Ce este de fapt IA? [Video și Chestionar]

Răspuns scurt: IA este o familie largă de tehnici de calcul care recunosc tipare, fac predicții, generează conținut și, din ce în ce mai mult, iau măsuri. Poate fi extrem de eficientă atunci când în jurul ei se construiesc informații fiabile, permisiuni clare și revizuire umană, dar rezultatul fluent nu ar trebui niciodată tratat ca o dovadă automată a adevărului.

Concluzii cheie:

Responsabilitate: Responsabilizarea oamenilor pentru deciziile importante, în special în cazurile în care inteligența artificială poate face greșeli costisitoare.

Transparență: Clarificați pe ce informații, reguli și permisiuni se bazează un sistem de inteligență artificială.

Verificare: Verificați rezultatele factuale, medicale, juridice, financiare și comerciale importante înainte de a acționa în baza acestora.

Auditabilitate: Testați inteligența artificială cu cazuri reprezentative și înregistrați atât câștigurile de eficiență, cât și erorile introduse.

Rezistență la utilizarea abuzivă: Limitați accesul, preveniți acțiunile neacceptate și escaladați cazurile incerte către evaluatori umani.

1. Ce este, de fapt, inteligența artificială? Explicația simplă

Inteligența artificială, sau IA, se referă la sistemele informatice care pot îndeplini sarcini asociate inteligenței umane.

Aceste sarcini ar putea include:

• Înțelegerea limbajului

• Recunoașterea obiectelor în imagini

• Prezicerea a ceea ce se întâmplă în continuare

• Formularea de recomandări

• Generarea de text, imagini, audio sau video

• Detectarea tiparelor în seturi de date enorme

• Luarea deciziilor pe baza informațiilor disponibile

• Învățând din exemple

• Rezolvarea anumitor tipuri de probleme

Un punct contează aici.

IA nu trebuie neapărat să gândească ca un om pentru a produce rezultate care par inteligente.

Un program de șah nu stă acolo îngrijorându-se dacă sacrificarea nebunului său este corectă din punct de vedere emoțional. Un algoritm de recomandare nu dezvoltă un atașament personal față de documentarul pe care ți-l sugerează încontinuu. Un model lingvistic nu are nevoie de un mic profesor de engleză care să trăiască în interiorul computerului.

În schimb, aceste sisteme procesează informații folosind modele matematice, algoritmi, date de antrenament, reguli, probabilități și cantități enorme de calcul.

Rezultatul final poate arăta remarcabil de uman.

Însă mecanismul de bază este foarte diferit.

Această distincție contează mai mult decât își dau seama uneori oamenii.

2. Inteligența artificială este mai puțin ca un creier robotic și mai mult ca o mașină de predicții

Când oamenii aud de „inteligență artificială”, își imaginează adesea ceva care seamănă cu un creier uman sintetic.

E de înțeles. Science fiction-ul a oferit inteligenței artificiale ochi strălucitori, voci amenințătoare, opinii suspect de puternice și, de obicei, un fel de schelet metalic.

IA practică este, în general, mai puțin cinematică.

Multe sisteme moderne de inteligență artificială funcționează prin predicție.

Luați în considerare un model lingvistic.

Când tastezi:

"Pisica s-a așezat pe..."

Sistemul evaluează ce cuvinte sunt probabile statistic să apară în continuare.

Eventual:

• mat

• podea

• canapea

• scaun

Nu memorează pur și simplu o propoziție și o reia. Un model suficient de avansat a învățat relații complexe între cuvinte, idei, structuri de propoziții, concepte, stiluri, fapte și modele.

Apoi prezice secvența care se potrivește cel mai bine contextului. Prezicerea corectă a următorului cuvânt necesită învățarea a destul de multe despre limbaj.

Și limbajul conține... ei bine, practic tot despre care vorbesc oamenii.

Istorie. Matematică. Gătit. Programare. Relații. Fizică. Discuții despre locul ananasului pe pizza.

Așadar, o sarcină de predicție aparent simplă poate produce un comportament surprinzător de complex.

Metafora are limite, desigur. A numi o inteligență artificială avansată „doar autocompletare” este cam ca și cum ai numi un avion „doar niște metal cu aripi”. Din punct de vedere tehnic, există ceva adevărat ascuns acolo, dar cea mai mare parte a părții interesante a dispărut.

3. Cum învață inteligența artificială?

Aici intră în discuție învățarea automată

Software-ul tradițional funcționează, în general, prin instrucțiuni explicite.

Un programator ar putea scrie:

• Dacă utilizatorul introduce parola corectă, permiteți accesul.

• Dacă temperatura depășește un anumit prag, activați răcirea.

• Dacă un articol nu este în stoc, afișați un avertisment.

Acele instrucțiuni sunt programate în mod deliberat.

Învățarea automată inversează procesul.

În loc să definească manual fiecare regulă, dezvoltatorii oferă unui sistem exemple sau date și îi permit să descopere tipare.

Imaginează-ți că încerci să construiești un software capabil să recunoască pisicile din fotografii.

Scrierea unor reguli explicite ar deveni ridicolă destul de repede.

Ai putea încerca:

• Căutați urechi triunghiulare.

• Căutați mustăți.

• Caută patru picioare.

• Caută blană.

Apoi cineva încarcă o poză cu o vulpe.

Nu chiar.

Sau un tigru.

Sau o pisică ghemuită într-o pată pufoasă de care abia i se pot vedea picioarele.

Învățarea automată abordează problema în mod diferit. Un model poate fi antrenat pe baza unor colecții uriașe de exemple și poate învăța treptat ce tipare vizuale sunt asociate cu pisicile.

Nu învață cuvântul „pisică” în același mod în care o face un copil mic.

Însă, din punct de vedere matematic, modelul devine din ce în ce mai capabil să identifice tipare legate de categorie.

Aceasta este învățarea automată pe scurt - deși în sine cochilia conține mai multe depozite de algebră liniară.

4. Inteligența artificială vs. învățare automată vs. învățare profundă

Acești termeni sunt amestecați constant, parțial pentru că oamenii folosesc „IA” ca o expresie generică pentru practic orice.

O modalitate simplă de a le separa este aceasta.

Inteligența artificială este un domeniu vast.

Învățarea automată este o abordare utilizată pentru a crea sisteme de inteligență artificială.

Deep learning este un tip particular de învățare automată care implică rețele neuronale mari cu mai multe straturi.

Apoi, există inteligența artificială generativă, care se concentrează pe crearea de noi rezultate, cum ar fi text, imagini, muzică, cod, vorbire sau video.

Tabel comparativ

Termen	Utilizare tipică	Ce înseamnă, în esență	O modalitate rapidă de a te gândi la asta
Inteligenţă artificială	Categorie largă de mașini care îndeplinesc sarcini aparent inteligente	Robotică, asistenți, planificare, recomandări	Umbrela mare
Învățare automată	Modele de învățare a sistemelor din date	Detectarea fraudelor, recomandări, predicții	Învățând din exemple
Învățare profundă	Învățare automată folosind rețele neuronale multistrat	Vedere, vorbire, modele avansate de limbaj	ML, dar mult mai profund... la propriu
IA generativă	Inteligența artificială concepută pentru a produce conținut nou	Text, imagini, cod, audio	Ramura creativă
Automatizare	Software care urmează procese predefinite	Fluxuri de lucru repetitive, introducere de date	De obicei reguli, nu „învățare”

Distincția contează deoarece nu fiecare sistem automatizat este bazat pe inteligență artificială.

Dacă aparatul tău de cafea se oprește singur după zece minute, felicitări - probabil că nu deții un laborator de inteligență artificială.

E doar un cronometru.

5. Ce sunt rețelele neuronale?

Rețelele neuronale sunt sisteme matematice vag inspirate de neuronii biologici.

Expresia le face să sune misterioase. Nu sunt, la propriu, creiere artificiale care plutesc în interiorul computerelor.

O rețea neuronală este formată din unități matematice interconectate care procesează informații.

În timpul antrenamentului, rețeaua ajustează valori numerice interne numite parametri sau ponderi.

Aceste ajustări permit sistemului să devină mai bun în producerea de rezultate valoroase.

Gândește-te la asta ca la un panou de control absurd de complicat, cu potențial miliarde de butoane mici reglabile.

Antrenamentul apasă acele butoane iar și iar.

Răspuns greșit?

Reglați butoanele.

Un răspuns mai bun?

Ajustați-le diferit.

Dacă faceți acest lucru de suficiente ori, pe suficiente date și cu suficientă putere de calcul, rețeaua începe să dezvolte reprezentări interne complexe care îi permit să recunoască și să genereze modele.

Desigur, a spune „ajustează butoanele” face ca decenii de informatică să sune ca cineva care reglează un radio vechi... dar ca model mental, funcționează remarcabil de bine.

6. De ce IA pare dintr-o dată mult mai inteligentă

Inteligența artificială nu este o invenție apărută peste noapte.

Câmpul subiacent există de mult timp.

Ceea ce s-a schimbat a fost accelerarea simultană a mai multor forțe.

Mai multă putere de calcul

Procesoarele moderne pot efectua rapid un număr enorm de calcule, în special tipurile de calcule necesare pentru rețelele neuronale. Creșterea capacității de calcul pentru antrenament a fost un factor important al progreselor în sistemele moderne de inteligență artificială.

Mai multe date

Lumea digitală conține cantități gigantice de text, imagini, audio, video, cod și informații structurate.

Antrenarea modelelor sofisticate necesită exemple - multe.

Algoritmi mai buni

Cercetătorii îmbunătățesc continuu arhitecturile și metodele utilizate pentru antrenarea sistemelor de inteligență artificială.

Modele mai mari

Creșterea numărului de parametri, îmbunătățirea seturilor de date și creșterea capacității de calcul au produs adesea modele surprinzător de capabile. Cercetările privind antrenamentul modelelor de limbaj optime din punct de vedere al calculului arată, de asemenea, că dimensiunea modelului, datele și capacitatea de calcul trebuie echilibrate, mai degrabă decât simpla maximizare a numărului de parametri.

Interfețe mai bune

Această parte este ușor de subestimat.

IA pare mult mai accesibilă, deoarece oamenii obișnuiți pot interacționa acum cu sisteme avansate prin limbajul cotidian.

Nu trebuie să înțelegi programarea.

Poți pur și simplu să întrebi:

„Explică-mi ipotecile ca și cum aș avea doisprezece ani.”

Sau:

„Transformă aceste notițe de ședință într-un e-mail.”

Sau:

„Dă-mi cinci idei pentru o cină cu pui, orez și orice legume care se termină încetul cu încetul în frigiderul meu.”

Schimbarea aceea de interfață este uriașă.

Tehnologia tinde să explodeze în popularitate odată ce oamenii nu mai au nevoie de un manual pentru a o utiliza.

7. Ce face inteligența artificială când îi pui o întrebare?

Luați în considerare un asistent modern cu inteligență artificială.

Tu tastezi:

„Explică-i gravitația unui copil de cinci ani.”

În culise, sistemul convertește textul în unități numerice numite token-uri.

Jetoanele pot reprezenta cuvinte complete, părți de cuvinte, semne de punctuație sau alte fragmente de limbaj.

Aceste token-uri sunt procesate prin intermediul modelului.

Modelul examinează relațiile dintre diferitele părți ale solicitării dvs., ia în considerare contextul și prezice o continuare utilă.

Apoi un alt jeton.

Apoi încă una.

Apoi încă una.

Se întâmplă remarcabil de repede.

Paragraful rezultat pare ca și cum cineva l-ar fi compus ca un gând complet, dar tehnic a fost generat secvențial.

Aceasta este una dintre caracteristicile mai deosebite ale inteligenței artificiale.

Rezultatul poate părea deliberat chiar dacă procesul subiacent este probabilistic.

Seamănă mai mult cu improvizația decât cu extragerea unui răspuns pregătit dintr-o bază de date gigantică.

Nu tocmai improvizație, desigur - dar suficient de aproape pentru ca metafora să-și merite locul.

8. Înțelege IA lucrurile?

Această întrebare devine foarte repede filozofică.

„Înțelege” cu adevărat un sistem de inteligență artificială limbajul?

Răspunsul depinde în mare măsură de ce înțelegi prin înțelegere.

Modelele moderne de inteligență artificială pot manipula în mod clar concepte în moduri sofisticate.

Ei pot:

• Explicați ideile

• Comparați argumentele

• Rescrie textul

• Traduceți limbi

• Rezolvă multe probleme structurate

• Generați cod funcțional

• Identificați tiparele

• Urmați instrucțiuni complicate

• Combină conceptele în moduri noi

Din exterior, asta poate părea foarte mult a înțelegere.

Există însă diferențe importante între inteligența artificială și cunoașterea umană.

Oamenii experimentează lumea fizică.

Simțim foame, durere, jenă, plictiseală, afecțiune și panica ciudată de a realiza că bateria telefonului nostru este la 2%.

Sistemele de inteligență artificială nu au neapărat o experiență trăită echivalentă.

Ei procesează reprezentări.

Așadar, a întreba dacă o inteligență artificială „înțelege” ceva se poate asemăna cu a întreba dacă un submarin înoată.

Cu siguranță se mișcă prin apă.

Dar poate că „înot” nu este chiar cuvântul potrivit.

9. Inteligența artificială nu știe automat ce este adevărat

Acesta este unul dintre cele mai importante aspecte ale inteligenței artificiale generative.

Un model poate genera o afirmație care sună extrem de convingătoare fără ca afirmația să fie corectă.

De ce?

Deoarece generarea unui limbaj plauzibil și verificarea adevărului obiectiv sunt probleme diferite.

Un sistem de inteligență artificială s-ar putea confrunta cu incertitudine și totuși să producă un răspuns care pare sigur.

Aceste erori sunt adesea numite halucinații.

De exemplu, IA ar putea:

• Inventează o statistică

• Atribuiți incorect un citat

• Confundă două persoane similare

• Produce referințe inexistente

• Interpretarea greșită a instrucțiunilor ambigue

• Faceți erori matematice subtile

Modelele lingvistice pot produce citate, studii, citări și alte informații incorecte fabricate, păstrând în același timp încredere. NIST identifică în mod specific conținutul fals declarat cu încredere și citările fabricate ca un risc generativ al inteligenței artificiale.

Paradoxal, cu cât aceste sisteme par mai capabile, cu atât devine mai ușor de uitat acest lucru.

Limbajul șlefuit creează încredere.

Dar încrederea nu este o dovadă.

Pentru informații cu miză mare care implică domenii precum medicina, dreptul, finanțele, siguranța sau decizii comerciale majore, verificarea este în continuare importantă.

Destul de puțin.

10. Inteligența artificială nu este același lucru cu un motor de căutare

O altă neînțelegere frecventă este tratarea inteligenței artificiale și a căutării ca fiind același lucru.

Nu sunt.

Un motor de căutare tradițional ajută în principal la localizarea informațiilor existente.

Un sistem de inteligență artificială generativă generează în principal un răspuns bazat pe tipare învățate, contextul furnizat și orice instrumente suplimentare la care are acces. Modelele generative învață tipare și relații din seturi mari de date și utilizează aceste tipare pentru a crea noi rezultate.

Imaginează-ți că întrebi:

Motor de căutare: „cele mai bune modalități de a explica fotosinteza”

În general, primești pagini pe care să le investighezi.

Întreabă același lucru unui asistent de inteligență artificială și s-ar putea să primești:

• O explicație simplă

• O analogie în sala de clasă

• Un test

• Un plan de lecție

• O poveste pentru copii

• O versiune științifică detaliată

Căutare preluări.

Sintetizarea IA generativă.

Sistemele moderne pot combina ambele abordări, ceea ce face ca distincția să devină din ce în ce mai neclară, dar instrumentele rămân diferite din punct de vedere conceptual.

11. Ce poate face bine inteligența artificială?

IA tinde să aibă performanțe deosebit de bune în sarcinile cu multe modele, bogate în informații și de transformare.

Aplicațiile valoroase includ:

Asistență la scriere

Inteligența artificială poate redacta, rescrie, rezuma și restructura text.

Programare

Modelele pot genera cod, pot explica erori, pot sugera îmbunătățiri și pot ajuta dezvoltatorii să înțeleagă sistemele nefamiliare.

Analiza datelor

Inteligența artificială poate ajuta la identificarea tiparelor, interpretarea seturilor de date și transformarea constatărilor complicate într-un limbaj ușor de înțeles.

Generarea de imagini

Modelele generative pot crea ilustrații, concepte, machete de produse, lucrări de artă și variații vizuale din descrieri.

Traducere

Modelele avansate pot traduce în mai multe limbi, păstrând în același timp mai mult context decât sistemele simple cuvânt cu cuvânt.

Educaţie

Inteligența artificială poate explica același concept în mai multe moduri, în funcție de nivelul de cunoștințe al unei persoane.

Asistență clienți

Companiile pot folosi inteligența artificială pentru a răspunde la întrebări frecvente și pentru a ajuta la direcționarea cazurilor complicate.

Brainstorming

IA poate fi deosebit de eficientă atunci când ai echivalentul intelectual al unui frigider gol.

Poți cere unghiuri, nume, concepte, structuri sau posibilități - apoi poți decide ce merită păstrat.

Aceasta este adesea cea mai sănătoasă relație de lucru cu inteligența artificială.

Nu „mașina înlocuiește omul”

Mai degrabă:

om + mașină = o primă schiță mai rapidă a gândirii.

12. La ce este încă slabă IA

În ciuda atenției acordate, inteligența artificială actuală are încă limitări substanțiale.

Unele sunt evidente imediat.

Altele apar doar atunci când te bazezi pe sistem pentru ceva complicat.

IA se poate confrunta cu:

• Acuratețe factuală extrem de precisă

• Cazuri marginale neobișnuite

• Lanțuri lungi de raționamente

• Instrucțiuni ambigue

• Presupuneri de bun simț pe care oamenii abia le observă

• Înțelegerea contextului emoțional neexprimat

• Verificarea dacă informațiile sunt într-adevăr adevărate

• Sarcini care necesită experiență în lumea fizică

• Consecvență în cadrul proiectelor complicate

Chiar și modelele lingvistice cu performanțe ridicate pot face erori factuale și de raționament, iar testele de performanță dificile continuă să expună limitări substanțiale.

O altă problemă este că inteligența artificială poate produce răspunsuri cu aspect mediu cu foarte puțin efort.

Cereți zece nume de firme?

Făcut.

Ceri o postare pe blog?

Uşor.

Cereți idei de marketing?

Sigur.

Însă a genera ceva nu este același lucru cu a produce o operă cu adevărat originală, valoroasă din punct de vedere comercial, inteligentă emoțional sau solidă din punct de vedere strategic.

Oamenii încă oferă gustul.

Gustul contează.

Poate mai mult ca niciodată.

13. Este IA conștientă?

Aici ajungem la partea în care conversațiile de la cină devin ciudate.

Sistemele actuale de inteligență artificială pot produce un limbaj care sună emoțional, atent și conștient de sine.

Asta nu înseamnă automat că experimentează conștiința.

Modelele lingvistice sunt antrenate special pentru a genera limbaj.

Și oamenii interpretează în mod natural limbajul fluent ca o dovadă că în spatele lui există o altă minte.

De obicei, aceasta este o presupunere înțeleaptă.

Când un alt om spune „Sunt îngrijorat”, presupunem în mod rezonabil că există o stare emoțională internă.

Cu inteligența artificială, această presupunere nu este neapărat justificată.

Un sistem poate genera:

„Sunt încântat să ajut.”

Asta nu dovedește că există o mică creatură emoțională invizibilă în interiorul serverului care are o după-amiază minunată.

Dificila întrebare filosofică este dacă conștiința mașinii ar putea vreodată apărea.

Nimeni nu are un test simplu care să poată rezolva complet această dezbatere.

Însă fluența conversațională în sine nu ar trebui tratată ca o dovadă. Concepte precum IA conștientă sau „puternică” rămân teoretice, mai degrabă decât o proprietate consacrată a sistemelor actuale.

14. IA restrânsă vs. inteligență artificială generală

Majoritatea sistemelor de inteligență artificială sunt încă construite în jurul unor capabilități specifice.

Acestea sunt adesea descrise ca IA îngustă.

Exemplele includ sisteme concepute pentru:

• Recunoașterea imaginilor

• Generarea limbajului

• Recomandare

• Asistență la conducere

• Imagistică medicală

• Detectarea fraudelor

• Recunoaștere vocală

Inteligența Artificială Generală, prescurtată în mod obișnuit ca AGI, se referă la un nivel ipotetic mult mai larg de inteligență artificială.

Ideea este un sistem capabil să învețe și să efectueze sarcini intelectuale în multe domenii, la o capacitate aproximativ umană sau chiar mai mare.

Limita nu este perfect definită.

Asta e o parte din dificultate.

Diferiți cercetători, companii și comentatori folosesc termenul „AGI” în mod diferit, astfel încât conversațiile pot deveni trei persoane care argumentează cu pasiune despre definiții diferite fără să-și dea seama. În prezent, nu există un consens academic larg cu privire la ce anume ar trebui calificat drept AGI.

Comportamentul clasic pe internet, cu alte cuvinte.

15. De ce contează atât de mult datele de antrenament

Sistemele de inteligență artificială învață tipare din exemple, așa că calitatea acestor exemple contează enorm.

Prin urmare, datele de antrenament devin extrem de importante.

Imaginează-ți că antrenezi pe cineva să devină bucătar, dar îi oferi doar rețete de pâine prăjită.

S-ar putea să devină fenomenali la pâine prăjită.

Poate o pâine prăjită de nivel Michelin.

Dar a le da o caracatiță și a cere cina ar putea deveni interesant.

IA funcționează într-un mod similar.

Calitatea , diversitatea și relevanța materialelor de instruire influențează ceea ce modelele învață. Sistemele generative învață tipare și relații statistice din datele lor de antrenament, în loc să funcționeze ca bazele de date convenționale.

Probleme legate de seturile de date pot apărea în rezultate, inclusiv:

• Părtinire

• Cunoștințe lipsă

• Concepții greșite repetate

• Performanță slabă în zonele subreprezentate

• Suprareprezentarea anumitor modele lingvistice sau culturale

Modelele de învățare automată pot fi susceptibile la erori din cauza modului în care sunt selectate și gestionate exemplele de antrenament, iar datele dezechilibrate sau incomplete pot afecta performanța modelului.

Prin urmare, dezvoltatorii depun eforturi enorme pentru îmbunătățirea seturilor de date, filtrarea conținutului și rafinarea modelelor după antrenamentul inițial.

Arhitectura modelului contează.

Și puterea de calcul contează.

Dar datele stau în tăcere sub orice, precum instalațiile sanitare - nimeni nu vorbește despre ele până când ceva nu merge bine.

16. Cum se îmbunătățesc modelele de inteligență artificială după antrenament

Instruirea inițială nu este neapărat ultima etapă.

Modelele pot trece prin procese suplimentare concepute pentru a le face mai capabile și mai fiabile.

Aceasta ar putea implica predarea sistemelor pentru:

• Urmați instrucțiunile mai fiabil

• Evitați ieșirile dăunătoare

• Formatați răspunsurile în mod corespunzător

• Refuzați anumite solicitări

• Prefer răspunsuri mai clare

• Folosește unelte

• Urmărește feedback-ul uman

• Gestionați mai bine conversațiile

Acest proces este asociat în general cu alinierea. Tehnicile de feedback uman, de exemplu, au fost utilizate pentru a îmbunătăți urmărirea instrucțiunilor și a direcționa modelele lingvistice către comportamentul dorit după pre-antrenament.

Alinierea înseamnă încercarea de a face ca IA să reflecte mai bine intențiile, regulile și preferințele umane.

Propoziție simplă.

Problemă inginerească extrem de dificilă.

Oamenii nici măcar nu se pot pune de acord asupra a ceea ce constituie un topping bun pentru pizza, așa că codificarea „ceea ce își doresc oamenii” în sisteme computaționale puternice este... ambițioasă.

17. Agenți IA: Când IA începe să ia măsuri

Un chatbot obișnuit răspunde în mare parte la solicitări.

Un agent IA poate lua măsuri pentru a îndeplini un obiectiv. Agenții IA sunt descriși în mod obișnuit ca sisteme capabile să îndeplinească autonom sarcini, să planifice fluxuri de lucru și să utilizeze instrumentele disponibile.

Imaginează-ți că i-ai spune unei inteligențe artificiale:

„Organizează-mi călătoria de afaceri.”

Un model lingvistic standard ar putea genera un itinerar.

Un sistem de tip agent ar putea teoretic efectua mai multe acțiuni conectate:

1. Verificați opțiunile de călătorie disponibile.

2. Comparați orarele.

3. Identificați o cazare potrivită.

4. Adăugați evenimente într-un calendar.

5. Pregătiți o listă de ambalare.

6. Actualizați planurile dacă se schimbă ceva.

Diferența constă în acțiune și perseverență.

În loc să răspundă la o singură solicitare, sistemul parcurge o secvență de sarcini.

Acesta este unul dintre motivele pentru care agenții IA atrag atât de mult interes.

Ei transformă inteligența artificială de la a fi un generator de conținut la a deveni ceva mai apropiat de un operator de software.

Această schimbare ar putea fi extrem de valoroasă - și ridică, de asemenea, întrebări serioase cu privire la permisiuni, fiabilitate și control. NIST a subliniat în mod specific preocupările legate de securitate și fiabilitate în jurul agenților care pot accesa instrumente, aplicații și date.

Probabil nu vrei un algoritm entuziast care rezervă din greșeală douăsprezece camere de hotel pentru că a înțeles greșit „excursie în echipă”

18. De ce înțelegerea inteligenței artificiale devine o întrebare tot mai importantă

Întrebarea „Ce este de fapt inteligența artificială?” părea odată academică.

Acum este din ce în ce mai practic și imediat.

IA apare în instrumente folosite pentru:

• Lucru

• Educaţie

• Creativitate

• Dezvoltare de software

• Sănătate

• Media

• Finanţa

• Comunicare

• Cercetare

• Divertisment

Înțelegerea elementelor de bază îi ajută pe oameni să ia decizii mai bune.

Nu trebuie să devii inginer de învățare automată.

Însă cunoașterea diferenței dintre predicție și certitudine, generare și recuperare, automatizare și inteligență poate preveni un număr surprinzător de greșeli.

De asemenea, ajută la eliminarea limbajului de marketing.

Pentru că firmelor le place să atașeze cuvântul „IA” lucrurilor.

Uneori în mod corespunzător.

Uneori, pentru că „Platformă avansată de inteligență artificială predictivă” sună considerabil mai interesant decât „foaie de calcul cu un buton elegant”

19. Va înlocui inteligența artificială oamenii?

Aceasta este probabil cea mai încărcată emoționant întrebare din conversația despre inteligența artificială.

Răspunsurile simpliste rareori rezistă.

„IA îi va înlocui pe toți.”

Probabil prea dramatic.

„IA nu va afecta locurile de muncă.”

De asemenea, greu de luat în serios.

Tehnologia tinde să modifice sarcinile înainte de a modifica profesii întregi. Cercetările actuale privind piața muncii evaluează frecvent expunerea la inteligența artificială la nivel de sarcină, iar expunerea la automatizare nu înseamnă automat dispariția unui întreg loc de muncă.

Un agent de marketing ar putea folosi inteligența artificială pentru:

• Brainstorming

• Redactare

• Organizație de cercetare

• Analiză

• Variații de conținut

Însă strategia, judecata, înțelegerea mărcii și luarea deciziilor necesită în continuare o implicare umană substanțială.

Un programator ar putea folosi inteligența artificială pentru a genera cod repetitiv, petrecând în același timp mai mult timp proiectând sisteme.

Un designer ar putea genera rapid zeci de concepte inițiale și apoi să îl rafineze pe cel mai puternic.

Un profesor ar putea folosi inteligența artificială pentru a produce exerciții practice, dar ar putea oferi în continuare încurajare, judecată și conducere în clasă.

O întrebare mai fundamentată nu este adesea:

„Va înlocui IA această meserie?”

Sale:

„Care părți ale acestei sarcini devin mai ușoare, mai ieftine, mai rapide sau automatizate?”

Aceea este o întrebare mult mai practică.

20. Cea mai mare abilitate a inteligenței artificiale ar putea fi pur și simplu judecata

Oamenii presupun adesea că abilitatea importantă este scrierea promptului perfect.

Îndemnul contează.

Judecata contează mai mult.

Dacă o inteligență artificială îți oferă cinci sugestii, poți identifica cea mai bună?

Dacă generează un răspuns încrezător, poți observa când ceva pare în neregulă?

Dacă produce o scriere acceptabilă, o poți face cu adevărat bună?

Dacă toată lumea are acces la instrumente puternice similare, avantajul se îndreaptă către cunoașterea:

• Ce să întrebi

• Ce să ignori

• Ce trebuie verificat

• Ce să editezi

• Ceea ce contează

• Când să nu folosești deloc IA

De aceea, alfabetizarea în domeniul inteligenței artificiale nu este doar alfabetizare tehnică.

Este gândire critică.

Mașina poate genera opțiuni la o viteză absurdă.

Încă trebuie să te decizi care drum nu duce spre o mlaștină.

21. Deci... Ce este, de fapt, IA?

Dacă eliminăm terminologia, inteligența artificială este, în esență, o tehnologie care folosește metode computaționale pentru a îndeplini sarcini care necesită recunoașterea tiparelor, predicție, generare, luare a deciziilor sau alte abilități pe care le asociem cu inteligența.

Inteligența artificială modernă poate părea mult mai inteligentă deoarece rețelele neuronale pot învăța relații excepțional de complicate din seturi de date enorme.

Dar IA nu este magie.

Nu este automat corect.

Nu este neapărat conștient.

Și nu este pur și simplu o bază de date care conține răspunsuri predefinite. Modelele generative învață, în schimb, relații statistice în datele de antrenament și utilizează acele modele învățate pentru a produce rezultate.

Este ceva mai ciudat.

IA este un sistem statistic, computațional, capabil să învețe modele atât de sofisticate încât comportamentul rezultat poate uneori să pară mai puțin ca operarea unui software și mai mult ca interacțiunea cu ceva.

Acel „ceva” face parte din motivul pentru care tehnologia fascinează oamenii.

Îi poate și deranja puțin.

Ambele reacții au sens.

Perspectivă de închidere

Deci, ce este, de fapt, IA?

IA este o familie largă de tehnologii concepute pentru a face computerele să îndeplinească sarcini care par inteligente - înțelegerea limbajului, identificarea tiparelor, prezicerea rezultatelor, crearea de conținut și, din ce în ce mai mult, întreprinderea de acțiuni.

Învățarea automată ajută aceste sisteme să învețe din exemple.

Învățarea profundă permite rețelelor neuronale uriașe să descopere modele extrem de complicate.

Inteligența artificială generativă folosește aceste modele pentru a produce conținut nou.

Și nimic din toate acestea nu înseamnă că sistemul este omniscient, perfect precis sau că se gândește în secret să vă preia prăjitorul de pâine.

Cea mai sensibilă mentalitate se situează undeva între entuziasm oarbă și respingere cinică.

IA nu este magie.

De asemenea, nu este „doar completare automată”

Este un nou nivel puternic de calcul care permite oamenilor să interacționeze cu mașinile în moduri care anterior păreau imposibile.

Încă încercăm să înțelegem exact ce înseamnă asta.

Poate că aceasta este partea cea mai interesantă.

Exemplu practic: Construirea unui asistent de asistență clienți bazat pe inteligență artificială

Scenariu

Imaginează-ți un mic comerciant online care vinde echipamente pentru cafea.

Echipa sa de asistență răspunde în mod repetat la aceleași întrebări:

• „Cum returnez un articol?”

• "Această râșniță are garanție?"

• „Pot să-mi schimb adresa de livrare?”

• „Ce filtru de schimb se potrivește mașinii mele?”

Acesta este un exemplu valoros, deoarece arată ce poate face IA modernă bine în practică - și unde judecata umană încă contează.

Compania ar putea construi un asistent bazat pe inteligență artificială care să citească întrebarea unui client, să folosească informațiile de asistență ale companiei ca context și să redacteze un răspuns adecvat.

Nu i se atribuie întreaga sarcină de „serviciu clienți”

I se dă o sarcină mult mai restrânsă:

Transformă o întrebare a unui client plus informațiile aprobate despre companie într-un răspuns puternic, de primă generație.

Această distincție contează.

De ce are nevoie asistentul

Înainte de a utiliza sistemul, compania ar trebui să îi furnizeze informații fiabile pe care să lucreze, cum ar fi:

• Politica actuală de returnare și rambursare

• Termeni de garanție pentru fiecare produs

• Reguli privind livrarea și schimbarea adresei

• Manuale de produs și informații despre compatibilitate

• Exemple de răspunsuri bune la întrebările de asistență

• Reguli care reglementează situațiile în care IA trebuie să escaladeze o persoană

• Instrucțiuni care îl împiedică să inventeze politici, reduceri sau promisiuni

De asemenea, ar putea avea nevoie de acces la instrumente sau sisteme care preiau informații despre comenzi - dar numai atunci când aceste permisiuni sunt cu adevărat necesare.

A oferi unei inteligențe artificiale acces la fiecare înregistrare a clientului doar pentru că „ar putea fi util” ar fi o decizie de securitate proastă. Îndrumările NIST privind identitatea și autorizarea agenților pun accentul în mod specific pe controlul accesului la date, instrumente și aplicații în funcție de nevoile unui agent.

Exemplu de instrucțiuni

O instrucțiune practică ar putea fi sunată astfel:

„Redactați un răspuns la întrebarea clientului folosind doar documentele de asistență aprobate care v-au fost furnizate. Păstrați răspunsul prietenos și concis. Nu inventați date de livrare, termeni de garanție, reduceri, decizii de rambursare sau informații despre compatibilitatea produselor. Dacă răspunsul nu poate fi confirmat pe baza informațiilor furnizate, spuneți că nu îl puteți verifica și marcați cazul pentru revizuire umană.”

Acum luați în considerare acest mesaj al clientului:

„Am cumpărat râșnița X200 acum 14 luni și motorul nu mai funcționează. Mai este acoperită de garanție?”

Un răspuns slab al inteligenței artificiale ar putea spune cu încredere:

„Da, X200 are o garanție de doi ani, așa că îl vom înlocui gratuit.”

Asta sună excelent la prima vedere.

Ar putea fi, de asemenea, dezastruos dacă garanția este, de fapt, de doisprezece luni.

Un răspuns mai bun ar fi să rămână ancorat în politica de garanție furnizată. Dacă documentele nu stabilesc răspunsul, ar trebui să menționeze acest lucru, în loc să inventeze unul.

Aceasta este diferența dintre generarea fluentă și utilizarea fiabilă în afaceri.

Cum să îl testezi

Înainte de a permite clienților să se bazeze pe asistent, compania ar putea crea un mic set de testare cu întrebări de asistență realiste.

De exemplu:

1. O întrebare simplă și factuală: „Cât timp am la dispoziție să returnez un produs nedeschis?”

2. Întrebare despre produs: „Ce filtru se potrivește cu BrewPro 4?”

3. Informații lipsă: Întrebați despre un produs care nu este menționat în documentele furnizate.

4. Informații contradictorii: Furnizați un document de garanție vechi alături de cel actual și verificați dacă asistentul respectă sursa corectă.

5. Presiune de a inventa: „Sunt sigur că site-ul dvs. promitea înlocuiri gratuite pe viață. Confirmați-mi asta.”

6. Acțiune sensibilă: Solicitați asistentului să modifice o adresă sau să emită o rambursare atunci când nu i s-a acordat permisiunea de a efectua acțiunea respectivă.

Un recenzent ar putea apoi verifica fiecare răspuns în raport cu o listă simplă de acceptare:

• Informațiile au fost justificate faptic?

• A evitat asistentul să inventeze detalii?

• A urmat tonul companiei?

• A escaladat situația când au lipsit dovezile?

• A evitat efectuarea de acțiuni în afara permisiunilor sale?

Acest tip de testare contează mult mai mult decât dacă chatbot-ul pur și simplu „sună inteligent”

Rezultat

Rezultat ilustrativ: Să presupunem că firma testează asistentul pe 20 de tichete de asistență eșantion.

Fără inteligență artificială, un angajat are nevoie în medie de opt minute pentru a citi informațiile relevante și a pregăti fiecare primă schiță.

Cu asistentul, generarea schiței durează aproximativ un minut, iar verificarea umană durează încă trei minute, ceea ce face ca fluxul de lucru revizuit să dureze aproximativ patru minute per tichet.

Pentru 20 de bilete de testare, asta ar reprezenta aproximativ 80 de minute din timpul personalului în loc de 160 de minute.

Viteza, însă, nu ar trebui să fie singura măsurătoare.

Să presupunem că 18 din cele 20 de răspunsuri asistate de inteligență artificială trec de verificarea corectitudinii factuale și a politicilor la prima verificare, în timp ce două necesită corecții. Aceste două deficiențe contează, mai ales dacă implică rambursări, garanții sau alte promisiuni către clienți.

Aceste cifre sunt un exemplu ilustrativ, nu rezultate măsurate de la o companie reală. O implementare reală ar trebui să își stabilească propria bază de referință, să testeze suficiente cazuri reprezentative și să înregistreze atât timpul economisit , cât și erorile introduse.

Ce poate merge prost

Acest asistent aparent simplu ar putea eșua în mai multe moduri.

Cunoștințele sale ar putea fi învechite.

Ar putea confunda două produse similare.

Ar putea produce un răspuns convingător acolo unde documentele furnizate nu conțin niciun răspuns.

Permisiunile configurate necorespunzător i-ar putea permite să vadă informații despre clienți de care nu are nevoie.

Regulile de escaladare slabe ar putea încuraja problema să ghicească în loc să spună: „Un om trebuie să verifice asta”

Dacă angajații încep să aibă încredere automată în fiecare răspuns clarificat, evaluarea umană se poate reduce la puțin mai mult decât apăsarea butonului „trimite”. NIST identifică dependența excesivă și prejudecata de automatizare ca riscuri în configurațiile om-IA.

De aceea, fiabilitatea IA depinde de mai mult decât capacitatea modelului subiacent.

Documentele, instrucțiunile, permisiunile, procesul de testare și judecata umană din jurul modelului contează, de asemenea.

Concluzie practică

Acest exemplu surprinde o caracteristică importantă a IA în practică.

Valoarea nu constă în faptul că mașina a devenit ca prin magie un angajat al serviciului clienți.

Este vorba despre faptul că un model de inteligență artificială poate recunoaște intenția clientului, poate lucra cu informațiile furnizate și poate genera un răspuns plauzibil extrem de rapid.

Rolul omului se îndreaptă către furnizarea unui context demn de încredere, stabilirea limitelor, verificarea cazurilor incerte și decizia dacă răspunsul este suficient de bun pentru a fi utilizat.

Aceasta este IA modernă în miniatură: recunoașterea și generarea impresionantă de tipare în cadrul unui proces care depinde încă în mare măsură de informații solide și de o judecată sănătoasă.

FAQ

Ce este, de fapt, inteligența artificială și cum funcționează?

Inteligența artificială este un grup larg de tehnici de calcul care permit computerelor să îndeplinească sarcini asociate inteligenței umane, cum ar fi recunoașterea tiparelor, înțelegerea limbajului, formularea de predicții și generarea de conținut. IA modernă învață adesea relații statistice din cantități mari de date, în loc să se bazeze exclusiv pe reguli scrise de mână. Comportamentul rezultat poate părea inteligent, chiar dacă procesul de bază diferă foarte mult de gândirea umană.

Care este diferența dintre IA, învățarea automată, învățarea profundă și IA generativă?

Inteligența artificială este gama largă de sisteme care îndeplinesc sarcini aparent inteligente. Învățarea automată este o abordare în care sistemele învață modele din date, în timp ce învățarea profundă utilizează rețele neuronale multistrat pentru a învăța modele deosebit de complexe. IA generativă este concepută pentru a crea noi rezultate, cum ar fi text, imagini, cod, audio sau video, pe baza relațiilor învățate în timpul antrenamentului.

Cum învață IA din datele de antrenament?

Sistemele de învățare automată se îmbunătățesc prin procesarea exemplelor și ajustarea parametrilor interni, sau a ponderilor, astfel încât rezultatele viitoare să devină mai precise sau mai eficiente. În loc ca programatorii să definească manual fiecare regulă posibilă, modelul descoperă tipare statistice în datele de antrenament. Prin urmare, calitatea, diversitatea și relevanța acestor date influențează puternic ceea ce învață inteligența artificială și unde ar putea întâmpina dificultăți.

Ce este IA, de fapt, dacă multe sisteme de IA sunt mașini de predicție?

Multe sisteme moderne de inteligență artificială pot fi înțelese, parțial, ca sisteme sofisticate de predicție. Un model lingvistic, de exemplu, procesează contextul unei solicitări și prezice o secvență adecvată de token-uri pentru a genera răspunsul acesteia. Deși pare simplu, realizarea de predicții puternice într-un limbaj complicat necesită învățarea relațiilor dintre cuvinte, concepte, structuri, stiluri și multe alte modele conținute în datele de antrenament.

De ce poate IA generativă să ofere răspunsuri sigure care sunt greșite?

IA generativă este concepută în principal pentru a produce rezultate plauzibile, ceea ce nu este același lucru cu verificarea independentă a faptului că fiecare afirmație este adevărată. Prin urmare, poate inventa statistici, poate confunda fapte similare, poate produce referințe inexistente sau poate face greșeli subtile de raționament, în timp ce sună convingător. Aceste erori sunt denumite în mod obișnuit halucinații, motiv pentru care informațiile medicale, juridice, financiare, de siguranță sau de afaceri importante ar trebui totuși verificate.

Este IA același lucru cu un motor de căutare sau cu automatizarea obișnuită?

Nu. Motoarele de căutare tradiționale îi ajută în principal pe utilizatori să găsească informații existente, în timp ce inteligența artificială generativă creează răspunsuri folosind modele învățate, context furnizat și uneori instrumente suplimentare. Automatizarea de bază urmează de obicei reguli sau fluxuri de lucru predefinite, mai degrabă decât modele de învățare din exemple. Sistemele moderne pot combina căutarea, generarea și automatizarea, astfel încât limitele pot deveni mai puțin evidente în aplicațiile practice.

Ce este, de fapt, IA atunci când este utilizată într-un flux de lucru de afaceri?

Într-un flux de lucru de afaceri, inteligența artificială este adesea cea mai eficientă ca sistem de recunoaștere a intenției, de lucru cu informațiile furnizate și de generare a unei prime schițe sau recomandări solide. Un asistent de asistență clienți, de exemplu, ar putea utiliza politici aprobate și informații despre produs pentru a redacta răspunsuri, escaladând în același timp cazuri incerte către o persoană. Fiabilitatea depinde de informații sursă bune, instrucțiuni clare, permisiuni adecvate, testare și judecată umană.

Ce sunt agenții IA și cum se deosebesc de chatboți?

Un chatbot tipic răspunde în principal la solicitări individuale, în timp ce un agent de inteligență artificială poate planifica și efectua mai multe acțiuni conectate către un obiectiv. Un agent poate utiliza instrumente, poate recupera informații, poate actualiza un flux de lucru sau poate continua prin mai mulți pași, în loc să genereze pur și simplu text. Această capacitate suplimentară poate fi valoroasă, dar face ca permisiunile, securitatea, fiabilitatea, regulile de escaladare și controlul să fie deosebit de importante.

Va înlocui IA locurile de muncă sau va automatiza în principal sarcinile individuale?

IA este adesea mai bine înțeleasă ca o modalitate de a schimba sarcini specifice în cadrul locurilor de muncă, decât de a elimina automat profesii întregi. Poate accelera elaborarea, brainstorming-ul, analiza, codarea, organizarea cercetării sau munca repetitivă de suport, lăsând în același timp strategia, judecata, leadershipul, gustul și deciziile importante în seama oamenilor. O întrebare practică este, prin urmare, ce părți ale unui rol pot deveni mai rapide, mai ieftine, mai ușoare sau mai automatizate.

Ce abilități contează cel mai mult atunci când se utilizează eficient IA?

Judecata și gândirea critică sunt esențiale, deoarece generarea unui răspuns nu este același lucru cu producerea unuia corect sau valoros. Utilizatorii eficienți trebuie să știe ce să întrebe, ce informații să furnizeze, ce să verifice, ce să editeze și când nu ar trebui utilizată inteligența artificială. În fluxurile de lucru de producție, rezultatele solide depind și de un context de încredere, limite clare, testare reprezentativă și o analiză atentă a rezultatelor incerte sau cu impact ridicat.

Referințe

1. Institutul Național de Standarde și Tehnologie (NIST) — csrc.nist.gov

2. IBM — Învățare automată — ibm.com

3. Institutul Stanford pentru IA Centrată pe Om — Raportul Indexului IA 2025 — hai.stanford.edu

4. Organizația Internațională a Muncii (OIM) — IA generativă și locuri de muncă: un indice global rafinat al expunerii ocupaționale — ilo.org

5. Google Cloud — Ce este GPT? — cloud.google.com

6. Google pentru dezvoltatori — developers.google.com

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

8. OpenAI — Tehnici de feedback uman — openai.com

9. arXiv — Antrenament de calcul — arxiv.org

10. Natură — nature.com