Petak, 29. ožujka 2024

desktop v4.2.1

Root NationНовиниIT vijestiNije sve što nazivamo AI zapravo umjetna inteligencija. Evo što trebate znati

Nije sve što nazivamo AI zapravo umjetna inteligencija. Evo što trebate znati

-

U kolovozu 1955. skupina znanstvenika podnijela je zahtjev za financiranje od 13 500 dolara za vođenje ljetnog seminara na Dartmouth Collegeu u New Hampshireu. Područje koje su predložili za istraživanje bila je umjetna inteligencija (AI). Iako je zahtjev za financiranje bio skroman, hipoteza istraživača nije bila: "Svaki aspekt učenja ili bilo koja druga značajka inteligencije može se, u načelu, opisati tako precizno da se može izgraditi stroj da ga oponaša."

Od tih skromnih početaka, filmovi i mediji romantizirali su AI ili ga prikazivali kao negativca. Međutim, za većinu ljudi AI je ostao samo predmet rasprave, a ne dio svjesnog životnog iskustva.

Nije sve što nazivamo AI zapravo umjetna inteligencija

Krajem prošlog mjeseca, AI u obliku ChatGPT se probio iz nagađanja znanstvene fantastike i istraživačkih laboratorija na stolna računala i telefone šire javnosti. Ovo je takozvani "generativni AI" - neočekivano inteligentno sročen upit može napisati esej ili napraviti recept i popis za kupovinu ili stvoriti pjesmu u stilu Elvisa Presleya.

Iako ChatGPT bio je najimpresivniji sudionik u godini generativnog uspjeha umjetne inteligencije, sustavi poput ovog pokazali su još veći potencijal za stvaranje novog sadržaja, a upute za pretvaranje teksta u sliku koriste se za stvaranje živopisnih slika koje su čak pobijedile na umjetničkim natjecanjima. AI možda još nema živuću svijest ili teoriju uma populariziranu u znanstvenofantastičnim filmovima i romanima, ali sve je bliže tome da barem poremeti ono što mislimo da sustavi umjetne inteligencije mogu učiniti.

Istraživači koji blisko surađuju s ovim sustavima padaju u nesvijest pred mogućnošću inteligencije, kao u slučaju Googleovog LaMDA Large Language Model (LLM). LLM je model koji je osposobljen za obradu i generiranje prirodnog jezika.

Generativna umjetna inteligencija također je izazvala zabrinutost zbog plagijata, iskorištavanja originalnog sadržaja koji se koristi za izradu modela, etike manipulacije informacijama i zlouporabe povjerenja, pa čak i "kraja programiranja".

Što AI zapravo znači?

U središtu svega je pitanje čija relevantnost raste od ljetnog seminara u Dartmouthu: Razlikuje li se umjetna inteligencija od ljudske inteligencije? Kako bi se smatrao umjetnom inteligencijom, sustav mora pokazati određenu razinu učenja i prilagodbe. Iz tog razloga, sustavi donošenja odluka, automatizacija i statistika nisu AI. Općenito govoreći, AI se dijeli u dvije kategorije: umjetna uska inteligencija (AI) i umjetna opća inteligencija (AI). Trenutno SHI ne postoji. Ključni izazov za izgradnju opće umjetne inteligencije je adekvatno modeliranje svijeta s cjelokupnim znanjem, na dosljedan i koristan način. Ovo je, blago rečeno, zadaća velikih razmjera.

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

Nije sve što nazivamo AI zapravo umjetna inteligencija

Neuronske mreže inspirirane su načinom na koji funkcionira ljudski mozak. Za razliku od većine modela strojnog učenja, koji izvode izračune na podacima za obuku, neuronske mreže rade tako da svaku podatkovnu točku unose redom kroz međusobno povezanu mrežu, prilagođavajući parametre svaki put. Kako sve više i više podataka prolazi kroz mrežu, parametri se stabiliziraju, što rezultira "uvježbanom" neuronskom mrežom koja zatim može proizvesti željeni rezultat na novim podacima - na primjer, prepoznavanje sadrži li slika mačku ili psa.

Značajan skok u razvoju umjetne inteligencije danas je posljedica tehnoloških poboljšanja u metodama učenja velikih neuronskih mreža, koje omogućuju podešavanje ogromnog broja parametara tijekom svakog rada zahvaljujući mogućnostima velikih infrastruktura računalstva u oblaku. Na primjer, GPT-3 (AI sustav koji pokreće ChatGPT) velika je neuronska mreža sa 175 milijardi parametara.

Što je potrebno za funkcioniranje umjetne inteligencije?

Umjetnoj inteligenciji potrebne su tri stvari za uspješan rad. Prvo, trebaju mu kvalitetni, objektivni podaci, i to mnogo. Istraživači koji grade neuronske mreže koriste velike nizove podataka koji su se pojavili zahvaljujući digitalizaciji društva.

Nadopunjujući ljudske programere, Co-Pilot svoje podatke crpi iz milijardi redaka koda koji se nalaze na GitHubu. ChatGPT i drugi veliki jezični modeli koriste milijarde web stranica i tekstualnih dokumenata pohranjenih na internetu.

Alati za pretvorbu teksta u sliku kao što su Stabilna difuzija, PLOČA-2 i Midjourney, koristite parove slika-tekst iz skupova podataka kao što je LAION-5B. Modeli umjetne inteligencije nastavit će se razvijati kako sve više digitaliziramo naše živote i hranimo ih alternativnim izvorima podataka, kao što su podaci o simulaciji ili podaci iz postavki igre kao što je Minecraft.

Nije sve što nazivamo AI zapravo umjetna inteligencija

AI također treba računalnu infrastrukturu za učinkovito osposobljavanje. Kako računala postaju sve moćnija, modeli koji sada zahtijevaju intenzivne napore i velike izračune mogli bi se u bliskoj budućnosti obrađivati ​​lokalno. Na primjer, model Stable Diffusion već se može pokrenuti na lokalnim računalima, a ne u okruženjima oblaka. Treća potreba za umjetnom inteligencijom su poboljšani modeli i algoritmi. Sustavi vođeni podacima nastavljaju brzo napredovati u područjima koja su se nekada smatrala domenom ljudske spoznaje.

Međutim, budući da se svijet oko nas neprestano mijenja, sustave umjetne inteligencije potrebno je neprestano usavršavati korištenjem novih podataka. Bez ovog važnog koraka, AI sustavi dat će odgovore koji su činjenično netočni ili ne uzimaju u obzir nove informacije koje su se pojavile otkad su obučeni.

Neuronske mreže nisu jedini pristup umjetnoj inteligenciji. Još jedan značajan kamp u istraživanju umjetne inteligencije je simbolička umjetna inteligencija – umjesto da probavlja goleme nizove podataka, ona se oslanja na pravila i znanje slično ljudskom procesu formiranja unutarnjih simboličkih prikaza određenih pojava.

Ali tijekom prošlog desetljeća, ravnoteža snaga se jako nagnula prema pristupima vođenim podacima, a "očevi utemeljitelji" modernog dubinskog učenja nedavno su nagrađeni Turingovom nagradom, ekvivalentom Nobelove nagrade za računalnu znanost.

Nije sve što nazivamo AI zapravo umjetna inteligencija

Podaci, izračuni i algoritmi čine osnovu buduće umjetne inteligencije. 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 donirati sredstva Oružanim snagama Ukrajine putem Savelife ili putem službene stranice NBU.

Prijavite se
Obavijesti o
gost

0 Komentari
Ugrađene recenzije
Pogledaj sve komentare
Ostali članci
Pretplatite se na ažuriranja

Nedavni komentari

Sada popularno
0
Sviđaju nam se vaša razmišljanja, komentirajte.x