Tehisintellekti (AI) põhitõed Linuxi kasutajatele – kolmas osa

Jah, Kas teile meeldisid meie kaks esimest postitust, mis olid seotud tehisintellekti (AI) õppimisega Linuxi kasutajatele?Seega hindate täna tõenäoliselt seda kolmandat osa, kus käsitleme mitmeid selle tehnoloogiavaldkonnaga seotud kõige olulisemaid kontseptsioone ja termineid. Ja kui te pole eelmisi kahte osa lugenud, tahaksime selgitada, et Teises osas käsitleme mõte erinevusest Sümboolne tehisintellekt ja konnektsionistlik tehisintellekt ja selle tehnoloogiavaldkonna ajaloolistele verstapostidele viimase 100 aasta jooksul. Arvestades, et Esimeses osas keskendume en Mis on tehisintellekt ja millised on juba loodud erinevad tüübid? (kitsas ehk nõrk, generatiivne ja agent) ja mida eeldatavasti luuakse (üldine ehk tugev ja tehislik superintellekt).

Ja nagu eelmistelgi kordadel, pidage meeles, et just nagu omal ajal elekter, raadio, televisioon, arvutid, telefonid, internet ja sotsiaalvõrgustikud; Tehisintellekt on tehnoloogia, mis on saabunud selleks, et olla sügavalt integreeritud kõigesseJa seda kõike tänu meie väärtusliku aja ja kulukate töötundide kokkuhoiule ning meie produktiivsemaks, loovamaks ja mitmekülgsemaks muutmisele; ja seda kindlasti... Vähehaaval tõrjub see välja need, kellel on selle olemasolust ja toimimisest kõige vähem aimu.Seega pole midagi paremat kui hakata kõige sellega seonduva kohta konteksti uurima.

Aga enne kui me sellesse süveneme "Põneva ja üllatava tehisintellekti valdkonna kolmas osa"Ja täpsemalt seoses mõne kõige olulisema kontseptsiooni ja terminiga, mida tuleks kaaluda, mõista ja omandada, soovitame uurida järgmist selle väljaannete seeria varasemad ja hiljutised seotud väljaanded, pärast selle lugemise lõpetamist:

Tehisintellekti põhitõed – kolmas osa: seotud mõisted ja terminid

20 olulist mõistet ja terminit, mida tehisintellekti valdkonnas alati mainitakse

1. Hallutsinatsioonid

Hallutsinatsioon viitab olukorrale, kus tehisintellekti süsteem, eriti loomuliku keele töötlemisega tegelev süsteem, hakkab genereerima tulemusi, mis võivad antud sisendi põhjal olla ebaolulised, mõttetud või valed. See juhtub sageli siis, kui tehisintellekti süsteem pole kontekstis kindel, tugineb liiga palju oma treeningandmetele või tal puudub teemast piisav arusaam.

2. Masinõpe

Tehisintellekti alamvaldkond, mis hõlmab algoritmide ja statistiliste mudelite väljatöötamist, mis võimaldavad masinatel kogemuste abil oma jõudlust parandada. Näiteks masinõppe algoritm, mis suudaks ennustada klientide lahkumise tõenäosust varasema käitumise põhjal. Tänu masinõppeprogrammile õpib masin näidete põhjal probleeme lahendama: seeläbi saab see andmeid võrrelda ja liigitada ning isegi keerulisi kujundeid ära tunda.

3. Sügavõpe

Masinõppe alamvaldkond, mis kasutab andmetest õppimiseks mitmekihilisi närvivõrke, mis tähendab, et see kasutab järjestikuste kihtide õppimiseks üha tähendusrikkamaid andmeesituse kihte erinevaid närvivõrgu struktuure. Praegu on see tehisintellekti seas populaarseim valdkond. See tekkis masinõppe algoritmide kombineerimisel formaalsete närvivõrkudega ja suurandmete kasutamisega.

4. Suured andmed

Suurandmed on infotehnoloogia haru, mis uurib suurte andmekogumite käsitlemisega kaasnevaid raskusi. Neid nimetatakse ka makroandmeteks ja need viitavad suurtele ja keerukatele andmekogumitele, mis on sageli liiga suured või mitmekesised, et neid traditsiooniliste meetoditega töödelda. Lisaks pärinevad need erinevatest allikatest (sotsiaalvõrgustikud, andurid jne) ja nende analüüsimiseks ning kasuliku teabe eraldamiseks on vaja täiustatud tehnikaid, näiteks tehisintellekti ja masinõpet.

5. Andmekogum

Andmestik on andmete kogum, mis on tavaliselt struktureeritud tabelina. See on organiseeritud andmekogum, mida kasutatakse tehisintellekti mudelite treenimiseks, testimiseks või valideerimiseks. See võib sisaldada teksti, pilte, videoid või muud tüüpi teavet, mis on tavaliselt märgistatud, et võimaldada masinõppe algoritmidel mustreid ära tunda ja ennustusi teha.

6. Modellkoolitus

Mudeli treenimine on protsess, mille käigus kasutatakse andmestikku tehisintellekti või masinõppe mudeli õpetamiseks konkreetse ülesande, näiteks klassifitseerimise või ennustamise, täitmiseks. Mudel kohandab oma parameetreid esitatud näidete põhjal, et parandada oma täpsust uute andmetega.

7. Tõhustatud genereerimine taastumise teel

RAG (Retrieval-Augmented Generation ehk otsingu-täiustatud genereerimine) on meetod, mis võimaldab tehisintellektil enne vastuse genereerimist päringuid teha välistest andmebaasidest või otsida internetist uut ja ajakohastatud teavet. Selle asemel, et kogu mudelit uute andmetega ümber õpetada, toimib RAG tehisintellekti jaoks omamoodi "reaalajas koolitusena". See on väga kasulik, sest see sunnib süsteemi toetuma konkreetsetele ja kontrollitud dokumentidele, mis vähendab oluliselt tehisintellekti poolt teabe fabritseerimise (hallutsinatsioonide) riski.

8. GPT (generatiivne eelkoolitatud trafo)

Need on OpenAI poolt välja töötatud keelemudelite perekond, mis kasutavad närvivõrke teksti loomulikuks mõistmiseks ja genereerimiseks. Need GPT (Generative Pretrained Transformer) mudelid kasutavad arhitektuuri nimega Transformer, mis võimaldab neil analüüsida juhiseid ja ennustada kõige tõenäolisemat vastust, tuginedes massiivsete andmekogumitega treenimisele. Seetõttu suudab GPT jäljendada inimkeele mõistmise võimet.

9. Loomuliku keele genereerimine (Loomuliku keele genereerimine)

Loomuliku keele genereerimine on tehisintellekti alamvaldkond, mis hõlmab arusaadavate tekstide või kõne automaatset loomist inimkeeles. See võimaldab masinal muuta toorandmed loomulikeks lauseteks või lõikudeks, näiteks automatiseeritud kokkuvõteteks või virtuaalseteks assistentideks.

10. Kiire inseneritöö

See on kunst luua päringutele juhiseid sisukate generatiivsete väljundite saavutamiseks – see tähendab täpsemate, produktiivsemate ja uuenduslikumate väljundite saamiseks. Teisisõnu, see on teadus genereerivale tehisintellektile antavate juhiste kujundamisest, optimeerimisest ja täiustamisest. Selle eesmärk on suunata tehisintellekti saama täpseid, asjakohaseid ja kvaliteetseid vastuseid, toimides suhtlussillana, et vältida üldisi või ekslikke tulemusi.

11. Mudel

Mudel on objekt, mis esindab õppealgoritmi väljundit. Seega on see see, mida tehisintellekt kasutab väljundennustuste tegemiseks. Näiteks alusmudelid on lai tehisintellekti mudelite kategooria, mis hõlmab suuri keelemudeleid ja muud tüüpi mudeleid, näiteks arvutinägemise ja tugevdusõppe mudeleid. Neid nimetatakse "alusmudeliteks", kuna need on rakenduste loomise aluseks, mis käsitlevad laia valikut valdkondi ja kasutusjuhtumeid.

12. Suured keelemudelid

Need on süvaõppe mudelid, mida treenitakse suurel andmestikul loomuliku keele mõistmise ja genereerimise ülesannete täitmiseks. Tuntud mudelite hulka kuuluvad BERT, PaLM, GPT-2, GPT-3, GPT-3.5 ja uuenduslik GPT-4. Need mudelid erinevad suuruse (reguleeritavate parameetrite arv), täidetavate ülesannete ulatuse (kodeerimine, vestlus, teaduslikud jne) ja teadmistebaasi poolest, millel neid treeniti.

13. Väikeste keelte mudelid

Need on suurte keelemudelite ehk LLM-ide taskuformaadis versioonid. Mõlemad kasutavad masinõppe tehnikaid, mis aitavad neil mustreid ja seoseid ära tunda, et nad saaksid luua realistlikke loomuliku keele vastuseid. Kuid kuigi LLM-id on tohutud ja vajavad palju arvutusvõimsust ja mälu, treenitakse väikeseid keelemudeleid, näiteks Phi-3, väiksemate, paremini kureeritud andmekogumite peal ning neil on vähem parameetreid, mistõttu on need kompaktsemad ja isegi võrguühenduseta kasutatavad.

14. Eelarvamus

Need on tehisintellekti mudeli andmete kohta tehtud eeldused. „Eelarvamuse ja dispersiooni kompromiss“ on tasakaal, mis tuleb leida mudeli andmete kohta tehtud eelduste ja mudeli ennustuste muutumise vahel erinevate treeningandmete korral. Induktiivne eelarvamus on eelduste kogum, mida masinõppe algoritm teeb andmete aluseks oleva jaotuse kohta.

15. Loomuliku keele töötlemine

See on interdistsiplinaarne valdkond, mille keskne idee on anda masinatele võime lugeda ja mõista keeli, mida inimesed räägivad. Looduskeele töötlemise uuringud püüavad vastata küsimusele, kuidas inimesed suudavad aru saada räägitud või kirjutatud lause tähendusest ning kuidas nad mõistavad, mis juhtus, millal ja kus see juhtus; ning erinevusi oletuse, uskumuse ja fakti vahel. Seega hõlmab see arvutite programmeerimist tohutu hulga keeleandmete töötlemiseks ja keskendub vabas vormis teksti muutmisele standardiseeritud struktuuriks.

16. Viip

Vihje on arvutisüsteemile antud juhis või juhiste kogum (sisend), mis genereerib vastuse. Tehisintellekti kontekstis on see mudelile antud esialgne juhis, käsk, küsimus, päring või tekstiline avaldus, mis suunab ja suunab konkreetse vastuse või väljundi genereerimist. Vihje toimib tehisintellekti jaoks stiimuli või päästikuna, näidates oodatava vastuse teemat, stiili, suunda või tüüpi. Vihje sõnastus (selle raamimine) määrab otseselt saadud tulemuste kvaliteedi ja asjakohasuse.

17. Neuraalvõrk

Need on arvutuslikud mudelid, mis põhinevad suurel hulgal lihtsatel närviüksustel (kunstlikel neuronitel) ja on ligikaudu analoogsed bioloogiliste ajude neuronite aksonites täheldatud käitumisega. Need on süvaõppe põhilised tööüksused. Lisaks on see masinõppe mudel, mis võimaldab mustrite äratundmist ja probleemide lahendamist, mis põhineb masinõppel või süvaõppel ning püüab modelleerida inimaju analüütilisi mehhanisme.

18. Trafo

Transformerid esindavad teatud tüüpi närvivõrgu arhitektuuri, mis on loodud järjestikuste andmete, näiteks teksti, töötlemiseks. Transformerid õpivad konteksti ja sellest tulenevalt ka tähendust. Nad jäädvustavad järjestuse eri elementide (sõnad, laused) vahelisi seoseid paralleelselt, mitte järjestikku nagu traditsioonilised mudelid. Transformerid on edukate mudelite, näiteks GPT ja BERT, aluseks ning neid kasutatakse loomuliku keele töötlemise ülesannete jaoks.

19. Märk

Tehisintellekti žetoon on andmeüksus (sõnad, sõnaosad, tähemärgid või sümbolid), mida keeleõppemudelid (nt GPT või Gemini) kasutavad teksti töötlemiseks, mõistmiseks ja genereerimiseks. See on „valuuta“ ehk oluline teabeosa, mida tehisintellekt loeb ja analüüsib, võimaldades tal inimkeelt hallatavateks (arvutatavateks) osadeks jagada. Sellest tulenevalt töötlevad tehisintellekti mudelid žetoone, et mõista nendevahelisi seoseid ja avada selliseid võimeid nagu ennustamine, genereerimine ja arutluskäik. Mida kiiremini žetoone töödeldakse, seda kiiremini saavad mudelid õppida ja reageerida.

20. Ristvalideerimine

See on meetod, mida kasutatakse analüüsi tulemuste hindamiseks ja masinõppemudelite ennustuste täpsuse tagamiseks. Seega on see masinõppemudelite hindamise tehnika, mis keskendub andmestiku jagamisele mitmeks alamhulgaks (või "voldiks"). Seejärel treenitakse mudelit mõne alamhulga peal ja testitakse teiste peal. See võimaldab mudeli toimivust usaldusväärsemalt hinnata, vähendades üleõppimist.

Teised tehisintellekti põhitõed, mida tasub selles kolmandas osas uurida, mõista ja omandada

Need on vaid mõned paljudest mõistetest ja terminitest, mis on tõeliselt teadmist, mõistmist ja omandamist väärt. selles kaasaegses ja uuenduslikus tehisintellekti valdkonnas. Seetõttu pakume teile pakutava teabe laiendamiseks ja teie hõlpsaks juhendamiseks seda Huvitav infograafik loodud tehisintellekti abil et anda teile väike ettekujutus teistest, mis on sama olulised ja olulised:

Kokkuvõte

Ühesõnaga loodame, et see "Põneva ja üllatava tehisintellekti valdkonna kolmas osa" rõhuasetusega generatiivsele tehisintellektile (GAI), võisite olla veidi rohkem kaasa aidanud teie teadmiste ja oskuste tugevdamisele ja suurendamisele selles kaasaegses ja uuenduslikus valdkonnas. Ärge unustage, et Tehisintellekt ja robootika muudavad maailma ja seda, kuidas me oma elu elame.Ja et tulevastel aastatel, kui kvantarvutus muutub kaubanduslikult kättesaadavaks ja kvantenergia (Casimiri efekti kaudu toodetud) on kogu inimkonnale laialdaselt kättesaadav, võib see olla täiesti erinev sellest, kuidas me seda täna kogeme. Seega on parem tehisintellekti kohta praegu õppida, kui homme keelduda ja kahetseda. Ja muidugi ärge unustage jätkata osalemist, panustamist ja meie armastatud ja väärtusliku Linuxverse'i toetamist.

Lõpuks pidage meeles külastage meie «avalehele» hispaania keelesVõi mis tahes muus keeles (lisades lihtsalt meie praeguse URL-i lõppu kaks tähte, näiteks: ar, de, en, fr, ja, pt ja ru, paljude teiste hulgas), et leida rohkem uusimat sisu.