Прибуток:
- Може розрізняти поняття штучного інтелекту, машинного навчання та великої мовної моделі
- Поясніть, чим ці технології відрізняються від традиційного програмного забезпечення
- Може розпізнавати приклади ШІ, які зустрічаються в повсякденному діловому житті
В останні роки слово «штучний інтелект» зустрічається скрізь: у новинах, рекламі, на ділових зустрічах, навіть у камері телефону, яким ви користуєтеся. Але що саме це означає? Цей розділ пояснює тему з основ, не занурюючись у жаргон і пов’язуючи її з вашим діловим життям. Мета полягає не в тому, щоб зробити вас інженером; Зробити вас свідомим користувачем, який розуміє, що таке інструменти, які ви використовуєте, і чому вони роблять те, що вони роблять. Тому що чим краще ви знаєте транспортний засіб, тим безпечніше та ефективніше ви ним будете користуватися.
Ви часто чуєте три поняття, що переплітаються: штучний інтелект, машинне навчання та велика модель мови. Це не одне й те саме; Вони все більше звужуються кільцями, одне в іншому. Тепер давайте пояснимо це одне за іншим на щоденних прикладах.
Три поняття, три переплетені кільця
Штучний інтелект (ШІ): це загальна назва широкого поля, яке дозволяє комп’ютерам виконувати завдання, які зазвичай потребують людського інтелекту (розуміння, прийняття рішень, розпізнавання, використання мови). Шахова програма, додаток для перекладу та голосовий помічник також знаходяться під цією парасолькою.
Машинне навчання (ML): це найпоширеніша підгалузь штучного інтелекту. Тут ми не записуємо правила в комп’ютер одне за одним; Ми показуємо йому багато зразків, і він сам вибирає шаблон у зразках. Звідси й назва «машинне навчання»: машина вчиться на прикладах.
Велика мовна модель (LLM): це особливий тип машинного навчання, який спеціалізується на тексті. Він навчений мільярдами речень; Він використовується в таких завданнях, як розуміння мови, створення, узагальнення та переклад. Це технологія, яка лежить в основі таких інструментів, як ChatGPT, Gemini, Claude. Інструменти в цьому модулі, який ми називаємо «generative AI» (штучний інтелект, що генерує текст/зображення), здебільшого базуються на LLM.
Підказка: запам’ятайте: штучний інтелект – це найбільша коробка, машинне навчання – це коробка всередині неї, а велика мовна модель – це найвнутрішня коробка. «Кожен LLM є продуктом машинного навчання, і кожне машинне навчання є ШІ, але зворотне не завжди вірно».
Різниця з традиційним програмним забезпеченням: хто пише правила?
Це найважливіша відмінність, яку потрібно зрозуміти. У традиційному програмному забезпеченні людина (програміст) пише правила одне за одним: «Якщо сума замовлення перевищує 500 TL, доставка буде безкоштовною». Комп’ютер точно дотримується цього правила, ні більше, ні менше.
У машинному навчанні люди не пишуть правила; Модель сама відкриває правило з показаних їй прикладів. Наприклад, ви показуєте тисячі «спамових» і «не спамових» листів; Модель сама дізнається, які слова та фрази позначають спам. Ніхто не пише по черзі «якщо є це слово, то це спам».
функція
Традиційне програмне забезпечення
Машинне навчання / А.І
Хто встановлює правила?
Людина пише один за одним
Модель робить висновки з прикладів
Чи завжди вихід однаковий?
Той самий вхід → той самий вихід
Той самий вхід → аналогічний, але змінний вихід
Коли він сильний?
Працюйте за чіткими чіткими правилами
Працює з великою кількістю шаблонів і складних правил
надійність
передбачуваний, стійкий
Статистичний, потребує перевірки
приклад
платіжний рахунок
Покращити тон електронної пошти
Ця різниця є основою тем «галюцинації» та «перевірки», які ви дізнаєтеся пізніше: оскільки модель виводить правило сама, воно іноді хибне, тому його результатам не можна сліпо довіряти.
Ви вже бачите це у своєму щоденному діловому житті
Не думайте, що ШІ – це щось нове; Ви, мабуть, користуєтеся ним роками:
- Фільтр спаму вашої електронної скриньки (модель, яка дізналася, які листи є смітником).
- Прогноз клавіатури вашого телефону (невелика мовна модель, яка пропонує наступне слово).
- Сповіщення вашого банку про шахрайську транзакцію (модель, яка виявляє незвичні витрати).
- Функції автозаповнення та пропозиції вашої програми для роботи з електронними таблицями.
- Системи рекомендацій у відео та музичних програмах.
Новим є те, що ця технологія тепер може говорити природною мовою. Так ви пишете так, ніби розмовляєте зі спеціалістом, а він розуміє і відповідає. Ось де реальні можливості криються на робочому місці.
Три міні-чохли
Кейс 1 — Айше, офіс-менеджер. Щотижня він вручну класифікував близько 40 електронних листів від постачальників; Це займало в середньому 90 хвилин. Помічник зі штучного інтелекту компанії почав позначати електронні листи як «терміново/звичайно/інформація». Час скорочено до 20 хвилин; Контролю контракту він присвятив ~70 збережених хвилин. ШІ сам вивчив правило; Айше не писала фільтри по одному.
Кейс 2 — Мехмет, польовий технік. Клієнт писав довільним текстом записи про несправності («пристрій нагрівається, періодично вимикається»). Його керівник не міг прочитати та класифікувати ці 500 записів вручну. Мовна модель узагальнювала записи як «апаратна/програмна/користувальницька помилка» та вилучала найпоширенішу скаргу. Модель за лічені хвилини накидала те, на що людині знадобилося б майже 2 дні; команда лише підтвердила.
Кейс 3 — Еліф, бухгалтерія. Він попросив ШІ підсумувати новий законодавчий текст і взяв 1-сторінковий список статей із 12-сторінкового тексту. Але він сам підтвердив критичний відсоток з офіційного джерела; тому що це була справа, яка потребувала чисельної точності. Таким чином, він працював швидко і безпечно.
Слабка підказка / Сильна підказка
Знання інструменту також змінює те, як ви його задаєте. Два різних питання від одного помічника:
Слабка підказка: що таке штучний інтелект?
Результат: довгий енциклопедичний опис, який не стосується вас.
Переконлива підказка: я нетехнічний офісний працівник. Поясніть різницю між штучним інтелектом, машинним навчанням і великою мовною моделлю за допомогою 3 коротких пунктів і прикладів із повсякденного життя для кожного. Використовуйте звичайну турецьку.
Результат: корисна відповідь, яка відповідає вашій ролі, рівню та меті. Відмінність: ви дали контекст, аудиторію та формат.
Шаблони, які можна копіювати
Допоможи мені вивчити технологію. Тема: [напр. машинне навчання] Я: [моя роль / мій рівень знань] Я хочу: просте пояснення з 5 пунктів + приклад із ділового життя для кожного пункту + підсумок із 1 речення «майте це на увазі» в кінці.
Покажіть мені, де я зустрічаю таке поняття в повсякденному житті:Поняття: [напр. система рекомендацій]Наведіть мені 5 реалістичних прикладів і поясніть одним реченням, що саме робить ШІ в кожному з них.
Порівняйте ці дві концепції та помістіть їх у таблицю: Концепція A: [традиційне програмне забезпечення] Концепція B: [машинне навчання] Стовпці: хто встановлює правило, чи є вихідна константа, коли він сильний, приклад.
Спростіть наступне речення, ніби пояснюєте його нетехнічному колезі. Якщо є жаргон, додайте коротке пояснення в дужках. Речення: [вставте сюди]
Поширені помилки
Поширені помилки
- Мислення «AI = робот / свідомість». Сучасні транспортні засоби не думають і не відчувають; розпізнає закономірності та генерує можливі продовження. Забуття про це призводить до завищених очікувань і розчарувань.
- Розглядаючи кожен результат ШІ як остаточну правду. Модель працює статистично; Ризиковано використовувати цифри, дати та джерела, які вимагають точності, не перевіряючи їх.
- Говорити «Ця робота далека від мене» і ніколи не пробувати. ШІ економить найбільше часу на виснажливих і повторюваних завданнях нетехнічних працівників. Хто не спробує, той упустить можливість.
- Постановка однослівних запитань без контексту. Якщо ви не скажете інструменту, хто ви і чого хочете, ви отримаєте загальні, марні відповіді.
Застереження: «навчання» ШІ не схоже на навчання людини. Модель «навчається» не шляхом розуміння світу, а шляхом фіксації статистичних закономірностей у даних. Тож він може говорити дуже вільно, але все одно помиляється в основних фактах. Вільне мовлення не є гарантією точності.
Підсумовуючи
- Штучний інтелект — це найширша парасолька; машинне навчання є його підгалуззю, яка навчається на прикладах; Велика мовна модель (LLM) — це тип машинного навчання, який спеціалізується на мові.
- Основна відмінність: у традиційному програмному забезпеченні людина пише правило; У машинному навчанні модель витягує правило з прикладів.
- ШІ вже у вашому житті: фільтр спаму, передбачення клавіатури, сповіщення про фальшиві транзакції, системи рекомендацій. Новим є те, що він може говорити природною мовою.
- Оскільки модель працює статистично, вона плавна, але не завжди точна; це основа для наступних одиниць (галюцинація, перевірка).
Аплікаційне завдання
Відкрийте інструмент штучного інтелекту, який ви використовуєте, і поясніть собі різницю між машинним навчанням і великою мовною моделлю за допомогою шаблону «Потужна підказка» вище. Потім запишіть 3 місця у вашому власному бізнесі, де ШІ вже використовується (або може бути використаний). Для кожного: «Що саме тут є/може зробити ШІ?» Дайте відповідь на запитання одним реченням.
Контрольний список
- [ ] Я можу розрізнити штучний інтелект, машинне навчання та LLM.
- [ ] Я можу пояснити різницю «хто пише правила» між традиційним програмним забезпеченням і машинним навчанням.
- [ ] Я знаю принаймні 3 приклади штучного інтелекту у своєму повсякденному житті.
- [ ] Надаючи контекст, аудиторію та формат, я можу поставити сильніше запитання.
- [ ] Я знаю, що те, що штучний інтелект працює гладко, не означає, що він точний.