Dobički:
- Zna razlikovati med koncepti umetne inteligence, strojnega učenja in velikega jezikovnega modela
- Pojasnite, kako se te tehnologije razlikujejo od tradicionalne programske opreme
- Zna prepoznati primere umetne inteligence, ki jih srečamo v vsakdanjem poslovnem življenju
V zadnjih letih je beseda "umetna inteligenca" povsod: v novicah, v oglasih, na poslovnih sestankih, celo v kameri telefona, ki ga uporabljate. Toda kaj točno to pomeni? Ta enota razlaga temo od osnov, brez utapljanja v žargonu in jo povezuje z vašim poslovnim življenjem. Cilj ni narediti iz tebe inženirja; Da postanete ozaveščen uporabnik, ki razume, kaj so orodja, ki jih uporabljate, in zakaj počnejo to, kar počnejo. Kajti bolje ko vozilo poznate, varneje in učinkoviteje ga boste uporabljali.
Pogosto slišite tri koncepte, ki se prepletajo: umetna inteligenca, strojno učenje in veliki jezikovni model. To ni ista stvar; Vse bolj se ožijo obroči, eden v drugem. Zdaj pa jih razložimo eno za drugo z dnevnimi primeri.
Trije koncepti, trije prepleteni obroči
Umetna inteligenca (AI): To je splošno ime širokega področja, ki računalnikom omogoča izvajanje nalog, ki običajno zahtevajo človeško inteligenco (razumevanje, odločanje, prepoznavanje, uporaba jezika). Pod tem okriljem so tudi šahovski program, aplikacija za prevajanje in glasovni pomočnik.
Strojno učenje (ML): je najpogostejša podveja umetne inteligence. Tukaj pravil ne pišemo v računalnik enega za drugim; Pokažemo mu veliko vzorcev in sam izbere vzorec v vzorcih. Od tod tudi ime »strojno učenje«: stroj se uči iz primerov.
Large Language Model (LLM): je posebna vrsta strojnega učenja, ki je specializirano za besedilo. Usposobljen je z milijardami stavkov; Uporablja se pri nalogah, kot so razumevanje jezika, produkcija, povzemanje in prevajanje. To je tehnologija za orodji, kot so ChatGPT, Gemini, Claude. Orodja v tem modulu, ki ga imenujemo "generativni AI" (umetna inteligenca za ustvarjanje besedila/slike), večinoma temeljijo na LLM.
Namig: Zapomnite si to: AI je največja škatla, strojno učenje je škatla v njej in velik jezikovni model je najbolj notranja škatla. "Vsak LLM je produkt strojnega učenja in vsako strojno učenje je umetna inteligenca, vendar obratno ne drži vedno."
Razlika s tradicionalno programsko opremo: Kdo piše pravila?
To je najpomembnejša razlika, ki jo je treba razumeti. V tradicionalni programski opremi človek (programer) napiše pravila enega za drugim: "Če znesek naročila presega 500 TL, bo pošiljanje brezplačno." Računalnik temu pravilu sledi do potankosti, nič več, nič manj.
Pri strojnem učenju ljudje ne pišejo pravil; Model sam odkrije pravilo iz primerov, ki so mu prikazani. Na primer, prikažete na tisoče »neželene« in »neželene« e-pošte; Model se sam nauči, katere besede in besedne zveze označujejo neželeno pošto. Nihče ne piše enega za drugim z besedami "če obstaja ta beseda, je neželena pošta".
funkcija
Tradicionalna programska oprema
Strojno učenje / AI
Kdo postavlja pravila?
Človek piše enega za drugim
Model sklepa iz primerov
Je rezultat vedno enak?
Isti vhod → isti izhod
Isti vhod → podoben, vendar spremenljiv izhod
Kdaj je močan?
Delajte z jasnimi, dokončnimi pravili
Deluje z veliko vzorci in težkimi pravili
zanesljivost
predvidljiv, stabilen
Statistično, zahteva preverjanje
primer
plačilni račun
Izboljšajte ton e-pošte
Ta razlika je osnova za teme o "halucinacijah" in "preverjanju", ki se jih boste naučili kasneje: Ker model izpelje pravilo sam, je včasih napačen, zato njegovemu rezultatu ni mogoče slepo zaupati.
To že vidite v svojem vsakdanjem poslovnem življenju
Ne mislite, da je AI nekaj novega; Verjetno ga uporabljate že leta:
- Filter neželene pošte vašega e-poštnega predala (model, ki se je naučil, katera e-poštna sporočila so v smeti).
- Predvidevanje tipkovnice vašega telefona (majhen jezikovni model, ki predlaga naslednjo besedo).
- Opozorilo vaše banke o goljufivi transakciji (model, ki zazna nenavadno porabo).
- Funkcije samodejnega izpolnjevanja in predlogov vašega programa za preglednice.
- Sistemi priporočil v video in glasbenih aplikacijah.
Novost je, da lahko ta tehnologija zdaj govori z naravnim jezikom. Torej pišeš, kot bi se pogovarjal s strokovnjakom, on pa razume in odgovori. Tukaj je prava priložnost na delovnem mestu.
Trije mini kovčki
Primer 1 – Ayşe, vodja pisarne. Vsak teden je ročno kategoriziral približno 40 e-poštnih sporočil dobaviteljev; V povprečju je trajalo 90 minut. Pomočnik podjetja za umetno inteligenco je začel označevati e-poštna sporočila kot "nujno/običajno/info". Čas se je zmanjšal na 20 minut; Kontroli pogodbe je posvetil ~70 prihranjenih minut. AI se je sam naučil pravila; Ayşe ni pisala filtrov enega za drugim.
Primer 2 – Mehmet, terenski tehnik. Stranka je pisala zapise o napakah v prostem besedilu (»naprava se segreje, občasno se izklopi«). Njegov vodja ni mogel ročno prebrati in razvrstiti teh 500 zapisov. Jezikovni model je povzel zapise kot "napaka strojne/programske opreme/uporabnika" in izluščil najpogostejšo pritožbo. Model je v nekaj minutah skiciral tisto, za kar bi človek potreboval skoraj 2 dni; ekipa le potrdila.
Primer 3 – Elif, računovodstvo. Umetni inteligenci je naročil, da povzame novo zakonodajno besedilo in iz 12-stranskega besedila vzame enostranski seznam členov. Toda sam je potrdil kritičen odstotek iz uradnega vira; ker je šlo za zadevo, ki je zahtevala numerično natančnost. Tako je deloval hitro in varno.
Šibek poziv / močan poziv
Poznavanje orodja spremeni tudi način, kako ga vprašate. Dve različni vprašanji istega asistenta:
Šibek poziv: Kaj je umetna inteligenca?
Rezultat: dolg, enciklopedičen opis, ki ni specifičen za vas.
Močan poziv: Sem netehnični pisarniški delavec. Pojasnite razliko med umetno inteligenco, strojnim učenjem in velikim jezikovnim modelom s 3 kratkimi točkami in primerom iz vsakdanjega življenja za vsako. Uporabite navaden turški jezik.
Rezultat: uporaben odgovor, ki ustreza vaši vlogi, ravni in namenu. Razlika: podali ste kontekst, občinstvo in format.
Predloge, ki jih je mogoče kopirati
Pomagaj mi pri učenju tehnologije. Tema: [npr. strojno učenje]Jaz: [moja vloga / moja stopnja znanja]Želim: Preprosto razlago v 5 točkah + primer iz poslovnega življenja za vsako postavko + 1-stavek "keep it in mind" povzetek na koncu.
Pokaži mi, kje v vsakdanjem življenju srečam naslednji koncept: Koncept: [npr. sistem priporočil]Navedite mi 5 realističnih primerov in v enem stavku natančno razložite, kaj AI naredi v vsakem od njih.
Primerjajte ta dva koncepta in ju postavite v tabelo: Koncept A: [tradicionalna programska oprema] Koncept B: [strojno učenje] Stolpci: kdo nastavi pravilo, ali je izhodna konstanta, kdaj je močna, primer.
Poenostavite naslednji stavek, kot da bi ga razlagali netehničnemu kolegu. Če je žargon, dodajte kratko razlago v oklepaju. Stavek: [prilepite sem]
Pogoste napake
Pogoste napake
- Razmišljanje "AI = robot / zavest". Današnja vozila ne razmišljajo in ne čutijo; prepoznava vzorce in generira možna nadaljevanja. Pozaba tega vodi v pretirana pričakovanja in razočaranje.
- Obravnavanje vsakega rezultata AI kot dokončne resnice. Model deluje statistično; Tvegano je uporabljati številke, datume in vire, ki zahtevajo natančnost, ne da bi jih preverili.
- Reči "Ta služba je daleč od mene" in nikoli ne poskusiti. Umetna inteligenca prihrani največ časa pri dolgočasnih in ponavljajočih se nalogah netehničnih zaposlenih. Kdor ne bo poskusil, bo zamudil priložnost.
- Postavljanje enobesednih vprašanj brez konteksta. Če orodju ne poveste, kdo ste in kaj želite, boste dobili splošne, neuporabne odgovore.
Pozor: "učenje" AI ni kot človeško učenje. Model se "uči" ne z razumevanjem sveta, temveč z zajemanjem statističnih vzorcev v podatkih. Tako lahko govori zelo tekoče, vendar še vedno razume osnovno dejstvo narobe. Tekočnost ni zagotovilo za točnost.
Če povzamem
- Umetna inteligenca je najširši dežnik; strojno učenje je njegova podveja, ki se uči iz primerov; Veliki jezikovni model (LLM) je vrsta strojnega učenja, ki je specializirano za jezik.
- Glavna razlika: v tradicionalni programski opremi človek napiše pravilo; Pri strojnem učenju model izvleče pravilo iz primerov.
- Umetna inteligenca je že v vašem življenju: filter neželene pošte, predvidevanje tipkovnice, opozorilo o lažnih transakcijah, sistemi priporočil. Novost je, da lahko govori v naravnem jeziku.
- Ker model deluje statistično, je tekoč, vendar ni vedno točen; to je osnova za nadaljnje enote (halucinacija, preverjanje).
Naloga aplikacije
Odprite orodje AI, ki ga uporabljate, in si razložite razliko med strojnim učenjem in velikim jezikovnim modelom z zgornjo predlogo »Zmogljiv poziv«. Nato zapišite 3 kraje v svojem podjetju, kjer se AI že uporablja (ali bi se lahko uporabljal). Za vsako, "Kaj točno je/lahko AI naredi tukaj?" Odgovorite na vprašanje z enim stavkom.
Kontrolni seznam
- [ ] Razlikujem med umetno inteligenco, strojnim učenjem in LLM.
- [ ] Lahko pojasnim razliko "kdo piše pravila" med tradicionalno programsko opremo in strojnim učenjem.
- [ ] V vsakdanjem življenju poznam vsaj 3 primere AI.
- [ ] Če navedem kontekst, občinstvo in obliko, lahko postavim močnejše vprašanje.
- [ ] Vem, da samo zato, ker je umetna inteligenca gladka, še ne pomeni, da je natančna.