Ce este Inteligența Artificială? Dar Machine Learning? Algoritm? Large Language Model? Inteligența Artificială e peste tot. Pare dificil să înțelegi? Hai să simplificăm. Mai jos găsești 12 cuvinte noi pentru Dicționarul AI cu principalele concepte din Lumea Inteligenței Artificiale. Ești gata? Să începem!
01 Ce este Inteligența Artificială (AI)
Inteligența artificială (AI) este capacitatea unei mașini de a simula gândirea umană, sau, cum zice Oracle despre AI – activitate, care înainte necesita o contribuție umani precum comunicarea cu clienții, jocul în șah.
Inteligența Artificială este aplicată în asistența virtuală, diagnostice medicale, traduceri automate. Aceasta poate contribui la o economie mai inovatoare, mai eficientă, mai durabilă și mai competitivă. Descarcă PDF: Ce este Inteligența artificială și cum este Utilizată.
Conform Wikipedia, Inteligența Artificială este studiu al „agenților inteligenți”: orice dispozitiv care își percepe mediul și efectuează acțiuni care maximizează șansa de a-și atinge cu succes obiectivele. Uite aici găsești: exemple de utilizare a Inteligenței Artificiale descrise de Parlamentul European. Apropo, tot aici se zice:
61 % dintre europeni au o părere favorabilă despre IA și roboți, dar 88 % spun că aceste tehnologii impun un management atent
Sondaj European depsre Digitalizare, 2017
Termenul de inteligență artificială a fost inventat în 1956, la o conferință științifică la Universitatea Dartmouth din Hanovra, New Hampshire. Aici poți afla detalii despre: Istoria AI, Tipuri, Beneficii, Tehnologii, inclusiv Provocările Inteligenței artificiale. Iar aici găsești un PDF din poți afla despre Inteligența artificială din Perspectiva Etică.
Vrei să știi poziția Uniunii Europene cu Privire la Inteligența Artificială? Aici găsești: Actul EU cu privire la Inteligența Artificială sau aici, pe scurt: tot ce trebuie să știi despre Actul Uniunii Europene cu privire la AI.
02 Ce este și ce înseamnă Machine Learning (ML)
Machine Learning sau învățarea automată este o ramură a Inteligenței Artificiale care se ocupă cu dezvoltarea tehnicilor de învățare la calculatoare și mașini. Efectiv, dezvoltă programe care pot generaliza pe baza unor exemple.
Nvidia spune că Machine Learning înseamnă să aplici algoritmi și statistici pentru a găsi tipare repetitive în cantități masive de informații, ca mai apoi să facă predicții sau să genereze informații noi pe baza acestor tipare repetitive.
Cu alte cuvinte, Machine Learning, conform Intel, transformă un volum masiv de date greu de analizat și percept – în informații mai simple, exacte, percepute de om.
Youtube îți sugerează Clipuri Video pe Homepage pentru că – Machine Learning. Netflix îți recomandă filme pe același principiu. Procesul de Machine Learning (algoritmii) învață ceea ce urmărești tu și îți oferă recomandări.
Te întrebi, care este diferența dintre Inteligența Artificială și Machine Learning? Ele sunt strâns legate. Aici Microsoft explică interacțiunea dintre Inteligența Artificială și Machine Learning.
Dacă îți este interesant, aici IBM explică mai detaliat cum funcționează Machine Learning, metodele, algoritmii, avantajele și dezavantajele acestui proces. Iar aici găsești 7 Lecții de la Google despre Introducere în Machine Learning:
03 Ce este și ce înseamnă Deep Learning (DL)
Deep Learning (învățare profundă) este o subcategorie din Machine Learning. Dacă Machine Learning înseamnă să analizezi volumele mari de data pentru a identifica tipare repetitive și a ajuta (într-un fel) Inteligența Artificială să ia Decizii, Machine Learning folosește rețelele neuronale pentru a învăța computerele să facă ceea ce fac oamenii. De exemplu:
Învață să efectueze sarcini de clasificare din date precum imagini, text sau sunet și atinge performanțe peste nivelul (capacitățile) uman.
Oracle ne dă o analogie despre ce este Deep Learning: motorul multor tehnologii de inteligență artificială (AI) care pot îmbunătăți automatizarea și sarcinile analitice.
Machine Learning se aplică în: recunoașterea imaginilor, recunoașterea vocală, prelucrarea limbajului natural, recunoașterea audio, filtrarea în rețele sociale, traducerea automată, bioinformatica, proiectarea de medicamente, analiza de imagini medicale, inspeciția materialelor și divertisment.
Cum funcționează Deep Learning? Explicație de la Nvidia: prin exemplificarea procesului de recunoaștere facială. Procesul de învățare a caracteristicilor faciale (precum ochii, nasurile din multe fețe) pentru a identifica persoana specifică seamănă cu procesul prin care tu îți recunoști prietenii după trăsăturile lor:
Află aici: cum Explică Google ce este Deep Learning, aici ai o explicație avansată despre ce este și cum funcționează Deep Learning. iar aici ai un raport Gartner despre procesul decizional din Data Science și Deep Learning.
02 Ce este Inteligența Artificială Generativă (Generative AI)
Inteligența Artificială Generativă (Generative AI) este o ramură AI care creează texte, poze, video, muzică. Cum? Ele învață tiparele unor date și apoi generează altele, noi, pe baza tiparelor studiate.
Dacă Inteligența Artificială recunoaște modele și automatizează sarcini repetitive, atunci Inteligența Artificială Generativă – creează, personalizează și inovează soluții. E ca și cum ai arăta unui prieten 40 de poezii pe care le-ai scris, iar el a doua zi ar scrie o poezie nouă în stilul tău. Ce zici?
Exact. Poate fi Creativ – generează conținut nou, compune. Puterea inteligenței artificiale generative depășește cu mult jocul de cuvinte. Citește aici o comparație dintre AI și AGI de la Adobe.
Uite aici găsești Poziția Uniunii Europene cu privire la Inteligența Artificială Generativă în Proprietatea Intelectuală.
Vrei să știi ce spun Corporațiile despre Inteligența Artificială Generativă? Aici un Raport cu Statistici din Sondaje, inclusiv despre Nivelul de Adopție AGI.
05 Ce este și ce înseamnă Rețea Neurală
Rețelele Neurale ansamblul de elemente de procesare simple, puternic interconectate, care interacționează cu mediul înconjurător într-un mod asemănător creierului uman și care prezintă capacitatea de a învăța. Ele sunt compuse din neuroni artificiali, sunt parte a inteligenței artificiale și își au, conceptual, originea, în biologie.
Neuronul artificial reprezintă unitatea elementară într-o reţea neurală artificială.
Aşa cum neuronul biologic are dendrite şi axoni, neuronul artificial are o structură arborescentă simplă, cu noduri de intrare şi un nod de ieşire conectat la toate nodurile de intrare.
Imaginează-ți o linie de asamblare la o fabrică. Pe această linie de asamblare, un lucrător primește un articol, îi face unele ajustări și apoi îl transmite următorului lucrător din linie care face același lucru. Acest proces continuă până când ultimul muncitor din linie pune obiectul final și îl pune pe o curea care îl va scoate din fabrică. În această analogie, există mai multe „straturi” la linia de asamblare, iar produsele se deplasează între straturi pe măsură ce se deplasează de la muncitor la muncitor. Linia de asamblare are, de asemenea, un punct de intrare și un punct de ieșire. Citește chiar aici: explicațiile despre ce sunt rețelele neuronale artificiale.
Unele Idei despre Rețelele Neuronale au apărut în urmă cu 60 de ani. Află aici despre Arhitectura unei Rețele Neurale: sau aici despre Scheme, Aplicații, Funcții ale unei Rețele Neurale.
06 Ce este și ce înseamnă Algoritm AI
Algoritm este o metodă (procedură de calcul) în care se prezintă pașii sau operațiile pentru a rezolva o problemă sau o categorie de probleme.
Cu alte cuvinte, Rezolvarea unei Probleme are un număr limitat de operații, care trebuie să fie clar exprimate. În Informatică un pas înseamnă o operație sau o instrucțiune.
În informatică, citește și scrie sunt 2 instrucțiuni care se regăsesc în toți algoritmii. Când este specificat citește înseamnă că urmează să comunici algoritmului informații, iar când este specificat scrie, înseamnă că după ce algoritmul se încheie (în urma desfășurării lui) se vor obține alte informații.
Spre Exemplu:
- Pasul 1 – citește latura A
- Pasul 2 – calculează produsul AxA
- Pasul 3 – scrie produsul ca fiind aria pătratului
Parlamentul European definește Algoritmii drept un set de reguli și instrucțiuni, de obicei exprimate în cod informatic, concepute pentru a rezolva o problemă. Aceștia pot fi aplicați la orice, de la asistență medicală la ocuparea locurilor de muncă.
07 Ce sunt Halucinațiile LLM (Hallucinations)
Halucinația Inteligenței Artificiale este un fenomen în care un model de limbaj mare (LLM) percepe tipare sau obiecte care nu există și prin asta generează răspunsuri greșite sau fără sens.
Apropo, ai știut? Dicționarul Cambridge a desemnat verbul „A halucina” ca fiind cuvântul anului 2023. Citește aici întreaga știre, precum și despre definiţia tradiţională a cuvântului „a halucina”.
Faptul că AI-ul poate «halucina» ne aminteşte că oamenii au în continuare nevoie să-şi aducă abilităţile de gândire critică în folosul acelor instrumente
Wendalyn Nichols, Editor al Dicționarului Cambridge
Termenul poate părea paradoxal, având în vedere că halucinațiile sunt de obicei asociate cu creierul uman sau animal, nu cu mașinile. Dar metaforic, halucinația descrie cu exact rezultatul, mai ales în cazul modelelor text to image (care generează imagini).
Halucinațiile AI seamănă cu modul în care oamenii văd uneori figuri în nori sau fețe pe Lună. LLM-urile pot halucina din cauza diverșilor factori, de la erori de supraadaptare în codificare și decodare până la prejudecățile de antrenament. Click pe link și citește în ce cauzează halucinațiile LLM.
Nu există niciun alt motiv pentru care apar halucinații, susțin cei de la Google, explicând că este doar o problemă cauzată de cantitatea insuficientă de informații pe care se bazează tehnologie, ceea ce duce la presupuneri incorecte. Află aici de ce Halucinațiile AI nu sunt rele în toate cazurile.
Este inteligența artificială un pericol pentru mediul academic? Citește discuția cu profesori universitari și studenți din România despre Halucinațiile ChatGPT.
Google spune că Halucinațiile AI pot lua multe forme și dă exemple:
- Predicții incorecte: Modelul AI prezice că un eveniment va avea loc atunci când este puțin probabil să se întâmple. De exemplu, Model AI pentru prognozarea timpului poate prezice ploaie pe mâine, când aceasta nu există în prognoză.
- Positive false: Modelul AI, poate identifica ceva ca fiind o amenințare atunci când nu este. De exemplu, în detectarea fraudelor financiare modelul AI poate semnala o tranzacție ca fiind frauduloasă atunci când nu este.
- Negative false: Modelul AI poate să NU identifice ceva ca fiind o amenințare atunci când este. De exemplu, un model AI care este utilizat pentru a detecta cancerul poate să nu identifice o tumoare cancerogenă.
Un studiu realizat de Vectara, startup de inteligență artificială, a constatat că chatboții AI au inventat informații între 3 și 27% din cazuri, în funcție de bot.
08 Ce este și ce înseamnă Large Language Model
Large Language Model, Model de Limbaj Mare sau, prescurtat, LLM, este un tip de inteligență artificială (AI) care poate recunoaște și genera text. Este instruit pe seturi uriașe de date – de unde și numele „mari” și pe învățarea automată: tip de rețea neuronală numită Model Transformer.
Mai simplu? Un LLM este un program de calculator care a fost alimentat cu suficiente exemple pentru a putea recunoaște și interpreta limbajul uman.
Conform Hewlett Packard, Large Language Model (LLM) e o tehnologie avansată de AI care se concentrează pe analiza și înțelegerea textului. Evident, un LLM necesită o mulțime de date de instruire, cum ar fi cărți și articole, pentru a învăța cum funcționează limba. Poate genera răspunsuri semnificative și oferi informații valoroase prin procesarea unor cantități mari de text. LLM-urile sunt bune pentru traduceri, răspunsuri la întrebări și sarcini legate de text.
LLM este o descoperire semnificativă în inteligența artificială și sunt ușor accesibile publicului prin interfețe precum Chat GPT-3 și GPT-4 de la Open AI, modelele Llama de la Meta și modelele PaLM, mai nou IBM a lansat Granite Model.
Vezi imaginea de mai jos? Dacă vrei să cunoști mai multe, află aici detaliile despre cum funcționează un Large Language Model, sau privește video aici – ce este un large language model, tot ce trebuie știi despre LLM într-un ghid complet.
09 Ce este și ce înseamnă Computer Vision
Nvidia explică – Computer Vision are scopul de a înțelege conținutul videoclipurilor și imaginilor statice; formulează informații utile din ele pentru a rezolva o gamă largă de probleme. Este o subcategorie din inteligența artificială (AI) și Deep Learning.
Computer Vision înseamnă transformarea imaginilor vizuale în descrieri – proces, care poate fi văzut ca dezlegarea informațiilor simbolice din datele imaginii prind modele construite cu ajutorul geometriei, fizicii, statisticii și teoriei învățării.
Computer Vision este viitorul automatizării. Click pe link și află detaliat ce este viziunea computerizată, Cum funcționează Computer Vision, Istoria vederii computerizate, aplicațiile și limitările instrumentelor actuale. Sau vezi cum Explică IBM ce este Computer Vision (include și video).
Exemplu real: Tehnologia de recunoaștere facială folosită de smartphone-uri pentru deblocare sau de camerele de supraveghere pentru identificarea persoanelor este un exemplu de computer vision.
10 Ce este și ce înseamnă Big Data
Big Data, conform Parlamentului European, se referă la cantități mari de date produse foarte rapid de un număr mare de surse. Datele pot fi create de oameni sau de mașini.
Big Data este caracterizată prin: volumul mare de date generat, varietatea extinsă a tipurilor de date stocate și prelucrate și viteza cu care se generează, colectează și prelucrează datele. Big Data urmează principiul potrivit căruia „cu cât știi mai multe despre ceva, cu atât mai fiabile vor fi noile cunoștințe pe care le poți dobândi și predicțiile pe care le vei face despre ceea ce se va întâmpla în viitor.”
Vezi și: Big Data – implicații pentru drepturile omului și sistemul justiției. Citește inclusiv: ce este Big Data, care sunt Avantajele și Provocările pentru oameni, companii și mediu, iar aici istoricul Big Data, cazuri de utilizare și cele mai bune practici.
