Mga nadagdag:
- Maaaring makilala sa pagitan ng mga konsepto ng artificial intelligence, machine learning at big language model
- Ipaliwanag kung paano naiiba ang mga teknolohiyang ito sa tradisyonal na software
- Maaaring makilala ang mga halimbawa ng AI na nakatagpo sa pang-araw-araw na buhay ng negosyo
Sa mga nakalipas na taon, ang salitang "artipisyal na katalinuhan" ay nasa lahat ng dako: sa mga balita, sa mga advertisement, sa mga pulong ng negosyo, kahit sa camera ng telepono na iyong ginagamit. Ngunit ano nga ba ang ibig sabihin nito? Ipinapaliwanag ng unit na ito ang paksa mula sa mga pangunahing kaalaman, nang hindi nalulunod sa jargon, at sa pamamagitan ng pagkonekta nito sa iyong buhay negosyo. Ang layunin ay hindi gawin kang isang inhinyero; Upang gawin kang isang may kamalayan na gumagamit na nauunawaan kung ano ang mga tool na iyong ginagamit at kung bakit nila ginagawa ang kanilang ginagawa. Dahil kung mas kilala mo ang isang sasakyan, mas ligtas at mas mahusay ang iyong gagamitin.
Madalas mong marinig ang tatlong konsepto na magkakaugnay: artificial intelligence, machine learning, at ang big language model. Ang mga ito ay hindi ang parehong bagay; Ang mga ito ay lalong nagpapaliit ng mga singsing, isa sa loob ng isa pa. Ngayon ay ipaliwanag natin ang mga ito nang paisa-isa sa mga pang-araw-araw na halimbawa.
Tatlong Konsepto, Tatlong Interlocking Ring
Artificial Intelligence (AI): Ito ang pangkalahatang pangalan ng isang malawak na field na nagbibigay-daan sa mga computer na magsagawa ng mga gawain na karaniwang nangangailangan ng katalinuhan ng tao (pag-unawa, paggawa ng desisyon, pagkilala, paggamit ng wika). Nasa ilalim din ng payong ito ang isang programa sa chess, isang application sa pagsasalin, at isang voice assistant.
Machine learning (ML): Ito ang pinakakaraniwang sub-branch ng artificial intelligence. Dito, hindi namin isinusulat ang mga patakaran sa computer nang paisa-isa; Nagpapakita kami sa kanya ng maraming sample at siya mismo ang pumili ng pattern sa mga sample. Kaya ang pangalang "pag-aaral ng makina": natututo ang makina mula sa mga halimbawa.
Large Language Model (LLM): Ito ay isang espesyal na uri ng machine learning na dalubhasa sa text. Ito ay sinanay sa bilyun-bilyong pangungusap; Ginagamit ito sa mga gawain tulad ng pag-unawa sa wika, paggawa, pagbubuod at pagsasalin. Ito ang teknolohiya sa likod ng mga tool tulad ng ChatGPT, Gemini, Claude. Ang mga tool sa modyul na ito, na tinatawag nating "generative AI" (text/image generating AI), ay kadalasang nakabase sa LLM.
Pahiwatig: Tandaan ito: Ang AI ang pinakamalaking kahon, ang machine learning ay ang kahon sa loob nito, at ang malaking modelo ng wika ay ang pinakaloob na kahon. "Ang bawat LLM ay isang produkto ng machine learning at bawat machine learning ay isang AI, ngunit ang kabaligtaran ay hindi palaging totoo."
Pagkakaiba sa Tradisyunal na Software: Sino ang Nagsusulat ng Mga Panuntunan?
Ito ang pinakamahalagang pagkakaiba upang maunawaan. Sa tradisyunal na software, ang isang tao (programmer) ay nagsusulat ng mga panuntunan nang paisa-isa: "Kung ang halaga ng order ay lumampas sa 500 TL, ang pagpapadala ay libre." Sinusunod ng computer ang panuntunang ito hanggang sa liham, hindi hihigit, hindi bababa.
Sa machine learning, hindi isinulat ng mga tao ang mga patakaran; Natuklasan ng modelo ang mismong panuntunan mula sa mga halimbawang ipinakita dito. Halimbawa, nagpapakita ka ng libu-libong "spam" at "hindi spam" na mga email; Ang modelo mismo ay natututo kung aling mga salita at parirala ang nagpapahiwatig ng spam. Walang nagsusulat isa-isa na nagsasabing "kung mayroong salitang ito, ito ay spam".
tampok
Tradisyunal na Software
Machine Learning / AI
Sino ang gumagawa ng mga patakaran?
Isa-isang nagsusulat ang tao
Ang modelo ay naghihinuha mula sa mga halimbawa
Ang output ba ay palaging pareho?
Parehong input → parehong output
Parehong input → katulad ngunit variable na output
Kailan ito malakas?
Magtrabaho nang may malinaw, tiyak na mga panuntunan
Gumagana sa maraming mga pattern at mahirap na mga panuntunan
pagiging maaasahan
mahuhulaan, matatag
Statistical, nangangailangan ng pagpapatunay
halimbawa
payroll account
Pagbutihin ang tono ng email
Ang pagkakaibang ito ay ang batayan ng mga paksang "hallucination" at "verification" na matututuhan mo sa ibang pagkakataon: Dahil kinukuha ng modelo ang mismong panuntunan, kung minsan ay mali ito, kaya ang output nito ay hindi mapagkakatiwalaan nang walang taros.
Nakikita Mo Na Ito sa Iyong Pang-araw-araw na Buhay sa Negosyo
Huwag isipin na ang AI ay isang bagong bagay; Malamang na ginagamit mo ito sa loob ng maraming taon:
- Ang spam filter ng iyong email box (isang modelo na natutunan kung aling mga email ang basura).
- Ang hula sa keyboard ng iyong telepono (isang maliit na modelo ng wika na nagmumungkahi ng susunod na salita).
- Ang alerto sa mapanlinlang na transaksyon ng iyong bangko (modelo na nakakakita ng hindi pangkaraniwang paggastos).
- Mga tampok ng autofill at mungkahi ng iyong spreadsheet program.
- Mga sistema ng rekomendasyon sa mga application ng video at musika.
Ang bago ay ang teknolohiyang ito ay maaari na ngayong magsalita gamit ang natural na wika. Kaya sumusulat ka na parang may kausap kang eksperto, at naiintindihan niya at sinasagot niya. Dito matatagpuan ang tunay na pagkakataon sa lugar ng trabaho.
Tatlong Mini Case
Kaso 1 — Ayşe, tagapamahala ng opisina. Siya ay manu-manong nakategorya sa paligid ng 40 mga email ng supplier bawat linggo; Tumagal ito ng average na 90 minuto. Nagsimula itong magkaroon ng mga email ng label ng AI assistant ng kumpanya bilang "urgent/normal/info." Ang oras ay nabawasan sa 20 minuto; Nagtalaga siya ng ~70 minutong natipid sa kontrol ng kontrata. Natutunan ng AI ang panuntunan mismo; Si Ayşe ay hindi sumulat ng mga filter nang paisa-isa.
Case 2 — Mehmet, field technician. Ang customer ay nagsusulat ng mga rekord ng pagkakamali sa libreng text ("nag-iinit ang device, paulit-ulit na nagsasara"). Ang kanyang manager ay hindi maaaring basahin at i-classify ang 500 record na ito nang manu-mano. Binubuod ng isang modelo ng wika ang mga talaan bilang "error sa hardware/software/user" at kinuha ang pinakamadalas na reklamo. Ang modelo ay nag-sketch sa ilang minuto kung ano ang aabutin ng halos 2 araw para sa isang tao; kinumpirma lang ng team.
Kaso 3 - Elif, accounting. Siya ay nagkaroon ng AI summarize ng isang bagong legislative text at kumuha ng isang 1-pahinang listahan ng mga artikulo mula sa 12-pahinang teksto. Ngunit siya mismo ay nagkumpirma ng isang kritikal na porsyento mula sa opisyal na mapagkukunan; dahil ito ay isang bagay na nangangailangan ng katumpakan ng numero. Sa gayon, gumana ito nang mabilis at ligtas.
Mahina Prompt / Malakas na Prompt
Ang pag-alam sa tool ay nagbabago rin kung paano mo ito itatanong. Dalawang magkaibang tanong mula sa parehong katulong:
Mahinang prompt:Ano ang artificial intelligence?
Resulta: Isang mahaba, ensiklopediko na paglalarawan na hindi partikular sa iyo.
Malakas na prompt: Ako ay isang hindi teknikal na manggagawa sa opisina. Ipaliwanag ang pagkakaiba sa pagitan ng artificial intelligence, machine learning at big language model na may 3 maiikling bullet point at isang halimbawa mula sa pang-araw-araw na buhay para sa bawat isa. Gumamit ng simpleng Turkish.
Resulta: Isang magagamit na sagot na angkop sa iyong tungkulin, antas at layunin. Pagkakaiba: nagbigay ka ng konteksto, madla at format.
Mga Kopyadong Template
Tulungan akong matuto ng teknolohiya.Paksa: [hal. machine learning]Ako: [aking tungkulin / antas ng aking kaalaman]Gusto ko: Isang simpleng paliwanag sa 5 item + isang halimbawa mula sa buhay negosyo para sa bawat item + isang 1-pangungusap na "tandaan ito" na buod sa dulo.
Ipakita sa akin kung saan ko nakatagpo ang sumusunod na konsepto sa pang-araw-araw na buhay:Konsepto: [hal. sistema ng rekomendasyon]Bigyan mo ako ng 5 makatotohanang halimbawa at ipaliwanag sa isang pangungusap kung ano mismo ang ginagawa ng AI sa bawat isa.
Ihambing ang dalawang konseptong ito at ilagay ang mga ito sa isang talahanayan:Konsepto A: [tradisyonal na software]Konsepto B: [pag-aaral ng makina]Mga Hanay: kung sino ang nagtatakda ng panuntunan, ay ang output na pare-pareho, kailan ito malakas, isang halimbawa.
Pasimplehin ang sumusunod na pangungusap na parang ipinapaliwanag ito sa isang hindi teknikal na kasamahan. Kung may jargon, magdagdag ng maikling paliwanag sa panaklong. Pangungusap: [idikit dito]
Mga Karaniwang Pagkakamali
Mga karaniwang pagkakamali
- Iniisip ang "AI = robot / kamalayan". Ang mga sasakyan ngayon ay hindi iniisip o nararamdaman; kinikilala ang mga pattern at bumubuo ng mga posibleng sequel. Ang paglimot dito ay humahantong sa labis na mga inaasahan at pagkabigo.
- Tinatrato ang bawat output ng AI bilang tiyak na katotohanan. Ang modelo ay gumagana sa istatistika; Mapanganib na gumamit ng mga numero, petsa, at mapagkukunan na nangangailangan ng katumpakan nang hindi bini-verify ang mga ito.
- Sinasabing "Malayo sa akin ang trabahong ito" at hindi sinusubukan. Ang AI ay nakakatipid ng pinakamaraming oras sa nakakapagod at paulit-ulit na mga gawain ng mga hindi teknikal na empleyado. Ang mga hindi sumubok ay mawawalan ng pagkakataon.
- Pagtatanong ng isang salita nang walang konteksto. Kung hindi mo sasabihin sa tool kung sino ka at kung ano ang gusto mo, makakakuha ka ng mga generic, walang kwentang sagot.
Babala: Ang "pag-aaral" ng AI ay hindi katulad ng pag-aaral ng tao. Ang modelo ay "natututo" hindi sa pamamagitan ng pag-unawa sa mundo ngunit sa pamamagitan ng pagkuha ng mga istatistikal na pattern sa data. Kaya't nakakapagsalita siya nang napakatalino ngunit nakakakuha pa rin ng isang pangunahing katotohanang mali. Ang katatasan ay hindi garantiya ng katumpakan.
Sa buod
- Ang artificial intelligence ay ang pinakamalawak na payong; machine learning ay ang sub-branch nito na natututo mula sa mga halimbawa; Ang Large language model (LLM) ay isang uri ng machine learning na dalubhasa sa wika.
- Pangunahing pagkakaiba: Sa tradisyunal na software, isinulat ng tao ang panuntunan; Sa machine learning, kinukuha ng modelo ang panuntunan mula sa mga halimbawa.
- Ang AI ay nasa iyong buhay na: filter ng spam, hula sa keyboard, pekeng alerto sa transaksyon, mga sistema ng rekomendasyon. Ang bago ay nakakapagsalita ito sa natural na wika.
- Dahil gumagana ang modelo sa istatistika, ito ay tuluy-tuloy, ngunit hindi ito palaging tumpak; ito ang batayan para sa mga kasunod na unit (hallucination, verification).
Aplikasyon na Gawain
Magbukas ng AI tool na ginagamit mo at ipaliwanag sa iyong sarili ang pagkakaiba sa pagitan ng machine learning at big language model gamit ang template na "Powerful prompt" sa itaas. Pagkatapos ay isulat ang 3 lugar sa iyong sariling negosyo kung saan ginagamit na ang AI (o maaaring gamitin). Para sa bawat isa, "Ano nga ba ang/magagawa ng AI dito?" Sagutin ang tanong sa isang pangungusap.
Checklist
- [ ] Maaari kong makilala ang pagitan ng artificial intelligence, machine learning at LLM.
- [ ] Maaari kong ipaliwanag ang pagkakaiba ng "sino ang sumulat ng mga patakaran" sa pagitan ng tradisyonal na software at machine learning.
- [ ] Alam ko ang hindi bababa sa 3 halimbawa ng AI sa aking pang-araw-araw na buhay.
- [ ] Sa pamamagitan ng pagbibigay ng konteksto, audience, at format, makakapagtanong ako ng mas malakas na tanong.
- [ ] Alam ko na dahil lang sa makinis ang AI ay hindi nangangahulugan na ito ay tumpak.