Товч хариулт: Хиймэл оюун ухааны технологи нь компьютерт өгөгдлөөс суралцах, хэв маягийг илрүүлэх, хэлийг ойлгох эсвэл үүсгэх, шийдвэр гаргахад дэмжлэг үзүүлэх боломжийг олгодог аргуудын багц юм. Энэ нь ихэвчлэн загварыг жишээн дээр сургаж, дараа нь таамаглал дэвшүүлэх эсвэл контент үүсгэхэд ашиглахыг хамардаг; дэлхий ертөнц өөрчлөгдөхийн хэрээр тасралтгүй хяналт, үечилсэн давтан сургалт шаарддаг.
Гол дүгнэлтүүд:
Тодорхойлолт : Хиймэл оюун ухааны системүүд нь нарийн төвөгтэй оролтоос таамаглал, зөвлөмж эсвэл шийдвэр гаргадаг.
Гол чадварууд : Суралцах, хэв маягийг таних, хэл яриа, ойлголт, шийдвэр гаргахад дэмжлэг үзүүлэх нь үндэс суурийг бүрдүүлдэг.
Технологийн стек : Машины урлаг, гүнзгий сургалт, NLP, алсын хараа, шууд дамжуулалт болон генератив хиймэл оюун ухаан нь ихэвчлэн хосолж ажилладаг.
Амьдралын мөчлөг : Сургалт явуулах, баталгаажуулах, байршуулах, дараа нь зөрүү болон гүйцэтгэлийн бууралтыг хянах.
Засаглал : Нэг талыг барьсан байдлыг шалгах, хүний хяналт, нууцлал/аюулгүй байдлын хяналт, тодорхой хариуцлага тооцох зэргийг ашигла.
Үүний дараа таны унших дуртай нийтлэлүүд:
🔗 Хиймэл оюун ухааны загваруудыг хэрхэн турших вэ
Нарийвчлал, алдаа, бат бөх чанар, гүйцэтгэлийг үнэлэх практик аргууд.
🔗 AI гэдэг нь юу гэсэн үг вэ
Хиймэл оюун ухааны утга учир болон нийтлэг буруу ойлголтуудын талаарх энгийн тайлбар.
🔗 Контент бүтээхэд хиймэл оюун ухааныг хэрхэн ашиглах вэ
Контентыг санаа бодлоо солилцох, ноороглох, засварлах, өргөжүүлэхэд хиймэл оюун ухаан ашиглаарай.
🔗 Хиймэл оюун ухаан хэт магтагдсан уу?
Хиймэл оюун ухааны амлалт, хязгаарлалт болон бодит ертөнцийн үр дүнг тэнцвэртэй авч үзэх.
Хиймэл оюун ухааны технологи гэж юу вэ 🧠
Хиймэл оюун ухааны технологи (Хиймэл оюун ухааны технологи) нь машинуудад "ухаалаг" зан үйлийг гүйцэтгэх боломжийг олгодог өргөн хүрээний арга, хэрэгслүүд юм. Үүнд:
-
Өгөгдлөөс суралцах (бүх тохиолдолд тодорхой програмчлагдахын оронд)
-
Хэв маягийг таних (царай, залилан мэхлэлт, эмнэлгийн дохиолол, чиг хандлага)
-
Хэлийг ойлгох эсвэл үүсгэх (чатбот, орчуулга, хураангуй)
-
Төлөвлөлт ба шийдвэр гаргалт (чиглүүлэлт, зөвлөмж, робот техник)
-
Ойлголт (хараа, яриа таних, мэдрэгчийн тайлбар)
Хэрэв та "албан ёсны" үндэслэлийг хүсч байвал OECD-ийн хүрээ нь тустай зангуу юм: энэ нь хиймэл оюун ухааны системийг оролтоос дүгнэлт гаргаж, орчинд нөлөөлдөг таамаглал, зөвлөмж эсвэл шийдвэр гэх мэт гаралтыг бий болгож чадах зүйл гэж үздэг. Өөрөөр хэлбэл: энэ нь нарийн төвөгтэй бодит байдлыг авч үздэг → "хамгийн сайн таамаглал" гаралтыг бий болгодог → дараа нь юу болоход нөлөөлдөг . [1]
Худлаа хэлэхгүй ээ - "хиймэл оюун ухаан" гэдэг нь ерөнхий нэр томьёо юм. Үүний доор та олон дэд салбаруудыг олох бөгөөд хүмүүс зүгээр л малгайтай цамц өмссөн ч гэсэн бүгдийг нь "хиймэл оюун ухаан" гэж нэрлэдэг.
Хиймэл оюун ухааны технологи энгийн англи хэл дээр (борлуулалтын загвар байхгүй) 😄
Та кофе шоп ажиллуулж, захиалгаа хянаж эхэлдэг гэж төсөөлөөд үз дээ.
Эхлээд та “Сүүлийн үед хүмүүс овъёосны сүүг илүү их хүсч байгаа юм шиг санагдаж байна уу?” гэж таамаглаж байгаа.
Дараа нь та тоонуудыг хараад “Амралтын өдрүүдээр овъёосны сүү огцом нэмэгддэг юм байна” гэж хэлнэ.
Одоо дараах системийг төсөөлөөд үз дээ:
-
тэдгээр тушаалуудыг хянаж,
-
таны анзаараагүй хэв маягийг олдог,
-
маргааш юу зарахыг чинь урьдчилан таамаглаж байна,
-
мөн хэр их бараа материал худалдаж авахыг санал болгож байна ..
Хэв маягийг олох + таамаглал + шийдвэр гаргах дэмжлэг нь хиймэл оюун ухааны технологийн өдөр тутмын хувилбар юм. Энэ нь таны програм хангамжид сайн нүд, бага зэрэг хэт их анхаарал хандуулсан тэмдэглэлийн дэвтэр өгөхтэй адил юм.
Заримдаа энэ нь маш сайн ярьж сурсан тоть өгөхтэй адил юм. Тустай ч... үргэлж ухаалаг . Энэ талаар дараа дэлгэрэнгүй ярих болно.
Хиймэл оюун ухааны технологийн гол бүтцийн элементүүд 🧩
Хиймэл оюун ухаан бол нэг зүйл биш. Энэ бол ихэвчлэн хамтдаа ажилладаг аргуудын овоолго юм:
Машины сургалт (ML)
Системүүд нь тогтсон дүрмээс илүүтэйгээр өгөгдлөөс харилцаа холбоог сурдаг.
Жишээ нь: спам шүүлтүүр, үнийн таамаглал, зах зээлийн уналтын таамаглал.
Гүнзгий суралцах
Олон давхаргатай мэдрэлийн сүлжээг ашигладаг машин механизмын дэд хэсэг (зураг, аудио гэх мэт замбараагүй өгөгдөлд сайн).
Жишээ нь: яриаг текст болгон хувиргах, зургийн шошгололт, зарим зөвлөмжийн системүүд.
Байгалийн хэлний боловсруулалт (NLP)
Машинуудад хүний хэлээр ажиллахад нь тусалдаг технологи.
Жишээ нь: хайлт, чатбот, сэтгэл хөдлөлийн шинжилгээ, баримт бичиг гаргаж авах.
Компьютерийн хараа
Харааны оролтыг тайлбарладаг хиймэл оюун ухаан.
Жишээ нь: үйлдвэрүүдэд согог илрүүлэх, дүрслэлийн дэмжлэг, навигаци.
Бэхжүүлэх сургалт (RL)
Шагнал ба шийтгэлийг ашиглан туршилт ба алдааны аргаар суралцах.
Жишээ нь: робот техникийн сургалт, тоглоом тоглох агентууд, нөөцийн оновчлол.
Бүтээлч хиймэл оюун ухаан
Шинэ контент үүсгэдэг загварууд: текст, зураг, хөгжим, код.
Жишээ нь: бичих туслахууд, дизайны загварууд, нэгтгэн дүгнэх хэрэгслүүд.
Хэрэв та орчин үеийн хиймэл оюун ухааны судалгаа, олон нийтийн өмнө хэлэлцүүлэг зохион байгуулагддаг (тархиа шууд хайлуулахгүйгээр) газрыг хүсч байвал Стэнфордын HAI бол найдвартай лавлагааны төв юм. [5]
"Хэрхэн ажилладаг вэ" гэсэн сэтгэцийн загварыг хурдан гаргах (сургах эсвэл ашиглах) 🔧
Орчин үеийн ихэнх хиймэл оюун ухаан хоёр том үе шаттай:
-
Сургалт: загвар нь олон жишээнээс хэв маягийг сурдаг.
-
Дүгнэлт: сургагдсан загвар нь шинэ оролт авч, гаралт (таамаглал / ангилал / үүсгэсэн текст гэх мэт) гаргадаг.
Практик, хэт математик биш зураг:
-
Өгөгдөл цуглуулах (текст, зураг, гүйлгээ, мэдрэгч дохио)
-
Үүнийг хэлбэржүүлэх (хяналттай сургалтын шошго, эсвэл өөрөө/хагас хяналттай аргуудын бүтцийг тодорхойлох)
-
Сургах (жишээн дээр илүү сайн ажиллахын тулд загварыг оновчтой болгох)
-
Хараагүй өгөгдөл дээр баталгаажуулах
-
Байршуулах
-
Хяналт (учир нь бодит байдал өөрчлөгдөж, загварууд ид шидийн мэт хөл нийлүүлж чаддаггүй)
Гол санаа: олон хиймэл оюун ухааны системүүд хүн шиг "ойлгодоггүй". Тэд статистикийн хамаарлыг сурдаг. Тийм ч учраас хиймэл оюун ухаан нь хэв маягийг танихдаа маш сайн байж болох ч энгийн эрүүл ухаандаа бүтэлгүйтдэг. Энэ нь заримдаа таваг байдгийг мартдаг суут тогоочтой адил юм.
Харьцуулсан хүснэгт: хиймэл оюун ухааны технологийн нийтлэг сонголтууд (мөн тэдгээр нь юунд сайн бэ) 📊
Хиймэл оюун ухааны технологийн "төрлүүд"-ийн талаар бодох практик аргыг энд оруулав. Төгс биш ч гэсэн тусалдаг.
| Хиймэл оюун ухааны технологийн төрөл | (Үзэгчдэд) хамгийн тохиромжтой | Үнэтэй | Энэ яагаад ажилладаг вэ (хурдан) |
|---|---|---|---|
| Дүрэмд суурилсан автоматжуулалт | Жижиг ажиллагааны багууд, давтагддаг ажлын урсгалууд | Бага | Энгийн "хэрэв тэгвэл" гэсэн логик, найдвартай... гэхдээ амьдрал урьдчилан таамаглах аргагүй болоход хэврэг |
| Сонгодог машин сургалт | Шинжээчид, бүтээгдэхүүний багууд, урьдчилсан мэдээ | Дунд зэрэг | Бүтэцлэгдсэн өгөгдлөөс хэв маягийг сурдаг - "хүснэгт + чиг хандлага"-д маш сайн |
| Гүнзгий суралцах | Хараа/дууны баг, нарийн төвөгтэй ойлголт | Өндөр чанартай | Эмх замбараагүй оролтод сайн боловч өгөгдөл + тооцоолол (мөн тэвчээр) шаарддаг |
| NLP (хэлний шинжилгээ) | Дэмжлэг үзүүлэх баг, судлаачид, хууль тогтоомжийн хэрэгжилт | Дунд зэрэг | Утга/организм/зорилгыг гаргаж авдаг; ёжтой үгийг буруу уншиж чаддаг хэвээрээ л байна 😬 |
| Бүтээлч хиймэл оюун ухаан | Маркетинг, бичих, код бичих, санаа боловсруулах | Хувьсах | Контентыг хурдан бүтээдэг; чанар нь заавар болон хашлага зэргээс хамаарна... бас хааяа өөртөө итгэлтэй утгагүй зүйлс гардаг |
| Бэхжүүлэх сургалт | Робот техник, оновчлолын мэргэжилтнүүд (хайртайгаар хэлэв) | Өндөр | Судалж стратеги сурдаг; хүчтэй ч сургалт нь үнэтэй байж болно |
| Ирмэгийн хиймэл оюун ухаан | IoT, үйлдвэрүүд, эрүүл мэндийн төхөөрөмжүүд | Дунд зэрэг | Хурд + нууцлалын үүднээс загваруудыг төхөөрөмж дээр ажиллуулдаг - үүлэн технологиос хамааралтай байдлыг багасгадаг |
| Холимог системүүд (хиймэл оюун ухаан + дүрэм + хүмүүс) | Аж ахуйн нэгжүүд, өндөр эрсдэлтэй ажлын урсгалууд | Дунд-өндөр | Практик - хүмүүс "хүлээгээрэй, юу вэ?" гэсэн мөчүүдийг анзаарсаар л байна |
Тийм ээ, ширээ жаахан тэгш бус байна - энэ бол амьдрал. Хиймэл оюун ухааны технологийн сонголтууд шургуулганд байгаа чихэвч шиг давхцаж байна.
Сайн хиймэл оюун ухааны технологийн системийг юу бүрдүүлдэг вэ? ✅
Энэ бол тийм ч гялалздаггүй учраас хүмүүс алгасдаг хэсэг юм. Гэхдээ практик дээр амжилтын гол цөм нь энэ юм.
"Сайн" хиймэл оюун ухааны технологийн систем нь ихэвчлэн дараахь зүйлстэй байдаг
-
"Дэмжлэгийн тасалбарыг ангилахад туслах" нь "ухаалаг болох"-оос илүү тодорхой ажил -
Мэдээллийн чанар сайн.
Хог орж, хог гарч байна... заримдаа өөртөө итгэлтэйгээр хогоо гаргаж байна 😂 -
Хэмжиж болох үр дүн
Нарийвчлал, алдааны түвшин, цаг хэмнэлт, зардал буурсан, хэрэглэгчийн сэтгэл ханамж сайжирсан. -
Нэг талыг баримтлах болон шударга ёсны шалгалт (ялангуяа өндөр эрсдэлтэй хэрэглээнд)
Хэрэв энэ нь хүмүүсийн амьдралд нөлөөлж байвал та үүнийг нухацтай туршиж үздэг бөгөөд эрсдэлийн менежментийг нэг удаагийн шалгах тэмдэг биш, харин амьдралын мөчлөгийн зүйл гэж үздэг. NIST-ийн хиймэл оюун ухааны эрсдэлийн удирдлагын хүрээ нь энэ төрлийн "барих + хэмжих + удирдах" хандлагын хамгийн тодорхой олон нийтийн гарын авлагын нэг юм. [2] -
Хүний хяналт чухал.
Хүмүүс төгс учраас биш (lol), харин хариуцлага чухал учраас. -
Хөөргөлтийн дараах хяналт
Загварууд хэлбэлздэг. Хэрэглэгчийн зан төлөв өөрчлөгддөг. Бодит байдал таны сургалтын өгөгдөлд санаа тавьдаггүй.
"Нийлмэл жишээ"-г хурдан харуулав (маш ердийн байршуулалтууд дээр үндэслэсэн)
Дэмжлэгийн баг ML тасалбарын чиглүүлэлтийг гаргаж байна. 1 дэх долоо хоног: асар том ялалт. 8 дахь долоо хоног: Шинэ бүтээгдэхүүн гарснаар тасалбарын сэдвүүд өөрчлөгдөж, чиглүүлэлт чимээгүйхэн муудаж байна. Засвар нь "илүү хиймэл оюун ухаан" биш - энэ нь хяналт + дахин сургах өдөөгч + хүний нөөц зам юм . Тааламжгүй сантехник нь өдрийг аварч байна.
Аюулгүй байдал + нууцлал: заавал биш, зүүлт биш 🔒
Хэрэв таны хиймэл оюун ухаан хувийн мэдээлэлд хүрвэл та "насанд хүрэгчдийн дүрмийн" нутаг дэвсгэрт байна.
Та ерөнхийдөө дараах зүйлсийг хүсэж байна: хандалтын хяналт, өгөгдлийг багасгах, болгоомжтой хадгалах, тодорхой зорилгын хязгаарлалт, аюулгүй байдлын хүчтэй туршилт - мөн автоматжуулсан шийдвэрүүд хүмүүст нөлөөлдөг тохиолдолд нэмэлт болгоомжтой байх. Хиймэл оюун ухаан болон өгөгдөл хамгаалах талаарх Их Британийн ICO-ийн удирдамж нь шударга ёс, ил тод байдал, GDPR-тэй уялдуулсан байршуулалтын талаар бодох практик, зохицуулагчийн түвшний эх сурвалж юм. [3]
Эрсдэл ба хязгаарлалтууд (өөрөөр хэлбэл хүмүүсийн хүнд замаар сурдаг хэсэг) ⚠️
Хиймэл оюун ухааны технологи автоматаар найдвартай биш. Нийтлэг алдаанууд:
-
Нэг талыг баримтлах байдал ба шударга бус үр дүн
Хэрэв сургалтын өгөгдөл нь тэгш бус байдлыг тусгасан бол загварууд үүнийг давтаж эсвэл нэмэгдүүлж болно. -
Галлюцинация (үйлдвэрлэх хиймэл оюун ухааны хувьд)
Зарим загварууд зөв сонсогдож байгаа ч тийм биш хариултуудыг бий болгодог. Энэ нь яг "худлаа" биш - энэ нь өөртөө итгэлтэй импровизацийн инээдмийн жүжиг шиг юм. -
Аюулгүй байдлын эмзэг байдал.
Сөрөг халдлага, шуурхай мэдээлэл оруулах, өгөгдлийн хордлого - тийм ээ, энэ нь бодит бус зүйл болж хувирдаг. -
Хэт их найдлага
Хүмүүс гарцыг эргэлзэхээ больж, алдаа дутагдал гарч ирдэг. -
Загварын хэлбэлзэл
Дэлхий ертөнц өөрчлөгддөг. Хэрэв та үүнийг хадгалахгүй бол загвар өөрчлөгддөггүй.
Хэрэв та тогтвортой "ёс зүй + засаглал + стандарт" линзийг хүсч байвал IEEE-ийн бие даасан болон ухаалаг системийн ёс зүйн талаарх ажил нь хариуцлагатай дизайныг институцийн түвшинд хэрхэн хэлэлцдэг талаар хүчтэй лавлах цэг юм. [4]
Хэрэглээндээ тохирох хиймэл оюун ухааны технологийг хэрхэн сонгох вэ 🧭
Хэрэв та хиймэл оюун ухааны технологийг (бизнес, төсөл эсвэл зүгээр л сониуч зангийн хувьд) үнэлж байгаа бол эндээс эхэлнэ үү:
-
Үр дүнг тодорхойлох
Ямар шийдвэр эсвэл даалгавар сайжирч байна вэ? Ямар үзүүлэлтүүд өөрчлөгдөж байна вэ? -
Өгөгдлийнхөө бодит байдлыг аудит хийх
Танд хангалттай өгөгдөл байгаа юу? Цэвэрхэн үү? Нэг талыг барьсан уу? Хэн эзэмшдэг вэ? -
Хамгийн энгийн үр дүнтэй аргыг сонгоорой
. Заримдаа дүрэм журам нь машин механизмыг ялдаг. Заримдаа сонгодог машин механизм нь гүнзгий сургалтыг ялдаг.
Хэт төвөгтэй байдал нь таны үүрд төлөх татвар юм. -
Зөвхөн демо хувилбар биш, харин байршуулах төлөвлөгөө.
Интеграци, хоцрогдол, хяналт, давтан сургалт, зөвшөөрөл. -
Өндөр эрсдэлтэй, бүртгэл хөтлөх, шаардлагатай бол тайлбарлах боломжтой эсэхийг шалгахын тулд хашлага нэмнэ үү -
Бодит хэрэглэгчидтэй туршилт хийх
Хэрэглэгчид таны дизайнеруудын хэзээ ч төсөөлж байгаагүй зүйлсийг хийх болно. Үргэлж.
Би үүнийг шууд хэлье: хамгийн сайн хиймэл оюун ухааны технологийн төсөл нь ихэвчлэн 30 хувь загвар, 70 хувь сантехник байдаг. Тансаг биш. Маш бодитой.
Товч хураангуй болон хаалтын тэмдэглэл 🧁
Хиймэл оюун ухааны технологи нь машинуудад өгөгдлөөс суралцах, хэв маягийг таних, хэлийг ойлгох, дэлхий ертөнцийг танин мэдэх, шийдвэр гаргах, заримдаа бүр шинэ контент бий болгоход тусалдаг багаж хэрэгсэл юм. Үүнд машин сургалт, гүнзгий сургалт, NLP, компьютерийн хараа, бэхжүүлэх сургалт, генератив хиймэл оюун ухаан багтдаг.
Хэрэв та нэг зүйлийг хасвал: Хиймэл оюун ухааны технологи хүчирхэг боловч автоматаар найдвартай биш. Хамгийн сайн үр дүн нь тодорхой зорилго, сайн өгөгдөл, нямбай туршилт, тасралтгүй хяналтаас гардаг. Дээрээс нь эрүүл тунгаар эргэлзээ төрүүлдэг - жаахан хэтэрхий урам зоригтой мэт санагдах рестораны тоймыг уншихтай адил 😬
Түгээмэл асуултууд
Энгийнээр хэлбэл хиймэл оюун ухааны технологи гэж юу вэ?
Хиймэл оюун ухааны технологи нь компьютеруудад өгөгдлөөс суралцах, таамаглал, зөвлөмж эсвэл үүсгэсэн контент зэрэг практик гарцуудыг бий болгоход тусалдаг аргуудын цуглуулга юм. Бүх нөхцөл байдалд тогтсон дүрмээр програмчлагдахын оронд загваруудыг жишээн дээр сургаж, дараа нь шинэ оролтод ашигладаг. Үйлдвэрлэлийн байршуулалтад хиймэл оюун ухаанд тулгарч буй өгөгдөл цаг хугацааны явцад өөрчлөгдөж болох тул тасралтгүй хяналт шаардлагатай байдаг.
Хиймэл оюун ухааны технологи практикт хэрхэн ажилладаг вэ (сургалт ба дүгнэлт)?
Ихэнх хиймэл оюун ухааны технологи нь сургалт ба дүгнэлт гэсэн хоёр үндсэн үе шаттай байдаг. Сургалтын явцад загвар нь өгөгдлийн багцаас хэв маягийг сурдаг бөгөөд ихэвчлэн мэдэгдэж буй жишээнүүд дээр гүйцэтгэлээ оновчтой болгох замаар хийдэг. Дүгнэлтийн үеэр сургагдсан загвар нь шинэ оролтыг авч, ангилал, урьдчилсан мэдээ эсвэл үүсгэсэн текст гэх мэт гаралтыг гаргадаг. Байршуулалтын дараа гүйцэтгэл муудаж болзошгүй тул хяналт, давтан сургалт нь чухал үүрэг гүйцэтгэдэг.
Машин сургалт, гүнзгий сургалт болон хиймэл оюун ухааны хооронд ямар ялгаа байдаг вэ?
Хиймэл оюун ухаан нь "ухаалаг" машины зан төлөвийг илэрхийлдэг өргөн хүрээтэй нэр томъёо бөгөөд машин сургалт нь өгөгдлөөс харилцаа холбоог сурдаг хиймэл оюун ухааны хүрээнд түгээмэл хэрэглэгддэг арга юм. Гүнзгий сургалт нь олон давхаргат мэдрэлийн сүлжээг ашигладаг машин сургалтын нэг хэсэг бөгөөд зураг эсвэл аудио гэх мэт шуугиантай, бүтэцгүй оролт дээр сайн ажиллах хандлагатай байдаг. Олон систем нь ганц техникт найдахаас илүүтэй хандлагыг хослуулдаг.
Хиймэл оюун ухааны технологи ямар төрлийн асуудлуудад хамгийн тохиромжтой вэ?
Хиймэл оюун ухааны технологи нь хэв маягийг таних, урьдчилсан мэдээ гаргах, хэлний даалгавар гүйцэтгэх, шийдвэр гаргахад дэмжлэг үзүүлэхэд онцгой хүчтэй байдаг. Нийтлэг жишээнд спам илрүүлэх, хэрэглэгчийн хаягийг таамаглах, дэмжлэгийн тасалбар чиглүүлэх, ярианаас текст рүү хөрвүүлэх, харааны согог илрүүлэх зэрэг орно. Бүтээлч хиймэл оюун ухааныг ихэвчлэн ноороглох, нэгтгэн дүгнэх эсвэл санаа боловсруулахад ашигладаг бол бэхжүүлэх сургалт нь оновчлолын асуудлууд болон шагнал, торгуулийн тусламжтайгаар агентуудыг сургахад тусалдаг.
Хиймэл оюун ухааны загварууд яагаад хэлбэлздэг вэ, мөн гүйцэтгэлийн бууралтаас хэрхэн урьдчилан сэргийлэх вэ?
Загварын шилжилт нь нөхцөл байдал өөрчлөгдөхөд - шинэ хэрэглэгчийн зан байдал, шинэ бүтээгдэхүүн, шинэ залилангийн хэв маяг, хэл өөрчлөгдөхөд - загвар нь хуучин өгөгдөл дээр сургагдсан хэвээр байх үед тохиолддог. Гүйцэтгэлийн бууралтыг бууруулахын тулд багууд ихэвчлэн эхлүүлсний дараа гол үзүүлэлтүүдийг хянаж, сэрэмжлүүлгийн босгыг тогтоож, үечилсэн хяналтыг төлөвлөдөг. Шилжилт илэрсэн үед давтан сургалт, өгөгдлийн шинэчлэлт, хүний нөөц зам нь үр дүнг найдвартай байлгахад тусалдаг.
Тодорхой хэрэглээний тохиолдолд тохирох хиймэл оюун ухааны технологийг хэрхэн сонгох вэ?
Үр дүн болон сайжруулахыг хүсч буй хэмжүүрээ тодорхойлж эхэл, дараа нь өгөгдлийн чанар, алдааны эрсдэл болон эзэмшлээ үнэл. Нийтлэг арга бол шаардлагыг хангаж чадах хамгийн энгийн аргыг сонгох явдал юм - заримдаа дүрэм журам нь машин механизмыг давдаг бөгөөд сонгодог машин механизм нь бүтэцлэгдсэн "хүснэгт + чиг хандлага" өгөгдлийн хувьд гүнзгий сургалтаас илүү сайн үр дүнтэй байдаг. Зөвхөн демо биш, интеграци, хоцрогдол, зөвшөөрөл, хяналт, давтан сургалтын төлөвлөгөө гарга.
Хиймэл оюун ухааны технологийн хамгийн том эрсдэл ба хязгаарлалтууд юу вэ?
Сургалтын өгөгдөл нь нийгмийн тэгш бус байдлыг тусгасан тохиолдолд хиймэл оюун ухааны системүүд нь нэг талыг барьсан эсвэл шударга бус үр дүнд хүргэж болзошгүй. Бүтээлч хиймэл оюун ухаан нь "хий үзэгдэл" үүсгэж, найдвартай бус, итгэлтэй сонсогдож буй гаралтыг бий болгож болзошгүй. Шуурхай тарилга, өгөгдлийн хордлого зэрэг аюулгүй байдлын эрсдэлүүд бас байдаг бөгөөд багууд гаралтаас хэт хамааралтай болж болзошгүй. Ялангуяа өндөр эрсдэлтэй ажлын урсгалд тасралтгүй засаглал, туршилт, хүний хяналт чухал үүрэг гүйцэтгэдэг.
"Засаглал" гэдэг нь хиймэл оюун ухааны технологийн практикт юу гэсэн үг вэ?
Засаглал гэдэг нь хиймэл оюун ухааныг хэрхэн бүтээх, байршуулах, засвар үйлчилгээ хийх талаар хяналт тавихыг хэлнэ, ингэснээр хариуцлага тодорхой хэвээр үлдэнэ. Практикт үүнд алдааны шалгалт, нууцлал болон аюулгүй байдлын хяналт, нөлөөлөл өндөр байгаа тохиолдолд хүний хяналт, аудит хийх боломжтой эсэхийг бүртгэх зэрэг орно. Энэ нь мөн эрсдэлийн менежментийг амьдралын мөчлөгийн үйл ажиллагаа гэж үзэхийг хэлнэ - сургалт, баталгаажуулалт, байршуулалт, дараа нь нөхцөл байдал өөрчлөгдөхөд тасралтгүй хяналт, шинэчлэлт хийх.
Лавлагаа
-
NIST - Хиймэл оюун ухааны эрсдэлийн удирдлагын хүрээ (AI RMF 1.0) PDF
-
Их Британийн ICO - Хиймэл оюун ухаан болон өгөгдөл хамгаалах удирдамж
-
IEEE Стандартын Холбоо - Автономит болон Ухаалаг Системийн Ёс Зүйн Дэлхийн Санаачилга