Veštačka inteligencija (AI) je najnovija tehnološka revolucija. Baš kao što je bum kriptovaluta uveo svet u gomilu novih termina, AI pomama donela je niz izraza koji se često koriste, ali nisu uvek objašnjeni. Ako se pitate koja je razlika između chatbota i LLM-a, ili između dubokog učenja i mašinskog učenja, na pravom ste mestu: ovde je rečnik od 20 pojmova vezanih za AI, zajedno sa jednostavnim objašnjenjima šta sve to znači.
Veštačka inteligencija (AI)
U jednostavnim terminima, veštačka inteligencija je inteligencija u računarima ili mašinama, koja oponaša ljudsku inteligenciju. AI je širok pojam koji obuhvata mnoge različite tipove mašinske inteligencije, ali trenutna diskusija o AI uglavnom se fokusira na alate koji stvaraju umetnost, sadržaj, i sumiraju ili transkribuju sadržaj. Da li ove alate treba nazivati „inteligentnim“ je predmet rasprave, ali AI je termin koji se zadržao.
Algoritam
Algoritam je skup instrukcija koje program prati da bi vam dao rezultat. Uobičajeni primeri algoritama uključuju pretraživače, koji vam prikazuju skup rezultata na osnovu vaših upita, ili aplikacije društvenih mreža, koje prikazuju sadržaj na osnovu vaših interesovanja. Veštačka inteligancija preko algoritama omogućava alatima da kreiraju prediktivne modele ili stvaraju sadržaj ili umetnost na osnovu vaših unosa.
Pristrasnost
U kontekstu AI, pristrasnost se odnosi na pogrešne rezultate proizvedene zato što algoritam pravi netačne pretpostavke ili nema dovoljno podataka. Na primer, alati za prepoznavanje govora možda neće moći pravilno razumeti određene engleske akcenta jer su alati obučeni samo sa američkim akcentom.
Konverzacijski AI
AI alati sa kojima možete razgovarati, kao što su chatboti ili glasovni asistenti, nazivaju se konverzacijski AI. Ako sami postavljate pitanje asistentu, to je konverzacijski AI.
Rudarenje podataka
Proces pretraživanja velikih skupova podataka kako bi se pronašli obrasci ili trendovi. Veštačka inteligencija odnosno AI alati koriste rudarenje podataka kako bi vam pomogli da razumete šta navodi ljude da kupuju više proizvoda u prodavnici ili na veb-sajtu, ili kako optimizovati poslovanje kako bi se zadovoljila povećana potražnja tokom vršnih sati.
Duboko učenje
Duboko učenje pokušava da rekreira način na koji ljudski mozak uči, koristeći tri ili više slojeva neuronske mreže za obradu velikih količina podataka i učenje na osnovu primera. Ovi slojevi svaki obrađuju svoj pogled na date podatke i zajedno dolaze do konačnog zaključka.
Softver za autonomne automobile koristi duboko učenje za identifikaciju znakova zaustavljanja, obeleživača traka i semafora, putem prepoznavanja objekata: ovo se postiže prikazivanjem AI alatu mnogo primera kako određeni objekat izgleda (npr. znak za zaustavljanje), i kroz ponovljeno obučavanje, AI alat će na kraju moći da identifikuje taj objekat sa što bliže 100% tačnosti.
Veliki jezički model (LLM)
Veštačka inteligencija koja radi preko velikog jezičkog modela (LLM) je algoritam za duboko učenje koji je obučen na ogromnom skupu podataka kako bi generisao, prevodio i obrađivao tekst. LLM-ovi (kao što je OpenAI-jev GPT-4) omogućavaju alatima da razumeju vaše upite i generišu tekstualne odgovore na osnovu njih. LLM-ovi takođe pokreću AI alate koji mogu identifikovati važne delove teksta ili video zapisa i sažeti ih za vas.
Generativni AI
Generativni AI može generisati umetnost, slike, tekst ili druge rezultate na osnovu vaših unosa, koji su često podržani LLM-om. Postao je sveobuhvatan termin za trenutnu AI tehnologiju koju mnoge kompanije sada dodaju svojim proizvodima. Na primer, generativni AI model može generisati sliku uz nekoliko tekstualnih upita, ili pretvoriti vertikalnu fotografiju u široki ekran za pozadinu.
Halucinacija
Kada veštačka inteligencija predstavi fikciju kao činjenicu, to nazivamo halucinacijom. Halucinacije se mogu dogoditi kada skup podataka AI-a nije tačan ili je njegovo obučavanje manjkavo, tako da daje odgovor za koji je siguran na osnovu dostupnog znanja. Ipak, s obzirom na to da je AI zasnovan na složenoj mreži mreža, ne razumemo nužno svaki primer halucinacije. Pisac Lifehackera Stephen Johnson ima odlične savete za prepoznavanje AI halucinacija.
Prepoznavanje slika
Sposobnost identifikovanja specifičnih subjekata na slici. Računarski programi mogu koristiti prepoznavanje slika da uoče cveće na slici i imenuju ih, ili da identifikuju različite vrste ptica na fotografiji.
Mašinsko učenje
Kada algoritmi mogu unaprediti sebe učenjem iz iskustva ili podataka, to se naziva mašinsko učenje. Mašinsko učenje je opšta praksa iz koje proističu drugi AI termini koje smo raspravljali: duboko učenje je oblik mašinskog učenja, a veliki jezički modeli se obučavaju putem mašinskog učenja.
Obrada prirodnog jezika
Kada program može razumeti unose napisane na ljudskim jezicima, to spada u obradu prirodnog jezika. To je način na koji vaša aplikacija za kalendar razume šta da radi kada napišete „Imam sastanak u 8 sati uveče u kafiću na Petoj aveniji sutra,“ ili kada pitate Siri, Aleksu i kompaniju „Kakvo je vreme danas?“
Neuronske mreže veštačke inteligencije
Ljudski mozak ima slojeve i slojeve neurona koji neprestano obrađuju informacije i uče iz njih. AI neuronska mreža oponaša ovu strukturu neurona kako bi učila iz skupova podataka. Neuronska mreža je sistem koji omogućava mašinsko učenje i duboko učenje, i na kraju omogućava mašinama da izvršavaju složene zadatke kao što su prepoznavanje slika i generisanje teksta.
Optičko prepoznavanje karaktera (OCR)
Proces izdvajanja teksta iz slika obavlja se putem OCR-a. Programi koji podržavaju OCR mogu identifikovati rukom pisani ili kucani tekst i omogućiti vam da ga kopirate i nalepite.
Inženjering upita
Upit je bilo koja serija reči koju koristite da dobijete odgovor od programa, kao što je generativni AI. U kontekstu AI, inženjering upita je umetnost pisanja upita kako bi chatboti dali najkorisnije odgovore. Takođe je polje gde se zapošljavaju ljudi da smišljaju kreativne upite kako bi testirali AI alate i identifikovali njegove granice i slabosti.
Učenje putem pojačanja od ljudskih povratnih informacija (RLHF)
RLHF je proces obučavanja AI sa povratnim informacijama od ljudi. Kada AI daje netačne rezultate, čovek mu pokazuje šta bi trebalo da bude tačan odgovor. Ovo omogućava AI-u da pruža tačne i korisne rezultate mnogo brže nego što bi inače.
Prepoznavanje govora
Sposobnost programa da razume ljudski govor. Prepoznavanje govora može se koristiti za konverzacijski AI da razume vaše upite i daje odgovore, ili za alate za pretvaranje govora u tekst kako bi razumeli izgovorene reči i pretvorili ih u tekst.
Token
Kada unesete tekstualni upit u AI alat, on razlaže taj tekst na tokene, zajedničke sekvence karaktera u tekstu, koje zatim obrađuje AI program. Ako koristite GPT model, na primer, cena se zasniva na broju tokena koje obrađuje: možete izračunati ovaj broj koristeći alat kompanije za tokenizaciju, koji vam takođe pokazuje kako se reči razlažu na tokene. OpenAI kaže da jedan token iznosi otprilike četiri karaktera teksta.
Obučavanje podataka
Skup obučavanja ili obučavanje podataka je informacija koju algoritam ili alat za mašinsko učenje koristi za učenje i izvršavanje svoje funkcije. Na primer, veliki jezički modeli mogu koristiti podatke za obučavanje skeniranjem nekih od najpopularnijih svetskih veb-sajtova kako bi prikupili tekst, upite i ljudske izraze.
Tjuringov test
Alan Tjuring je bio britanski matematičar poznat kao „otac teorijske računalne nauke i veštačke inteligencije.“ Njegov Tjuringov test (ili „Igra imitacije“) je dizajniran da identifikuje da li je inteligencija računara identična onoj ljudske. Računar se smatra da je položio Tjuringov test kada čovek bude prevaren misleći da su odgovori računara napisani od strane čoveka.
Pročitajte još i koga da krivite za loš kvalitet snimka!
