსცემს
-
თავიდან ვიწრო არეალი
ცუდი გამოყენების შემთხვევა, როგორც წესი, ასე გამოიყურება:
-
„მოდით, ავტომატიზირება გავუკეთოთ გადაწყვეტილების მიღებას“ პასუხისმგებლობის გარეშე 😬
-
„ჩვენ უბრალოდ ყველაფერში ჩავრთავთ“ (არა... გთხოვთ, არა)
-
საბაზისო მაჩვენებლები არ არსებობს, ამიტომ არავინ იცის, დაეხმარა თუ არა
-
ველოდები, რომ ეს იქნება სიმართლის მანქანა და არა შაბლონების მანქანა
თუ მხოლოდ ერთ რამეს დაიმახსოვრებთ: ხელოვნურ ინტელექტს ყველაზე ადვილად მაშინ ენდობით, როდესაც ის თქვენს საკუთარ დადასტურებულ წყაროებს ეფუძნება და შეზღუდულია კარგად განსაზღვრული დავალებით. სხვა შემთხვევაში, ეს ვიბრაციებზე დაფუძნებული გამოთვლებია.
თქვენს ორგანიზაციაში ხელოვნური ინტელექტის რეალობის შემოწმების მარტივი (მაგრამ ძალიან ეფექტური) გზა 🧾✅
თუ დასაბუთებული პასუხი გსურთ (და არა ცალსახა), ჩაატარეთ ეს სწრაფი ტესტი:
1) განსაზღვრეთ ის სამუშაო, რომლის შესასრულებლადაც ხელოვნურ ინტელექტს დაიქირავებთ
დაწერეთ ეს სამუშაოს აღწერილობის მსგავსად:
-
შეყვანები
-
გამომავალი
-
შეზღუდვები
-
„დასრულება ნიშნავს…“
თუ ამის ნათლად აღწერა არ შეგიძლიათ, ხელოვნური ინტელექტი ჯადოსნურად ვერ დააზუსტებს მას.
2) საბაზისო ხაზის დადგენა
რამდენი დრო სჭირდება ახლა? რამდენი შეცდომაა ახლა? როგორ გამოიყურება ახლა „კარგი“?
საბაზისო ხაზის არარსებობა = გაუთავებელი აზრთა ომები მოგვიანებით. სერიოზულად, ხალხი სამუდამოდ იკამათებს და თქვენ სწრაფად დაბერდებით.
3) გადაწყვიტეთ, საიდან მოდის სიმართლე
-
შიდა ცოდნის ბაზა?
-
მომხმარებლის ჩანაწერები?
-
დამტკიცებული პოლიტიკა?
-
დოკუმენტების შერჩეული ნაკრები?
თუ პასუხია „მოდელი გაიგებს“, ეს საფრთხის შემცველი ნიშანია 🚩
4) ადამიანის ჩართულობის გეგმის შემუშავება
გადაწყვიტეთ:
-
ვინც აფასებს,
-
როდესაც ისინი ამოწმებენ,
-
და რა ხდება, როდესაც ხელოვნური ინტელექტი ცდება.
ეს არის განსხვავება „ინსტრუმენტსა“ და „პასუხისმგებლობას“ შორის. ყოველთვის არა, მაგრამ ხშირად.
5) აფეთქების რადიუსის რუკა
დაიწყეთ იქიდან, სადაც შეცდომები იაფია. განავითარეთ მხოლოდ მტკიცებულებების გექნების შემდეგ.
აი, როგორ უნდა გადააქციოთ გაბერილი პრეტენზიები სასარგებლოდ. უბრალო... ეფექტური... ერთგვარად ლამაზი 😌
ნდობა, რისკი და რეგულირება - არასექსუალური ნაწილი, რომელიც მნიშვნელოვანია 🧯⚖️
თუ ხელოვნური ინტელექტი რაიმე მნიშვნელოვან საკითხში (ადამიანები, ფული, უსაფრთხოება, სამართლებრივი შედეგები) შედის, მმართველობა არჩევითი არ არის.
რამდენიმე ფართოდ ცნობილი დამცავი მოაჯირი:
-
NIST-ის გენერაციული ხელოვნური ინტელექტის პროფილი (ხელოვნების RMF-ის თანმხლები) : პრაქტიკული რისკების კატეგორიები + შემოთავაზებული ქმედებები მმართველობის, ტესტირების, წარმომავლობისა და ინციდენტების გამჟღავნების მიმართულებით. [1]
-
ეკონომიკური თანამშრომლობისა და განვითარების ორგანიზაციის ხელოვნური ინტელექტის პრინციპები : სანდო, ადამიანზე ორიენტირებული ხელოვნური ინტელექტის ფართოდ გამოყენებადი საერთაშორისო საბაზისო პრინციპი. [5]
-
ევროკავშირის ხელოვნური ინტელექტის შესახებ აქტი : რისკებზე დაფუძნებული სამართლებრივი ჩარჩო, რომელიც აწესებს ვალდებულებებს იმის მიხედვით, თუ როგორ გამოიყენება ხელოვნური ინტელექტი (და კრძალავს გარკვეულ „მიუღებელი რისკის“ პრაქტიკებს). [4]
და დიახ, ეს ყველაფერი შეიძლება საბუთებს დაემსგავსოს. თუმცა, ეს განსხვავებაა „პრაქტიკულ ინსტრუმენტსა“ და „უი, ჩვენ შესაბამისობის კოშმარი გამოვიყენეთ“-ს შორის
უფრო დეტალური მიმოხილვა: „ხელოვნური ინტელექტი, როგორც ავტომატური დასრულების“ იდეა - დაუფასებელი, მაგრამ ნაწილობრივ სიმართლეა 🧩🧠
აი, ოდნავ არასრულყოფილი მეტაფორა (რაც საკმაოდ შესაფერისია): ხელოვნური ინტელექტის დიდი ნაწილი ძალიან ელეგანტურ ავტომატურ დასრულებას ჰგავს, რომელიც ინტერნეტს კითხულობს და შემდეგ ივიწყებს, სად წაიკითხავს.
ეს უარყოფითად ჟღერს, მაგრამ სწორედ ამიტომ მუშაობს:
-
შესანიშნავია ნიმუშებში
-
ენაში შესანიშნავია
-
შესანიშნავია „შემდეგი სავარაუდო რამის“ შექმნაში
და სწორედ ამიტომ წარუმატებელია:
-
ბუნებრივად არ „იცის“ რა არის სიმართლე
-
მას ბუნებრივად არ იცის, რას აკეთებს თქვენი ორგანიზაცია
-
მას შეუძლია თავდაჯერებული სისულელეების გამოტანა დასაბუთების გარეშე (იხ.: კონფაბულაცია / ჰალუცინაციები) [1]
ასე რომ, თუ თქვენს გამოყენების შემთხვევას სიმართლე სჭირდება, თქვენ მას ამოხსნით, ხელსაწყოებით, ვალიდაციით, მონიტორინგითა და ადამიანური მიმოხილვით ამყარებთ. თუ თქვენს გამოყენების შემთხვევას ნახაზის შექმნისა და იდეების შექმნის სისწრაფე სჭირდება, მას ცოტა უფრო თავისუფლად მუშაობის საშუალებას აძლევთ. განსხვავებული გარემო, განსხვავებული მოლოდინები. მაგალითად, მარილით მომზადება - ყველაფერს ერთნაირი რაოდენობა არ სჭირდება.
შედარების ცხრილი: ხელოვნური ინტელექტის გამოყენების პრაქტიკული გზები გაბერილ პრეტენზიებში ჩაძირვის გარეშე 🧠📋
| ინსტრუმენტი / ვარიანტი | აუდიტორია | ფასის განწყობა | რატომ მუშაობს |
|---|---|---|---|
| ჩატის სტილის ასისტენტი (ზოგადი) | ინდივიდები, გუნდები | როგორც წესი, უფასო დონე + ფასიანი | შესანიშნავია მონახაზებისთვის, იდეების გენერირებისთვის, შეჯამებისთვის... მაგრამ ფაქტები (ყოველთვის) გადაამოწმეთ |
| კოდის თანაპილოტი | დეველოპერები | ჩვეულებრივ, გამოწერა | აჩქარებს კოდირების საერთო ამოცანებს, მაინც საჭიროებს მიმოხილვას + ტესტებს და ყავას |
| მოძიებაზე დაფუძნებული „წყაროებით პასუხი“ | მკვლევარები, ანალიტიკოსები | ფრიმიუმის მსგავსი | უკეთესია „მოძებნა + დამიწება“ სამუშაო პროცესებისთვის, ვიდრე წმინდა ვარაუდისთვის |
| სამუშაო პროცესის ავტომატიზაცია + ხელოვნური ინტელექტი | ოპერაციები, მხარდაჭერა | იარუსიანი | განმეორებით ნაბიჯებს ნახევრად ავტომატურ ნაკადებად აქცევს (ნახევრად მნიშვნელოვანია) |
| შიდა მოდელი / თვითჰოსტინგი | ორგანიზაციები ML ტევადობით | ინფრასტრუქტურა + ხალხი | მეტი კონტროლი + კონფიდენციალურობა, მაგრამ თქვენ იხდით მოვლა-პატრონობასა და თავის ტკივილში |
| მმართველობის ჩარჩოები | ლიდერები, რისკი, მორჩილება | უფასო რესურსები | რისკის + ნდობის მართვაში დაგეხმარებათ, არა მომხიბვლელი, მაგრამ აუცილებელი |
| ბენჩმარკინგის / რეალობის შემოწმების წყაროები | აღმასრულებლები, პოლიტიკა, სტრატეგია | უფასო რესურსები | მონაცემები აჯობებს ვიბრაციებს და ამცირებს LinkedIn-ის ქადაგებებს |
| „აგენტი, რომელიც ყველაფერს აკეთებს“ | მეოცნებეები 😅 | ხარჯები + ქაოსი | ზოგჯერ შთამბეჭდავი, ხშირად მყიფე - გააგრძელეთ საჭმელებით და მოთმინებით |
თუ გსურთ ხელოვნური ინტელექტის პროგრესისა და გავლენის მონაცემების „რეალობის შემოწმების“ ერთიანი ცენტრი, სტენფორდის ხელოვნური ინტელექტის ინდექსი კარგი საწყისი წერტილია. [2]
დასკვნითი მიმოხილვა + მოკლე მიმოხილვა 🧠✨
ასე რომ, ხელოვნური ინტელექტი ზედმეტად არის ამაღლებული, როდესაც ვინმე ყიდის:
-
უნაკლო სიზუსტე,
-
სრული ავტონომია,
-
მთელი როლების მყისიერი ჩანაცვლება,
-
ან „ჩართე და იმუშავე“ ტიპის ტვინი, რომელიც თქვენი ორგანიზაციის პრობლემებს გადაჭრის..
... მაშინ დიახ, ეს არის გაყიდვების ოსტატობა პრიალა საფარით.
მაგრამ თუ ხელოვნურ ინტელექტს ასე მოეპყრობით:
-
ძლიერი ასისტენტი,
-
საუკეთესოდ გამოიყენება ვიწრო, კარგად განსაზღვრულ ამოცანებში,
-
სანდო წყაროებზე დაყრდნობით,
-
ადამიანები მნიშვნელოვან საკითხებს განიხილავენ..
...მაშინ არა, ეს არ არის გადაჭარბებული რეკლამა. ის უბრალოდ... არათანაბარია. როგორც სპორტდარბაზის აბონემენტი. წარმოუდგენელია, თუ სწორად გამოიყენებთ, უსარგებლოა, თუ მასზე მხოლოდ წვეულებებზე ისაუბრებთ 😄🏋️
მოკლე შეჯამება: ხელოვნური ინტელექტი ზედმეტად არის რეკლამირებული, როგორც განსჯის მაგიური ჩანაცვლება და არასაკმარისად არის დაფასებული, როგორც პრაქტიკული მულტიპლიკატორი ნახაზის შექმნის, კოდირების დახმარების, ტრიაჟისა და ცოდნის სამუშაო პროცესებისთვის.
ხშირად დასმული კითხვები
ხელოვნური ინტელექტი ახლა ზედმეტად არის ამაღლებული?
ხელოვნური ინტელექტი ზედმეტად რეკლამირებულია, როდესაც ის იყიდება, როგორც იდეალური, ხელების გარეშე ან მზადაა მთელი სამუშაო ერთ ღამეში ჩაანაცვლოს. რეალურ განლაგებებში, საიმედოობის ხარვეზები სწრაფად იჩენს თავს: თავდაჯერებული არასწორი პასუხები, უკიდურესი შემთხვევები და რთული ინტეგრაციები. ხელოვნური ინტელექტი არ არის ზედმეტად რეკლამირებული, როდესაც მას ზედამხედველობის ქვეშ მყოფ ინსტრუმენტად აღიქვამენ ისეთი ვიწრო ამოცანებისთვის, როგორიცაა ნახაზის შექმნა, კოდირების მხარდაჭერა, ტრიაჟი და კვლევა. განსხვავება მოლოდინებში, დასაბუთებასა და მიმოხილვაში მდგომარეობს.
რა არის ყველაზე დიდი საფრთხილო ნიშნები ხელოვნური ინტელექტის მარკეტინგულ პრეტენზიებში?
„სრული ავტონომია“ და „მალე იდეალურად ზუსტი“ ორი ყველაზე ხმამაღალი გამაფრთხილებელი ნიშანია. დემო ვერსიები ხშირად შედგენილია მორგებული მინიშნებებითა და სუფთა მონაცემებით, ამიტომ ისინი მალავენ წარუმატებლობის საერთო რეჟიმებს. თავისუფლად საუბარი ასევე შეიძლება სიმართლედ იქნას აღქმული, რაც თავდაჯერებულ შეცდომებს დამაჯერებლად აქცევს. თუ განცხადება გამოტოვებს იმას, რაც ხდება სისტემის გაუმართაობის დროს, ჩათვალეთ, რომ რისკი გაქრება.
რატომ ჟღერს ხელოვნური ინტელექტის სისტემები თავდაჯერებულად, მაშინაც კი, როცა ისინი ცდებიან?
გენერაციული მოდელები შესანიშნავად ქმნიან დამაჯერებელ, თავისუფლად გადმოცემულ ტექსტს - ამიტომ მათ შეუძლიათ თავდაჯერებულად გამოიგონონ დეტალები, როდესაც მათ არ აქვთ საფუძველი. ამას ხშირად აღწერენ, როგორც კონფაბულაციას ან ჰალუცინაციებს: გამომავალი, რომელიც კონკრეტულად ჟღერს, მაგრამ არ არის სანდოდ სწორი. სწორედ ამიტომ, მაღალი სანდოობის გამოყენების შემთხვევები ჩვეულებრივ ამატებენ მოძიებას, ვალიდაციას, მონიტორინგს და ადამიანის მიერ განხილვას. მიზანია პრაქტიკული ღირებულება დამცავი მექანიზმებით და არა ვიბრაციებზე დაფუძნებული დარწმუნებულობით.
როგორ გამოვიყენო ხელოვნური ინტელექტი ჰალუცინაციების დამწვრობის გარეშე?
ხელოვნური ინტელექტი უნდა განიხილოთ, როგორც წერის მექანიზმი და არა როგორც სიმართლის მანქანა. პასუხები დადასტურებულ წყაროებში დაასაბუთეთ - მაგალითად, დამტკიცებულ პოლიტიკაში, შიდა დოკუმენტაციაში ან შერჩეულ ცნობარებში - იმის ნაცვლად, რომ ვივარაუდოთ, რომ „მოდელი იცის“. დაამატეთ დადასტურების ნაბიჯები (ბმულები, ციტატები, ჯვარედინი შემოწმება) და მოითხოვეთ ადამიანის მიერ შემოწმება, სადაც შეცდომები მნიშვნელოვანია. დაიწყეთ მცირედით, გაზომეთ შედეგები და გააფართოვეთ მხოლოდ მას შემდეგ, რაც თანმიმდევრულ შესრულებას დაინახავთ.
რა არის კარგი რეალურ ცხოვრებაში გამოყენების შემთხვევები, სადაც ხელოვნური ინტელექტი არ არის ზედმეტად რეკლამირებული?
ხელოვნური ინტელექტი, როგორც წესი, საუკეთესოდ ასრულებს ვიწრო, განმეორებად ამოცანებს, მკაფიო წარმატების მეტრიკითა და დაბალი და საშუალო ფსონებით. საერთო გამარჯვებებია ნახაზის შედგენა და გადაწერა, გრძელი დოკუმენტების შეჯამება, ვარიანტების გენერირება (მონახაზი, სათაურები, ელფოსტის ვარიანტები), კოდირების სტრუქტურები, მხარდაჭერის დახარისხება და შიდა დახმარების სამსახურის შემოთავაზებები. იდეალური ვარიანტია „კლასიფიკაცია → აღდგენა → შეთავაზება“ და არა „გამოგონება → იმედი → განლაგება“. ადამიანებს კვლავაც უჭირავთ იმის გადაწყვეტა, თუ რა ხდება.
ხომ არ არის გადაჭარბებული პოპულარობა „ყველაფრის გამკეთებელი ხელოვნური ინტელექტის აგენტების“ მიმართ?
ხშირად, დიახ - განსაკუთრებით მაშინ, როდესაც „ხელების გარეშე“ გამოყენება მთავარი უპირატესობაა. მრავალსაფეხურიანი სამუშაო პროცესები, რთული ხელსაწყოები, ნებართვები, რეალური მომხმარებლები და რეალური შედეგები ქმნის რთულ წარუმატებლობის რეჟიმებს. აგენტები შეიძლება ღირებული იყოს შეზღუდული სამუშაო პროცესებისთვის, მაგრამ მათი სისუსტე სწრაფად იზრდება მასშტაბის გაფართოებასთან ერთად. პრაქტიკული ტესტი მარტივი რჩება: განსაზღვრეთ სარეზერვო სისტემა, დაავალეთ პასუხისმგებლობა და მიუთითეთ, თუ როგორ ხდება შეცდომების აღმოჩენა ზიანის გავრცელებამდე.
როგორ გადავწყვიტო, ღირს თუ არა ხელოვნური ინტელექტი ჩემი გუნდისთვის ან ორგანიზაციისთვის?
დაიწყეთ სამუშაოს აღწერილობის მსგავსად განსაზღვრით: შემავალი ხარჯები, გამომავალი ხარჯები, შეზღუდვები და რას ნიშნავს „შესრულებული“. დაადგინეთ საბაზისო მაჩვენებელი (დრო, ღირებულება, შეცდომის მაჩვენებელი), რათა შეძლოთ გაუმჯობესების გაზომვა, ზედმეტად კამათის ნაცვლად. გადაწყვიტეთ, საიდან მოდის სიმართლე - შიდა ცოდნის ბაზებიდან, დამტკიცებული დოკუმენტებიდან თუ მომხმარებლის ჩანაწერებიდან. შემდეგ შეიმუშავეთ „ადამიანის ჩართულობის“ გეგმა და გაფართოებამდე შეადგინეთ აფეთქების რადიუსის რუკა.
ვინ არის პასუხისმგებელი, როდესაც ხელოვნური ინტელექტის მიერ მოწოდებული ინფორმაცია არასწორია?
უნდა დაინიშნოს ადამიანი, რომელიც პასუხისმგებელი იქნება შედეგებზე, მიმოხილვებზე და სისტემის ჩავარდნის შემთხვევაში მიმდინარე მოვლენებზე. „მოდელმა თქვა ასე“ არ ნიშნავს პასუხისმგებლობას, განსაკუთრებით მაშინ, როდესაც საქმე ფულს, უსაფრთხოებას ან უფლებებს ეხება. განსაზღვრეთ, ვინ ამტკიცებს პასუხებს, როდის არის საჭირო მიმოხილვა და როგორ ხდება ინციდენტების აღრიცხვა და მათზე რეაგირება. ეს ხელოვნურ ინტელექტს ვალდებულებიდან აქცევს კონტროლირებად ინსტრუმენტად, რომელსაც აქვს მკაფიო პასუხისმგებლობა.
როდის მჭირდება მმართველობა და რომელი ჩარჩოები გამოიყენება ჩვეულებრივ?
მმართველობა ყველაზე მნიშვნელოვანია მაშინ, როდესაც ფსონები ჩნდება - ნებისმიერი რამ, რაც ეხება სამართლებრივ შედეგებს, უსაფრთხოებას, ფინანსურ გავლენას ან ადამიანების უფლებებს. საერთო დამცავი ბარიერებია NIST-ის გენერაციული ხელოვნური ინტელექტის პროფილი (ხელოვნური ინტელექტის რისკების მართვის ჩარჩოს თანმხლები), ეკონომიკური თანამშრომლობისა და განვითარების ორგანიზაციის ხელოვნური ინტელექტის პრინციპები და ევროკავშირის ხელოვნური ინტელექტის აქტის რისკზე დაფუძნებული ვალდებულებები. ეს ხელს უწყობს ტესტირების, წარმომავლობის, მონიტორინგისა და ინციდენტების გამჟღავნების პრაქტიკას. შეიძლება ეს არასექსუალურად მოგეჩვენოთ, მაგრამ ის ხელს უშლის ფრაზას „უი, ჩვენ შესაბამისობის კოშმარი განვახორციელეთ“
თუ ხელოვნური ინტელექტი ზედმეტად არის ამაღლებული, რატომ ჩანს ის მაინც მნიშვნელოვანი?
აჟიოტაჟი და გავლენა შეიძლება თანაარსებობდეს. ბევრი ტექნოლოგია მიჰყვება ნაცნობ რკალს: პიკური მოლოდინები, მკაცრი რეალობა და შემდეგ სტაბილური ღირებულება. ხელოვნური ინტელექტი ძლიერია, მაგრამ ხშირად იყიდება ისე, თითქოს უკვე დასრულებულია - როდესაც ის ჯერ კიდევ მიმდინარეობს და ინტეგრაცია ნელია. მდგრადი ღირებულება ვლინდება მაშინ, როდესაც ხელოვნური ინტელექტი აშორებს სამუშაოს მოსაწყენ ნაწილებს, მხარს უჭერს ნახაზის შედგენასა და კოდირებას და აუმჯობესებს სამუშაო პროცესებს დაფუძნებითა და მიმოხილვით.
ცნობები
-
NIST-ის გენერაციული ხელოვნური ინტელექტის პროფილი (NIST AI 600-1, PDF) - ხელოვნური ინტელექტის რისკების მართვის ჩარჩოს თანმხლები სახელმძღვანელო, რომელიც ასახავს ძირითადი რისკების სფეროებს და რეკომენდებულ ქმედებებს მმართველობის, ტესტირების, წარმომავლობისა და ინციდენტების გამჟღავნებისთვის. წაიკითხეთ მეტი.
-
სტენფორდის HAI AI ინდექსი - ყოველწლიური, მონაცემებით მდიდარი ანგარიში, რომელიც აკვირდება AI პროგრესს, დანერგვას, ინვესტიციებს და საზოგადოებაზე გავლენას ძირითადი საორიენტაციო და ინდიკატორების მიხედვით. წაიკითხეთ მეტი.
-
GitHub Copilot-ის პროდუქტიულობის კვლევა - GitHub-ის კონტროლირებადი კვლევის ნაშრომი დავალებების შესრულების სიჩქარესა და დეველოპერის გამოცდილებაზე Copilot-ის გამოყენებისას. წაიკითხეთ მეტი
-
ევროკომისიის ხელოვნური ინტელექტის შესახებ კანონის მიმოხილვა - კომისიის ცენტრალური გვერდი, რომელიც განმარტავს ევროკავშირის რისკის დონის ვალდებულებებს ხელოვნური ინტელექტის სისტემებისა და აკრძალული პრაქტიკის კატეგორიების მიმართ. წაიკითხეთ მეტი