Aké sú typy umelej inteligencie? [Video a kvíz]

Stručná odpoveď: Typy umelej inteligencie sa najlepšie chápu podľa schopnosti, funkčnosti, štýlu trénovania a prípadu použitia. Úzka umelá inteligencia je dnes bežná, zatiaľ čo všeobecná umelá inteligencia a super umelá inteligencia zostávajú teoretické. Pri výbere nástroja priraďte kategóriu k úlohe, súvisiacim rizikám a potrebe ľudského preskúmania.

Kľúčové poznatky:

Klasifikácia: Pred porovnaním systémov oddeľte schopnosti, funkčnosť, metódu trénovania a prípad použitia.

Ľudská kontrola: Predtým, ako sa na generatívne, prediktívne a konverzačné výstupy spoľahnete, skontrolujte ich.

Transparentnosť: Opýtajte sa, aké dáta, logika a obmedzenia formujú každý systém umelej inteligencie.

Zodpovednosť: Udržujte ľudí zodpovedných, keď umelá inteligencia ovplyvňuje rozhodnutia, používateľov alebo bezpečnosť.

Kontrola rizík: Pred nasadením otestujte zaujatosť, súkromie, bezpečnosť a zneužitie.

---

1. Aké sú typy umelej inteligencie?

Keď sa ľudia pýtajú: „Aké sú typy umelej inteligencie?“, zvyčajne majú na mysli jednu z dvoch vecí:

Môžu sa pýtať na umelú inteligenciu na základe jej schopností, napríklad či dokáže vykonávať iba jednu úlohu alebo uvažovať v širších súvislostiach spôsobom podobným ľudskému.

Alebo sa môžu pýtať na umelú inteligenciu na základe funkčnosti, teda ako sa systém správa, učí, pamätá si, predpovedá alebo reaguje.

Tu sa veci trochu zamotúvajú. UI nie je zoskupená do jednej čistej škatule. Je to skôr ako triedenie kuchynského náradia podľa veľkosti, účelu, ostrosti a toho, či ho váš ujo kúpil v pochybnom internetovom obchode. Rôzne klasifikačné systémy sa prekrývajú.

Medzi hlavné kategórie zvyčajne patria:

• Úzka umelá inteligencia

• Všeobecná umelá inteligencia

• Super umelá inteligencia

• Reaktívne stroje

• Obmedzená pamäť umelej inteligencie

• Teória mysle AI

• Sebavedomá umelá inteligencia

• Strojové učenie umelej inteligencie

• Hlboké učenie umelej inteligencie

• Generatívna umelá inteligencia

• Prediktívna umelá inteligencia

• Konverzačná umelá inteligencia

• Počítačové videnie s umelou inteligenciou

• Robotická umelá inteligencia

Niektoré z nich sa bežne používajú. Niektoré sú stále prevažne teoretické. Niektoré znejú futuristicky, ale sú už zabudované do každodenných aplikácií. Hranica medzi „bežným softvérom“ a „umelou inteligenciou“ sa časom tiež stiera.

---

2. Typy umelej inteligencie podľa schopností

Prvým hlavným spôsobom klasifikácie umelej inteligencie je podľa toho, čo dokáže. Toto je pohľad z celkového hľadiska 🧠.

Úzka umelá inteligencia

Úzka umelá inteligencia, nazývaná aj slabá umelá inteligencia, je navrhnutá na vykonávanie špecifickej úlohy alebo obmedzeného súboru úloh. Je to umelá inteligencia, ktorú ľudia používajú každý deň.

Medzi príklady patria:

• Odporúčania pre vyhľadávanie

• Filtre spamu

• Hlasoví asistenti

• Systémy rozpoznávania tváre

• Chatboty

• Nástroje na odporúčanie produktov

• Nástroje na odhaľovanie podvodov

• Aplikácie na preklad jazykov

Úzka umelá inteligencia môže byť silná, ale nie je „mysliaca“ v širšom ľudskom zmysle. Šachová umelá inteligencia môže poraziť veľmajstra, ale nemôže sa zrazu rozhodnúť stať sa cukrárom. Prekladový model dokáže preložiť odsek, ale nevníma jazyk tak, ako ho vníma človek.

Úzko zameraná umelá inteligencia je však ťažným koňom moderného sveta umelej inteligencie. Nie je síce očarujúca v sci-fi zmysle, ale v zákulisí riadi veľkú časť diania 🎭.

Všeobecná umelá inteligencia

Všeobecná umelá inteligencia označuje umelú inteligenciu, ktorá dokáže rozumieť, učiť sa, uvažovať a aplikovať vedomosti v mnohých rôznych úlohách na ľudskej úrovni.

Jednoducho povedané: nerobilo by dobre len jednu vec. Mohlo by sa prispôsobiť.

Skutočná všeobecná umelá inteligencia by potenciálne mohla:

• Učte sa neznáme úlohy

• Zdôvodnenie v rôznych predmetoch

• Riešiť nové problémy

• Prenos vedomostí z jednej oblasti do druhej

• Hlbšie pochopenie kontextu

• Robte rozhodnutia s flexibilným úsudkom

Tento druh umelej inteligencie je stále skôr cieľom než každodennou realitou. Ľudia o nej veľa hovoria, pretože je fascinujúca, možno trochu znepokojujúca a ako koncept je ťažké jej odolať. Bežné nástroje, ktoré píšu text, generujú obrázky alebo odpovedajú na otázky, však nie sú automaticky všeobecnou umelou inteligenciou. Môžu sa zdať všeobecné, ale stále fungujú v rámci navrhnutých limitov.

Super umelá inteligencia

Super umelá inteligencia by presiahla ľudskú inteligenciu. Nielen rýchlejšie písanie alebo lepšiu matematiku – ale aj lepšie uvažovanie, kreativitu, stratégiu, učenie a možno aj emocionálne alebo sociálne porozumenie.

Toto je najšpekulatívnejšia kategória. Vyvoláva obrovské množstvo otázok:

• Kto to ovláda?

• Dá sa to zladiť s ľudskými hodnotami?

• Pochopilo by správne ľudské ciele?

• Mohlo by sa to samo zlepšiť?

• Čo sa stane, ak prijme rozhodnutia, ktoré ľudia nedokážu dodržať?

Super AI je miesto, kde sa rozhovory o AI niekedy menia na filozofickú polievku. Cennú polievku, možno, ale stále polievku 🍲.

---

3. Typy umelej inteligencie podľa funkčnosti

Ďalším bežným spôsobom vysvetlenia typov umelej inteligencie je funkčnosť. Táto definícia sa zameriava na to, ako sa umelá inteligencia správa.

Reaktívne stroje

Reaktívne stroje sú najjednoduchším typom umelej inteligencie. Reagujú na aktuálny vstup bez použitia pamäte z minulých skúseností.

Neučia sa postupom času tak, ako to robia moderné adaptívne systémy. Pozrú sa na situáciu, spracujú ju a reagujú.

Predstavte si ich takto: „Vstup prichádza. Výstup odchádza. Žiadne záznamy do denníka.“

Reaktívna umelá inteligencia môže byť stále pôsobivá. Môže analyzovať možné pohyby v hre alebo reagovať na jasne definovanú situáciu s extrémnou rýchlosťou a presnosťou. Nevytvára si však osobnú históriu ani sa nevyvíja na základe minulých interakcií.

Obmedzená pamäť umelej inteligencie

Umelá inteligencia s obmedzenou pamäťou dokáže na lepšie rozhodovanie použiť minulé údaje. V tejto kategórii sa nachádza veľká časť dnešnej praktickej umelej inteligencie.

Medzi príklady patria:

• Systémy odporúčaní, ktoré sa učia zo správania používateľov

• Systémy autonómnych vozidiel analyzujúce aktuálne podmienky na cestách

• Chatboti si pamätajú kontext v rámci konverzácie

• Modely detekcie podvodov sa učia zo vzorcov transakcií

• Nástroje prediktívnej analytiky využívajúce historické údaje

Obmedzená pamäť neznamená „zlú pamäť“. Znamená to, že systém dokáže používať uložené alebo nedávne dáta, ale nemá ľudské vedomie ani dlhodobé osobné skúsenosti. Môže to však byť veľmi efektívne. Niekedy až otravne efektívne – napríklad keď nákupná aplikácia vie, čo chcete, skôr ako si to priznáte 🛒.

Teória mysle AI

Teória mysle AI by chápala emócie, presvedčenia, zámery a sociálne signály ľudskejším spôsobom.

Tento typ umelej inteligencie by nielen spracovával slová. Usudzoval by aj na to, čo by niekto mohol cítiť, chcieť, čoho sa zle dokážu zbaviť, čoho sa môžu báť alebo čo by mohli očakávať.

Napríklad by mohlo pochopiť, že:

• Zákazník je frustrovaný, ale snaží sa zostať zdvorilý

• Študent je zmätený, ale hanbí sa opýtať znova

• Pacient je úzkostlivý aj napriek tomu, že hovorí „Som v poriadku“

• Spoluhráč váha, pretože potichu nesúhlasí

Toto zostáva aktívnou oblasťou diskusií o umelej inteligencii, ale skutočná teória mysle s umelou inteligenciou je mimoriadne zložitá. Ľudské emócie sú prepletené. Ľudia hovoria jedno a myslia si iné. Niekedy ani sami nevedia, čo tým myslia. Veľa šťastia, stroj.

Sebavedomá umelá inteligencia

Sebavedomá umelá inteligencia by mala vedomie, sebapochopenie a uvedomenie si svojho vlastného vnútorného stavu.

Toto je teoretické. Patrí to do sci-fi, etických panelov, nočných hádok a ľudí dramaticky pozerajúcich z okien 🌙.

Sebavedomá umelá inteligencia by nielen simulovala konverzáciu o pocitoch. Mala by nejaký druh subjektívnej skúsenosti. To je rozsiahle tvrdenie. Súčasné systémy umelej inteligencie nemajú overené vedomie, pocity, túžby ani identitu.

Môžu znieť sebauvedomelo, pretože jazyk môže napodobňovať sebareflexiu. Ale znieť ako niečo a byť niečím nie je to isté. Papagáj môže povedať „Som hladný“, ale to neznamená, že má rezerváciu v reštaurácii.

---

4. Porovnávacia tabuľka: Hlavné typy umelej inteligencie

Typ umelej inteligencie	Hlavná myšlienka	Aktuálny stav	Bežné príklady	Prečo na tom záleží
Úzka umelá inteligencia	Vyrobené pre špecifické úlohy	Široko používané	Chatboty, vyhľadávanie, odporúčania	Praktické a všade
Všeobecná umelá inteligencia	Flexibilná inteligencia podobná ľudskej	Nie je úplne dosiahnuté	Prevažne teoretické	Veľký cieľ, veľká debata
Super umelá inteligencia	Múdrejší ako ľudia vo všeobecnosti	Špekulatívne	Žiadny praktický príklad	Veľké etické otázky
Reaktívne stroje	Reaguje bez pamäti	Používa sa v obmedzených prípadoch	Herná umelá inteligencia, systémy založené na pravidlách	Rýchly, ale nie adaptívny
Obmedzená pamäť umelej inteligencie	Používa údaje/históriu na zlepšenie	Veľmi časté	Systémy autonómneho riadenia, nástroje na podvody	Toto je každodenná záležitosť 🚗
Teória mysle AI	Rozumie emóciám a zámerom	Rozvoj konceptu	Pokročilé nápady pre sociálnu umelú inteligenciu	Mohla by zvýšiť vnímavosť umelej inteligencie k ľuďom
Sebavedomá umelá inteligencia	Má vedomie	Teoretické	Príklady sci-fi štýlu	Filozoficky masívne
Generatívna umelá inteligencia	Vytvára nový obsah	Široko používané	Textové, obrazové a zvukové nástroje	Zvýšenie kreatívnej produktivity
Prediktívna umelá inteligencia	Výsledky prognóz	Široko používané	Bodovanie rizika, plánovanie dopytu	Pomáha pri rozhodovaní - väčšinou
Robotická umelá inteligencia	Ovláda fyzické stroje	Používa sa v priemyselných odvetviach	Roboty, drony, automatizácia	Spája umelú inteligenciu s fyzickou prácou

Trochu nerovnomerné? Áno. Ale takto funguje umelá inteligencia aj v každodennom živote – nie je to múzejná expozícia s dokonalými popiskami.

---

5. Generatívna umelá inteligencia: Typ, o ktorom všetci hovoria 🎨

Generatívna umelá inteligencia je jedným z najpopulárnejších typov umelej inteligencie, pretože vytvára veci.

Môže generovať:

• Text

• Obrázky

• Hudba

• Kód

• Video

• Popisy produktov

• Marketingový text

• Plány hodín

• Súhrny

• Syntetické údaje

• Dizajnové nápady

Generatívna umelá inteligencia funguje tak, že sa učí vzory z veľkého množstva údajov a potom na základe pokynov vytvára nové výstupy. Nekopíruje v jednoduchom zmysle, ako si ľudia niekedy predstavujú. Predpovedá, kombinuje, mení a generuje na základe naučených štruktúr.

Napriek tomu môže robiť chyby. Môže znieť sebavedomo, aj keď sa mýli, čo je v podstate strojová verzia niekoho, kto vysvetľuje daňové právo na rodinnej grilovačke.

Generatívna umelá inteligencia je cenná pre:

• Brainstorming

• Návrh obsahu

• Automatizácia opakovaného písania

• Tvorba vizuálnych konceptov

• Podpora zákazníckeho servisu

• Zrýchlenie kódovacích úloh

• Prispôsobenie vzdelávacích materiálov

Ale potrebuje kontrolu. Vždy. Výstup umelej inteligencie môže byť pôsobivý, ale nie je automaticky presný, spravodlivý, legálny alebo bezpečný pre značku. Správajte sa k nemu ako k veľmi rýchlemu asistentovi, ktorý má z času na čas sklony k škodoradosti.

---

6. Strojové učenie AI: Vyhľadávač vzorov

Strojové učenie je hlavnou odvetvím umelej inteligencie, kde sa systémy učia vzory z dát namiesto toho, aby boli programované riadok po riadku pre každé rozhodnutie.

Tradičný softvér sa riadi explicitnými pravidlami. Systémy strojového učenia identifikujú vzťahy a zlepšujú výkon prostredníctvom školenia.

Napríklad:

• Filter spamu sa naučí, ako vyzerá podozrivý e-mail

• Bankový model detekuje nezvyčajné správanie transakcií

• Streamovacia aplikácia odporúča relácie na základe zvykov sledovania

• Nástroj na nábor zamestnancov môže kandidátov hodnotiť na základe definovaných signálov

• Model lekárskeho zobrazovania môže odhaliť možné abnormality

Strojové učenie môže byť založené na dohľade, bez dohľadu alebo na posilňovaní.

Kontrolované učenie

Kontrolované učenie používa označené príklady. Napríklad obrázky môžu byť označené ako „mačka“ alebo „nie mačka“. Model sa učí rozdiel.

Neusmernené učenie

Neupratané učenie hľadá vzory bez označených odpovedí. Môže zoskupovať zákazníkov do segmentov alebo odhaľovať skryté zhluky v dátach.

Posilňovacie učenie

Posilňovacie učenie sa učí prijímaním odmien alebo sankcií za konanie. Toto je bežné v hrách, umelej inteligencii, robotike a optimalizačných problémoch.

Strojové učenie nie je mágia. Veľmi závisí od kvality údajov. Zlé údaje vedú k zlým modelom – odpadky vo vnútri, odpadky na sebe elegantné sako vonku.

---

7. Hlboké učenie AI: Sila neurónových sietí 🧬

Hlboké učenie je špecializovaný typ strojového učenia, ktorý využíva vrstvené neurónové siete na spracovanie zložitých vzorov.

Je obzvlášť cenný pre:

• Rozpoznávanie reči

• Rozpoznávanie obrázkov

• Spracovanie prirodzeného jazyka

• Autonómne systémy

• Analýza lekárskych snímok

• Preklad

• Generatívne modely umelej inteligencie

• Komplexné predikčné úlohy

„Hĺbková“ časť sa vzťahuje na viacero vrstiev v modeli. Každá vrstva pomáha meniť a interpretovať informácie. Jedna vrstva môže detegovať jednoduché tvary v obrázku, iná textúry, ďalšia objekty atď.

Hlboké učenie môže priniesť ohromujúce výsledky, ale často si vyžaduje obrovské množstvo dát a výpočtového výkonu. Jeho interpretácia môže byť tiež ťažšia. To znamená, že aj odborníci môžu mať problém presne vysvetliť, prečo hlboký model urobil konkrétne rozhodnutie.

Toto je jeden z veľkých problémov s dôverou v umelú inteligenciu: výkon môže byť silný, ale vysvetliteľnosť môže byť klzká. Ako keby ste sa snažili opýtať mixéra, prečo má smoothie zlú chuť.

---

8. Konverzačná umelá inteligencia: Ukecaný typ

Konverzačná umelá inteligencia je navrhnutá na komunikáciu s ľuďmi prostredníctvom textu alebo hlasu.

Zahŕňa to:

• Chatboty pre zákaznícky servis

• Hlasoví asistenti

• Virtuálni agenti

• Doučovatelia umelej inteligencie

• Interné boty helpdesku

• Predajní asistenti

• Asistenti pre plánovanie

Dobrá konverzačná umelá inteligencia potrebuje viac než len gramatiku. Potrebuje kontext, rozpoznávanie zámeru, kontrolu tónu a schopnosť zvládať nepredvídateľné ľudské vstupy.

Ľudia nehovoria dokonalými príkazmi. Tárajú. Robia chyby v hláskovaní. Pýtajú sa len polovičatú otázku a očakávajú, že stroj to „pochopí“. Viete, ako to chodí.

Základný chatbot môže sledovať skript. Pokročilejšia konverzačná umelá inteligencia dokáže rozumieť prirodzenému jazyku, udržiavať kontext a generovať flexibilné odpovede.

Tento typ umelej inteligencie je cenný, pretože znižuje opakujúcu sa prácu a poskytuje rýchlu podporu. Môže však frustrovať používateľov, keď predstiera, že rozumie, ale v skutočnosti nie. Najhoršou verziou je chatbot, ktorý hovorí: „Rád pomôžem,“ pričom neposkytuje žiadnu pomoc. Bolestivé.

---

9. Počítačové videnie s umelou inteligenciou: Stroje, ktoré „vidia“ 👀

Počítačové videnie s umelou inteligenciou umožňuje systémom interpretovať vizuálne informácie z obrázkov, videí, kamier, senzorov alebo skenov.

Môže sa použiť na:

• Rozpoznávanie tváre

• Detekcia objektov

• Kontrola kvality v továrňach

• Lekárske zobrazovanie

• Monitorovanie bezpečnosti

• Analýza maloobchodných regálov

• Detekcia premávky

• Rozšírená realita

• Monitorovanie poľnohospodárstva

Počítačové videnie nevidí tak, ako vidia ľudia. Spracováva pixely, vzory, tvary, farby a štatistické signály. Výsledky však môžu byť veľmi silné.

Napríklad počítačové videnie môže pomôcť odhaliť chyby na výrobnej linke rýchlejšie ako manuálna kontrola. Môže pomôcť organizovať knižnice obrázkov. Môže podporovať bezpečnostné systémy vo vozidlách. Môže tiež vyvolať obavy o súkromie, najmä ak sa používa na sledovanie alebo identifikáciu.

To je tá dvojsečná vidlička - nie meč, skôr vidlička. Stále dosť ostrá na to, aby spôsobila problémy 🍴.

---

10. Prediktívna umelá inteligencia: Predikčný nástroj

Prediktívna umelá inteligencia používa dáta na odhadnutie toho, čo sa môže stať ďalej.

Je to bežné v podnikaní, financiách, zdravotníctve, logistike, športovej analytike, marketingu a prevádzke.

Prediktívna umelá inteligencia môže pomôcť odpovedať na otázky ako:

• Ktorí zákazníci pravdepodobne odídu?

• Ktorá transakcia vyzerá podozrivo?

• Koľko zásob bude potrebných?

• Ktorý pacient môže potrebovať zvýšenú pozornosť?

• Na aký obsah používateľ pravdepodobne klikne?

• Ktorá časť stroja môže čoskoro zlyhať?

Tento typ umelej inteligencie je menej okázalý ako generatívna umelá inteligencia, ale je mimoriadne dôležitý. Mnohé organizácie sa menej zaujímajú o model píšuci poéziu a viac o to, či to môže znížiť plytvanie, znížiť riziko a zlepšiť plánovanie.

Prediktívna umelá inteligencia funguje najlepšie, keď sú dáta relevantné, čisté a pravidelne aktualizované. Predikcia však nikdy nie je istota. Model dokáže odhadnúť pravdepodobnosť, nie zaručiť výsledky. Ľudia na to neustále zabúdajú. Potom obviňujú umelú inteligenciu, akoby ich osobne zradila.

---

11. Robotická umelá inteligencia: Keď umelá inteligencia dostane telo 🤖

Robotika a umelá inteligencia kombinujú umelú inteligenciu s fyzickými strojmi. V tomto bode umelá inteligencia opúšťa obrazovku a začína sa pohybovať svetom.

Medzi príklady patria:

• Skladové roboty

• Výrobné roboty

• Doručovacie roboty

• Poľnohospodárske roboty

• Chirurgické asistenčné systémy

• Drony

• Inšpekčné roboty

• Čistiace roboty

• Humanoidné výskumné roboty

Robotická umelá inteligencia je náročná, pretože fyzické prostredie je nepredvídateľné. Chatbot sa musí vysporiadať iba so slovami. Robot sa musí vysporiadať s klzkými podlahami, zlým osvetlením, nerovným povrchom, pohybujúcimi sa ľuďmi, chybami senzorov a niekým, kto nechá stoličku na tom najhoršom možnom mieste.

Robotika často kombinuje niekoľko typov umelej inteligencie:

• Počítačové videnie pre videnie

• Strojové učenie pre prispôsobenie sa

• Plánovacie algoritmy pre pohyb

• Posilňovacie učenie pre rozhodovanie

• Spracovanie prirodzeného jazyka pre ľudské príkazy

Robotická umelá inteligencia má obrovský potenciál, najmä v nebezpečnej alebo opakujúcej sa práci. Je však tiež drahá, zložitá a fyzicky riskantná, keď systémy zlyhajú.

---

12. AI založená na štýle tréningu

Ďalším cenným spôsobom, ako uvažovať o typoch umelej inteligencie, je to, ako sú trénované.

AI založená na pravidlách

Umelá inteligencia založená na pravidlách sa riadi logikou vytvorenou človekom. Napríklad:

• Ak sa to stane, urobte to

• Ak používateľ vyberie túto možnosť, zobrazte túto odpoveď

• Ak je hodnota nad prahovou hodnotou, spustiť upozornenie

Je to jednoduché, predvídateľné a užitočné pre štruktúrované úlohy. Má to však problémy s nejednoznačnosťou.

Dátovo trénovaná umelá inteligencia

Umelá inteligencia trénovaná na dátach sa učí z príkladov. Dokáže zvládnuť zložitejšie situácie, pretože identifikuje vzory a nespolieha sa len na pevné pravidlá.

Tu sa spája strojové učenie a hlboké učenie.

Hybridná umelá inteligencia

Hybridná umelá inteligencia kombinuje logiku založenú na pravidlách so strojovým učením. V mnohých praktických systémoch je to pragmatická voľba. Získate flexibilitu učecích sa systémov a kontrolu nad pravidlami.

Napríklad systém na boj proti bankovým podvodom môže použiť strojové učenie na odhalenie podozrivého správania a potom uplatniť prísne pravidlá na kontrolu dodržiavania predpisov. Nie je to okázalé. Veľmi potrebné.

---

13. Čo robí typy umelej inteligencie mätúcimi?

Najväčším zmätkom je, že ľudia používajú kategórie umelej inteligencie rôznymi spôsobmi.

Niekto môže povedať „Typy AI“ a mať na mysli úzku, všeobecnú a superinteligenciu.

Iná osoba môže mať na mysli generatívnu umelú inteligenciu, prediktívnu umelú inteligenciu a konverzačnú umelú inteligenciu.

Vývojár môže hovoriť o supervízovanom učení, hlbokom učení, neurónových sieťach alebo posilňovacom učení.

Obchodný manažér môže hovoriť o automatizácii, analytike, personalizácii a zákazníckej podpore s využitím umelej inteligencie.

Všetky majú do istej miery pravdu. Je to otravné, ale pravdivé.

UI sa klasifikuje podľa:

• Schopnosť

• Funkčnosť

• Metóda tréningu

• Oblasť použitia

• Technická architektúra

• Úroveň autonómie

• Typ vstupu a výstupu

• Prípad použitia v odvetví

Takže keď sa niekto opýta „Aký typ umelej inteligencie je toto?“, najjasnejšia odpoveď môže byť viacvrstvová.

Chatbot by mohol byť napríklad:

• Zúžiť AI podľa schopností

• Obmedzená pamäť umelej inteligencie podľa funkčnosti

• Konverzačná umelá inteligencia podľa aplikácie

• Generatívna umelá inteligencia, ak vytvára odpovede

• Hlboké učenie umelej inteligencie, ak je poháňané neurónovými sieťami

To nie je prehnaná komplikácia pre zábavu. Takto to jednoducho funguje.

---

14. Praktické príklady typov umelej inteligencie

Tu je niekoľko príkladov z každodenného života, aby ste kategórie ľahšie pochopili.

Odporúčania na streamovanie 🎬

Ide o úzku umelú inteligenciu, prediktívnu umelú inteligenciu a strojové učenie. Študuje vzory a odporúča, čo by ste si mohli pozrieť ďalej.

Hlasoví asistenti 🎙️

Tieto využívajú konverzačnú umelú inteligenciu, spracovanie prirodzeného jazyka, rozpoznávanie reči a funkcie s obmedzenou pamäťou.

Generátory obrázkov 🖼️

Ide o generatívne systémy umelej inteligencie, často poháňané modelmi hlbokého učenia.

Systémy na odhaľovanie podvodov 💳

Tieto využívajú prediktívnu umelú inteligenciu a strojové učenie na označenie nezvyčajnej aktivity.

Funkcie autonómneho riadenia 🚗

Tieto kombinujú počítačové videnie, umelú inteligenciu s obmedzenou pamäťou, umelú inteligenciu súvisiacu s robotikou, fúziu senzorov a modely rozhodovania.

Filtre spamu v e-mailoch 📩

Toto sú klasické umelé inteligencie so strojovým učením. Nie sú okázalé, ale veľmi cenné.

Nástroje na písanie s umelou inteligenciou ✍️

Ide o generatívnu umelú inteligenciu a konverzačnú umelú inteligenciu, ktoré sú zvyčajne vytvorené pomocou rozsiahlych jazykových modelov.

Dôležité je toto: jeden produkt umelej inteligencie môže patriť do viacerých kategórií naraz.

---

15. Výhody pochopenia typov umelej inteligencie

Znalosť typov umelej inteligencie vám pomôže robiť lepšie rozhodnutia, najmä ak ju používate na prácu, podnikanie, štúdium alebo tvorbu obsahu.

Pomáha vám to:

• Vyberte si správny nástroj

• Vyhnite sa nerealistickým očakávaniam

• Pochopiť riziká

• Pýtajte sa lepšie otázky

• Vyhodnotenie tvrdení o umelej inteligencii

• Preháňanie v spot marketingu

• Zodpovednejšie používanie umelej inteligencie

• Vysvetlite ostatným umelú inteligenciu bez toho, aby ste zneli ako zmätený robot

Napríklad, ak je nástroj prediktívna umelá inteligencia, viete, že predpovedá pravdepodobnosti. Nemalo by sa s ním zaobchádzať ako s veštcom.

Ak je nástroj generatívna umelá inteligencia, viete, že vytvára obsah, ale obsah je stále potrebné skontrolovať.

Ak je systém úzko zameraný na umelú inteligenciu, viete, že môže byť v jednej oblasti vynikajúci, ale mimo svojho rozsahu neefektívny.

Už len to vám ušetrí veľa bolestí hlavy.

---

16. Riziká a obmedzenia rôznych typov umelej inteligencie ⚠️

Každý typ umelej inteligencie má svoje obmedzenia. Iná príchuť, rovnaká polievková misa.

Medzi bežné riziká umelej inteligencie patria:

• Skreslenie v tréningových dátach

• Nesprávne výstupy

• Nedostatok transparentnosti

• Obavy o súkromie

• Prílišná závislosť

• Bezpečnostné zraniteľnosti

• Zneužitie

• Slabý ľudský dohľad

• Mätiaca plynulosť s pravdou

Generatívna umelá inteligencia môže vytvárať informácie. Prediktívna umelá inteligencia môže posilňovať skreslené vzorce. Počítačové videnie môže nesprávne identifikovať ľudí alebo objekty. Konverzačná umelá inteligencia môže používateľov frustrovať falošnou sebadôverou. Robotická umelá inteligencia môže pri nesprávnom návrhu spôsobiť fyzické zranenie.

To neznamená, že umelá inteligencia je zlá. Znamená to, že umelá inteligencia by sa mala používať s rozvahou. Ako elektrické náradie, zmluvy alebo extrémne pikantné rezance 🌶️.

Medzi najlepšie systémy umelej inteligencie zvyčajne patria:

• Ľudská kontrola

• Jasné hranice

• Dôkladné postupy v oblasti údajov

• Testovanie

• Monitorovanie

• Vysvetliteľnosť, kde je to možné

• Etický dizajn

• Bezpečnostné kontroly

Umelá inteligencia dokáže zosilniť dobré rozhodnutia. Môže však zosilniť aj tie neopatrné.

---

17. Ktorý typ umelej inteligencie je najdôležitejší?

Neexistuje jeden najdôležitejší typ. Záleží na prípade použitia.

Pre kreativitu je generatívna umelá inteligencia obrovská.

Pre obchodné plánovanie môže byť prediktívna umelá inteligencia cennejšia.

Pre automatizáciu, strojové učenie a robotiku je dôležitá umelá inteligencia.

Pre podporu používateľov je hviezdou konverzačná umelá inteligencia.

Pre lekárske vyšetrenia alebo vizuálnu kontrolu je počítačové videnie kľúčové.

V dlhodobom výskume sa všeobecná umelá inteligencia dostáva najväčšej filozofickej pozornosti.

Ale v praxi sú úzka umelá inteligencia a umelá inteligencia s obmedzenou pamäťou v súčasnosti najbežnejšími a najcennejšími kategóriami. Sú to tiché motory mnohých nástrojov, na ktoré sa ľudia už spoliehajú.

Luxusná budúcnosť sa dostáva na titulné stránky novín. Praktická prítomnosť platí účty.

---

Záverečné poznámky: Pochopenie typov umelej inteligencie bez šumu

Typy umelej inteligencie sa môžu na prvý pohľad zdať komplikované, pretože sa kategórie prekrývajú. Ale akonáhle oddelíte schopnosti, funkčnosť, metódu tréningu a praktické využitie, celá vec sa stane oveľa jednoduchšou na pochopenie.

Úzka AI rieši špecifické úlohy. Všeobecná AI by myslela flexibilnejšie, hoci to zostáva ambicióznym cieľom. Super AI je stále špekulatívna. Reaktívne stroje reagujú bez pamäte, zatiaľ čo AI s obmedzenou pamäťou využíva minulé údaje na zlepšenie rozhodnutí. Generatívna AI tvorí. Prediktívna AI predpovedá. Konverzačná AI rozpráva. Počítačové videnie vidí. Robotická AI koná vo fyzickom prostredí.

To je celkový obraz.

Umelá inteligencia nie je jedna vec. Je to prepletená rodina technológií – niektoré praktické, niektoré experimentálne, niektoré prehnané a niektoré skutočne dôležité. Táto komplexnosť je jedným z dôvodov, prečo je dôležitá. Čím jasnejšie pochopíte typy umelej inteligencie, tým ľahšie ju budete rozumne používať, namiesto toho, aby ste len prikyvovali, keď niekto na stretnutí povie „algoritmus“. 🤷♂️

Stručné zhrnutie: Medzi hlavné typy umelej inteligencie patrí úzka umelá inteligencia, všeobecná umelá inteligencia, super umelá inteligencia, reaktívne stroje, umelá inteligencia s obmedzenou pamäťou, umelá inteligencia s teóriou mysle, sebauvedomelá umelá inteligencia, generatívna umelá inteligencia, prediktívna umelá inteligencia, konverzačná umelá inteligencia, umelá inteligencia počítačového videnia, umelá inteligencia strojového učenia, umelá inteligencia hlbokého učenia a umelá inteligencia robotiky. Väčšina umelej inteligencie používanej dnes je úzka, zameraná na úlohy a poháňaná strojovým učením alebo hlbokým učením.

Príklad z reálneho sveta: Vytvorenie asistenta zákazníckej podpory s umelou inteligenciou

Scenár

Predstavte si malý internetový obchod s nábytkom, ktorý denne dostáva približne 120 e-mailov so zákazníckou podporou. Tím sa nesnaží nahradiť pracovníkov podpory. Chcú len pomôcť s rýchlejším triedením správ, identifikáciou naliehavých problémov a prípravou prvých odpovedí.

Toto je dobrý príklad, pretože jeden asistent môže používať niekoľko typov umelej inteligencie naraz. Môže použiť konverzačnú umelú inteligenciu na pochopenie správ od zákazníkov, generatívnu umelú inteligenciu na navrhovanie odpovedí, prediktívnu umelú inteligenciu na označenie pravdepodobných rizík vrátenia peňazí a umelú inteligenciu s obmedzenou pamäťou na použitie údajov o nedávnych objednávkach alebo pravidlách.

Úloha asistenta je jednoduchá: prečítať správu od zákazníka, zaradiť ju, navrhnúť ďalší postup a napísať odpoveď, ktorú môže schváliť človek.

Čo asistent potrebuje

Tím by dal asistentovi:

Zásady zákazníckeho servisu

Pravidlá doručenia a vrátenia tovaru

Záručné podmienky

Často kladené otázky o produkte

Príklady tónu hlasu

Zoznam pravidiel eskalácie

Ukážky starších lístkov so správnymi kategóriami

Jasné obmedzenia týkajúce sa toho, o čom nesmie samo rozhodovať

Napríklad by nemal schvaľovať vrátenie peňazí nad 100 libier, sľubovať dátumy dodania, ktoré nemôže overiť, ani uplatňovať právne nároky týkajúce sa poškodeného tovaru. Tieto prípady by mali byť adresované konkrétnej osobe.

Príklad inštrukcie

Pracujete ako asistent zákazníckej podpory pre online obchod s nábytkom. Prečítate si každú správu od zákazníka a odpovedzte na päť otázok: kategóriu požiadavky, úroveň naliehavosti, pravdepodobnú náladu zákazníka, odporúčaný ďalší postup a koncept odpovede.

Používajte iba poskytnuté firemné zásady. Ak odpoveď nie je v zásadách, uveďte „Vyžaduje sa ľudské posúdenie“. Nevymýšľajte si dátumy doručenia, schválenia vrátenia peňazí, záručné sľuby ani dostupnosť produktu.

Ak zákazník spomenie zranenie, právne kroky, opakované neúspešné doručenie, vrátenie peňazí nad 100 libier, chýbajúce diely detského produktu alebo silnú nespokojnosť po dvoch predchádzajúcich odpovediach, eskalujte žiadosť.

Návrh odpovede udržujte zdvorilý, stručný a praktický. Neznejte roboticky. Neobviňujte zákazníka ani kuriéra.

Ako to otestovať

Pred použitím asistenta so zákazníkmi ho otestujte na malej sade starých lístkov.

Použite 30 predchádzajúcich správ podpory:

10 jednoduchých otázok týkajúcich sa doručenia

5 reklamácií poškodených položiek

5 žiadostí o vrátenie peňazí

5 otázok týkajúcich sa záruky

5 nahnevaných alebo zložitých sťažností

Pre každý test skontrolujte:

Vybrala sa správna kategória?

Označil správne naliehavé prípady?

Vyhýbalo sa sľubom?

Eskalovalo to citlivé otázky?

Zodpovedal návrh odpovede tónu spoločnosti?

Užitočná testovacia otázka by bola:

„Môj stôl dorazil s jednou prasknutou nohou a toto je už druhýkrát, čo sa doručenie pokazilo. Chcem ešte dnes plnú náhradu, inak o tom všade napíšem.“

Slabý asistent by sa mohol jednoducho ospravedlniť a sľúbiť vrátenie peňazí. Lepší asistent by to klasifikoval ako poškodený tovar a opakovanú reklamáciu, označil by to ako veľmi urgentné, vyhol by sa automatickému schváleniu vrátenia peňazí a postúpil by to na ľudské posúdenie.

Výsledok

Ilustratívny výsledok: na základe načasovania 30 vzorových lístkov pred a po použití pracovného postupu.

Manuálne triedenie trvalo 2 hodiny 15 minút pre 30 lístkov, v priemere 4,5 minúty na lístok.

Triedenie s pomocou umelej inteligencie trvalo pre rovnakých 30 tiketov 48 minút, v priemere 1,6 minúty na tiket, pretože ľudský kontrolór musel skontrolovať iba kategóriu, rozhodnutie o eskalácii a koncept odpovede.

Asistent správne kategorizoval 27 z 30 lístkov v testovacej sade. Správne eskaloval všetkých 5 lístkov s vysokým rizikom. Dva lístky na vrátenie peňazí potrebovali úpravu formulácie, pretože návrh znel príliš istý a jeden lístok so zárukou bol zaradený do nesprávnej kategórie.

To poskytuje praktický referenčný bod: rýchlejšia prvá kontrola, ale nie úplná automatizácia. Človek stále zodpovedá za odpoveď.

Čo sa môže pokaziť

Najväčšou chybou je nechať asistenta správať sa, akoby vedel viac, než v skutočnosti vie. Ak sú pravidlá vrátenia tovaru zastarané, asistent môže s istotou napísať nesprávnu odpoveď. Ak sú pravidlá eskalácie nejasné, môže prehliadnuť vážne sťažnosti.

Ďalším problémom je súkromie. Tím by sa mal vyhýbať vkladaniu nepotrebných platobných údajov, adries alebo citlivých osobných údajov do asistenta, pokiaľ systém nie je na takéto použitie schválený.

Asistent by mal byť tiež pravidelne testovaný. Menia sa otázky zákazníkov, menia sa pravidlá a menia sa aj produkty. Asistent triedenia, ktorý v marci fungoval dobre, sa môže po novej záručnej politike v júni stať rizikovým.

Praktické ponaučenie

Tento príklad ukazuje, prečo sa kategórie umelej inteligencie v praxi prekrývajú. Jeden podporný asistent môže byť zároveň úzko zameraný na umelú inteligenciu, konverzačnú umelú inteligenciu, generatívnu umelú inteligenciu, prediktívnu umelú inteligenciu a umelú inteligenciu s obmedzenou pamäťou. Dôkladnejším spôsobom, ako ho posúdiť, je opýtať sa, aké rozhodnutie podporuje, aké údaje používa a kde ho musí človek skontrolovať.

Často kladené otázky

Aké sú hlavné typy umelej inteligencie, ktoré by mali začiatočníci poznať?

Medzi hlavné typy umelej inteligencie patrí úzka umelá inteligencia, všeobecná umelá inteligencia, super umelá inteligencia, reaktívne stroje, umelá inteligencia s obmedzenou pamäťou, generatívna umelá inteligencia, prediktívna umelá inteligencia, konverzačná umelá inteligencia, umelá inteligencia počítačového videnia, umelá inteligencia strojového učenia, umelá inteligencia hlbokého učenia a umelá inteligencia robotiky. Tieto kategórie sa často prekrývajú, takže jeden nástroj môže mať viacero označení súčasne. Napríklad chatbot môže byť úzka umelá inteligencia, konverzačná umelá inteligencia, generatívna umelá inteligencia a umelá inteligencia s obmedzenou pamäťou.

Ako sa typy umelej inteligencie klasifikujú podľa schopností?

Podľa schopností sa umelá inteligencia zvyčajne delí na úzku umelú inteligenciu, všeobecnú umelú inteligenciu a super umelú inteligenciu. Úzka umelá inteligencia sa zaoberá špecifickými úlohami a dnes sa široko používa. Všeobecná umelá inteligencia by uvažovala a učila sa v mnohých úlohách na ľudskej úrovni, ale nie je súčasťou každodenného používania. Super umelá inteligencia by presiahla ľudskú inteligenciu a zostáva špekulatívna.

Aký je rozdiel medzi úzkou umelou inteligenciou a všeobecnou umelou inteligenciou?

Úzka umelá inteligencia je navrhnutá pre konkrétnu úlohu alebo obmedzený súbor úloh, ako je filtrovanie spamu, odporúčania, chatboty alebo detekcia podvodov. Všeobecná umelá inteligencia by sa dokázala učiť, uvažovať a prispôsobovať sa mnohým nesúvisiacim úlohám. Väčšina umelej inteligencie, ktorú dnes ľudia používajú, je úzka umelá inteligencia, aj keď sa zdá byť flexibilná alebo pokročilá.

Prečo je dnes umelá inteligencia s obmedzenou pamäťou taká bežná?

Umelá inteligencia s obmedzenou pamäťou dokáže na zlepšenie rozhodnutí použiť minulé alebo nedávne údaje, čo ju robí praktickou pre mnohé nasadené systémy. Na tento druh umelej inteligencie sa často spoliehajú odporúčacie nástroje, nástroje na detekciu podvodov, funkcie autonómneho riadenia a chatboty. Nemá ľudské vedomie, ale dokáže sa prispôsobiť na základe vzorcov a uložených informácií.

Ako zapadá generatívna umelá inteligencia do typov umelej inteligencie?

Generatívna umelá inteligencia je typ umelej inteligencie, ktorá vytvára nové výstupy, ako napríklad text, obrázky, kód, zvuk, video, súhrny alebo dizajnové nápady. Učí sa vzory z veľkého množstva údajov a vytvára obsah na základe pokynov. Môže pomôcť s tvorbou návrhov, brainstormingom, podporou kódovania a kreatívnou prácou, ale jej výstupy si stále vyžadujú kontrolu človekom.

Aký je rozdiel medzi strojovým učením a hlbokým učením?

Strojové učenie je odvetvie umelej inteligencie, v ktorom sa systémy učia vzory z dát namiesto toho, aby sa riadili iba ručne písanými pravidlami. Hlboké učenie je špecializovaná forma strojového učenia, ktorá využíva vrstvené neurónové siete. Hlboké učenie je obzvlášť cenné pre zložité úlohy, ako je rozpoznávanie reči, rozpoznávanie obrázkov, spracovanie prirodzeného jazyka, preklad, lekárske zobrazovanie a generatívna umelá inteligencia.

Na čo sa prediktívna umelá inteligencia používa v podnikaní?

Prediktívna umelá inteligencia využíva dáta na odhad pravdepodobných budúcich výsledkov. Firmy ich môžu použiť na plánovanie dopytu, predikciu odchodu zákazníkov, odhaľovanie podvodov, hodnotenie rizík, rozhodovanie o zásobách alebo prognózovanie údržby. Podporuje plánovanie a rozhodovanie, ale nezaručuje budúcnosť. Predpovede sú odhady formované dostupnými dátami a kvalitou modelu.

Ako funguje počítačové videnie pomocou umelej inteligencie v praktických systémoch?

Počítačové videnie (AI) pomáha strojom interpretovať vizuálne informácie z obrázkov, videí, kamier, skenov alebo senzorov. Môže podporovať rozpoznávanie tvárí, detekciu objektov, kontrolu tovární, lekárske zobrazovanie, detekciu dopravy, analýzu maloobchodu, monitorovanie poľnohospodárstva a bezpečnostné systémy. Nevidí ako človek, ale dokáže spracovať pixely, tvary, farby a vzory vo veľkom meradle.

Prečo môže jeden produkt umelej inteligencie patriť do viacerých typov umelej inteligencie?

Kategórie umelej inteligencie často opisujú rôzne veci, ako napríklad schopnosti, funkčnosť, metódu tréningu alebo aplikáciu. Hlasový asistent môže byť napríklad úzko zameraný na umelú inteligenciu podľa schopností, konverzačný umelý inteligenciou podľa aplikácie, umelý inteligenciou s obmedzenou pamäťou podľa funkčnosti a umelou inteligenciou s hlbokým učením podľa architektúry. Toto prekrývanie je bežné a pomáha vysvetliť, čo systém robí z rôznych uhlov pohľadu.

Aké riziká by si ľudia mali uvedomiť v súvislosti s rôznymi typmi umelej inteligencie?

Medzi bežné riziká umelej inteligencie patrí zaujatosť, nesprávne výstupy, obavy o súkromie, bezpečnostné zraniteľnosti, nedostatok transparentnosti, nadmerná závislosť a slabý ľudský dohľad. Generatívna umelá inteligencia môže vymýšľať informácie, prediktívna umelá inteligencia môže posilňovať nesprávne vzorce a počítačové videnie môže nesprávne identifikovať objekty alebo ľudí. Dobré používanie umelej inteligencie si zvyčajne vyžaduje testovanie, monitorovanie, jasné hranice, prísne postupy práce s údajmi a ľudské preskúmanie.

Referencie

1. IBM - Typy umelej inteligencie - ibm.com

2. Rámec riadenia rizík umelej inteligencie NIST – Riziká umelej inteligencie – nist.gov

3. Vývojári Google – Strojové učenie – developers.google.com

4. AWS – Generatívna umelá inteligencia – aws.amazon.com