Штучний інтелект є складною і багатогранною сферою. Вчені, які працюють у цій галузі, часто використовують технічний жаргон для пояснення своїх досягнень. Тому виникає потреба у використанні цих термінів у новинному висвітленні індустрії штучного інтелекту. З метою полегшення розуміння ми підготували глосарій, який міститиме визначення основних слів та фраз, що часто використовуються в наших статтях.
Про це розповідає ProIT
Глосарій буде регулярно оновлюватись, щоб додавати нові терміни у міру того, як дослідники виявляють нові методи розвитку штучного інтелекту та виявляють нові ризики.
Ключові терміни штучного інтелекту
Штучний загальний інтелект (AGI) – це термін, який зазвичай описує штучний інтелект, що здатний виконувати більшість завдань на рівні або навіть краще, ніж середня людина. Генеральний директор OpenAI Сем Альтман нещодавно охарактеризував AGI як “еквівалент середньостатистичної людини, яку можна найняти як колегу”. Відповідно до хартії OpenAI, AGI визначається як “високоавтономні системи, які перевершують людей у більшості економічно цінних робіт”.
“AGI є терміном, що зазвичай описує штучний інтелект, здатний перевершити середню людину у більшості завдань.”
Агент штучного інтелекту – це інструмент, що використовує технології штучного інтелекту для виконання ряду завдань від вашого імені, таких як подання витрат, бронювання квитків чи столика в ресторані, або навіть написання та обслуговування коду. Це автономна система, яка може використовувати кілька систем штучного інтелекту для виконання багатоступеневих завдань.
В умовах штучного інтелекту, розуміння та логічне міркування для великих мовних моделей означає розподіл проблеми на менші, проміжні етапи, що покращує якість кінцевого результату. Хоча це може зайняти більше часу, відповідь буде більш правильною, особливо у контексті логіки або програмування.
Технології та інновації у сфері AI
Глибоке навчання є підмножиною самовдосконаленого машинного навчання, в якій алгоритми штучного інтелекту розроблені з багатошаровою структурою штучних нейронних мереж (ANN). Це дозволяє їм виявляти більш складні кореляції в порівнянні з простішими системами машинного навчання. Моделі глибокого навчання можуть самостійно визначати важливі характеристики даних, замість того, щоб покладатися на людських інженерів.
Дифузія є ключовою технологією, що лежить в основі багатьох моделей AI, які генерують мистецтво, музику та текст. Дифузійні системи повільно “руйнують” структуру даних, додаючи шум, поки нічого не залишається. В AI, ці системи прагнуть вивчити процес “оберненої дифузії” для відновлення знищених даних.
Генеративна змагальна мережа (GAN) є типом машини навчання, що сприяє розвиткові генеративного AI, включаючи інструменти для створення реалістичних даних, таких як deepfake. GAN складається з пари нейронних мереж, які конкурують між собою, удосконалюючи результати.
У світі штучного інтелекту термін “галюцинація” використовується для опису ситуацій, коли моделі AI генерують неправдиву інформацію. Це велика проблема для якості AI, оскільки галюцинації можуть призвести до оманливих результатів, що несуть реальні ризики.
В цілому, розуміння термінів та концепцій у сфері штучного інтелекту допоможе краще орієнтуватися в цій динамічній і швидко розвиваючійся галузі.