Штучний інтелект (ШІ) або AI (Artificial Intelligence), — це напрямок комп’ютерних наук, що займається створенням систем, здатних мислити як люди, а то і краще. Загалом це актуальна тема, яка набирає обертів з кожним днем і провадить людство до нових прогресивних досягнень. Але ця тема може збити з пантелику всіма жаргонізмами та складними поняттями. Цей посібник допоможе вам зрозуміти деякі з найпоширеніших термінів ШІ у простий і зрозумілий спосіб.
Ось список найпоширеніших термінів у сфері штучного інтелекту з простими поясненнями того, що вони означають і чому вони важливі.
Що таке штучний інтелект?
Штучний інтелект (ШІ): Це галузь комп’ютерних наук, спрямована на створення систем, які можуть думати і діяти як люди. Зараз ШІ часто використовується як модне слово для опису інструментів і технологій, які здаються розумними.
Приклади:
Google: Використовує ШІ для покращення таких продуктів, як пошук і карти. Компанія інвестує в штучний інтелект і створює свої продукти, наприклад, їхній інструмент Gemini (Bard). Аналогічно, генеральний директор компанії Meta Марк Цукерберг посилається на ШІ, коли говорить про окремих чат-ботів. Компанія OpenAI – дозволяє таким інструментам, як ChatGPT, генерувати текст і створює додаткові розумні gpts (додатки) для нього, щоб ще більше його покращити.
Основні терміни штучного інтелекту
Оскільки все більше компаній долучаються до використання штучного інтелекту, термінологія стає ще більш заплутаною. Щоб допомогти вам зорієнтуватися в цьому складному ландшафті, ось путівник по деяких ключових термінах ШІ:
- Машинне навчання (Machine Learning): Підрозділ ШІ, в якому системи навчаються на основі даних, щоб робити прогнози або приймати рішення. Уявіть собі, що ви навчаєте комп’ютер розпізнавати закономірності.
- Штучний загальний інтелект (AGI): ШІ відноситься до систем ШІ, які настільки ж розумні або навіть розумніші за людину. Це те, що ви бачите в науково-фантастичних фільмах, де машини можуть робити все, що може робити людина. Ця технологія може бути надзвичайно потужною, але й лякає багатьох, оскільки в популярній культурі часто зображають суперінтелектуальні машини, що захоплюють світ.
- Генеративний ШІ (Generative AI): Цей тип ШІ може створювати новий контент, наприклад, текст, зображення, музику або код. Прикладами є такі інструменти, як ChatGPT і Gemini від Google, які генерують відповіді або зображення на основі великих наборів даних.
- Галюцинації (Hallucinations): Коли ШІ вигадує інформацію, яка не відповідає дійсності. Це відбувається тому, що ШІ намагається дати правдоподібну відповідь на основі даних, на яких він навчався, але не усі дані йому поки що відомі.
Моделі штучного інтелекту
Моделі штучного інтелекту — це системи, що навчаються на даних для виконання завдань або прийняття рішень на основі того, що вони вивчили.
- Великі мовні моделі (LLMs): Тип моделі ШІ, яка може розуміти і генерувати людську мову. Приклади включають GPT від OpenAI, Gemini від Google та Claude від компанії Anthropic.
- Дифузійні моделі (Diffusion Models): Ці моделі можуть та вчаться ще краще генерувати зображення за текстовими запитами. Вони навчаються, додаючи шум до зображення і потім відновлюючи його, вивчаючи, як створювати чіткі зображення.
- Фундаментальні моделі (Foundation Models): Ці моделі навчаються на величезних обсягах даних і можуть використовуватись для широкого спектру завдань. Вони здатні працювати в різних додатках без спеціального навчання на конкретних завданнях. Приклади включають GPT від OpenAI, Gemini від Google і Llama від Meta.
- Моделі майбутнього (Frontier Models): Маркетинговий термін для позначення майбутніх, більш досконалих моделей ШІ, які розробляються компаніями і які можуть бути значно потужнішими, ніж поточні моделі.
Як навчаються AI-моделі
Процес, під час якого АІ-моделі навчаються на основі даних. Це процес, що передбачає надання моделі великої кількості інформації та коригування її параметрів доти, доки вона не зможе робити точні прогнози.
Приклад:
ChatGPT: Навчається шляхом читання великих обсягів тексту, щоб генерувати відповіді, схожі на людські. Параметри: Це змінні, які ШІ налаштовує під час навчання, щоб покращити свою продуктивність.
Методи навчання
- Обробка природної мови (NLP): Здатність машин розуміти людську мову за допомогою машинного навчання та реагувати на неї. Вище згаданий ChatGPT є гарним прикладом NLP. ChatGPT може розуміти текстові запити і генерувати текст у відповідь.
- Висновки: Коли штучний інтелект генерує відповідь або висновок на основі того, що він дізнався. Наприклад, коли ChatGPT відповідає на ваше запитання, він робить висновок.
- Токени (Tokens): Фрагменти тексту, які Великі мовні моделі (LLMs) розбивають на частини, щоб проаналізувати і зрозуміти мову.
- Нейронні мережі (Neural Networks): Комп’ютерна система, змодельована за зразком людського мозку, яка допомагає ШІ навчатися та приймати рішення. Вона використовує вузли, які можна порівняти з нейронами людського мозку. Нейронні мережі є критично важливими для популярних генеративних систем штучного інтелекту, оскільки вони можуть навчитися розуміти складні закономірності без явного програмування – наприклад, навчатися на медичних даних, щоб ставити діагнози.
- Трансформатори: Тип нейронної мережі, яка обробляє послідовності даних, щоб зрозуміти взаємозв’язок між різними частинами. Приклад: Розглянемо таку вхідну послідовність: “Якого кольору небо?”. Трансформаторна модель використовує внутрішнє математичне представлення, яке визначає релевантність і взаємозв’язок між словами “колір”, “небо” і “синій”. Вона використовує ці знання, щоб генерувати результат: “Небо блакитне”. Трансформатори не тільки дуже потужні, але й можуть навчатися швидше, ніж інші типи нейронних мереж. З тих пір, як колишні співробітники Google опублікували першу статтю про трансформатори в 2017 році, вони стали основною причиною того, що ми так багато говоримо про технології генеративного ШІ зараз. (Буква “Т” у назві ChatGPT означає “трансформатор”).
- RAG (Retrieval-Augmented Generation): Ця абревіатура розшифровується як “генерація, доповнена пошуком”. Метод ШІ, коли модель знаходить додаткову інформацію із зовнішніх джерел, щоб поліпшити свої відповіді. Скажімо, ви запитуєте чат-бота про щось, на що він, виходячи з його навчання, насправді не знає відповіді. Без RAG чат-бот може просто галюцинувати неправильну відповідь. Однак з RAG він може перевіряти зовнішні джерела – наприклад, інші сайти в Інтернеті – і використовувати ці дані для формування своєї відповіді.
На чому навчаються моделі штучного інтелекту?
- Nvidia H100 Chip: Потужний графічний процесор (GPU), який використовується для навчання моделей ШІ. Він забезпечує високу продуктивність при обробці AI навантажень. Тому більшість популярних компаній використовують його, хоча є такі, що виробляють власні.
- Нейронні процесори (NPUs): Це спеціальні процесори для комп’ютерів, планшетів і смартфонів, що можуть виконувати AI завдання на пристрої.
- TOPS (трильйон операцій на секунду): Міра того, наскільки швидко чіп може виконувати обчислення ШІ.Цей термін використовують для вказівки на потужність чіпів, здатних обробляти AI завдання.
Висновок
Тепер я впевнений більш ніж на 100%, що ваше уявлення про штучний інтелект істотно змінилися, а знання у цій сфері збагатилися. Якщо вам подобається такий контент і ви хочете дізнатись про інші теми штучного іниелекту, залиште свої коментарі під цією статтею і я неодмінно прислухаюсь до кожної із них.
Ще більше цікавого та пізнавального матеріалу ви знайдете у розділі мені “AI Блог“.
На написання цього блогу, мене надихнула стаття “AI is confusing — here’s your cheat sheet” з якої взято більшу частину матеріалів.
