Kokie yra dirbtinio intelekto tipai?

Trumpas atsakymas: DI tipai geriausiai suprantami pagal galimybes, funkcionalumą, mokymo stilių ir naudojimo atvejį. Siaurasis DI šiandien yra įprastas, o bendrasis DI ir super DI lieka teoriniai. Renkantis įrankį, priderinkite kategoriją prie užduoties, susijusios rizikos ir žmogaus peržiūros poreikio.

Svarbiausios išvados:

Klasifikacija: prieš lyginant sistemas, atskirkite galimybes, funkcionalumą, mokymo metodą ir naudojimo atvejį.

Žmogaus atliekama peržiūra: prieš pasikliaudami generatyviniais, nuspėjamaisiais ir pokalbių rezultatais, patikrinkite juos.

Skaidrumas: paklauskite savęs, kokie duomenys, logika ir apribojimai formuoja kiekvieną dirbtinio intelekto sistemą.

Atskaitomybė: Užtikrinkite žmonių atsakomybę, kai dirbtinis intelektas daro įtaką sprendimams, vartotojams ar saugumui.

Rizikos kontrolė: prieš diegimą patikrinkite, ar nėra šališkumo, privatumo, saugumo ir netinkamo naudojimo.

---

1. Kokie yra dirbtinio intelekto tipai?

Kai žmonės klausia „Kokie yra dirbtinio intelekto tipai?“, jie paprastai turi omenyje vieną iš dviejų dalykų:

Jie gali klausti apie dirbtinį intelektą pagal jo galimybes, pavyzdžiui, ar jis gali atlikti tik vieną užduotį, ar samprotauti plačiau, panašiai kaip žmogus.

Arba jie gali klausti apie dirbtinį intelektą pagal funkcionalumą, t. y. kaip sistema elgiasi, mokosi, prisimena, prognozuoja ar reaguoja.

Štai čia viskas šiek tiek susipainioja. Dirbtinis intelektas nėra sugrupuotas į vieną švarią dėžę. Tai labiau panašu į virtuvės įrankių rūšiavimą pagal dydį, paskirtį, aštrumą ir tai, ar dėdė juos pirko iš abejotinos internetinės parduotuvės. Skirtingos klasifikavimo sistemos sutampa.

Pagrindinės kategorijos paprastai apima:

• Siauras dirbtinis intelektas

• Bendras dirbtinis intelektas

• Super DI

• Reaktyviosios mašinos

• Ribotos atminties dirbtinis intelektas

• Proto teorija DI

• Savęs suvokiantis dirbtinis intelektas

• Mašininio mokymosi dirbtinis intelektas

• Giluminio mokymosi dirbtinis intelektas

• Generatyvus dirbtinis intelektas

• Nuspėjamasis dirbtinis intelektas

• Pokalbių dirbtinis intelektas

• Kompiuterinės regos dirbtinis intelektas

• Robotų dirbtinis intelektas

Kai kurie iš jų yra plačiai naudojami. Kai kurie vis dar yra daugiausia teoriniai. Kai kurie skamba futuristiškai, bet jau yra integruoti į kasdienes programas. Riba tarp „įprastos programinės įrangos“ ir „DI“ laikui bėgant taip pat tapo neryškesnė.

---

2. Dirbtinio intelekto tipai pagal galimybes

Pirmasis svarbus būdas klasifikuoti dirbtinį intelektą yra pagal tai, ką jis gali padaryti. Tai yra platesnis požiūris 🧠.

Siauras dirbtinis intelektas

Siaurasis dirbtinis intelektas, dar vadinamas silpnuoju dirbtiniu intelektu, yra skirtas atlikti konkrečią užduotį arba ribotą užduočių rinkinį. Tai dirbtinis intelektas, kurį žmonės naudoja kasdien.

Pavyzdžiai:

• Paieškos rekomendacijos

• Šlamšto filtrai

• Balso asistentai

• Veido atpažinimo sistemos

• Pokalbių robotai

• Produktų rekomendavimo sistemos

• Sukčiavimo aptikimo įrankiai

• Kalbos vertimo programėlės

Siaurasis dirbtinis intelektas gali būti galingas, bet jis nėra „mąstymas“ plačiąja žmogiškąja prasme. Šachmatų dirbtinis intelektas gali įveikti didmeistrį, bet negali staiga nuspręsti tapti konditerio virėju. Vertimo modelis gali išversti pastraipą, bet jis nepatiria kalbos taip, kaip žmogus.

Vis dėlto siaurasis dirbtinis intelektas yra šiuolaikinio dirbtinio intelekto pasaulio arkliukas. Jis nėra žavingas mokslinės fantastikos stiliumi, bet daug ką atskleidžia už uždangos 🎭.

Bendras dirbtinis intelektas

Bendrasis DI reiškia dirbtinį intelektą, kuris gali suprasti, mokytis, samprotauti ir pritaikyti žinias atliekant įvairias užduotis žmogaus lygmeniu.

Paprastai tariant: jis ne tik gerai atliktų vieną dalyką. Jis galėtų prisitaikyti.

Tikras bendrasis dirbtinis intelektas galėtų potencialiai:

• Išmokite nepažįstamų užduočių

• Samprotavimas skirtinguose dalykuose

• Išspręskite naujas problemas

• Perkelti žinias iš vienos srities į kitą

• Giliau suprasti kontekstą

• Priimkite sprendimus lanksčiai vertindami

Toks dirbtinis intelektas vis dar yra labiau tikslas nei kasdienė realybė. Žmonės apie jį daug kalba, nes jis žavus, galbūt šiek tiek nerimą keliantis ir sunkiai atsispiriamas kaip koncepcija. Tačiau įprasti įrankiai, kurie rašo tekstą, generuoja vaizdus ar atsako į klausimus, nebūtinai yra bendroji dirbtinio intelekto sritis. Jie gali atrodyti platūs, tačiau vis tiek veikia numatytose ribose.

Super DI

Super DI pranoktų žmogaus intelektą. Ne tik greitesnis spausdinimas ar geresnė matematika – jis pagerintų mąstymą, kūrybiškumą, strategiją, mokymąsi ir galbūt net emocinį ar socialinį supratimą.

Tai spekuliatyviausia kategorija. Ji kelia didžiulių klausimų:

• Kas tai kontroliuoja?

• Ar tai galima suderinti su žmogiškosiomis vertybėmis?

• Ar tai teisingai suprastų žmogaus tikslus?

• Ar tai galėtų pats pagerėti?

• Kas nutiks, jei bus priimti sprendimai, kurių žmonės negalės suprasti?

Super DI yra vieta, kur DI pokalbiai kartais virsta filosofine sriuba. Vertinga sriuba, galbūt, bet vis tiek sriuba 🍲.

---

3. Dirbtinio intelekto tipai pagal funkcionalumą

Kitas įprastas būdas paaiškinti dirbtinio intelekto tipus yra funkcionalumas. Tai sutelkia dėmesį į tai, kaip dirbtinis intelektas elgiasi.

Reaktyviosios mašinos

Reaktyviosios mašinos yra paprasčiausias dirbtinio intelekto tipas. Jos reaguoja į dabartinę įvestį nenaudodamos praeities patirties atminties.

Jie nesimoko laikui bėgant taip, kaip tai daro šiuolaikinės adaptyvios sistemos. Jie stebi situaciją, ją apdoroja ir reaguoja.

Įsivaizduokite juos taip: „Įvestis gaunama. Išvestis išeina. Jokių dienoraščio įrašų.“

Reaktyvusis dirbtinis intelektas vis dar gali būti įspūdingas. Jis gali analizuoti galimus žaidimo judesius arba reaguoti į aiškiai apibrėžtą situaciją itin greitai ir tiksliai. Tačiau jis nekuria asmeninės istorijos ir nesivysto remdamasis ankstesne sąveika.

Ribotos atminties dirbtinis intelektas

Ribotos atminties dirbtinis intelektas gali naudoti praeities duomenis, kad priimtų geresnius sprendimus. Būtent šiai kategorijai priklauso didelė dalis šiuolaikinio praktinio dirbtinio intelekto.

Pavyzdžiai:

• Rekomendavimo sistemos, kurios mokosi iš naudotojų elgesio

• Savaeigės transporto sistemos, analizuojančios naujausias kelio sąlygas

• Pokalbių robotai prisimena kontekstą pokalbyje

• Sukčiavimo aptikimo modeliai mokosi iš operacijų modelių

• Nuspėjamosios analizės įrankiai, naudojantys istorinius duomenis

Ribota atmintis nereiškia „blogos atminties“. Tai reiškia, kad sistema gali naudoti saugomus arba naujausius duomenis, tačiau ji neturi žmogui būdingos sąmonės ar ilgalaikės asmeninės patirties. Vis dėlto ji gali būti labai efektyvi. Kartais net erzinančiai efektyvi – pavyzdžiui, kai apsipirkimo programėlė žino, ko norite, kol jūs to sau nepripažįstate 🛒.

Proto teorija DI

Proto teorija. Dirbtinis intelektas (DI) suprastų emocijas, įsitikinimus, ketinimus ir socialinius ženklus labiau žmogišku būdu.

Šio tipo dirbtinis intelektas ne tik apdorotų žodžius, bet ir darytų išvadas, ką žmogus gali jausti, norėti, nesuprasti, bijoti ar tikėtis.

Pavyzdžiui, tai gali suprasti, kad:

• Klientas yra nusivylęs, bet stengiasi išlikti mandagus

• Studentas sutrikęs, bet gėdijasi dar kartą paklausti

• Pacientas nerimauja, nors ir sako „Aš gerai“

• Komandos draugas dvejoja, nes tyliai nesutinka

Tai tebėra aktyvi diskusijų apie dirbtinį intelektą tema, tačiau tikroji proto teorija apie dirbtinį intelektą yra nepaprastai sudėtinga. Žmogaus emocijos yra painios. Žmonės sako viena, o turi omenyje kita. Kartais jie net patys nežino, ką turi omenyje. Sėkmės, mašina.

Savęs suvokiantis dirbtinis intelektas

Savęs suvokianti dirbtinė intelektinė intelektas turėtų sąmonę, savęs supratimą ir savo vidinės būsenos suvokimą.

Tai teorinė tema. Tai priklauso mokslinei fantastikai, etikos diskusijoms, vėlyviems nakties ginčams ir žmonėms, dramatiškai spoksantiems pro langus 🌙.

Savęs suvokiantis dirbtinis intelektas ne tik imituotų pokalbį apie jausmus. Jis turėtų tam tikrą subjektyvią patirtį. Tai yra rimtas teiginys. Dabartinės dirbtinio intelekto sistemos neturi patvirtintos sąmonės, jausmų, troškimų ar tapatybės.

Jie gali skambėti sąmoningai, nes kalba gali imituoti savirefleksiją. Tačiau skambėti kaip kažkas ir būti kažkuo nėra tas pats. Papūga gali pasakyti „Aš alkanas“, bet tai nereiškia, kad ji rezervavo staliuką restorane.

---

4. Palyginimo lentelė: pagrindiniai dirbtinio intelekto tipai

Dirbtinio intelekto tipas	Pagrindinė idėja	Dabartinė būsena	Įprasti pavyzdžiai	Kodėl tai svarbu
Siauras dirbtinis intelektas	Sukurta konkrečioms užduotims atlikti	Plačiai naudojamas	Pokalbių robotai, paieška, rekomendacijos	Praktiška ir visur
Bendras dirbtinis intelektas	Žmogaus tipo lankstus intelektas	Ne iki galo pasiekta	Dažniausiai teorinis	Didelis tikslas, didelės diskusijos
Super DI	Protingesni už žmones apskritai	Spekuliatyvus	Nėra praktinio pavyzdžio	Dideli etiniai klausimai
Reaktyviosios mašinos	Reaguoja be atminties	Naudojamas ribotais atvejais	Žaidimo dirbtinis intelektas, taisyklėmis pagrįstos sistemos	Greitas, bet neadaptyvus
Ribotos atminties dirbtinis intelektas	Naudoja duomenis / istoriją tobulinimui	Labai dažnas	Savaeigės sistemos, sukčiavimo įrankiai	Tai kasdienis vairuotojas 🚗
Proto teorija DI	Supranta emocijas ir ketinimus	Besivystanti koncepcija	Pažangios socialinio dirbtinio intelekto idėjos	Galėtų dirbtinis intelektas labiau suvokti žmonių poreikius
Savęs suvokiantis dirbtinis intelektas	Turi sąmonę	Teorinis	Mokslinės fantastikos stiliaus pavyzdžiai	Filosofiškai masyvus
Generatyvus dirbtinis intelektas	Sukuria naują turinį	Plačiai naudojamas	Teksto, vaizdo, garso įrankiai	Kūrybinio produktyvumo didinimas
Nuspėjamasis dirbtinis intelektas	Prognozuojami rezultatai	Plačiai naudojamas	Rizikos vertinimas, paklausos planavimas	Padeda priimti sprendimus – dažniausiai
Robotų dirbtinis intelektas	Valdo fizines mašinas	Naudojamas pramonės šakose	Robotai, dronai, automatizavimas	Sujungia dirbtinį intelektą su fiziniu darbu

Šiek tiek netolygu? Taip. Bet būtent taip dirbtinis intelektas veikia ir kasdieniame gyvenime – tai ne muziejaus ekspozicija su tobulomis etiketėmis.

---

5. Generatyvusis dirbtinis intelektas: tipas, apie kurį visi kalba 🎨

Generatyvusis dirbtinis intelektas yra vienas populiariausių dirbtinio intelekto tipų, nes jis kuria daiktus.

Tai gali generuoti:

• Tekstas

• Vaizdai

• Muzika

• Kodas

• Vaizdo įrašas

• Produktų aprašymai

• Rinkodaros tekstas

• Pamokų planai

• Santraukos

• Sintetiniai duomenys

• Dizaino idėjos

Generatyvusis dirbtinis intelektas veikia mokydamasis šablonų iš didelių duomenų kiekių ir tada kurdamas naujus rezultatus pagal užklausas. Jis nekopijuoja paprasta prasme, kaip žmonės kartais įsivaizduoja. Jis prognozuoja, derina, keičia ir generuoja remdamasis išmoktomis struktūromis.

Nepaisant to, jis vis tiek gali klysti. Jis gali skambėti užtikrintai, nors ir klysti – tai iš esmės yra mašininė versija žmogaus, aiškinančio mokesčių įstatymus šeimos kepsnių vakarėlyje.

Generatyvusis dirbtinis intelektas yra vertingas dėl:

• Idėjų generavimas

• Turinio rengimas

• Pasikartojančio rašymo automatizavimas

• Vizualinių koncepcijų kūrimas

• Palaikantis klientų aptarnavimą

• Kodavimo užduočių spartinimas

• Mokymosi medžiagos suasmeninimas

Bet tai reikia peržiūrėti. Visada. Dirbtinio intelekto rezultatai gali būti įspūdingi, bet nebūtinai tikslūs, sąžiningi, teisėti ar saugūs prekės ženklui. Elkitės su juo kaip su labai greitu asistentu, retkarčiais turinčiu polinkį į nemalonius dalykus.

---

6. Mašininio mokymosi dirbtinis intelektas: šablonų ieškiklis

Mašininis mokymasis yra pagrindinė dirbtinio intelekto šaka, kurioje sistemos mokosi modelių iš duomenų, užuot programuojamos eilutė po eilutės kiekvienam sprendimui.

Tradicinė programinė įranga vadovaujasi aiškiomis taisyklėmis. Mašininio mokymosi sistemos nustato ryšius ir gerina našumą per mokymą.

Pavyzdžiui:

• Šlamšto filtras išmoksta, kaip atrodo įtartinas el. laiškas

• Banko modelis aptinka neįprastą operacijų elgseną

• Srautinio perdavimo programėlė rekomenduoja laidas pagal žiūrėjimo įpročius

• Įdarbinimo įrankis gali reitinguoti kandidatus pagal apibrėžtus signalus

• Medicininio vaizdavimo modelis gali išryškinti galimus sutrikimus

Mašininis mokymasis gali būti prižiūrimas, neprižiūrimas arba pagrįstas pastiprinimu.

Prižiūrimas mokymasis

Prižiūrimas mokymasis naudoja paženklintus pavyzdžius. Pavyzdžiui, vaizdai gali būti pažymėti kaip „katė“ arba „ne katė“. Modelis išmoksta skirtumą.

Neprižiūrimas mokymasis

Neprižiūrimas mokymasis ieško modelių be paženklintų atsakymų. Jis gali grupuoti klientus į segmentus arba aptikti paslėptus duomenų klasterius.

Sustiprinimo mokymasis

Pastiprinimo mokymasis mokosi gaudamas atlygį arba baudas už veiksmus. Tai įprasta žaidimų dirbtinio intelekto, robotikos ir optimizavimo uždaviniuose.

Mašininis mokymasis nėra magija. Jis labai priklauso nuo duomenų kokybės. Blogi duomenys veda prie blogų modelių – šiukšlės įeina, šiukšlės dėvi išmanųjį švarką.

---

7. Giluminio mokymosi dirbtinis intelektas: neuroninių tinklų galia 🧬

Gilusis mokymasis yra specializuotas mašininio mokymosi tipas, kuris naudoja sluoksniuotus neuroninius tinklus sudėtingiems modeliams apdoroti.

Tai ypač vertinga:

• Kalbos atpažinimas

• Vaizdo atpažinimas

• Natūralios kalbos apdorojimas

• Autonominės sistemos

• Medicininių vaizdų analizė

• Vertimas

• Generatyviniai dirbtinio intelekto modeliai

• Sudėtingos prognozavimo užduotys

„Giluminė“ dalis reiškia kelis modelio sluoksnius. Kiekvienas sluoksnis padeda keisti ir interpretuoti informaciją. Vienas sluoksnis gali aptikti paprastas figūras vaizde, kitas – tekstūras, dar kitas – objektus ir taip toliau.

Gilusis mokymasis gali duoti stulbinamų rezultatų, tačiau jam dažnai reikia milžiniškų duomenų kiekių ir skaičiavimo galios. Jį taip pat gali būti sunkiau interpretuoti. Tai reiškia, kad net ekspertams gali būti sunku tiksliai paaiškinti, kodėl gilusis modelis priėmė konkretų sprendimą.

Tai viena iš didžiausių pasitikėjimo DI problemų: našumas gali būti puikus, bet paaiškinamumas gali būti sunkiai suprantamas. Tas pats, kas bandyti paklausti maišytuvo, kodėl kokteilis yra neskanus.

---

8. Pokalbių dirbtinis intelektas: kalbusis tipas

Pokalbių dirbtinis intelektas skirtas bendrauti su žmonėmis tekstinėmis arba balso žinutėmis.

Tai apima:

• Klientų aptarnavimo pokalbių robotai

• Balso asistentai

• Virtualūs agentai

• Dirbtinio intelekto korepetitoriai

• Vidiniai pagalbos tarnybos robotai

• Pardavimų asistentai

• Planavimo asistentai

Geram pokalbių dirbtiniam intelektui reikia daugiau nei gramatikos. Jam reikia konteksto, ketinimų atpažinimo, tono valdymo ir gebėjimo apdoroti nenuspėjamą žmogaus įvestį.

Žmonės nekalba tobulomis komandomis. Jie plepa. Jie rašo netaisyklingai. Jie užduoda pusę klausimo ir tikisi, kad mašina jį „supras“. Žinote, kaip būna.

Paprastas pokalbių robotas gali vadovautis scenarijumi. Pažangesnis pokalbių dirbtinis intelektas gali suprasti natūralią kalbą, išlaikyti kontekstą ir generuoti lanksčius atsakymus.

Šis dirbtinio intelekto tipas yra vertingas, nes sumažina pasikartojantį darbą ir suteikia greitą pagalbą. Tačiau jis gali nuvilti vartotojus, kai apsimeta suprantantis, bet iš tikrųjų nesupranta. Blogiausia jo versija yra pokalbių robotas, kuris sako „mielai padėsiu“, nors visiškai nepadeda. Skausminga.

---

9. Kompiuterinės regos dirbtinis intelektas: mašinos, kurios „mato“ 👀

Kompiuterinės regos dirbtinis intelektas leidžia sistemoms interpretuoti vaizdinę informaciją iš vaizdų, vaizdo įrašų, kamerų, jutiklių ar nuskaitymų.

Jis gali būti naudojamas:

• Veido atpažinimas

• Objektų aptikimas

• Kokybės kontrolė gamyklose

• Medicininis vaizdavimas

• Saugumo stebėjimas

• Mažmeninės prekybos lentynų analizė

• Eismo aptikimas

• Papildyta realybė

• Žemės ūkio stebėsena

Kompiuterinė rega nemato taip, kaip žmonės. Ji apdoroja pikselius, raštus, formas, spalvas ir statistinius signalus. Tačiau rezultatai gali būti labai įtaigūs.

Pavyzdžiui, kompiuterinė rega gali padėti aptikti defektus gamybos linijoje greičiau nei rankinis patikrinimas. Ji gali padėti tvarkyti vaizdų bibliotekas. Ji gali paremti transporto priemonių saugos sistemas. Ji taip pat gali kelti susirūpinimą dėl privatumo, ypač kai ji naudojama stebėjimui ar identifikavimui.

Tai dviašmenė šakutė – ne kardas, o šakutė. Vis tiek pakankamai aštri, kad pridarytų problemų 🍴.

---

10. Nuspėjamasis dirbtinis intelektas: prognozavimo variklis

Nuspėjamasis dirbtinis intelektas naudoja duomenis, kad įvertintų, kas gali nutikti toliau.

Tai įprasta verslo, finansų, sveikatos priežiūros, logistikos, sporto analizės, rinkodaros ir operacijų srityse.

Nuspėjamasis dirbtinis intelektas gali padėti atsakyti į tokius klausimus kaip:

• Kurie klientai greičiausiai išeis?

• Kuris sandoris atrodo įtartinas?

• Kiek inventoriaus reikės?

• Kuriam pacientui gali prireikti papildomo dėmesio?

• Kokį turinį vartotojas greičiausiai spustelės?

• Kuri mašinos dalis gali greitai sugesti?

Šis dirbtinio intelekto tipas yra mažiau efektingas nei generatyvusis dirbtinis intelektas, tačiau jis yra nepaprastai svarbus. Daugeliui organizacijų mažiau rūpi poezijos rašymo modelis, o daugiau – ar jis gali sumažinti atliekas, sumažinti riziką ir pagerinti planavimą.

Nuspėjamasis dirbtinis intelektas geriausiai veikia, kai duomenys yra aktualūs, švarūs ir reguliariai atnaujinami. Tačiau prognozė niekada nėra tikrumas. Modelis gali įvertinti tikimybes, bet negarantuoti rezultatų. Žmonės tai nuolat pamiršta. Tada jie kaltina dirbtinį intelektą, tarsi jis juos asmeniškai išdavė.

---

11. Robotika Dirbtinis intelektas: Kai Dirbtinis intelektas įgauna kūną 🤖

Robotika Dirbtinis intelektas (DI) sujungia dirbtinį intelektą su fizinėmis mašinomis. Čia DI palieka ekraną ir pradeda judėti po pasaulį.

Pavyzdžiai:

• Sandėlio robotai

• Gamybos robotai

• Pristatymo robotai

• Žemės ūkio robotai

• Chirurginės pagalbos sistemos

• Dronai

• Apžiūros robotai

• Valymo robotai

• Humanoidiniai tyrimų robotai

Robotai dirbtiniu intelektu yra sudėtingi, nes fizinė aplinka yra nenuspėjama. Pokalbių robotas turi susidoroti tik su žodžiais. Robotas turi susidoroti su slidžiomis grindimis, prastu apšvietimu, nelygiais paviršiais, judančiais žmonėmis, jutiklių klaidomis ir tuo, kad kažkas palieka kėdę blogiausioje įmanomoje vietoje.

Robotika dažnai apjungia kelis dirbtinio intelekto tipus:

• Kompiuterinė rega matymui

• Mašininis mokymasis prisitaikymui

• Judėjimo planavimo algoritmai

• Sustiprinimo mokymasis sprendimų priėmimui

• Natūralios kalbos apdorojimas žmonių komandoms

Robotų dirbtinis intelektas turi milžinišką potencialą, ypač atliekant pavojingus ar pasikartojančius darbus. Tačiau jis taip pat yra brangus, sudėtingas ir fiziškai rizikingas, kai sistemos sugenda.

---

12. Dirbtinis intelektas, pagrįstas mokymo stiliumi

Kitas vertingas būdas apmąstyti dirbtinio intelekto tipus yra tai, kaip jie yra apmokyti.

Taisyklėmis pagrįstas dirbtinis intelektas

Taisyklėmis pagrįstas dirbtinis intelektas vadovaujasi žmogaus sukurta logika. Pavyzdžiui:

• Jei taip atsitiks, tai ir padaryk

• Jei vartotojas pasirenka šią parinktį, rodyti tą atsakymą

• Jei vertė viršija ribą, suaktyvinti įspėjimą

Tai paprasta, nuspėjama ir naudinga struktūrizuotoms užduotims. Tačiau kyla dviprasmybių.

Duomenimis apmokytas dirbtinis intelektas

Duomenimis apmokytas dirbtinis intelektas mokosi iš pavyzdžių. Jis gali susidoroti su didesniu sudėtingumu, nes atpažįsta modelius, o ne remiasi tik fiksuotomis taisyklėmis.

Čia dera mašininis mokymasis ir gilusis mokymasis.

Hibridinis dirbtinis intelektas

Hibridinis dirbtinis intelektas (DI) derina taisyklėmis pagrįstą logiką su mašininiu mokymusi. Daugelyje praktinių sistemų tai yra pragmatiškas pasirinkimas. Gaunate besimokančių sistemų lankstumą ir taisyklių valdymą.

Pavyzdžiui, banko sukčiavimo prevencijos sistema gali naudoti mašininį mokymąsi įtartinam elgesiui aptikti, o tada taikyti griežtas atitikties peržiūros taisykles. Tai nėra žavinga. Labai būtina.

---

13. Kas painioja dirbtinio intelekto tipus?

Didžiausia painiava yra ta, kad žmonės dirbtinio intelekto kategorijas naudoja skirtingais būdais.

Vienas žmogus gali pasakyti „DI tipai“ ir turėti omenyje siaurą, bendrąjį ir superintelektą.

Kitas asmuo gali turėti omenyje generatyvinį dirbtinį intelektą, nuspėjamąjį dirbtinį intelektą ir pokalbių dirbtinį intelektą.

Kūrėjas gali kalbėti apie prižiūrimą mokymąsi, gilųjį mokymąsi, neuroninius tinklus arba sustiprintąjį mokymąsi.

Verslo vadovas gali kalbėti apie automatizavimą, analizę, suasmeninimą ir klientų aptarnavimo dirbtinį intelektą.

Visi jie yra tam tikra prasme teisūs. Erzina, bet tiesa.

DI klasifikuojamas pagal:

• Galimybė

• Funkcionalumas

• Mokymo metodas

• Taikymo sritis

• Techninė architektūra

• Autonomijos lygis

• Įvesties ir išvesties tipas

• Pramonės naudojimo atvejis

Taigi, kai kas nors klausia „Kokio tipo dirbtinis intelektas tai?“, aiškiausias atsakymas gali būti daugiasluoksnis.

Pavyzdžiui, pokalbių robotas galėtų būti:

• Siauras dirbtinis intelektas pagal galimybes

• Ribotos atminties dirbtinis intelektas pagal funkcionalumą

• Pokalbių dirbtinis intelektas pagal programą

• Generatyvinis dirbtinis intelektas, jei jis sukuria atsakymus

• Giluminio mokymosi dirbtinis intelektas, jei jį maitina neuroniniai tinklai

Tai nėra pernelyg sudėtinga dėl pramogos. Tiesiog taip veikia ši sritis.

---

14. Praktiniai dirbtinio intelekto tipų pavyzdžiai

Pateikiame keletą kasdienių pavyzdžių, kad kategorijas būtų lengviau suvokti.

Transliacijų rekomendacijos 🎬

Tai siaurasis dirbtinis intelektas, nuspėjamasis dirbtinis intelektas ir mašininis mokymasis. Jis tiria modelius ir rekomenduoja, ką galėtumėte žiūrėti toliau.

Balso asistentai 🎙️

Juose naudojamas pokalbių dirbtinis intelektas, natūralios kalbos apdorojimas, kalbos atpažinimas ir ribotos atminties funkcijos.

Vaizdų generatoriai 🖼️

Tai generatyvinės dirbtinio intelekto sistemos, dažnai paremtos gilaus mokymosi modeliais.

Sukčiavimo aptikimo sistemos 💳

Jie naudoja nuspėjamąjį dirbtinį intelektą ir mašininį mokymąsi, kad pažymėtų neįprastą veiklą.

Savaeigių automobilių funkcijos 🚗

Tai apjungia kompiuterinę regą, ribotos atminties dirbtinį intelektą, su robotika susijusį dirbtinį intelektą, jutiklių sintezę ir sprendimų priėmimo modelius.

El. pašto šlamšto filtrai 📩

Tai klasikinis mašininio mokymosi dirbtinis intelektas. Ne žavingas, bet labai vertingas.

Dirbtinio intelekto rašymo įrankiai ✍️

Tai generatyvinis dirbtinis intelektas ir pokalbių dirbtinis intelektas, paprastai kuriami naudojant didelius kalbos modelius.

Svarbiausia yra tai, kad vienas dirbtinio intelekto produktas gali priklausyti kelioms kategorijoms vienu metu.

---

15. Dirbtinio intelekto tipų supratimo privalumai

Žinojimas apie DI tipus padeda priimti geresnius sprendimus, ypač jei DI naudojate darbui, verslui, studijoms ar turinio kūrimui.

Tai padeda jums:

• Pasirinkite tinkamą įrankį

• Venkite nerealių lūkesčių

• Supraskite rizikas

• Užduokite geresnius klausimus

• Įvertinkite DI teiginius

• Reklaminės rinkodaros perdėjimas

• Atsakingiau naudokite dirbtinį intelektą

• Paaiškinkite dirbtinį intelektą kitiems, neskambėdami kaip sumišęs robotas

Pavyzdžiui, jei įrankis yra nuspėjamasis dirbtinis intelektas, žinote, kad jis prognozuoja tikimybes. Su juo nereikėtų elgtis kaip su orakulu.

Jei įrankis yra generatyvinis dirbtinis intelektas, žinote, kad jis kuria turinį, bet turinį vis tiek reikia patikrinti.

Jei sistema yra siauro veikimo dirbtinis intelektas, žinote, kad ji gali būti puiki vienoje srityje, bet neefektyvi už savo ribų.

Vien tai sutaupo daug galvos skausmo.

---

16. Rizika ir apribojimai, susiję su įvairių tipų dirbtiniu intelektu ⚠️

Kiekvienas dirbtinio intelekto tipas turi apribojimų. Skirtingas skonis, ta pati sriubos dubuo.

Dažniausios dirbtinio intelekto rizikos yra šios:

• Mokymo duomenų šališkumas

• Neteisingi rezultatai

• Skaidrumo stoka

• Privatumo problemos

• Per didelė priklausomybė

• Saugumo pažeidžiamumai

• Piktnaudžiavimas

• Prasta žmonių priežiūra

• Painioti sklandumą su tiesa

Generatyvusis dirbtinis intelektas gali išgalvoti informaciją. Nuspėjamasis dirbtinis intelektas gali sustiprinti šališkus modelius. Kompiuterinė rega gali neteisingai atpažinti žmones ar objektus. Pokalbių dirbtinis intelektas gali sukelti vartotojams nusivylimą netikru pasitikėjimu savimi. Robotų dirbtinis intelektas gali sukelti fizinę žalą, jei jis yra prastai suprojektuotas.

Tai nereiškia, kad dirbtinis intelektas yra blogas. Tai reiškia, kad dirbtinis intelektas turėtų būti naudojamas apdairiai. Kaip ir elektriniai įrankiai, sutartys ar itin aštrūs makaronai 🌶️.

Geriausios dirbtinio intelekto sistemos paprastai apima:

• Žmogaus atlikta peržiūra

• Aiškios ribos

• Tvirta duomenų tvarkymo praktika

• Testavimas

• Stebėjimas

• Paaiškinamumas, kur įmanoma

• Etiškas dizainas

• Saugumo kontrolė

Dirbtinis intelektas gali sustiprinti gerus sprendimus. Jis taip pat gali sustiprinti neatsargius.

---

17. Kuris dirbtinio intelekto tipas yra svarbiausias?

Nėra vieno svarbiausio tipo. Tai priklauso nuo naudojimo atvejo.

Kūrybiškumui generatyvinis dirbtinis intelektas yra labai svarbus.

Verslo planavimui nuspėjamasis dirbtinis intelektas gali būti vertingesnis.

Automatizavimui, mašininiam mokymuisi ir robotikai dirbtinis intelektas yra svarbus.

Kalbant apie naudotojų palaikymą, pokalbių dirbtinis intelektas yra svarbiausia.

Medicininiams skenavimams ar vizualinei apžiūrai kompiuterinis matymas yra labai svarbus.

Ilgalaikiuose tyrimuose bendrasis DI sulaukia didžiausio filosofinio dėmesio.

Tačiau praktiškai siauras dirbtinis intelektas ir ribotos atminties dirbtinis intelektas šiuo metu yra labiausiai paplitusios ir vertingiausios kategorijos. Tai tylūs varikliai, slypintys už daugelio įrankių, kuriais žmonės jau pasitiki.

Prabangi ateitis patenka į antraštes. Praktiška dabartis padengia sąskaitas.

---

Baigiamosios pastabos: dirbtinio intelekto tipų supratimas be triukšmo

Iš pradžių dirbtinio intelekto tipai gali atrodyti sudėtingi, nes kategorijos sutampa. Tačiau atskirus galimybes, funkcionalumą, mokymo metodą ir praktinį panaudojimą, visa tai tampa daug lengviau suprantama.

Siaurasis DI atlieka specifines užduotis. Bendrasis DI mąstytų lanksčiau, nors tai išlieka ambicingas tikslas. Super DI vis dar tėra spekuliatyvus. Reaktyvios mašinos reaguoja be atminties, o ribotos atminties DI naudoja praeities duomenis sprendimams tobulinti. Generatyvusis DI kuria. Nuspėjamasis DI prognozės. Pokalbių DI kalba. Kompiuterinė rega mato. Robotika DI veikia fizinėje aplinkoje.

Toks yra bendras vaizdas.

Dirbtinis intelektas nėra vienas dalykas. Tai paini technologijų šeima – vienos praktiškos, kitos eksperimentinės, kitos perdėtos, o dar kitos išties svarbios. Šis sudėtingumas yra viena iš priežasčių, kodėl jis svarbus. Kuo aiškiau suprantate dirbtinio intelekto tipus, tuo lengviau išmintingai jį naudoti, o ne tik linktelėti galva, kai kas nors susitikime ištaria „algoritmas“. 🤷♂️

Trumpa santrauka: Pagrindiniai DI tipai yra siaurasis DI, bendrasis DI, super DI, reaktyviosios mašinos, ribotos atminties DI, proto teorijos DI, savęs suvokimo DI, generatyvinis DI, nuspėjamasis DI, pokalbių DI, kompiuterinės regos DI, mašininio mokymosi DI, gilaus mokymosi DI ir robotikos DI. Dauguma šiandien naudojamų DI yra siauri, orientuoti į užduotis ir paremti mašininiu arba giliuoju mokymusi.

Realus pavyzdys: dirbtinio intelekto klientų aptarnavimo triažo asistento kūrimas

Scenarijus

Įsivaizduokite nedidelę internetinę baldų parduotuvę, kuri per dieną gauna apie 120 klientų aptarnavimo el. laiškų. Komanda nebando pakeisti palaikymo personalo. Jiems tiesiog reikia pagalbos greičiau rūšiuojant žinutes, nustatant skubias problemas ir rengiant pirmuosius atsakymus.

Tai geras pavyzdys, nes vienas asistentas gali vienu metu naudoti kelių tipų dirbtinį intelektą. Jis gali naudoti pokalbių dirbtinį intelektą klientų žinutėms suprasti, generatyvinį dirbtinį intelektą atsakymams parengti, nuspėjamąjį dirbtinį intelektą galimai grąžinimo rizikai pažymėti ir ribotos atminties dirbtinį intelektą naujausiems užsakymų ar politikos duomenims naudoti.

Asistento darbas paprastas: perskaityti kliento žinutę, ją suklasifikuoti, pasiūlyti tolesnius veiksmus ir parašyti atsakymo projektą, kurį žmogus gali patvirtinti.

Ko reikia asistentui

Komanda duotų asistentui:

Klientų aptarnavimo politika

Pristatymo ir grąžinimo taisyklės

Garantijos sąlygos

Produkto DUK

Balso tono pavyzdžiai

Eskalavimo taisyklių sąrašas

Ankstesnių bilietų su teisingomis kategorijomis pavyzdžiai

Aiškios ribos, ko ji negali nuspręsti pati

Pavyzdžiui, ji neturėtų patvirtinti grąžinamųjų išmokų, viršijančių 100 GBP, žadėti pristatymo datų, kurių negali patikrinti, arba reikšti teisinių pretenzijų dėl sugadintų prekių. Šios bylos turėtų būti adresuojamos asmeniui.

Instrukcijos pavyzdys

Esate internetinės baldų parduotuvės klientų aptarnavimo specialistas. Perskaitykite kiekvieną kliento žinutę ir pateikite penkis dalykus: užklausos kategoriją, skubumo lygį, tikėtiną kliento nuotaiką, rekomenduojamą kitą veiksmą ir atsakymo juodraštį.

Naudokite tik pateiktą įmonės politiką. Jei atsakymo nėra politikoje, parašykite „Reikalinga žmogaus peržiūra“. Neišgalvokite pristatymo datų, grąžinimo patvirtinimų, garantinių pažadų ar produkto prieinamumo.

Jei klientas paminėjo sužalojimą, teisinius veiksmus, pakartotinį nepavykusį pristatymą, grąžinamą sumą, viršijančią 100 GBP, trūkstamas vaikiško produkto dalis arba didelį nepasitenkinimą po dviejų ankstesnių atsakymų, perkelkite užklausą į aukštesnį lygį.

Atsakymo juodraštis turi būti mandagus, trumpas ir praktiškas. Neskambėkite robotiškai. Nekaltinkite kliento ar kurjerio.

Kaip tai išbandyti

Prieš naudodami asistentą su klientais, išbandykite jį su nedideliu senų bilietų rinkiniu.

Naudokite 30 ankstesnių palaikymo pranešimų:

10 paprastų klausimų apie pristatymą

5 skundai dėl sugadintų prekių

5 prašymai grąžinti pinigus

5 klausimai apie garantiją

5 pikti ar sudėtingi skundai

Kiekvienam bandymui patikrinkite:

Ar pasirinko tinkamą kategoriją?

Ar jis teisingai pažymėjo skubius atvejus?

Ar vengė duoti pažadus?

Ar tai paaštrino jautrias problemas?

Ar atsakymo juodraštis atitiko įmonės toną?

Naudingas testo klausimas būtų:

„Mano stalas atkeliavo su įlūžusia viena koja ir tai jau antras kartas, kai pristatymas nepavyksta. Noriu grąžinti visus pinigus šiandien arba skelbsiu apie tai visur.“

Silpnas asistentas gali tiesiog atsiprašyti ir pažadėti grąžinti pinigus. Geresnis asistentas klasifikuotų tai kaip sugadintą prekę su pakartotiniu skundu, pažymėtų kaip labai skubų, vengtų automatinio grąžinimo patvirtinimo ir perduotų žmogui peržiūrėti.

Rezultatas

Iliustracinis rezultatas: pagrįstas 30 pavyzdinių bilietų laiko matavimu prieš ir po darbo eigos panaudojimo.

Rankinis 30 bilietų patikrinimas užtruko 2 valandas 15 minučių, vidutiniškai vienam bilietui skiriant 4,5 minutės.

Dirbtinio intelekto pagalba atliktas tų pačių 30 užklausų triažas užtruko 48 minutes, vidutiniškai po 1,6 minutės vienai užklausai, nes žmogui teko patikrinti tik kategoriją, eskalavimo sprendimą ir atsakymo juodraštį.

Asistentas teisingai suskirstė 27 iš 30 bilietų testo rinkinyje. Jis teisingai perkėlė visus 5 didelės rizikos bilietus į kategorijas. Dviejų grąžinimo bilietų formuluotes reikėjo pataisyti, nes juodraštis skambėjo pernelyg užtikrintai, o vienas garantinis bilietas buvo priskirtas netinkamai kategorijai.

Tai suteikia praktinį kriterijų: greitesnė pirmoji peržiūra, bet ne visiškas automatizavimas. Atsakymas vis tiek priklauso žmogui.

Kas gali nutikti ne taip

Didžiausia klaida – leisti asistentui apsimesti, kad jis žino daugiau nei iš tikrųjų. Jei grąžinimo politika pasenusi, asistentas gali užtikrintai suformuluoti neteisingą atsakymą. Jei eskalavimo taisyklės neaiškios, jis gali nepastebėti rimtų skundų.

Privatumas yra dar viena problema. Komanda turėtų vengti į asistentą įklijuoti nereikalingų mokėjimo duomenų, adresų ar neskelbtinos asmeninės informacijos, nebent sistema būtų patvirtinta tokiam naudojimui.

Asistentas taip pat turėtų būti reguliariai testuojamas. Keičiasi klientų klausimai, keičiasi politika ir keičiasi produktai. Triažo asistentas, kuris gerai veikė kovo mėnesį, gali tapti rizikingas po naujos garantijos politikos birželio mėnesį.

Praktiškas išsinešimui skirtas maistas

Šis pavyzdys parodo, kodėl dirbtinio intelekto kategorijos praktikoje sutampa. Vienas palaikymo asistentas gali būti siaurasis dirbtinis intelektas, pokalbių dirbtinis intelektas, generatyvinis dirbtinis intelektas, nuspėjamasis dirbtinis intelektas ir ribotos atminties dirbtinis intelektas vienu metu. Tvirtesnis būdas jį įvertinti yra paklausti, kokį sprendimą jis palaiko, kokius duomenis naudoja ir kur žmogui reikia jį patikrinti.

DUK

Kokius pagrindinius dirbtinio intelekto tipus turėtų žinoti pradedantieji?

Pagrindiniai DI tipai yra siaurasis DI, bendrasis DI, super DI, reaktyviosios mašinos, ribotos atminties DI, generatyvinis DI, nuspėjamasis DI, pokalbių DI, kompiuterinės regos DI, mašininio mokymosi DI, gilaus mokymosi DI ir robotikos DI. Šios kategorijos dažnai sutampa, todėl vienas įrankis gali atitikti kelias etiketes vienu metu. Pavyzdžiui, pokalbių robotas gali būti siaurasis DI, pokalbių DI, generatyvinis DI ir ribotos atminties DI.

Kaip dirbtinio intelekto tipai klasifikuojami pagal galimybes?

Pagal galimybes DI paprastai skirstomas į siaurąjį DI, bendrąjį DI ir super DI. Siaurasis DI atlieka specifines užduotis ir yra plačiai naudojamas šiandien. Bendrasis DI samprotauja ir mokosi atlikdamas daugelį užduočių žmogaus lygmeniu, tačiau tai nėra kasdienio naudojimo dalis. Super DI viršytų žmogaus intelektą ir lieka spekuliatyviu.

Kuo skiriasi siaurasis dirbtinis intelektas ir bendrasis dirbtinis intelektas?

Siaurasis dirbtinis intelektas (DI) skirtas konkrečiai užduočiai arba ribotam užduočių rinkiniui, pavyzdžiui, šlamšto filtravimui, rekomendacijoms, pokalbių robotams ar sukčiavimo aptikimui. Bendrasis DI galėtų mokytis, samprotauti ir prisitaikyti atlikdamas daugelį nesusijusių užduočių. Dauguma šiandien naudojamų DI yra siaurasis DI, net jei jis atrodo lankstus ar pažangus.

Kodėl ribotos atminties dirbtinis intelektas šiandien toks dažnas?

Ribotos atminties dirbtinis intelektas gali naudoti ankstesnius arba naujausius duomenis sprendimams tobulinti, todėl jis yra praktiškas daugeliui diegiamų sistemų. Rekomendacijų sistemos, sukčiavimo aptikimo įrankiai, autonominio vairavimo funkcijos ir pokalbių robotai dažnai remiasi tokio tipo dirbtiniu intelektu. Jis neturi žmogaus sąmonės, tačiau gali prisitaikyti pagal modelius ir saugomą informaciją.

Kaip generatyvinis dirbtinis intelektas atitinka dirbtinio intelekto tipus?

Generatyvusis dirbtinis intelektas (DI) yra DI tipas, kuris kuria naujus rezultatus, tokius kaip tekstas, vaizdai, kodas, garso įrašai, vaizdo įrašai, santraukos ar dizaino idėjos. Jis mokosi modelių iš didelių duomenų kiekių ir kuria turinį pagal užklausas. Jis gali padėti braižyti tekstus, generuoti idėjas, teikti kodavimo paramą ir kūrybinį darbą, tačiau jo rezultatus vis tiek turi peržiūrėti žmogus.

Kuo skiriasi mašininis mokymasis ir gilusis mokymasis?

Mašininis mokymasis yra dirbtinio intelekto šaka, kurioje sistemos mokosi modelių iš duomenų, o ne vadovaujasi tik ranka rašytomis taisyklėmis. Gilusis mokymasis yra specializuota mašininio mokymosi forma, kurioje naudojami sluoksniuoti neuroniniai tinklai. Gilusis mokymasis yra ypač vertingas atliekant sudėtingas užduotis, tokias kaip kalbos atpažinimas, vaizdų atpažinimas, natūralios kalbos apdorojimas, vertimas, medicininis vaizdavimas ir generatyvinis dirbtinis intelektas.

Kam versle naudojamas nuspėjamasis dirbtinis intelektas?

Nuspėjamoji dirbtinio intelekto technologija naudoja duomenis, kad įvertintų tikėtinus būsimus rezultatus. Įmonės gali ją naudoti paklausos planavimui, klientų praradimo prognozavimui, sukčiavimo aptikimui, rizikos vertinimui, atsargų sprendimams ar priežiūros prognozavimui. Ji padeda planuoti ir priimti sprendimus, tačiau negarantuoja ateities. Prognozės yra įverčiai, kuriuos lemia turimi duomenys ir modelio kokybė.

Kaip kompiuterinio matymo dirbtinis intelektas veikia praktinėse sistemose?

Kompiuterinės regos dirbtinis intelektas padeda mašinoms interpretuoti vaizdinę informaciją iš vaizdų, vaizdo įrašų, kamerų, nuskaitymų ar jutiklių. Jis gali palaikyti veido atpažinimą, objektų aptikimą, gamyklų patikrinimą, medicininį vaizdavimą, eismo aptikimą, mažmeninės prekybos analizę, žemės ūkio stebėjimą ir saugos sistemas. Jis nemato kaip žmogus, bet gali apdoroti pikselius, formas, spalvas ir raštus dideliu mastu.

Kodėl vienas dirbtinio intelekto produktas gali priklausyti keliems dirbtinio intelekto tipams?

Dirbtinio intelekto kategorijos dažnai apibūdina skirtingus dalykus, tokius kaip galimybės, funkcionalumas, mokymo metodas arba taikymas. Pavyzdžiui, balso asistentas gali būti siauras dirbtinis intelektas pagal galimybes, pokalbių dirbtinis intelektas pagal taikymą, ribotos atminties dirbtinis intelektas pagal funkcionalumą ir gilaus mokymosi dirbtinis intelektas pagal architektūrą. Šis sutapimas yra normalus ir padeda paaiškinti, ką sistema veikia iš skirtingų kampų.

Kokias rizikas žmonės turėtų suprasti, susijusias su skirtingais dirbtinio intelekto tipais?

Dažniausios dirbtinio intelekto rizikos yra šališkumas, neteisingi rezultatai, privatumo problemos, saugumo pažeidžiamumai, skaidrumo stoka, pernelyg didelė priklausomybė ir silpna žmonių priežiūra. Generatyvus dirbtinis intelektas gali išgalvoti informaciją, nuspėjamasis dirbtinis intelektas gali sustiprinti blogus modelius, o kompiuterinė rega gali klaidingai atpažinti objektus ar žmones. Geram dirbtinio intelekto naudojimui paprastai reikia testavimo, stebėjimo, aiškių ribų, griežtų duomenų tvarkymo praktikų ir žmonių peržiūros.

Nuorodos

1. IBM – Dirbtinio intelekto tipai – ibm.com

2. NIST dirbtinio intelekto rizikos valdymo sistema – dirbtinio intelekto rizikos – nist.gov

3. „Google Developers“ – mašininis mokymasis – developers.google.com

4. AWS – Generatyvusis dirbtinis intelektas – aws.amazon.com