Добици:
- Може разликовати концепте вештачке интелигенције, машинског учења и модела великог језика
- Објасните по чему се ове технологије разликују од традиционалног софтвера
- Може да препозна примере вештачке интелигенције са којима се сусрећемо у свакодневном пословном животу
Последњих година реч „вештачка интелигенција” је свуда: у вестима, у рекламама, на пословним састанцима, чак и у камери телефона који користите. Али шта то тачно значи? Ова целина објашњава тему из основа, без утапања у жаргон, и повезујући је са вашим пословним животом. Циљ није да од вас направимо инжењера; Да вас учинимо свесним корисником који разуме шта су алати које користите и зашто раде то што раде. Јер што боље познајете возило, безбедније и ефикасније ћете га користити.
Често чујете како се преплићу три концепта: вештачка интелигенција, машинско учење и модел великог језика. То нису исте ствари; Они све више сужавају прстенове, један унутар другог. Хајде сада да их објаснимо један по један на свакодневним примерима.
Три концепта, три међусобно повезана прстена
Вештачка интелигенција (АИ): То је општи назив за широко поље које омогућава рачунарима да обављају задатке који обично захтевају људску интелигенцију (разумевање, доношење одлука, препознавање, коришћење језика). Под овим кишобраном су и шаховски програм, апликација за превођење и гласовни асистент.
Машинско учење (МЛ): То је најчешћа подграна вештачке интелигенције. Овде не уписујемо правила у рачунар једно по једно; Показујемо му много узорака и он сам бира шаблон у узорцима. Отуда назив „машинско учење“: машина учи из примера.
Модел великог језика (ЛЛМ): То је посебна врста машинског учења која је специјализована за текст. Увежбано је са милијардама реченица; Користи се у задацима као што су разумевање језика, продукција, сумирање и превођење. Ово је технологија која стоји иза алата као што су ЦхатГПТ, Гемини, Цлауде. Алати у овом модулу, који називамо „генеративни АИ“ (АИ који генерише текст/слику), углавном су засновани на ЛЛМ.
Савет: Запамтите ово: АИ је највећа кутија, машинско учење је кутија унутар ње, а модел великог језика је најдубља кутија. „Сваки ЛЛМ је производ машинског учења и свако машинско учење је вештачка интелигенција, али обрнуто није увек тачно.
Разлика са традиционалним софтвером: ко пише правила?
Ово је најважнија разлика коју треба разумети. У традиционалном софтверу, човек (програмер) пише правила једно по једно: „Ако износ поруџбине прелази 500 ТЛ, испорука ће бити бесплатна.“ Компјутер следи ово правило до краја, ни више, ни мање.
У машинском учењу, људи не пишу правила; Модел открива само правило из примера који су му приказани. На пример, приказујете хиљаде „непожељних“ и „непожељних“ е-порука; Сам модел учи које речи и фразе указују на нежељену пошту. Нико не пише једно по једно „ако постоји ова реч, онда је спам“.
карактеристика
Традиционални софтвер
Машинско учење / АИ
Ко доноси правила?
Човек пише један по један
Модел закључује на основу примера
Да ли је излаз увек исти?
Исти улаз → исти излаз
Исти улаз → сличан, али променљиви излаз
Када је јак?
Радите са јасним, дефинитивним правилима
Ради са пуно образаца и тешким правилима
поузданост
предвидљив, постојан
Статистички, захтева проверу
пример
платни рачун
Побољшајте тон е-поште
Ова разлика је основа тема о „халуцинацијама“ и „верификацији“ које ћете научити касније: Пошто модел сам изводи правило, оно је понекад погрешно, тако да се његовом резултату не може слепо веровати.
Већ то видите у свакодневном пословном животу
Немојте мислити да је АИ нешто ново; Вероватно га већ годинама користите:
- Филтер за нежељену пошту у вашем сандучићу е-поште (модел који је научио који имејлови су смеће).
- Предвиђање тастатуре вашег телефона (мали језички модел који предлаже следећу реч).
- Упозорење ваше банке о лажној трансакцији (модел који открива неуобичајену потрошњу).
- Функције аутоматског попуњавања и предлога програма за табеларне прорачуне.
- Системи препорука у видео и музичким апликацијама.
Оно што је ново је да ова технологија сада може да говори природним језиком. Па ти пишеш као да разговараш са стручњаком, а он разуме и одговара. Овде се права прилика крије на радном месту.
Три мини кућишта
Случај 1 — Аисе, менаџер канцеларије. Сваке недеље је ручно категорисао око 40 имејлова добављача; Трајало је у просеку 90 минута. Почело је да имејлови компаније АИ помоћника означавају као „хитно/нормално/инфо“. Време је смањено на 20 минута; Он је посветио ~70 минута уштеђених за контролу уговора. АИ је научио само правило; Ајше није писала филтере један по један.
Случај 2 — Мехмет, теренски техничар. Купац је писао записе о грешкама у слободном тексту („уређај се загрева, искључује се повремено“). Његов менаџер није могао ручно да прочита и класификује ових 500 записа. Језички модел је резимирао записе као „хардверска/софтверска/корисничка грешка” и издвојио најчешћу притужбу. Модел је за неколико минута скицирао оно што би човеку требало скоро 2 дана; тим је само потврдио.
Случај 3 — Елиф, рачуноводство. Он је дао АИ да сумира нови законски текст и узео листу чланака од 1 странице из текста од 12 страница. Али он је сам потврдио критичан проценат из званичног извора; јер је то била ствар која је захтевала нумеричку прецизност. Тако је функционисало и брзо и безбедно.
Слаба порука / јака промпт
Познавање алата такође мења начин на који га тражите. Два различита питања од истог асистента:
Слаб упит: Шта је вештачка интелигенција?
Резултат: Дугачак, енциклопедијски опис који није специфичан за вас.
Снажан позив: Ја сам нетехнички канцеларијски радник. Објасните разлику између вештачке интелигенције, машинског учења и модела великог језика са 3 кратке тачке и примером из свакодневног живота за сваки. Користите обичан турски.
Резултат: Употребљив одговор који одговара вашој улози, нивоу и сврси. Разлика: дали сте контекст, публику и формат.
Цопиабле Темплатес
Помозите ми да научим технологију.Тема: [нпр. машинско учење]Ја: [моја улога / мој ниво знања]Желим: Једноставно објашњење у 5 ставки + пример из пословног живота за сваку ставку + резиме од 1 реченице "имајте то на уму" на крају.
Покажите ми где се сусрећем са следећим концептом у свакодневном животу: Концепт: [нпр. систем препорука]Дајте ми 5 реалних примера и објасните у једној реченици шта тачно АИ ради у сваком од њих.
Упоредите ова два концепта и ставите их у табелу: Концепт А: [традиционални софтвер] Концепт Б: [машинско учење] Колоне: ко поставља правило, је излазна константа, када је јака, пример.
Поједноставите следећу реченицу као да је објашњавате нетехничком колеги. Ако постоји жаргон, додајте кратко објашњење у загради. Реченица: [налепите овде]
Уобичајене грешке
Уобичајене грешке
- Размишљање "АИ = робот / свест". Данашња возила не размишљају и не осећају; препознаје обрасце и генерише могуће наставке. Заборављање на ово доводи до претераних очекивања и разочарања.
- Третирање сваког излаза АИ као коначне истине. Модел функционише статистички; Ризично је користити бројеве, датуме и изворе који захтевају прецизност без њихове провере.
- Рећи "Овај посао је далеко од мене" и никад не покушавајући. АИ штеди највише времена на заморним и понављајућим задацима запослених који нису технички. Они који не покушају пропустиће прилику.
- Постављање питања од једне речи без контекста. Ако алату не кажете ко сте и шта желите, добићете опште, бескорисне одговоре.
Опрез: АИ „учење“ није као људско учење. Модел „учи“ не разумевањем света, већ хватањем статистичких образаца у подацима. Тако да може да говори веома течно, али ипак погрешно схвати основну чињеницу. Течност није гаранција тачности.
Укратко
- Вештачка интелигенција је најшири кишобран; машинско учење је његова подграна која учи на примерима; Модел великог језика (ЛЛМ) је врста машинског учења која је специјализована за језик.
- Главна разлика: У традиционалном софтверу, човек пише правило; У машинском учењу, модел извлачи правило из примера.
- АИ је већ у вашем животу: филтер за нежељену пошту, предвиђање тастатуре, лажно упозорење о трансакцијама, системи препорука. Оно што је ново је да може да говори природним језиком.
- Пошто модел функционише статистички, флуидан је, али није увек тачан; ово је основа за наредне јединице (халуцинације, верификација).
Апплицатион Таск
Отворите алатку за вештачку интелигенцију коју користите и објасните себи разлику између машинског учења и модела великог језика помоћу шаблона „Моћни промпт“ изнад. Затим запишите 3 места у свом послу где се вештачка интелигенција већ користи (или би се могла користити). За сваки, „Шта тачно/може АИ да уради овде?“ Одговорите на питање у једној реченици.
Контролна листа
- [ ] Могу да разликујем вештачку интелигенцију, машинско учење и ЛЛМ.
- [ ] Могу да објасним разлику „ко пише правила“ између традиционалног софтвера и машинског учења.
- [ ] Знам најмање 3 примера вештачке интелигенције у свом свакодневном животу.
- [ ] Дајући контекст, публику и формат, могу поставити јаче питање.
- [ ] Знам да само зато што је вештачка интелигенција глатка не значи да је тачна.