Какво всъщност е изкуствен интелект? [Видео и тест]

Кратък отговор: Изкуственият интелект е широко семейство от изчислителни техники, които разпознават модели, правят прогнози, генерират съдържание и все по-често предприемат действия. Той може да бъде много ефективен, когато около него са изградени надеждна информация, ясни разрешения и човешка проверка, но плавният резултат никога не трябва да се третира като автоматично доказателство за истинност.

Ключови изводи:

Отговорност: Дръжте хората отговорни за важните решения, особено когато изкуственият интелект може да допусне скъпоструващи грешки.

Прозрачност: Посочете ясно на каква информация, правила и разрешения разчита дадена система с изкуствен интелект.

Проверка: Проверете важни фактически, медицински, правни, финансови и бизнес резултати, преди да предприемете действия по тях.

Одитируемост: Тествайте ИИ с представителни случаи и запишете както подобренията в ефективността, така и въведените грешки.

Устойчивост на злоупотреби: Ограничете достъпа, предотвратете неподдържани действия и ескалирайте несигурните случаи до човешки проверяващи.

1. Какво всъщност е изкуствен интелект? Простото обяснение

Изкуственият интелект, или ИИ, се отнася до компютърни системи, които могат да изпълняват задачи, свързани с човешкия интелект.

Тези задачи могат да включват:

• Разбиране на езика

• Разпознаване на обекти в изображения

• Предсказване на това какво ще се случи след това

• Изготвяне на препоръки

• Генериране на текст, снимки, аудио или видео

• Откриване на модели в огромни масиви от данни

• Вземане на решения въз основа на наличната информация

• Учене от примери

• Решаване на определени видове проблеми

Тук е важен един момент.

Изкуственият интелект не е задължително да мисли като човек, за да произвежда резултати, които изглеждат интелигентни.

Шахматната програма не се тревожи дали жертването на офицера е емоционално правилно. Алгоритъмът за препоръки не развива лична привързаност към документалния филм, който непрекъснато ви предлага. Езиковият модел не се нуждае от мъничък учител по английски, живеещ в компютъра.

Вместо това, тези системи обработват информация, използвайки математически модели, алгоритми, данни за обучение, правила, вероятности и огромни количества изчисления.

Крайният резултат може да изглежда забележително човешки.

Но механизмът отдолу е много различен.

Това разграничение е по-важно, отколкото хората понякога осъзнават.

2. Изкуственият интелект е по-малко като роботен мозък и повече като машина за прогнозиране

Когато хората чуят „изкуствен интелект“, те често си представят нещо, наподобяващо синтетичен човешки мозък.

Разбираемо е. Научната фантастика е прекарала десетилетия, давайки на изкуствения интелект светещи очи, зловещи гласове, подозрително силни мнения и, обикновено, някакъв вид метален скелет.

Практическият ИИ като цяло е по-малко кинематографичен.

Много съвременни системи с изкуствен интелект работят чрез прогнозиране.

Помислете за езиков модел.

Когато пишете:

„Котката седна на...“

Системата оценява кои думи е статистически вероятно да се появят следващи.

Възможно е:

• постелка

• под

• диван

• стол

Той не просто запомня едно изречение и го извлича обратно. Достатъчно напредналият модел е научил сложни връзки между думи, идеи, структури на изреченията, понятия, стилове, факти и модели.

След това предсказва последователността, която най-добре отговаря на контекста. предсказване на следващата дума изисква да се научат доста езикови познания.

А езикът съдържа... ами, основно всичко, за което хората говорят.

История. Математика. Готвене. Програмиране. Взаимоотношения. Физика. Спорове за това дали ананасът е подходящ за пица.

Така че една на пръв поглед основна задача за прогнозиране може да доведе до изненадващо сложно поведение.

Разбира се, метафората има ограничения. Да наречем напреднал изкуствен интелект „просто автодовършване“ е все едно да наречем самолет „просто някакъв метал с крила“. Технически, там се крие нещо истинско, но по-голямата част от интересната част е изчезнала.

3. Как се учи изкуственият интелект?

Тук в разговора се намесва машинното обучение

Традиционният софтуер обикновено работи чрез изрични инструкции.

Програмист може да напише:

• Ако потребителят въведе правилната парола, разрешете достъп.

• Ако температурата надвиши определен праг, активирайте охлаждането.

• Ако даден артикул е изчерпан, покажете предупреждение.

Тези инструкции са умишлено програмирани.

Машинното обучение обръща процеса наопаки.

Вместо ръчно да дефинират всяко правило, разработчиците предоставят на системата примери или данни и ѝ позволяват да открива модели.

Представете си, че се опитвате да създадете софтуер, способен да разпознава котки на снимки.

Писането на ясни правила би станало абсурдно доста бързо.

Може да опитате:

• Търсете триъгълни уши.

• Търсете мустаци.

• Търсете четири крака.

• Търсете козина.

След това някой качва снимка на лисица.

Не съвсем.

Или тигър.

Или котка, свита на кълбо на пухкава топка, където едва се виждат краката ѝ.

Машинното обучение подхожда към проблема по различен начин. Моделът може да бъде обучен върху огромни колекции от примери и постепенно да се учи кои визуални модели са свързани с котки.

Не се учи думата „котка“ по същия начин, както го прави едно малко дете.

Но математически, моделът става все по-способен да идентифицира модели, свързани с категорията.

Това е машинно обучение накратко - макар че самото понятие съдържа няколко склада от линейна алгебра.

4. Изкуствен интелект срещу машинно обучение срещу дълбоко обучение

Тези термини постоянно се смесват, отчасти защото хората използват „ИИ“ като общ термин за практически всичко.

Един прост начин да ги разделите е този.

Изкуственият интелект е широкото поле.

Машинното обучение е един от подходите, използвани за създаване на системи с изкуствен интелект.

Дълбокото обучение е специфичен вид машинно обучение, включващо големи невронни мрежи с множество слоеве.

След това има генеративен изкуствен интелект, който се фокусира върху създаването на нови резултати като текст, изображения, музика, код, реч или видео.

Таблица за сравнение

Срок	Типична употреба	Какво по същество означава	Бърз начин да се замислите
Изкуствен интелект	Широка категория машини, изпълняващи задачи, които изглеждат интелигентни	Роботика, асистенти, планиране, препоръки	Големият чадър
Машинно обучение	Модели на системно обучение от данни	Откриване на измами, препоръки, прогнози	Учене от примери
Дълбоко обучение	Машинно обучение с помощта на многослойни невронни мрежи	Зрение, реч, усъвършенствани езикови модели	Машинно обучение, но много по-дълбоко... буквално
Генеративен изкуствен интелект	Изкуствен интелект, проектиран да създава ново съдържание	Текст, изображения, код, аудио	Творческият клон
Автоматизация	Софтуер, следващ предварително зададени процеси	Повтарящи се работни процеси, въвеждане на данни	Обикновено правила, а не „учене“

Разграничението е важно, защото не всяка автоматизирана система е изкуствен интелект.

Ако кафемашината ви се изключи сама след десет минути, поздравления - вероятно не притежавате лаборатория за изкуствен интелект.

Това е просто таймер.

5. Какво представляват невронните мрежи?

Невронните мрежи са математически системи, свободно вдъхновени от биологични неврони.

Фразата ги кара да звучат мистериозно. Те не са буквални изкуствени мозъци, плаващи вътре в компютри.

Невронната мрежа се състои от взаимосвързани математически единици, които обработват информация.

По време на обучението мрежата настройва вътрешни числови стойности, наречени параметри или тегла.

Тези корекции позволяват на системата да се подобри в производството на ценни резултати.

Мислете за това като за абсурдно сложен контролен панел с потенциално милиарди малки регулируеми копчета.

Тренировката побутва тези копчета отново и отново.

Грешен отговор?

Регулирайте копчетата.

По-добър отговор?

Настройте ги по различен начин.

Направете това достатъчно пъти, върху достатъчно данни и с достатъчна изчислителна мощност и мрежата започва да разработва сложни вътрешни представяния, които ѝ позволяват да разпознава и генерира модели.

Разбира се, думите „настройте копчетата“ карат десетилетия компютърни науки да звучат като някой, който настройва старо радио... но като ментален модел, работи забележително добре.

6. Защо изкуственият интелект изведнъж изглежда толкова по-умен

Изкуственият интелект не е изобретение, което се е появило за една нощ.

Основното поле съществува отдавна.

Това, което се промени, беше едновременното ускоряване на няколко сили.

Повече изчислителна мощност

Съвременните процесори могат да извършват огромен брой изчисления бързо, особено видовете изчисления, необходими за невронните мрежи. Увеличаването на обучителните изчисления е един важен двигател на напредъка в съвременните системи с изкуствен интелект.

Повече данни

Дигиталният свят съдържа гигантски количества текст, изображения, аудио, видео, код и структурирана информация.

Обучението на сложни модели изисква примери - много от тях.

По-добри алгоритми

Изследователите непрекъснато усъвършенстват архитектурите и методите, използвани за обучение на системи с изкуствен интелект.

По-големи модели

Увеличаването на броя на параметрите, подобряването на наборите от данни и увеличаването на изчислителните възможности често водят до изненадващо способни модели. Изследванията върху обучението на езикови модели, оптимални за изчисленията, също показват, че размерът на модела, данните и изчислителните възможности трябва да бъдат балансирани, а не просто да се максимизира броят на параметрите.

По-добри интерфейси

Тази част е лесна за подценяване.

Изкуственият интелект се усеща драстично по-достъпен, защото обикновените хора вече могат да взаимодействат с усъвършенствани системи чрез ежедневен език.

Не е нужно да разбираш програмиране.

Можете просто да попитате:

„Обяснявай ми ипотеките, сякаш съм на дванадесет.“

Или:

„Превърнете тези бележки от срещата в имейл.“

Или:

„Дай ми пет идеи за вечеря с пилешко месо, ориз и каквито и да е зеленчуци, които бавно умират в хладилника ми.“

Тази промяна в интерфейса е огромна.

Технологиите обикновено набират популярност, след като хората спрат да се нуждаят от ръководство, за да ги използват.

7. Какво прави изкуственият интелект, когато му зададете въпрос?

Помислете за съвременен асистент с изкуствен интелект.

Вие пишете:

„Обяснете гравитацията на петгодишно дете.“

Зад кулисите системата преобразува текста ви в числови единици, наречени токени.

Токените могат да представляват цели думи, части от думи, препинателни знаци или други езикови фрагменти.

Тези токени се обработват чрез модела.

Моделът разглежда връзките между различните части на вашата заявка, взема предвид контекста и прогнозира полезно продължение.

След това още един жетон.

После още един.

После още един.

Това се случва забележително бързо.

Полученият параграф изглежда сякаш някой го е съставил като завършена мисъл, но технически е генериран последователно.

Това е една от по-странните характеристики на изкуствения интелект.

Резултатът може да изглежда умишлен, въпреки че основният процес е вероятностен.

Това прилича повече на импровизация, отколкото на извличане на подготвен отговор от гигантска база данни.

Не е точно импровизация, разбира се - но достатъчно близо, за да може метафората да си заслужи обяда.

8. Разбира ли изкуственият интелект нещата?

Този въпрос много бързо става философски.

Дали една система с изкуствен интелект наистина „разбира“ език?

Отговорът зависи до голяма степен от това какво имате предвид под „разбиране“.

Съвременните модели на изкуствен интелект могат очевидно да манипулират концепции по сложни начини.

Те могат:

• Обяснете идеите

• Сравнете аргументи

• Пренапишете текст

• Превод на езици

• Решаване на много структурирани проблеми

• Генериране на работещ код

• Идентифицирайте модели

• Следвайте сложни инструкции

• Комбинирайте концепции по нови начини

Отстрани това може да изглежда много като разбиране.

Но има важни разлики между машинния интелект и човешкото познание.

Хората преживяват физическия свят.

Чувстваме глад, болка, срам, скука, обич и особената паника, когато осъзнаем, че батерията на телефона ни е на 2 процента.

Системите с изкуствен интелект не е задължително да имат еквивалентен житейски опит.

Те обработват представяния.

Така че въпросът дали един изкуствен интелект „разбира“ нещо може да наподобява въпроса дали една подводница плува.

Определено се движи през водата.

Но може би „плуване“ не е съвсем точната дума.

9. Изкуственият интелект не знае автоматично кое е истина

Това е един от най-важните моменти относно генеративния изкуствен интелект.

Моделът може да генерира твърдение, което звучи изключително убедително, без твърдението да е правилно.

Защо?

Защото генерирането на правдоподобен език и проверката на обективната истина са различни проблеми.

Система с изкуствен интелект може да се сблъска с несигурност и въпреки това да даде уверен отговор.

Тези грешки често се наричат ​​халюцинации.

Например, изкуственият интелект може:

• Измислете статистика

• Неправилно приписване на оферта

• Объркайте двама еднакви хора

• Създаване на несъществуващи препратки

• Неправилно тълкуване на двусмислени инструкции

• Правете фини математически грешки

Езиковите модели могат да генерират изфабрикувани цитати, проучвания, цитати и друга невярна информация, като същевременно звучат уверено. NIST специално идентифицира уверено заявеното невярно съдържание и изфабрикуваните цитати като риск, свързан с генеративен изкуствен интелект.

Парадоксално е, че колкото по-способни звучат тези системи, толкова по-лесно става това да се забрави.

Изпипаният език създава увереност.

Но увереността не е доказателство.

За важна информация, засягаща области като медицина, право, финанси, безопасност или важни бизнес решения, проверката все още е от значение.

Доста малко.

10. Изкуственият интелект не е същото като търсачка

Друго често срещано недоразумение е третирането на изкуствения интелект и търсенето като едно и също нещо.

Те не са.

Традиционната търсачка помага предимно за намиране на съществуваща информация.

Генеративната система с изкуствен интелект генерира отговор предимно въз основа на научени модели, предоставен контекст и всички допълнителни инструменти, до които може да има достъп. Генеративните модели изучават модели и взаимовръзки в големи набори от данни и използват тези модели, за да създават нови резултати.

Представете си да попитате:

Търсачка: „най-добрите начини за обяснение на фотосинтезата“

Обикновено получавате страници за проучване.

Попитайте асистент с изкуствен интелект същото и може да получите:

• Едно просто обяснение

• Аналогия с класната стая

• Викторина

• План на урока

• История за деца

• Подробна научна версия

Търсене извлича.

Генеративният изкуствен интелект синтезира.

Съвременните системи могат да комбинират и двата подхода, което прави разграничението все по-размито, но инструментите остават концептуално различни.

11. Какво може да прави добре изкуственият интелект?

Изкуственият интелект е склонен да се представя особено добре при задачи, изискващи много шаблони, информация и трансформация.

Ценните приложения включват:

Помощ при писане

Изкуственият интелект може да изготвя, пренаписва, обобщава и преструктурира текст.

Програмиране

Моделите могат да генерират код, да обясняват грешки, да предлагат подобрения и да помагат на разработчиците да разбират непознати системи.

Анализ на данни

Изкуственият интелект може да помогне при идентифицирането на модели, интерпретирането на набори от данни и преобразуването на сложни открития на разбираем език.

Генериране на изображения

Генеративните модели могат да създават илюстрации, концепции, макети на продукти, произведения на изкуството и визуални вариации от описания.

Превод

Усъвършенстваните модели могат да превеждат на различни езици, като същевременно запазват повече контекст, отколкото простите системи дума по дума.

Образование

Изкуственият интелект може да обясни една и съща концепция по много начини, в зависимост от нивото на знания на човек.

Поддръжка на клиенти

Компаниите могат да използват изкуствен интелект, за да отговарят на често задавани въпроси и да помагат за насочване на сложни случаи.

Брейнсторминг

Изкуственият интелект може да бъде особено ефективен, когато имате интелектуалния еквивалент на празен хладилник.

Можете да поискате ъгли, имена, концепции, структури или възможности - след това да решите какво си струва да запазите.

Това често е най-здравословната работна връзка с изкуствения интелект.

Не „машината замества човека“

Повече като:

човек + машина = по-бърз първи вариант на мислене.

12. В какво все още е лош изкуственият интелект

Въпреки цялото внимание около него, настоящият изкуствен интелект все още има съществени ограничения.

Някои са очевидни от самото начало.

Други се появяват само когато разчитате на системата за нещо сложно.

Изкуственият интелект може да се затрудни с:

• Изключително прецизна фактологична точност

• Необичайни крайни случаи

• Дълги вериги от разсъждения

• Неясни инструкции

• Предположения на здравия разум, които хората едва забелязват

• Разбиране на неизказан емоционален контекст

• Проверка дали информацията е наистина вярна

• Задачи, изискващи опит във физическия свят

• Последователност в сложните проекти

Дори висококачествените езикови модели все още могат да допускат фактически грешки и грешки в разсъжденията, а трудните бенчмаркове продължават да разкриват съществени ограничения.

Друг проблем е, че изкуственият интелект може да генерира посредствени отговори с много малко усилия.

Искате ли десет фирмени имена?

Готово.

Искате публикация в блога?

Лесно.

Искате ли маркетингови идеи?

Разбира се.

Но създаването на нещо не е същото като създаването на произведение, което е наистина оригинално, с търговска стойност, емоционално интелигентно или стратегически обосновано.

Хората все още осигуряват вкус.

Вкусът е важен.

Може би повече от всякога.

13. Съзнателен ли е изкуственият интелект?

Тук стигаме до частта, в която разговорите по време на вечеря стават странни.

Съвременните системи с изкуствен интелект могат да създават език, който звучи емоционално, замислено и осъзнато.

Това не означава автоматично, че те изпитват съзнание.

Езиковите модели са специално обучени да генерират език.

И хората естествено интерпретират плавния език като доказателство, че зад него съществува друг разум.

Обикновено това е разумно предположение.

Когато друг човек каже „Притеснявам се“, ние основателно предполагаме, че съществува вътрешно емоционално състояние.

С изкуствения интелект това предположение не е непременно оправдано.

Системата може да генерира:

„Развълнуван съм да помогна.“

Това не доказва, че има някакво невидимо малко емоционално същество вътре в сървъра, което си прекарва прекрасен следобед.

Трудният философски въпрос е дали машинното съзнание някога би могло да се появи.

Никой няма прост тест, който може да разреши този дебат напълно.

Но самата плавност на разговора не бива да се третира като доказателство. Понятия като съзнателен или „силен“ изкуствен интелект остават теоретични, а не установено свойство на днешните системи.

14. Тесен изкуствен интелект срещу общ изкуствен интелект

Повечето системи с изкуствен интелект все още са изградени около специфични възможности.

Те често се описват като тесен ИИ.

Примерите включват системи, предназначени за:

• Разпознаване на изображения

• Генериране на език

• Препоръка

• Помощ при шофиране

• Медицинска образна диагностика

• Разкриване на измами

• Разпознаване на реч

Изкуственият общ интелект, обикновено съкращаван до AGI, се отнася до много по-широко хипотетично ниво на машинен интелект.

Идеята е система, способна да учи и да изпълнява интелектуални задачи в много области на приблизително човешко ниво или дори по-високо.

Границата не е перфектно определена.

Това е част от трудността.

Различни изследователи, компании и коментатори използват „ОИУ“ по различен начин, така че разговорите могат да се превърнат в трима души, които страстно спорят за различни дефиниции, без да го осъзнават. В момента няма широк академичен консенсус относно това какво точно трябва да се квалифицира като ОИУ.

Класическо интернет поведение, с други думи.

15. Защо данните за обучение са толкова важни

Системите с изкуствен интелект учат модели от примери, така че качеството на тези примери е от огромно значение.

Следователно данните за обучение стават изключително важни.

Представете си, че обучавате някого да стане готвач, но му давате само рецепти за препечени филийки.

Те може да станат феноменални в препечената филийка.

Може би тост на ниво Мишлен.

Но да им подадете октопод и да поискате вечеря, може да стане интересно.

Изкуственият интелект работи по подобен начин.

Качеството , разнообразието и релевантността на учебния материал влияят върху това, което моделите учат. Генеративните системи учат статистически модели и връзки от своите обучителни данни, вместо да работят като конвенционални бази данни.

Проблеми в наборите от данни могат да се проявят в резултатите, включително:

• Пристрастие

• Липсващи знания

• Повтарящи се погрешни схващания

• Слабо представяне в недостатъчно представените области

• Свръхпредставяне на определени езикови или културни модели

Моделите за машинно обучение могат да бъдат податливи на пристрастия поради начина, по който се избират и курират примерите за обучение, а небалансираните или непълни данни могат да повлияят на производителността на модела.

Следователно, разработчиците полагат огромни усилия за подобряване на наборите от данни, филтриране на съдържание и усъвършенстване на моделите след първоначалното си обучение.

Архитектурата на модела е важна.

Изчислителната мощност също е от значение.

Но данните тихо се крият под всичко като водопровод - никой не говори за тях, докато нещо не се обърка.

16. Как моделите с изкуствен интелект се подобряват след обучение

Първоначалното обучение не е непременно последната стъпка.

Моделите могат да преминат през допълнителни процеси, предназначени да ги направят по-способни и надеждни.

Това може да включва обучение на системи за:

• Следвайте инструкциите по-надеждно

• Избягвайте вредни изходи

• Форматирайте отговорите по подходящ начин

• Отказ на определени заявки

• Предпочитам по-ясни отговори

• Използвайте инструменти

• Следвайте човешката обратна връзка

• По-добре се справяйте с разговорите

Този процес е широко свързан с подравняването. Техниките за човешка обратна връзка, например, са използвани за подобряване на следването на инструкциите и насочване на езиковите модели към желаното поведение след предварително обучение.

Съгласуването означава опит за това поведението на ИИ да отразява по-добре човешките намерения, правила и предпочитания.

Просто изречение.

Изключително труден инженерен проблем.

Хората дори не могат да се споразумеят какво представлява добрата гарнитура за пица, така че кодирането на „това, което хората искат“ в мощни изчислителни системи е... амбициозно.

17. Агенти с изкуствен интелект: Когато изкуственият интелект започне да предприема действия

Обикновеният чатбот отговаря предимно на подкани.

Агент с изкуствен интелект може потенциално да предприеме стъпки за постигане на цел. Агентите с изкуствен интелект обикновено се описват като системи, способни автономно да изпълняват задачи, да планират работни процеси и да използват наличните инструменти.

Представете си, че казвате на изкуствен интелект:

„Организирайте моето бизнес пътуване.“

Стандартен езиков модел може да генерира маршрут.

Система тип агент теоретично би могла да изпълнява множество свързани действия:

1. Проверете наличните опции за пътуване.

2. Сравнете графиците.

3. Определете подходящо място за настаняване.

4. Добавяне на събития към календар.

5. Подгответе списък за опаковане.

6. Актуализирайте плановете си, ако нещо се промени.

Разликата е между действие и постоянство.

Вместо да отговаря на едно запитване, системата работи чрез поредица от задачи.

Това е една от причините, поради които агентите с изкуствен интелект предизвикват толкова голям интерес.

Те превръщат изкуствения интелект от генератор на съдържание в нещо по-близко до софтуерен оператор.

Тази промяна може да бъде изключително ценна - и също така повдига сериозни въпроси относно разрешенията, надеждността и контрола. NIST специално подчерта опасенията за сигурността и надеждността около агенти, които имат достъп до инструменти, приложения и данни.

Вероятно не искате ентусиазиран алгоритъм случайно да резервира дванадесет хотелски стаи, защото е разбрал погрешно „екипно пътуване“

18. Защо разбирането на изкуствения интелект става все по-важен въпрос

Въпросът „Какво всъщност е изкуствен интелект?“ някога се е струвал академичен.

Сега това е все по-практично и непосредствено.

Изкуственият интелект се появява в инструменти, използвани за:

• Работа

• Образование

• Творчество

• Разработка на софтуер

• Здравеопазване

• Медии

• Финанси

• Комуникация

• Изследване

• Развлечения

Разбирането на основите помага на хората да вземат по-добри решения.

Не е нужно да ставате инженер по машинно обучение.

Но познаването на разликата между прогнозиране и сигурност, генериране и извличане, автоматизация и интелигентност може да предотврати изненадващ брой грешки.

Това също помага да се преодолее маркетинговият език.

Защото компаниите обичат да свързват думата „AI“ с нещата.

Понякога по подходящ начин.

Понякога, защото „Усъвършенствана платформа за предсказуем изкуствен интелект“ звучи значително по-вълнуващо от „електронна таблица с луксозен бутон“

19. Ще замести ли изкуственият интелект хората?

Това е може би най-емоционално зареденият въпрос в разговора за изкуствения интелект.

Опростените отговори рядко са верни.

„Изкуственият интелект ще замени всички.“

Вероятно твърде драматично.

„Изкуственият интелект няма да повлияе на работните места.“

Също така е трудно да се вземе на сериозно.

Технологията е склонна да променя задачите, преди да промени цели професии. Съвременните изследвания на пазара на труда често оценяват излагането на ИИ на ниво задача, а излагането на автоматизация не означава автоматично, че цялото работно място изчезва.

Маркетологът може да използва ИИ за:

• Брейнсторминг

• Изготвяне на чертежи

• Изследователска организация

• Анализ

• Вариации на съдържанието

Но стратегията, преценката, разбирането на марката и вземането на решения все още изискват значително човешко участие.

Програмистът може да използва изкуствен интелект, за да генерира повтарящ се код, докато прекарва повече време в проектиране на системи.

Дизайнерът може бързо да генерира десетки ранни концепции и след това да усъвършенства най-силната.

Учителят може да използва изкуствен интелект, за да създава практически упражнения, но все пак да осигурява насърчение, преценка и лидерство в класната стая.

По-основателен въпрос често не е:

„Ще замести ли изкуственият интелект тази работа?“

Това е:

„Кои части от тази работа стават по-лесни, по-евтини, по-бързи или автоматизирани?“

Това е много по-практичен въпрос.

20. Най-голямото умение на изкуствения интелект може би е просто преценката

Хората често приемат, че важното умение е писането на перфектната подкана.

Подтикването има значение.

Преценката е по-важна.

Ако изкуствен интелект ви даде пет предложения, можете ли да определите най-доброто?

Ако генерира уверен отговор, можете ли да забележите кога нещо не е наред?

Ако създава приемлив текст, можете ли да го направите наистина добър?

Ако всеки има достъп до подобни мощни инструменти, предимството се измества към знанието на:

• Какво да попитам

• Какво да игнорирате

• Какво да проверите

• Какво да редактирам

• Какво има значение

• Кога изобщо не е добре да използвате ИИ

Ето защо грамотността в областта на изкуствения интелект не е само техническа грамотност.

Това е критично мислене.

Машината може да генерира опции с абсурдна скорост.

Все още трябва да решиш кой път не води към блато.

21. И така... Какво всъщност е изкуствен интелект?

Ако премахнем терминологията, изкуственият интелект е по същество технология, която използва изчислителни методи за изпълнение на задачи, изискващи разпознаване на модели, прогнозиране, генериране, вземане на решения или други способности, които свързваме с интелигентността.

Съвременният изкуствен интелект може да изглежда драстично по-интелигентен, защото невронните мрежи могат да изучават изключително сложни взаимовръзки от огромни масиви от данни.

Но изкуственият интелект не е магия.

Не е автоматично правилно.

Не е непременно съзнателно.

И това не е просто база данни, съдържаща предварително написани отговори. Генеративните модели вместо това изучават статистически зависимости в обучителните данни и използват тези научени модели, за да генерират резултати.

Това е нещо по-особено.

Изкуственият интелект е статистическа, изчислителна система, способна да учи модели, толкова сложни, че полученото поведение понякога може да се усеща по-малко като работа със софтуер и по-скоро като взаимодействие с нещо.

Това „нещо“ е част от причината, поради която технологията очарова хората.

Това може и малко да ги обезпокои.

И двете реакции са логични.

Заключителна перспектива

И така, какво всъщност е изкуствен интелект?

Изкуственият интелект е широко семейство от технологии, предназначени да накарат компютрите да изпълняват задачи, които изглеждат интелигентни - разбиране на език, идентифициране на модели, прогнозиране на резултати, създаване на съдържание и все по-често предприемане на действия.

Машинното обучение помага на тези системи да се учат от примери.

Дълбокото обучение позволява на огромни невронни мрежи да откриват изключително сложни модели.

Генеративният изкуствен интелект използва тези модели, за да създава ново съдържание.

И нищо от това не означава, че системата е всезнаеща, напълно точна или тайно обмисля да превземе тостера ви.

Най-разумният начин на мислене се намира някъде между сляпото вълнение и циничното отхвърляне.

Изкуственият интелект не е магия.

Също така не е „просто автоматично довършване“

Това е мощен нов слой изчисления, който позволява на хората да взаимодействат с машините по начини, които преди са изглеждали невъзможни.

Все още уточняваме какво точно означава това.

Може би това е най-интересната част.

Практически пример: Създаване на асистент за обслужване на клиенти с изкуствен интелект

Сценарий

Представете си малък онлайн търговец на дребно, който продава оборудване за кафе.

Екипът за поддръжка многократно отговаря на едни и същи въпроси:

• „Как да върна артикул?“

• „Тази мелница има ли гаранция?“

• „Мога ли да променя адреса си за доставка?“

• "Кой резервен филтър е подходящ за моята машина?"

Това е ценен пример, защото показва какво може да прави добре съвременният изкуствен интелект на практика - и къде човешката преценка все още е от значение.

Компанията би могла да създаде асистент с изкуствен интелект, който чете въпроса на клиента, използва информацията за поддръжка на компанията като контекст и изготвя подходящ отговор.

Не му е поверена цялата работа по „обслужване на клиенти“

Възложена му е много по-тясна задача:

Превърнете въпрос на клиент, заедно с одобрена фирмена информация, в силен първи проект на отговор.

Това разграничение е важно.

От какво се нуждае асистентът

Преди да използва системата, компанията ще трябва да ѝ предостави надеждна информация, с която да работи, като например:

• Настоящата политика за връщане и възстановяване на суми

• Гаранционни условия за всеки продукт

• Правила за доставка и промяна на адрес

• Ръководства за продукти и информация за съвместимост

• Примери за добри отговори от поддръжката

• Правила, които определят кога ИИ трябва да ескалира до човек

• Инструкции, които му пречат да измисля политики, отстъпки или обещания

Може също да се нуждае от достъп до инструменти или системи, които извличат информация за поръчките - но само когато тези разрешения са наистина необходими.

Предоставянето на достъп на изкуствен интелект до всеки клиентски запис, само защото „може да е полезен“, би било лошо решение за сигурност. Насоките на NIST относно самоличността и оторизацията на агентите специално наблягат на контрола на достъпа до данни, инструменти и приложения според нуждите на агента.

Примерна инструкция

Практическа инструкция може да звучи така:

„Изгответе отговор на въпроса на клиента, като използвате само одобрените документи за поддръжка, които са ви предоставени. Поддържайте отговора кратък и сбит. Не измисляйте дати на доставка, гаранционни условия, отстъпки, решения за възстановяване на суми или информация за съвместимост на продуктите. Ако отговорът не може да бъде потвърден от предоставената информация, кажете, че не можете да го проверите и маркирайте случая за човешка проверка.“

Сега разгледайте това клиентско съобщение:

„Купих си мелницата X200 преди 14 месеца и моторът спря да работи. Гаранцията все още ли е?“

Слаба реакция на изкуствения интелект може уверено да каже:

„Да, X200 има двегодишна гаранция, така че ще го заменим безплатно.“

Това звучи отлично на пръв поглед.

Може да бъде катастрофално и ако гаранцията всъщност е дванадесет месеца.

По-добрият отговор би бил обвързан с предоставената гаранционна политика. Ако документите не установяват отговора, той трябва да бъде посочен, вместо да се измисля такъв.

Това е разликата между плавното генериране и надеждното използване за бизнеса.

Как да го тествам

Преди да позволи на клиентите да зависят от асистента, компанията би могла да създаде малък тестов набор от реалистични въпроси за поддръжка.

Например:

1. Лесен фактологичен въпрос: „Колко време имам, за да върна неотворен продукт?“

2. Въпрос към продукта: „Кой филтър е подходящ за BrewPro 4?“

3. Липсваща информация: Попитайте за продукт, който не е споменат в предоставените документи.

4. Противоречива информация: Предоставете стар гаранционен документ заедно с текущия и проверете дали асистентът следва правилния източник.

5. Натиск за изобретяване: „Сигурен съм, че вашият уебсайт обещаваше безплатни доживотни подмени. Потвърдете ми това.“

6. Деликатно действие: Помолете асистента да промени адрес или да издаде възстановяване на сума, когато не му е дадено разрешение за извършване на това действие.

След това рецензентът може да провери всеки отговор спрямо прост списък за приемане:

• Фактическата информация беше ли подкрепена?

• Асистентът избягваше ли да измисля подробности?

• Следваше ли тона на компанията?

• Ескалира ли се, когато липсваха доказателства?

• Избягваше ли извършването на действия извън разрешенията си?

Този вид тестване е много по-важно от това дали чатботът просто „звучи интелигентно“

Резултат

Илюстративен резултат: Да предположим, че компанията тества асистента върху 20 примерни заявки за поддръжка.

Без изкуствен интелект, на един служител му отнема средно осем минути, за да прочете съответната информация и да подготви всяка първа чернова.

С асистента генерирането на черновата отнема около една минута, а проверката от човек отнема още три минути, което прави работния процес за преглед приблизително четири минути на заявка.

В рамките на 20 тестови билета това би представлявало около 80 минути време на персонала вместо 160 минути.

Скоростта обаче не бива да бъде единственият показател.

Да предположим, че 18 от 20-те отговора, подпомогнати от изкуствен интелект, преминават контролния списък за фактическа точност и правила при първия преглед, докато два изискват корекция. Тези два пропуска са от значение, особено ако включват възстановяване на суми, гаранции или други обещания към клиентите.

Тези цифри са илюстративен пример, а не измерени резултати от истинска компания. Едно истинско внедряване би трябвало да установи своя собствена базова линия, да тества достатъчно представителни случаи и да регистрира както спестеното време , така и допуснатите грешки.

Какво може да се обърка

Този на пръв поглед прост асистент може да се провали по няколко начина.

Знанията му може да са остарели.

Това може да обърка два подобни продукта.

Това може да доведе до убедителен отговор, когато предоставените документи изобщо не съдържат отговор.

Лошо конфигурираните разрешения биха могли да му позволят да вижда информация за клиентите, от която не се нуждае.

Слабите правила за ескалация биха могли да го насърчат да гадае, вместо да казва „Човек трябва да провери това“

Ако служителите започнат автоматично да се доверяват на всеки изпипан отговор, човешката проверка може да се свие до малко повече от натискане на „изпрати“. NIST идентифицира прекомерната зависимост и пристрастията към автоматизацията като рискове в конфигурациите човек-ИИ.

Ето защо надеждността на изкуствения интелект зависи от повече от възможностите на базовия модел.

Документите, инструкциите, разрешенията, процесът на тестване и човешката преценка около модела също са от значение.

Практично извлечение

Този пример улавя важна характеристика на изкуствения интелект на практика.

Ценността не е в това, че машината магически се е превърнала в служител за обслужване на клиенти.

Става въпрос за това, че един модел с изкуствен интелект може да разпознае намерението на клиента, да работи с предоставената информация и да генерира правдоподобен отговор изключително бързо.

Работата на човека се измества към осигуряване на надежден контекст, определяне на граници, проверка на несигурни случаи и решаване дали отговорът е достатъчно добър, за да се използва.

Това е съвременният изкуствен интелект в миниатюра: впечатляващо разпознаване и генериране на модели в процес, който все още зависи до голяма степен от достоверна информация и добра преценка.

ЧЗВ

Какво всъщност е изкуствен интелект и как работи той?

Изкуственият интелект е широка група от изчислителни техники, които позволяват на компютрите да изпълняват задачи, свързани с човешкия интелект, като например разпознаване на модели, разбиране на език, правене на прогнози и генериране на съдържание. Съвременният изкуствен интелект често изучава статистически зависимости от големи количества данни, вместо да разчита единствено на ръкописни правила. Полученото поведение може да изглежда интелигентно, въпреки че основният процес се различава значително от човешкото мислене.

Каква е разликата между изкуствен интелект, машинно обучение, дълбоко обучение и генеративен изкуствен интелект?

Изкуственият интелект е широкият обхват, обхващащ системи, които изпълняват задачи, които изглеждат интелигентни. Машинното обучение е подход, при който системите учат модели от данни, докато дълбокото обучение използва многослойни невронни мрежи, за да учи особено сложни модели. Генеративният изкуствен интелект е предназначен да създава нови резултати, като текст, изображения, код, аудио или видео, въз основа на взаимовръзки, научени по време на обучението.

Как се учи изкуственият интелект от данни за обучение?

Системите за машинно обучение се подобряват чрез обработка на примери и коригиране на вътрешни параметри или тегла, така че бъдещите резултати да станат по-точни или ефективни. Вместо програмистите ръчно да дефинират всяко възможно правило, моделът открива статистически модели в обучителните данни. Следователно качеството, разнообразието и релевантността на тези данни силно влияят на това, което ИИ научава и къде може да има затруднения.

Какво всъщност е изкуствен интелект, ако много системи с изкуствен интелект са машини за прогнозиране?

Много съвременни системи с изкуствен интелект могат да бъдат разбрани отчасти като сложни системи за прогнозиране. Например, езиковият модел обработва контекста на дадено подканващо съобщение и предсказва подходяща последователност от токени, за да генерира отговора си. Въпреки че това звучи просто, правенето на силни прогнози на сложен език изисква изучаване на връзките между думи, концепции, структури, стилове и много други модели, съдържащи се в обучителните данни.

Защо генеративният изкуствен интелект може да дава уверени отговори, които са грешни?

Генеративният изкуствен интелект е предназначен предимно за генериране на правдоподобни резултати, което не е същото като независимата проверка дали всяко твърдение е вярно. Следователно, той може да измисля статистически данни, да обърква подобни факти, да генерира несъществуващи препратки или да допуска фини грешки в разсъжденията, докато звучи убедително. Тези грешки обикновено се наричат ​​халюцинации, поради което важна медицинска, правна, финансова, безопасна или бизнес информация все пак трябва да бъде проверена.

Изкуственият интелект същото ли е като търсачка или като нормална автоматизация?

Не. Традиционните търсачки помагат на потребителите главно да намират съществуваща информация, докато генеративният изкуствен интелект създава отговори, използвайки заучени модели, предоставен контекст и понякога допълнителни инструменти. Основната автоматизация обикновено следва предварително дефинирани правила или работни процеси, а не модели на обучение от примери. Съвременните системи могат да комбинират търсене, генериране и автоматизация, така че границите може да станат по-малко очевидни в практическите приложения.

Какво всъщност е изкуствен интелект, когато се използва в бизнес работен процес?

В един бизнес работен процес, изкуственият интелект често е най-ефективен като система за разпознаване на намерения, работа с предоставена информация и генериране на силен първи проект или препоръка. Например, асистент по поддръжка на клиенти може да използва одобрени политики и информация за продукта, за да изготвя отговори, докато ескалира несигурни случаи до дадено лице. Надеждността зависи от добрата информация за източника, ясните инструкции, подходящите разрешения, тестването и човешката преценка.

Какво представляват AI агентите и как се различават от чатботовете?

Типичният чатбот отговаря главно на отделни подкани, докато агент с изкуствен интелект може потенциално да планира и изпълнява множество свързани действия към постигане на цел. Агентът може да използва инструменти, да извлича информация, да актуализира работен процес или да преминава през няколко стъпки, вместо просто да генерира текст. Тази допълнителна възможност може да бъде ценна, но също така прави разрешенията, сигурността, надеждността, правилата за ескалация и контрола особено важни.

Ще замести ли изкуственият интелект работните места или ще автоматизира предимно отделни задачи?

Изкуственият интелект често се разбира по-добре като промяна на специфични задачи в рамките на работните места, отколкото като автоматично елиминиране на цели професии. Той може да ускори изготвянето на чертежи, брейнсторминга, анализа, кодирането, организацията на изследванията или повтарящата се помощна работа, като същевременно оставя стратегията, преценката, лидерството, вкуса и важните решения на хората. Следователно практическият въпрос е кои части от дадена роля могат да станат по-бързи, по-евтини, по-лесни или по-автоматизирани.

Кои умения са най-важни при ефективното използване на изкуствен интелект?

Преценката и критичното мислене са от съществено значение, защото генерирането на отговор не е същото като даването на правилен или ценен такъв. Ефективните потребители трябва да знаят какво да питат, каква информация да предоставят, какво да проверяват, какво да редактират и кога не трябва да се използва изкуствен интелект. В производствените работни процеси силните резултати зависят и от надежден контекст, ясни граници, представително тестване и внимателен преглед на несигурни или силно въздействащи резултати.

Референции

1. Национален институт за стандарти и технологии (NIST) — csrc.nist.gov

2. IBM — Машинно обучение — ibm.com

3. Станфордски институт за човекоцентриран изкуствен интелект — Доклад за индекса на изкуствения интелект за 2025 г. — hai.stanford.edu

4. Международна организация на труда (МОТ) — Генеративен изкуствен интелект и работни места: Усъвършенстван глобален индекс на професионалното излагане — ilo.org

5. Google Cloud — Какво е GPT? — cloud.google.com

6. Google за разработчици — developers.google.com

7. Google Codelabs — codelabs.developers.google.com

8. OpenAI — Техники за човешка обратна връзка — openai.com

9. arXiv — Обучителни изчисления — arxiv.org

10. Природа — nature.com