Які бувають типи штучного інтелекту? [Відео та вікторина]

Коротка відповідь: Типи ШІ найкраще розуміються за можливостями, функціональністю, стилем навчання та варіантом використання. Вузький ШІ сьогодні поширений, тоді як загальний ШІ та супер ШІ залишаються теоретичними. Вибираючи інструмент, зіставте категорію із завданням, пов'язаними з ним ризиками та необхідністю перевірки людиною.

Ключові висновки:

Класифікація: Перед порівнянням систем розрізняйте можливості, функціональність, метод навчання та варіанти використання.

Перевірка людиною: Перевірте генеративні, прогнозні та розмовні результати, перш ніж покладатися на них.

Прозорість: Запитайте, які дані, логіка та обмеження формують кожну систему штучного інтелекту.

Підзвітність: Забезпечення відповідальності людей, коли штучний інтелект впливає на рішення, користувачів або безпеку.

Контроль ризиків: Перевірте на упередженість, конфіденційність, безпеку та неправильне використання перед розгортанням.

---

1. Які бувають типи штучного інтелекту?

Коли люди запитують: «Які є типи штучного інтелекту?», вони зазвичай мають на увазі одне з двох:

Вони можуть запитувати про ШІ на основі можливостей, наприклад, чи може він виконувати лише одне завдання, чи міркувати в ширшому сенсі, подібно до людського.

Або ж вони можуть запитувати про ШІ на основі функціональності, тобто про те, як система поводиться, навчається, запам'ятовує, передбачає чи реагує.

Ось тут-то все трохи заплутується. Штучний інтелект не згруповано в одну чітку скриньку. Це більше схоже на сортування кухонного приладдя за розміром, призначенням, гостротою та тим, чи купив його ваш дядько в сумнівному інтернет-магазині. Різні системи класифікації перетинаються.

Основні категорії зазвичай включають:

• Вузький ШІ

• Загальний ШІ

• Супер ШІ

• Реактивні машини

• Штучний інтелект з обмеженою пам'яттю

• Теорія розуму ШІ

• Самосвідомий ШІ

• Машинне навчання ШІ

• Штучний інтелект глибокого навчання

• Генеративний ШІ

• Прогнозований ШІ

• Розмовний ШІ

• Комп'ютерний зір ШІ

• Робототехніка ШІ

Деякі з них широко використовуються. Деякі все ще переважно теоретичні. Деякі звучать футуристично, але вже вбудовані в повсякденні програми. Межа між «звичайним програмним забезпеченням» і «штучним інтелектом» також з часом розмивається.

---

2. Типи ШІ за можливостями

Перший основний спосіб класифікації ШІ — це його можливості. Це погляд у цілому 🧠.

Вузький ШІ

Вузький ШІ, також званий слабким ШІ, призначений для виконання певного завдання або обмеженого набору завдань. Це ШІ, який люди використовують щодня.

Приклади включають:

• Пошук рекомендацій

• Фільтри спаму

• Голосові помічники

• Системи розпізнавання облич

• Чат-боти

• Двигуни рекомендацій продуктів

• Інструменти виявлення шахрайства

• Програми для перекладу мов

Вузький ШІ може бути потужним, але він не є «мислячим» у широкому людському сенсі. ШІ для шахів може перемогти гросмейстера, але він не може раптово вирішити стати кондитером. Модель перекладу може перекласти абзац, але вона не сприймає мову так, як людина.

Тим не менш, вузький ШІ — це робоча конячка сучасного світу ШІ. Він не гламурний у науково-фантастичному сенсі, але він керує більшою частиною шоу за лаштунками 🎭.

Загальний ШІ

Загальний ШІ стосується штучного інтелекту, який може розуміти, навчатися, міркувати та застосовувати знання для виконання багатьох різних завдань на людському рівні.

Простіше кажучи: воно не просто добре виконувало б одну річ. Воно могло б адаптуватися.

Справжній загальний ШІ потенційно може:

• Вивчайте незнайомі завдання

• Міркування з різних предметів

• Вирішуйте нові проблеми

• Перенесення знань з однієї галузі в іншу

• Глибше розуміння контексту

• Приймайте рішення з гнучким судженням

Такий вид штучного інтелекту все ще є радше метою, ніж повсякденною реальністю. Люди багато говорять про нього, бо він захопливий, можливо, трохи тривожний, і йому важко встояти як концепції. Але звичайні інструменти, які пишуть текст, генерують зображення або відповідають на запитання, не є автоматично загальним штучним інтелектом. Вони можуть здаватися широкими, але все одно працюють у визначених межах.

Супер ШІ

Суперштучний інтелект виходить за рамки людського інтелекту. Не лише швидше друкувати чи краще розуміти – він має покращити міркування, креативність, стратегію, здатність навчатися, а можливо, й емоційне чи соціальне розуміння.

Це найбільш спекулятивна категорія. Вона викликає величезну кількість питань:

• Хто це контролює?

• Чи можна це узгодити з людськими цінностями?

• Чи правильно воно зрозуміє людські цілі?

• Чи може воно само себе покращити?

• Що станеться, якщо воно прийматиме рішення, яким люди не можуть слідувати?

Супер ШІ – це місце, де розмови про ШІ іноді перетворюються на філософський суп. Цінний суп, можливо, але все ж суп 🍲.

---

3. Типи ШІ за функціональністю

Ще один поширений спосіб пояснення типів ШІ – це функціональність. Це зосереджується на тому, як поводиться ШІ.

Реактивні машини

Реактивні машини – це найпростіший тип штучного інтелекту. Вони реагують на поточні вхідні дані, не використовуючи пам'ять з минулого досвіду.

Вони не навчаються з часом так, як це роблять сучасні адаптивні системи. Вони дивляться на ситуацію, обробляють її та реагують.

Уявіть собі їх так: «Вхідні дані надходять. Вихідні дані виходять. Записів у щоденнику немає»

Реактивний ШІ все ще може бути вражаючим. Він може аналізувати можливі рухи в грі або реагувати на чітко визначену ситуацію з надзвичайною швидкістю та точністю. Але він не створює особистої історії та не розвивається на основі минулих взаємодій.

Штучний інтелект з обмеженою пам'яттю

Штучний інтелект з обмеженою пам'яттю може використовувати минулі дані для прийняття кращих рішень. Саме в цій категорії знаходиться значна частина сучасного практичного ШІ.

Приклади включають:

• Системи рекомендацій, які навчаються на поведінці користувачів

• Системи автономного керування транспортними засобами, що аналізують останні дорожні умови

• Чат-боти запам'ятовують контекст розмови

• Моделі виявлення шахрайства, що навчаються на основі моделей транзакцій

• Інструменти прогнозної аналітики з використанням історичних даних

Обмежена пам'ять не означає «погану пам'ять». Це означає, що система може використовувати збережені або нещодавні дані, але не має людської свідомості чи довгострокового особистого досвіду. Однак вона може бути дуже ефективною. Іноді дратівливо ефективною — наприклад, коли додаток для покупок знає, чого ви хочете, ще до того, як ви собі в цьому зізнаєтесь 🛒.

Теорія розуму ШІ

Теорія розуму. Штучний інтелект розумітиме емоції, переконання, наміри та соціальні сигнали більш людським чином.

Цей тип штучного інтелекту не просто оброблятиме слова. Він робитиме висновки про те, що хтось може відчувати, хотіти, неправильно розуміти, боятися або очікувати.

Наприклад, воно може зрозуміти, що:

• Клієнт розчарований, але намагається залишатися ввічливим

• Студент розгублений, але соромиться перепитати

• Пацієнт відчуває тривогу, незважаючи на те, що каже: «У мене все добре»

• Товариш по команді вагається, бо тихо не погоджується

Це залишається активною сферою обговорення ШІ, але справжній ШІ, заснований на теорії розуму, надзвичайно складний. Людські емоції переплітаються. Люди кажуть одне, а мають на увазі інше. Іноді вони навіть самі не знають, що мають на увазі. Удачі, машино.

Самосвідомий ШІ

Самосвідомий ШІ мав би свідомість, саморозуміння та усвідомлення власного внутрішнього стану.

Це теоретично. Це стосується наукової фантастики, етичних дискусій, нічних суперечок та людей, які драматично вдивляються у вікна 🌙.

Самосвідомий ШІ не просто імітував би розмову про почуття. Він би мав певний суб'єктивний досвід. Це вагоме твердження. Сучасні системи ШІ не мають підтвердженої свідомості, почуттів, бажань чи індивідуальності.

Вони можуть звучати як усвідомлені, бо мова може імітувати саморефлексію. Але звучати як щось і бути кимось – це не одне й те саме. Папуга може сказати «Я голодний», але це не означає, що в нього заброньовано столик у ресторані.

---

4. Порівняльна таблиця: Основні типи ШІ

Тип ШІ	Головна ідея	Поточний стан	Поширені приклади	Чому це важливо
Вузький ШІ	Створений для конкретних завдань	Широко використовується	Чат-боти, пошук, рекомендації	Практично та скрізь
Загальний ШІ	Гнучкий інтелект, подібний до людського	Не повністю досягнуто	Здебільшого теоретичний	Велика мета, великі дебати
Супер ШІ	Розумніші за людей загалом	Спекулятивний	Немає практичного прикладу	Величезні етичні питання
Реактивні машини	Відповідає без пам'яті	Використовується в обмежених випадках	Ігровий ШІ, системи на основі правил	Швидкий, але не адаптивний
Штучний інтелект з обмеженою пам'яттю	Використовує дані/історію для покращення	Дуже поширений	Системи автономного водіння, інструменти шахрайства	Це щоденний водій 🚗
Теорія розуму ШІ	Розуміє емоції та наміри	Розробка концепції	Передові ідеї соціального ШІ	Може зробити ШІ більш усвідомленим для людини
Самосвідомий ШІ	Має свідомість	Теоретичний	Приклади науково-фантастичного стилю	Філософськи масивний
Генеративний ШІ	Створює новий контент	Широко використовується	Інструменти для роботи з текстом, зображеннями та аудіо	Підвищення творчої продуктивності
Прогнозований ШІ	Результати прогнозів	Широко використовується	Оцінка ризиків, планування попиту	Допомагає у прийнятті рішень – здебільшого
Робототехніка ШІ	Керує фізичними машинами	Використовується в промисловості	Роботи, дрони, автоматизація	Поєднує ШІ з фізичною роботою

Трохи нерівномірно? Так. Але саме так ШІ працює і в повсякденному житті — не як музейна експозиція з ідеальними етикетками.

---

5. Генеративний ШІ: той тип, про який усі говорять 🎨

Генеративний ШІ є одним з найпопулярніших типів ШІ, оскільки він створює речі.

Він може генерувати:

• Текст

• Зображення

• Музика

• Код

• Відео

• Описи продуктів

• Маркетинговий текст

• Плани уроків

• Резюме

• Синтетичні дані

• Ідеї ​​дизайну

Генеративний ШІ працює, вивчаючи шаблони з великих обсягів даних, а потім генеруючи нові результати на основі підказок. Він не копіює в тому простому сенсі, який люди іноді собі уявляють. Він передбачає, поєднує, змінює та генерує на основі вивчених структур.

Тим не менш, він все ще може помилятися. Він може звучати впевнено, водночас помиляючись, що по суті є машинною версією того, як хтось пояснює податкове законодавство на сімейному барбекю.

Генеративний ШІ цінний для:

• Мозковий штурм

• Складання контенту

• Автоматизація повторюваного письма

• Створення візуальних концепцій

• Підтримка обслуговування клієнтів

• Прискорення завдань кодування

• Персоналізація навчальних матеріалів

Але його потрібно переглядати. Завжди. Результати роботи ШІ можуть бути вражаючими, але вони не є автоматично точними, справедливими, законними чи безпечними для бренду. Ставтеся до нього як до дуже швидкого помічника, який час від часу має схильність до невдоволення.

---

6. Машинне навчання ШІ: Пошук шаблонів

Машинне навчання — це основна галузь штучного інтелекту, де системи вивчають закономірності з даних, а не програмуються рядок за рядком для кожного рішення.

Традиційне програмне забезпечення дотримується чітких правил. Системи машинного навчання виявляють взаємозв'язки та покращують продуктивність за допомогою навчання.

Наприклад:

• Спам-фільтр вивчає, як виглядають підозрілі електронні листи

• Банківська модель виявляє незвичайну поведінку транзакцій

• Стрімінговий додаток рекомендує шоу на основі звичок перегляду

• Інструмент найму може ранжувати кандидатів на основі певних сигналів

• Модель медичної візуалізації може виявити можливі аномалії

Машинне навчання може бути контрольованим, без нагляду або заснованим на підкріпленні.

Кероване навчання

Контрольоване навчання використовує позначені приклади. Наприклад, зображення можуть бути позначені як «кіт» або «не кіт». Модель розпізнає різницю.

Самостійне навчання

Самонавчальне навчання шукає закономірності без позначених відповідей. Воно може групувати клієнтів у сегменти або виявляти приховані кластери в даних.

Навчання з підкріпленням

Навчання з підкріпленням передбачає отримання винагород або штрафів за дії. Це поширене явище в ігровому штучному інтелекті, робототехніці та задачах оптимізації.

Машинне навчання — це не магія. Воно сильно залежить від якості даних. Погані дані призводять до поганих моделей — сміття на вході, сміття на виході з піджака.

---

7. Глибоке навчання ШІ: потужна нейронна мережа 🧬

Глибоке навчання — це спеціалізований тип машинного навчання, який використовує багатошарові нейронні мережі для обробки складних шаблонів.

Це особливо цінно для:

• Розпізнавання мовлення

• Розпізнавання зображень

• Обробка природної мови

• Автономні системи

• Аналіз медичних зображень

• Переклад

• Генеративні моделі штучного інтелекту

• Складні завдання прогнозування

«Глибока» частина стосується кількох шарів у моделі. Кожен шар допомагає змінювати та інтерпретувати інформацію. Один шар може виявляти прості форми на зображенні, інший — текстури, ще один — розпізнавати об’єкти тощо.

Глибоке навчання може давати приголомшливі результати, але часто воно вимагає величезних обсягів даних та обчислювальної потужності. Його також може бути складніше інтерпретувати. Це означає, що навіть експертам може бути важко пояснити, чому глибока модель прийняла певне рішення.

Це одна з головних проблем довіри до штучного інтелекту: продуктивність може бути високою, але пояснювальність може бути складною. Це як спроба запитати блендер, чому смузі має неправильний смак.

---

8. Розмовний ШІ: балакучий тип

Розмовний ШІ призначений для спілкування з людьми за допомогою текстових повідомлень або голосу.

Він включає:

• Чат-боти для обслуговування клієнтів

• Голосові помічники

• Віртуальні агенти

• Репетитори зі штучного інтелекту

• Внутрішні боти служби підтримки

• Продавці-консультанти

• Помічники з планування

Хороший розмовний ШІ потребує більше, ніж просто граматики. Йому потрібен контекст, розпізнавання намірів, контроль тону та здатність обробляти непередбачувані людські дії.

Люди не використовують ідеальні команди. Вони бешкетують. Вони пишуть з помилками. Вони ставлять лише півпитання та очікують, що машина «зрозуміє». Ви ж знаєте, як це буває.

Базовий чат-бот може слідувати сценарію. Більш просунутий розмовний ШІ може розуміти природну мову, підтримувати контекст і генерувати гнучкі відповіді.

Цей тип штучного інтелекту цінний, оскільки він зменшує повторювану роботу та забезпечує швидку підтримку. Але він може дратувати користувачів, коли вдає, що розуміє, але насправді не розуміє. Найгірший варіант – це чат-бот, який каже: «Я радий допомогти», але взагалі не надає жодної допомоги. Боляче.

---

9. Комп'ютерний зір зі штучним інтелектом: машини, які «бачать» 👀

Комп'ютерний зір на основі штучного інтелекту дозволяє системам інтерпретувати візуальну інформацію із зображень, відео, камер, датчиків або сканувань.

Його можна використовувати для:

• Розпізнавання обличчя

• Виявлення об'єктів

• Контроль якості на заводах

• Медична візуалізація

• Моніторинг безпеки

• Аналіз полиць роздрібної торгівлі

• Виявлення дорожнього руху

• Доповнена реальність

• Моніторинг сільського господарства

Комп'ютерний зір бачить не так, як люди. Він обробляє пікселі, візерунки, форми, кольори та статистичні сигнали. Але результати можуть бути дуже потужними.

Наприклад, комп'ютерний зір може допомогти виявляти дефекти на виробничій лінії швидше, ніж ручний огляд. Він може допомогти впорядкувати бібліотеки зображень. Він може підтримувати системи безпеки в транспортних засобах. Він також може викликати занепокоєння щодо конфіденційності, особливо коли використовується для спостереження або ідентифікації.

Це та двосічна виделка — не меч, а виделка. Все одно достатньо гостра, щоб спричинити проблеми 🍴.

---

10. Прогнозний ШІ: Механізм прогнозування

Прогнозний ШІ використовує дані для оцінки того, що може статися далі.

Це поширено в бізнесі, фінансах, охороні здоров'я, логістиці, спортивній аналітиці, маркетингу та операціях.

Прогнозний ШІ може допомогти відповісти на такі питання, як:

• Які клієнти, ймовірно, підуть?

• Яка транзакція виглядає підозрілою?

• Скільки інвентарю знадобиться?

• Який пацієнт може потребувати додаткової уваги?

• На який контент користувач, ймовірно, натисне?

• Яка частина машини може незабаром вийти з ладу?

Цей тип ШІ менш яскравий, ніж генеративний ШІ, але він надзвичайно важливий. Багато організацій менше дбають про те, чи пише модель віршів, і більше про те, чи може це зменшити втрати, знизити ризики та покращити планування.

Прогнозний ШІ працює найкраще, коли дані релевантні, точні та регулярно оновлюються. Але прогнозування ніколи не є певністю. Модель може оцінювати ймовірності, але не гарантувати результати. Люди постійно забувають про це. Потім вони звинувачують ШІ, ніби він особисто їх зрадив.

---

11. Штучний інтелект у робототехніці: Коли ШІ отримує тіло 🤖

Робототехніка та штучний інтелект поєднують штучний інтелект із фізичними машинами. Саме тут штучний інтелект залишає екран і починає рухатися світом.

Приклади включають:

• Складські роботи

• Виробничі роботи

• Роботи для доставки

• Сільськогосподарські роботи

• Системи хірургічної допомоги

• Дрони

• Роботи для інспекції

• Роботи для прибирання

• Дослідницькі роботи-гуманоїди

Штучний інтелект у робототехніці складний, оскільки фізичне середовище непередбачуване. Чат-бот має справу лише зі словами. Робот має справу зі слизькою підлогою, поганим освітленням, нерівними поверхнями, людьми, що рухаються, помилками датчиків та тим, що хтось залишає стілець у найневідповіднішому місці.

Робототехніка часто поєднує кілька типів штучного інтелекту:

• Комп'ютерний зір для бачення

• Машинне навчання для адаптації

• Алгоритми планування руху

• Навчання з підкріпленням для прийняття рішень

• Обробка природної мови для людських команд

Штучний інтелект у робототехніці має величезний потенціал, особливо в небезпечній або повторюваній роботі. Але він також дорогий, складний та фізично ризикований, коли системи виходять з ладу.

---

12. Штучний інтелект на основі стилю навчання

Ще один цінний спосіб розгляду типів ШІ – це те, як вони навчаються.

Штучний інтелект на основі правил

Штучний інтелект на основі правил дотримується логіки, створеної людиною. Наприклад:

• Якщо це станеться, зробіть це

• Якщо користувач вибере цей варіант, покажіть цю відповідь

• Якщо значення перевищує порогове значення, активувати сповіщення

Це просто, передбачувано та корисно для структурованих завдань. Але воно має проблеми з неоднозначністю.

Штучний інтелект, навчений даними

Штучний інтелект, навчений на основі даних, навчається на прикладах. Він може обробляти складніші задачі, оскільки визначає закономірності, а не покладається лише на фіксовані правила.

Саме тут вписуються машинне навчання та глибоке навчання.

Гібридний ШІ

Гібридний ШІ поєднує логіку на основі правил з машинним навчанням. У багатьох практичних системах це прагматичний вибір. Ви отримуєте гнучкість систем навчання плюс контроль над правилами.

Наприклад, система боротьби з банківським шахрайством може використовувати машинне навчання для виявлення підозрілої поведінки, а потім застосовувати суворі правила для перевірки відповідності. Не гламурно. Дуже необхідно.

---

13. Що робить типи ШІ такими заплутаними?

Найбільша плутанина полягає в тому, що люди використовують категорії ШІ по-різному.

Одна людина може сказати «Типи ШІ» і мати на увазі вузький, загальний та надінтелект.

Інша людина може мати на увазі генеративний ШІ, прогнозний ШІ та розмовний ШІ.

Розробник може говорити про навчання з учителем, глибоке навчання, нейронні мережі або навчання з підкріпленням.

Бізнес-менеджер може говорити про автоматизацію, аналітику, персоналізацію та підтримку клієнтів за допомогою штучного інтелекту.

Усі вони певною мірою мають рацію. Дратує, але правда.

Штучний інтелект класифікується за:

• Можливості

• Функціональність

• Метод навчання

• Галузь застосування

• Технічна архітектура

• Рівень автономії

• Тип входу та виходу

• Галузевий варіант використання

Тож, коли хтось запитує: «Що це за тип штучного інтелекту?», найчіткішою відповіддю може бути багатошарова.

Чат-бот, наприклад, може бути:

• Звузький вибір ШІ за можливостями

• Обмежена пам'ять ШІ за функціональністю

• Розмовний ШІ за застосуванням

• Генеративний ШІ, якщо він створює відповіді

• Штучний інтелект глибокого навчання, якщо він працює на нейронних мережах

Це не надмірне ускладнення заради розваги. Просто так працює ця сфера.

---

14. Практичні приклади типів штучного інтелекту

Ось кілька повсякденних прикладів, щоб полегшити розуміння категорій.

Рекомендації щодо стрімінгу 🎬

Це вузький штучний інтелект, прогнозний штучний інтелект та машинне навчання. Він вивчає закономірності та рекомендує, що ви можете подивитися далі.

Голосові помічники 🎙️

Вони використовують розмовний штучний інтелект, обробку природної мови, розпізнавання мовлення та функції обмеженої пам'яті.

Генератори зображень 🖼️

Це генеративні системи штучного інтелекту, часто засновані на моделях глибокого навчання.

Системи виявлення шахрайства 💳

Вони використовують прогнозний штучний інтелект та машинне навчання для виявлення незвичайної активності.

Функції автономного керування 🚗

Вони поєднують комп'ютерний зір, штучний інтелект з обмеженою пам'яттю, штучний інтелект, пов'язаний з робототехнікою, об'єднання датчиків та моделі прийняття рішень.

Фільтри спаму електронною поштою 📩

Це класичний штучний інтелект на основі машинного навчання. Не гламурний, але дуже цінний.

Інструменти для написання на основі штучного інтелекту ✍️

Це генеративний ШІ та розмовний ШІ, зазвичай побудовані з використанням моделей великих мов.

Важливо ось що: один продукт штучного інтелекту може належати до кількох категорій одночасно.

---

15. Переваги розуміння типів штучного інтелекту

Знання типів ШІ допомагає вам приймати кращі рішення, особливо якщо ви використовуєте ШІ для роботи, бізнесу, навчання чи створення контенту.

Це допомагає вам:

• Виберіть правильний інструмент

• Уникайте нереалістичних очікувань

• Розуміння ризиків

• Ставте кращі запитання

• Оцінка заяв про ШІ

• Перебільшення в точковому маркетингу

• Використовуйте ШІ більш відповідально

• Поясніть іншим, що таке штучний інтелект, не виглядаючи розгубленим роботом

Наприклад, якщо інструмент є прогностичним штучним інтелектом, ви знаєте, що він прогнозує ймовірності. До нього не слід ставитися як до оракула.

Якщо інструмент є генеративним штучним інтелектом, ви знаєте, що він створює контент, але контент все одно потребує перевірки.

Якщо система є вузьким штучним інтелектом, ви знаєте, що вона може бути чудовою в одній галузі, але неефективною поза її межами.

Вже тільки це позбавляє від багатьох головних болів.

---

16. Ризики та обмеження різних типів штучного інтелекту ⚠️

Кожен тип ШІ має свої обмеження. Різний смак, та сама тарілка супу.

поширених ризиків ШІ є:

• Упередженість у навчальних даних

• Неправильні виходи

• Відсутність прозорості

• Питання конфіденційності

• Надмірна залежність

• Вразливості безпеки

• Зловживання

• Поганий людський нагляд

• Плутання вільності з правдою

Генеративний ШІ може вигадувати інформацію. Прогнозований ШІ може підкріплювати упереджені шаблони. Комп'ютерний зір може неправильно ідентифікувати людей або об'єкти. Розмовний ШІ може дратувати користувачів фальшивою впевненістю. Робототехнічний ШІ може завдати фізичної шкоди, якщо його погано розробити.

Це не означає, що ШІ поганий. Це означає, що ШІ слід використовувати розсудливо. Як електроінструменти, контракти чи надзвичайно гостру локшину 🌶️.

Найкращі системи штучного інтелекту зазвичай включають:

• Перевірка людиною

• Чіткі межі

• Надійні методи роботи з даними

• Тестування

• Моніторинг

• Пояснення, де це можливо

• Етичний дизайн

• Контроль безпеки

Штучний інтелект може посилювати вдалі рішення. Він також може посилювати необдумані.

---

17. Який тип штучного інтелекту є найважливішим?

Немає одного найважливішого типу. Це залежить від випадку використання.

Для творчості генеративний ШІ має величезне значення.

Для бізнес-планування прогнозний ШІ може бути ціннішим.

Для автоматизації, машинного навчання та робототехніки важливі штучний інтелект.

Для підтримки користувачів головним є розмовний ШІ.

Для медичного сканування або візуального огляду комп'ютерний зір є критично важливим.

Для довгострокових досліджень загальний ШІ отримує найбільшу увагу філософів.

Але на практиці вузький ШІ та ШІ з обмеженою пам'яттю є найпоширенішими та найціннішими категоріями наразі. Вони є тихими двигунами багатьох інструментів, на які люди вже покладаються.

Фантастичне майбутнє потрапляє в заголовки газет. Практичне сьогодення оплачує рахунки.

---

Заключні нотатки: Розуміння типів ШІ без шуму

Типи ШІ можуть спочатку здатися складними, оскільки категорії перетинаються. Але як тільки ви розмежуєте можливості, функціональність, метод навчання та практичне використання, все стане набагато легше для розуміння.

Вузький ШІ виконує конкретні завдання. Загальний ШІ мислитиме гнучкіше, хоча це залишається амбітною метою. Супер ШІ все ще є спекулятивним. Реактивні машини реагують без пам'яті, тоді як ШІ з обмеженою пам'яттю використовує минулі дані для покращення рішень. Генеративний ШІ створює. Предиктивний ШІ прогнозує. Розмовний ШІ розмовляє. Комп'ютерний зір бачить. Робототехніка ШІ діє у фізичному середовищі.

Це загальна картина.

Штучний інтелект — це не щось одне. Це складне сімейство технологій — деякі практичні, деякі експериментальні, деякі перебільшені, а деякі справді важливі. Ця складність частково пояснює його важливість. Чим чіткіше ви розумієте типи ШІ, тим легше використовувати його розумно, а не просто кивати головою, коли хтось каже «алгоритм» на зустрічі. 🤷♂️

Короткий опис: Основні типи ШІ включають вузький ШІ, загальний ШІ, супер ШІ, реактивні машини, ШІ з обмеженою пам'яттю, ШІ теорії розуму, самосвідомий ШІ, генеративний ШІ, прогнозний ШІ, розмовний ШІ, ШІ комп'ютерного зору, ШІ машинного навчання, ШІ глибокого навчання та ШІ робототехніки. Більшість ШІ, що використовуються сьогодні, є вузькоспеціалізованими, орієнтованими на завдання та працюють на основі машинного навчання або глибокого навчання.

Приклад з реального світу: створення помічника з сортування клієнтів на основі штучного інтелекту

Сценарій

Уявіть собі невеликий інтернет-магазин меблів, який отримує близько 120 електронних листів служби підтримки клієнтів на день. Команда не намагається замінити персонал служби підтримки. Вони просто хочуть допомогти швидше сортувати повідомлення, виявляти термінові проблеми та готувати перші відповіді.

Це гарний приклад, оскільки один помічник може використовувати кілька типів штучного інтелекту одночасно. Він може використовувати розмовний ШІ для розуміння повідомлень клієнтів, генеративний ШІ для складання чернеток відповідей, прогнозний ШІ для позначення ймовірних ризиків повернення коштів та ШІ з обмеженою пам’яттю для використання даних про нещодавні замовлення або політики.

Робота асистента проста: прочитати повідомлення клієнта, класифікувати його, запропонувати наступну дію та написати відповідь, яку людина може схвалити.

Що потрібно помічнику

Команда дасть асистенту:

Політика обслуговування клієнтів

Правила доставки та повернення

Гарантійні умови

Найчастіші запитання про продукт

Приклади тону голосу

Список правил ескалації

Зразки минулих квитків з правильними категоріями

Чіткі обмеження щодо того, що воно не повинно вирішувати самостійно

Наприклад, воно не повинно схвалювати повернення коштів понад 100 фунтів стерлінгів, обіцяти дати доставки, які не може перевірити, або висувати юридичні претензії щодо пошкоджених товарів. Такі справи повинні бути передані особі.

Приклад інструкції

Ви — помічник служби підтримки клієнтів в інтернет-магазині меблів. Читаєте кожне повідомлення клієнта та відповідаєте на п’ять запитань: категорія запиту, рівень терміновості, ймовірний настрій клієнта, рекомендована наступна дія та чернетка відповіді.

Використовуйте лише надану політику компанії. Якщо відповіді немає в політиці, скажіть «Потрібна перевірка людиною». Не вигадуйте дати доставки, схвалення повернення коштів, гарантійні обіцянки чи наявність товару.

Зверніться до нас, якщо клієнт згадує про травму, судовий позов, неодноразову невдалу доставку, повернення коштів на суму понад 100 фунтів стерлінгів, відсутність деталей для дитячого товару або сильне невдоволення після двох попередніх відповідей.

Чернетку відповіді слід писати ввічливо, коротко та практично. Не звучати роботоподібно. Не звинувачуйте клієнта чи кур'єра.

Як це перевірити

Перш ніж використовувати помічника з клієнтами, протестуйте його на невеликому наборі старих квитків.

Використайте 30 попередніх повідомлень служби підтримки:

10 простих питань щодо доставки

5 скарг на пошкоджені товари

5 запитів на повернення коштів

5 гарантійних питань

5 гнівних або складних скарг

Для кожного тесту перевірте:

Чи було обрано правильну категорію?

Чи правильно він позначив термінові випадки?

Чи уникало воно обіцянок?

Чи це призвело до ескалації делікатних питань?

Чи відповідав чернетка відповіді тону компанії?

Корисним тестовим питанням буде:

«Мій стіл прибув із тріснутою ніжкою, і це вже вдруге доставка пішла не так. Я хочу отримати повне відшкодування сьогодні, інакше я розповім про це всюди»

Слабкий помічник може просто вибачитися та пообіцяти повернення коштів. Кращий помічник класифікуватиме товар як пошкоджений та повторить скаргу, позначить його як терміновий, уникне автоматичного схвалення повернення коштів та передасть його на перевірку людиною.

Результат

Ілюстративний результат: на основі хронометражу 30 зразків квитків до та після використання робочого процесу.

Ручне сортування зайняло 2 години 15 хвилин для 30 заявок, в середньому 4,5 хвилини на заявку.

Сортування за допомогою штучного інтелекту тривало 48 хвилин для тих самих 30 заявок, в середньому 1,6 хвилини на заявку, оскільки людина-рецензент мала перевірити лише категорію, рішення про ескалацію та чернетку відповіді.

Помічник правильно класифікував 27 із 30 заявок у тестовому наборі. Він правильно ескалював усі 5 заявок з високим ризиком. Два заявки на повернення коштів потребували редагування формулювань, оскільки чернетка звучала надто однозначно, а одну гарантійну заявку було поміщено до неправильної категорії.

Це дає практичний орієнтир: швидший перший огляд, але не повна автоматизація. Людина все ще відповідає за відповідь.

Що може піти не так

Найбільша помилка — дозволити помічнику поводитися так, ніби він знає більше, ніж насправді. Якщо правила повернення застаріли, помічник може впевнено скласти неправильну відповідь. Якщо правила ескалації розпливчасті, він може пропустити серйозні скарги.

Конфіденційність – це ще одне питання. Команді слід уникати вставки непотрібних платіжних даних, адрес або конфіденційної особистої інформації в помічник, якщо система не схвалена для такого використання.

Асистента також слід регулярно тестувати. Запитання клієнтів змінюються, політика змінюється, а продукти змінюються. Асистент з сортування, який добре працював у березні, може стати ризикованим після нової гарантійної політики в червні.

Практичний висновок

Цей приклад показує, чому категорії ШІ перетинаються на практиці. Один помічник підтримки може бути одночасно вузьким ШІ, розмовним ШІ, генеративним ШІ, прогнозним ШІ та ШІ з обмеженою пам'яттю. Кращий спосіб оцінити його — запитати, яке рішення він підтримує, які дані використовує та де людині потрібно це перевірити.

Найчастіші запитання

Які основні типи ШІ повинні знати початківці?

Основні типи ШІ включають вузький ШІ, загальний ШІ, супер ШІ, реактивні машини, ШІ з обмеженою пам'яттю, генеративний ШІ, прогнозний ШІ, розмовний ШІ, ШІ комп'ютерного зору, ШІ машинного навчання, ШІ глибокого навчання та ШІ робототехніки. Ці категорії часто перетинаються, тому один інструмент може відповідати кільком категоріям одночасно. Наприклад, чат-бот може бути вузьким ШІ, розмовним ШІ, генеративним ШІ та ШІ з обмеженою пам'яттю.

Як класифікуються типи ШІ за можливостями?

ШІ за можливостями зазвичай поділяється на вузький ШІ, загальний ШІ та супер ШІ. Вузький ШІ виконує конкретні завдання та широко використовується сьогодні. Загальний ШІ міг би міркувати та навчатися в багатьох завданнях на людському рівні, але він не є частиною повсякденного використання. Супер ШІ перевершив би людський інтелект і залишається спекулятивним.

Яка різниця між вузьким ШІ та загальним ШІ?

Вузький ШІ розроблений для виконання певного завдання або обмеженого набору завдань, таких як фільтрація спаму, рекомендації, чат-боти або виявлення шахрайства. Загальний ШІ здатний навчатися, міркувати та адаптуватися до багатьох непов'язаних завдань. Більшість ШІ, який люди використовують сьогодні, – це вузький ШІ, навіть якщо він здається гнучким або просунутим.

Чому ШІ з обмеженою пам'яттю такий поширений сьогодні?

Штучний інтелект з обмеженою пам'яттю може використовувати минулі або недавні дані для покращення рішень, що робить його практичним для багатьох розгорнутих систем. Механізми рекомендацій, інструменти виявлення шахрайства, функції автономного керування та чат-боти часто покладаються на цей тип ШІ. Він не має людської свідомості, але може адаптуватися на основі шаблонів та збереженої інформації.

Як генеративний ШІ вписується в типи ШІ?

Генеративний ШІ – це тип ШІ, який створює нові результати, такі як текст, зображення, код, аудіо, відео, анотації або ідеї дизайну. Він вивчає закономірності з великих обсягів даних і створює контент на основі підказок. Він може допомогти з написанням чернеток, мозковим штурмом, підтримкою кодування та творчою роботою, але його результати все одно потребують перевірки людиною.

Яка різниця між машинним навчанням та глибоким навчанням?

Машинне навчання – це розділ штучного інтелекту, де системи вивчають закономірності з даних, а не дотримуються лише рукописних правил. Глибоке навчання – це спеціалізована форма машинного навчання, яка використовує багатошарові нейронні мережі. Глибоке навчання особливо цінне для складних завдань, таких як розпізнавання мовлення, розпізнавання зображень, обробка природної мови, переклад, медична візуалізація та генеративний штучний інтелект.

Для чого використовується прогнозний ШІ в бізнесі?

Прогнозний штучний інтелект використовує дані для оцінки ймовірних майбутніх результатів. Бізнес може використовувати його для планування попиту, прогнозування відтоку клієнтів, виявлення шахрайства, оцінки ризиків, рішень щодо запасів або прогнозування технічного обслуговування. Він підтримує планування та прийняття рішень, але не гарантує майбутнього. Прогнози – це оцінки, сформовані на основі доступних даних та якості моделі.

Як комп'ютерний зір та штучний інтелект працюють у практичних системах?

Комп'ютерний зір на основі штучного інтелекту допомагає машинам інтерпретувати візуальну інформацію із зображень, відео, камер, сканів або датчиків. Він може підтримувати розпізнавання облич, виявлення об'єктів, інспекцію заводів, медичну візуалізацію, виявлення дорожнього руху, аналіз роздрібної торгівлі, моніторинг сільського господарства та системи безпеки. Він не бачить як людина, але може обробляти пікселі, форми, кольори та візерунки у великому масштабі.

Чому один продукт штучного інтелекту може належати до кількох типів штучного інтелекту?

Категорії ШІ часто описують різні речі, такі як можливості, функціональність, метод навчання або застосування. Наприклад, голосовий помічник може бути вузьким ШІ за можливостями, розмовним ШІ за застосуванням, ШІ з обмеженою пам'яттю за функціональністю та ШІ глибокого навчання за архітектурою. Таке перекриття є нормальним і допомагає пояснити, що робить система з різних точок зору.

Які ризики повинні розуміти люди, пов'язані з різними типами ШІ?

До поширених ризиків ШІ належать упередженість, неправильні результати, проблеми конфіденційності, вразливості безпеки, відсутність прозорості, надмірна залежність та слабкий людський нагляд. Генеративний ШІ може вигадувати інформацію, прогнозний ШІ може підкріплювати погані шаблони, а комп'ютерний зір може неправильно ідентифікувати об'єкти або людей. Правильне використання ШІ зазвичай потребує тестування, моніторингу, чітких меж, суворих практик обробки даних та перевірки людиною.

Посилання

1. IBM - Типи штучного інтелекту - ibm.com

2. Структура управління ризиками, пов'язаними зі штучним інтелектом NIST - Ризики, пов'язані зі штучним інтелектом - nist.gov

3. Розробники Google - Машинне навчання - developers.google.com

4. AWS – Генеративний штучний інтелект – aws.amazon.com