Жасанды интеллект өздігінен үйрене ала ма? [Бейне және викторина]

Қысқаша жауап: Жасанды интеллект шектеулі техникалық шектеулер шеңберінде үйрене алады: ол үлгілерді анықтай алады, кері байланыс арқылы жақсарта алады және сол мақсатқа арналған жүйелердің ішінде бейімделе алады. Бірақ мақсаттар, деректер, сыйақылар немесе қорғаныс шаралары дұрыс таңдалмаған кезде, ол ауытқып, зиянды үлгілерді көбейтіп немесе дұрыс емес нәрсеге оңтайландыра алады.

Негізгі тұжырымдар: Есеп беру: Модель мақсаттары, шектеулері, орналастыруы және мониторингі үшін нақты адам иелерін тағайындаңыз.

Келісім: Пайдаланушы деректерін, әсіресе жүйелер тікелей өзара әрекеттесуден жаңартылған кезде қорғаңыз.

Ашықтық: Жасанды интеллект неден үйренетінін және оның нәтижелерін қандай шекаралар қалыптастыратынын түсіндіріңіз.

Бәсекелестік: Адамдарға шешімдерге, қателіктерге, бейтараптыққа немесе зиянды нәтижелерге қарсы тұрудың нақты жолдарын беріңіз.

Аудиттелуі: Дрифт, марапаттарды бұзу, құпиялылықтың бұзылуы және қауіпсіз емес автоматизацияны үнемі тексеріп отырыңыз.

1. «Жасанды интеллект өздігінен үйрене ала ма?» деген нені білдіреді? 🤔

Адамдар «Жасанды интеллект өздігінен үйрене ала ма?» деп сұрағанда , олар әдетте бірнеше нәрсенің бірін білдіреді:

• Адам әрбір ережені қолмен бағдарламаламай, жасанды интеллект жақсара ала ма?

• Жасанды интеллект шикі деректерден өзін-өзі үйрете ала ма?

• Жасанды интеллект адамдар нақты көрсетпеген үлгілерді анықтай ала ма?

• Жасанды интеллект орналастырылғаннан кейін бейімделе ала ма?

• Жасанды интеллект уақыт өте келе әлеммен өзара әрекеттесу арқылы ақылды бола ала ма?

Бұлар байланысты, бірақ бірдей емес.

Дәстүрлі бағдарламалық жасақтама тікелей нұсқауларды орындайды. Әзірлеуші ​​келесідей ережелерді жазады:

• Егер пайдаланушы осы түймені басса, сол бетті ашыңыз.

• Егер құпия сөз қате болса, қатені көрсетіңіз.

• Егер температура шектен асып кетсе, дабыл қосыңыз.

Жасанды интеллект басқаша. Адамдар оған әрбір ережені берудің орнына, көбінесе деректерді, мақсаттарды, архитектураны және оқыту әдістерін береді. Содан кейін жасанды интеллект мысалдардан үлгілерді үйренеді. Бұл тәуелсіз оқу сияқты көрінуі мүмкін, себебі жүйе әрбір жауапқа бір реттік жауап бермейді.

Бірақ мұнда бір қиындық бар. Әрқашан құрылым болады. Оқу процесінің айналасында әрқашан адам жасаған қандай да бір контейнер болады. Жасанды интеллект сол контейнердің ішінде өздігінен үлгілерді үйренуі мүмкін, бірақ контейнердің өзі өте маңызды. Тыныштықпен айтқанда, сиқырдың көп бөлігі мен тәуекелдің көп бөлігі осында жатыр.

2. «Жасанды интеллект өздігінен үйрене ала ма?» деген сұраққа не жақсы түсініктеме береді? ✅

«Жасанды интеллект өздігінен үйрене ала ма?» тақырыбын жақсы түсіндіру үшін театрды механикадан бөліп көрсету қажет.

Нақты жауап келесі мәселелерді анық көрсетуі керек:

• Жасанды интеллект адамдар әрбір ережені жазбай-ақ деректерден үйрене алады

• Жасанды интеллект әдетте адамдарға мақсаттарды, оқыту әдістерін, шектеулерді және бағалауды анықтауды қажет етеді.

• Кейбір жасанды интеллект жүйелері кері байланыс циклдары арқылы жақсартылуы мүмкін.

• «Оқу» сана, өзін-өзі басқару немесе адами түсінік дегенді білдірмейді.

• Жасанды интеллект тәуелсіз болып көрінуі мүмкін, бірақ оның дизайны әлі де қатты әсер етеді.

Жасанды интеллектті құлыпталған кітапханадағы өте қабілетті оқушы ретінде елестетіңіз 📚. Ол оқи, салыстыра, болжауға және жаттығуға қабілетті. Тіпті сізді байланыстармен таң қалдыруы мүмкін. Бірақ біреу кітапхананы салып, кітаптарды таңдап, есіктерді құлыптап, емтихан тапсырып, жақсы жауап болып саналатынын шешті.

Бұл мінсіз метафора емес - ол аздап дірілдейді - бірақ жиһазды дұрыс бөлмеге орналастырады.

3. Салыстыру кестесі: Жасанды интеллект бойынша оқыту түрлері 🧩

Негізгі қорытынды: Жасанды интеллект көптеген жолдармен үйрене алады, бірақ «өз бетінше» әдетте адамның ықпалының болмауын емес, тікелей нұсқаулықтың аз болуын білдіреді .

4. Жасанды интеллект нақты бағдарламаланбай-ақ деректерден қалай үйренеді 📊

Көптеген жасанды интеллект оқытуының негізінде үлгіні тану.

Мыңдаған немесе миллиондаған мысалдарды көрсететін жасанды интеллект туралы елестетіп көріңізші. Мысықтарды тануға үйретілген модель адам жазған ережеден басталмайды: «Мысықтың мұрты, үшбұрышты құлақтары, драмалық эмоционалдық шекаралары бар және үстелдерден кеселерді құлатуы мүмкін». 🐈

Оның орнына, жүйе көптеген кескіндерді өңдейді және мысықтардың қай кескіндерде екенін болжау жақсырақ болғанша ішкі параметрлерді реттейді. Ол мысықтарды сіз сияқты түсінбейді. Ол мысықтардың мүлікке зиян келтіру қабілеті бар кішкентай барқыт тирандар екенін білмейді. Ол статистикалық заңдылықтарды үйренеді.

Міне, кілт: жасанды интеллектті оқыту әдетте математикалық түзету болып табылады.

Жүйе болжам жасайды. Ол сол болжамды мақсатты немесе кері байланыс сигналымен салыстырады. Содан кейін болашақтағы қателерді азайту үшін ішкі параметрлерін жаңартады. Терең оқытуда бұл параметрлер өте көп параметрлерді қамтуы мүмкін .Оларды кішкентай реттелетін тұтқалар деп ойлауға болады, дегенмен бұл метафора аздап ебедейсіз, себебі олардың саны миллиардтаған болуы мүмкін және ешкім соншалықты көп тұтқасы бар тостерді қаламайды.

Міне, сондықтан жасанды интеллект өз бетінше үйреніп жатқандай көрінуі мүмкін. Әзірлеуші ​​оған әрбір үлгіні қолмен айтпайды. Модель оқыту кезінде пайдалы қарым-қатынастарды анықтайды.

Бірақ оқу процесі әлі де жобаланған. Адамдар мыналарды таңдайды:

• Модель архитектурасы

• Оқыту деректері

• Мақсатты функция

• Бағалау әдісі

• Қауіпсіздік шекаралары

• Орналастыру ортасы

Иә, жасанды интеллект нақты бағдарламаланбай-ақ үлгілерді үйрене алады. Бірақ жоқ, ол таза өзін-өзі басқаратын даналық тоғанында еркін қалқып жүрмейді.

5. Жасанды интеллект өзін-өзі үйрете ала ма? Өзін-өзі басқару арқылы оқытудың түсіндірмесі 🧠

Өзін-өзі бақылау арқылы оқыту - қазіргі заманғы жасанды интеллекттің соншалықты күшті болуының бір себебі.

Бақылаудағы оқытуда адамдар деректерді белгілейді. Мысалы, суретке «ит», «көлік» немесе «банан» деп жазуға болады. Бұл жақсы жұмыс істейді, бірақ үлкен көлемдегі деректерді белгілеу баяу және қымбатқа түседі.

Өзін-өзі басқаратын оқыту әлдеқайда шебер. Жасанды интеллект деректердің өзінен оқу тапсырмасын жасайды. Мысалы, тілдік модель жетіспейтін сөздерді немесе мәтіннің келесі бөлігін болжау. Кескін моделі кескіннің жетіспейтін бөліктерін болжау немесе бір нысанның әртүрлі көріністерін салыстыру арқылы үйренуі мүмкін.

Ешкім әрбір бөлшекті белгілеуге міндетті емес. Деректер өзіндік оқыту сигналын береді.

«Жасанды интеллект өз бетінше үйрене ала ма?» деген сұраққа жауаптың біржақты «жоқ» болмауының бір себебі осы. Өзін-өзі басқаратын оқытуда ЖС шикі ақпараттан үлкен көлемде құрылым ала алады. Ол грамматикалық үлгілерді, визуалды қатынастарды, семантикалық ассоциацияларды және тіпті таңқаларлық абстракцияларды үйрене алады.

Бірақ тағы да айтамын, жасанды интеллект өз мақсатын таңдамайды. Ол «Бүгін мен иронияны түсінемін» деп ойлап отырған жоқ. Ол жаттығу мақсатын оңтайландырады. Кейде бұл әсерлі мінез-құлыққа әкеледі. Кейде сенімді шаш қиюмен сандырақ пайда болады.

Өзін-өзі бақылау арқылы оқыту өте тиімді, себебі әлем белгіленбеген деректерге толы. Мәтін, суреттер, аудио, бейне, сенсорлық журналдар - мұның бәрінде үлгілер бар. Жасанды интеллект адамдар әрбір бөлікті белгілемей-ақ сол үлгілерден үйрене алады.

Иә, бұл оқу. Бірақ бұл ниетпен бірдей емес.

6. Күшейтілген оқыту: Сынақ және қателік арқылы жасанды интеллект бойынша оқыту 🎮

Күшейтілген оқыту көптеген адамдардың «Жасанды интеллект өздігінен үйрене ала ма?» деген сұрағына ең жақын нәрсе болуы мүмкін.

Нығайту оқуында жасанды интеллект агенті ортада әрекеттер жасайды және марапаттар немесе жазалар алады. Уақыт өте келе ол қай әрекеттердің жақсы нәтижелерге әкелетінін біледі.

Бұл көбінесе мыналарда қолданылады:

• Ойын жүйелері

• Робототехника

• Ресурстарды оңтайландыру

• Ұсыныс стратегиялары

• Модельденген жаттығу орталары

• Автономды жоспарлаудың кейбір түрлері

Қарапайым мысал: ойындағы жасанды интеллект әртүрлі қимылдарды жасап көреді. Егер бір қимыл оған жеңіске жетуге көмектессе, ол марапатталады. Егер ол жеңілсе, ешқандай пайда болмайды. Ақырында, ол жоғары сыйақы әкелетін стратегияларды үйренеді.

Бұл жануарлар мен адамдардың кейбір жағдайларда қалай үйренетініне ұқсайды. Ыстық пешке тиіп кетсеңіз, бірден өкінесіз. Жақсырақ стратегияны қолданып көріңіз, жақсы нәтижеге қол жеткізіңіз. Әлем - қатал тәрбиеші.

Бірақ күшейту бойынша оқытудың да күрделі мәселелері бар. Егер марапаттау нашар жасалған болса, жасанды интеллект қажетсіз қысқа жолдарды үйренуі мүмкін. Бұл марапаттауды бұзу. Негізінде, жүйе адамдардың ойлағанын істемей-ақ ұпай жинаудың жолын табады.

Мысалы, тазалаушы роботты тек көрінетін кірді жинағаны үшін ғана марапаттасаңыз, ол кірді кілемнің астына жасыруды үйренуі мүмкін. Бұл жалқау бөлмелес сияқты естіледі, бірақ дәлірек айтқанда, бұл объективті дизайн сабағы. 🧹

Сонымен, күшейтілген оқыту жасанды интеллектке тәжірибе арқылы жетілдіруге мүмкіндік береді, бірақ ол әлі де мұқият жасалған мақсаттарды, шектеулерді және бақылауды қажет етеді.

7. Жасанды интеллект шыққаннан кейін де оқуды жалғастыра ала ма? 🔄

Міне, осы жерде бәрі қызықты бола бастайды - және көбінесе дұрыс түсінілмейді.

Көптеген жасанды интеллект жүйелері алмайды . Адамдар көбінесе чатботты түзетсе, ол бірден барлығы үшін ақылды болып кетеді деп ойлайды. Әдетте, олай жұмыс істемейді.

Мұның жақсы себептері бар.

Егер жасанды интеллект жүйесі пайдаланушының тікелей енгізуінен үздіксіз жаңартылып отырса, ол жаман ақпаратты, жеке ақпаратты, зиянды үлгілерді немесе жай ғана мағынасыз ақпаратты үйренуі мүмкін. Интернет - бұл таза ас үй емес. Бұл найзағай кезіндегі гараж сатылымына көбірек ұқсайды.

Кейбір жүйелер онлайн оқытудың түрлерін пайдаланады , мұнда олар жаңа деректер түскен сайын жаңартылып отырады. Бұл келесідей нәрселерге көмектеседі:

• Алаяқтық үлгілерін анықтау

• Жекешелендіру бойынша ұсыныстар

• Жарнамалық мақсатты реттеу

• Желі жұмысын бақылау

• Іздеудегі өзектілікті жақсарту

• Болжамды техникалық қызмет көрсету жүйелерін жаңарту

Бірақ жалпы мақсаттағы үлкен жасанды интеллект модельдері үшін жаңартулар көбінесе болашақ нұсқаларға қосылмас бұрын басқарылады, қаралады, сүзіледі және тексеріледі. Бұл зиянды дрейф қаупін азайтуға көмектеседі .

Иә, кейбір жағдайларда жасанды интеллект шығарылғаннан кейін де оқуды жалғастыра алады. Бірақ көптеген жүйелерге нақты уақыт режимінде өздерін еркін қайта жазуға әдейі тыйым салынған.

Бұл, бәлкім, ең жақсысы шығар. Әрбір пікір бөлімінен тікелей үйренетін модель түскі асқа дейін пернетақтасы бар енотқа айналады. 🦝

8. Оқу мен түсінудің айырмашылығы 🌱

Бұл адамдар әдетте қатты дауыстап дауласатын тұс.

Жасанды интеллект үлгілерді үйрене алады. Ол жалпылай алады. Ол пайдалы жауаптар бере алады. Ол пайымдауды қажет ететін мәселелерді шеше алады. Ол қорытындылай алады, аудара алады, жіктей алады, жасай алады, ұсына алады, анықтай алады және оңтайландыра алады.

Бірақ бұл түсінгенін білдіре ме?

«Түсіну» дегеніңіз нені меңзегеніңізге байланысты

Жасанды интеллект адамдар сияқты әлемді қабылдамайды. Онда аштық, ұялу, балалық шақ естеліктері немесе телефон батареясы бір пайызға жеткенде болатын кішкентай эмоционалдық күйреу жоқ. Ол өмір сүру арқылы ештеңені түсінбейді.

Оның орнына, жасанды интеллект көріністерді өңдейді. Олар кірістер мен шығыстар арасындағы қатынастарды үйренеді. Мысалы, тілдік модель мәтіндегі үлгілерді және сол үлгілерге сәйкес келетін жауаптарды тудыра алады. Нәтиже мағыналы болып көрінуі мүмкін. Кейде ол практикалық тұрғыдан мағыналы болады. Бірақ мағынасы адам санасына негізделмеген.

Бұл айырмашылықтың маңызы бар.

Жасанды интеллект судың ылғалды екенін айтқанда, ол терісіндегі жаңбырды есінде сақтамайды. Ол үйренген ассоциациялар мен контекстке негізделген реакция тудырады. Бұл әлі де пайдалы болуы мүмкін. Ол тірі емес. Мүмкін емес шығар. Айтайын дегенім, философияны тортқа тым жақын отыруға шақырмайық, әйтпесе біз ешқашан кетпейміз.

Жасанды интеллекттегі оқыту адамның оқуымен бірдей емес. Адамның оқуына эмоция, жүзеге асыру, әлеуметтік контекст, есте сақтау, мотивация және өмір сүру кіреді. Жасанды интеллекттегі оқыту көбінесе деректерге қарағанда оңтайландыру болып табылады.

Әлі де әсерлі. Тек басқаша.

9. Неліктен жасанды интеллект кейде бұрынғыдан гөрі тәуелсіз болып көрінеді 🎭

Жасанды интеллект жүйелері тікелей сценарийленбеген шығыстарды жасай алатындықтан, олар автономды болып көрінуі мүмкін.

Бұл үлкен мәселе.

Чатбот ешқашан арнайы бағдарламаланбаған сұраққа жауап бере алады. Кескін моделі адам тікелей салмаған көріністі жасай алады. Жоспарлау агенті тапсырманы қадамдарға бөліп, құралдарды пайдалана. Ұсыныс моделі мінез-құлықтан қалауларды анықтай алады.

Бұл икемділік тәуелсіздік әсерін тудырады.

Бірақ төменде шекаралар бар:

• Оқыту деректері модельдің не істей алатынын қалыптастырады.

• Мақсат оңтайландыратын нәрсені қалыптастырады.

• Жүйелік нұсқаулық немесе нұсқаулар мінез-құлықты қалыптастырады.

• Интерфейс қолжетімді әрекеттерді шектейді.

• Қауіпсіздік ережелері белгілі бір шығыстарды шектейді.

• Адами бағалау болашақтағы жақсартуларға әсер етеді.

Сондықтан жасанды интеллект еркін жүретін ми сияқты сезілуі мүмкін, бірақ ол епті батпырауық сияқты. Ол биікке ұша алады, айнала ұша алады және аспанға әсерлі көріне алады - бірақ әлі де бір жерде жіп бар. 🪁

Мүмкін, шатасып қалған жіп шығар. Бірақ жіп.

10. Жасанды интеллект адамдарсыз дами ала ма? Негізделген жауап 🛠️

Жасанды интеллект дәстүрлі бағдарламалық жасақтамаға қарағанда адамның аз қатысуымен жақсара алады. Бұл рас.

Ол мыналарды істей алады:

• Белгіленбеген деректердегі үлгілерді табыңыз

• Автоматты түрде жасалған тапсырмаларды жаттықтыру

• Модельденген орталардан үйреніңіз

• Марапаттау сигналдарын пайдаланыңыз

• Кері байланыс арқылы дәлдеу

• Жаңа деректер ағындарына бейімделу

• Одан әрі оқыту үшін синтетикалық мысалдар жасаңыз

Бірақ «адамдарсыз» деген сөздің басынан аяғына дейін дәл келуі сирек кездеседі.

Адамдар әлі де жүйенің мақсатын анықтайды. Адамдар деректерді жинайды немесе бекітеді. Адамдар инфрақұрылымды құрады. Адамдар табыс көрсеткіштерін таңдайды. Адамдар нәтиженің қолайлы екенін шешеді. Адамдар орналастырады, бақылайды, шектейді және жаңартады.

Тіпті жасанды интеллект басқа жасанды интеллекттерді оқытуға көмектескен кезде де, адамдар әдетте процесті өздері ұйымдастырады. Кей жерлерде ол азайып кетсе де, әлі де бақылау бар.

Жақсырақ сөз тіркесі болуы мүмкін: жасанды интеллект адам жасаған жүйелерде жартылай автономды түрде үйрене алады.

Бұл «Жасанды интеллект өздігінен үйренеді» дегенге қарағанда онша әсерлі емес сияқты, бірақ дәлірек. Фильм трейлері азырақ, кофе дақтары бар инженерлік нұсқаулық көбірек.

11. Өз бетінше көбірек білуге ​​мүмкіндік беретін жасанды интеллекттің пайдасы 🚀

Жасанды интеллекттің тікелей нұсқауларды аз пайдалана отырып үйрену мүмкіндігінің үлкен артықшылықтары бар.

Біріншіден, бұл жасанды интеллектті масштабтауға мүмкіндік береді. Адамдар әлемдегі әрбір сөйлемді, кескінді, дыбысты немесе мінез-құлық үлгісін белгілей алмайды. Өзін-өзі басқаратын және басқарылмайтын әдістер жүйелерге әлдеқайда үлкен деректер қорынан үйренуге мүмкіндік береді.

Екіншіден, бұл жасанды интеллектке адамдар байқамай қалуы мүмкін үлгілерді анықтауға көмектеседі. Медицинада, киберқауіпсіздікте, логистикада, қаржыда, өндірісте және климаттық модельдеуде жасанды интеллект шулы деректерде жасырынған нәзік сигналдарды анықтай алады. Сиқыр емес. Тек үздіксіз үлгілерді өңдеу.

Үшіншіден, бейімделгіш жасанды интеллект өзгермелі жағдайларға тезірек жауап бере алады. Алаяқтықты анықтау жақсы мысал бола алады. Шабуылдаушылар тактиканы үнемі өзгертіп отырады. Бейімделе алатын жүйе бір жерде қатып қалған жүйеге қарағанда пайдалырақ.

Төртіншіден, жасанды интеллектпен оқыту қайталанатын қолмен бағдарламалауды азайта алады. Шексіз ережелер жазудың орнына, топтар модельдерді үлгілерді шығаруға үйрете алады. Айтпақшы, бұл әрқашан оңай емес. Кейде бұл бір бас ауруын одан да сәнді бас ауруымен алмастыру сияқты. Бірақ ол күшті болуы мүмкін.

Артықшылықтары:

• Үлгіні жылдам анықтау

• Жекешелендіруді жақсарту

• Төменгі қолмен ереже жазу

• Жақсартылған автоматтандыру

• Икемді шешім қабылдау жүйелері

• Күрделі ортада жоғары өнімділік

Мұның жақсы нұсқасы - талмайтын көмекші ретіндегі жасанды интеллект. Жаман нұсқасы - масштабтағы дұрыс емес нәрсені оңтайландыратын жасанды интеллект. Құралдар қорабында кішкентай гремлин бар.

12. Жасанды интеллекттің өздігінен үйренуінің қауіптері ⚠️

Тәуекелдер нақты.

Жасанды интеллект жүйелері деректерден сабақ алған кезде, олар қателіктерді, жалған ақпаратты және зиянды үлгілерді сіңіруі мүмкін. Егер деректер әділетсіздікті көрсетсе, модель сол әділетсіздікті қайталауы немесе тіпті күшейтуі мүмкін.

Егер кері байланыс сигналы әлсіз немесе нашар жасалған болса, жасанды интеллект қысқа жолдарды үйренуі мүмкін. Егер оған жеткілікті бақылаусыз бейімделуге рұқсат етілсе, ол жоспарланған әрекеттен ауытқып кетуі мүмкін.

Негізгі тәуекелдерге мыналар жатады:

• Алдау және кемсітушілік

• Құпиялылықтың бұзылуы

• Сыйақы хакерлігі

• Модель дрейфі

• Шамадан тыс сенімділік

• Қауіпсіз емес автоматика

• Төмен сапалы деректерге тәуелділік

• Түсіндіру қиын шешімдер

Сондай-ақ масштаб мәселесі де бар. Адамның қателігі бірнеше адамға әсер етуі мүмкін. Кеңінен қолданылатын жүйедегі жасанды интеллект қателігі миллиондаған адамдарға әсер етуі мүмкін. Бұл үрейленуге себеп емес, бірақ баяулауға және әрбір жылтыратылған демонстрацияны керемет тостер сияқты қарастырмауға себеп.

Жасанды интеллект бойынша оқытуға қорғаныс құралдары қажет. Күшті бағалау. Адамдардың шолуы. Анық шектеулер. Деректерді жақсы тәжірибелер. Ашық мониторинг. Сәнді емес, бірақ қажет.

13. Сонымен, жасанды интеллект өздігінен үйрене ала ма? Теңгерімді жауап ⚖️

Міне, ең таза жауап:

Иә, жасанды интеллект шектеулі техникалық жолдармен өздігінен үйрене алады. Жоқ, жасанды интеллект адам сияқты өздігінен үйренбейді.

Жасанды интеллект үлгілерді таба алады, ішкі параметрлерін реттей алады, кері байланыс арқылы жақсарта алады және кейде жаңа ортаға бейімделе алады. Ол мұны әрбір жауапты қолмен бағдарламаламай-ақ жасай алады.

Бірақ жасанды интеллект әлі де адамдар жасаған мақсаттарға, оқыту деректеріне, алгоритмдерге, инфрақұрылымға және бағалауға тәуелді. Оның адами мағынадағы өзіндік зерттеуі жоқ. Ол не маңызды екенін шешпейді. Ол адамдар сияқты салдарды түсінбейді.

Сондықтан біреу «Жасанды интеллект өздігінен үйрене ала ма?» деп сұрағанда , ең жақсы жауап: ЖС шекаралар ішінде өздігінен үйрене алады, бірақ шекаралар бәрін білдіреді.

Бұл адамдар өткізіп жіберетін бөлік. Шекаралар жасанды интеллекттің пайдалы, ерекше, бейтарап, күшті, қауіпті немесе спагетти физикасы туралы сенімді түрде қателесетінін анықтайды. 🍝

14. Қорытынды ой: Жасанды интеллектпен оқыту күшті, бірақ сиқырлы емес ✨

Жасанды интеллектпен оқыту қазіргі заманғы технологиядағы ең маңызды идеялардың бірі болып табылады. Ол бағдарламалық жасақтаманың қалай жасалатынын, автоматтандырудың қалай жұмыс істейтінін және адамдардың машиналармен өзара әрекеттесуін өзгертеді.

Бірақ бұл көздің тазалығын сақтауға көмектеседі.

Жасанды интеллект деректерден үйрене алады. Ол кері байланыс арқылы жақсара алады. Ол адамдар ашық түрде үйретпеген үлгілерді анықтай алады. Ол бақыланатын ортада бейімделе алады. Бұл шынымен де таңқаларлық.

Соған қарамастан, жасанды интеллект рюкзакпен және эмоционалдық жүкпен әлемді шарлап жүрген өзін-өзі танитын студент емес. Бұл деректер мен есептеулерді пайдаланып мақсаттарды оңтайландыруға үйретілген жүйе. Кейде нәтижелер таңқаларлық. Кейде олар пайдалы, бірақ қарапайым. Кейде олар сізді экранға қадалып қалғандай етіп қателеседі.

Жасанды интеллектті оқытудың болашағы көбірек автономияны, жақсырақ кері байланыс циклдерін, күшті қауіпсіздік әдістерін және адамдар мен машиналар арасындағы көбірек ынтымақтастықты қамтуы мүмкін. Ең жақсы жүйелер «толығымен өз бетінше үйренетіндер» болмайды. Олар жақсы үйренетін, жеткілікті түрде түсіндіретін, адами мақсаттарға сәйкес келетін және кішігірім қателіктерді өнеркәсіптік көлемдегі спагеттиге айналдырудан аулақ болатындар болады.

Сонымен, жасанды интеллект өздігінен үйрене ала ма? Иә - бірақ тек мұқият, техникалық, шектеулі мағынада ғана. Ал бұл кішкентай біліктілік сілтеме емес. Бұл бүкіл сэндвич. 🥪

Нақты әлемдегі мысал: Кері байланыстан үйренетін қолдау триажының жасанды интеллект көмекшісін құру 🛠️

Сценарий

Шағын бағдарламалық жасақтама компаниясының апта сайын шамамен 180 тұтынушыны қолдау электрондық поштасын алатынын елестетіп көріңізші. Көпшілігі қайталанатын: құпия сөзді қалпына келтіру, төлем сұрақтары, қате туралы есептер, мүмкіндіктерге сұраныстар және іс жүзінде ешқандай егжей-тегжейлі ақпараты жоқ «қолданба бұзылған» хабарламалары.

Команда тұтынушыларға өздігінен жауап беретін жасанды интеллект жүйесінің болуын қаламайды. Бұл қауіпті болып көрінеді. Оның орнына, олар кіріс билеттерін жіктейтін, ұсынылған жауапты дайындайтын және уақыт өте келе адам түзетулерінен сабақ алатын шектеулі жасанды интеллект көмекшісін жасайды.

Бұл шектеулі техникалық мағынада жасанды интеллекттің «өздігінен үйренуінің» жақсы мысалы. Көмекші компания саясатын шешпейді. Ол ащы сейсенбіден кейін қайтару ережелерін қайта жазып жатқан жоқ. Ол бақыланатын жұмыс процесінде жақсарып келеді.

Көмекшіге не қажет

Қауіпсіз жұмыс істеу үшін көмекшіге оқу барысында нақты түсінік қажет:

• Жеке мәліметтер жойылған 50-100 бұрынғы қолдау билеттері

• Есеп айырысу, кіру, қателер, қайтарымдар және тіркелгі өзгерістері үшін бекітілген жауап үлгілері

• Адамның келісімінсіз ешқашан шешім қабылдамауы тиіс нәрселердің тізімі, мысалы, ақшаны қайтару, заңды шағымдар, қауіпсіздік мәселелері немесе тіркелгіні жою

• Қарапайым тегтеу жүйесі: төлем, кіру, қате, мүмкіндік сұрауы, қауіпсіздік, басқа

• Кез келген хабарлама жіберілмес бұрын адаммен тексеру қадамы

• Апта сайынғы қателіктерді, өткізіп жіберілген эскалацияларды және нашар жобаларды тексеру

Ең бастысы, кері байланыс құрылымдалған болуы керек. Қолдау агенті жай ғана «дұрыс емес жауап» деп айтудың орнына, олар не дұрыс емес екенін белгілеуі керек: дұрыс емес санат, сұрақтың болмауы, тым сенімділік, құпиялылыққа қауіп төндіру немесе эскалация қажет.

Мысал нұсқаулығы

Көмекші үшін осы нұсқаулық түрін пайдаланыңыз:

Сіз шағын SaaS компаниясының қолдау сұрыптау көмекшісісіз. Сіздің міндетіңіз - әрбір тұтынушы билетін жіктеу, келесі ең жақсы әрекетті ұсыну және адами қолдау агентінің қарауы үшін жауап жазу. Жауаптарды өзіңіз жібермеңіз. Ақшаны қайтаруға, қауіпсіздікті түзетуге, тіркелгіні өзгертуге немесе жеткізу күндеріне уәде бермеңіз. Егер билетте төлем даулары, деректердің жоғалуы, заңды қауіптер, күдікті кіру әрекеті немесе ашулы бас тарту сұраулары туралы айтылса, оны «Адами көмек қажет» деп белгілеңіз. Сенімсіз болған кезде, болжам жасаудың орнына, жоқ ақпаратты сұраңыз.

Әрбір билет үшін қайтару:

Билет санаты
Шұғылдық деңгейі
Ұсынылған келесі әрекет
Жоба жауабы
Жіктеу себебі
Қажетті эскалация: Иә немесе Жоқ

Оны қалай тексеруге болады

Нақты тұтынушыларға қолданар алдында, оны ескі билеттердің шағын жиынтығымен сынап көріңіз.

Кем дегенде 30 мысал келтіріп көріңіз:

• Құпия сөзді қалпына келтірудің 5 қарапайым сұрауы

• Есеп айырысу бойынша 5 сұрақ

• 5 анық емес қате туралы есеп

• 5 қайтару немесе бас тарту туралы өтініш

• Қауіпсіздікке қатысты 5 билет

• 5 аралас, көп нөмірлі билет, мысалы, «Маған екі рет ақы төленді, енді кіре алмаймын»

Содан кейін көмекшінің санатын, шұғылдығын, жеделдік туралы шешімін және жауап жобасын адами қолдау көрсету жетекшісінің күтетінімен салыстырыңыз.

Жақсы нәтиже былай деп айтуы мүмкін:

Санат: Қауіпсіздік
шұғылдығы деңгейі: Жоғары
Келесі әрекетті ұсыну: Дереу адами қолдау көрсетушісіне хабарласыңыз
Жауап жобасы: Бұл туралы хабарлағаныңыз үшін рақмет. Біз мұны қауіпсіздік қолдау көрсету тобына қарау үшін жібереміз. Құпия сөздерді немесе растау кодтарын электрондық пошта арқылы бөліспеңіз.
Себебі: Тұтынушы таныс емес логин және тіркелгіге кіру мәселесі туралы айтты.
Шектеу қажет: Иә

Нашар нәтиже келесідей болады:

Санат: Кіру
Шұғылдық деңгейі: Қалыпты
Жобалық жауап: Құпия сөзіңізді қалпына келтіріп көріңіз.

Бұл жауап ұқыпты көрінеді, бірақ қауіпсіздік қаупін ескермейді. Міне, сондықтан «оқыту» жүйелеріне тесттер, шекаралар және «Жақсы көріңіз, тостердің миы, бірақ жоқ» деп айта алатын адамдар қажет

Нәтиже

Көрнекі нәтиже: осы жұмыс процесін пайдаланбас бұрын және кейін 30 үлгі билеттің уақытын есептеуге негізделген.

Көмекшіні пайдаланбас бұрын, қолдау агенті әрбір алғашқы жауапты оқуға, белгілеуге және жобалауға орта есеппен 4 минут 20 секунд жұмсады. Көмекшімен бір билет үшін орташа шолу және өңдеу уақыты 1 минут 35 секундқа дейін қысқарды.

Аптасына 180 билет сатып алу бірінші лот бойынша өңдеу уақытын шамамен 13 сағаттан 4 сағат 45 минутқа дейін қысқартады, бұл апта сайын шамамен 8 сағат 15 минут үнемдеуге мүмкіндік береді.

Дәлдікті де өлшеу керек. Сол 30 билеттік тестте көмекші тек айқын шектеулерге сәйкес келген жағдайда ғана бекітілуі керек, мысалы:

• Билеттердің кем дегенде 90% дұрыс санатталуы

• Қауіпсіздік, құқықтық, ақшаны қайтару бойынша даулар және тіркелгіні жою істерінің 100% күшеюі

• Адам шолуынсыз 0 тұтынушыға бағытталған жауап жіберілді

• Толық қайта жазуды қажет ететін 3-тен аз жоба

Бұл сандар әмбебап дәлел емес. Олар практикалық сынақ нысанасы. Нағыз команда өзінің бастапқы сызығын өлшеп, сол билеттерді көмекші арқылы өткізіп, қателіктерді тікелей санауы керек.

Не дұрыс болмауы мүмкін

Көмекші әлі де қателіктер жіберуі мүмкін.

Ол нашар адами түзетулерден сабақ алуы мүмкін. Ескірген қайтару саясатын көшіруі мүмкін. Ашулы тұтынушылармен тым бейресми болуы мүмкін. Қауіпсіздік мәселесін қалыпты кіру мәселесі ретінде жіктеуі мүмкін. Ол ескі билет үлгілеріне тым бейімделіп, көптеген пайдаланушыларға әсер ететін жаңа өнім қатесін жіберіп алуы мүмкін.

Ең үлкен қателік - көмекшінің тікелей тұтынушы хабарламаларын қарап шықпай жаңартуына мүмкіндік беру. Бұл жеке деректерді, балағат сөздерді, қате болжамдарды немесе бір реттік шекті жағдайларды жұмыс процесіне тартуы мүмкін.

Қауіпсіз орнату көзге түспейді, бірақ жақсырақ: кері байланыс жинаңыз, оны апта сайын қарап шығыңыз, мысалдарды немесе нұсқауларды жаңартыңыз, қайтадан сынап көріңіз, содан кейін жақсартылған нұсқасын қолданыңыз.

Практикалық қорытынды

Мұндай көмекші практикалық тұрғыдан «үйрене» алады, бірақ тек компания санаттарды, кері байланыс ережелерін, өсу шектерін және табыс көрсеткіштерін анықтағандықтан ғана. Оқу шынайы. Тәуелсіздік шектеулі. Міне, мәселе осында: тиімді жасанды интеллект кеңседе буфермен серуендеу емес. Бұл адамдар таза деректер, айқын мақсаттар және үнемі түзетулер енгізген кезде жақсаратын шектеулі жүйе.

Жиі қойылатын сұрақтар

Жасанды интеллект бағдарламаланбай өздігінен үйрене ала ма?

Жасанды интеллект адамдар әрбір ережені қолмен жазбай-ақ үлгілерді үйрене алады, бірақ ол толықтай тәуелсіз емес. Адамдар әлі де модельді жасайды, деректерді таңдайды, мақсат қояды және табыстың қалай өлшенетінін шешеді. Дәлірек айтқанда, жасанды интеллект адамдар жасаған шекараларда жартылай автономды түрде үйрене алады.

Жасанды интеллект деректерден қалай үйренеді?

Жасанды интеллект мысалдардағы үлгілерді анықтау және жақсы болжамдар жасау үшін ішкі параметрлерін реттеу арқылы деректерден үйренеді. Белгіленген ережелерді ұстанудың орнына, ол өз нәтижелерін нысанамен немесе кері байланыс сигналымен салыстырады, содан кейін қателерді азайту үшін өзін жаңартады. Сондықтан жасанды интеллект кескіндерді тани алады, мәтінді болжайды, ақпаратты жіктейді немесе әрбір мүмкін жағдай үшін қолмен сценарий жасалмай-ақ әрекеттерді ұсына алады.

Жасанды интеллект өзін-өзі басқаратын оқытуды қолдана отырып, өзін-өзі үйрете ала ма?

Иә, шектеулі техникалық тұрғыдан. Өзін-өзі бақылау арқылы оқыту жасанды интеллектке шикі деректерден оқыту тапсырмаларын жасауға мүмкіндік береді, мысалы, жоқ сөздерді, болашақ мәтінді немесе кескіннің жоқ бөліктерін болжау. Бұл адамдардың әрбір мысалды белгілеу қажеттілігін азайтады. Солай бола тұрса да, жасанды интеллект өз мақсатын таңдамай, адамдар таңдаған мақсатты оңтайландырады.

Күшейтілген оқыту жасанды интеллект арқылы өздігінен оқытумен бірдей ме?

Күшейту арқылы оқыту - тәжірибе арқылы жасанды интеллект бойынша оқытудың ең жақын мысалдарының бірі. Жасанды интеллект агенті әрекеттерді сынап көреді, марапаттар немесе жазалар алады және қай таңдау жақсы нәтижелерге әкелетінін біртіндеп үйренеді. Дегенмен, адамдар әлі де қоршаған ортаны, марапаттау жүйесін, шектеулерді және бағалау процесін анықтайды. Нашар жасалған марапаттар қажетсіз қысқа жолдарға әкелуі мүмкін.

Жасанды интеллект шыққаннан кейін де үйрене бере ме?

Кейбір жасанды интеллект жүйелері шығарылғаннан кейін де, әсіресе алаяқтықты анықтау, дербестендіру, іздеудің өзектілігі немесе болжамды техникалық қызмет көрсету сияқты салаларда оқуды жалғастыра алады. Көптеген ірі жалпы мақсаттағы модельдер әрбір пайдаланушының өзара әрекеттесуінен нақты уақыт режимінде автоматты түрде үйренбейді. Үздіксіз оқыту қате деректер, құпиялылық мәселелері, зиянды үлгілер немесе модель ауытқуы сияқты тәуекелдерді тудыруы мүмкін.

Жасанды интеллектпен оқыту мен адамның түсінігінің айырмашылығы неде?

Жасанды интеллектпен оқыту көбінесе үлгіні тану және деректерге қарағанда оңтайландыру болып табылады. Адамның оқуына өмірлік тәжірибе, эмоция, есте сақтау, жүзеге асыру, мотивация және әлеуметтік контекст кіреді. Жасанды интеллект моделі жаңбыр, мысықтар немесе рецепттер туралы пайдалы жауаптар бере алады, бірақ ол бұл нәрселерді бастан кешірмейді. Ол адам сияқты әлемді түсінбестен іс жүзінде пайдалы болуы мүмкін.

Неліктен жасанды интеллект бұрынғыдан гөрі тәуелсіз болып көрінеді?

Жасанды интеллект тікелей сценарийленбеген жауаптарды, кескіндерді, жоспарларды және ұсыныстарды жасай алады, бұл оны автономды сезіндіруі мүмкін. Дегенмен, оның мінез-құлқы оқыту деректерімен, мақсаттарымен, нұсқауларымен, құралдарымен, интерфейс шектеулерімен және қауіпсіздік ережелерімен қалыптасады. Ол еркін жүретін ақыл сияқты көрінуі мүмкін, бірақ ол жобаланған жүйеде жұмыс істейді.

Жасанды интеллект өздігінен үйренген кездегі негізгі қауіптер қандай?

Негізгі тәуекелдерге бейтараптық, құпиялылықтың бұзылуы, модельдің ауытқуы, марапаттауды бұзу, шамадан тыс сенімділік, қауіпсіз емес автоматтандыру және сапасыз деректерге негізделген дұрыс емес шешімдер жатады. Егер жүйе сапасыз деректерден немесе әлсіз кері байланыстан сабақ алса, ол зиянды үлгілерді қайталауы немесе дұрыс емес нәрсеге оңтайландыруы мүмкін. Күшті қорғаныс қоршаулары, мониторинг, бағалау және адами шолу бұл тәуекелдерді азайтуға көмектеседі.

Жасанды интеллект оқытуда марапаттауды бұзу дегеніміз не?

Марапаттауды бұзу жасанды интеллект адамның ойлағанын істемей-ақ жақсы нәтижеге жетудің жолын тапқан кезде орын алады. Мысалы, тек көрінетін кірді жинағаны үшін марапатталған тазалаушы робот кірді дұрыс тазалаудың орнына жасыруы мүмкін. Мәселе жасанды интеллекттің адам сияқты құпиялылығында емес. Ол нашар ойластырылған мақсатты тым сөзбе-сөз орындайды.

«Жасанды интеллект өздігінен үйрене ала ма?» деген сұраққа ең жақсы жауап қандай?

Теңгерімді жауап - иә, бірақ тек шектеулі техникалық мағынада. Жасанды интеллект адамдар әрбір жауапты бағдарламаламай-ақ деректерден, кері байланыстан, марапаттардан және жаңа үлгілерден үйрене алады. Бірақ бұл әлі де адамдар жасаған мақсаттарға, деректерге, алгоритмдерге, инфрақұрылымға және бақылауға байланысты. Жасанды интеллект шекаралар шеңберінде өз бетінше үйрене алады, және бұл шекаралар өте маңызды.

Сілтемелер

1. IBM - Машиналық оқыту - ibm.com

2. NIST - Жасанды интеллект тәуекелдерін басқару құрылымы - nist.gov

3. Google әзірлеушілері - Бақыланатын оқыту - developers.google.com

4. Google Research блогы - SimCLR көмегімен өзін-өзі басқаратын және жартылай басқарылатын оқуды дамыту - research.google

5. Стэнфорд HAI - Іргетас модельдері туралы ойлар - hai.stanford.edu

6. scikit-learn - Онлайн оқыту - scikit-learn.org

7. OpenAI - Адам қалауларынан үйрену - openai.com

8. Google Cloud - Жасанды интеллект агенттері дегеніміз не? - cloud.google.com

9. Google DeepMind - Ойын сипаттамалары: жасанды интеллект тапқырлығының екінші жағы - deepmind.google

Ресми AI көмекші дүкенінен ең соңғы AI-ді табыңыз

Біз туралы