Nyereség:
- Tud különbséget tenni a mesterséges intelligencia, a gépi tanulás és a nagynyelvi modell fogalmai között
- Magyarázza el, hogy ezek a technológiák miben különböznek a hagyományos szoftverektől
- Felismeri a mindennapi üzleti életben előforduló mesterséges intelligencia példákat
Az elmúlt években mindenhol ott van a „mesterséges intelligencia” szó: a hírekben, a hirdetésekben, az üzleti megbeszéléseken, még a használt telefon kamerájában is. De mit is jelent ez pontosan? Ez az egység az alapoktól magyarázza el a témát anélkül, hogy belefulladna a zsargonba, és összekapcsolja az üzleti életével. A cél nem az, hogy mérnök legyen; Tudatos felhasználóvá tenni, aki megérti, hogy mik az Ön által használt eszközök, és miért teszik azt, amit csinálnak. Mert minél jobban ismer egy járművet, annál biztonságosabban és hatékonyabban fogja használni.
Gyakran hallani három fogalom összefonódását: a mesterséges intelligencia, a gépi tanulás és a nagy nyelvi modell. Ezek nem ugyanazok; Egyre szűkülő gyűrűk, egymás belsejében. Most pedig magyarázzuk el ezeket egyenként napi példákkal.
Három fogalom, három egymásba kapcsolódó gyűrű
Mesterséges intelligencia (AI): Egy széles terület általános neve, amely lehetővé teszi a számítógépek számára, hogy olyan feladatokat hajtsanak végre, amelyek általában emberi intelligenciát igényelnek (megértés, döntéshozatal, felismerés, nyelvhasználat). Egy sakkprogram, egy fordítóalkalmazás és egy hangasszisztens is ebben az ernyőben található.
Gépi tanulás (ML): A mesterséges intelligencia leggyakoribb alágazata. Itt nem egyenként írjuk be a szabályokat a számítógépbe; Rengeteg mintát mutatunk neki, és ő maga választja ki a mintákból a mintát. Innen a „gépi tanulás” elnevezés: a gép példákból tanul.
Large Language Model (LLM): Ez a gépi tanulás egy speciális típusa, amely szövegre specializálódott. Több milliárd mondattal van kiképezve; Olyan feladatoknál használják, mint a nyelv megértése, az előállítás, az összegzés és a fordítás. Ez a technológia az olyan eszközök mögött, mint a ChatGPT, Gemini, Claude. Az ebben a modulban található eszközök, amelyeket "generatív AI-nek" (szöveget/képet generáló AI) nevezünk, többnyire LLM alapúak.
Tipp: Ne feledje: az AI a legnagyobb doboz, a gépi tanulás a benne lévő doboz, és a nagy nyelvi modell a legbelső doboz. „Minden LLM a gépi tanulás terméke, és minden gépi tanulás mesterséges intelligencia, de ennek ellenkezője nem mindig igaz.”
Különbség a hagyományos szoftverekkel: ki írja a szabályokat?
Ez a legfontosabb különbség, amelyet meg kell érteni. A hagyományos szoftverekben egy ember (programozó) egyenként írja le a szabályokat: "Ha a rendelés összege meghaladja az 500 TL-t, a szállítás ingyenes." A számítógép ezt a szabályt betűig betartja, se többet, se kevesebbet.
A gépi tanulásban az emberek nem írják meg a szabályokat; A modell magát a szabályt fedezi fel a neki bemutatott példákból. Például több ezer „spam” és „nem spam” e-mailt jelenít meg; A modell maga megtanulja, hogy mely szavak és kifejezések utalnak spamre. Senki nem írja egy az egyben, hogy "ha van ez a szó, az spam".
jellemzője
Hagyományos szoftver
Gépi tanulás / AI
Ki hozza a szabályokat?
Az ember egyenként ír
A modell példákból következtet
A kimenet mindig ugyanaz?
Ugyanaz a bemenet → ugyanaz a kimenet
Ugyanaz a bemenet → hasonló, de változó kimenet
Mikor erős?
Dolgozzon világos, határozott szabályokkal
Sok mintával és nehéz szabályokkal működik
megbízhatóság
kiszámítható, állandó
Statisztikai, ellenőrzést igényel
példa
bérszámfejtés
Az e-mail hangszín javítása
Ez a különbség az alapja a később megismert "hallucináció" és "ellenőrzés" témaköröknek: Mivel a modell magát a szabályt származtatja, néha téves, így a kimenetében nem lehet vakon megbízni.
Már látja a mindennapi üzleti életében
Ne gondolja, hogy az AI valami új; Valószínűleg évek óta használod:
- Az e-mail fiók spamszűrője (olyan modell, amely megtanulta, hogy mely e-mailek minősülnek szemétnek).
- A telefon billentyűzetének előrejelzése (egy kis nyelvi modell, amely a következő szót javasolja).
- Bankja csalárd tranzakciós figyelmeztetése (a szokatlan költést észlelő modell).
- A táblázatkezelő program automatikus kitöltési és javaslattételi funkciói.
- Ajánlórendszerek videó- és zenei alkalmazásokban.
Az újdonság az, hogy ez a technológia már természetes nyelven is képes beszélni. Szóval úgy írsz, mintha egy szakértővel beszélnél, ő megérti és válaszol. Itt rejlik az igazi lehetőség a munkahelyen.
Három mini tok
1. eset – Ayşe, irodavezető. Hetente körülbelül 40 szállítói e-mailt kategorizált manuálisan; Átlagosan 90 percig tartott. A cég mesterséges intelligencia-asszisztense e-mailjeit „sürgős/normál/információ”-ként kezdte el címkézni. Az idő 20 percre csökkent; A megspórolt ~70 percet a szerződés ellenőrzésére fordította. Az AI magát a szabályt tanulta meg; Ayşe nem egyenként írt szűrőket.
2. eset – Mehmet, terepi technikus. Az ügyfél szabad szöveggel írt hibabejegyzéseket („a készülék felmelegszik, időszakosan leáll”). A menedzsere nem tudta manuálisan elolvasni és besorolni ezt az 500 rekordot. Egy nyelvi modell a rekordokat "hardver/szoftver/felhasználói hiba" néven foglalta össze, és kivonatolta a leggyakoribb panaszt. A modell percek alatt felvázolta azt, ami egy embernek közel 2 napig tart; a csapat csak megerősítette.
3. eset – Elif, könyvelés. A mesterséges intelligencia összefoglalta az új jogszabályi szöveget, és a 12 oldalas szövegből egy 1 oldalas cikklistát vett. De ő maga is megerősített egy kritikus százalékot a hivatalos forrásból; mert numerikus pontosságot igénylő ügyről volt szó. Így gyorsan és biztonságosan működött.
Gyenge felszólítás / Erős felszólítás
Az eszköz ismerete megváltoztatja a kérés módját is. Két különböző kérdés ugyanattól az asszisztenstől:
Gyenge felszólítás: Mi a mesterséges intelligencia?
Eredmény: Hosszú, enciklopédikus leírás, amely nem kifejezetten Önre vonatkozik.
Erős felszólítás: Nem műszaki irodai dolgozó vagyok. Magyarázza el a mesterséges intelligencia, a gépi tanulás és a nagy nyelvi modell közötti különbséget 3 rövid felsorolásponttal, és mindegyikhez egy példát a mindennapi életből. Használj egyszerű törököt.
Eredmény: Az Ön szerepének, szintjének és céljának megfelelő használható válasz. Különbség: megadtad a kontextust, a közönséget és a formát.
Másolható sablonok
Segíts megtanulni egy technológiát.Téma: [pl. gépi tanulás]Én: [szerepem / tudásszintem]Szeretnék: Egy egyszerű magyarázat 5 tételben + egy példa az üzleti életből minden tételhez + egy 1 mondatos "tartsd észben" összefoglaló a végén.
Mutasd meg, hol találkozom a következő fogalommal a mindennapi életben: Fogalom: [pl. ajánlási rendszer] Adjon 5 reális példát, és magyarázza el egy mondatban, hogy pontosan mit csinál az AI mindegyikben.
Hasonlítsa össze ezt a két fogalmat, és helyezze egy táblázatba: A koncepció: [hagyományos szoftver] B koncepció: [gépi tanulás] Oszlopok: ki állítja be a szabályt, a kimeneti állandó, mikor erős, példa.
Egyszerűsítse le a következő mondatot, mintha egy nem műszaki kollégának magyarázná el. Ha van szakzsargon, zárójelben írjon egy rövid magyarázatot. Mondat: [illessze be ide]
Gyakori hibák
Gyakori hibák
- Gondolkodás "AI = robot / tudat". A mai járművek nem gondolkodnak és nem éreznek; felismeri a mintákat és generálja a lehetséges folytatásokat. Ennek elfelejtése túlzott elvárásokhoz és csalódáshoz vezet.
- Minden mesterséges intelligencia kimenetet végleges igazságként kezel. A modell statisztikailag működik; Kockázatos olyan számokat, dátumokat és forrásokat használni, amelyek pontosságot igényelnek azok ellenőrzése nélkül.
- Azt mondod: "Ez a munka távol áll tőlem", és soha nem próbálod. Az AI a legtöbb időt a nem műszaki alkalmazottak fárasztó és ismétlődő feladataival takarítja meg. Aki nem próbálja meg, az elszalasztja a lehetőséget.
- Egyszavas kérdések feltevése kontextus nélkül. Ha nem mondod meg az eszköznek, hogy ki vagy és mit akarsz, általános, haszontalan válaszokat kapsz.
Vigyázat: A mesterséges intelligencia „tanulása” nem olyan, mint az emberi tanulás. A modell nem a világ megértésével "tanul", hanem azáltal, hogy statisztikai mintákat rögzít az adatokban. Tehát nagyon folyékonyan tud beszélni, de mégis félreért egy alapvető tényt. A folyékonyság nem garancia a pontosságra.
Összefoglalva
- A mesterséges intelligencia a legszélesebb esernyő; a gépi tanulás annak alága, amely példákból tanul; A nagy nyelvi modell (LLM) a gépi tanulás egyik típusa, amely nyelvre specializálódott.
- Fő különbség: A hagyományos szoftverekben az ember írja a szabályt; A gépi tanulásban a modell a példákból vonja ki a szabályt.
- A mesterséges intelligencia már benne van az életedben: spamszűrő, billentyűzet-előrejelzés, hamis tranzakció-riasztás, ajánlórendszerek. Az újdonság az, hogy természetes nyelven is tud beszélni.
- Mivel a modell statisztikailag működik, folyékony, de nem mindig pontos; ez a későbbi egységek (hallucináció, verifikáció) alapja.
Alkalmazási feladat
Nyisson meg egy használt mesterséges intelligencia-eszközt, és magyarázza el magának a gépi tanulás és a nagy nyelvi modell közötti különbséget a fenti „Powerful prompt” sablon segítségével. Majd írj fel 3 helyet a saját vállalkozásodban, ahol már használnak mesterséges intelligenciát (vagy használható). Mindegyiknél „Mit tesz/tehetne itt pontosan az AI?” Egy mondatban válaszoljon a kérdésre.
Ellenőrzőlista
- [ ] Különbséget tudok tenni mesterséges intelligencia, gépi tanulás és LLM között.
- [ ] Meg tudom magyarázni a "ki írja a szabályokat" különbséget a hagyományos szoftverek és a gépi tanulás között.
- [ ] Legalább 3 példát ismerek a mesterséges intelligenciára a mindennapi életemben.
- [ ] A kontextus, a közönség és a formátum megadásával erősebb kérdést tehetek fel.
- [ ] Tudom, hogy attól, hogy a mesterséges intelligencia sima, még nem biztos, hogy pontos.