Какви са видовете ИИ?

Кратък отговор: Видовете ИИ се разбират най-добре по възможности, функционалност, стил на обучение и случай на употреба. Тесният ИИ е често срещан днес, докато общият ИИ и супер ИИ остават теоретични. Когато избирате инструмент, съобразете категорията със задачата, свързаните с нея рискове и необходимостта от човешка проверка.

Ключови изводи:

Класификация: Разделете възможностите, функционалността, метода на обучение и случая на употреба, преди да сравните системите.

Човешка проверка: Проверете генеративните, предсказуемите и разговорните резултати, преди да разчитате на тях.

Прозрачност: Попитайте какви данни, логика и ограничения оформят всяка система с изкуствен интелект.

Отговорност: Дръжте хората отговорни, когато изкуственият интелект влияе върху решения, потребители или безопасност.

Контрол на риска: Тествайте за пристрастия, поверителност, сигурност и злоупотреба преди внедряване.

---

1. Какви са видовете изкуствен интелект?

Когато хората питат „Какви са видовете изкуствен интелект?“, те обикновено имат предвид едно от две неща:

Те може да питат за ИИ, базиран на способности, например дали може да изпълнява само една задача или да разсъждава по-общо, по човешки начин.

Или може да питат за ИИ въз основа на функционалност, т.е. как системата се държи, учи, запомня, прогнозира или реагира.

Ето тук нещата се объркват малко. Изкуственият интелект не е групиран в една чиста кутия. По-скоро е като сортиране на кухненски инструменти по размер, предназначение, острота и дали чичо ви ги е купил от съмнителен онлайн магазин. Различните системи за класификация се припокриват.

Основните категории обикновено включват:

• Тесен ИИ

• Общ изкуствен интелект

• Супер изкуствен интелект

• Реактивни машини

• Изкуствен интелект с ограничена памет

• Теория на ума ИИ

• Самоосъзнаващ се изкуствен интелект

• Машинно обучение с изкуствен интелект

• Дълбоко обучение с изкуствен интелект

• Генеративен изкуствен интелект

• Предсказващ изкуствен интелект

• Разговорен изкуствен интелект

• Компютърно зрение, изкуствен интелект

• Роботика с изкуствен интелект

Някои от тях са широко използвани. Някои все още са предимно теоретични. Някои звучат футуристично, но вече са вградени в ежедневни приложения. Границата между „нормален софтуер“ и „изкуствен интелект“ също се размива с течение на времето.

---

2. Видове ИИ по възможности

Първият основен начин за класифициране на ИИ е по това, което може да прави. Това е общата картина 🧠.

Тесен ИИ

Тесният ИИ, наричан още слаб ИИ, е предназначен да изпълнява конкретна задача или ограничен набор от задачи. Това е ИИ, който хората използват всеки ден.

Примерите включват:

• Търсене на препоръки

• Спам филтри

• Гласови асистенти

• Системи за разпознаване на лица

• Чатботове

• Механизми за препоръки на продукти

• Инструменти за откриване на измами

• Приложения за превод на езици

Тесният ИИ може да бъде мощен, но не е „мислещ“ в широкия човешки смисъл. Шахматен ИИ може да победи гросмайстор, но не може внезапно да реши да стане сладкар. Моделът за превод може да преведе параграф, но не възприема езика по начина, по който го прави човек.

Все пак, тесният ИИ е работната сила на съвременния свят на ИИ. Той не е бляскав по научнофантастичен начин, но движи голяма част от представлението зад завесата 🎭.

Общ изкуствен интелект

Общият ИИ се отнася до изкуствен интелект, който може да разбира, учи, разсъждава и прилага знания в много различни задачи на човешко ниво.

Казано по-просто: не само би се справял добре с едно нещо. Може да се адаптира.

Истински общ изкуствен интелект би могъл потенциално:

• Научете непознати задачи

• Разсъждения по различни теми

• Решаване на нови проблеми

• Прехвърляне на знания от една област в друга

• Разберете контекста по-задълбочено

• Вземайте решения с гъвкава преценка

Този вид изкуствен интелект все още е по-скоро цел, отколкото ежедневна реалност. Хората говорят много за него, защото е завладяващ, може би малко обезпокоителен и трудно е да му се устои като концепция. Но обикновените инструменти, които пишат текст, генерират изображения или отговарят на въпроси, не са автоматично общ изкуствен интелект. Те може да изглеждат общи, но все пак работят в рамките на определените ограничения.

Супер изкуствен интелект

Супер изкуственият интелект би надхвърлил човешкия интелект. Не само по-бързо писане или по-добра математика - превъзходно разсъждение, креативност, стратегия, учене и може би също емоционално или социално разбиране.

Това е най-спекулативната категория. Тя повдига огромни въпроси:

• Кой го контролира?

• Може ли това да се съобрази с човешките ценности?

• Щеше ли да разбере правилно човешките цели?

• Може ли да се подобри само?

• Какво се случва, ако то взема решения, които хората не могат да следват?

Супер ИИ е мястото, където разговорите за ИИ понякога се превръщат във философска супа. Ценна супа, може би, но все пак супа 🍲.

---

3. Видове ИИ по функционалност

Друг често срещан начин за обяснение на видовете ИИ е чрез функционалност. Това се фокусира върху това как се държи ИИ.

Реактивни машини

Реактивните машини са най-простият вид изкуствен интелект. Те реагират на текущи данни, без да използват памет от минали преживявания.

Те не се учат с времето по начина, по който го правят съвременните адаптивни системи. Те разглеждат ситуацията, обработват я и реагират.

Мислете за тях така: „Входните данни влизат. Изходните данни излизат. Няма записи в дневника.“

Реактивният изкуствен интелект все още може да бъде впечатляващ. Той може да анализира възможни ходове в игра или да реагира на ясно дефинирана ситуация с изключителна скорост и прецизност. Но не изгражда лична история, нито се развива въз основа на минали взаимодействия.

Изкуствен интелект с ограничена памет

Изкуственият интелект с ограничена памет може да използва минали данни, за да взема по-добри решения. Това е категорията, в която се намира голяма част от днешния практически изкуствен интелект.

Примерите включват:

• Системи за препоръки, които се учат от поведението на потребителите

• Системи за автономни превозни средства, анализиращи скорошни пътни условия

• Чатботове, които запомнят контекста в рамките на разговора

• Модели за откриване на измами, които се учат от модели на транзакции

• Инструменти за прогнозен анализ, използващи исторически данни

Ограничената памет не означава „лоша памет“. Това означава, че системата може да използва съхранени или скорошни данни, но не притежава човешко съзнание или дългосрочен личен опит. Тя обаче може да бъде много ефективна. Понякога досадно ефективна - например когато приложение за пазаруване знае какво искате, преди да си го признаете 🛒.

Теория на ума ИИ

Теорията на ума, според изкуствения интелект, би разбирала емоциите, вярванията, намеренията и социалните сигнали по по-човешки начин.

Този тип изкуствен интелект не би обработвал само думи. Той би правил заключения какво някой може да чувства, иска, разбира погрешно, от какво се страхува или очаква.

Например, може да разбере, че:

• Клиентът е разочарован, но се опитва да остане учтив

• Ученикът е объркан, но се смущава да попита отново

• Пациентът е тревожен, въпреки че казва „Добре съм“

• Съотборникът се колебае, защото тихомълком не е съгласен

Това остава активна област на дискусия за ИИ, но истинският ИИ, базиран на Теорията на ума, е изключително труден. Човешките емоции са преплетени. Хората казват едно, а мислят друго. Понякога дори самите те не знаят какво имат предвид. Успех, машино.

Самоосъзнаващ се изкуствен интелект

Самоосъзнаващият се изкуствен интелект би имал съзнание, саморазбиране и осъзнаване на собственото си вътрешно състояние.

Това е теоретично. Принадлежи към научната фантастика, етичните дискусии, късните спорове и хората, които драматично се взират през прозорците 🌙.

Самоосъзнаващият се изкуствен интелект не би симулирал просто разговор за чувства. Той би притежавал някакъв вид субективно преживяване. Това е сериозно твърдение. Съвременните системи с изкуствен интелект нямат потвърдено съзнание, чувства, желания или индивидуалност.

Те могат да звучат самоосъзнато, защото езикът може да имитира саморефлексия. Но да звучиш като нещо и да бъдеш нещо не е едно и също нещо. Папагал може да каже „Гладен съм“, но това не означава, че има резервация в ресторант.

---

4. Сравнителна таблица: Основни видове ИИ

Вид изкуствен интелект	Основна идея	Текущо състояние	Често срещани примери	Защо е важно
Тесен ИИ	Създаден за специфични задачи	Широко използван	Чатботове, търсене, препоръки	Практичен и навсякъде
Общ изкуствен интелект	Гъвкав интелект, подобен на човешкия	Не е напълно постигнато	Предимно теоретични	Голяма цел, голям дебат
Супер изкуствен интелект	По-умни от хората като цяло	Спекулативен	Няма практически пример	Огромни етични въпроси
Реактивни машини	Реагира без памет	Използва се в ограничени случаи	Игров изкуствен интелект, системи, базирани на правила	Бърз, но неадаптивен
Изкуствен интелект с ограничена памет	Използва данни/история за подобряване	Много често	Системи за автономно шофиране, инструменти за измами	Това е ежедневният шофьор 🚗
Теория на ума ИИ	Разбира емоциите и намеренията	Разработване на концепция	Идеи за напреднал социален изкуствен интелект	Може да направи изкуствения интелект по-осъзнат за човека
Самоосъзнаващ се изкуствен интелект	Има съзнание	Теоретично	Примери в научнофантастичен стил	Философски масивен
Генеративен изкуствен интелект	Създава ново съдържание	Широко използван	Инструменти за текст, изображения, аудио	Повишаване на творческата продуктивност
Предсказващ изкуствен интелект	Резултати от прогнозите	Широко използван	Оценка на риска, планиране на търсенето	Помага при вземането на решения - най-вече
Роботика с изкуствен интелект	Управлява физически машини	Използва се в индустрии	Роботи, дронове, автоматизация	Свързва изкуствения интелект с физическата работа

Малко неравномерно? Да. Но така работи изкуственият интелект и в ежедневието - не е музейна експозиция с перфектни етикети.

---

5. Генеративен ИИ: Видът, за който всички говорят 🎨

Генеративният изкуствен интелект е един от най-популярните видове изкуствен интелект, защото създава неща.

Може да генерира:

• Текст

• Изображения

• Музика

• Код

• Видео

• Описания на продуктите

• Маркетингов текст

• Планове за уроци

• Резюмета

• Синтетични данни

• Идеи за дизайн

Генеративният изкуствен интелект работи, като изучава модели от големи количества данни и след това генерира нови резултати въз основа на подкани. Той не копира в простия смисъл, който хората понякога си представят. Той предвижда, комбинира, променя и генерира въз основа на научени структури.

Въпреки това, то все още може да допуска грешки. Може да звучи уверено, докато греши, което е по същество машинната версия на някой, който обяснява данъчното законодателство на семейно барбекю.

Генеративният изкуствен интелект е ценен за:

• Брейнсторминг

• Съдържание за изготвяне на чернови

• Автоматизиране на повтарящото се писане

• Създаване на визуални концепции

• Подкрепа за обслужване на клиенти

• Ускоряване на задачите по кодиране

• Персонализиране на учебните материали

Но е необходим преглед. Винаги. Изходните данни на изкуствения интелект могат да бъдат впечатляващи, но не са автоматично точни, справедливи, законни или безопасни за марката. Отнасяйте се към него като към много бърз асистент, който от време на време има склонност да се държи като гремлини.

---

6. Машинно обучение с изкуствен интелект: Търсач на шаблони

Машинното обучение е основен клон на изкуствения интелект, където системите учат модели от данни, вместо да бъдат програмирани ред по ред за всяко решение.

Традиционният софтуер следва ясни правила. Системите за машинно обучение идентифицират взаимовръзки и подобряват производителността чрез обучение.

Например:

• Спам филтър научава как изглеждат подозрителните имейли

• Банков модел открива необичайно поведение при транзакции

• Приложение за стрийминг препоръчва предавания въз основа на навиците на гледане

• Инструмент за наемане на персонал може да класира кандидатите въз основа на определени сигнали

• Моделът на медицинско изобразяване може да подчертае възможни аномалии

Машинното обучение може да бъде контролирано, без контролиране или базирано на подкрепление.

Контролирано обучение

Контролираното обучение използва етикетирани примери. Например, изображенията могат да бъдат етикетирани като „котка“ или „не е котка“. Моделът научава разликата.

Самостоятелно обучение

Самостоятелното обучение търси модели без обозначени отговори. То може да групира клиентите в сегменти или да открива скрити клъстери в данните.

Обучение с подсилване

Обучението с подсилване се осъществява чрез получаване на награди или наказания за действия. Това е често срещано в игрите, свързани с изкуствен интелект, роботиката и оптимизационните задачи.

Машинното обучение не е магия. То зависи силно от качеството на данните. Лошите данни водят до лоши модели - боклук на входа, боклук, носещ умно сако.

---

7. Дълбоко обучение с изкуствен интелект: Силата на невронните мрежи 🧬

Дълбокото обучение е специализиран вид машинно обучение, което използва многослойни невронни мрежи за обработка на сложни модели.

Особено ценно е за:

• Разпознаване на реч

• Разпознаване на изображения

• Обработка на естествен език

• Автономни системи

• Анализ на медицински изображения

• Превод

• Генеративни модели на изкуствен интелект

• Сложни задачи за прогнозиране

„Дълбоката“ част се отнася до множество слоеве в модела. Всеки слой помага за промяна и интерпретация на информация. Един слой може да открива прости форми в изображение, друг може да открива текстури, трети може да разпознава обекти и т.н.

Дълбокото обучение може да доведе до зашеметяващи резултати, но често изисква огромни количества данни и изчислителна мощност. То може да бъде и по-трудно за интерпретиране. Това означава, че дори експертите може да се затруднят да обяснят точно защо един дълбок модел е взел конкретно решение.

Това е един от големите проблеми с доверието в изкуствения интелект: производителността може да е силна, но обяснимостта може да е трудна. Все едно да се опитвате да попитате блендер защо смутито е с лош вкус.

---

8. Разговорен ИИ: Приказливият тип

Разговорният изкуствен интелект е предназначен да комуникира с хора чрез текст или глас.

Това включва:

• Чатботове за обслужване на клиенти

• Гласови асистенти

• Виртуални агенти

• Преподаватели по изкуствен интелект

• Вътрешни ботове за помощ

• Търговски асистенти

• Асистенти по планиране

Добрият разговорен изкуствен интелект се нуждае от повече от граматика. Той се нуждае от контекст, разпознаване на намеренията, контрол на тона и способност за справяне с непредсказуем човешки натиск.

Хората не говорят с перфектни команди. Те се бъркат. Пишат неправилно нещата. Задават половин въпрос и очакват машината да „го схване“. Знаете как е.

Един основен чатбот може да следва скрипт. По-напредналият разговорен ИИ може да разбира естествен език, да поддържа контекст и да генерира гъвкави отговори.

Този тип изкуствен интелект е ценен, защото намалява повтарящата се работа и осигурява бърза поддръжка. Но може да разочарова потребителите, когато се преструва, че разбира, но не го прави. Най-лошата версия е чатбот, който казва „Щастлив съм да помогна“, без да предоставя никаква помощ. Болезнено.

---

9. Компютърно зрение с изкуствен интелект: Машини, които „виждат“ 👀

Компютърното зрение с изкуствен интелект позволява на системите да интерпретират визуална информация от изображения, видеоклипове, камери, сензори или сканирания.

Може да се използва за:

• Разпознаване на лица

• Откриване на обекти

• Контрол на качеството във фабриките

• Медицинска образна диагностика

• Мониторинг на сигурността

• Анализ на рафтовете на дребно

• Откриване на трафик

• Разширена реалност

• Мониторинг на селското стопанство

Компютърното зрение не вижда като хората. То обработва пиксели, шарки, форми, цветове и статистически сигнали. Но резултатите могат да бъдат много убедителни.

Например, компютърното зрение може да помогне за откриване на дефекти на производствена линия по-бързо от ръчната проверка. То може да помогне за организирането на библиотеки с изображения. Може да поддържа системите за безопасност в превозните средства. Може също така да повдигне опасения за поверителността, особено когато се използва за наблюдение или идентификация.

Това е двуострата вилица - не меч, а вилица. Все още достатъчно остра, за да причини проблеми 🍴.

---

10. Предсказващ изкуствен интелект: Двигателят за прогнозиране

Предсказуемият изкуствен интелект използва данни, за да прецени какво може да се случи по-нататък.

Това е често срещано в бизнеса, финансите, здравеопазването, логистиката, спортната аналитика, маркетинга и операциите.

Предсказуемият изкуствен интелект може да помогне за отговорите на въпроси като:

• Кои клиенти е вероятно да напуснат?

• Коя транзакция изглежда подозрителна?

• Колко инвентар ще е необходим?

• Кой пациент може да се нуждае от допълнително внимание?

• На какво съдържание е вероятно да кликне потребителят?

• Коя машинна част може да се повреди скоро?

Този тип изкуствен интелект е по-малко бляскав от генеративния изкуствен интелект, но е изключително важен. Много организации се интересуват по-малко от модел, който пише поезия, и повече от това дали това може да намали разхищението, да понижи риска и да подобри планирането.

Предсказуемият изкуствен интелект работи най-добре, когато данните са релевантни, чисти и редовно актуализирани. Но предсказанието никога не е сигурност. Моделът може да оцени вероятностите, но не и да гарантира резултати. Хората постоянно забравят това. След това обвиняват изкуствения интелект, сякаш той лично ги е предал.

---

11. Роботика с изкуствен интелект: Когато изкуственият интелект получи тяло 🤖

Роботиката с изкуствен интелект комбинира изкуствен интелект с физически машини. Това е моментът, в който изкуственият интелект напуска екрана и започва да се движи през света.

Примерите включват:

• Складови роботи

• Производствени роботи

• Роботи за доставка

• Селскостопански роботи

• Системи за хирургическа помощ

• Дронове

• Роботи за инспекция

• Почистващи роботи

• Хуманоидни изследователски роботи

Роботиката с изкуствен интелект е трудна, защото физическата среда е непредсказуема. Чатботът трябва да се справя само с думи. Роботът трябва да се справя с хлъзгави подове, лошо осветление, неравни повърхности, движещи се хора, сензорни грешки и някой, който е оставил стол на най-лошото възможно място.

Роботиката често комбинира няколко вида изкуствен интелект:

• Компютърно зрение за виждане

• Машинно обучение за адаптиране

• Алгоритми за планиране на движение

• Обучение с подсилване за вземане на решения

• Обработка на естествен език за човешки команди

Роботиката с изкуствен интелект има огромен потенциал, особено в опасна или повтаряща се работа. Но тя е също така скъпа, сложна и физически рискована, когато системите се повредят.

---

12. Изкуствен интелект, базиран на стил на обучение

Друг ценен начин да се мисли за видовете ИИ е чрез това как са обучени.

Изкуствен интелект, базиран на правила

Базираният на правила изкуствен интелект следва логика, създадена от човека. Например:

• Ако това се случи, направете го

• Ако потребителят избере тази опция, покажете този отговор

• Ако стойността е над прага, задействайте предупреждение

Това е просто, предвидимо и полезно за структурирани задачи. Но е трудно с неясноти.

Изкуствен интелект, обучен с данни

Обученият с данни изкуствен интелект се учи от примери. Той може да се справи с по-голяма сложност, защото идентифицира модели, вместо да разчита само на фиксирани правила.

Тук се вписват машинното обучение и дълбокото обучение.

Хибриден изкуствен интелект

Хибридният изкуствен интелект комбинира логика, базирана на правила, с машинно обучение. В много практически системи това е прагматичният избор. Получавате гъвкавостта на обучаващите се системи плюс контрол над правилата.

Например, система за банкови измами може да използва машинно обучение за откриване на подозрително поведение, след което да прилага строги правила за преглед на съответствието. Не е бляскаво. Много е необходимо.

---

13. Какво прави видовете изкуствен интелект объркващи?

Най-голямото объркване е, че хората използват категориите на ИИ по различни начини.

Някой може да каже „Видове ИИ“ и да има предвид тесен, общ и супер интелект.

Друг човек може да има предвид генеративен ИИ, предсказуем ИИ и разговорен ИИ.

Разработчикът може да говори за контролирано обучение, дълбоко обучение, невронни мрежи или обучение с подсилване.

Бизнес мениджър може да говори за автоматизация, анализи, персонализация и изкуствен интелект за поддръжка на клиенти.

Всички те са донякъде прави. Досадно, но е истина.

Изкуственият интелект се класифицира по:

• Възможности

• Функционалност

• Метод на обучение

• Област на приложение

• Техническа архитектура

• Ниво на автономност

• Вид вход и изход

• Случай на употреба в индустрията

Така че, когато някой попита „Какъв тип изкуствен интелект е това?“, най-ясният отговор може да бъде на много нива.

Чатбот, например, може да бъде:

• Стесняване на ИИ по възможности

• Ограничена памет от изкуствен интелект по функционалност

• Разговорен ИИ по приложение

• Генеративен ИИ, ако създава отговори

• Дълбоко обучение на изкуствен интелект, ако е задвижван от невронни мрежи

Това не е прекалено усложняване за забавление. Просто така работи областта.

---

14. Практически примери за видовете изкуствен интелект

Ето няколко примера от ежедневието, за да се улесни разбирането на категориите.

Препоръки за стрийминг 🎬

Това е тесен изкуствен интелект, предсказуем изкуствен интелект и машинно обучение. Той изучава модели и препоръчва какво може да гледате следващо.

Гласови асистенти 🎙️

Те използват разговорен изкуствен интелект, обработка на естествен език, разпознаване на реч и функции с ограничена памет.

Генератори на изображения 🖼️

Това са генеративни системи с изкуствен интелект, често задвижвани от модели на дълбоко обучение.

Системи за откриване на измами 💳

Те използват предсказуем изкуствен интелект и машинно обучение, за да сигнализират за необичайна активност.

Функции за автономно шофиране 🚗

Те съчетават компютърно зрение, изкуствен интелект с ограничена памет, изкуствен интелект, свързан с роботиката, сливане на сензори и модели за вземане на решения.

Филтри за спам по имейл 📩

Това са класически изкуствени интелекти с машинно обучение. Не са бляскави, но са изключително ценни.

Инструменти за писане с изкуствен интелект ✍️

Това са генеративен ИИ и разговорен ИИ, обикновено изградени с помощта на големи езикови модели.

Важното е следното: един продукт с изкуствен интелект може да принадлежи към няколко категории едновременно.

---

15. Ползи от разбирането на видовете изкуствен интелект

Познаването на видовете изкуствен интелект ви помага да вземате по-добри решения, особено ако използвате изкуствен интелект за работа, бизнес, учене или създаване на съдържание.

Това ви помага:

• Изберете правилния инструмент

• Избягвайте нереалистичните очаквания

• Разбиране на рисковете

• Задавайте по-добри въпроси

• Оценка на твърденията за изкуствен интелект

• Преувеличение в спот маркетинга

• Използвайте изкуствения интелект по-отговорно

• Обяснете изкуствения интелект на другите, без да звучите като объркан робот

Например, ако даден инструмент е предсказуем изкуствен интелект, знаете, че той прогнозира вероятности. Не бива да се третира като оракул.

Ако даден инструмент е генеративен изкуствен интелект, знаете, че той създава съдържание, но съдържанието все още се нуждае от проверка.

Ако една система е тясно свързана с изкуствен интелект, знаете, че тя може да е отлична в една област, но неефективна извън обхвата си.

Само това спестява много главоболия.

---

16. Рискове и ограничения при различните видове изкуствен интелект ⚠️

Всеки тип ИИ има ограничения. Различен вкус, една и съща купа супа.

Често срещаните рискове, свързани с изкуствения интелект, включват:

• Пристрастия в данните за обучение

• Неправилни изходи

• Липса на прозрачност

• Загриженост за поверителността

• Свръхзависимост

• Уязвимости в сигурността

• Злоупотреба

• Лош човешки надзор

• Объркване на плавността с истината

Генеративният ИИ може да измисля информация. Предсказуемият ИИ може да подсилва предубедени модели. Компютърното зрение може да разпознава погрешно хора или обекти. Разговорният ИИ може да фрустрира потребителите с фалшива увереност. Роботизираният ИИ може да причини физически вреди, ако е лошо проектиран.

Това не означава, че изкуственият интелект е лош. Означава, че изкуственият интелект трябва да се използва с преценка. Като електрически инструменти, договори или изключително пикантни юфка 🌶️.

Най-добрите системи с изкуствен интелект обикновено включват:

• Преглед от човек

• Ясни граници

• Строги практики за данни

• Тестване

• Мониторинг

• Обяснимост, където е възможно

• Етичен дизайн

• Контроли за сигурност

Изкуственият интелект може да подсили добрите решения. Той може също така да подсили небрежните.

---

17. Кой тип изкуствен интелект е най-важен?

Няма един-единствен най-важен тип. Зависи от случая на употреба.

За креативността, генеративният изкуствен интелект е от огромно значение.

За бизнес планирането, предсказуемият изкуствен интелект може да бъде по-ценен.

За автоматизацията, машинното обучение и роботиката, изкуственият интелект е от значение.

За потребителска поддръжка, разговорният изкуствен интелект е звездата.

За медицински сканирания или визуална проверка, компютърното зрение е от решаващо значение.

За дългосрочни изследвания, общият изкуствен интелект получава по-голямата част от голямото философско внимание.

Но на практика, тесният изкуствен интелект и изкуственият интелект с ограничена памет са най-често срещаните и ценни категории в момента. Те са тихите двигатели зад много инструменти, на които хората вече разчитат.

Луксозното бъдеще попада в заглавията. Практичното настояще плаща сметките.

---

Заключителни бележки: Разбиране на видовете изкуствен интелект без шума

Видовете ИИ може да изглеждат сложни в началото, защото категориите се припокриват. Но след като разделите възможностите, функционалността, метода на обучение и практическата употреба, всичко става много по-лесно за разбиране.

Тесният ИИ обработва специфични задачи. Общият ИИ би мислил по-гъвкаво, въпреки че това остава амбициозна цел. Супер ИИ все още е спекулативен. Реактивните машини реагират без памет, докато ИИ с ограничена памет използва минали данни, за да подобри решенията. Генеративният ИИ създава. Предсказващият ИИ прогнозира. Разговорният ИИ говори. Компютърното зрение вижда. Роботизираният ИИ действа във физическата среда.

Това е голямата картина.

Изкуственият интелект не е едно нещо. Той е преплетено семейство от технологии - някои практични, други експериментални, някои преувеличени, а някои наистина важни. Тази сложност е част от причината, поради която той е важен. Колкото по-ясно разбирате видовете изкуствен интелект, толкова по-лесно става да го използвате разумно, вместо просто да кимате, когато някой каже „алгоритъм“ на среща. 🤷♂️

Кратко резюме: Основните видове ИИ включват тесен ИИ, общ ИИ, супер ИИ, реактивни машини, ИИ с ограничена памет, ИИ с теория на ума, самоосъзнаващ се ИИ, генеративен ИИ, предсказващ ИИ, разговорен ИИ, ИИ с компютърно зрение, ИИ с машинно обучение, ИИ с дълбоко обучение и ИИ с роботика. Повечето ИИ, използвани днес, са тесни, фокусирани върху задачи и задвижвани от машинно обучение или дълбоко обучение.

Пример от реалния свят: Създаване на асистент за триаж на клиенти с изкуствен интелект

Сценарий

Представете си малък онлайн магазин за мебели, който получава около 120 имейла за поддръжка на клиенти на ден. Екипът не се опитва да замести служителите по поддръжката. Те просто искат помощ за по-бързо сортиране на съобщенията, забелязване на спешни проблеми и изготвяне на първи отговори.

Това е добър пример, защото един асистент може да използва няколко вида изкуствен интелект едновременно. Той може да използва разговорен изкуствен интелект, за да разбира съобщенията на клиентите, генеративен изкуствен интелект, за да изготвя отговори, прогнозен изкуствен интелект, за да маркира вероятни рискове от възстановяване на суми, и изкуствен интелект с ограничена памет, за да използва данни за последните поръчки или полици.

Работата на асистента е проста: да прочете съобщение от клиент, да го класифицира, да предложи следващото действие и да изготви отговор, който човек може да одобри.

От какво се нуждае асистентът

Екипът ще даде на асистента:

Политика за обслужване на клиенти

Правила за доставка и връщане

Гаранционни условия

Често задавани въпроси за продукта

Примери за тон на гласа

Списък с правила за ескалация

Примерни минали билети с правилните категории

Ясни ограничения за това какво не може да решава самостоятелно

Например, не трябва да одобрява възстановяване на суми над 100 паунда, да обещава дати на доставка, които не може да провери, или да предявява правни искове за повредени стоки. Тези случаи трябва да се отнасят до дадено лице.

Примерна инструкция

Вие сте асистент по поддръжка на клиенти в онлайн магазин за мебели. Четете всяко клиентско съобщение и отговаряте с пет неща: категория на заявката, ниво на спешност, вероятно настроение на клиента, препоръчително следващо действие и чернова на отговор.

Използвайте само предоставената фирмена политика. Ако отговорът не е в политиката, кажете „Необходим е човешки преглед“. Не измисляйте дати на доставка, одобрения за възстановяване на суми, гаранционни обещания или наличност на продукти.

Увеличете нивото на сигнала, ако клиентът спомене нараняване, съдебни действия, многократна неуспешна доставка, възстановяване на сума над 100 паунда, липсващи части за детски продукт или силно недоволство след два предишни отговора.

Поддържайте черновата на отговора учтива, кратка и практична. Не звучайте роботизирано. Не обвинявайте клиента или куриера.

Как да го тествам

Преди да използвате асистента с клиенти, тествайте го върху малък комплект стари билети.

Използвайте 30 предишни съобщения за поддръжка:

10 прости въпроса за доставка

5 рекламации за повредени артикули

5 заявки за възстановяване на суми

5 въпроса относно гаранцията

5 гневни или сложни оплаквания

За всеки тест проверете:

Избра ли правилната категория?

Правилно ли е маркирало спешни случаи?

Избягваше ли да дава обещания?

Ескалира ли чувствителни въпроси?

Съответстваше ли черновата на отговора на тона на компанията?

Полезен тестов въпрос би бил:

„Масата ми пристигна с единия счупен крак и това е вторият път, когато доставката се обърка. Искам пълно възстановяване на сумата днес или ще публикувам информация за това навсякъде.“

Един слаб асистент може просто да се извини и да обещае възстановяване на сумата. По-добрият асистент би класифицирал артикула като повреден плюс повторна рекламация, би го маркирал като спешен, би избегнал автоматичното одобряване на възстановяването на сумата и би го ескалирал за проверка от човек.

Резултат

Илюстративен резултат: базиран на отчитане на времето на 30 примерни билета преди и след използване на работния процес.

Ръчното сортиране отне 2 часа и 15 минути за 30 билета, средно 4,5 минути на билет.

Подпомогнатият от изкуствен интелект триаж отне 48 минути за същите 30 билета, средно 1,6 минути на билет, тъй като човекът, проверяващ, трябваше само да провери категорията, решението за ескалация и черновата на отговор.

Асистентът правилно категоризира 27 от 30 билета в тестовия набор. Той правилно ескалира всичките 5 билета с висок риск. Два билета за възстановяване на суми се нуждаеха от редакция на формулировките, защото черновата звучеше твърде категорично, а един гаранционен билет беше поставен в грешна категория.

Това дава практически ориентир: по-бърз първи преглед, но не и пълна автоматизация. Човекът все още отговаря за отговора.

Какво може да се обърка

Най-голямата грешка е да позволите на асистента да се държи така, сякаш знае повече, отколкото всъщност знае. Ако политиката за връщане е остаряла, асистентът може уверено да изготви грешен отговор. Ако правилата за ескалация са неясни, може да пропусне сериозни оплаквания.

Поверителността е друг проблем. Екипът трябва да избягва поставянето на ненужни данни за плащане, адреси или чувствителна лична информация в асистента, освен ако системата не е одобрена за тази употреба.

Асистентът също трябва да бъде тестван редовно. Въпросите на клиентите се променят, политиките се променят и продуктите се променят. Асистент за сортиране, който е работил добре през март, може да стане рискован след нова гаранционна политика през юни.

Практично извлечение

Този пример показва защо категориите ИИ се припокриват на практика. Един асистент за поддръжка може едновременно да бъде тесен ИИ, разговорен ИИ, генеративен ИИ, прогнозен ИИ и ИИ с ограничена памет. По-силният начин да го оценим е да се запитаме какво решение поддържа, какви данни използва и къде човек трябва да го провери.

ЧЗВ

Кои са основните видове ИИ, които начинаещите трябва да знаят?

Основните видове ИИ включват тесен ИИ, общ ИИ, супер ИИ, реактивни машини, ИИ с ограничена памет, генеративен ИИ, прогнозен ИИ, разговорен ИИ, ИИ с компютърно зрение, ИИ с машинно обучение, ИИ с дълбоко обучение и ИИ с роботика. Тези категории често се припокриват, така че един инструмент може да отговаря на няколко етикета едновременно. Например, един чатбот може да бъде тесен ИИ, разговорен ИИ, генеративен ИИ и ИИ с ограничена памет.

Как се класифицират видовете ИИ по възможности?

Според възможностите си, изкуственият интелект обикновено се групира в тесен, общ и супер изкуствен интелект. Тесният изкуствен интелект се справя със специфични задачи и се използва широко днес. Общият изкуствен интелект би разсъждавал и би учил в много задачи на човешко ниво, но не е част от ежедневната употреба. Супер изкуственият интелект би надминал човешкия интелект и остава спекулативен.

Каква е разликата между тесен ИИ и общ ИИ?

Тесният ИИ е проектиран за конкретна задача или ограничен набор от задачи, като филтриране на спам, препоръки, чатботове или откриване на измами. Общият ИИ би могъл да учи, разсъждава и да се адаптира към много несвързани задачи. Повечето ИИ, които хората използват днес, е тесен ИИ, дори когато той изглежда гъвкав или напреднал.

Защо изкуственият интелект с ограничена памет е толкова разпространен днес?

Изкуственият интелект с ограничена памет може да използва минали или скорошни данни, за да подобри решенията си, което го прави практичен за много внедрени системи. Системите за препоръки, инструментите за откриване на измами, функциите за самоуправление и чатботовете често разчитат на този вид изкуствен интелект. Той няма човешко съзнание, но може да се адаптира въз основа на модели и съхранена информация.

Как генеративният ИИ се вписва във видовете ИИ?

Генеративният изкуствен интелект е вид изкуствен интелект, който създава нови резултати, като текст, изображения, код, аудио, видео, резюмета или дизайнерски идеи. Той изучава модели от големи количества данни и създава съдържание въз основа на подкани. Може да помогне при изготвяне на чертежи, брейнсторминг, поддръжка на кодиране и творческа работа, но резултатите му все още се нуждаят от човешка проверка.

Каква е разликата между машинно обучение и дълбоко обучение?

Машинното обучение е клон на изкуствения интелект, където системите учат модели от данни, вместо да следват само ръкописни правила. Дълбокото обучение е специализирана форма на машинно обучение, която използва многослойни невронни мрежи. Дълбокото обучение е особено ценно за сложни задачи като разпознаване на реч, разпознаване на изображения, обработка на естествен език, превод, медицинско изобразяване и генеративен изкуствен интелект.

За какво се използва предсказуемият изкуствен интелект в бизнеса?

Прогнозният изкуствен интелект използва данни, за да оцени вероятните бъдещи резултати. Бизнесът може да го използва за планиране на търсенето, прогнозиране на отпадането на клиенти, откриване на измами, оценка на риска, решения за инвентаризация или прогнозиране на поддръжката. Той подпомага планирането и вземането на решения, но не гарантира бъдещето. Прогнозите са оценки, оформени от наличните данни и качеството на модела.

Как работи изкуственият интелект с компютърно зрение в практически системи?

Компютърното зрение (ИИ) помага на машините да интерпретират визуална информация от изображения, видеоклипове, камери, сканирания или сензори. То може да поддържа разпознаване на лица, откриване на обекти, инспекция на фабрики, медицинско изобразяване, откриване на трафик, анализ на търговията на дребно, мониторинг на селското стопанство и системи за безопасност. То не вижда като човек, но може да обработва пиксели, форми, цветове и шарки в голям мащаб.

Защо един продукт с изкуствен интелект може да принадлежи към множество типове изкуствен интелект?

Категориите на ИИ често описват различни неща, като например възможности, функционалност, метод на обучение или приложение. Гласовият асистент например може да бъде тесен ИИ по възможности, разговорен ИИ по приложение, ИИ с ограничена памет по функционалност и ИИ с дълбоко обучение по архитектура. Това припокриване е нормално и помага да се обясни какво прави системата от различни ъгли.

Какви рискове трябва да разбират хората при различните видове ИИ?

Често срещаните рискове, свързани с изкуствения интелект, включват пристрастия, неправилни резултати, опасения за поверителност, уязвимости в сигурността, липса на прозрачност, свръхзависимост и слаб човешки надзор. Генеративният изкуствен интелект може да измисля информация, прогнозният изкуствен интелект може да подсили лоши модели, а компютърното зрение може да идентифицира погрешно обекти или хора. Доброто използване на изкуствен интелект обикновено изисква тестване, наблюдение, ясни граници, силни практики за работа с данни и човешки преглед.

Референции

1. IBM - Видове изкуствен интелект - ibm.com

2. Рамка за управление на риска, свързан с изкуствения интелект на NIST - Рискове, свързани с изкуствения интелект - nist.gov

3. Google Developers - Машинно обучение - developers.google.com

4. AWS - Генеративен изкуствен интелект - aws.amazon.com