Kai 2022 m. pabaigoje pasirodė „ChatGPT“, tai visiškai pakeitė žmonių santykį su technologijomis. Staiga internetinės paieškos buvo aktyvios, o tai reiškia, kad su pokalbių robotu galėjai kalbėtis natūralia kalba ir jis atsakydavo naujais atsakymais, panašiai kaip žmogus. Tai buvo tokia transformacinė, kad „Google“, „Meta“, „Microsoft“ ir „Apple“ greitai pradėjo integruoti dirbtinį intelektą į savo produktų rinkinį.
Tačiau šis AI pokalbių robotų aspektas yra tik viena AI kraštovaizdžio dalis. Žinoma, „ChatGPT“ padėti atlikti namų darbus arba „Midjourney“ sukurti įspūdingus mechų vaizdus pagal kilmės šalį yra puiku, tačiau generatyvaus AI potencialas gali visiškai pakeisti ekonomiką. Pasak McKinsey Global Institute, tai gali būti verta 4,4 trilijono USD pasaulio ekonomikai kasmet, todėl turėtumėte tikėtis vis daugiau išgirsti apie dirbtinį intelektą.
Jis rodomas svaiginančiame produktų asortimente – trumpame sąraše yra Google Gemini, Microsoft Copilot, Anthropic’s Claude, Perplexity AI paieškos įrankis ir Humane bei Rabbit programėlės. Mūsų naujajame AI Atlas centre galite perskaityti mūsų apžvalgas ir praktinius šių ir kitų produktų vertinimus bei naujienas, paaiškinimus ir žinutes, kaip elgtis.
Kai žmonės vis labiau pripranta prie pasaulio, susipynusio su AI, visur atsiranda naujų terminų. Taigi, nesvarbu, ar bandote atrodyti protingai gerdami gėrimus, ar padaryti įspūdį darbo pokalbyje, čia yra keletas svarbių dirbtinio intelekto terminų, kuriuos turėtumėte žinoti.
Šis žodynas bus reguliariai atnaujinamas.
—
dirbtinis bendras intelektas arba AGI: koncepcija, kuri siūlo pažangesnę AI versiją, nei žinome šiandien, kuri gali atlikti užduotis daug geriau nei žmonės, kartu mokanti ir tobulinanti savo galimybes.
AI etika: principai, kuriais siekiama neleisti AI pakenkti žmonėms, pasiekiami tokiomis priemonėmis kaip AI sistemos turėtų rinkti duomenis arba šalinti šališkumą.
AI sauga: tarpdisciplininė sritis, susijusi su ilgalaikiu AI poveikiu ir tuo, kaip jis staiga gali virsti super intelektu, kuris gali būti priešiškas žmonėms.
algoritmas: instrukcijų serija, leidžianti kompiuterio programai mokytis ir analizuoti duomenis tam tikru būdu, pvz., atpažinti šablonus, kad vėliau iš jų pasimokytų ir pati atliktų užduotis.
lygiavimas: dirbtinio intelekto koregavimas, siekiant geresnio rezultato. Tai gali reikšti bet ką – nuo turinio keitimo iki teigiamos sąveikos su žmonėmis palaikymo.
antropomorfizmas: Kai žmonės linkę suteikti nežmoniškiems objektams žmogiškų savybių. Dirbant dirbtiniu intelektu, tai gali apimti tikėjimą, kad pokalbių robotas yra labiau žmogiškas ir sąmoningesnis, nei yra iš tikrųjų, kaip tikėjimą, kad jis yra laimingas, liūdnas ar net jausmingas.
dirbtinis intelektas arba AI: technologijų naudojimas žmogaus intelektui imituoti kompiuterinėse programose arba robotikoje. Kompiuterių mokslo sritis, kurios tikslas – sukurti sistemas, galinčias atlikti žmogaus užduotis.
autonominiai agentai: AI modelis, turintis galimybes, programavimą ir kitus įrankius konkrečiai užduočiai atlikti. Savarankiškas automobilis yra autonominis agentas, pavyzdžiui, nes turi sensorines įvestis, GPS ir vairavimo algoritmus, kad galėtų savarankiškai važiuoti keliu. Stanfordo mokslininkai įrodė, kad autonominiai agentai gali plėtoti savo kultūras, tradicijas ir bendrą kalbą.
šališkumas: kalbant apie didelius kalbos modelius, klaidos, atsirandančios dėl mokymo duomenų. Dėl to tam tikroms rasėms ar grupėms, remiantis stereotipais, gali būti klaidingai priskiriamos tam tikros savybės.
pokalbių robotas: programa, kuri bendrauja su žmonėmis per tekstą, imituojantį žmonių kalbą.
ChatGPT: „OpenAI“ sukurtas AI pokalbių robotas, kuriame naudojama didelės kalbos modelio technologija.
kognityvinis skaičiavimas: Kitas dirbtinio intelekto terminas.
duomenų papildymas: esamų duomenų permaišymas arba įvairesnio duomenų rinkinio pridėjimas, norint išmokyti dirbtinį intelektą.
gilus mokymasis: AI metodas ir mašininio mokymosi polaukis, kuris naudoja kelis parametrus sudėtingiems paveikslėlių, garso ir teksto modeliams atpažinti. Procesas yra įkvėptas žmogaus smegenų ir naudoja dirbtinius neuroninius tinklus, kad sukurtų modelius.
difuzija: mašininio mokymosi metodas, kuris paima esamą duomenų dalį, pvz., nuotrauką, ir prideda atsitiktinio triukšmo. Difuzijos modeliai moko savo tinklus perdaryti arba atkurti tą nuotrauką.
atsirandantis elgesys: kai dirbtinio intelekto modelis demonstruoja nenumatytus sugebėjimus.
mokymasis nuo galo iki galo arba E2E: gilus mokymosi procesas, kurio metu modeliui nurodoma atlikti užduotį nuo pradžios iki pabaigos. Jis nėra išmokytas atlikti užduotį nuosekliai, o mokosi iš įvesties ir išsprendžia viską iš karto.
etiniais sumetimais: supratimas apie etines AI pasekmes ir problemas, susijusias su privatumu, duomenų naudojimu, sąžiningumu, netinkamu naudojimu ir kitomis saugos problemomis.
foom: Taip pat žinomas kaip greitas kilimas arba sunkus kilimas. Idėja, kad jei kas nors sukurs AGI, jau gali būti per vėlu išgelbėti žmoniją.
generatyvūs priešingi tinklai arba GAN: generacinis AI modelis, sudarytas iš dviejų neuroninių tinklų, skirtų naujiems duomenims generuoti: generatoriaus ir diskriminatoriaus. Generatorius sukuria naują turinį, o diskriminatorius patikrina, ar jis autentiškas.
generatyvinis AI: turinio generavimo technologija, kuri naudoja AI tekstui, vaizdo įrašui, kompiuterio kodui ar vaizdams kurti. Dirbtinis intelektas tiekiamas dideliais kiekiais mokymo duomenų, jis randa modelius, kad sukurtų savo naujus atsakymus, kurie kartais gali būti panašūs į pradinę medžiagą.
Google Dvyniai: „Google“ sukurtas AI pokalbių robotas, kuris veikia panašiai kaip „ChatGPT“, bet renka informaciją iš dabartinio žiniatinklio, o „ChatGPT“ riboja duomenis iki 2021 m. ir nėra prijungtas prie interneto.
apsauginiai turėklai: AI modeliams taikoma politika ir apribojimai, siekiant užtikrinti, kad duomenys būtų tvarkomi atsakingai ir kad modelis nesukurtų trikdančio turinio.
haliucinacijos: neteisingas AI atsakymas. Gali apimti generatyvius dirbtinio intelekto atsakymus, kurie yra neteisingi, bet su pasitikėjimu, tarsi teisingi. To priežastys nėra visiškai žinomos. Pavyzdžiui, paklausus AI pokalbių roboto: „Kada Leonardo da Vinci nutapė Moną Lizą? ji gali atsakyti neteisingu teiginiu: „Leonardo da Vinci nutapė Moną Lizą 1815 m.“, tai yra praėjus 300 metų po to, kai ji buvo nutapyta.
didelis kalbos modelis arba LLM: AI modelis, parengtas naudojant didžiulius tekstinių duomenų kiekius, kad suprastų kalbą ir generuotų naują turinį į žmones panašia kalba.
mašininis mokymasis arba ML: AI komponentas, leidžiantis kompiuteriams mokytis ir pasiekti geresnių nuspėjamųjų rezultatų be aiškaus programavimo. Gali būti derinamas su mokymo rinkiniais, kad būtų sukurtas naujas turinys.
Microsoft Bing: „Microsoft“ paieškos variklis, kuris dabar gali naudoti „ChatGPT“ technologiją, kad pateiktų AI pagrįstus paieškos rezultatus. Jis panašus į „Google Gemini“ prisijungimą prie interneto.
multimodalinis AI: AI tipas, galintis apdoroti kelių tipų įvestis, įskaitant tekstą, vaizdus, vaizdo įrašus ir kalbą.
natūralios kalbos apdorojimas: AI šaka, kuri naudoja mašininį mokymąsi ir giluminį mokymąsi, kad kompiuteriai galėtų suprasti žmonių kalbą, dažnai naudojant mokymosi algoritmus, statistinius modelius ir kalbines taisykles.
neuroninis tinklas: Skaičiavimo modelis, panašus į žmogaus smegenų struktūrą ir skirtas duomenų šablonams atpažinti. Susideda iš tarpusavyje sujungtų mazgų arba neuronų, kurie gali atpažinti modelius ir laikui bėgant mokytis.
perdėtas: Mašininio mokymosi klaida, kai ji veikia per arti mokymo duomenų ir gali nustatyti tik konkrečius minėtuose duomenų pavyzdžius, bet ne naujus duomenis.
sąvaržėlės: Popierinių sąvaržėlių maksimizavimo teorija, kurią sukūrė filosofas Nickas Boströmas iš Oksfordo universiteto, yra hipotetinis scenarijus, kai dirbtinio intelekto sistema sukurs kuo daugiau tiesioginių sąvaržėlių. Siekdama pagaminti didžiausią sąvaržėlių kiekį, dirbtinio intelekto sistema hipotetiškai sunaudotų arba konvertuotų visas medžiagas, kad pasiektų savo tikslą. Tai galėtų apimti kitų mašinų išmontavimą, kad būtų galima pagaminti daugiau sąvaržėlių, mašinų, kurios gali būti naudingos žmonėms. Nenumatyta šios AI sistemos pasekmė yra ta, kad ji gali sunaikinti žmoniją, siekiančią sukurti sąvaržėlių.
parametrus: skaitinės reikšmės, suteikiančios LLM struktūrą ir elgesį, leidžiančios prognozuoti.
raginimas: Pasiūlymas arba klausimas, kurį pateikiate AI pokalbių robote, kad gautumėte atsakymą.
greitas grandinės sujungimas: AI galimybė panaudoti informaciją iš ankstesnių sąveikų, kad nuspalvintų būsimus atsakymus.
stochastinė papūga: LLM analogija, iliustruojanti, kad programinė įranga neturi geresnio kalbos ar ją supančio pasaulio prasmės supratimo, nepaisant to, kaip įtikinamai skamba išvestis. Ši frazė nurodo, kaip papūga gali imituoti žmogaus žodžius, nesuprasdama jų prasmės.
stiliaus perkėlimas: Galimybė pritaikyti vieno vaizdo stilių prie kito vaizdo turinio, leidžiant AI interpretuoti vieno vaizdo vaizdinius požymius ir naudoti jį kitam. Pavyzdžiui, fotografuoti Rembrandto autoportretą ir atkurti jį Pikaso stiliumi.
temperatūros: parametrai, nustatyti norint valdyti, kiek atsitiktinė kalbos modelio išvestis. Aukštesnė temperatūra reiškia, kad modelis prisiima daugiau rizikos.
teksto į vaizdą generavimas: vaizdų kūrimas pagal tekstinius aprašymus.
žetonai: Mažos rašytinio teksto dalys, kurias AI kalbos modeliai apdoroja, kad suformuluotų atsakymus į jūsų raginimus. Žetonas atitinka keturis anglų kalbos simbolius arba maždaug tris ketvirtadalius žodžio.
treniruočių duomenys: duomenų rinkiniai, naudojami AI modeliams mokytis, įskaitant tekstą, vaizdus, kodą ar duomenis.
transformatoriaus modelis: neuroninio tinklo architektūra ir gilaus mokymosi modelis, kuris mokosi konteksto, stebėdamas duomenų ryšius, pvz., sakinius ar vaizdų dalis. Taigi, užuot analizavęs sakinį po vieną žodį, jis gali pažvelgti į visą sakinį ir suprasti kontekstą.
Turingo testas: Pavadintas garsaus matematiko ir kompiuterių mokslininko Alano Turingo vardu, jis išbando mašinos gebėjimą elgtis kaip žmogus. Mašina praeina, jei žmogus negali atskirti mašinos reakcijos nuo kito žmogaus.
silpnas AI, dar žinomas kaip siauras AI: AI, susitelkusi į konkrečią užduotį ir negalinti mokytis daugiau nei tik savo įgūdžių rinkinį. Dauguma šių dienų AI yra silpnas AI.
nulinis mokymasis: testas, kurio metu modelis turi atlikti užduotį nesuteikdamas reikiamų mokymo duomenų. Pavyzdys galėtų būti liūto atpažinimas, kai jis mokomas tik ant tigrų.