Koje su vrste umjetne inteligencije? [Video i kviz]

Kratak odgovor: Vrste umjetne inteligencije najbolje se razumiju prema mogućnostima, funkcionalnosti, stilu obuke i slučaju upotrebe. Uska umjetna inteligencija danas je uobičajena, dok opća umjetna inteligencija i super umjetna inteligencija ostaju teorijske. Prilikom odabira alata, uskladite kategoriju sa zadatkom, uključenim rizicima i potrebom za ljudskim pregledom.

Ključne zaključke:

Klasifikacija: Prije usporedbe sustava odvojite mogućnosti, funkcionalnost, metodu obuke i slučaj upotrebe.

Ljudski pregled: Provjerite generativne, prediktivne i konverzacijske rezultate prije nego što se na njih oslonite.

Transparentnost: Pitajte koji podaci, logika i ograničenja oblikuju svaki AI sustav.

Odgovornost: Neka ljudi budu odgovorni kada umjetna inteligencija utječe na odluke, korisnike ili sigurnost.

Kontrola rizika: Prije implementacije testirajte pristranost, privatnost, sigurnost i zlouporabu.

---

1. Koje su vrste umjetne inteligencije?

Kada ljudi pitaju: „Koje su vrste umjetne inteligencije?“, obično misle na jednu od dvije stvari:

Možda pitaju o umjetnoj inteligenciji na temelju sposobnosti, poput toga može li obavljati samo jedan zadatak ili razmišljati šire na ljudski način.

Ili možda pitaju o umjetnoj inteligenciji na temelju funkcionalnosti, što znači kako se sustav ponaša, uči, pamti, predviđa ili reagira.

Tu se stvari malo zapetljaju. Umjetna inteligencija nije grupirana u jednu čistu kutiju. To je više kao sortiranje kuhinjskog alata prema veličini, namjeni, oštrini i je li ga vaš ujak kupio u sumnjivoj online trgovini. Različiti sustavi klasifikacije se preklapaju.

Glavne kategorije obično uključuju:

• Uska umjetna inteligencija

• Opća umjetna inteligencija

• Super umjetna inteligencija

• Reaktivni strojevi

• Umjetna inteligencija s ograničenom memorijom

• Teorija uma umjetna inteligencija

• Samosvjesna umjetna inteligencija

• Strojno učenje umjetne inteligencije

• Duboko učenje umjetne inteligencije

• Generativna umjetna inteligencija

• Prediktivna umjetna inteligencija

• Razgovorna umjetna inteligencija

• Računalni vid umjetne inteligencije

• Robotika umjetna inteligencija

Neki od njih se široko koriste. Neki su još uvijek uglavnom teoretski. Neki zvuče futuristički, ali su već ugrađeni u svakodnevne aplikacije. Granica između „normalnog softvera“ i „umjetne inteligencije“ također je s vremenom postala sve nejasnija.

---

2. Vrste umjetne inteligencije prema mogućnostima

Prvi glavni način klasifikacije umjetne inteligencije je prema tome što može učiniti. Ovo je pogled na širu sliku 🧠.

Uska umjetna inteligencija

Uska umjetna inteligencija, također nazvana slaba umjetna inteligencija, dizajnirana je za izvršavanje određenog zadatka ili ograničenog skupa zadataka. To je umjetna inteligencija koju ljudi koriste svaki dan.

Primjeri uključuju:

• Pretrage preporuka

• Filteri za neželjenu poštu

• Glasovni asistenti

• Sustavi za prepoznavanje lica

• Chatbotovi

• Mehanizmi za preporuku proizvoda

• Alati za otkrivanje prijevara

• Aplikacije za prevođenje jezika

Uska umjetna inteligencija može biti moćna, ali ne "misli" u širem ljudskom smislu. Šahovska umjetna inteligencija može pobijediti velemajstora, ali ne može iznenada odlučiti postati slastičar. Model prevođenja može prevesti odlomak, ali ne doživljava jezik onako kako ga doživljava osoba.

Ipak, uski AI je radni konj modernog svijeta umjetne inteligencije. Nije glamurozan na znanstvenofantastični način, ali vodi veliki dio predstave iza zavjese 🎭.

Opća umjetna inteligencija

Opća umjetna inteligencija odnosi se na umjetnu inteligenciju koja može razumjeti, učiti, rasuđivati ​​i primjenjivati ​​znanje u mnogim različitim zadacima na ljudskoj razini.

Jednostavno rečeno: ne bi samo jednu stvar radio dobro. Mogao bi se prilagoditi.

Prava opća umjetna inteligencija potencijalno bi mogla:

• Učite nepoznate zadatke

• Razlog u različitim predmetima

• Rješavanje novih problema

• Prenesite znanje iz jednog područja u drugo

• Dublje razumijevanje konteksta

• Donosite odluke s fleksibilnim prosuđivanjem

Ova vrsta umjetne inteligencije još je uvijek više cilj nego svakodnevna stvarnost. Ljudi o njoj puno pričaju jer je fascinantna, možda malo uznemirujuća i teško joj je odoljeti kao konceptu. Ali uobičajeni alati koji pišu tekst, generiraju slike ili odgovaraju na pitanja nisu automatski opća umjetna inteligencija. Možda se čine širokima, ali i dalje djeluju unutar dizajniranih ograničenja.

Super umjetna inteligencija

Super umjetna inteligencija bi nadišla ljudsku inteligenciju. Ne samo brže tipkanje ili bolju matematiku - superiornije rasuđivanje, kreativnost, strategiju, učenje, a možda i emocionalno ili socijalno razumijevanje.

Ovo je najspekulativnija kategorija. Postavlja ogromna pitanja:

• Tko to kontrolira?

• Može li se to uskladiti s ljudskim vrijednostima?

• Bi li ispravno razumio ljudske ciljeve?

• Može li se samo poboljšati?

• Što se događa ako donosi odluke koje ljudi ne mogu slijediti?

Super AI je mjesto gdje se razgovori o AI-u ponekad pretvore u filozofsku juhu. Vrijedna juha, možda, ali ipak juha 🍲.

---

3. Vrste umjetne inteligencije prema funkcionalnosti

Drugi uobičajeni način objašnjenja vrsta umjetne inteligencije je funkcionalnost. To se fokusira na to kako se umjetna inteligencija ponaša.

Reaktivni strojevi

Reaktivni strojevi su najjednostavnija vrsta umjetne inteligencije. Reagiraju na trenutni unos bez korištenja memorije iz prošlih iskustava.

Oni ne uče s vremenom na način na koji to čine moderni adaptivni sustavi. Oni promatraju situaciju, obrađuju je i reagiraju.

Zamislite ih kao: „Ulazni podaci ulaze. Izlazni podaci izlaze. Nema dnevničkih zapisa.“

Reaktivna umjetna inteligencija i dalje može biti impresivna. Može analizirati moguće poteze u igri ili reagirati na jasno definiranu situaciju s izuzetnom brzinom i preciznošću. Ali ne gradi osobnu povijest niti se razvija na temelju prošlih interakcija.

Umjetna inteligencija s ograničenom memorijom

Umjetna inteligencija s ograničenom memorijom može koristiti prošle podatke za donošenje boljih odluka. Ovo je kategorija u kojoj se nalazi velik dio današnje praktične umjetne inteligencije.

Primjeri uključuju:

• Sustavi preporuka koji uče iz ponašanja korisnika

• Sustavi za autonomna vozila koji analiziraju nedavne uvjete na cestama

• Chatbotovi pamte kontekst unutar razgovora

• Modeli za otkrivanje prijevara uče iz obrazaca transakcija

• Alati za prediktivnu analitiku koji koriste povijesne podatke

Ograničena memorija ne znači „loše pamćenje“. To znači da sustav može koristiti pohranjene ili nedavne podatke, ali ne posjeduje ljudsku svijest ili dugoročno osobno iskustvo. Ipak, može biti vrlo učinkovit. Ponekad dosadno učinkovit - poput kada aplikacija za kupovinu zna što želite prije nego što to sami sebi priznate 🛒.

Teorija uma umjetna inteligencija

Teorija uma AI bi razumjela emocije, uvjerenja, namjere i društvene znakove na način sličniji čovjeku.

Ova vrsta umjetne inteligencije ne bi samo obrađivala riječi. Zaključivala bi što netko može osjećati, željeti, krivo shvatiti, čega se bojati ili očekivati.

Na primjer, moglo bi razumjeti da:

• Kupac je frustriran, ali pokušava ostati pristojan

• Učenik je zbunjen, ali mu je neugodno ponovno pitati

• Pacijent je anksiozan unatoč tome što govori „Dobro sam“

• Suigrač oklijeva jer se tiho ne slaže

Ovo ostaje aktivno područje rasprave o umjetnoj inteligenciji, ali prava teorija uma umjetne inteligencije izuzetno je teška. Ljudske emocije su isprepletene. Ljudi govore jedno, a misle drugo. Ponekad ni sami ne znaju što misle. Sretno, stroju.

Samosvjesna umjetna inteligencija

Samosvjesna umjetna inteligencija imala bi svijest, samorazumijevanje i svjesnost o vlastitom unutarnjem stanju.

Ovo je teoretski. Pripada znanstvenoj fantastici, etičkim panelima, kasnonoćnim raspravama i ljudima koji dramatično zure kroz prozore 🌙.

Samosvjesna umjetna inteligencija ne bi samo simulirala razgovor o osjećajima. Posjedovala bi neku vrstu subjektivnog iskustva. To je velika tvrdnja. Trenutni sustavi umjetne inteligencije nemaju potvrđenu svijest, osjećaje, želje ili identitet.

Mogu zvučati samosvjesno jer jezik može oponašati samorefleksiju. Ali zvučati kao nešto i biti nešto nije isto. Papagaj može reći „Gladan sam“, ali to ne znači da ima rezervaciju u restoranu.

---

4. Tablica usporedbe: Glavne vrste umjetne inteligencije

Vrsta umjetne inteligencije	Glavna ideja	Trenutni status	Uobičajeni primjeri	Zašto je to važno
Uska umjetna inteligencija	Izgrađen za specifične zadatke	Široko korišteno	Chatbotovi, pretraživanje, preporuke	Praktično i svugdje
Opća umjetna inteligencija	Fleksibilna inteligencija slična ljudskoj	Nije u potpunosti postignuto	Uglavnom teoretski	Veliki cilj, velika debata
Super umjetna inteligencija	Pametniji od ljudi općenito	Špekulativno	Nema praktičnog primjera	Velika etička pitanja
Reaktivni strojevi	Odgovara bez pamćenja	Koristi se u ograničenim slučajevima	Umjetna inteligencija u igrama, sustavi temeljeni na pravilima	Brzo, ali ne i prilagodljivo
Umjetna inteligencija s ograničenom memorijom	Koristi podatke/povijest za poboljšanje	Vrlo često	Sustavi za autonomnu vožnju, alati za prijevaru	Ovo je svakodnevni pokretač 🚗
Teorija uma umjetna inteligencija	Razumije emocije i namjeru	Razvoj koncepta	Napredne ideje za društvenu umjetnu inteligenciju	Mogla bi učiniti umjetnu inteligenciju svjesnijom ljudi
Samosvjesna umjetna inteligencija	Ima svijest	Teoretski	Primjeri znanstvenofantastičnog stila	Filozofski masivno
Generativna umjetna inteligencija	Stvara novi sadržaj	Široko korišteno	Alati za tekst, sliku i zvuk	Povećanje kreativne produktivnosti
Prediktivna umjetna inteligencija	Ishodi prognoza	Široko korišteno	Bodovanje rizika, planiranje potražnje	Pomaže u donošenju odluka - uglavnom
Robotika umjetna inteligencija	Upravlja fizičkim strojevima	Koristi se u industrijama	Roboti, dronovi, automatizacija	Povezuje umjetnu inteligenciju s fizičkim radom

Malo neujednačeno? Da. Ali tako umjetna inteligencija funkcionira i u svakodnevnom životu - nije muzejski izložak s savršenim etiketama.

---

5. Generativna umjetna inteligencija: Vrsta o kojoj svi pričaju 🎨

Generativna umjetna inteligencija jedna je od najpopularnijih vrsta umjetne inteligencije jer stvara stvari.

Može generirati:

• Tekst

• Slike

• Glazba

• Kodirati

• Video

• Opisi proizvoda

• Marketinški tekst

• Planovi lekcija

• Sažeci

• Sintetički podaci

• Ideje za dizajn

Generativna umjetna inteligencija funkcionira tako da uči obrasce iz velikih količina podataka, a zatim proizvodi nove rezultate na temelju uputa. Ne kopira u jednostavnom smislu kako ljudi ponekad zamišljaju. Predviđa, kombinira, mijenja i generira na temelju naučenih struktura.

Uz to, još uvijek može griješiti. Može zvučati samouvjereno dok je u krivu, što je u osnovi strojna verzija nekoga tko objašnjava porezni zakon na obiteljskom roštilju.

Generativna umjetna inteligencija je vrijedna za:

• Brainstorming

• Izrada sadržaja

• Automatizacija ponavljajućeg pisanja

• Stvaranje vizualnih koncepata

• Podrška korisničkoj službi

• Ubrzavanje zadataka kodiranja

• Personalizacija nastavnih materijala

Ali treba ga pregledati. Uvijek. Izlaz umjetne inteligencije može biti impresivan, ali nije automatski točan, pravedan, legalan ili siguran za robnu marku. Tretirajte ga kao vrlo brzog asistenta s povremenim sklonostima gremlina.

---

6. Strojno učenje umjetne inteligencije: Tražilica uzoraka

Strojno učenje je glavna grana umjetne inteligencije gdje sustavi uče obrasce iz podataka umjesto da se programiraju redak po redak za svaku odluku.

Tradicionalni softver slijedi eksplicitna pravila. Sustavi strojnog učenja identificiraju odnose i poboljšavaju performanse kroz obuku.

Na primjer:

• Filter neželjene pošte uči kako izgleda sumnjiva e-pošta

• Bankovni model otkriva neobično ponašanje transakcija

• Aplikacija za streaming preporučuje emisije na temelju navika gledanja

• Alat za zapošljavanje može rangirati kandidate na temelju definiranih signala

• Medicinski model snimanja može istaknuti moguće abnormalnosti

Strojno učenje može biti nadzirano, nenadzirano ili temeljeno na potkrepljenju.

Nadzirano učenje

Nadzirano učenje koristi označene primjere. Na primjer, slike mogu biti označene s „mačka“ ili „nije mačka“. Model uči razliku.

Nenadzirano učenje

Nenadzirano učenje traži obrasce bez označenih odgovora. Može grupirati kupce u segmente ili otkriti skrivene klastere u podacima.

Učenje s potkrepljenjem

Učenje s potkrepljenjem uči primanjem nagrada ili kazni za radnje. To je uobičajeno u problemima umjetne inteligencije u igrama, robotici i optimizaciji.

Strojno učenje nije magija. Uvelike ovisi o kvaliteti podataka. Loši podaci vode do loših modela - smeće unutra, smeće koje nosi pametni sako vani.

---

7. Duboko učenje umjetne inteligencije: Snaga neuronskih mreža 🧬

Duboko učenje je specijalizirana vrsta strojnog učenja koja koristi slojevite neuronske mreže za obradu složenih obrazaca.

Posebno je vrijedan za:

• Prepoznavanje govora

• Prepoznavanje slika

• Obrada prirodnog jezika

• Autonomni sustavi

• Analiza medicinskih slika

• Prijevod

• Generativni modeli umjetne inteligencije

• Složeni zadaci predviđanja

„Dubinski“ dio odnosi se na više slojeva u modelu. Svaki sloj pomaže u mijenjanju i interpretaciji informacija. Jedan sloj može detektirati jednostavne oblike na slici, drugi teksture, treći objekte i tako dalje.

Duboko učenje može dati zapanjujuće rezultate, ali često zahtijeva ogromne količine podataka i računalne snage. Također ga može biti teže interpretirati. To znači da se čak i stručnjaci mogu mučiti objasniti zašto je duboki model donio određenu odluku.

Ovo je jedan od velikih problema povjerenja u umjetnu inteligenciju: performanse mogu biti jake, ali objašnjivost može biti problematična. Kao da pokušavate pitati blender zašto smoothie ima loš okus.

---

8. Razgovorna umjetna inteligencija: Pričljiv tip

Razgovorna umjetna inteligencija dizajnirana je za komunikaciju s ljudima putem teksta ili glasa.

Uključuje:

• Chatbotovi za korisničku podršku

• Glasovni asistenti

• Virtualni agenti

• Tutori za umjetnu inteligenciju

• Interni botovi za korisničku podršku

• Prodajni asistenti

• Pomoćnici za raspoređivanje

Dobra konverzacijska umjetna inteligencija zahtijeva više od gramatike. Potreban joj je kontekst, prepoznavanje namjere, kontrola tona i sposobnost rukovanja nepredvidivim ljudskim unosom.

Ljudi ne govore savršenim naredbama. Neuredno brbljaju. Pogriješno pišu stvari. Postavljaju polovično pitanje i očekuju da će stroj "shvatiti". Znate kako je.

Osnovni chatbot može slijediti skriptu. Naprednija konverzacijska umjetna inteligencija može razumjeti prirodni jezik, održavati kontekst i generirati fleksibilne odgovore.

Ova vrsta umjetne inteligencije je vrijedna jer smanjuje ponavljajući rad i pruža brzu podršku. Ali može frustrirati korisnike kada se pretvara da razumije, ali ne razumije. Najgora verzija je chatbot koji kaže: „Rado ću pomoći“, a ne pruža nikakvu pomoć. Bolno.

---

9. Računalni vid AI: Strojevi koji "vide" 👀

Računalni vid (AI) omogućuje sustavima interpretaciju vizualnih informacija sa slika, videozapisa, kamera, senzora ili skeniranja.

Može se koristiti za:

• Prepoznavanje lica

• Detekcija objekata

• Inspekcija kvalitete u tvornicama

• Medicinsko snimanje

• Nadzor sigurnosti

• Analiza polica u maloprodaji

• Detekcija prometa

• Proširena stvarnost

• Praćenje poljoprivrede

Računalni vid ne vidi kao što vide ljudi. Obrađuje piksele, uzorke, oblike, boje i statističke signale. Ali rezultati mogu biti vrlo snažni.

Na primjer, računalni vid može pomoći u bržem otkrivanju nedostataka na proizvodnoj liniji nego ručni pregled. Može pomoći u organiziranju biblioteka slika. Može podržati sigurnosne sustave u vozilima. Također može izazvati zabrinutost zbog privatnosti, posebno kada se koristi za nadzor ili identifikaciju.

To je dvosjeklica - ne mač, već vilica. I dalje dovoljno oštra da uzrokuje probleme 🍴.

---

10. Prediktivna umjetna inteligencija: Mehanizam za predviđanje

Prediktivna umjetna inteligencija koristi podatke za procjenu što bi se moglo sljedeće dogoditi.

Uobičajen je u poslovanju, financijama, zdravstvu, logistici, sportskoj analitici, marketingu i operacijama.

Prediktivna umjetna inteligencija može pomoći u odgovorima na pitanja poput:

• Koji će kupci vjerojatno otići?

• Koja transakcija izgleda sumnjivo?

• Koliko će zaliha biti potrebno?

• Koji pacijent može zahtijevati dodatnu pažnju?

• Na koji sadržaj je vjerojatno da će korisnik kliknuti?

• Koji dio stroja bi uskoro mogao otkazati?

Ova vrsta umjetne inteligencije je manje blještava od generativne umjetne inteligencije, ali je izuzetno važna. Mnoge organizacije manje mare za model koji piše poeziju, a više za to može li smanjiti otpad, smanjiti rizik i poboljšati planiranje.

Prediktivna umjetna inteligencija najbolje funkcionira kada su podaci relevantni, čisti i redovito ažurirani. Ali predviđanje nikada nije sigurnost. Model može procijeniti vjerojatnosti, a ne jamčiti ishode. Ljudi to stalno zaboravljaju. Zatim krive umjetnu inteligenciju kao da ih je osobno izdala.

---

11. Robotika AI: Kad AI dobije tijelo 🤖

Robotika AI kombinira umjetnu inteligenciju s fizičkim strojevima. Ovdje AI napušta ekran i počinje se kretati svijetom.

Primjeri uključuju:

• Roboti u skladištu

• Proizvodni roboti

• Roboti za dostavu

• Poljoprivredni roboti

• Kirurški pomoćni sustavi

• Dronovi

• Inspekcijski roboti

• Roboti za čišćenje

• Humanoidni istraživački roboti

Robotika s umjetnom inteligencijom je teška jer je fizičko okruženje nepredvidivo. Chatbot se mora nositi samo s riječima. Robot se mora nositi sa skliskim podovima, lošom rasvjetom, neravnim površinama, ljudima u pokretu, greškama senzora i time što netko ostavlja stolicu na najgorem mogućem mjestu.

Robotika često kombinira nekoliko vrsta umjetne inteligencije:

• Računalni vid za gledanje

• Strojno učenje za prilagodbu

• Algoritmi planiranja kretanja

• Učenje s potkrepljenjem za donošenje odluka

• Obrada prirodnog jezika za ljudske naredbe

Robotika s umjetnom inteligencijom ima ogroman potencijal, posebno u opasnim ili repetitivnim poslovima. Ali je također skupa, složena i fizički rizična kada sustavi zakažu.

---

12. Umjetna inteligencija temeljena na stilu treninga

Drugi vrijedan način razmišljanja o vrstama umjetne inteligencije jest prema načinu na koji su obučene.

Umjetna inteligencija temeljena na pravilima

Umjetna inteligencija temeljena na pravilima slijedi logiku koju je stvorio čovjek. Na primjer:

• Ako se to dogodi, učinite to

• Ako korisnik odabere ovu opciju, prikaži taj odgovor

• Ako je vrijednost iznad praga, aktivirajte upozorenje

Ovo je jednostavno, predvidljivo i korisno za strukturirane zadatke. Ali ima problema s dvosmislenošću.

Umjetna inteligencija obučena podacima

Umjetna inteligencija obučena na temelju podataka uči iz primjera. Može se nositi s većom složenošću jer identificira obrasce umjesto da se oslanja samo na fiksna pravila.

Tu se spajaju strojno učenje i duboko učenje.

Hibridna umjetna inteligencija

Hibridna umjetna inteligencija kombinira logiku temeljenu na pravilima sa strojnim učenjem. U mnogim praktičnim sustavima ovo je pragmatičan izbor. Dobivate fleksibilnost sustava učenja plus kontrolu nad pravilima.

Na primjer, sustav za bankarske prijevare može koristiti strojno učenje za otkrivanje sumnjivog ponašanja, a zatim primijeniti stroga pravila za pregled usklađenosti. Nije glamurozno. Vrlo potrebno.

---

13. Što čini vrste umjetne inteligencije zbunjujućima?

Najveća zbrka je u tome što ljudi koriste AI kategorije na različite načine.

Jedna osoba može reći „Vrste umjetne inteligencije“ i misliti na usku, opću i superinteligenciju.

Druga osoba može misliti na generativnu umjetnu inteligenciju, prediktivnu umjetnu inteligenciju i konverzacijsku umjetnu inteligenciju.

Programer može govoriti o nadziranom učenju, dubokom učenju, neuronskim mrežama ili učenju s potkrepljenjem.

Poslovni menadžer može govoriti o automatizaciji, analitici, personalizaciji i korisničkoj podršci putem umjetne inteligencije.

Svi su donekle u pravu. Dosadno, ali istinito.

Umjetna inteligencija se klasificira prema:

• Sposobnost

• Funkcionalnost

• Metoda treninga

• Područje primjene

• Tehnička arhitektura

• Razina autonomije

• Vrsta ulaza i izlaza

• Primjer upotrebe u industriji

Dakle, kada netko pita „Koja je ovo vrsta umjetne inteligencije?“, najjasniji odgovor može biti višeslojan.

Chatbot, na primjer, može biti:

• Suzi umjetnu inteligenciju po mogućnostima

• Ograničena memorija umjetne inteligencije po funkcionalnosti

• Razgovorna umjetna inteligencija po primjeni

• Generativna umjetna inteligencija ako stvara odgovore

• Duboko učenje umjetne inteligencije ako ga pokreću neuronske mreže

To nije pretjerano kompliciranje radi zabave. Jednostavno tako funkcionira ovo područje.

---

14. Praktični primjeri vrsta umjetne inteligencije

Evo nekoliko svakodnevnih primjera kako bi kategorije bilo lakše shvatiti.

Preporuke za streaming 🎬

Ovo je uska umjetna inteligencija, prediktivna umjetna inteligencija i strojno učenje. Proučava obrasce i preporučuje što biste mogli sljedeće gledati.

Glasovni asistenti 🎙️

Oni koriste konverzacijsku umjetnu inteligenciju, obradu prirodnog jezika, prepoznavanje govora i ograničene memorijske značajke.

Generatori slika 🖼️

To su generativni AI sustavi, često pokretani modelima dubokog učenja.

Sustavi za otkrivanje prijevara 💳

Oni koriste prediktivnu umjetnu inteligenciju i strojno učenje kako bi označili neuobičajene aktivnosti.

Značajke autonomne vožnje 🚗

Oni kombiniraju računalni vid, umjetnu inteligenciju s ograničenom memorijom, umjetnu inteligenciju povezanu s robotikom, fuziju senzora i modele donošenja odluka.

Filteri neželjene pošte 📩

Ovo su klasične umjetne inteligencije strojnog učenja. Nisu glamurozne, ali su vrlo vrijedne.

Alati za pisanje s umjetnom inteligencijom ✍️

To su generativna umjetna inteligencija i konverzacijska umjetna inteligencija, obično izgrađena korištenjem velikih jezičnih modela.

Važno je sljedeće: jedan AI proizvod može pripadati više kategorija odjednom.

---

15. Prednosti razumijevanja vrsta umjetne inteligencije

Poznavanje vrsta umjetne inteligencije pomaže vam u donošenju boljih odluka, posebno ako koristite umjetnu inteligenciju za posao, poslovanje, studij ili stvaranje sadržaja.

Pomaže vam:

• Odaberite pravi alat

• Izbjegavajte nerealna očekivanja

• Razumjeti rizike

• Postavljajte bolja pitanja

• Procijenite tvrdnje o umjetnoj inteligenciji

• Pretjerivanje u spot marketingu

• Odgovornije koristite umjetnu inteligenciju

• Objasnite umjetnu inteligenciju drugima, a da pritom ne zvučite kao zbunjeni robot

Na primjer, ako je alat prediktivna umjetna inteligencija, znate da predviđa vjerojatnosti. Ne treba ga tretirati kao proročište.

Ako je alat generativna umjetna inteligencija, znate da stvara sadržaj, ali sadržaj i dalje treba provjeriti.

Ako je sustav usko definirana umjetna inteligencija, znate da može biti izvrstan u jednom području, ali neučinkovit izvan svog opsega.

Samo to štedi mnogo glavobolja.

---

16. Rizici i ograničenja za različite vrste umjetne inteligencije ⚠️

Svaka vrsta umjetne inteligencije ima ograničenja. Drugačiji okus, ista zdjela juhe.

Uobičajeni rizici umjetne inteligencije uključuju:

• Pristranost u podacima o obuci

• Netočni izlazi

• Nedostatak transparentnosti

• Zabrinutost zbog privatnosti

• Prekomjerna ovisnost

• Sigurnosne ranjivosti

• Zlouporaba

• Loš ljudski nadzor

• Miješajući tečnost s istinom

Generativna umjetna inteligencija može izmišljati informacije. Prediktivna umjetna inteligencija može pojačati pristrane obrasce. Računalni vid može pogrešno identificirati ljude ili predmete. Razgovorna umjetna inteligencija može frustrirati korisnike lažnim samopouzdanjem. Robotička umjetna inteligencija može uzrokovati fizičke ozljede ako je loše dizajnirana.

To ne znači da je umjetna inteligencija loša. To znači da se umjetna inteligencija treba koristiti s rasuđivanjem. Poput električnih alata, ugovora ili izrazito ljutih rezanaca 🌶️.

Najbolji AI sustavi obično uključuju:

• Ljudski pregled

• Jasne granice

• Stroge prakse u vezi s podacima

• Testiranje

• Praćenje

• Objašnjivost gdje je to moguće

• Etički dizajn

• Sigurnosne kontrole

Umjetna inteligencija može pojačati dobre odluke. Također može pojačati i one nepromišljene.

---

17. Koja je vrsta umjetne inteligencije najvažnija?

Ne postoji jedan najvažniji tip. Ovisi o slučaju upotrebe.

Za kreativnost, generativna umjetna inteligencija je ogromna.

Za poslovno planiranje, prediktivna umjetna inteligencija može biti vrijednija.

Za automatizaciju, strojno učenje i robotiku, umjetna inteligencija je važna.

Za korisničku podršku, konverzacijska umjetna inteligencija je zvijezda.

Za medicinske snimke ili vizualni pregled, računalni vid je ključan.

Za dugoročna istraživanja, opća umjetna inteligencija dobiva najviše filozofske pozornosti.

Ali u praktičnom smislu, uska umjetna inteligencija i umjetna inteligencija s ograničenom memorijom trenutno su najčešće i najvrjednije kategorije. To su tihi motori iza mnogih alata na koje se ljudi već oslanjaju.

Otmjena budućnost dobiva naslovnice. Praktična sadašnjost plaća račune.

---

Završne napomene: Razumijevanje vrsta umjetne inteligencije bez buke

Vrste umjetne inteligencije mogu se u početku činiti kompliciranima jer se kategorije preklapaju. Ali nakon što odvojite mogućnosti, funkcionalnost, metodu obuke i praktičnu upotrebu, cijela stvar postaje puno lakša za razumjeti.

Uski AI obavlja specifične zadatke. Opći AI bi razmišljao fleksibilnije, iako to ostaje ambiciozan cilj. Super AI je još uvijek spekulativan. Reaktivni strojevi reagiraju bez pamćenja, dok AI s ograničenim pamćenjem koristi prošle podatke za poboljšanje odluka. Generativni AI stvara. Prediktivni AI predviđa. Razgovorni AI govori. Računalni vid vidi. Robotski AI djeluje u fizičkom okruženju.

To je šira slika.

Umjetna inteligencija nije jedna stvar. To je isprepletena obitelj tehnologija - neke praktične, neke eksperimentalne, neke prenaglašene, a neke uistinu značajne. Ta složenost je dio razloga zašto je važna. Što jasnije razumijete vrste umjetne inteligencije, to je lakše mudro je koristiti umjesto da samo klimate glavom kada netko na sastanku kaže "algoritam". 🤷♂️

Kratki sažetak: Glavne vrste umjetne inteligencije uključuju usku umjetnu inteligenciju, opću umjetnu inteligenciju, super umjetnu inteligenciju, reaktivne strojeve, umjetnu inteligenciju s ograničenom memorijom, umjetnu inteligenciju teorije uma, samosvjesnu umjetnu inteligenciju, generativnu umjetnu inteligenciju, prediktivnu umjetnu inteligenciju, konverzacijsku umjetnu inteligenciju, umjetnu inteligenciju računalnog vida, umjetnu inteligenciju strojnog učenja, umjetnu inteligenciju dubokog učenja i umjetnu inteligenciju robotike. Većina umjetne inteligencije koja se danas koristi je uska, usmjerena na zadatke i pokreće je strojno učenje ili duboko učenje.

Primjer iz stvarnog svijeta: Izrada asistenta za trijažu korisničke podrške s umjetnom inteligencijom

Scenarij

Zamislite malu online trgovinu namještaja koja dnevno prima oko 120 e-poruka za korisničku podršku. Tim ne pokušava zamijeniti osoblje za podršku. Samo žele pomoć u bržem sortiranju poruka, uočavanju hitnih problema i sastavljanju prvih odgovora.

Ovo je dobar primjer jer jedan asistent može koristiti nekoliko vrsta umjetne inteligencije odjednom. Može koristiti konverzacijsku umjetnu inteligenciju za razumijevanje poruka kupaca, generativnu umjetnu inteligenciju za izradu odgovora, prediktivnu umjetnu inteligenciju za označavanje vjerojatnih rizika povrata novca i umjetnu inteligenciju s ograničenom memorijom za korištenje podataka o nedavnim narudžbama ili pravilima.

Posao asistenta je jednostavan: pročitati poruku kupca, klasificirati je, predložiti sljedeću radnju i napisati odgovor koji čovjek može odobriti.

Što asistentu treba

Tim bi dao asistentu:

Pravila korisničke službe

Pravila dostave i povrata

Jamstveni uvjeti

Često postavljana pitanja o proizvodu

Primjeri tona glasa

Popis pravila eskalacije

Primjeri prošlih ulaznica s ispravnim kategorijama

Jasne granice o tome što ne smije samostalno odlučivati

Na primjer, ne bi trebao odobravati povrat novca veći od 100 funti, obećavati datume isporuke koje ne može provjeriti ili podnositi pravne zahtjeve za oštećenu robu. Ti slučajevi trebali bi se prijaviti određenoj osobi.

Primjer upute

Vi ste asistent u korisničkoj podršci za online trgovinu namještajem. Pročitajte svaku poruku kupca i odgovorite na pet pitanja: kategoriju zahtjeva, razinu hitnosti, vjerojatno raspoloženje kupca, preporučenu sljedeću radnju i nacrt odgovora.

Koristite samo navedenu politiku tvrtke. Ako odgovor nije u politici, recite „Potreban je ljudski pregled“. Nemojte izmišljati datume isporuke, odobrenja povrata novca, jamstvena obećanja ili dostupnost proizvoda.

Podignite zahtjev za rješavanje problema ako kupac spomene ozljedu, pravni postupak, ponovljenu neuspjelu dostavu, povrat novca veći od 100 funti, nedostajuće dijelove za dječji proizvod ili snažno nezadovoljstvo nakon dva prethodna odgovora.

Neka nacrt odgovora bude pristojan, kratak i praktičan. Nemojte zvučati robotski. Nemojte kriviti kupca ili kurira.

Kako to testirati

Prije korištenja asistenta s kupcima, testirajte ga na malom setu starih karata.

Koristite 30 prethodnih poruka podrške:

10 jednostavnih pitanja o dostavi

5 pritužbi na oštećene artikle

5 zahtjeva za povrat novca

5 pitanja o jamstvu

5 ljutitih ili složenih pritužbi

Za svaki test provjerite:

Je li odabrao pravu kategoriju?

Je li ispravno označio hitne slučajeve?

Je li izbjegavalo davanje obećanja?

Je li eskalirala osjetljiva pitanja?

Je li nacrt odgovora odgovarao tonu tvrtke?

Korisno testno pitanje bilo bi:

„Moj stol je stigao s jednom napuknutom nogom i ovo je drugi put da je dostava pošla po zlu. Želim puni povrat novca danas ili ću o tome objavljivati ​​svugdje.“

Slab asistent bi se mogao jednostavno ispričati i obećati povrat novca. Bolji asistent bi to klasificirao kao oštećeni artikl plus ponovljenu reklamaciju, označio kao vrlo hitno, izbjegao automatsko odobravanje povrata novca i eskalirao bi to na ljudski pregled.

Proizlaziti

Ilustrativni rezultat: na temelju mjerenja vremena 30 uzoraka ulaznica prije i nakon korištenja tijeka rada.

Ručna trijaža trajala je 2 sata i 15 minuta za 30 karata, u prosjeku 4,5 minute po karti.

Trijaža uz pomoć umjetne inteligencije trajala je 48 minuta za istih 30 zahtjeva, u prosjeku 1,6 minuta po zahtjevu, jer je ljudski pregledatelj trebao samo provjeriti kategoriju, odluku o eskalaciji i nacrt odgovora.

Asistent je ispravno kategorizirao 27 od 30 karata u testnom skupu. Ispravno je eskalirao svih 5 karata visokog rizika. Dva zahtjeva za povrat novca trebala su izmjene formulacije jer je nacrt zvučao previše sigurno, a jedan jamstveni zahtjev smješten je u pogrešnu kategoriju.

To daje praktičnu referentnu vrijednost: brži prvi pregled, ali ne i potpuna automatizacija. Čovjek i dalje preuzima odgovornost za odgovor.

Što može poći po zlu

Najveća greška je dopustiti asistentu da se ponaša kao da zna više nego što stvarno zna. Ako su pravila povrata zastarjela, asistent može samouvjereno sastaviti pogrešan odgovor. Ako su pravila eskalacije nejasna, može propustiti ozbiljne pritužbe.

Privatnost je još jedno pitanje. Tim bi trebao izbjegavati lijepljenje nepotrebnih podataka o plaćanju, adresa ili osjetljivih osobnih podataka u asistenta, osim ako sustav nije odobren za tu upotrebu.

Asistenta također treba redovito testirati. Pitanja kupaca se mijenjaju, politike se mijenjaju i proizvodi se mijenjaju. Asistent za trijažu koji je dobro radio u ožujku može postati rizičan nakon nove jamstvene politike u lipnju.

Praktična informacija

Ovaj primjer pokazuje zašto se kategorije umjetne inteligencije preklapaju u praksi. Jedan pomoćnik za podršku može istovremeno biti uska umjetna inteligencija, konverzacijska umjetna inteligencija, generativna umjetna inteligencija, prediktivna umjetna inteligencija i umjetna inteligencija s ograničenom memorijom. Jači način za procjenu je pitanje koje odluke podržava, koje podatke koristi i gdje to čovjek treba provjeriti.

Često postavljana pitanja

Koje su glavne vrste umjetne inteligencije koje bi početnici trebali znati?

Glavne vrste umjetne inteligencije uključuju usku umjetnu inteligenciju, opću umjetnu inteligenciju, super umjetnu inteligenciju, reaktivne strojeve, umjetnu inteligenciju s ograničenom memorijom, generativnu umjetnu inteligenciju, prediktivnu umjetnu inteligenciju, konverzacijsku umjetnu inteligenciju, umjetnu inteligenciju računalnog vida, umjetnu inteligenciju strojnog učenja, umjetnu inteligenciju dubokog učenja i umjetnu inteligenciju robotike. Ove se kategorije često preklapaju, pa jedan alat može istovremeno odgovarati nekoliko oznaka. Na primjer, chatbot može biti uska umjetna inteligencija, konverzacijska umjetna inteligencija, generativna umjetna inteligencija i umjetna inteligencija s ograničenom memorijom.

Kako se vrste umjetne inteligencije klasificiraju prema mogućnostima?

Umjetna inteligencija se prema mogućnostima obično grupira u usku, opću i super umjetnu inteligenciju. Uska umjetna inteligencija obavlja specifične zadatke i danas se široko koristi. Opća umjetna inteligencija bi razmišljala i učila o mnogim zadacima na ljudskoj razini, ali nije dio svakodnevne upotrebe. Super umjetna inteligencija bi premašila ljudsku inteligenciju i ostaje spekulativna.

Koja je razlika između uske umjetne inteligencije i opće umjetne inteligencije?

Uska umjetna inteligencija dizajnirana je za određeni zadatak ili ograničeni skup zadataka, kao što su filtriranje neželjene pošte, preporuke, chatbotovi ili otkrivanje prijevara. Opća umjetna inteligencija mogla bi učiti, razmišljati i prilagođavati se mnogim nepovezanim zadacima. Većina umjetne inteligencije koju ljudi danas koriste je uska umjetna inteligencija, čak i kada se čini fleksibilnom ili naprednom.

Zašto je umjetna inteligencija s ograničenom memorijom danas toliko uobičajena?

Umjetna inteligencija s ograničenom memorijom može koristiti prošle ili nedavne podatke za poboljšanje odluka, što je čini praktičnom za mnoge implementirane sustave. Mehanizmi za preporuke, alati za otkrivanje prijevara, značajke samostalnog upravljanja i chatbotovi često se oslanjaju na ovu vrstu umjetne inteligencije. Nema svijest sličnu ljudskoj, ali se može prilagoditi na temelju obrazaca i pohranjenih informacija.

Kako se generativna umjetna inteligencija uklapa u vrste umjetne inteligencije?

Generativna umjetna inteligencija je vrsta umjetne inteligencije koja stvara nove rezultate poput teksta, slika, koda, zvuka, videa, sažetaka ili ideja za dizajn. Uči obrasce iz velikih količina podataka i proizvodi sadržaj na temelju uputa. Može pomoći u izradi nacrta, brainstormingu, podršci kodiranju i kreativnom radu, ali njezini rezultati i dalje zahtijevaju ljudski pregled.

Koja je razlika između strojnog učenja i dubokog učenja?

Strojno učenje je grana umjetne inteligencije u kojoj sustavi uče obrasce iz podataka umjesto da slijede samo rukom pisana pravila. Duboko učenje je specijalizirani oblik strojnog učenja koji koristi slojevite neuronske mreže. Duboko učenje je posebno vrijedno za složene zadatke poput prepoznavanja govora, prepoznavanja slika, obrade prirodnog jezika, prevođenja, medicinskog snimanja i generativne umjetne inteligencije.

Za što se koristi prediktivna umjetna inteligencija u poslovanju?

Prediktivna umjetna inteligencija koristi podatke za procjenu vjerojatnih budućih ishoda. Tvrtke je mogu koristiti za planiranje potražnje, predviđanje odljeva kupaca, otkrivanje prijevara, bodovanje rizika, odluke o zalihama ili predviđanje održavanja. Podržava planiranje i donošenje odluka, ali ne jamči budućnost. Predviđanja su procjene oblikovane dostupnim podacima i kvalitetom modela.

Kako računalni vid umjetne inteligencije funkcionira u praktičnim sustavima?

Računalni vid (AI) pomaže strojevima da interpretiraju vizualne informacije sa slika, videozapisa, kamera, skeniranja ili senzora. Može podržati prepoznavanje lica, otkrivanje objekata, inspekciju tvornica, medicinsko snimanje, otkrivanje prometa, analizu maloprodaje, praćenje poljoprivrede i sigurnosne sustave. Ne vidi kao osoba, ali može obrađivati ​​piksele, oblike, boje i uzorke u velikom mjerilu.

Zašto jedan AI proizvod može pripadati više vrsta AI-a?

Kategorije umjetne inteligencije često opisuju različite stvari, poput mogućnosti, funkcionalnosti, metode obuke ili primjene. Glasovni asistent, na primjer, može biti usko definirana umjetna inteligencija po mogućnostima, konverzacijska umjetna inteligencija po primjeni, umjetna inteligencija s ograničenom memorijom po funkcionalnosti i umjetna inteligencija dubokog učenja po arhitekturi. Ovo preklapanje je normalno i pomaže objasniti što sustav radi iz različitih kutova.

Koje rizike ljudi trebaju razumjeti kod različitih vrsta umjetne inteligencije?

Uobičajeni rizici umjetne inteligencije uključuju pristranost, netočne rezultate, probleme s privatnošću, sigurnosne ranjivosti, nedostatak transparentnosti, pretjeranu ovisnost i slab ljudski nadzor. Generativna umjetna inteligencija može izmišljati informacije, prediktivna umjetna inteligencija može pojačati loše obrasce, a računalni vid može pogrešno identificirati objekte ili ljude. Dobra upotreba umjetne inteligencije obično zahtijeva testiranje, praćenje, jasne granice, snažne prakse podataka i ljudski pregled.

Reference

1. IBM - Vrste umjetne inteligencije - ibm.com

2. Okvir NIST-a za upravljanje rizicima umjetne inteligencije - Rizici umjetne inteligencije - nist.gov

3. Google Developers - Strojno učenje - developers.google.com

4. AWS - Generativna umjetna inteligencija - aws.amazon.com