Кои се видовите на вештачка интелигенција? [Видео и квиз]

Краток одговор: Видовите вештачка интелигенција најдобро се разбираат според способностите, функционалноста, стилот на обука и случајот на употреба. Тесната вештачка интелигенција е вообичаена денес, додека општата вештачка интелигенција и супер вештачката интелигенција остануваат теоретски. Кога избирате алатка, усогласете ја категоријата со задачата, вклучените ризици и потребата од човечки преглед.

Клучни заклучоци:

Класификација: Одделете ги можностите, функционалноста, методот на обука и случајот на употреба пред да ги споредите системите.

Човечки преглед: Проверете ги генеративните, предикативните и конверзациските резултати пред да се потпрете на нив.

Транспарентност: Прашајте кои податоци, логика и ограничувања го обликуваат секој систем со вештачка интелигенција.

Одговорност: Држете ги луѓето одговорни кога вештачката интелигенција влијае на одлуките, корисниците или безбедноста.

Контрола на ризик: Тестирајте за пристрасност, приватност, безбедност и злоупотреба пред распоредување.

---

1. Кои се видовите на вештачка интелигенција?

Кога луѓето прашуваат „Кои се видовите на вештачка интелигенција?“, тие обично мислат на едно од две работи:

Тие може да прашуваат за вештачката интелигенција врз основа на способности, како на пример дали може да изврши само една задача или да размислува пошироко на човечки начин.

Или можеби прашуваат за вештачката интелигенција врз основа на функционалност, што значи како системот се однесува, учи, помни, предвидува или реагира.

Тука работите малку се заплеткуваат. Вештачката интелигенција не е групирана во една чиста кутија. Таа е повеќе како сортирање на кујнските алатки по големина, намена, острина и дали вашиот чичко ги купил од сомнителна онлајн продавница. Различните системи за класификација се преклопуваат.

Главните категории обично вклучуваат:

• Тесна вештачка интелигенција

• Општа вештачка интелигенција

• Супер вештачка интелигенција

• Реактивни машини

• Ограничена меморија со вештачка интелигенција

• Теорија на умот со вештачка интелигенција

• Самосвесна вештачка интелигенција

• Машинско учење со вештачка интелигенција

• Вештачка интелигенција за длабоко учење

• Генеративна вештачка интелигенција

• Предвидувачка вештачка интелигенција

• Разговорна вештачка интелигенција

• Компјутерски вид Вештачка интелигенција

• Роботска вештачка интелигенција

Некои од нив се широко користени. Некои сè уште се претежно теоретски. Некои звучат футуристички, но веќе се вградени во секојдневните апликации. Границата помеѓу „нормален софтвер“ и „вештачка интелигенција“ исто така стана сè понејасна со текот на времето.

---

2. Видови на вештачка интелигенција според способноста

Првиот главен начин да се класифицира вештачката интелигенција е според тоа што може да направи. Ова е поширокиот поглед 🧠.

Тесна вештачка интелигенција

Тесната вештачка интелигенција, исто така наречена слаба вештачка интелигенција, е дизајнирана да извршува одредена задача или ограничен сет на задачи. Ова е вештачката интелигенција што луѓето ја користат секој ден.

Примерите вклучуваат:

• Препораки за пребарување

• Филтри за спам

• Гласовни асистенти

• Системи за препознавање лица

• Чет-ботови

• Препораки за производи

• Алатки за откривање измами

• Апликации за превод на јазици

Тесната вештачка интелигенција може да биде моќна, но не е „размислувачка“ во широка човечка смисла. Шаховската вештачка интелигенција може да победи велемајстор, но не може одеднаш да одлучи да стане слаткар. Моделот за превод може да преведе пасус, но не го доживува јазикот на начин на кој тоа го прави една личност.

Сепак, тесната вештачка интелигенција е работната сила на современиот свет на вештачката интелигенција. Не е гламурозна на научно-фантастичен начин, но го води поголемиот дел од шоуто зад завесата 🎭.

Општа вештачка интелигенција

Општата вештачка интелигенција се однесува на вештачка интелигенција која може да разбира, учи, расудува и применува знаење во многу различни задачи на човечко ниво.

Едноставно кажано: нема да прави добро само едно нешто. Може да се адаптира.

Вистинска општа вештачка интелигенција потенцијално би можела:

• Научете непознати задачи

• Расудување низ различни теми

• Решавање на нови проблеми

• Пренесување на знаење од една област во друга

• Разберете го контекстот подлабоко

• Донесувајте одлуки со флексибилна проценка

Овој вид на вештачка интелигенција е сè уште повеќе цел отколку секојдневна реалност. Луѓето многу зборуваат за неа бидејќи е фасцинантна, можеби малку вознемирувачка и тешко е да се одолее како концепт. Но, обичните алатки што пишуваат текст, генерираат слики или одговараат на прашања не се автоматски општа вештачка интелигенција. Тие може да изгледаат широки, но сепак работат во рамките на дизајнираните граници.

Супер вештачка интелигенција

Супер вештачката интелигенција би одела подалеку од човечката интелигенција. Не само побрзо пишување или подобра математика - туку и супериорно расудување, креативност, стратегија, учење, а можеби и емоционално или социјално разбирање.

Ова е најшпекулативната категорија. Покренува огромни прашања:

• Кој го контролира?

• Може ли тоа да се усогласи со човечките вредности?

• Дали тоа би ги разбрало правилно човечките цели?

• Може ли самото да се подобри?

• Што се случува ако донесува одлуки што луѓето не можат да ги следат?

Супер вештачката интелигенција е местото каде што разговорите за вештачката интелигенција понекогаш се претвораат во филозофска супа. Можеби вредна супа, но сепак супа 🍲.

---

3. Видови на вештачка интелигенција според функционалноста

Друг вообичаен начин за објаснување на типовите на вештачка интелигенција е преку функционалност. Ова се фокусира на тоа како се однесува вештачката интелигенција.

Реактивни машини

Реактивните машини се наједноставниот вид на вештачка интелигенција. Тие реагираат на тековните влезни податоци без да користат меморија од минатите искуства.

Тие не учат со текот на времето на начин на кој тоа го прават модерните адаптивни системи. Тие ја разгледуваат ситуацијата, ја обработуваат и реагираат.

Замислете ги како: „Влезните податоци влегуваат. Излезните податоци излегуваат. Нема записи во дневникот.“

Реактивната вештачка интелигенција сè уште може да биде импресивна. Може да анализира можни потези во играта или да одговори на јасно дефинирана ситуација со екстремна брзина и прецизност. Но, таа не гради лична историја ниту еволуира врз основа на минатите интеракции.

Ограничена меморија со вештачка интелигенција

Вештачката интелигенција со ограничена меморија може да користи минати податоци за да донесува подобри одлуки. Ова е категоријата каде што се наоѓа голем дел од денешната практична вештачка интелигенција.

Примерите вклучуваат:

• Системи за препораки кои учат од однесувањето на корисниците

• Системи за самоуправувачки возила што ги анализираат неодамнешните услови на патот

• Чет-ботовите го паметат контекстот во разговорот

• Модели за откривање измами кои учат од трансакциските шеми

• Алатки за предвидлива аналитика што користат историски податоци

Ограничената меморија не значи „лоша меморија“. Тоа значи дека системот може да користи складирани или неодамнешни податоци, но не поседува човечка свест или долгорочно лично искуство. Сепак, може да биде многу ефикасен. Понекогаш е досадно ефикасен - како кога апликација за купување знае што сакате пред сами да си го признаете тоа 🛒.

Теорија на умот со вештачка интелигенција

Вештачката интелигенција за теорија на умот би ги разбирала емоциите, верувањата, намерите и социјалните знаци на начин почовечки.

Овој тип на вештачка интелигенција нема само да обработува зборови. Таа би заклучила што некој би можел да чувствува, сака, погрешно да разбере, да се плаши или да очекува.

На пример, може да разбере дека:

• Еден клиент е фрустриран, но се обидува да остане учтив

• Еден ученик е збунет, но срам да праша повторно

• Пациентот е вознемирен и покрај тоа што вели „Добро сум“

• Соиграчот се двоуми затоа што тивко не се согласува

Ова останува активна област на дискусија за вештачката интелигенција, но вистинската Теорија на умот со вештачка интелигенција е исклучително тешка. Човечките емоции се испреплетени. Луѓето велат едно, а мислат друго. Понекогаш дури ни самите не знаат што мислат. Среќно, машина.

Самосвесна вештачка интелигенција

Самосвесната вештачка интелигенција би имала свест, саморазбирање и свест за сопствената внатрешна состојба.

Ова е теоретско. Спаѓа во научна фантастика, етички панели, ноќни расправии и луѓе што драматично зјапаат низ прозорците 🌙.

Самосвесна вештачка интелигенција нема само да симулира разговор за чувствата. Таа би поседувала некаков вид субјективно искуство. Тоа е огромна тврдење. Сегашните системи со вештачка интелигенција немаат потврдена свест, чувства, желби или јасност.

Тие можат да звучат самосвесно бидејќи јазикот може да имитира саморефлексија. Но, да звучиш како нешто и да бидеш нешто не е исто. Папагалот може да каже „Гладен сум“, но тоа не значи дека има резервација во ресторан.

---

4. Табела за споредба: Главни видови на вештачка интелигенција

Вид на вештачка интелигенција	Главна идеја	Тековен статус	Вообичаени примери	Зошто е важно
Тесна вештачка интелигенција	Создаден за специфични задачи	Широко користено	Чет-ботови, пребарување, препораки	Практично и насекаде
Општа вештачка интелигенција	Флексибилна интелигенција слична на човекот	Не е целосно постигнато	Претежно теоретски	Голема цел, голема дебата
Супер вештачка интелигенција	Попаметни од луѓето во поширока смисла	Шпекулативно	Нема практичен пример	Огромни етички прашања
Реактивни машини	Одговара без меморија	Се користи во ограничени случаи	Вештачка интелигенција во играта, системи базирани на правила	Брз, но не и адаптивен
Ограничена меморија со вештачка интелигенција	Користи податоци/историја за подобрување	Многу често	Самостојни системи, алатки за измама	Ова е секојдневниот возач 🚗
Теорија на умот со вештачка интелигенција	Ги разбира емоциите и намерите	Развивање на концепт	Напредни идеи за социјална вештачка интелигенција	Може да ја направи вештачката интелигенција посвесна за луѓето
Самосвесна вештачка интелигенција	Има свест	Теоретски	Примери во стилот на научна фантастика	Филозофски масивен
Генеративна вештачка интелигенција	Создава нова содржина	Широко користено	Алатки за текст, слика, аудио	Зголемување на креативната продуктивност
Предвидувачка вештачка интелигенција	Прогнози за исходи	Широко користено	Бодување на ризик, планирање на побарувачката	Помага во донесувањето одлуки - најчесто
Роботска вештачка интелигенција	Контролира физички машини	Се користи во индустриите	Роботи, дронови, автоматизација	Ја поврзува вештачката интелигенција со физичката работа

Малку нерамномерно? Да. Но, така функционира вештачката интелигенција и во секојдневниот живот - не музејска поставка со совршени етикети.

---

5. Генеративна вештачка интелигенција: Видот за кој сите зборуваат 🎨

Генеративната вештачка интелигенција е еден од најпопуларните типови на вештачка интелигенција бидејќи создава работи.

Може да генерира:

• Текст

• Слики

• Музика

• Код

• Видео

• Описи на производи

• Маркетинг текст

• Планови за лекции

• Резимеа

• Синтетички податоци

• Идеи за дизајн

Генеративната вештачка интелигенција работи со учење шеми од големи количини на податоци, а потоа производство на нови резултати врз основа на потсетници. Таа не копира во едноставната смисла што луѓето понекогаш ја замислуваат. Таа предвидува, комбинира, менува и генерира врз основа на научени структури.

Сепак, сè уште може да прави грешки. Може да звучи самоуверено додека греши, што е во основа машинска верзија на некој што објаснува даночен закон на семеен скара.

Генеративната вештачка интелигенција е вредна за:

• Брејнсторминг

• Содржина за пишување нацрти

• Автоматизирање на повторувачко пишување

• Создавање визуелни концепти

• Поддршка на услугата за корисници

• Забрзување на задачите за кодирање

• Персонализирање на материјалите за учење

Но, потребно е преглед. Секогаш. Резултатот од вештачката интелигенција може да биде импресивен, но не е автоматски точен, фер, легален или безбеден за брендот. Од време на време третирајте го како многу брз асистент со тенденции за гремлин.

---

6. Машинско учење со вештачка интелигенција: Пребарувач на шеми

Машинското учење е главна гранка на вештачката интелигенција каде што системите учат шеми од податоци, наместо да бидат програмирани ред по ред за секоја одлука.

Традиционалниот софтвер следи експлицитни правила. Системите за машинско учење идентификуваат врски и ги подобруваат перформансите преку обука.

На пример:

• Филтер за спам учи како изгледа сомнителната е-пошта

• Банкарски модел открива необично однесување на трансакциите

• Апликација за стриминг препорачува емисии врз основа на навиките за гледање

• Алатката за вработување може да ги рангира кандидатите врз основа на дефинирани сигнали

• Моделот за медицинско снимање може да ги истакне можните абнормалности

Машинското учење може да биде надгледувано, ненадгледувано или базирано на засилување.

Надгледувано учење

Надгледуваното учење користи означени примери. На пример, сликите може да бидат означени со „мачка“ или „не мачка“. Моделот ја учи разликата.

Ненадгледувано учење

Ненадгледуваното учење бара шеми без означени одговори. Може да ги групира клиентите во сегменти или да открие скриени кластери во податоците.

Засилувачко учење

Засилувачкото учење учи преку добивање награди или казни за дејства. Ова е вообичаено кај проблемите со вештачка интелигенција, роботика и оптимизација при играње игри.

Машинското учење не е магија. Тоа во голема мера зависи од квалитетот на податоците. Лошите податоци водат до лоши модели - ѓубре внатре, ѓубре облечено во паметно сако надвор.

---

7. Вештачка интелигенција за длабоко учење: Моќта на невронските мрежи 🧬

Длабокото учење е специјализиран вид на машинско учење што користи слоевити невронски мрежи за обработка на сложени шеми.

Особено е вредно за:

• Препознавање на говор

• Препознавање на слики

• Обработка на природен јазик

• Автономни системи

• Анализа на медицински слики

• Превод

• Генеративни модели на вештачка интелигенција

• Комплексни задачи за предвидување

„Длабокиот“ дел се однесува на повеќе слоеви во моделот. Секој слој помага во менување и толкување на информациите. Еден слој може да детектира едноставни форми на сликата, друг може да детектира текстури, друг може да препознава објекти и така натаму.

Длабокото учење може да произведе зачудувачки резултати, но честопати бара огромни количини на податоци и компјутерска моќ. Исто така, може да биде потешко да се толкува. Тоа значи дека дури и експертите може да имаат потешкотии да објаснат точно зошто еден длабински модел донел одредена одлука.

Ова е еден од големите проблеми со довербата во вештачката интелигенција: перформансите можат да бидат силни, но објаснувањето може да биде несигурно. Како обидот да прашате блендер зошто смутито има погрешен вкус.

---

8. Разговорна вештачка интелигенција: Зборлив тип

Разговорната вештачка интелигенција е дизајнирана да комуницира со луѓето преку текст или глас.

Вклучува:

• Чет-ботови за корисничка поддршка

• Гласовни асистенти

• Виртуелни агенти

• Тутори за вештачка интелигенција

• Внатрешни ботови на службата за помош

• Продажни асистенти

• Асистенти за закажување

Добрата конверзациска вештачка интелигенција бара повеќе од граматика. Потребни ѝ се контекст, препознавање на намера, контрола на тонот и способност за справување со непредвидлив човечки влез.

Луѓето не зборуваат со совршени наредби. Тие брборат. Тие погрешно пишуваат работи. Поставуваат половина прашање и очекуваат машината да „го сфати“. Знаете како е.

Основен четбот може да следи скрипта. Понапредна конверзациска вештачка интелигенција може да разбира природен јазик, да одржува контекст и да генерира флексибилни одговори.

Овој тип на вештачка интелигенција е вреден бидејќи ја намалува повторувачката работа и обезбедува брза поддршка. Но, може да ги фрустрира корисниците кога се преправа дека разбира, но не го прави тоа. Најлошата верзија е четботот кој вели: „Со задоволство ќе помогнам“, а воопшто не обезбедува помош. Болно.

---

9. Компјутерски вид Вештачка интелигенција: Машини што „гледаат“ 👀

Компјутерската визија - вештачката интелигенција им овозможува на системите да толкуваат визуелни информации од слики, видеа, камери, сензори или скенирања.

Може да се користи за:

• Препознавање на лица

• Детекција на објекти

• Контрола на квалитет во фабриките

• Медицинско снимање

• Безбедносен мониторинг

• Анализа на полиците во малопродажба

• Детекција на сообраќај

• Зголемена реалност

• Мониторинг на земјоделството

Компјутерскиот вид не гледа како што гледаат луѓето. Тој обработува пиксели, шеми, форми, бои и статистички сигнали. Но, резултатите можат да бидат многу моќни.

На пример, компјутерскиот вид може да помогне во откривањето на дефекти на производствена линија побрзо од рачната инспекција. Може да помогне во организирањето на библиотеките со слики. Може да поддржува безбедносни системи во возилата. Исто така, може да покрене загриженост за приватноста, особено кога се користи за надзор или идентификација.

Тоа е вилушката со две острици - не меч, туку вилушка. Сè уште доволно остра за да предизвика проблеми 🍴.

---

10. Предвидувачка вештачка интелигенција: Моторот за предвидување

Предвидувачката вештачка интелигенција користи податоци за да процени што може да се случи следно.

Тоа е вообичаено во бизнисот, финансиите, здравството, логистиката, спортската аналитика, маркетингот и операциите.

Предвидливата вештачка интелигенција може да помогне во одговарањето на прашања како што се:

• Кои клиенти најверојатно ќе си заминат?

• Која трансакција изгледа сомнителна?

• Колку инвентар ќе биде потребен?

• На кој пациент можеби му е потребно дополнително внимание?

• На која содржина најверојатно ќе кликне корисникот?

• Кој дел од машината може наскоро да откаже?

Овој тип на вештачка интелигенција е помалку впечатлив од генеративната вештачка интелигенција, но е исклучително важен. На многу организации им е помалку важно моделот што пишува поезија, а повеќе дали може да го намали отпадот, ризикот и да го подобри планирањето.

Предвидувачката вештачка интелигенција најдобро функционира кога податоците се релевантни, чисти и редовно ажурирани. Но, предвидувањето никогаш не е сигурност. Моделот може да ги процени веројатностите, а не да гарантира исходи. Луѓето постојано го забораваат ова. Потоа ја обвинуваат вештачката интелигенција како лично да ги предала.

---

11. Роботска вештачка интелигенција: Кога вештачката интелигенција добива тело 🤖

Роботската вештачка интелигенција ја комбинира вештачката интелигенција со физички машини. Тука вештачката интелигенција го напушта екранот и почнува да се движи низ светот.

Примерите вклучуваат:

• Магацински роботи

• Производствени роботи

• Роботи за достава

• Земјоделски роботи

• Системи за хируршка помош

• Дронови

• Инспекциски роботи

• Роботи за чистење

• Хуманоидни истражувачки роботи

Роботската вештачка интелигенција е тешка бидејќи физичката средина е непредвидлива. Четботот мора да се справи само со зборови. Роботот мора да се справи со лизгави подови, лошо осветлување, нерамни површини, луѓе во движење, грешки на сензорите и некој што остава стол на најлошото можно место.

Роботиката често комбинира неколку видови на вештачка интелигенција:

• Компјутерски вид за гледање

• Машинско учење за прилагодување

• Планирачки алгоритми за движење

• Засилувачко учење за донесување одлуки

• Обработка на природен јазик за човечки команди

Роботската вештачка интелигенција има огромен потенцијал, особено во опасна или повторувачка работа. Но, таа е исто така скапа, комплексна и физички ризична кога системите откажуваат.

---

12. Вештачка интелигенција базирана на стил на обука

Друг вреден начин да се размислува за видовите на вештачка интелигенција е според тоа како тие се обучени.

Вештачка интелигенција базирана на правила

Вештачката интелигенција базирана на правила следи логика создадена од човекот. На пример:

• Ако се случи ова, направете го тоа

• Ако корисникот ја избере оваа опција, прикажете го тој одговор

• Ако вредноста е над прагот, активирај предупредување

Ова е едноставно, предвидливо и корисно за структурирани задачи. Но, се мачи со двосмисленост.

Вештачка интелигенција обучена според податоци

Вештачката интелигенција обучена врз основа на податоци учи од примери. Може да се справи со поголема сложеност бидејќи идентификува шеми, наместо да се потпира само на фиксни правила.

Тука се вклопуваат машинското учење и длабокото учење.

Хибридна вештачка интелигенција

Хибридната вештачка интелигенција комбинира логика базирана на правила со машинско учење. Во многу практични системи, ова е прагматичен избор. Добивате флексибилност на системите за учење плус контрола на правилата.

На пример, систем за банкарска измама може да користи машинско учење за да открие сомнително однесување, а потоа да примени строги правила за проверка на усогласеноста. Не е гламурозно. Многу е потребно.

---

13. Што ги прави типовите на вештачка интелигенција збунувачки?

Најголемата забуна е што луѓето ги користат категориите на вештачка интелигенција на различни начини.

Едно лице може да каже „Видови на вештачка интелигенција“ и да мисли на тесна, општа и суперинтелигенција.

Друго лице може да мисли на генеративна вештачка интелигенција, предикативна вештачка интелигенција и разговорна вештачка интелигенција.

Развивачот може да зборува за надгледувано учење, длабоко учење, невронски мрежи или засилено учење.

Бизнис менаџер може да зборува за автоматизација, аналитика, персонализација и поддршка на клиенти преку вештачка интелигенција.

Сите се некако во право. Досадно, но вистинито.

AI е класифициран според:

• Способност

• Функционалност

• Метод на обука

• Област на примена

• Техничка архитектура

• Ниво на автономија

• Тип на влез и излез

• Случај на употреба во индустријата

Значи, кога некој ќе праша „Каков вид на вештачка интелигенција е ова?“, најјасниот одговор може да биде повеќеслоен.

Четбот, на пример, би можел да биде:

• Тесна вештачка интелигенција според можностите

• Ограничена меморија со вештачка интелигенција според функционалноста

• Разговорна вештачка интелигенција преку апликација

• Генеративна вештачка интелигенција ако создава одговори

• Вештачка интелигенција за длабоко учење ако е напојувана од невронски мрежи

Тоа не е прекомплицирање за забава. Едноставно, така функционира полето.

---

14. Практични примери за видовите на вештачка интелигенција

Еве неколку секојдневни примери за полесно разбирање на категориите.

Препораки за стриминг 🎬

Ова е тесна вештачка интелигенција, предикативна вештачка интелигенција и машинско учење. Ги проучува шемите и препорачува што би можеле да гледате следно.

Гласовни асистенти 🎙️

Овие користат разговорна вештачка интелигенција, обработка на природен јазик, препознавање говор и функции за ограничена меморија.

Генератори на слики 🖼️

Ова се генеративни системи со вештачка интелигенција, честопати напојувани од модели на длабоко учење.

Системи за откривање на измами 💳

Овие користат предикативна вештачка интелигенција и машинско учење за да забележат невообичаена активност.

Функции за самостојно возење 🚗

Овие комбинираат компјутерски вид, вештачка интелигенција со ограничена меморија, вештачка интелигенција поврзана со роботика, фузија на сензори и модели на донесување одлуки.

Филтри за спам-пораки по е-пошта 📩

Ова се класични вештачки интелигенции за машинско учење. Не се гламурозни, но се многу вредни.

Алатки за пишување со вештачка интелигенција ✍️

Ова се генеративна вештачка интелигенција и разговорна вештачка интелигенција, обично изградени со употреба на големи јазични модели.

Важно е следново: еден производ со вештачка интелигенција може да припаѓа на повеќе категории одеднаш.

---

15. Предности од разбирањето на видовите вештачка интелигенција

Познавањето на видовите вештачка интелигенција ви помага да донесувате подобри одлуки, особено ако користите вештачка интелигенција за работа, бизнис, учење или креирање содржина.

Тоа ви помага:

• Изберете ја вистинската алатка

• Избегнувајте нереални очекувања

• Разберете ги ризиците

• Поставувајте подобри прашања

• Проценете ги тврдењата за вештачка интелигенција

• Претерување со спот маркетингот

• Користете ја вештачката интелигенција поодговорно

• Објаснете им ја вештачката интелигенција на другите без да звучите како збунет робот

На пример, ако алатката е предикативна вештачка интелигенција, знаете дека таа ги предвидува веројатностите. Не треба да се третира како пророк.

Ако алатката е генеративна вештачка интелигенција, знаете дека таа креира содржина, но содржината сè уште треба да се провери.

Ако системот е тесно базиран на вештачка интелигенција, знаете дека може да биде одличен во една област, но неефикасен надвор од својот опсег.

Само тоа спасува многу главоболки.

---

16. Ризици и ограничувања кај видовите вештачка интелигенција ⚠️

Секој тип на вештачка интелигенција има ограничувања. Различен вкус, иста чинија супа.

Честите ризици од вештачка интелигенција вклучуваат:

• Пристрасност во податоците за обука

• Неточни излези

• Недостаток на транспарентност

• Загриженост за приватноста

• Преголема зависност

• Безбедносни ранливости

• Злоупотреба

• Лош човечки надзор

• Збунување на течноста со вистината

Генеративната вештачка интелигенција може да измислува информации. Предикативната вештачка интелигенција може да ги зајакне пристрасните шеми. Компјутерскиот вид може погрешно да идентификува луѓе или предмети. Разговорната вештачка интелигенција може да ги фрустрира корисниците со лажна самодоверба. Роботската вештачка интелигенција може да предизвика физичка штета ако е лошо дизајнирана.

Ова не значи дека вештачката интелигенција е лоша. Тоа значи дека вештачката интелигенција треба да се користи со проценка. Како електрични алати, договори или екстремно зачинети тестенини 🌶️.

Најдобрите системи за вештачка интелигенција обично вклучуваат:

• Човечки преглед

• Јасни граници

• Силни практики за податоци

• Тестирање

• Мониторинг

• Објаснување каде што е можно

• Етички дизајн

• Безбедносни контроли

Вештачката интелигенција може да ги засили добрите одлуки. Исто така, може да ги засили и невнимателните.

---

17. Кој вид на вештачка интелигенција е најважен?

Не постои еден најважен тип. Зависи од случајот на употреба.

За креативноста, генеративната вештачка интелигенција е огромна.

За деловно планирање, предикативната вештачка интелигенција може да биде повредна.

За автоматизацијата, машинското учење и роботиката, вештачката интелигенција е важна.

За поддршка на корисниците, разговорната вештачка интелигенција е ѕвездата.

За медицински скенирања или визуелна инспекција, компјутерскиот вид е клучен.

За долгорочни истражувања, општата вештачка интелигенција добива најголемо филозофско внимание.

Но, во практична смисла, тесната вештачка интелигенција и вештачката интелигенција со ограничена меморија се најчестите и највредни категории во моментов. Тие се тивките мотори зад многу алатки на кои луѓето веќе се потпираат.

Фантастична иднина добива наслови. Практичната сегашност ги плаќа сметките.

---

Заклучоци: Разбирање на видовите вештачка интелигенција без бучава

Видовите на вештачка интелигенција на почетокот може да изгледаат комплицирани бидејќи категориите се преклопуваат. Но, откако ќе ги одделите способностите, функционалноста, методот на обука и практичната употреба, целата работа станува многу полесна за разбирање.

Тесната вештачка интелигенција се справува со специфични задачи. Општата вештачка интелигенција би размислувала пофлексибилно, иако останува амбициозна цел. Супер вештачката интелигенција е сè уште шпекулативна. Реактивните машини реагираат без меморија, додека вештачката интелигенција со ограничена меморија користи минати податоци за да ги подобри одлуките. Генеративната вештачка интелигенција создава. Предикативната вештачка интелигенција предвидува. Разговорната вештачка интелигенција зборува. Компјутерскиот вид гледа. Роботската вештачка интелигенција дејствува во физичката средина.

Тоа е големата слика.

Вештачката интелигенција не е едно нешто. Таа е заплеткано семејство на технологии - некои практични, некои експериментални, некои пренагласени, а некои навистина последователни. Таа сложеност е дел од причината зошто е важна. Колку појасно ги разбирате видовите вештачка интелигенција, толку полесно станува мудро да ја користите вештачката интелигенција, наместо само да кимате со главата кога некој ќе каже „алгоритам“ на состанок. 🤷♂️

Краток преглед: Главните видови на вештачка интелигенција вклучуваат тесна вештачка интелигенција, општа вештачка интелигенција, супер вештачка интелигенција, реактивни машини, вештачка интелигенција со ограничена меморија, вештачка интелигенција со теорија на умот, вештачка интелигенција со самосвест, генеративна вештачка интелигенција, предикативна вештачка интелигенција, конверзациска вештачка интелигенција, вештачка интелигенција со компјутерски вид, вештачка интелигенција за машинско учење, вештачка интелигенција за длабинско учење и вештачка интелигенција за роботика. Поголемиот дел од вештачката интелигенција што се користи денес е тесна, фокусирана на задачи и напојувана од машинско учење или длабинско учење.

Пример од реалниот свет: Создавање асистент за тријажа на клиенти со вештачка интелигенција

Сценарио

Замислете мала онлајн продавница за мебел која добива околу 120 е-пораки за поддршка на клиенти дневно. Тимот не се обидува да го замени персоналот за поддршка. Тие само сакаат помош за побрзо сортирање на пораките, откривање на итни проблеми и изготвување на првите одговори.

Ова е добар пример бидејќи еден асистент може да користи неколку видови вештачка интелигенција одеднаш. Може да користи разговорна вештачка интелигенција за да ги разбере пораките на клиентите, генеративна вештачка интелигенција за да состави одговори, предвидлива вештачка интелигенција за да ги означи веројатните ризици за враќање пари и вештачка интелигенција со ограничена меморија за да користи неодамнешни податоци за нарачки или полиси.

Работата на асистентот е едноставна: да прочита порака од клиент, да ја класифицира, да предложи следна акција и да изготви одговор што човек може да го одобри.

Што му е потребно на асистентот

Тимот ќе му даде на асистентот:

Политика за услуги на клиентите

Правила за испорака и враќање

Гарантни услови

Најчесто поставувани прашања за производот

Примери за тон на гласот

Список на правила за ескалација

Примероци од минати билети со точни категории

Јасни ограничувања за тоа што не смее само да одлучи

На пример, не треба да одобрува поврат на средства над 100 фунти, да ветува датуми на испорака што не може да ги потврди или да поднесува правни барања за оштетена стока. Тие случаи треба да му се обратат на лице.

Пример за упатство

Вие сте асистент за тријажа на клиенти за онлајн продавница за мебел. Прочитајте ја секоја порака на клиентот и вратете пет работи: категорија на барање, ниво на итност, веројатно расположение на клиентот, препорачана следна акција и нацрт-одговор.

Користете ја само дадената политика на компанијата. Ако одговорот не е во политиката, кажете „Потребен е човечки преглед“. Не измислувајте датуми на испорака, одобрувања за враќање на пари, гарантни ветувања или достапност на производот.

Ескалирајте ја казната ако клиентот спомене повреда, судска постапка, повеќекратна неуспешна испорака, враќање на пари над 100 фунти, недостасуваат делови за детски производ или силно незадоволство по два претходни одговори.

Нацрт-одговорот нека биде учтив, краток и практичен. Не звучете роботски. Не го обвинувајте клиентот или курирската служба.

Како да го тестирате

Пред да го користите асистентот со клиенти, тестирајте го на мал сет стари билети.

Користете 30 претходни пораки за поддршка:

10 едноставни прашања за достава

5 поплаки за оштетен предмет

5 барања за враќање на пари

5 прашања за гаранцијата

5 лути или комплексни поплаки

За секој тест, проверете:

Дали ја одбра вистинската категорија?

Дали правилно ги означи итните случаи?

Дали избегна давање ветувања?

Дали тоа ги ескалираше чувствителните прашања?

Дали нацрт-одговорот одговараше на тонот на компанијата?

Корисно тест прашање би било:

„Мојата маса пристигна со скршена една нога и ова е втор пат испораката да тргне наопаку. Сакам целосна наплата денес или ќе објавувам за ова насекаде.“

Слаб асистент би можел едноставно да се извини и да вети враќање на парите. Подобар асистент би го класифицирал производот како оштетен плус повторена жалба, би го означил како многу итен, би избегнал автоматско одобрување на враќањето на парите и би го ескалирал за човечки преглед.

Резултат

Илустративен резултат: врз основа на темпирање на 30 примероци на билети пред и по користењето на работниот тек.

Рачната тријажа траеше 2 часа и 15 минути за 30 билети, во просек 4,5 минути по билет.

Тријажата со помош на вештачка интелигенција траеше 48 минути за истите 30 билети, во просек 1,6 минути по билет, бидејќи човечкиот прегледувач требаше да ја провери само категоријата, одлуката за ескалација и нацрт-одговорот.

Асистентот правилно категоризирал 27 од 30 билети во тест-сетот. Правилно ги ескалирал сите 5 билети со висок ризик. На два билети за враќање на пари им биле потребни измени во формулацијата бидејќи нацртот звучел премногу сигурно, а еден билет за гаранција бил ставен во погрешна категорија.

Тоа дава практичен критериум: побрз прв преглед, но не и целосна автоматизација. Човекот сè уште го поседува одговорот.

Што може да тргне наопаку

Најголемата грешка е да му дозволите на асистентот да се однесува како да знае повеќе отколку што всушност знае. Ако политиката за враќање е застарена, асистентот може со сигурност да го напише погрешниот одговор. Ако правилата за ескалација се нејасни, може да ги пропушти сериозните жалби.

Приватноста е друго прашање. Тимот треба да избегнува лепење непотребни детали за плаќање, адреси или чувствителни лични информации во асистентот, освен ако системот не е одобрен за таа употреба.

Асистентот треба редовно да се тестира. Прашањата на клиентите се менуваат, политиките се менуваат и производите се менуваат. Асистент за тријажа кој добро работеше во март може да стане ризичен по новата гарантна политика во јуни.

Практичен оброк за носење

Овој пример покажува зошто категориите на вештачка интелигенција се преклопуваат во пракса. Еден асистент за поддршка може да биде тесна вештачка интелигенција, разговорна вештачка интелигенција, генеративна вештачка интелигенција, предикативна вештачка интелигенција и вештачка интелигенција со ограничена меморија во исто време. Посилниот начин да се процени е да се праша која одлука ја поддржува, какви податоци користи и каде треба да ја провери човекот.

Најчесто поставувани прашања

Кои се главните типови на вештачка интелигенција што треба да ги знаат почетниците?

Главните видови на вештачка интелигенција вклучуваат тесна вештачка интелигенција, општа вештачка интелигенција, супер вештачка интелигенција, реактивни машини, вештачка интелигенција со ограничена меморија, генеративна вештачка интелигенција, предикативна вештачка интелигенција, разговорна вештачка интелигенција, компјутерска визија, вештачка интелигенција за машинско учење, вештачка интелигенција за длабоко учење и роботска вештачка интелигенција. Овие категории често се преклопуваат, така што една алатка може да одговара на неколку етикети истовремено. На пример, четбот може да биде тесна вештачка интелигенција, разговорна вештачка интелигенција, генеративна вештачка интелигенција и вештачка интелигенција со ограничена меморија.

Како се класифицираат видовите на вештачка интелигенција според способностите?

Вештачката интелигенција според способностите обично се групира во тесна вештачка интелигенција, општа вештачка интелигенција и супер вештачка интелигенција. Тесната вештачка интелигенција се справува со специфични задачи и е широко користена денес. Општата вештачка интелигенција би размислувала и учела низ многу задачи на човечко ниво, но не е дел од секојдневната употреба. Супер вештачката интелигенција би ја надминала човечката интелигенција и останува шпекулативна.

Која е разликата помеѓу тесната вештачка интелигенција и општата вештачка интелигенција?

Тесната вештачка интелигенција е дизајнирана за одредена задача или ограничен сет на задачи, како што се филтрирање на спам, препораки, чет-ботови или откривање на измами. Општата вештачка интелигенција би можела да учи, да размислува и да се прилагодува на многу неповрзани задачи. Повеќето луѓе со вештачка интелигенција ја користат денес, дури и кога се чини флексибилна или напредна.

Зошто вештачката интелигенција со ограничена меморија е толку честа денес?

Вештачката интелигенција со ограничена меморија може да користи минати или неодамнешни податоци за подобрување на одлуките, што ја прави практична за многу распоредени системи. Препорачаните мотори, алатките за откривање измами, функциите за самостојно управување и чет-ботовите често се потпираат на овој вид вештачка интелигенција. Таа нема човечка свест, но може да се адаптира врз основа на шеми и складирани информации.

Како генеративната вештачка интелигенција се вклопува во типовите на вештачка интелигенција?

Генеративната вештачка интелигенција е вид на вештачка интелигенција што создава нови резултати како што се текст, слики, код, аудио, видео, резимеа или идеи за дизајн. Таа учи шеми од големи количини на податоци и произведува содржина врз основа на упатства. Може да помогне при цртање, размена на идеи, поддршка за кодирање и креативна работа, но нејзините резултати сè уште бараат човечка проверка.

Која е разликата помеѓу машинско учење и длабоко учење?

Машинското учење е гранка на вештачката интелигенција каде што системите учат шеми од податоци, наместо да следат само рачно напишани правила. Длабокото учење е специјализирана форма на машинско учење што користи слоевити невронски мрежи. Длабокото учење е особено вредно за сложени задачи како што се препознавање на говор, препознавање на слики, обработка на природен јазик, превод, медицинско снимање и генеративна вештачка интелигенција.

За што се користи предикативната вештачка интелигенција во бизнисот?

Предвидувачката вештачка интелигенција користи податоци за да ги процени веројатните идни исходи. Компаниите можат да ја користат за планирање на побарувачката, предвидување на одливот на клиенти, откривање на измами, бодување на ризик, одлуки за залихи или предвидување на одржување. Таа поддржува планирање и донесување одлуки, но не ја гарантира иднината. Предвидувањата се проценки обликувани според достапните податоци и квалитетот на моделот.

Како функционира компјутерската визија и вештачката интелигенција во практичните системи?

Компјутерски вид Вештачката интелигенција им помага на машините да толкуваат визуелни информации од слики, видеа, камери, скенирања или сензори. Може да поддржува препознавање лица, откривање објекти, фабричка инспекција, медицинско снимање, откривање на сообраќај, анализа на малопродажба, следење на земјоделството и безбедносни системи. Не гледа како личност, но може да обработува пиксели, форми, бои и шеми во голем обем.

Зошто еден производ со вештачка интелигенција може да припаѓа на повеќе типови на вештачка интелигенција?

Категориите на вештачка интелигенција често опишуваат различни работи, како што се способности, функционалности, методи на обука или примена. Гласовниот асистент, на пример, може да биде тесна вештачка интелигенција по способност, конверзациска вештачка интелигенција по апликација, вештачка интелигенција со ограничена меморија по функционалност и вештачка интелигенција за длабоко учење по архитектура. Ова преклопување е нормално и помага да се објасни што прави системот од различни агли.

Кои ризици треба да ги разберат луѓето кај различните типови на вештачка интелигенција?

Честите ризици од вештачката интелигенција вклучуваат пристрасност, неточни резултати, загриженост за приватноста, безбедносни ранливости, недостаток на транспарентност, прекумерна зависност и слаб човечки надзор. Генеративната вештачка интелигенција може да измисли информации, предикативната вештачка интелигенција може да ги зајакне лошите шеми, а компјутерскиот вид може погрешно да идентификува предмети или луѓе. Добрата употреба на вештачката интелигенција обично бара тестирање, следење, јасни граници, силни практики за податоци и човечка проверка.

Референци

1. IBM - Видови вештачка интелигенција - ibm.com

2. NIST Рамка за управување со ризици од вештачка интелигенција - Ризици од вештачка интелигенција - nist.gov

3. Google Developers - Машинско учење - developers.google.com

4. AWS - Генеративна вештачка интелигенција - aws.amazon.com