Što je umjetna inteligencija, strojno učenje i LLM?

Dobici:

Može razlikovati koncepte umjetne inteligencije, strojnog učenja i velikog jezičnog modela
Objasnite kako se ove tehnologije razlikuju od tradicionalnog softvera
Može prepoznati primjere umjetne inteligencije koji se susreću u svakodnevnom poslovnom životu

Posljednjih godina riječ "umjetna inteligencija" je posvuda: u vijestima, u reklamama, na poslovnim sastancima, čak iu kameri telefona koji koristite. Ali što to točno znači? Ova jedinica objašnjava predmet od osnova, bez utapanja u žargonu i povezujući ga s vašim poslovnim životom. Cilj nije učiniti vas inženjerom; Da postanete svjesni korisnik koji razumije alate koje koristite i zašto rade to što rade. Jer što bolje poznajete vozilo, to ćete ga sigurnije i učinkovitije koristiti.

Često čujete kako se isprepliću tri pojma: umjetna inteligencija, strojno učenje i veliki jezični model. To nisu iste stvari; Sve više sužavaju prstenove, jedan u drugom. Sada objasnimo ovo jedno po jedno na svakodnevnim primjerima.

Tri koncepta, tri isprepletena prstena

Umjetna inteligencija (AI): To je opći naziv širokog područja koje računalima omogućuje obavljanje zadataka koji inače zahtijevaju ljudsku inteligenciju (razumijevanje, donošenje odluka, prepoznavanje, korištenje jezika). Šahovski program, aplikacija za prevođenje i glasovni pomoćnik također su pod ovim kišobranom.

Strojno učenje (ML): To je najčešća podgrana umjetne inteligencije. Ovdje ne upisujemo pravila jedno po jedno u računalo; Pokazujemo mu puno uzoraka i on sam odabire uzorak u uzorcima. Otuda naziv "strojno učenje": stroj uči iz primjera.

Large Language Model (LLM): To je posebna vrsta strojnog učenja koja je specijalizirana za tekst. Uvježban je s milijardama rečenica; Koristi se u zadacima kao što su razumijevanje jezika, produkcija, sažimanje i prevođenje. Ovo je tehnologija iza alata kao što su ChatGPT, Gemini, Claude. Alati u ovom modulu, koji nazivamo "generativni AI" (AI za generiranje teksta/slike), uglavnom se temelje na LLM-u.

Savjet: zapamtite ovo: AI je najveća kutija, strojno učenje je kutija unutar nje, a veliki jezični model je najskrovitija kutija. "Svaki LLM je proizvod strojnog učenja i svako strojno učenje je umjetna inteligencija, ali obrnuto nije uvijek točno."

Razlika u odnosu na tradicionalni softver: Tko piše pravila?

Ovo je najvažnija razlika koju treba razumjeti. U tradicionalnom softveru, čovjek (programer) piše pravila jedno po jedno: "Ako iznos narudžbe premašuje 500 TL, dostava će biti besplatna." Računalo slijedi ovo pravilo u potpunosti, ni više, ni manje.

U strojnom učenju ljudi ne pišu pravila; Model sam otkriva pravilo iz primjera koji su mu prikazani. Na primjer, prikazujete tisuće "neželjenih" i "neželjenih" e-poruka; Model sam uči koje riječi i fraze označavaju spam. Nitko ne piše jednu po jednu "ako postoji ova riječ, to je spam".

značajka

Tradicionalni softver

Strojno učenje / AI

Tko donosi pravila?

Čovjek piše jedan po jedan

Model zaključuje iz primjera

Je li izlaz uvijek isti?

Isti ulaz → isti izlaz

Isti ulaz → sličan, ali varijabilan izlaz

Kada je jaka?

Radite s jasnim, definitivnim pravilima

Radi s puno uzoraka i teškim pravilima

pouzdanost

predvidljiv, stabilan

Statistički, zahtijeva provjeru

primjer

platni račun

Poboljšajte ton e-pošte

Ova razlika je temelj tema "halucinacije" i "provjere" koje ćete naučiti kasnije: budući da model sam izvodi pravilo, ponekad je pogrešan, pa se njegovim rezultatima ne može slijepo vjerovati.

To već vidite u svom svakodnevnom poslovnom životu

Nemojte misliti da je AI nešto novo; Vjerojatno ga koristite godinama:

Filter neželjene pošte vašeg pretinca e-pošte (model koji je naučio koje su e-poruke smeće).
Predviđanje tipkovnice vašeg telefona (mali jezični model koji predlaže sljedeću riječ).
Upozorenje vaše banke o lažnoj transakciji (model koji otkriva neuobičajenu potrošnju).
Značajke automatskog popunjavanja i predlaganja vašeg programa za proračunske tablice.
Sustavi preporuka u video i glazbenim aplikacijama.

Ono što je novo je da ova tehnologija sada može govoriti prirodnim jezikom. Pa pišeš kao da pričaš sa stručnjakom, a on razumije i odgovara. Ovdje se krije prava prilika na radnom mjestu.

Tri mini kućišta

Slučaj 1 — Ayşe, voditeljica ureda. Svaki je tjedan ručno kategorizirao oko 40 e-poruka dobavljača; U prosjeku je trajalo 90 minuta. Tvrtkin pomoćnik za umjetnu inteligenciju počeo je označavati e-poštu kao "hitno/normalno/info". Vrijeme je smanjeno na 20 minuta; Posvetio je ~70 ušteđenih minuta kontroli ugovora. AI je sama naučila pravilo; Ayşe nije napisala filtere jedan po jedan.

Slučaj 2 — Mehmet, terenski tehničar. Kupac je pisao zapise o kvarovima u slobodnom tekstu ("uređaj se zagrijava, povremeno se gasi"). Njegov upravitelj nije mogao ručno pročitati i klasificirati tih 500 zapisa. Jezični model sažeo je zapise kao "pogrešku hardvera/softvera/korisnika" i izdvojio najčešću pritužbu. Model je u nekoliko minuta skicirao ono što bi čovjeku trebalo gotovo 2 dana; tim je samo potvrdio.

Slučaj 3 — Elif, računovodstvo. Dao je AI-u da sažme novi zakonski tekst i uzeo je popis članaka od 1 stranice iz teksta od 12 stranica. Ali on sam je potvrdio kritični postotak iz službenog izvora; jer je to bila stvar koja je zahtijevala brojčanu preciznost. Dakle, radio je i brzo i sigurno.

Slab upit / Jak upit

Poznavanje alata također mijenja način na koji ga tražite. Dva različita pitanja od istog asistenta:

Slab upit: Što je umjetna inteligencija?

Rezultat: Dug, enciklopedijski opis koji nije specifičan za vas.

Snažan upit: ja sam netehnički uredski djelatnik. Objasnite razliku između umjetne inteligencije, strojnog učenja i velikog jezičnog modela s 3 kratke točke i primjerom iz svakodnevnog života za svaku. Koristite običnu tursku.

Rezultat: upotrebljiv odgovor koji odgovara vašoj ulozi, razini i svrsi. Razlika: dali ste kontekst, publiku i format.

Predlošci koji se mogu kopirati

Pomozi mi naučiti tehnologiju. Tema: [npr. strojno učenje] Ja: [moja uloga / moja razina znanja] Želim: Jednostavno objašnjenje u 5 stavki + primjer iz poslovnog života za svaku stavku + sažetak "imajte to na umu" od 1 rečenice na kraju.

Pokažite mi gdje u svakodnevnom životu susrećem sljedeći koncept: Koncept: [npr. sustav preporuka]Dajte mi 5 realističnih primjera i objasnite u jednoj rečenici točno što AI radi u svakom od njih.

Usporedite ova dva koncepta i stavite ih u tablicu: Koncept A: [tradicionalni softver] Koncept B: [strojno učenje] Stupci: tko postavlja pravilo, je li izlazna konstanta, kada je jaka, primjer.

Pojednostavite sljedeću rečenicu kao da je objašnjavate kolegi koji nije tehničar. Ako postoji žargon, dodajte kratko objašnjenje u zagradi. Rečenica: [zalijepite ovdje]

Uobičajene greške

Razmišljanje "AI = robot / svijest". Današnja vozila ne misle niti osjećaju; prepoznaje obrasce i generira moguće nastavke. Zaboravljanje toga dovodi do pretjeranih očekivanja i razočaranja.
Tretiranje svakog rezultata umjetne inteligencije kao konačne istine. Model funkcionira statistički; Rizično je koristiti brojke, datume i izvore koji zahtijevaju preciznost bez provjere.
Reći "Ovaj posao je daleko od mene" i nikad ne pokušati. AI štedi najviše vremena na zamornim i ponavljajućim zadacima netehničkih zaposlenika. Tko ne pokuša, propustit će priliku.
Postavljanje pitanja od jedne riječi bez konteksta. Ako alatu ne kažete tko ste i što želite, dobit ćete generičke, beskorisne odgovore.

Oprez: AI "učenje" nije kao ljudsko učenje. Model "uči" ne razumijevanjem svijeta, već hvatanjem statističkih obrazaca u podacima. Dakle, on može govoriti vrlo tečno, ali ipak pogriješi u osnovnoj činjenici. Tečnost nije jamstvo točnosti.

Ukratko

Umjetna inteligencija je najširi kišobran; strojno učenje je njegova podgrana koja uči iz primjera; Veliki jezični model (LLM) je vrsta strojnog učenja koja je specijalizirana za jezik.
Glavna razlika: U tradicionalnom softveru, čovjek piše pravilo; U strojnom učenju model izvlači pravilo iz primjera.
AI je već u vašem životu: filter neželjene pošte, predviđanje tipkovnice, upozorenje o lažnim transakcijama, sustavi preporuka. Ono što je novo je da može govoriti prirodnim jezikom.
Budući da model radi statistički, fluidan je, ali nije uvijek točan; ovo je osnova za sljedeće jedinice (halucinacija, verifikacija).

Zadatak primjene

Otvorite AI alat koji koristite i objasnite si razliku između strojnog učenja i velikog jezičnog modela pomoću gornjeg predloška "Moćni upit". Zatim zapišite 3 mjesta u svom poslu gdje se AI već koristi (ili bi se mogla koristiti). Za svaki, "Što točno jest/može učiniti AI ovdje?" Odgovorite na pitanje jednom rečenicom.

Kontrolni popis

[ ] Mogu razlikovati umjetnu inteligenciju, strojno učenje i LLM.
[ ] Mogu objasniti razliku "tko piše pravila" između tradicionalnog softvera i strojnog učenja.
[ ] Znam najmanje 3 primjera AI u svom svakodnevnom životu.
[ ] Navodeći kontekst, publiku i format, mogu postaviti jače pitanje.
[ ] Znam da samo zato što je umjetna inteligencija glatka ne znači da je točna.