ИИ безусловно вокруг нас, это ключ к диджитализации мира, Microsoft собрал 10 ключевых терминов ИИ (https://news.microsoft.com/10-ai-terms/), предлагаю вашему вниманию дословный перевод и инфографику.
Термин Искусственные Интеллект (ИИ) используется в компьютерных науках (информатики) с 1950го года, но большинство людей вне индустрии не говорили об ИИ до конца 2022 года. А случилось это благодаря достижениям машинного обучения, которые привели к прорыву, оказавшему огромное влияние почти на каждый аспект жизни. Давайте рассмотрим определения «модных словечек» из области ИИ, чтобы лучше понимать предметную область и быть полноценными участниками глобального обсуждения.
Искусственный интеллект
Простыми словами ИИ – это очень умный компьютер, который может в некотором роде имитировать человека, например, понимать, что человек говорит, принимать решения, переводить с языка на язык, анализировать является ли что-то позитивным или негативным, и даже учиться на своем опыте. «Искусственность» определяет тем, что «интеллект» был создан руками людей с использованием технологий. Иногда люди говорят, что у ИИ цифровые мозги, но ИИ это не физическая машина или робот – это программа, выполняемая на компьютере. Работает ИИ через обработку колоссального количества данных алгоритмами, представляющими собой набор инструкций, чтобы создать модели автоматизации задач, которые обычно выполняются людьми. Иногда люди напрямую вовлекают ИИ (например, спросить какой-нибудь чат-бот помочь), но чаще ИИ работает в фоновом режиме вокруг нас, предлагая слова, которые мы печатаем, рекомендуя песни к прослушиванию, вообще определяя перечень рекомендаций основываясь на наших предпочтениях.
Машинное обучение
Если ИИ – это цель, то машинное обучение – это то, как мы ее достигаем. Это раздел информатики под зонтиком ИИ, в котором люди учат компьютерные системы делать что-либо через обучение определению паттернов и прогнозированию на их основе. Данные пропускают через алгоритмы раз за разом, меняя входные параметры и давая обратную связь каждый раз, чтобы помочь системе обучится в тренировочном процессе – например, практиковать фортепьянные гаммы 10 миллионов раз, чтобы в будущем читать музыку с листа. Это особенно полезно при решении проблем труднорешаемых с помощью традиционных техник программирования, например, распознавание изображений и перевод языков. Для этого необходимо огромное количество данных и мы только в последние годы смогли двигаться в этом направлении, после того, как больше информации стало оцифровано, компьютерное железо стало быстрее, меньше, мощнее и в состоянии обработать такой объем информации. Именно поэтому большие языковые модели, которые используют машинное обучение, такие как Bing Chat и ChatGPT – внезапно появились «на сцене».
Большие языковые модели
Большие языковые модели (LLM), используют техники машинного обучения, чтобы обрабатывать речь и имитировать общение людей. Они основаны на нейронных сетях (NN), компьютерными системами вдохновленными человеческим мозгом – взаимодействие узлов симулирующих нейроны и синапсы. Такие системы обучают на огромном количестве текста, чтобы изучить шаблоны и взаимодействия в языке и понять, как использовать человеческие слова. Их способность решать проблемы используют для перевода, ответа на вопросы в виде чат-бота, делать выжимку из текста, и даже писать истории, поэмы и компьютерный код. У них нет мыслей и чувств, но иногда выглядит как будто есть, потому что они изучают шаблоны и могут отвечать так, как это делал бы человек. Используя обучение с подкреплением на основе отзывов людей (RLHF), разработчики натаскивают модели до более разговорного звучания.
Генеративный ИИ
Генеративный ИИ использует мощь больших языковых моделей для создания новых вещей, не просто за счет механического повторения или предоставления информации об уже существующем. Он изучает шаблоны и структуры, а затем генерирует что-то похожее, но все-таки новое. Генеративный ИИ может создавать картинки, музыку, тексты, видео и код. Его можно использовать для создания искусства, придумывания историй, дизайна продуктов и даже для помощи докторам в части административных задач. Но есть и вторая сторона, его может использовать злоумышленник для создания фальшивых новостей и изображений, которые выглядят фотографиями, но нереальны. Поэтому технологические компании работают над способами однозначной идентификации контента, созданного ИИ.
Галлюцинации
Генеративные ИИ системы могут создавать истории, поэмы и песни, но иногда мы хотим, чтобы результаты были основаны на правде. Т.к. такие системы не могут отличить реальность от фальши, они могут давать неточные ответы, которые разработчики относят к галлюцинациям, более аккуратный термин – фальсификация, например, если кто-то увидел на луне что-то похожее на лицо, а затем начал говорить, что там точно был человек. Разработчики пытаются разрешить такие спорные вопросы с помощью «заземления», заключающегося в предоставлении ИИ системе дополнительной информации из доверенного источника, что позволяет повысить точность по определенной теме. Иногда предсказания системы неверны, если ей не предоставили обновленную информацию после того, как обучили.
Ответственный ИИ
Ответственный ИИ направляет людей в процессе дизайна безопасных и честных систем – на каждом уровне, включая машинную обучающую модель, ПО, интерфейс пользователя и правила и ограничения для доступа к приложению. Это ключевой элемент, т.к. такие системы часто выполняют задачи помощи в принятии важных решений о людях, например образовании или здоровье, но т.к. они созданы людьми и обучены на данных неидеального мира, они могут отражать наследственные предубеждения. Большая часть ответственного ИИ включает понимание данных, которые использовались для тренировки системы и поиска путей снижения недостатков, чтобы лучше отражать общество в общем, а не только отдельные группы людей.
Мультимодальные модели
Мультимодальная модель может работать с разными типами (или состояниями) данных одновременно. Она может смотреть на картины, слушать звуки и читать слова. Это убер многозадачник! Модель может комбинировать всю информацию, например для того, чтобы отвечать на вопросы об изображениях.
Промпты (инструкции-запросы)
Промпт – это инструкция, вводимая в систему (в виде текста, изображения или кода), которая говорит ИИ какую задачу выполнить. Инженеры – да и вообще все мы, кто взаимодействует с ИИ системами – должны осторожно формулировать промты, чтобы получить желаемый результат от больших языковых моделей. Это похоже на заказ сендвича в Сабвее. Вы не просто просите бутерброд, вы определяете какой хлеб использовать, тип и количество специй, овощей, сыра и мяса, чтобы получить блюдо, которое для вас будет вкусным и питательным.
Копилоты
Копилот как персональный ассистент, который работает рядом с вами во всех цифровых приложениях, помогая с написанием, кодированием, суммированием и поиском. Может помочь с принятием решений и пониманием большого количества данных. Последние разработки в области больших языковых моделей сделали копилоты возможными, позволив им понимать обычную человеческую речь и предоставлять ответы, создавать контент или действовать в процессе вашей работы с разными компьютерными программами. Копилоты создают с направляющими от Ответственного ИИ, дабы обеспечить безопасность и использование с добрыми намерениями. Как и автопилот в самолете, копилот не ответственен, ответственность вся на ВАС, однако копилот - это инструмент повышения продуктивности и эффективности.
Плагины
Плагины похоже на приложения, который мы устанавливаем на свой телефон. Они покрывают специфичные потребности, которые могут возникнуть, помогая ИИ делать больше без необходимости модификации модели, лежащей в основе. Плагины позволяют копилотам взаимодействовать с другими программами и сервисами. Они могут помогать ИИ получать новую информацию, делать сложные вычисления или общаться с другими программами. Они делают ИИ системы более мощными, соединяя их с остальным цифровым миром.
Следите за новостями на сайте: https://news.microsoft.com/source/topics/ai/
Инфографику можно найти вот тут: https://disk.yandex.ru/i/xRtcT6m8QMgzew
Со всеми терминами вы были знакомы? И часто ли сталкиваетесь в работе?
