20 de termeni de inteligență artificială (AI) pe care trebuie să-i cunoașteți

Vasile_Botog

Inteligența artificială sau artificial intelligence (AI) se referă la capacitatea unui computer de a îndeplini sarcini umane. Era inteligenței artificiale se dezvoltă într-un ritm exponențial, fără prea mult timp pentru a ține pasul cu termenii cheie din domeniu. Care sunt câteva noțiuni de actualitate în AI și ce idei fundamentale reprezintă acestea? Iată un glosar al termenilor AI pentru a vă ține la curent.

Algoritm: Un set sistematic de instrucțiuni pe care un computer le urmează pentru a executa o anumită sarcină sau pentru a rezolva o problemă. Acești algoritmi permit sistemelor de inteligență artificială să învețe din date, să ia decizii și să își îmbunătățească performanțele în timp pe baza datelor de intrare și a unor reguli sau modele definite. Algoritmii formează însăși baza AI.

Big Data: Date care au un volum atât de mare încât pur și simplu nu pot fi procesate prin intermediul metodelor tradiționale. Reprezintă o combinație de date din mai multe surse, iar modelele identificate în astfel de combinații de date pot facilita deciziile în afaceri, știință, agricultură și așa mai departe. Exemplele pot include modul în care pachetul de analiză meteo Deep Thunder de la IBM i-a ajutat pe fermieri să identifice cel mai bun moment pentru irigarea culturilor sau când "Programul Cunoaște-mă" de la British Airways a folosit big data pentru a afla mai multe despre preferințele clienților. 

Agent chatbot: Uneori cunoscut pur și simplu sub numele de "bot", acesta este un program de calculator care procesează limbajul și poartă o conversație reală cu un om. Aceștia devin din ce în ce mai utilizați pentru a îndeplini servicii pentru clienți. Deoarece agenții chatbot au la bază inteligența artificială, aceștia pot funcționa 24 de ore din 24, 7 zile din 7 și pot deservi un număr nelimitat de clienți în orice interval de timp. 

Procesare cognitivă: Sisteme de inteligență artificială care "imită" sau simulează gândurile și procesele cognitive ale oamenilor. În linii mari, procesarea cognitivă reprezintă fundamentul "inteligenței" din inteligența artificială. 

Corpus: Corpus, în latină, înseamnă "corp", iar în inteligența artificială se referă la un volum mare de limbaj–scris sau vorbit–utilizat pentru a antrena modele de învățare automată (a se vedea mai jos pentru învățarea automată). Google translate, de exemplu, se bazează pe un corpus. 

Data Mining (extragerea datelor): Un proces prin care se identifică corelații și modele din seturi de date mai mari, cu scopul final de a prezice rezultate. Netflix, de exemplu, recomandă emisiuni pe baza datelor demografice ale utilizatorilor, a istoricului de căutare, a listei de vizionare, a ratingurilor și așa mai departe. 

Învățare profundă: O ramură a învățării automate care își are rădăcinile în rețelele neuronale artificiale (a se vedea mai jos pentru rețele neuronale). Se numește învățare "profundă" datorită multiplelor straturi de procesare necesare pentru a identifica niveluri superioare de caracteristici în cadrul datelor date. Datorită capacității sale de a capta detalii, învățarea profundă poate fi aplicată pentru a recunoaște texte, imagini, sunete și așa mai departe. 

Inteligența artificială generativă: Capacitatea computerelor de a "genera" conținut nou pe baza unui set de date existent. Acest conținut poate fi audio, vizual (de exemplu, imagini și videoclipuri) sau textual. ChatGPT și Google Bard, cu capacitatea lor de a crea conținut pentru uz personal sau comercial, sunt exemple de inteligență artificială generativă.

Halucinație: Un rezultat al unui program AI care nu poate fi justificat cu ușurință de datele de instruire. Un exemplu obișnuit este atunci când ChatGPT oferă răspunsuri false care contrazic realitatea atunci când este întrebat. 

Hiperparametru: Parametrii specifici care dictează procesul de învățare al unui model de învățare automată, utilizați pentru a optimiza modelele de învățare (a se vedea Parametru mai jos pentru comparație).

Învățare automată (machine learning sau ML): În acest caz, un computer este programat să învețe singur din date, fără a fi nevoie ca un om să îl programeze în mod explicit. O aplicație obișnuită a învățării automate este recunoașterea–recunoașterea facială și recunoașterea vocii pentru deblocarea telefoanelor.

Rețea neuronală: Un model de învățare automată care se inspiră din mecanismele interne ale creierului uman. Atunci când un computer procesează o față, poate, la fel ca oamenii, să proceseze mai întâi dacă aceasta aparține unui bărbat sau unei femei. Rețelele neuronale sunt esențiale pentru a oglindi inteligența umană, care poate fi apoi utilizată pentru a construi inteligența artificială. 

Procesarea limbajului natural (NLP): Domeniul mai larg al informaticii care studiază modul în care computerele interacționează cu limbajul natural produs de oameni. NLP se află la intersecția dintre lingvistică și informatică; cu ajutorul NLP, computerele pot procesa limbajul uman și pot îndeplini sarcini utile ca urmare a acestuia. Verificările ortografice, textele predictive, traducerea automată și conversia voce-text sunt toate aplicații ale NLP. 

Modele lingvistice de mari dimensiuni (LLM): O aplicație a învățării profunde în domeniul lingvisticii, modelele lingvistice mari permit unui computer să înțeleagă și, prin urmare, să creeze texte asemănătoare celor umane. LLM-urile conțin seturi masive de date lingvistice (adesea derivate din datele de pe internet); sistemele GPT ale OpenAI sunt, de exemplu, construite pe baza LLM-urilor. 

Supraadaptare: Aceasta este situația în care un model de învățare automată aderă prea strâns la un anumit set de date și nu este capabil să generalizeze. Acest lucru se întâmplă atunci când setul de date de instruire este prea mic sau când un set de date este format din prea multe date irelevante ("zgomotoase").

Parametru: Preluat inițial din conceptele matematice, un parametru este o variabilă de configurare internă a modelului de învățare automată. Acesta poate fi aplicat pentru a face predicții. 

Învățare prin repetiție (Reinforcement Learning): Aceasta este situația în care un computer învață în timp, prin încercări și erori. Asemănător învățării prin repetiție la oameni, un computer este "recompensat" pentru mișcările corecte și "pedepsit" pentru cele greșite. În timp, computerul va învăța să îndeplinească bine o sarcină. Multe mașini care se conduc singure au aplicații de învățare prin repetiție, în care mașina învață în cele din urmă să conducă corect după ce a fost programată prin greșeli și corecții. 

Învățare supravegheată: Aceasta este situația în care un computer este antrenat folosind date "etichetate", folosind feedback-ul în mod direct pentru a verifica dacă rezultatul este corect. Învățarea supravegheată poate, de exemplu, să ajute computerele să detecteze spam-ul din e-mailuri, deoarece mesajele spam au adesea anumite modele care pot fi "etichetate".

Învățare nesupravegheată: Opusul învățării supravegheate, în care un computer este antrenat pe date "neetichetate" și nu i se oferă niciun feedback pentru antrenare. Prin învățarea nesupravegheată, computerele pot identifica tipare fără intervenție umană, ceea ce o face ideală pentru explorarea datelor.

Învățarea prin transfer: Aceasta este situația în care un model de învățare automată, care este deja antrenat pentru un anumit tip de activitate, își "transferă" "inteligența" către o altă activitate. Un exemplu cunoscut pe scară largă este cel al recunoașterii imaginilor: un computer ar putea "învăța" să recunoască caracteristicile unui vehicul și apoi să fie capabil să identifice o motocicletă folosind învățarea prin transfer.

Termeni și concepte de inteligență artificială: pregătirea pentru viitor

Mai sus sunt doar câteva exemple dintr-o abundență de termeni AI, dar, mergând mai departe, acești termeni reprezintă o bază bună pentru oricine este interesat să își dezvolte cunoștințele pentru era AI. Cu ideile care înfloresc în domeniul AI, oamenii se confruntă cu sarcina de a fi creativi cu abilitățile inteligenței artificiale pentru numeroasele aspecte ale dezvoltării umane. De exemplu, cum poate învățarea prin repetiție să îmbunătățească diagnosticarea în mediul clinic? Cum poate fi utilizată procesarea limbajului natural pentru a realiza sarcini de conversie a vorbirii în text cu accente regionale sau străine? Aplicațiile și spațiul pentru gândirea inovatoare în domeniul AI sunt incomensurabile, iar momentul să ne pregătim și să învățăm este acum.