Koje su vrste umjetne inteligencije? [Video i kviz]

Kratak odgovor: Vrste umjetne inteligencije se najbolje razumiju na osnovu mogućnosti, funkcionalnosti, stila obuke i slučaja upotrebe. Uska umjetna inteligencija je danas uobičajena, dok opća umjetna inteligencija i super umjetna inteligencija ostaju teorijski. Prilikom odabira alata, uskladite kategoriju sa zadatkom, uključenim rizicima i potrebom za ljudskim pregledom.

Ključne zaključke:

Klasifikacija: Odvojite mogućnosti, funkcionalnost, metodu obuke i slučaj upotrebe prije poređenja sistema.

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 sistem.

Odgovornost: Neka ljudi budu odgovorni kada vještačka inteligencija utiče na odluke, korisnike ili sigurnost.

Kontrola rizika: Testirajte pristranost, privatnost, sigurnost i zloupotrebu prije implementacije.

---

1. Koje su vrste umjetne inteligencije?

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

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

Ili možda pitaju o vještačkoj inteligenciji zasnovanoj na funkcionalnosti, što znači kako se sistem ponaša, uči, pamti, predviđa ili reaguje.

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

Glavne kategorije obično uključuju:

• Uska umjetna inteligencija

• Opća umjetna inteligencija

• Super umjetna inteligencija

• Reaktivne mašine

• Ograničena memorija umjetne inteligencije

• Teorija uma umjetna inteligencija

• Samosvjesna umjetna inteligencija

• Mašinsko učenje umjetne inteligencije

• Duboko učenje umjetne inteligencije

• Generativna umjetna inteligencija

• Prediktivna umjetna inteligencija

• Konverzacijska umjetna inteligencija

• Kompjuterski vid (AI)

• Robotika umjetna inteligencija

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

---

2. Vrste umjetne inteligencije prema mogućnostima

Prvi glavni način klasifikacije vještačke inteligencije je po tome šta može da uradi. Ovo je pogled na širu sliku 🧠.

Uska umjetna inteligencija

Uska umjetna inteligencija, također poznata kao slaba umjetna inteligencija, dizajnirana je za obavljanje određenog zadatka ili ograničenog skupa zadataka. Ovo je umjetna inteligencija koju ljudi koriste svaki dan.

Primjeri uključuju:

• Pretraga preporuka

• Filteri za neželjenu poštu

• Glasovni asistenti

• Sistemi za prepoznavanje lica

• Chatbotovi

• Mehanizmi za preporuku proizvoda

• Alati za otkrivanje prevara

• 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 da postane poslastičar. Model prevođenja može prevesti paragraf, ali ne doživljava jezik onako kako ga doživljava osoba.

Ipak, uska umjetna inteligencija je radna snaga modernog svijeta umjetne inteligencije. Nije glamurozna na naučnofantastični 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 ljudskom nivou.

Jednostavno rečeno: ne bi samo jednu stvar radilo dobro. Moglo bi se prilagoditi.

Prava opšta vještačka inteligencija bi potencijalno mogla:

• Učite nepoznate zadatke

• Razlog u različitim predmetima

• Rješavanje novih problema

• Prenesite znanje iz jedne oblasti u drugu

• Dublje razumijevanje konteksta

• Donosite odluke s fleksibilnim rasuđivanjem

Ova vrsta umjetne inteligencije je i dalje više cilj nego svakodnevna stvarnost. Ljudi mnogo pričaju o njoj jer je fascinantna, možda pomalo 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 funkcioniraju unutar dizajniranih ograničenja.

Super umjetna inteligencija

Super umjetna inteligencija bi prevazišla ljudsku inteligenciju. Ne samo brže kucanje ili bolju matematiku - već i superiorno rasuđivanje, kreativnost, strategiju, učenje, a možda i emocionalno ili socijalno razumijevanje.

Ovo je najspekulativnija kategorija. Ona postavlja ogromna pitanja:

• Ko to kontroliše?

• Može li se to uskladiti s ljudskim vrijednostima?

• Da li bi ispravno razumjelo ljudske ciljeve?

• Može li se samo poboljšati?

• Šta se dešava ako donosi odluke koje ljudi ne mogu slijediti?

Super VI je mjesto gdje se razgovori o VI ponekad pretvore u filozofsku supu. Vrijedna supa, možda, ali ipak supa 🍲.

---

3. Vrste umjetne inteligencije prema funkcionalnosti

Drugi uobičajeni način objašnjenja vrsta umjetne inteligencije je po funkcionalnosti. Ovo se fokusira na to kako se umjetna inteligencija ponaša.

Reaktivne mašine

Reaktivne mašine su najjednostavniji tip vještačke inteligencije. One reaguju na trenutni unos bez korištenja memorije iz prošlih iskustava.

Oni ne uče tokom vremena na način na koji to čine moderni adaptivni sistemi. Oni posmatraju situaciju, obrađuju je i reaguju.

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 reagovati na jasno definiranu situaciju s izuzetnom brzinom i preciznošću. Ali ne gradi ličnu historiju niti se razvija na osnovu prošlih interakcija.

Ograničena memorija umjetne inteligencije

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

Primjeri uključuju:

• Sistemi preporuka koji uče iz ponašanja korisnika

• Sistemi za autonomna vozila koji analiziraju nedavne uslove na putu

• Chatbotovi pamte kontekst unutar razgovora

• Modeli za otkrivanje prevara uče iz obrazaca transakcija

• Alati za prediktivnu analitiku koji koriste historijske podatke

Ograničena memorija ne znači „loše pamćenje“. To znači da sistem može koristiti pohranjene ili nedavne podatke, ali ne posjeduje svijest sličnu ljudskoj ili dugoročno lično iskustvo. Međutim, može biti vrlo efikasna. Ponekad iritantno efikasna - kao kada aplikacija za kupovinu zna šta želite prije nego što to sebi priznate 🛒.

Teorija uma umjetna inteligencija

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

Ova vrsta umjetne inteligencije ne bi samo obrađivala riječi. Ona bi zaključivala šta neko može osjećati, željeti, pogrešno 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 da ponovo pita

• Pacijent je anksiozan uprkos tome što kaže „Dobro sam“

• Saigrač oklijeva jer se tiho ne slaže

Ovo ostaje aktivno područje diskusije o umjetnoj inteligenciji, ali prava Teorija uma kao umjetna inteligencija je izuzetno teška. Ljudske emocije su isprepletene. Ljudi govore jedno, a misle drugo. Ponekad ni sami ne znaju šta misle. Sretno, mašino.

Samosvjesna umjetna inteligencija

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

Ovo je teoretski. Pripada naučnoj fantastici, panelima o etici, 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 sistemi umjetne inteligencije nemaju potvrđenu svijest, osjećaje, želje ili identitet.

Mogu zvučati samosvjesno jer jezik može imitirati 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. Tabela poređenja: Glavne vrste vještačke inteligencije

Vrsta umjetne inteligencije	Glavna ideja	Trenutni status	Uobičajeni primjeri	Zašto je to važno
Uska umjetna inteligencija	Napravljen za specifične zadatke	Široko korišteno	Chatbotovi, pretraga, 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	Ogromna etička pitanja
Reaktivne mašine	Reaguje bez pamćenja	Koristi se u ograničenim slučajevima	VI u igri, sistemi zasnovani na pravilima	Brz, ali ne i adaptivan
Ograničena memorija umjetne inteligencije	Koristi podatke/historiju za poboljšanje	Vrlo često	Sistemi za autonomnu vožnju, alati za prevaru	Ovo je svakodnevni pokretač 🚗
Teorija uma umjetna inteligencija	Razumije emocije i namjeru	Razvoj koncepta	Napredne ideje za društvenu umjetnu inteligenciju	Mogla bi učiniti vještačku inteligenciju svjesnijom ljudi
Samosvjesna umjetna inteligencija	Ima svijest	Teorijski	Primjeri naučnofantastičnog stila	Filozofski masivno
Generativna umjetna inteligencija	Kreira 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	Kontrolira fizičke mašine	Koristi se u industriji	Roboti, dronovi, automatizacija	Povezuje vještačku inteligenciju s fizičkim radom

Malo neujednačeno? Da. Ali tako vještačka inteligencija funkcioniše i u svakodnevnom životu - nije muzejski eksponat sa 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

• Muzika

• Kod

• Videozapis

• Opisi proizvoda

• Marketinški tekst

• Planovi lekcija

• Sažeci

• Sintetički podaci

• Ideje za dizajn

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

Uprkos tome, i dalje može praviti greške. Može zvučati samouvjereno dok griješi, što je u osnovi mašinska verzija nekoga ko objašnjava poreski zakon na porodičnom roštilju.

Generativna umjetna inteligencija je vrijedna za:

• Brainstorming

• Izrada sadržaja

• Automatizacija ponavljajućeg pisanja

• Kreiranje vizualnih koncepata

• Podrška korisničkoj službi

• Ubrzavanje zadataka kodiranja

• Personalizacija materijala za učenje

Ali potrebna je revizija. Uvijek. Izlaz umjetne inteligencije može biti impresivan, ali nije automatski tačan, fer, legalan ili siguran za brend. Tretirajte ga kao vrlo brzog asistenta koji s vremena na vrijeme ima tendenciju da bude gremlin.

---

6. Mašinsko učenje AI: Tražilica obrazaca

Mašinsko učenje je glavna grana umjetne inteligencije gdje sistemi uče obrasce iz podataka umjesto da se programiraju liniju po liniju za svaku odluku.

Tradicionalni softver slijedi eksplicitna pravila. Sistemi mašinskog učenja identificiraju odnose i poboljšavaju performanse kroz obuku.

Na primjer:

• Filter za neželjenu poštu uči kako izgleda sumnjiva e-pošta

• Bankarski model otkriva neobično ponašanje transakcija

• Aplikacija za streaming preporučuje emisije na osnovu navika gledanja

• Alat za zapošljavanje može rangirati kandidate na osnovu definiranih signala

• Medicinski model snimanja može istaknuti moguće abnormalnosti

Mašinsko učenje može biti nadzirano, nenadzirano ili zasnovano na potkrepljenju.

Nadgledano učenje

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

Nenadgledano 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. Ovo je uobičajeno u problemima umjetne inteligencije u igrama, robotici i optimizaciji.

Mašinsko učenje nije magija. Ono u velikoj mjeri zavisi od kvaliteta podataka. Loši podaci vode do loših modela - smeće unutra, smeće koje nosi pametni sako napolju.

---

7. Duboko učenje umjetne inteligencije: Moć neuronskih mreža 🧬

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

Posebno je vrijedan za:

• Prepoznavanje govora

• Prepoznavanje slika

• Obrada prirodnog jezika

• Autonomni sistemi

• 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 detektovati jednostavne oblike na slici, drugi teksture, treći objekte i tako dalje.

Duboko učenje može dati zapanjujuće rezultate, ali često zahtijeva ogromne količine podataka i računarske snage. Također ga može biti teže interpretirati. To znači da čak i stručnjaci mogu imati poteškoća da objasne tačno 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: Pričljivi tip

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

To uključuje:

• Chatbotovi za korisničku podršku

• Glasovni asistenti

• Virtualni agenti

• Tutori za umjetnu inteligenciju

• Interni botovi za korisničku podršku

• Prodajni asistenti

• Asistenti za zakazivanje

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 komandama. Oni brbljaju. Pogrešno pišu stvari. Postavljaju polovično pitanje i očekuju da mašina "shvati". Znate kako je.

Osnovni chatbot može pratiti 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 to ne čini. Najgora verzija je chatbot koji kaže: „Drago mi je da mogu pomoći“, a ne pruža nikakvu pomoć. Bolno.

---

9. Kompjuterski vid AI: Mašine koje "vide" 👀

Kompjuterski vid (AI) omogućava sistemima da interpretiraju vizuelne informacije sa slika, videa, kamera, senzora ili skeniranja.

Može se koristiti za:

• Prepoznavanje lica

• Detekcija objekata

• Inspekcija kvaliteta u fabrikama

• Medicinsko snimanje

• Praćenje sigurnosti

• Analiza polica u maloprodaji

• Detekcija prometa

• Proširena stvarnost

• Praćenje poljoprivrede

Kompjuterski vid ne vidi kao ljudi. On obrađuje piksele, uzorke, oblike, boje i statističke signale. Ali rezultati mogu biti veoma moćni.

Na primjer, kompjuterski vid može pomoći u bržem otkrivanju nedostataka na proizvodnoj liniji nego ručni pregled. Može pomoći u organizaciji biblioteka slika. Može podržati sigurnosne sisteme u vozilima. Također može izazvati zabrinutost u vezi s privatnošću, posebno kada se koristi za nadzor ili identifikaciju.

To je dvosjeklica - ne mač, već viljuška. Ipak dovoljno oštra da izazove probleme 🍴.

---

10. Prediktivna umjetna inteligencija: Mehanizam za predviđanje

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

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

Prediktivna umjetna inteligencija može pomoći u odgovorima na pitanja poput:

• Koji kupci će vjerovatno otići?

• Koja transakcija izgleda sumnjivo?

• Koliko će zaliha biti potrebno?

• Koji pacijent može zahtijevati dodatnu pažnju?

• Na koji sadržaj je vjerovatno da će korisnik kliknuti?

• Koji dio mašine 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 da li to može smanjiti otpad, smanjiti rizik i poboljšati planiranje.

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

---

11. Robotika AI: Kada AI dobije tijelo 🤖

Robotika i umjetna inteligencija kombiniraju umjetnu inteligenciju s fizičkim mašinama. Ovdje umjetna inteligencija napušta ekran i počinje se kretati kroz svijet.

Primjeri uključuju:

• Roboti u skladištu

• Proizvodni roboti

• Roboti za dostavu

• Poljoprivredni roboti

• Hirurški sistemi za pomoć

• 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 s klizavim podovima, lošim osvjetljenjem, neravnim površinama, ljudima u pokretu, greškama senzora i nekim ko ostavi stolicu na najgorem mogućem mjestu.

Robotika često kombinuje nekoliko vrsta vještačke inteligencije:

• Kompjuterski vid za gledanje

• Mašinsko učenje za prilagođavanje

• Algoritmi planiranja kretanja

• Učenje s potkrepljenjem za donošenje odluka

• Obrada prirodnog jezika za ljudske komande

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

---

12. Vještačka inteligencija zasnovana na stilu obuke

Još jedan vrijedan način razmišljanja o vrstama umjetne inteligencije je prema tome kako su obučene.

Vještačka inteligencija zasnovana na pravilima

Vještačka inteligencija zasnovana na pravilima prati logiku koju je stvorio čovjek. Na primjer:

• Ako se ovo desi, uradite 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.

Vještačka inteligencija obučena za podatke

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

Ovdje se uklapaju mašinsko učenje i duboko učenje.

Hibridna umjetna inteligencija

Hibridna umjetna inteligencija kombinuje logiku zasnovanu na pravilima sa mašinskim učenjem. U mnogim praktičnim sistemima, ovo je pragmatičan izbor. Dobijate fleksibilnost sistema učenja plus kontrolu nad pravilima.

Na primjer, sistem za bankarske prevare može koristiti mašinsko učenje za otkrivanje sumnjivog ponašanja, a zatim primijeniti stroga pravila za pregled usklađenosti. Nije glamurozno. Vrlo neophodno.

---

13. Šta čini vrste vještačke inteligencije zbunjujućim?

Najveća zabuna je to što ljudi koriste AI kategorije na različite načine.

Jedna osoba može reći „Vrste vještačke inteligencije“ i misliti na usku, opštu i super inteligenciju.

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 podršci korisnicima putem umjetne inteligencije.

Svi su donekle u pravu. Dosadno, ali istinito.

VI se klasifikuje po:

• Sposobnost

• Funkcionalnost

• Metoda obuke

• Područje primjene

• Tehnička arhitektura

• Nivo autonomije

• Vrsta ulaza i izlaza

• Primjer upotrebe u industriji

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

Chatbot, na primjer, može biti:

• Suzi AI po mogućnostima

• Ograničena memorija umjetne inteligencije po funkcionalnosti

• Konverzacijska umjetna inteligencija po primjeni

• Generativna umjetna inteligencija ako stvara odgovore

• Duboko učenje umjetne inteligencije ako ga pokreću neuronske mreže

To nije pretjerana komplikacija radi zabave. Jednostavno, tako funkcioniše ova oblast.

---

14. Praktični primjeri vrsta umjetne inteligencije

Evo nekoliko svakodnevnih primjera kako bi kategorije bile lakše razumljive.

Preporuke za streaming 🎬

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

Glasovni asistenti 🎙️

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

Generatori slika 🖼️

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

Sistemi za otkrivanje prevara 💳

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

Karakteristike autonomne vožnje 🚗

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

Filteri za neželjenu poštu 📩

Ovo su klasične mašinske metode učenja umjetne inteligencije. Nisu glamurozne, ali su veoma vrijedne.

Alati za pisanje pomoću umjetne inteligencije ✍️

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

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

---

15. Prednosti razumijevanja vrsta umjetne inteligencije

Poznavanje vrsta umjetne inteligencije pomaže vam da donosite bolje odluke, posebno ako koristite umjetnu inteligenciju za posao, poslovanje, učenje ili kreiranje sadržaja.

Pomaže vam:

• Odaberite pravi alat

• Izbjegavajte nerealna očekivanja

• Razumjeti rizike

• Postavljajte bolja pitanja

• Procijenite tvrdnje o umjetnoj inteligenciji

• Pretjerivanje u spot marketingu

• Koristite vještačku inteligenciju odgovornije

• Objasnite drugima šta je vještačka inteligencija, a da pritom ne zvučite kao zbunjeni robot

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

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

Ako je sistem usko povezan sa vještačkom inteligencijom, znate da može biti odličan u jednom području, ali neefikasan izvan svog opsega.

Samo to štedi mnogo glavobolja.

---

16. Rizici i ograničenja kod različitih vrsta umjetne inteligencije ⚠️

Svaki tip vještačke inteligencije ima ograničenja. Drugačiji okus, ista zdjela supe.

Uobičajeni rizici umjetne inteligencije uključuju:

• Pristrasnost u podacima za obuku

• Netačni izlazi

• Nedostatak transparentnosti

• Zabrinutost zbog privatnosti

• Prekomjerna ovisnost

• Sigurnosne ranjivosti

• Zloupotreba

• Loš ljudski nadzor

• Brkanje tečnosti s istinom

Generativna umjetna inteligencija može izmišljati informacije. Prediktivna umjetna inteligencija može pojačati pristrasne obrasce. Kompjuterski vid može pogrešno identificirati ljude ili objekte. Konverzacijska umjetna inteligencija može frustrirati korisnike lažnim samopouzdanjem. Robotička umjetna inteligencija može uzrokovati fizičke ozljede ako je loše dizajnirana.

To ne znači da je vještačka inteligencija loša. To znači da se vještačka inteligencija treba koristiti s rasuđivanjem. Kao električni alati, ugovori ili izuzetno ljuti rezanci 🌶️.

Najbolji AI sistemi obično uključuju:

• Ljudski pregled

• Jasne granice

• Stroge prakse u vezi s podacima

• Testiranje

• Praćenje

• Objašnjivost gdje je to moguće

• Etički dizajn

• Sigurnosne kontrole

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

---

17. Koja vrsta umjetne inteligencije je najvažnija?

Ne postoji jedan najvažniji tip. To zavisi od slučaja upotrebe.

Za kreativnost, generativna umjetna inteligencija je ogromna.

Za poslovno planiranje, prediktivna umjetna inteligencija može biti vrijednija.

Za automatizaciju, mašinsko učenje i robotiku, vještačka inteligencija je važna.

Za korisničku podršku, konverzacijska umjetna inteligencija je zvijezda.

Za medicinska skeniranja ili vizualni pregled, kompjuterski vid je ključan.

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

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

Otmjena budućnost dobija naslovnice. Praktična sadašnjost plaća račune.

---

Završne napomene: Razumijevanje tipova umjetne inteligencije bez buke

Vrste umjetne inteligencije mogu se na prvi pogled činiti kompliciranima jer se kategorije preklapaju. Ali kada se odvoje mogućnosti, funkcionalnost, metoda obuke i praktična upotreba, cijela stvar postaje mnogo lakša za razumijevanje.

Uska umjetna inteligencija obavlja specifične zadatke. Opća umjetna inteligencija bi razmišljala fleksibilnije, iako to ostaje ambiciozan cilj. Super umjetna inteligencija je i dalje spekulativna. Reaktivne mašine reagiraju bez memorije, dok umjetna inteligencija s ograničenom memorijom koristi prošle podatke za poboljšanje odluka. Generativna umjetna inteligencija stvara. Prediktivna umjetna inteligencija predviđa. Razgovorna umjetna inteligencija govori. Računarski vid vidi. Robotika - umjetna inteligencija djeluje u fizičkom okruženju.

To je šira slika.

VI nije jedna stvar. To je isprepletena porodica tehnologija - neke praktične, neke eksperimentalne, neke prenaglašene, a neke zaista značajne. Ta složenost je dio razloga zašto je važna. Što jasnije razumijete vrste VI, lakše je mudro koristiti VI umjesto da samo klimate glavom kada neko na sastanku kaže "algoritam". 🤷♂️

Kratak sažetak: Glavne vrste umjetne inteligencije uključuju usku umjetnu inteligenciju, opću umjetnu inteligenciju, super umjetnu inteligenciju, reaktivne mašine, umjetnu inteligenciju ograničene memorije, umjetnu inteligenciju teorije uma, samosvjesnu umjetnu inteligenciju, generativnu umjetnu inteligenciju, prediktivnu umjetnu inteligenciju, konverzacijsku umjetnu inteligenciju, umjetnu inteligenciju računarskog vida, umjetnu inteligenciju mašinskog učenja, umjetnu inteligenciju dubokog učenja i umjetnu inteligenciju robotike. Većina umjetne inteligencije koja se danas koristi je uska, fokusirana na zadatke i pokreće je mašinsko učenje ili duboko učenje.

Primjer iz stvarnog svijeta: Izrada asistenta za trijažu korisničke podrške zasnovanog na umjetnoj inteligenciji

Scenarij

Zamislite malu online prodavnicu namještaja koja dnevno prima oko 120 e-poruka za korisničku podršku. Tim ne pokušava zamijeniti osoblje za podršku. Oni 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 istovremeno. Može koristiti konverzacijsku umjetnu inteligenciju za razumijevanje poruka kupaca, generativnu umjetnu inteligenciju za izradu odgovora, prediktivnu umjetnu inteligenciju za označavanje vjerojatnih rizika od povrata novca i umjetnu inteligenciju s ograničenom memorijom za korištenje podataka o nedavnim narudžbama ili politikama.

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

Šta je potrebno asistentu

Tim bi dao asistentu:

Politika korisničke podrške

Pravila dostave i povrata robe

Uslovi garancije

Često postavljana pitanja o proizvodu

Primjeri tona glasa

Lista pravila eskalacije

Primjeri prošlih ulaznica s ispravnim kategorijama

Jasne granice o tome šta ne smije samostalno odlučivati

Na primjer, ne bi trebalo odobravati povrat novca preko 100 funti, obećavati datume isporuke koje ne može provjeriti ili podnositi pravne zahtjeve za oštećenu robu. Ti slučajevi bi trebali biti upućeni određenoj osobi.

Primjer upute

Vi ste asistent u podršci korisnicima za online prodavnicu namještaja. Pročitajte svaku poruku kupca i odgovorite na pet pitanja: kategorija zahtjeva, nivo hitnosti, vjerovatno raspoloženje kupca, preporučena sljedeća radnja i nacrt odgovora.

Koristite samo politiku kompanije koja je navedena. Ako odgovor nije u politici, recite „Potreban je ljudski pregled“. Nemojte izmišljati datume isporuke, odobrenja povrata novca, obećanja o garanciji ili dostupnost proizvoda.

Proširite zahtjev ako kupac spomene povredu, pravni postupak, ponovljenu neuspjelu isporuku, povrat novca iznad 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 reklamacija oštećenih artikala

5 zahtjeva za povrat novca

5 pitanja o garanciji

5 ljutitih ili složenih pritužbi

Za svaki test, provjerite:

Je li odabrana prava kategorija?

Je li ispravno označio hitne slučajeve?

Da li je izbjegavalo davanje obećanja?

Je li došlo do eskalacije osjetljivih pitanja?

Da li je nacrt odgovora odgovarao tonu kompanije?

Korisno testno pitanje bi bilo:

"Moj sto je stigao sa jednom slomljenom nogom i ovo je drugi put da je dostava pošla po zlu. Želim puni povrat novca danas ili ću o ovome pisati svuda."

Slab asistent bi se mogao jednostavno izviniti i obećati povrat novca. Bolji asistent bi to klasifikovao kao oštećeni artikl plus ponovljenu reklamaciju, označio bi to kao vrlo hitno, izbjegao automatsko odobravanje povrata novca i proslijedio bi to na ljudsku provjeru.

Rezultat

Ilustrativni rezultat: zasnovan na mjerenju vremena 30 probnih tiketa prije i poslije korištenja radnog procesa.

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

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

Asistent je ispravno kategorizirao 27 od 30 tiketa u testnom setu. Ispravno je eskalirao svih 5 visokorizičnih tiketa. Dva tiketa za povrat novca su trebala izmjene formulacija jer je nacrt zvučao previše sigurno, a jedan tiketi za garanciju su smješteni u pogrešnu kategoriju.

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

Šta može poći po zlu

Najveća greška je dozvoliti asistentu da se ponaša kao da zna više nego što zaista zna. Ako je politika vraćanja 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 unošenje nepotrebnih podataka o plaćanju, adresa ili osjetljivih ličnih podataka u asistenta, osim ako sistem nije odobren za tu upotrebu.

Asistent bi također trebao biti redovno testiran. Pitanja kupaca se mijenjaju, politike se mijenjaju i proizvodi se mijenjaju. Asistent za trijažu koji je dobro radio u martu može postati rizičan nakon nove politike garancije u junu.

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 da se to procijeni je da se zapitamo koje odluke podržava, koje podatke koristi i gdje čovjek treba da to provjeri.

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 mašine, 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 kategorije se često preklapaju, tako da jedan alat može odgovarati nekoliko oznaka istovremeno. 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 po mogućnostima?

Vještačka inteligencija se po mogućnostima obično grupira u usku, opću i super vještačku inteligenciju. Uska vještačka inteligencija obavlja specifične zadatke i danas se široko koristi. Opća vještačka inteligencija bi razmišljala i učila o mnogim zadacima na ljudskom nivou, ali nije dio svakodnevne upotrebe. Super vještačka inteligencija bi premašila ljudsku inteligenciju i ostaje spekulativna.

Koja je razlika između uske i opće umjetne inteligencije?

Uska umjetna inteligencija dizajnirana je za određeni zadatak ili ograničen skup zadataka, kao što su filtriranje neželjene pošte, preporuke, chatbotovi ili otkrivanje prevare. 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 ograničena memorija umjetne inteligencije danas toliko uobičajena?

Vještačka inteligencija s ograničenom memorijom može koristiti prošle ili nedavne podatke za poboljšanje odluka, što je čini praktičnom za mnoge implementirane sisteme. Mehanizmi za preporuke, alati za otkrivanje prevara, funkcije samostalnog upravljanja i chatbotovi često se oslanjaju na ovu vrstu umjetne inteligencije. Nema svijest sličnu ljudskoj, ali se može prilagođavati na osnovu obrazaca i pohranjenih informacija.

Kako se generativna umjetna inteligencija uklapa u tipove umjetne inteligencije?

Generativna umjetna inteligencija je vrsta umjetne inteligencije koja stvara nove rezultate kao što su tekst, slike, kod, audio, video, sažeci ili ideje za dizajn. Uči obrasce iz velikih količina podataka i proizvodi sadržaj na osnovu uputa. Može pomoći u izradi nacrta, brainstormingu, podršci kodiranju i kreativnom radu, ali njeni rezultati i dalje zahtijevaju ljudsku provjeru.

Koja je razlika između mašinskog učenja i dubokog učenja?

Mašinsko učenje je grana umjetne inteligencije u kojoj sistemi uče obrasce iz podataka umjesto da slijede samo rukom pisana pravila. Duboko učenje je specijalizirani oblik mašinskog 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 šta se prediktivna umjetna inteligencija koristi u poslovanju?

Prediktivna umjetna inteligencija koristi podatke za procjenu vjerovatnih budućih ishoda. Preduzeća ih mogu koristiti za planiranje potražnje, predviđanje odliva kupaca, otkrivanje prevara, bodovanje rizika, odluke o zalihama ili predviđanje održavanja. Podržava planiranje i donošenje odluka, ali ne garantuje budućnost. Predviđanja su procjene oblikovane dostupnim podacima i kvalitetom modela.

Kako kompjuterski vid i umjetna inteligencija funkcioniraju u praktičnim sistemima?

Kompjuterski vid (AI) pomaže mašinama da interpretiraju vizuelne informacije sa slika, videa, kamera, skeniranja ili senzora. Može podržati prepoznavanje lica, detekciju objekata, inspekciju fabrika, medicinsko snimanje, detekciju saobraćaja, analizu maloprodaje, praćenje poljoprivrede i sigurnosne sisteme. Ne vidi kao osoba, ali može obrađivati ​​piksele, oblike, boje i uzorke u velikoj mjeri.

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

Kategorije umjetne inteligencije često opisuju različite stvari, kao što su mogućnosti, funkcionalnost, metoda obuke ili primjena. 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 u objašnjavanju šta sistem radi iz različitih uglova.

Koje rizike ljudi trebaju razumjeti u vezi s različitim vrstama umjetne inteligencije?

Uobičajeni rizici umjetne inteligencije uključuju pristranost, netačne rezultate, probleme s privatnošću, sigurnosne ranjivosti, nedostatak transparentnosti, preveliku 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 - Mašinsko učenje - developers.google.com

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