Petak, 29

desktop v4.2.1

Root NationVijestiIT vijestiNije sve što nazivamo AI zapravo umjetna inteligencija. Evo šta treba da znate

Nije sve što nazivamo AI zapravo umjetna inteligencija. Evo šta treba da znate

-

U avgustu 1955. grupa naučnika je podnijela zahtjev za finansiranje od 13 dolara za održavanje ljetnog seminara na Dartmouth koledžu, New Hampshire. Polje koje su predložili da istraže bila je umjetna inteligencija (AI). Iako je zahtjev za finansiranjem bio skroman, hipoteza istraživača nije bila: "Svaki aspekt učenja ili bilo koje drugo svojstvo inteligencije može se, u principu, opisati tako precizno da se može napraviti mašina koja će ga oponašati."

Od ovih skromnih početaka, filmovi i mediji su romantizirali AI ili ga prikazivali kao negativca. Međutim, za većinu ljudi, umjetna inteligencija je ostala samo pitanje rasprave, a ne dio svjesnog životnog iskustva.

Nije sve što nazivamo AI zapravo umjetna inteligencija

Krajem prošlog mjeseca, AI u obliku Chat GPT je izbio iz naučnofantastičnih spekulacija i istraživačkih laboratorija i na desktope i telefone široke javnosti. Ovo je takozvana "generativna AI" - neočekivano inteligentno sročena naredba može napisati esej ili napraviti recept i listu za kupovinu, ili stvoriti pjesmu u stilu Elvisa Prisleya.

Mada Chat GPT je bio najimpresivniji učesnik u godini generativnog uspjeha AI, sistemi poput ovog pokazali su još veći potencijal za kreiranje novog sadržaja, a upute za pretvaranje teksta u sliku se koriste za stvaranje živopisnih slika koje su čak pobjeđivale na umjetničkim takmičenjima. AI možda još nema živu svijest ili teoriju uma populariziranu u naučnofantastičnim filmovima i romanima, ali sve je bliže tome da barem poremeti ono što mislimo da sistemi umjetne inteligencije mogu učiniti.

Istraživači koji blisko sarađuju s ovim sistemima pada u nesvijest od perspektive inteligencije, kao u slučaju Googleovog LaMDA Large Language Modela (LLM). LLM je model koji je obučen za obradu i generiranje prirodnog jezika.

Generativna AI je također izazvala zabrinutost zbog plagijata, eksploatacije originalnog sadržaja koji se koristi za izgradnju modela, etike manipulacije informacijama i zloupotrebe povjerenja, pa čak i „kraja programiranja“.

Šta zapravo AI znači?

U središtu svega ovoga je pitanje čija relevantnost raste još od ljetnog seminara u Dartmouthu: Da li se AI razlikuje od ljudske inteligencije? Da bi se smatrao AI, sistem mora pokazati određeni nivo učenja i prilagođavanja. Iz tog razloga, sistemi za donošenje odluka, automatizacija i statistički sistemi nisu AI. Uopšteno govoreći, AI je podeljen u dve kategorije: veštačka uska inteligencija (AI) i veštačka opšta inteligencija (AI). Trenutno, SHI ne postoji. Ključni izazov za izgradnju opšte veštačke inteligencije je adekvatno modeliranje sveta sa celokupnim znanjem, na dosledan i koristan način. Ovo je, najblaže rečeno, zadatak velikih razmera.

Većina onoga što danas poznajemo kao AI ima usku inteligenciju – gdje određeni sistem rješava određeni problem. Za razliku od ljudske inteligencije, takva uska AI inteligencija je efikasna samo u domeni u kojoj je obučena: kao što je otkrivanje prevare, prepoznavanje lica ili društvene preporuke. I AI će funkcionirati na isti način kao i osoba. Trenutno, najistaknutiji primjer pokušaja da se to postigne je korištenje neuronskih mreža i dubokog učenja obučenog na ogromnim količinama podataka.

Nije sve što nazivamo AI zapravo umjetna inteligencija

Neuronske mreže su inspirisane načinom na koji ljudski mozak radi. Za razliku od većine modela mašinskog učenja, koji izvode proračune na osnovu podataka o obuci, neuronske mreže rade tako što unose svaku tačku podataka redom kroz međusobno povezanu mrežu, prilagođavajući parametre svaki put. Kako se sve više i više podataka unosi kroz mrežu, parametri se stabiliziraju, što rezultira "uvježbanom" neuronskom mrežom koja zatim može proizvesti željeni izlaz na novim podacima - na primjer, prepoznajući da li slika sadrži mačku ili psa.

Značajan iskorak u razvoju umjetne inteligencije danas je posljedica tehnoloških poboljšanja metoda učenja velikih neuronskih mreža, koje omogućavaju prilagođavanje ogromnog broja parametara tokom svakog pokretanja zahvaljujući mogućnostima velikih cloud computing infrastruktura. Na primjer, GPT-3 (AI sistem koji pokreće ChatGPT) je velika neuronska mreža sa 175 milijardi parametara.

Šta je potrebno da bi umjetna inteligencija funkcionirala?

Vještačkoj inteligenciji su potrebne tri stvari da bi uspešno radila. Prvo, trebaju mu kvalitetni, objektivni podaci, i to dosta. Istraživači koji grade neuronske mreže koriste velike nizove podataka koji su se pojavili zahvaljujući digitalizaciji društva.

Dopunjujući ljudske programere, Co-Pilot crpi svoje podatke iz milijardi linija koda koji se nalaze na GitHubu. ChatGPT i drugi veliki jezički modeli koriste milijarde web stranica i tekstualnih dokumenata pohranjenih na Internetu.

Alati za konverziju teksta u sliku kao što su stabilna difuzija, PLOČA-2 i Midjourney, koristite parove slika-tekst iz skupova podataka kao što je LAION-5B. AI modeli će nastaviti da se razvijaju kako digitalizujemo sve više naših života i hranimo ih alternativnim izvorima podataka, kao što su podaci simulacije ili podaci iz postavki igre kao što je Minecraft.

Nije sve što nazivamo AI zapravo umjetna inteligencija

AI takođe treba računarsku infrastrukturu da bi se efikasno obučavala. Kako računari postaju moćniji, modeli koji sada zahtijevaju intenzivne napore i velike proračune mogu se u bliskoj budućnosti obraditi lokalno. Na primjer, model stabilne difuzije se već može pokrenuti na lokalnim računalima, a ne u oblaku. Treća potreba za AI su poboljšani modeli i algoritmi. Sistemi vođeni podacima nastavljaju da brzo napreduju u oblastima koje su se nekada smatrale domenom ljudske spoznaje.

Međutim, budući da se svijet oko nas konstantno mijenja, AI sisteme je potrebno stalno obučavati koristeći nove podatke. Bez ovog važnog koraka, AI sistemi će dati odgovore koji su činjenično netačni ili ne uzimaju u obzir nove informacije koje su se pojavile otkako su obučeni.

Neuronske mreže nisu jedini pristup AI. Još jedan značajan kamp u istraživanju umjetne inteligencije je simbolička AI – umjesto da probavlja ogromne nizove podataka, ona se oslanja na pravila i znanje slično ljudskom procesu formiranja unutrašnjih simboličkih reprezentacija određenih pojava.

Ali tokom protekle decenije, odnos snaga se snažno nagnuo prema pristupima zasnovanim na podacima, a "očevi osnivači" modernog dubokog učenja nedavno su nagrađeni Turingovom nagradom, što je ekvivalent Nobelovoj nagradi za kompjuterske nauke.

Nije sve što nazivamo AI zapravo umjetna inteligencija

Podaci, proračuni i algoritmi čine osnovu buduće AI. Svi pokazatelji ukazuju na brz napredak u sve tri kategorije u doglednoj budućnosti.

Možete pomoći Ukrajini u borbi protiv ruskih osvajača. Najbolji način da to učinite je da donirate sredstva Oružanim snagama Ukrajine putem Savelife ili preko službene stranice NBU.

Prijaviti se
Obavijesti o
gost

0 Komentari
Embedded Reviews
Pogledaj sve komentare
Ostali članci
Pretplatite se na ažuriranja

Nedavni komentari

Popularno sada
0
Sviđaju nam se vaše misli, molim vas komentarišite.x