Машин сургалт ба хиймэл оюун ухаан гэж юу вэ?

Хэрэв та хиймэл оюун ухаан худалдаж авч байна уу эсвэл зүгээр л машин сургалт худалдаж авч байна уу гэж гайхаж бүтээгдэхүүний хуудас руу нүдээ бүлтийлгэж байсан бол та ганцаараа биш. Нэр томьёо нь конфетти шиг эргэлддэг. Машин сургалт болон хиймэл оюун ухааныг харьцуулсан эелдэг, утгагүй гарын авлага энд байна. Энэ гарын авлагад хэдэн хэрэгтэй зүйрлэл нэмж, танд үнэхээр ашиглаж болох практик газрын зургийг оруулсан болно.

Үүний дараа таны унших дуртай нийтлэлүүд:

🔗 Хиймэл оюун ухаан гэж юу вэ
Хиймэл оюун ухааны тухай ойлголт, түүх болон бодит хэрэглээний талаарх энгийн хэл дээрх танилцуулга.

🔗 Тайлбарлаж болох хиймэл оюун ухаан гэж юу вэ
Загварын ил тод байдал яагаад чухал вэ, таамаглалыг тайлбарлах аргууд.

🔗 Хүн дүрст робот хиймэл оюун ухаан гэж юу вэ
Хүнтэй төстэй робот системийн чадавхи, бэрхшээл, хэрэглээний тохиолдлууд.

🔗 Хиймэл оюун ухаанд мэдрэлийн сүлжээ гэж юу вэ
Зангилаа, давхарга болон сургалтыг зөн совингийн жишээнүүдээр тайлбарласан.

Машин сургалт болон хиймэл оюун ухааны хоорондын ялгаа үнэндээ юу вэ? 🌱→🌳

• Хиймэл оюун ухаан (AI) нь өргөн хүрээний зорилго юм: хүний ​​оюун ухаантай холбодог ажлуудыг гүйцэтгэдэг системүүд - сэтгэлгээ, төлөвлөлт, ойлголт, хэл яриа - очих газар . Чиг хандлага болон цар хүрээний хувьд Стэнфордын хиймэл оюун ухааны индекс нь "нэгдсэн улсын төлөв байдал"-ыг найдвартайгаар харуулдаг. [3]

• Машин сургалт (ML) нь хиймэл оюун ухааны дэд хэсэг юм: өгөгдлөөс хэв маягийг сурч, даалгаврыг сайжруулах аргууд. Сонгодог, бат бөх хүрээ: Машин сургалт нь туршлагаар дамжуулан автоматаар сайжирдаг алгоритмуудыг судалдаг. [1]

Үүнийг шулуун байлгах энгийн арга: Хиймэл оюун ухаан бол шүхэр, ML бол хавирганы нэг юм . Бүх хиймэл оюун ухаан ML ашигладаггүй ч орчин үеийн хиймэл оюун ухаан бараг үргэлж үүн дээр тулгуурладаг. Хэрэв хиймэл оюун ухаан бол хоол бол ML бол хоол хийх арга юм. Бага зэрэг тэнэг, мэдээж, гэхдээ энэ нь наалддаг.

Машин сургалтыг хиймэл оюун ухаантай харьцуулдаг💡

Хүмүүс Машин сургалт болон Хиймэл оюун ухааныг харьцуулахыг хүсэхдээ ихэвчлэн товчлол биш харин үр дүнгийн төлөө байдаг. Технологи нь дараах зүйлсийг хийж чаддагаараа сайн байдаг:

1. Тодорхой чадавхийн олз

   • Хүний ердийн ажлын урсгалаас илүү хурдан эсвэл илүү нарийвчлалтай шийдвэрүүд.

   • Бодит цагийн олон хэлний транскрипц гэх мэт таны өмнө нь бүтээж чадахгүй байсан шинэ туршлагууд.

2. Найдвартай сургалтын мөчлөг

   • Өгөгдөл ирж, загварууд суралцаж, зан байдал сайжирдаг. Давталт нь ямар ч драмагүйгээр эргэлдсээр байдаг.

3. Бат бөх чанар ба аюулгүй байдал

   • Эрсдэл ба түүнийг бууруулах арга хэмжээг сайн тодорхойлсон. Ухаалаг үнэлгээ. Хязгаарлагдмал тохиолдлуудад гэнэтийн алдаа гарахгүй. NIST хиймэл оюун ухааны эрсдэлийн удирдлагын хүрээ нь практик, үйлдвэрлэгчээс төвийг сахисан луужин юм. [2]

4. Бизнесийн хувьд тохиромжтой

   • Загварын нарийвчлал, хоцрогдол болон өртөг нь таны хэрэглэгчдийн хэрэгцээтэй нийцэж байна. Хэрэв энэ нь гайхалтай боловч KPI-г хөдөлгөхгүй бол энэ нь зүгээр л шинжлэх ухааны үзэсгэлэнгийн төсөл юм.

5. Үйл ажиллагааны төлөвшил

   • Хяналт, хувилбар гаргах, санал хүсэлт гаргах, давтан сургах нь ердийн зүйл юм. Энд уйтгартай байх нь сайн хэрэг.

Хэрэв санаачилга эдгээр таван зүйлийг амжилттай хэрэгжүүлж чадвал энэ нь сайн хиймэл оюун ухаан, сайн машин механизм, эсвэл хоёуланг нь хэлж болно. Хэрэв эдгээрийг хийж чадахгүй бол энэ нь магадгүй алдсан демо хувилбар байх.

Машин сургалт ба хиймэл оюун ухааныг товчхон авч үзвэл: давхаргууд 🍰

Практик сэтгэлгээний загвар:

• Өгөгдлийн давхарга
  Түүхий текст, зураг, аудио, хүснэгтүүд. Өгөгдлийн чанар нь бараг үргэлж загварын шуугианаас давж гардаг.

• Загварын давхарга нь
  сонгодог ML-тэй төстэй мод, шугаман загварууд, ойлголт болон хэлний гүнзгий сургалт, улам бүр суурь болж буй загварууд юм.

• Сэтгэцийн болон хэрэгслийн давхарга
  Загварын гаралтыг даалгаврын гүйцэтгэл болгон хувиргадаг өдөөлт, сэргээлт, агентууд, дүрэм журам, үнэлгээний хэрэгслүүд.

• Хэрэглээний давхарга
  Хэрэглэгч рүү чиглэсэн бүтээгдэхүүн. Энэ бол хиймэл оюун ухаан ид шид мэт санагддаг, эсвэл заримдаа зүгээр л... зүгээр байдаг газар юм.

Машин сургалт болон хиймэл оюун ухааныг харьцуулах нь эдгээр давхаргын цар хүрээний асуудал юм. Машин сургалт нь ерөнхийдөө загварын давхарга юм. Хиймэл оюун ухаан нь бүхэл бүтэн стекийг хамардаг. Практикт түгээмэл байдаг хэв маяг: хөнгөн мэдрэгчтэй машин сургалтын загвар болон бүтээгдэхүүний дүрмүүд нь илүү хүнд "хиймэл оюун ухаан" системийг илүүд үздэг тул танд илүү нарийн төвөгтэй байдал хэрэгтэй болно. [3]

Ялгаа нь харагдаж буй өдөр тутмын жишээнүүд 🚦

• Спам шүүлтүүр

  • Машины технологи: шошготой имэйлүүд дээр сургагдсан ангилагч.

  • Хиймэл оюун ухаан: эвристик, хэрэглэгчийн тайлан, дасан зохицох босго, ангилагч зэрэг бүхэл бүтэн систем.

• Бүтээгдэхүүний зөвлөмж

  • ML: товшилтын түүхэн дэх хамтын шүүлтүүр эсвэл градиентийг нэмэгдүүлэх моднууд.

  • Хиймэл оюун ухаан: нөхцөл байдал, бизнесийн дүрэм журам, тайлбарыг харгалзан үзсэн цогц хувьчлал.

• Чатын туслахууд

  • ML: хэлний загвар өөрөө.

  • Хиймэл оюун ухаан: санах ой, сэргээлт, багаж хэрэгслийн хэрэглээ, аюулгүйн хашлага болон хэрэглэгчийн хэрэглээтэй туслах дамжуулах хоолой.

Та нэг хэв маягийг анзаарах болно. Машинаар суралцах нь суралцах зүрх сэтгэл юм. Хиймэл оюун ухаан бол түүнийг хүрээлж буй амьд организм юм.

Харьцуулсан хүснэгт: Машин сургалт ба хиймэл оюун ухааны хэрэгслүүд, үзэгчид, үнэ, яагаад ажилладаг вэ 🧰

Санаатайгаар бага зэрэг замбараагүй - учир нь жинхэнэ тэмдэглэл хэзээ ч төгс цэвэрхэн байдаггүй.

*Зөвхөн заалт. Ихэнх үйлчилгээнүүд үнэгүй шатлал эсвэл төлбөрийн үйлчилгээг санал болгодог; одоогийн мэдээллийг албан ёсны үнийн хуудаснаас шалгана уу.

Машин сургалт болон хиймэл оюун ухаан системийн дизайнд хэрхэн илэрдэг вэ 🏗️

1. Шаардлага

   • Хиймэл оюун ухаан: хэрэглэгчийн үр дүн, аюулгүй байдал, хязгаарлалтыг тодорхойлох.

   • Машины ур чадвар: зорилтот хэмжигдэхүүн, онцлог шинж чанарууд, шошго, сургалтын төлөвлөгөөг тодорхойлох.

2. Өгөгдлийн стратеги

   • Хиймэл оюун ухаан: бүрэн өгөгдлийн урсгал, засаглал, нууцлал, зөвшөөрөл.

   • ML: дээж авах, шошголох, нэмэгдүүлэх, шилжилт илрүүлэх.

3. Загварын сонголт

   • Хамгийн энгийн зүйлээс эхэл. Бүтэцлэгдсэн/хүснэгтийн өгөгдлийн хувьд градиентаар нэмэгдүүлсэн модыг даван туулахад маш хэцүү суурь шугам болдог. [5]

   • Жижиг түүх: ажилчдын хаялт болон залилангийн төслүүдийн талаар бид GBDT-үүд илүү өндөр оноотой хэрнээ хямд, хурдан үйлчилгээ үзүүлдэг болохыг олон удаа харсан. [5]

4. Үнэлгээ

   • ML: F1, ROC AUC, RMSE зэрэг офлайн үзүүлэлтүүд.

   • Хиймэл оюун ухаан: хөрвүүлэлт, хадгалалт, сэтгэл ханамж зэрэг онлайн үзүүлэлтүүд, мөн субъектив даалгавруудын хүний ​​үнэлгээ. Хиймэл оюун ухааны индекс нь эдгээр практикууд салбарын хэмжээнд хэрхэн хөгжиж байгааг хянадаг. [3]

5. Аюулгүй байдал ба засаглал

   • Нэр хүндтэй хүрээнээс бодлого болон эрсдэлийн хяналтыг эх үүсвэр болгон авах. NIST AI RMF нь байгууллагуудад AI эрсдэлийг үнэлэх, удирдах, баримтжуулахад туслах зорилгоор тусгайлан бүтээгдсэн. [2]

Гараар даллахгүйгээр чухал хэмжүүрүүд 📏

• Нарийвчлал ба ашиг тус.
  Хэрэв хоцрогдол болон өртөг нь хамаагүй илүү байвал нарийвчлал багатай загвар нь ялах магадлалтай.

• Тохируулга
  Хэрэв систем 90% итгэлтэй гэж хэлбэл энэ хурд нь ихэвчлэн зөв байдаг уу? Дутуу хэлэлцэгдсэн, хэт чухал бөгөөд температурын хэмжилт гэх мэт хөнгөн засварууд байдаг. [4]

• Бат бөх чанар
  Энэ нь замбараагүй оролт дээр зөөлөн доройтдог уу? Стресс тест болон синтетик ирмэгийн кейсийг туршаад үзээрэй.

• Шударга ёс ба хор хөнөөл
  Бүлгийн гүйцэтгэлийг хэмжих. Мэдэгдэж буй хязгаарлалтуудыг баримтжуулах. Хэрэглэгчийн боловсролыг UI дотор шууд холбох. [2]

• Үйл ажиллагааны үзүүлэлтүүд
  Байршуулах хугацаа, буцаах хурд, өгөгдлийн шинэлэг байдал, алдааны түвшин. Өдрийг хэмнэдэг уйтгартай сантехник.

Үнэлгээний практик болон чиг хандлагын талаар илүү гүнзгий уншихын тулд Стэнфордын хиймэл оюун ухааны индекс нь салбар дундын өгөгдөл болон дүн шинжилгээг цуглуулдаг. [3]

Зайлсхийх ёстой алдаа дутагдал ба домог 🙈

• Домог: илүү их өгөгдөл үргэлж сайн байдаг.
  Илүү сайн шошго болон төлөөллийн түүвэрлэлт нь түүхий эзлэхүүнээс илүү. Тийм ээ, одоо ч гэсэн.

• Домог: гүнзгий суралцах нь бүх зүйлийг шийддэг.
  Жижиг/дунд хэмжээний хүснэгтийн бодлогуудад зориулагдаагүй; модонд суурилсан аргууд нь маш өрсөлдөөнтэй хэвээр байна. [5]

• Домог: Хиймэл оюун ухаан нь бүрэн бие даасан байдалтай тэнцүү.
  Өнөө үед ихэнх үнэ цэнэ нь шийдвэр гаргахад дэмжлэг үзүүлэх болон хүмүүсийг оролцуулсан хэсэгчилсэн автоматжуулалтаас үүдэлтэй юм. [2]

• Сандрал: тодорхой бус асуудлын мэдэгдэл.
  Хэрэв та амжилтын хэмжүүрийг нэг мөрөнд бичиж чадахгүй бол хий үзэгдлүүдийг хөөцөлдөх болно.

• Сул тал: өгөгдлийн эрх болон нууцлалыг үл тоомсорлох.
  Байгууллагын бодлого, хууль эрх зүйн удирдамжийг дагаж мөрдөх; эрсдэлийн хэлэлцүүлгийг хүлээн зөвшөөрөгдсөн хүрээнд зохион байгуулах. [2]

Худалдан авалт ба барилга: богино шийдвэр гаргах зам 🧭

• "Buy" гэж эхэл . Суурь загварын API болон удирддаг үйлчилгээнүүд нь маш чадварлаг. Та дараа нь хашлага, сэргээлт, үнэлгээг хийж болно.

• Өгөгдөл тань өвөрмөц эсвэл даалгавар бол таны шуудуу байх үед захиалгаар бүтээгээрэй

• Холимог бол хэвийн үзэгдэл. Олон багууд хэлний API болон эрэмбэлэх эсвэл эрсдэлийн оноо авахын тулд захиалгат ML-ийг хослуулдаг. Үр дүнтэйг нь ашиглаарай. Шаардлагатай бол хольж, тохируулдаг.

Машин сургалт болон хиймэл оюун ухааныг хэрхэн салгаж болох талаар байнга асуудаг асуултууд ❓

Бүхэлдээ хиймэл оюун ухаан машин сургалт уу?
Үгүй. Зарим хиймэл оюун ухаан нь бараг суралцдаггүй эсвэл огт суралцдаггүй дүрэм, хайлт эсвэл төлөвлөлтийг ашигладаг. Машины сургалт одоогоор зүгээр л давамгайлж байна. [3]

Бүхэлдээ машин механизм хиймэл оюун ухаан уу?
Тийм ээ, машин механизм нь хиймэл оюун ухааны шүхэр дотор оршдог. Хэрэв энэ нь даалгаврыг гүйцэтгэхийн тулд өгөгдлөөс суралцдаг бол та хиймэл оюун ухааны нутаг дэвсгэрт байна гэсэн үг. [1]

Баримт бичигт би юу гэж хэлэх ёстой вэ: Машин сургалт ба хиймэл оюун ухаан?
Хэрэв та загвар, сургалт, өгөгдлийн талаар ярьж байгаа бол машин сургалт гэж хэлээрэй. Хэрэв та хэрэглэгчтэй харьцах чадвар болон системийн зан төлөвийн талаар ярьж байгаа бол хиймэл оюун ухаан гэж хэлээрэй. Эргэлзэж байвал тодорхой хэлээрэй.

Надад асар их өгөгдлийн багц хэрэгтэй юу?
Үргэлж тийм биш. Ухаалаг функцын инженерчлэл эсвэл ухаалаг хайлтын тусламжтайгаар жижиг хэмжээтэй цуглуулсан өгөгдлийн багцууд нь илүү том, ялангуяа хүснэгтэн өгөгдлөөс илүү сайн гүйцэтгэлтэй байж болно. [5]

Хариуцлагатай хиймэл оюун ухааны талаар юу хэлэх вэ?
Эхнээс нь л сайн бодож үзээрэй. NIST AI RMF гэх мэт бүтэцлэгдсэн эрсдэлийн туршлагыг ашиглаж, системийн хязгаарлалтыг хэрэглэгчдэд мэдээлээрэй. [2]

Гүнзгий судлах: сонгодог машин механизм ба гүн сургалт ба суурь загварууд 🧩

• Сонгодог ML

  • Хүснэгтийн өгөгдөл болон бүтэцлэгдсэн бизнесийн асуудлуудад маш сайн.

  • Сургахад хурдан, тайлбарлахад хялбар, үйлчлэхэд хямд.

  • Ихэнхдээ хүний ​​бүтээсэн онцлог шинж чанарууд болон салбарын мэдлэгтэй хослуулдаг. [5]

• Гүнзгий суралцах

  • Бүтэцлэгдээгүй оролтуудад гэрэлтдэг: зураг, аудио, байгалийн хэл.

  • Илүү тооцоолол, нямбай тохируулга шаарддаг.

  • Нэмэлт, тогтмолжуулалт болон сайтар бодож боловсруулсан архитектуртай хослуулсан. [3]

• Суурийн загварууд

  • Өргөн хүрээний өгөгдөл дээр урьдчилан сургагдсан, өдөөлт өгөх, нарийн тохируулах эсвэл сэргээх замаар олон даалгаварт дасан зохицох чадвартай.

  • Хашлага, үнэлгээ, зардлын хяналт хэрэгтэй байна. Сайн шуурхай инженерчлэлтэй бол нэмэлт миль зарцуулна. [2][3]

Жижигхэн алдаатай зүйрлэл: сонгодог ML бол дугуй, гүнзгий сургалт бол мотоцикл, харин суурь загварууд нь заримдаа завины үүрэг гүйцэтгэдэг галт тэрэг юм. Хэрэв та нүдээ анивал энэ нь утга учиртай болно... тэгээд ч утгагүй болно. Гэсэн хэдий ч хэрэгтэй хэвээр байна.

Таны хулгайлж болох хэрэгжүүлэх шалгах хуудас ✅

1. Бодлогын өгүүлбэрийг нэг мөрөөр бичнэ үү.

2. Үндсэн үнэн ба амжилтын хэмжүүрийг тодорхойл.

3. Бараа материалын мэдээллийн эх сурвалж болон өгөгдлийн эрх. [2]

4. Хамгийн энгийн хэрэгжих боломжтой загвартай суурь үзүүлэлт.

5. Аппликейшнийг ажиллуулахаасаа өмнө үнэлгээний дэгээгээр тоноглоно уу.

6. Төлөвлөлтийн санал хүсэлтийн давталт: шошгололт, шилжилтийн шалгалт, давтан сургах хэмнэл.

7. Таамаглал болон мэдэгдэж буй хязгаарлалтуудыг баримтжуул.

8. Жижиг туршилт явуулж, онлайн үзүүлэлтүүдийг офлайн ялалттайгаа харьцуул.

9. Болгоомжтой хэмжүүр хийж, тасралтгүй хянаж байгаарай. Уйтгартай зүйлийг тэмдэглэ.

Машин сургалт ба хиймэл оюун ухаан - товч тойм 🍿

• Хиймэл оюун ухаан бол таны хэрэглэгчийн туршлагын ерөнхий чадвар юм.

• ML бол уг чадварын нэг хэсгийг ажиллуулдаг суралцах механизм юм. [1]

• Амжилт гэдэг нь загварын хэв маягаас илүү тодорхой асуудлын хүрээ, цэвэр өгөгдөл, прагматик үнэлгээ, аюулгүй үйл ажиллагаанаас илүү чухал юм. [2][3]

• Хурдан хөдөлж, хэзээ шуудуу болохоо тохируулахын тулд API ашиглаарай.

• Эрсдэлийг урьдчилан харж байгаарай. NIST AI RMF-ээс мэргэн ухаан зээлээрэй. [2]

• Хүмүүст чухал үр дүнг хянах. Зөвхөн нарийвчлал ч биш. Ялангуяа бардамналын хэмжүүр биш. [3][4]

Эцсийн тайлбар - Хэтэрхий урт байна, уншаагүй байна 🧾

Машин сургалт болон хиймэл оюун ухааны хоорондох тэмцэл бол тулаан биш. Энэ бол цар хүрээ юм. Хиймэл оюун ухаан бол хэрэглэгчдийн төлөө ухаалаг ажилладаг бүхэл бүтэн систем юм. Машин сургалт бол тухайн системийн доторх өгөгдлөөс суралцдаг аргуудын багц юм. Хамгийн аз жаргалтай багууд машин сургалтыг хэрэгсэл, хиймэл оюун ухааныг туршлага, бүтээгдэхүүний нөлөөллийг үнэндээ чухал цорын ганц онооны самбар гэж үздэг. Үүнийг хүнлэг, аюулгүй, хэмжигдэхүйц, бага зэрэг хог хаягдалтай байлгаарай. Мөн санаж байгаарай: дугуй, мотоцикл, галт тэрэг. Энэ нь хэсэг хугацаанд утга учиртай байсан, тийм үү? 😉

Лавлагаа

1. Том М. Митчелл - Машин сургалт (номны хуудас, тодорхойлолт). дэлгэрэнгүй унших

2. NIST - Хиймэл оюун ухааны эрсдэлийн удирдлагын хүрээ (Хиймэл оюун ухааны RMF 1.0) (албан ёсны хэвлэл). дэлгэрэнгүй унших

3. Стэнфордын HAI - Хиймэл оюун ухааны индексийн 2025 оны тайлан (албан ёсны PDF). дэлгэрэнгүй унших

4. Гуо, Плейсс, Сун, Вайнбергер - Орчин үеийн мэдрэлийн сүлжээг тохируулах тухай (PMLR/ICML 2017). дэлгэрэнгүй унших

5. Гринстайн, Ояллон, Варокуа - Мод дээр суурилсан загварууд яагаад хүснэгтийн өгөгдөл дээр гүнзгий сургалтаас илүү сайн үр дүнтэй хэвээр байна вэ? (NeurIPS 2022 өгөгдлийн багц ба шалгуур үзүүлэлтүүд). дэлгэрэнгүй унших

Албан ёсны хиймэл оюун ухааны туслах дэлгүүрээс хамгийн сүүлийн үеийн хиймэл оюун ухааныг олоорой

Бидний тухай