მოკლე პასუხი: ხელოვნური ინტელექტი ნიშნავს ხელოვნურ ინტელექტს : ადამიანის მიერ შექმნილი სისტემები, რომლებიც შექმნილია ინტელექტუალურ ქცევასთან დაკავშირებული ამოცანების შესასრულებლად, როგორიცაა სწავლა, მსჯელობა, აღქმა და ენა. თუ ინსტრუმენტი სწავლობს მონაცემებიდან და შეუძლია უცნობ სიტუაციებთან გამკლავება, ის უფრო ახლოს დგას ხელოვნურ ინტელექტთან; თუ ის ფიქსირებული წესებით მუშაობს, ეს, პირველ რიგში, ავტომატიზაციაა.
ძირითადი დასკვნები:
განმარტება : ხელოვნური ინტელექტი ნიშნავს ხელოვნურ ინტელექტს - სისტემებს, რომლებიც ასრულებენ სწავლის, მსჯელობის, აღქმის ან ენობრივ დავალებებს.
რეალობის შემოწმება : თუ ის არ სწავლობს ან არ აზოგადებს, სავარაუდოდ, ეს წესებზე დაფუძნებული პროგრამული უზრუნველყოფაა.
ბოროტად გამოყენების წინააღმდეგობა : სკეპტიკურად მოეკიდეთ „ხელოვნური ინტელექტის“ იარლიყებს, როდესაც კომპანიები მარტივ ავტომატიზაციას ხელოვნურ ინტელექტად ყიდიან.
ანგარიშვალდებულება : მაღალი რისკის შემცველი გამოყენების შემთხვევაში, დარწმუნდით, რომ შედეგებსა და შეცდომებზე პასუხისმგებელია დასახელებული ადამიანი ან ორგანიზაცია.
გამჭვირვალობა : უპირატესობა მიანიჭეთ ისეთ ინსტრუმენტებს, რომლებიც განმარტავენ შეზღუდვებს, აზიარებენ შეფასების შედეგებს და ნათლად განმარტავენ, თუ როგორ შეიძლება გადაწყვეტილებების გასაჩივრება.
სტატიები, რომელთა წაკითხვაც შეიძლება მოგეწონოთ ამის შემდეგ:
🔗 გენერაციული ხელოვნური ინტელექტის მთავარი მიზანი მარტივად არის ახსნილი
გაიგეთ, რის შექმნას ისახავს მიზნად გენერაციული ხელოვნური ინტელექტი და რატომ არის ის მნიშვნელოვანი.
🔗 ხელოვნური ინტელექტი ზედმეტად არის აფიშირებული თუ ნამდვილად ტრანსფორმაციული?
ხელოვნური ინტელექტის დაპირებების, შეზღუდვებისა და რეალურ სამყაროზე ზემოქმედების დაბალანსებული ხედვა.
🔗 ტექსტიდან მეტყველებაზე გადაყვანის ფუნქცია ხელოვნური ინტელექტით არის უზრუნველყოფილი?
გაიგეთ, როგორ მუშაობს თანამედროვე TTS და რა ხდის მას ინტელექტუალურს.
🔗 შეუძლია თუ არა ხელოვნურ ინტელექტს ზუსტად წაიკითხოს დახრილი ხელნაწერი?
გაეცანით OCR-ის ლიმიტს და იმას, თუ როგორ უმკლავდებიან მოდელები არეულ-დარეულ დახვეულ ტექსტს.
ხელოვნური ინტელექტის სრული ვერსია (მოკლე, კრისტალურად გასაგები პასუხი) ✅🤖
ხელოვნური ინტელექტის სრული ფორმა ხელოვნური ინტელექტია .
ორი სიტყვა. მასიური შედეგები.
-
ხელოვნური = ადამიანის მიერ შექმნილი
-
ინტელექტი = ყველაზე მნიშვნელოვანი ნაწილი (რადგან ხალხი კამათობს იმაზე, თუ რა არის - მეცნიერები, ფილოსოფოსები და თქვენი ბიძა, რომელიც ფიქრობს, რომ ინტელექტი „კრიკეტის სტატისტიკის ცოდნაა“ 😅)
ერთ-ერთი მკაფიო, ფართოდ გამოყენებული საბაზისო განმარტება ასეთია: ხელოვნური ინტელექტი გულისხმობს სისტემების შექმნას, რომლებსაც შეუძლიათ შეასრულონ ამოცანები, რომლებიც ჩვეულებრივ დაკავშირებულია ინტელექტუალურ ქცევასთან - როგორიცაა სწავლა, მსჯელობა, აღქმა და ენა. [1]
ამ სტატიაში კვლავ ნახავთ ფრაზას „ხელოვნური ინტელექტის სრული ფორმა“
რას ნიშნავს „ხელოვნური ინტელექტი“ პრაქტიკაში (და რატომ რთულდება განმარტებები) 🧠🧩
საქმე აი, რაშია: ხელოვნური ინტელექტი სფეროა და არა ერთი პროდუქტი.
ზოგიერთი ადამიანი სიტყვა „ხელოვნურ ინტელექტს“ შემდეგი მნიშვნელობით იყენებს:
-
სისტემები, რომლებიც მოქმედებენ როგორც „ინტელექტუალური აგენტები“ (მიიღებენ გადაწყვეტილებებს მიზნების მისაღწევად) ან
-
სისტემები, რომლებიც წყვეტენ „ადამიანური სტილის“ ამოცანებს (ხედვა, ენა, დაგეგმვა) ან
-
სისტემები, რომლებიც მონაცემებიდან სწავლობენ ნიმუშებს (სადაც ჩნდება მანქანური სწავლება).
სწორედ ამიტომ, განმარტებები გარკვეულწილად მერყეობს იმის მიხედვით, თუ ვინ საუბრობს - და სწორედ ამიტომ ხარჯავენ სერიოზული წყაროები დროს იმაზე, თუ რა ითვლება ხელოვნურ ინტელექტად. [2]
რატომ სვამენ ადამიანები ასე ხშირად კითხვას „ხელოვნური ინტელექტის სრული ფორმა“ (და ეს სულელური კითხვა არ არის) 👀📌
ჭკვიანური კითხვაა, რადგან:
-
ხელოვნურ ინტელექტს ჩვეულებრივად იყენებენ , თითქოს ის ერთი რამ იყოს (ის არ არის)
-
კომპანიები „ხელოვნურ ინტელექტს“ ისეთ პროდუქტებს უყენებენ , რომლებიც ძირითადად უბრალოდ მოდური ავტომატიზაციაა
-
„ხელოვნური ინტელექტი“ შეიძლება ნიშნავდეს ყველაფერს, რეკომენდაციების სისტემიდან დაწყებული ჩატბოტით და ფიზიკურ სივრცეში ნავიგაციისთვის განკუთვნილი რობოტიკით დამთავრებული 🤖🛞
-
ხალხი ხელოვნურ ინტელექტს მანქანურ სწავლებას, მონაცემთა მეცნიერებას ან „ინტერნეტს“ ურევს, რაც... ერთი შეხედვით უცნაურია, მაგრამ არასწორია 😅
ასევე: ხელოვნური ინტელექტი არის როგორც რეალური სფერო, ასევე მარკეტინგული სიტყვა. ამიტომ, საფუძვლებიდან დაწყება - როგორც ხელოვნური ინტელექტის სრული ფორმა - სწორი ნაბიჯია.
მარტივი „ხელოვნური ინტელექტის აღმოჩენის“ საკონტროლო სია (რომ შეცდომაში არ შეიყვანოთ) 🕵️♀️🤖
თუ ცდილობთ გაარკვიოთ, რაღაც „ხელოვნური ინტელექტია“ თუ უბრალოდ... პროგრამული უზრუნველყოფა და კაპიშონიანი მაისური აცვიათ:
-
მონაცემებიდან სწავლობს? (თუ ძირითადად წესები/თუ-მაშინ ლოგიკაა?)
-
ახალ სიტუაციებზე ვრცელდება ის? (თუ მხოლოდ ვიწრო, წინასწარ დადგენილ შემთხვევებს განიხილავს?)
-
შეგიძლიათ შეაფასოთ ეს? (სიზუსტე, შეცდომის მაჩვენებლები, უკიდურესი შემთხვევები, უკმარისობის რეჟიმები?)
-
არსებობს თუ არა ადამიანური ზედამხედველობა მაღალი რისკის მქონე გამოყენებისთვის? (განსაკუთრებით დაქირავება, ჯანდაცვა, ფინანსები, განათლება)
ეს ჯადოსნურად არ წყვეტს განმარტებასთან დაკავშირებულ ყველა დებატს - მაგრამ ეს პრაქტიკული გზაა მარკეტინგული ნისლის გასაფანტად.
რატომ მოიცავს ხელოვნური ინტელექტის კარგ ახსნას შეზღუდვები (რადგან ხელოვნურ ინტელექტს უამრავი აქვს) 🚧
ხელოვნური ინტელექტის მყარი ახსნა უნდა გულისხმობდეს, რომ ხელოვნური ინტელექტი შეიძლება იყოს:
-
შესანიშნავია ვიწრო ამოცანების შესრულებაში (სურათების კლასიფიკაცია, კანონზომიერებების პროგნოზირება)
-
და გასაკვირია, რომ საღი აზრი არ გააჩნიათ (კონტექსტი, ორაზროვნება, „რას გააკეთებდა ნორმალური ადამიანი აშკარად“).
ეს ჰგავს შეფ-მზარეულს, რომელიც იდეალურ სუშის ამზადებს, მაგრამ კვერცხის მოხარშვას წერილობითი ინსტრუქცია სჭირდება.
ასევე: თანამედროვე ხელოვნური ინტელექტის სისტემები შეიძლება დარწმუნებით ცდებოდნენ , ამიტომ ხელოვნური ინტელექტის პასუხისმგებლიანი ხელმძღვანელობა ფოკუსირებულია საიმედოობაზე, გამჭვირვალობაზე, უსაფრთხოებაზე, მიკერძოებასა და ანგარიშვალდებულებაზე და არა მხოლოდ „ოჰ, ეს რაღაცეებს წარმოქმნის“-ზე. [3]
შედარების ცხრილი: სასარგებლო ხელოვნური ინტელექტის რესურსები (დასაბუთებული, არა კლიკ-ბეითინგის) 🧾🤖
აქ მოცემულია პრაქტიკული მინი-რუკა - ხუთი მყარი რესურსი , რომელიც მოიცავს განმარტებებს, დებატებს, სწავლას და პასუხისმგებლიან გამოყენებას:
| ინსტრუმენტი / რესურსი | აუდიტორია | ფასი | რატომ მუშაობს (და ცოტა გულწრფელობა) |
|---|---|---|---|
| ბრიტანიკა: ხელოვნური ინტელექტის მიმოხილვა | დამწყებთათვის | თავისუფალი | მკაფიო, ფართო განმარტება; არა მარკეტინგული ნაგავი. [1] |
| სტენფორდის ფილოსოფიის ენციკლოპედია: ხელოვნური ინტელექტი | გააზრებული მკითხველები | უფასო | ერთვება „რა ითვლება ხელოვნურ ინტელექტად“ დებატებში; დაძაბული, მაგრამ დამაჯერებელია. [2] |
| NIST ხელოვნური ინტელექტის რისკების მართვის ჩარჩო (AI RMF) | მშენებლები + ორგანიზაციები | უფასო | ხელოვნური ინტელექტის რისკისა და სანდოობის შესახებ საუბრების პრაქტიკული სტრუქტურა. [3] |
| ეკონომიკური თანამშრომლობისა და განვითარების ორგანიზაციის ხელოვნური ინტელექტის პრინციპები | პოლიტიკისა და ეთიკის მოყვარულები | უფასო | მკაცრი „უნდა გავაკეთოთ ეს?“ მითითებები: უფლებები, ანგარიშვალდებულება, სანდო ხელოვნური ინტელექტი. [4] |
| Google-ის მანქანური სწავლების ჩქარი კურსი | მოსწავლეები | უფასო | პრაქტიკული შესავალი მანქანური სწავლების კონცეფციებში; ღირებულია მაშინაც კი, თუ ნულიდან იწყებთ. [5] |
ყურადღება მიაქციეთ, რომ ეს რესურსები ერთი და იგივე ტიპის . ეს განზრახ კეთდება. ხელოვნური ინტელექტი ერთი ზოლი არ არის - ეს მთელი ავტომაგისტრალია.
ხელოვნური ინტელექტი vs მანქანური სწავლება vs ღრმა სწავლება (დაბნეულობის ზონა) 😵💫🔍
ხელოვნური ინტელექტი (AI) 🤖
ხელოვნური ინტელექტი ფართო ქოლგაა: მეთოდები, რომლებიც მიმართულია იმ ამოცანების შესასრულებლად, რომლებსაც ჩვენ ინტელექტუალურ ქცევასთან ვუკავშირებთ - მსჯელობა, დაგეგმვა, აღქმა, ენა, გადაწყვეტილების მიღება. [1][2]
მანქანური სწავლება (მანქანური სწავლება) 📈
მანქანური სწავლება ხელოვნური ინტელექტის ქვესიმრავლეა, სადაც სისტემები მონაცემებიდან სწავლობენ ნიმუშებს და არა ფიქსირებული წესებით აშკარად დაპროგრამებულნი. (თუ გსმენიათ „მონაცემებზე გაწვრთნილი“, კეთილი იყოს თქვენი მობრძანება მანქანურ სწავლებაში.) [5]
ღრმა სწავლება (DL) 🧠
ღრმა სწავლება არის მანქანური სწავლების ქვესიმრავლე, რომელიც იყენებს მრავალშრიან ნეირონულ ქსელებს და ხშირად გამოიყენება მხედველობისა და ენობრივ სისტემებში. [5]
უადგილო, მაგრამ მოსახერხებელი მეტაფორა (და ის იდეალური არ არის, ნუ მიყვირით):
ხელოვნური ინტელექტი რესტორანია. მანქანური სწავლება სამზარეულოა. ღრმა სწავლა ერთი კონკრეტული შეფ-მზარეულია, რომელიც რამდენიმე კერძს შესანიშნავად ამზადებს, მაგრამ ზოგჯერ ხელსახოცებს ცეცხლს უკიდებს 🔥🍽️
ასე რომ, როდესაც ვინმე ხელოვნური ინტელექტის სრულ ფორმას , ისინი ხშირად უფრო ფართო კატეგორიას და მასში არსებულ კონკრეტულ კატეგორიას მიმართავენ.
როგორ მუშაობს ხელოვნური ინტელექტი მარტივ ინგლისურ ენაზე (დოქტორის ხარისხი არ არის საჭირო) 🧠🧰
ხელოვნური ინტელექტის უმეტესობა, რომელსაც წააწყდებით, ამ ნიმუშებიდან ერთ-ერთს შეესაბამება:
ნიმუში 1: წესები და ლოგიკური სისტემები 🧩
ძველი სკოლის ხელოვნური ინტელექტი ხშირად იყენებდა წესებს, როგორიცაა „თუ ეს მოხდება, მაშინ გააკეთე ის“. შესანიშნავად მუშაობს სტრუქტურირებულ გარემოში. ინგრევა, როდესაც რეალობა იხლართება (და რეალობა, როგორც წესი, უწესრიგოა).
ნიმუში 2: მაგალითებიდან სწავლა 📚
მანქანური სწავლება მონაცემებიდან სწავლობს:
-
სპამი vs არასპამი 📧
-
თაღლითობა ლეგიტიმურობის წინააღმდეგ 💳
-
„კატის ფოტო“ vs „ჩემი ბუნდოვანი ცერა თითი“ 🐱👍
ნიმუში 3: ნიმუშის შევსება და გენერირება ✍️
ზოგიერთი თანამედროვე სისტემა ტექსტს/სურათებს/აუდიოს/კოდს წარმოქმნის. ისინი შეიძლება მოსახერხებელი იყოს, მაგრამ ასევე შეიძლება არასანდო იყოს, ამიტომ ყოველდღიური განლაგება საჭიროებს დამცავ ბარიერებს: ტესტირებას, მონიტორინგს და მკაფიო ანგარიშვალდებულებას. [3]
ხელოვნური ინტელექტის ყოველდღიური მაგალითები, რომლებიც ალბათ გამოგიყენებიათ 📱🌍
ყოველდღიური ხელოვნური ინტელექტის დაკვირვებები:
-
ძიების რეიტინგი 🔎
-
რუკები + ტრაფიკის პროგნოზი 🗺️
-
რეკომენდაციები (ვიდეოები, მუსიკა, შოპინგი) 🎵🛒
-
სპამის/ფიშინგის ფილტრაცია 📧🛡️
-
ხმოვანი ტექსტად გარდაქმნა 🎙️
-
თარგმანი 🌐
-
ფოტოების დახარისხება + გაუმჯობესება 📸
-
მომხმარებელთა მხარდაჭერის ჩატბოტები 💬😬
და უფრო მაღალი ფსონების მქონე სფეროებში:
-
სამედიცინო ვიზუალიზაციის მხარდაჭერა 🏥
-
მიწოდების ჯაჭვის პროგნოზირება 🚚
-
თაღლითობის აღმოჩენა 💳
-
სამრეწველო ხარისხის კონტროლი 🏭
მთავარი იდეა: ხელოვნური ინტელექტი, როგორც წესი, კულისებს მიღმა მოქმედი ძრავაა და არა დრამატული ჰუმანოიდი რობოტი. ბოდიში, სამეცნიერო ფანტასტიკის ტვინი 🤷
ხელოვნური ინტელექტის შესახებ ყველაზე დიდი მცდარი წარმოდგენები (და რატომ რჩება ისინი ასე) 🧲🤔
„ხელოვნური ინტელექტი ყოველთვის მართალია“
არა. ხელოვნური ინტელექტი შეიძლება ცდებოდეს - ზოგჯერ დახვეწილად, ზოგჯერ სასაცილოდ, ზოგჯერ კი სახიფათოდ (კონტექსტიდან გამომდინარე). [3]
„ხელოვნური ინტელექტი ისევე ესმის, როგორც ადამიანები“
ხელოვნური ინტელექტის უმეტესობა ადამიანური გაგებით „არ ესმის“. ის ამუშავებს ნიმუშებს. ეს შეიძლება ჰგავდეს , მაგრამ ეს ერთი და იგივე არ არის. [2]
„ხელოვნური ინტელექტი ერთი ტექნოლოგიაა“
ხელოვნური ინტელექტი მეთოდების ერთობლიობაა (სიმბოლური მსჯელობა, ალბათური მიდგომები, ნეირონული ქსელები და სხვა). [2]
„თუ ეს ხელოვნური ინტელექტია, მაშინ მიუკერძოებელია“
ასევე არა. ხელოვნურ ინტელექტს შეუძლია ასახოს და გააძლიეროს მონაცემებში ან დიზაინის არჩევანში არსებული მიკერძოება - სწორედ ამიტომ არსებობს მმართველობის პრინციპები და რისკების ჩარჩოები. [3][4]
და დიახ, ხალხს უყვარს „ხელოვნური ინტელექტის“ დადანაშაულება, რადგან ის უსახო ბოროტმოქმედს ჰგავს. ზოგჯერ საქმე ხელოვნურ ინტელექტში არ არის. ზოგჯერ უბრალოდ... ცუდი იმპლემენტაციაა. ან ცუდი სტიმულები. ან ვიღაც, ვინც ფუნქციას ჩქარობს 🫠
ეთიკა, უსაფრთხოება და ნდობა: ხელოვნური ინტელექტის გამოყენება ყველაფრის უხერხულობის გარეშე 🧯⚖️
ხელოვნური ინტელექტი რეალურ კითხვებს ბადებს, როდესაც გამოიყენება ისეთ მგრძნობიარე სფეროებში, როგორიცაა დაქირავება, სესხების გაცემა, ჯანდაცვა, განათლება და პოლიციის მართვა.
რამდენიმე პრაქტიკული ნდობის სიგნალი, რომელსაც ყურადღება უნდა მიაქციოთ:
-
გამჭვირვალობა: განმარტავენ თუ არა ისინი, რას აკეთებს და რას არ აკეთებს ის?
-
ანგარიშვალდებულება: არის თუ არა რეალური ადამიანი/ორგანიზაცია პასუხისმგებელი შედეგებზე?
-
აუდიტირებადობა: შესაძლებელია თუ არა შედეგების გადახედვა ან გასაჩივრება?
-
კონფიდენციალურობის დაცვა: ხდება თუ არა მონაცემების დამუშავება პასუხისმგებლობით?
-
მიკერძოების ტესტირება: ამოწმებენ თუ არა ისინი უსამართლო შედეგებს ჯგუფებს შორის? [3][4]
თუ რისკზე ფიქრის დასაბუთებული გზა გსურთ (საბედისწერო სპირალების გარეშე), NIST AI RMF-ის მსგავსი ჩარჩოები სწორედ ამ ტიპის „კარგი, მაგრამ როგორ ვმართოთ ეს პასუხისმგებლობით?“ აზროვნებისთვისაა შექმნილი. [3]
როგორ ვისწავლოთ ხელოვნური ინტელექტი ნულიდან (ტვინის გადაწვის გარეშე) 🧠🍳
ნაბიჯი 1: გაიგეთ, რა პრობლემების გადაჭრას ცდილობს ხელოვნური ინტელექტი
დაიწყეთ განმარტებებით + მაგალითებით: [1][2]
ნაბიჯი 2: დაეუფლეთ მანქანური სწავლების ძირითად კონცეფციებს
ზედამხედველობითი vs. ზედამხედველობის გარეშე, ტრენინგი/ტესტირება, ზედმეტად მორგება, შეფასება - ეს არის ხერხემალი. [5]
ნაბიჯი 3: შექმენით რაღაც პატარა
არა „გონიერი რობოტის აშენება“. უფრო მეტად:
-
სპამის კლასიფიკატორი
-
მარტივი რეკომენდატორი
-
პატარა სურათების კლასიფიკატორი
საუკეთესო სწავლა ოდნავ შემაწუხებელია. თუ ძალიან გლუვია, ალბათ რეალურ ნაწილებს არ შეეხები 😅
ნაბიჯი 4: ნუ უგულებელყოფთ ეთიკასა და უსაფრთხოებას
მცირე პროექტებსაც კი შეუძლიათ კონფიდენციალურობის, მიკერძოებისა და ბოროტად გამოყენების საკითხების წამოჭრა. [3][4]
ხშირად დასმული კითხვები ხელოვნური ინტელექტის სრული ფორმის შესახებ (სწრაფი პასუხები, ზედმეტი სიტყვების გარეშე) 🙋♂️🙋♀️
ხელოვნური ინტელექტის სრული ფორმა კომპიუტერებში
ხელოვნური ინტელექტი. იგივე მნიშვნელობა - უბრალოდ დანერგილია პროგრამულ/აპარატულ უზრუნველყოფაში.
ხელოვნური ინტელექტი რობოტიკის წინააღმდეგ
არა. რობოტიკას შეუძლია ხელოვნური ინტელექტის გამოყენება, თუმცა რობოტიკა ასევე მოიცავს სენსორებს, მექანიკას, მართვის სისტემებს და ფიზიკურ ურთიერთქმედებას.
ხელოვნური ინტელექტი რობოტებსა და ჩატბოტებზე მეტია
სულაც არა. ხელოვნური ინტელექტის მრავალი სისტემა უხილავია: რანჟირება, რეკომენდაციები, აღმოჩენა, პროგნოზირება.
ხელოვნური ინტელექტი, რომელიც ადამიანივით აზროვნებს
ხელოვნური ინტელექტის უმეტესობა ადამიანების მსგავსად არ ფიქრობს. „აზროვნება“ რთული სიტყვაა - თუ უფრო ღრმა დებატები გსურთ, ხელოვნური ინტელექტის ფილოსოფიის შესახებ დისკუსიები ამ საკითხზე ინტენსიურად მიმდინარეობს. [2]
რატომ უწოდებს ყველა ყველაფერს მოულოდნელად ხელოვნურ ინტელექტს
რადგან ეს ძლიერი ეტიკეტია. ზოგჯერ ზუსტი, ზოგჯერ ელასტიური... როგორც სპორტული შარვალი.
შეჯამება + მოკლე მიმოხილვა 🧾✨
ხელოვნური ინტელექტის სრული ფორმისთვის მოხვედით და დიახ - ეს ხელოვნური ინტელექტია .
თუმცა, უფრო პრაქტიკული დასკვნა ასეთია: ხელოვნური ინტელექტი არ არის ერთი გაჯეტი ან აპლიკაცია. ეს არის მეთოდების ფართო სფერო, რომელიც ეხმარება მანქანებს ისეთი ამოცანების შესრულებაში, რომლებიც ინტელექტუალურად გამოიყურება - შაბლონების შესწავლა, ენის დამუშავება, სურათების ამოცნობა, გადაწყვეტილებების მიღება და (ზოგჯერ) კონტენტის გენერირება. ის შეიძლება იყოს ძალიან ეფექტური, ზოგჯერ ჩახლართული და ის სარგებლობს პასუხისმგებლიანი რისკ-აზროვნებით. [3][4]
მოკლე მიმოხილვა:
-
ხელოვნური ინტელექტის სრული ფორმა = ხელოვნური ინტელექტი 🤖
-
ხელოვნური ინტელექტი ფართო ქოლგაა (მანქანური სწავლება + ღრმა სწავლება მის ქვეშ მოექცევა) 🧠
-
ხელოვნური ინტელექტი ძლიერია, მაგრამ არა ჯადოსნური - მას აქვს შეზღუდვები და რისკები 🚧
-
ხელოვნური ინტელექტის შესახებ პრეტენზიების შეფასებისას გამოიყენეთ დასაბუთებული ჩარჩოები/პრინციპები ⚖️ [3][4]
თუ სხვა არაფერი გახსოვთ, გახსოვდეთ ეს: როდესაც ვინმე ამბობს „ხელოვნურ ინტელექტს“, დააკონკრეტეთ კონკრეტული სახეობა. 😉
დამატებითი ხშირად დასმული კითხვები
რა არის ხელოვნური ინტელექტის სრული ფორმა მარტივი სიტყვებით?
ხელოვნურ ინტელექტს ნიშნავს . ის ეხება ადამიანის მიერ შექმნილ სისტემებს, რომლებიც შექმნილია ინტელექტუალურ ქცევასთან დაკავშირებული ამოცანების შესასრულებლად, როგორიცაა სწავლა, მსჯელობა, აღქმა და ენა. პრაქტიკაში, „ხელოვნური ინტელექტი“ ძალიან ფართოდ გამოიყენება, ამიტომ სასარგებლოა იმის დანახვა, თუ რას აკეთებს . თუ მას შეუძლია მონაცემებიდან სწავლა და უცნობ სიტუაციებთან გამკლავება, ის უფრო ახლოს არის ხელოვნურ ინტელექტთან, ვიდრე უბრალო ავტომატიზაციასთან.
როგორ გავიგო, რაღაც ნამდვილი ხელოვნური ინტელექტია თუ უბრალოდ ავტომატიზაცია?
პრაქტიკული ტესტია, სწავლობს თუ არა ინსტრუმენტი მონაცემებიდან და აზოგადებს თუ არა ფიქსირებული სიტუაციების მიღმა. თუ ის ძირითადად მიჰყვება „თუ ეს, მაშინ ის“ წესებს, ეს, როგორც წესი, წესებზე დაფუძნებული პროგრამული უზრუნველყოფაა და არა ხელოვნური ინტელექტი. კიდევ ერთი მინიშნებაა, თუ როგორ ფასდება ის: რეალური ხელოვნური ინტელექტის სისტემები, როგორც წესი, იზომება სიზუსტით, შეცდომების მაჩვენებლით და საბოლოო ტესტირებით. მარკეტინგული ეტიკეტები შეიძლება შეცდომაში შეიყვანოს, ამიტომ შეაფასეთ ის ქცევით.
მანქანური სწავლება იგივეა, რაც ხელოვნური ინტელექტი?
არა ზუსტად. ხელოვნური ინტელექტი ფართო კონცეფციაა იმ სისტემებისთვის, რომლებიც ასრულებენ ინტელექტუალურ ქცევასთან დაკავშირებულ დავალებებს. მანქანური სწავლება (ML) არის ხელოვნური ინტელექტის ქვესიმრავლე, რომელიც ორიენტირებულია მონაცემებიდან სწავლის შაბლონებზე და არა ფიქსირებული წესებით აშკარად დაპროგრამებაზე. ღრმა სწავლება არის ML-ის ქვესიმრავლე, რომელიც იყენებს მრავალშრიან ნეირონულ ქსელებს, ხშირად ხედვისა და ენობრივი ამოცანებისთვის. ადამიანები ამ ტერმინებს ერთმანეთში ურევენ, ამიტომ კონტექსტს მნიშვნელობა აქვს.
რატომ უწოდებენ კომპანიები ძირითად პროგრამულ უზრუნველყოფას „ხელოვნურ ინტელექტს“?
რადგან „ხელოვნური ინტელექტი“ არის ძლიერი იარლიყი, რომელსაც შეუძლია პროდუქტი უფრო მოწინავედ წარმოაჩინოს, ვიდრე ის სინამდვილეშია. ხელოვნური ინტელექტის სახელით რეკლამირებული ზოგიერთი ინსტრუმენტი ძირითადად ავტომატიზაციის ან წესებზე დაფუძნებული სისტემებია შეზღუდული მოქნილობით. სწორედ ამიტომ ღირს სკეპტიკურად განწყობილი იყოთ და იკითხოთ, რას სწავლობს სისტემა, როგორ აზოგადებს მას და რა არის მისი წარუმატებლობის რეჟიმები. მკაფიო დოკუმენტაცია და შეფასების შედეგები კარგი ნდობის სიგნალია.
რა არის ხელოვნური ინტელექტის ადამიანების მიერ შეუმჩნევლად გამოყენების ყოველდღიური გავრცელებული მაგალითები?
ბევრი ხელოვნური ინტელექტის სისტემა კულისებში დგას და არ ჩანს აშკარა რობოტებად ან ჩატბოტებად. მაგალითებია ძიების რეიტინგი, რუკები და ტრაფიკის პროგნოზირება, ვიდეოების ან შოპინგის რეკომენდაციები, სპამის და ფიშინგის ფილტრაცია, ხმის ტექსტად გარდაქმნა, თარგმნა და ფოტოების დახარისხება ან გაუმჯობესება. ეს სისტემები ხშირად კარგად მუშაობს ვიწრო ამოცანებზე, მაგრამ მაინც სარგებლობენ მონიტორინგით და ლიმიტების შესახებ მკაფიო მოლოდინებით.
შეუძლია თუ არა ხელოვნურ ინტელექტს თავდაჯერებულად ცდებოდეს და რატომ არის ეს მნიშვნელოვანი?
დიახ - თანამედროვე ხელოვნური ინტელექტის სისტემებს შეუძლიათ ისეთი შედეგების მიღება, რომლებიც დამაჯერებლად ჟღერს, მაშინაც კი, როდესაც ისინი არასწორია. სწორედ ამიტომ, პასუხისმგებლიანი გამოყენება ფოკუსირებულია საიმედოობაზე, გამჭვირვალობაზე, უსაფრთხოებაზე, მიკერძოებასა და ანგარიშვალდებულებაზე და არა მხოლოდ შესაძლებლობებზე. ისეთი მაღალი რისკის მქონე სფეროებისთვის, როგორიცაა დაქირავება, ჯანდაცვა, ფინანსები ან განათლება, მნიშვნელოვანია ადამიანური ზედამხედველობა, ტესტირება და მკაფიო პროცესი, რათა საჭიროების შემთხვევაში განიხილონ და გაასაჩივრონ გადაწყვეტილებები.
რა უნდა გავამახვილო ყურადღება მაღალი რისკის მქონე სიტუაციებში ხელოვნური ინტელექტის გამოყენებამდე?
დაიწყეთ ანგარიშვალდებულებით : დასახელებულმა ადამიანმა ან ორგანიზაციამ უნდა აიღოს პასუხისმგებლობა შედეგებსა და შეცდომებზე. შემდეგ შეამოწმეთ გამჭვირვალობა : ინსტრუმენტმა უნდა ახსნას, რას აკეთებს, რას არ აკეთებს და რა შეზღუდვები აქვს. აუდიტირებაც მნიშვნელოვანია - შეიძლება თუ არა გადაწყვეტილებების გადახედვა ან გასაჩივრება? და ბოლოს, მოძებნეთ შეფასებისა და რისკზე აზროვნების მტკიცებულებები, როგორიცაა დოკუმენტირებული შეცდომების მაჩვენებლები, მიკერძოების შემოწმება და მმართველობის პრაქტიკა.
ხელოვნური ინტელექტი „ადამიანივით აზროვნებს“ თუ უბრალოდ ინტელექტს ბაძავს?
ხელოვნური ინტელექტის უმეტესობა ყოველდღიური გაგებით არ „აზროვნებს“ ისე, როგორც ადამიანები. ის ამუშავებს ნიმუშებს და შეუძლია შეასრულოს დავალებები, რომლებიც ინტელექტუალურად გამოიყურება, განსაკუთრებით ენისა და აღქმის თვალსაზრისით, მაგრამ ეს არ არის იგივე, რაც ადამიანური გაგება. სწორედ ამიტომ რთულდება განმარტებები და სერიოზული დისკუსიები ფოკუსირებულია იმაზე, თუ რა ითვლება ინტელექტად, რას ნიშნავს განზოგადება და როგორ უნდა იქნას ხელოვნური ინტელექტის მუშაობის უსაფრთხო ინტერპრეტაცია პრაქტიკული გამოყენებისას.
ცნობები
[1] ენციკლოპედია ბრიტანიკა - ხელოვნური ინტელექტი (AI): განმარტება, ისტორია და ძირითადი მიდგომები - ხელოვნური ინტელექტი (AI) - ენციკლოპედია ბრიტანიკა
[2] სტენფორდის ფილოსოფიის ენციკლოპედია - ხელოვნური ინტელექტი: რა ითვლება ხელოვნურ ინტელექტად, ძირითადი კონცეფციები და ძირითადი ფილოსოფიური დებატები - ხელოვნური ინტელექტი - სტენფორდის ფილოსოფიის ენციკლოპედია
[3] NIST - ხელოვნური ინტელექტის რისკების მართვის ჩარჩო (AI RMF 1.0): მმართველობა, რისკი, გამჭვირვალობა, უსაფრთხოება და ანგარიშვალდებულება (PDF) - NIST ხელოვნური ინტელექტის რისკების მართვის ჩარჩო (AI RMF 1.0) PDF
[4] OECD.AI - OECD ხელოვნური ინტელექტის პრინციპები: სანდო ხელოვნური ინტელექტი, ადამიანის უფლებები და პასუხისმგებლიანი განვითარება და განლაგება - OECD ხელოვნური ინტელექტის პრინციპები - OECD.AI
[5] Google Developers - მანქანური სწავლების აჩქარებული კურსი: მანქანური სწავლების საფუძვლები, მოდელების ტრენინგი, შეფასება და ძირითადი ტერმინოლოგია - მანქანური სწავლების აჩქარებული კურსი - Google Developers