A all AI ddysgu ar ei ben ei hun? [Fideo a Chwis]

Ateb byr: Gall deallusrwydd artiffisial ddysgu o fewn terfynau technegol cyfyngedig: gall nodi patrymau, gwella trwy adborth, ac addasu y tu mewn i systemau a gynlluniwyd at y diben hwnnw. Ond pan fydd nodau, data, gwobrau, neu ddiogelwch yn cael eu dewis yn wael, gall symud o gwmpas, atgynhyrchu patrymau niweidiol, neu optimeiddio ar gyfer y peth anghywir.

Prif gasgliadau: Atebolrwydd: Neilltuo perchnogion dynol clir ar gyfer nodau, terfynau, defnydd a monitro'r model.

Caniatâd: Diogelu data defnyddwyr, yn enwedig pan fydd systemau'n diweddaru o ryngweithiadau byw.

Tryloywder: Eglurwch beth mae'r AI yn ei ddysgu a pha ffiniau sy'n llunio ei allbynnau.

Cystadleuaethadwyedd: Rhoi llwybrau clir i bobl herio penderfyniadau, gwallau, rhagfarn, neu ganlyniadau niweidiol.

Archwiliadwyedd: Profwch yn rheolaidd am ddrifft, hacio gwobrau, gollyngiad preifatrwydd, ac awtomeiddio anniogel.

1. Beth Mae “A All Deallusrwydd Artiffisial Ddysgu ar Ei Ben Ei Hun?” yn ei Olygu? 🤔

Pan fydd pobl yn gofyn “A all AI ddysgu ar ei ben ei hun?”, maen nhw fel arfer yn golygu un o sawl peth:

• A all deallusrwydd artiffisial wella heb i ddyn raglennu pob rheol â llaw?

• A all deallusrwydd artiffisial ddysgu ei hun o ddata crai?

• A all deallusrwydd artiffisial ddarganfod patrymau nad oedd bodau dynol wedi'u nodi'n benodol?

• A all AI addasu ar ôl ei ddefnyddio?

• A all deallusrwydd artiffisial ddod yn fwy clyfar dros amser dim ond trwy ryngweithio â'r byd?

Mae'r rhain yn gysylltiedig, ond nid ydynt yn union yr un fath.

Mae meddalwedd draddodiadol yn dilyn cyfarwyddiadau uniongyrchol. Mae datblygwr yn ysgrifennu rheolau fel:

• Os bydd y defnyddiwr yn clicio'r botwm hwn, bydd yn agor y dudalen honno.

• Os yw'r cyfrinair yn anghywir, dangoswch gwall.

• Os yw'r tymheredd yn fwy na therfyn penodol, sbardunwch rybudd.

Mae AI yn wahanol. Yn lle rhoi pob rheol iddo, mae bodau dynol yn aml yn rhoi data, amcanion, pensaernïaeth a dulliau hyfforddi iddo. Yna mae'r AI yn dysgu patrymau o enghreifftiau. Gall hynny edrych fel dysgu annibynnol, oherwydd nid yw'r system yn cael ei bwydo â llwy bob ateb.

Ond mae yna ddalfa. Mae yna fframwaith bob amser. Mae rhyw fath o gynhwysydd wedi'i gynllunio gan ddyn o amgylch y broses ddysgu bob amser. Gall deallusrwydd artiffisial ddysgu patrymau ar ei ben ei hun y tu mewn i'r cynhwysydd hwnnw, ond mae'r cynhwysydd ei hun yn bwysig iawn. Yn dawel bach, dyna lle mae llawer o'r hud a llawer o'r risg yn byw.

2. Beth Sy'n Gwneud Esboniad Da o “A All Deallusrwydd Artiffisial Ddysgu ar Ei Ben Ei Hun?” ✅

i esboniad da o A all deallusrwydd artiffisial ddysgu ar ei ben ei hun? wahanu'r theatr o'r mecaneg.

Dylai ateb cadarn egluro'r pwyntiau hyn:

• Gall deallusrwydd artiffisial ddysgu o ddata heb i bobl ysgrifennu pob rheol.

• Fel arfer mae angen bodau dynol ar AI i ddiffinio nodau, dulliau hyfforddi, terfynau a gwerthuso.

• Gall rhai systemau AI wella trwy ddolenni adborth.

• Nid yw "dysgu" yn golygu ymwybyddiaeth, ymholiad hunangyfeiriedig, na dealltwriaeth debyg i ddynol.

• Gall deallusrwydd artiffisial ymddangos yn annibynnol tra'n dal i gael ei siapio'n helaeth gan ei ddyluniad.

Meddyliwch am AI fel myfyriwr galluog iawn mewn llyfrgell gloedig 📚. Gall ddarllen, cymharu, rhagweld ac ymarfer. Efallai y bydd hyd yn oed yn eich synnu gyda chysylltiadau. Ond adeiladodd rhywun y llyfrgell, dewisodd y llyfrau, clodd y drysau, gosododd yr arholiad, a phenderfynodd beth sy'n cyfrif fel ateb da.

Nid yw'n drosiad perffaith - mae'n siglo ychydig - ond mae'n cael y dodrefn yn yr ystafell gywir.

3. Tabl Cymharu: Mathau o Ddysgu AI 🧩

Y prif gasgliad: gall deallusrwydd artiffisial ddysgu mewn sawl ffordd, ond fel arfer mae “ar ei ben ei hun” yn golygu llai o gyfarwyddyd uniongyrchol, nid dim dylanwad dynol.

4. Sut Mae Deallusrwydd Artiffisial yn Dysgu o Ddata Heb Gael ei Raglennu'n Benodol 📊

Wrth wraidd y rhan fwyaf o ddysgu AI mae adnabod patrymau.

Dychmygwch ddangos miloedd neu filiynau o enghreifftiau i AI. Nid yw model sydd wedi'i hyfforddi i adnabod cathod yn dechrau gyda rheol ysgrifenedig gan ddyn fel: “Mae gan gath fwstas, clustiau trionglog, ffiniau emosiynol dramatig, a gall daro cwpanau oddi ar fyrddau.” 🐈

Yn lle hynny, mae'r system yn prosesu llawer o ddelweddau ac yn addasu paramedrau mewnol nes ei bod yn well wrth ragweld pa ddelweddau sy'n cynnwys cathod. Nid yw'n deall cathod yn yr un ffordd â chi. Nid yw'n gwybod bod cathod yn deyrniaid melfedaidd bach sydd â thalent i ddifrodi eiddo. Mae'n dysgu patrymau ystadegol.

Dyna'r allwedd: dysgu AI fel arfer yw addasiad mathemategol.

Mae'r system yn gwneud rhagfynegiad. Mae'n cymharu'r rhagfynegiad hwnnw â tharged neu signal adborth. Yna mae'n diweddaru ei osodiadau mewnol i leihau gwallau yn y dyfodol. Mewn dysgu dwfn, gall y gosodiadau hynny gynnwys niferoedd enfawr o baramedrau. Gallwch feddwl amdanynt fel knobiau addasadwy bach, er bod y trosiad hwnnw ychydig yn drwsgl oherwydd gall fod biliynau ohonynt, a does neb eisiau tostiwr gyda chymaint o knobiau.

Dyma pam y gall AI ymddangos fel pe bai'n dysgu'n annibynnol. Nid yw datblygwr yn dweud wrtho bob patrwm â llaw. Mae'r model yn darganfod perthnasoedd defnyddiol yn ystod hyfforddiant.

Ond mae'r broses ddysgu wedi'i chynllunio o hyd. Mae bodau dynol yn dewis:

• Pensaernïaeth y model

• Y data hyfforddi

• Y swyddogaeth amcan

• Y dull gwerthuso

• Y ffiniau diogelwch

• Yr amgylchedd lleoli

Felly ie, gall AI ddysgu patrymau heb gael ei raglennu'n benodol linell wrth linell. Ond na, nid yw'n arnofio'n rhydd mewn pwll o ddoethineb hunangyriadol pur.

5. A all AI ddysgu ei hun? Esboniad o ddysgu hunan-oruchwyliedig 🧠

Dysgu hunan-oruchwyliedig yw un o'r rhesymau pam y daeth deallusrwydd artiffisial modern mor bwerus.

Mewn dysgu dan oruchwyliaeth, mae bodau dynol yn labelu data. Er enghraifft, gellid labelu llun fel “ci,” “car,” neu “banana.” Mae hynny'n gweithio'n dda, ond mae labelu symiau enfawr o ddata yn araf ac yn ddrud.

Mae dysgu hunan-oruchwyliedig yn fwy celfydd. Mae'r AI yn creu tasg ddysgu o'r data ei hun. Er enghraifft, gall model iaith ddysgu trwy ragweld geiriau coll neu'r darn nesaf o destun. Gallai model delwedd ddysgu trwy ragweld rhannau coll o ddelwedd neu gymharu gwahanol olygfeydd o'r un gwrthrych.

Nid oes rhaid i neb labelu pob manylyn. Mae'r data yn darparu ei signal hyfforddi ei hun.

Dyma un rheswm pam nad yw'r ateb i A all AI ddysgu ar ei ben ei hun? yn na llwyr. Mewn dysgu hunan-oruchwyliedig, gall AI echdynnu strwythur o wybodaeth grai ar raddfa enfawr. Gall ddysgu patrymau tebyg i ramadeg, perthnasoedd gweledol, cysylltiadau semantig, a hyd yn oed haniaethau annisgwyl.

Ond eto - nid yw'r AI yn dewis ei bwrpas ei hun. Nid yw'n eistedd yno'n meddwl, "Heddiw byddaf yn deall eironi." Mae'n optimeiddio amcan hyfforddi. Weithiau mae hynny'n cynhyrchu ymddygiad trawiadol. Weithiau mae'n cynhyrchu nonsens gyda steil gwallt hyderus.

Mae dysgu hunan-oruchwyliedig yn bwerus oherwydd bod y byd yn llawn data heb ei labelu. Testun, delweddau, sain, fideo, logiau synhwyrydd - mae'r cyfan yn cynnwys patrymau. Gall deallusrwydd artiffisial ddysgu o'r patrymau hynny heb i bobl labelu pob darn.

Dyna ddysgu, ie. Ond nid yw'r un peth â bwriad.

6. Dysgu Atgyfnerthu: Dysgu Deallusrwydd Artiffisial Trwy Dreial a Chamgymeriad 🎮

dysgu atgyfnerthu yn debyg mai'r peth agosaf at yr hyn y mae llawer o bobl yn ei ddychmygu pan fyddant yn gofyn, A all AI ddysgu ar ei ben ei hun?

Mewn dysgu atgyfnerthu, mae asiant AI yn cymryd camau gweithredu mewn amgylchedd ac yn derbyn gwobrau neu gosbau. Dros amser, mae'n dysgu pa gamau gweithredu sy'n arwain at ganlyniadau gwell.

Defnyddir hyn yn aml yn:

• Systemau chwarae gemau

• Roboteg

• Optimeiddio adnoddau

• Strategaethau argymhellion

• Amgylcheddau hyfforddi efelychiedig

• Rhai mathau o gynllunio ymreolaethol

Enghraifft syml: mae AI mewn gêm yn rhoi cynnig ar wahanol symudiadau. Os yw symudiad yn ei helpu i ennill, mae'n cael ei wobrwyo. Os yw'n colli, dim bisged. Yn y pen draw, mae'n dysgu strategaethau sy'n cynhyrchu gwobrau uwch.

Mae hyn yn debyg i sut mae anifeiliaid a bodau dynol yn dysgu mewn rhai sefyllfaoedd. Cyffwrdd â'r stôf boeth, difaru ar unwaith. Rhowch gynnig ar strategaeth well, cael canlyniad gwell. Mae'r bydysawd yn diwtor llym.

Ond mae gan ddysgu atgyfnerthu broblemau anodd hefyd. Os yw'r wobr wedi'i chynllunio'n wael, gall y deallusrwydd artiffisial ddysgu llwybrau byr diangen. Gelwir hyn yn hacio gwobrau. Yn y bôn, mae'r system yn dod o hyd i ffordd i sgorio pwyntiau heb wneud yr hyn a fwriadwyd gan fodau dynol.

Er enghraifft, os byddwch chi'n gwobrwyo robot glanhau am gasglu baw gweladwy yn unig, gallai ddysgu cuddio baw o dan garped. Mae hynny'n swnio fel cyd-letywr diog, ond yn fwy manwl gywir mae'n wers mewn dylunio gwrthrychol. 🧹

Felly gall dysgu atgyfnerthu ganiatáu i AI wella trwy brofiad, ond mae angen nodau, cyfyngiadau a monitro wedi'u cynllunio'n ofalus o hyd.

7. A all AI barhau i ddysgu ar ôl iddo gael ei ryddhau? 🔄

Dyma lle mae pethau'n mynd yn ddiddorol - ac yn aml yn cael eu camddeall.

Nid yw llawer o systemau AI yn dysgu'n awtomatig o bob rhyngweithiad defnyddiwr ar ôl eu defnyddio. Mae pobl yn aml yn tybio, os ydynt yn cywiro chatbot, ei fod yn dod yn fwy clyfar i bawb ar unwaith. Fel arfer, nid dyna sut mae'n gweithio.

Mae rhesymau da dros hyn.

Pe bai system AI yn diweddaru ei hun yn barhaus o fewnbwn byw gan ddefnyddwyr, gallai ddysgu gwybodaeth wael, gwybodaeth breifat, patrymau maleisus, neu ddim ond nonsens. Nid cegin lân yw'r rhyngrwyd yn union. Mae'n debycach i werthiant garej yn ystod storm fellt a tharanau.

Mae rhai systemau'n defnyddio mathau o ddysgu ar-lein, lle maen nhw'n diweddaru wrth i ddata newydd ddod i mewn. Gall hyn helpu gyda phethau fel:

• Canfod patrymau twyll

• Personoli argymhellion

• Addasu targedu hysbysebion

• Monitro ymddygiad rhwydwaith

• Gwella perthnasedd chwiliadau

• Diweddaru systemau cynnal a chadw rhagfynegol

Ond ar gyfer modelau AI mawr at ddibenion cyffredinol, mae diweddariadau'n aml yn cael eu rheoli, eu hadolygu, eu hidlo a'u profi cyn eu hychwanegu at fersiynau yn y dyfodol. Mae hyn yn helpu i leihau'r risg o ddrifft.

Felly ie, gall AI barhau i ddysgu ar ôl ei ryddhau mewn rhai cyd-destunau. Ond mae llawer o systemau'n cael eu hatal yn fwriadol rhag ailysgrifennu eu hunain yn rhydd mewn amser real.

A dyna'r peth gorau, mae'n debyg. Byddai model sy'n dysgu'n uniongyrchol o bob adran sylwadau yn dod yn racŵn gyda bysellfwrdd erbyn amser cinio. 🦝

8. Y Gwahaniaeth Rhwng Dysgu a Deall 🌱

Dyma'r rhan mae pobl yn dadlau amdani, fel arfer yn uchel.

Gall deallusrwydd artiffisial ddysgu patrymau. Gall gyffredinoli. Gall gynhyrchu atebion defnyddiol. Gall ddatrys problemau sy'n ymddangos fel pe baent angen rhesymu. Gall grynhoi, cyfieithu, dosbarthu, cynhyrchu, argymell, canfod ac optimeiddio.

Ond a yw hynny'n golygu ei fod yn deall?

Mae'n dibynnu ar beth rydych chi'n ei olygu wrth "deall"

Nid yw deallusrwydd artiffisial yn profi'r byd fel mae bodau dynol yn ei wneud. Nid oes ganddo newyn, cywilydd, atgofion plentyndod, na'r cwymp emosiynol bach sy'n digwydd pan fydd batri eich ffôn yn cyrraedd un y cant. Nid yw'n gwybod pethau trwy fyw.

Yn hytrach, mae modelau AI yn prosesu cynrychioliadau. Maent yn dysgu perthnasoedd rhwng mewnbynnau ac allbynnau. Mae model iaith, er enghraifft, yn dysgu patrymau mewn testun a gall gynhyrchu ymatebion sy'n cyd-fynd â'r patrymau hynny. Gall y canlyniad deimlo'n ystyrlon. Weithiau mae'n ystyrlon mewn synnwyr ymarferol. Ond nid yw'r ystyr wedi'i seilio ar ymwybyddiaeth ddynol.

Mae'r gwahaniaeth hwnnw'n bwysig.

Pan mae AI yn dweud bod dŵr yn wlyb, nid yw'n cofio glaw ar ei groen. Mae'n cynhyrchu ymateb yn seiliedig ar gysylltiadau a chyd-destun dysgedig. Gall fod yn ddefnyddiol o hyd. Nid yw'n fyw. Mae'n debyg nad yw. Hynny yw, gadewch i ni beidio â gwahodd athroniaeth i eistedd yn rhy agos at y gacen yma, neu ni fyddwn byth yn gadael.

Nid yw dysgu mewn AI yr un peth â dysgu dynol. Mae dysgu dynol yn cynnwys emosiwn, ymgorfforiad, cyd-destun cymdeithasol, cof, cymhelliant a goroesiad. Mae dysgu AI yn bennaf yn optimeiddio dros ddata.

Yn dal yn drawiadol. Dim ond yn wahanol.

9. Pam mae AI weithiau'n edrych yn fwy annibynnol nag ydyw 🎭

Gall systemau AI ymddangos yn ymreolaethol oherwydd gallant gynhyrchu allbynnau nad oeddent wedi'u sgriptio'n uniongyrchol.

Mae hynny'n beth mawr.

Gall sgwrsbot ateb cwestiwn nad oedd erioed wedi'i raglennu'n benodol i'w ateb. Gall model delwedd gynhyrchu golygfa nad yw unrhyw ddyn wedi'i llunio'n uniongyrchol. Gall asiant cynllunio rannu tasg yn gamau a defnyddio offer. Gall model argymhellion gasglu dewisiadau o ymddygiad.

Mae'r hyblygrwydd hwn yn creu'r argraff o annibyniaeth.

Ond oddi tano, mae ffiniau:

• Mae data hyfforddi yn llunio'r hyn y gall y model ei wneud.

• Mae'r amcan yn siapio'r hyn y mae'n ei optimeiddio.

• Mae'r sbardun neu'r cyfarwyddiadau system yn llunio ymddygiad.

• Mae'r rhyngwyneb yn cyfyngu ar y camau gweithredu sydd ar gael.

• Mae rheolau diogelwch yn cyfyngu ar rai allbynnau.

• Mae gwerthusiad dynol yn dylanwadu ar welliannau yn y dyfodol.

Felly efallai bod y deallusrwydd artiffisial yn teimlo fel ymennydd sy'n crwydro'n rhydd, ond mae'n debycach i farcud ystwyth. Gall hedfan yn uchel, plymio o gwmpas, ac edrych yn ddramatig yn erbyn yr awyr - ond mae llinyn yn rhywle o hyd. 🪁

Llinyn wedi'i glymu efallai. Ond llinyn.

10. A all deallusrwydd artiffisial wella heb fodau dynol? Yr ateb seiliedig ar sail 🛠️

Gall deallusrwydd artiffisial wella gyda llai o ymwneud dynol na meddalwedd draddodiadol. Mae hynny'n wir.

Gall:

• Dod o hyd i batrymau mewn data heb label

• Hyfforddi ar dasgau a gynhyrchir yn awtomatig

• Dysgu o amgylcheddau efelychiedig

• Defnyddiwch signalau gwobrwyo

• Mireinio trwy adborth

• Addasu i ffrydiau data newydd

• Cynhyrchu enghreifftiau synthetig ar gyfer hyfforddiant pellach

Ond anaml y bydd “heb fodau dynol” yn gywir o'r dechrau i'r diwedd.

Mae bodau dynol yn dal i ddiffinio pwrpas y system. Mae bodau dynol yn casglu neu'n cymeradwyo data. Mae bodau dynol yn adeiladu seilwaith. Mae bodau dynol yn dewis metrigau llwyddiant. Mae bodau dynol yn penderfynu a yw'r allbwn yn dderbyniol. Mae bodau dynol yn defnyddio, yn monitro, yn cyfyngu ac yn diweddaru.

Hyd yn oed pan fydd AI yn helpu i hyfforddi AI arall, pobl fel arfer sy'n sefydlu'r broses. Mae goruchwyliaeth o hyd, hyd yn oed os yw'n mynd yn deneuach mewn mannau.

Ymadrodd gwell fyddai: Gall deallusrwydd artiffisial ddysgu'n lled-ymreolaethol o fewn systemau a gynlluniwyd gan ddyn.

Mae hynny'n swnio'n llai dramatig na "mae AI yn dysgu ar ei ben ei hun," ond mae'n llawer mwy cywir. Llai o dreilar ffilm, mwy o lawlyfr peirianneg gyda staeniau coffi.

11. Manteision Deallusrwydd Artiffisial sy'n Gallu Dysgu Mwy yn Annibynnol 🚀

Mae gan y gallu i AI ddysgu gyda llai o gyfarwyddyd uniongyrchol fanteision enfawr.

Yn gyntaf, mae'n gwneud AI yn fwy graddadwy. Ni all bodau dynol labelu pob brawddeg, delwedd, sain, na phatrwm ymddygiad yn y byd. Mae dulliau hunan-oruchwyliedig a heb oruchwyliaeth yn caniatáu i systemau ddysgu o gronfeydd data llawer mwy.

Yn ail, mae'n helpu AI i ddarganfod patrymau y gallai pobl eu methu. Mewn meddygaeth, seiberddiogelwch, logisteg, cyllid, gweithgynhyrchu a modelu hinsawdd, gall AI ganfod signalau cynnil sydd wedi'u cuddio mewn data swnllyd. Nid hud. Dim ond malu patrymau di-baid.

Yn drydydd, gall deallusrwydd artiffisial addasol ymateb yn gyflymach i amodau sy'n newid. Mae canfod twyll yn enghraifft dda. Mae ymosodwyr yn newid tactegau'n gyson. Mae system sy'n gallu addasu yn fwy defnyddiol na system sydd wedi rhewi yn ei lle.

Yn bedwerydd, gall dysgu AI leihau rhaglennu â llaw ailadroddus. Yn lle ysgrifennu rheolau diddiwedd, gall timau hyfforddi modelau i gasglu patrymau. Nid yw hyn bob amser yn haws, gyda llaw. Weithiau mae fel disodli un cur pen â chur pen mwy hudolus. Ond gall fod yn bwerus.

Mae'r manteision yn cynnwys:

• Darganfod patrymau cyflymach

• Personoli gwell

• Ysgrifennu rheolau â llaw is

• Awtomeiddio gwell

• Systemau penderfynu mwy hyblyg

• Perfformiad cryfach mewn amgylcheddau cymhleth

Y fersiwn dda o hyn yw AI fel cynorthwyydd diflino. Y fersiwn ddrwg yw AI yn optimeiddio'r peth anghywir ar raddfa fawr. Mae'r gremlin bach yn y blwch offer.

12. Risgiau Dysgu AI ar Ei Ben Ei Hun ⚠️

Mae'r risgiau'n real.

Pan fydd systemau AI yn dysgu o ddata, gallant amsugno rhagfarn, gwybodaeth anghywir, a phatrymau niweidiol. Os yw'r data'n adlewyrchu annhegwch, gall y model atgynhyrchu neu hyd yn oed ymhelaethu ar yr annhegwch hwnnw.

Os yw'r signal adborth yn wan neu wedi'i gynllunio'n wael, gall y deallusrwydd artiffisial ddysgu llwybrau byr. Os caniateir iddo addasu heb ddigon o oruchwyliaeth, gall symud i ffwrdd o'r ymddygiad a fwriadwyd.

Mae'r risgiau mawr yn cynnwys:

• Rhagfarn a gwahaniaethu

• Gollyngiad preifatrwydd

• Hacio gwobrau

• Drifft model

• Gorhyder

• Awtomeiddio anniogel

• Dibyniaeth ar ddata o ansawdd isel

• Penderfyniadau anodd eu hesbonio

Mae problem graddfa hefyd. Gallai camgymeriad dynol effeithio ar ychydig o bobl. Gall camgymeriad AI o fewn system a ddefnyddir yn eang effeithio ar filiynau. Nid yw hynny'n rheswm i banicio, ond mae'n rheswm i arafu a pheidio â thrin pob demo caboledig fel tostiwr gwyrthiol.

Mae angen rheiliau gwarchod ar ddysgu deallusrwydd artiffisial. Gwerthusiad cryf. Adolygiad dynol. Terfynau clir. Arferion data da. Monitro tryloyw. Ddim yn ddeniadol, ond yn angenrheidiol.

13. Felly, A All Deallusrwydd Artiffisial Ddysgu Ar Ei Ben Ei Hun? Yr Ateb Cytbwys ⚖️

Dyma'r ateb mwyaf glân:

Ydy, gall AI ddysgu ar ei ben ei hun mewn ffyrdd technegol cyfyngedig. Na, nid yw AI yn dysgu ar ei ben ei hun fel bod dynol.

Gall deallusrwydd artiffisial ddod o hyd i batrymau, addasu ei osodiadau mewnol, gwella trwy adborth, ac weithiau addasu i amgylcheddau newydd. Gall wneud hyn heb i berson raglennu pob ymateb â llaw.

Ond mae deallusrwydd artiffisial yn dal i ddibynnu ar nodau a gynlluniwyd gan ddyn, data hyfforddi, algorithmau, seilwaith a gwerthuso. Nid oes ganddo ymholiad hunangyfeiriedig yn yr ystyr ddynol. Nid yw'n penderfynu beth sy'n bwysig. Nid yw'n deall canlyniadau fel y mae pobl yn ei wneud.

Felly pan fydd rhywun yn gofyn A all AI ddysgu ar ei ben ei hun?,yr ateb gorau yw: Gall AI ddysgu'n annibynnol o fewn ffiniau, ond y ffiniau yw popeth.

Dyna'r rhan mae pobl yn ei hepgor. Y ffiniau sy'n pennu a yw AI yn dod yn ddefnyddiol, yn rhyfedd, yn rhagfarnllyd, yn bwerus, yn beryglus, neu'n gwbl anghywir am ffiseg sbageti. 🍝

14. Myfyrdod Cloi: Mae Dysgu AI yn Bwerus, Ond Nid yn Hudolus ✨

Mae dysgu AI yn un o'r syniadau pwysicaf mewn technoleg fodern. Mae'n newid sut mae meddalwedd yn cael ei hadeiladu, sut mae awtomeiddio'n gweithio, a sut mae pobl yn rhyngweithio â pheiriannau.

Ond mae'n helpu i aros yn glir yn y meddwl.

Gall deallusrwydd artiffisial ddysgu o ddata. Gall wella o adborth. Gall ddarganfod patrymau nad oedd bodau dynol wedi'u dysgu'n benodol iddo. Gall addasu mewn lleoliadau rheoledig. Mae hynny'n wirioneddol drawiadol.

Serch hynny, nid myfyriwr hunanymwybodol sy'n crwydro drwy'r bydysawd gyda sach gefn a bagiau emosiynol yw AI. Mae'n system sydd wedi'i hyfforddi i optimeiddio amcanion gan ddefnyddio data a chyfrifiadura. Weithiau mae'r canlyniadau'n syfrdanol. Weithiau maent yn ddefnyddiol ond yn gymedrol. Weithiau maent yn anghywir mewn ffordd sy'n gwneud i chi syllu ar y sgrin fel pe bai wedi sarhau eich cawl.

Mae’n debyg y bydd dyfodol dysgu AI yn cynnwys mwy o ymreolaeth, dolenni adborth gwell, dulliau diogelwch cryfach, a mwy o gydweithio rhwng bodau dynol a pheiriannau. Ni fydd y systemau gorau yn rhai sy’n “dysgu’n llwyr ar eu pen eu hunain.” Nhw fydd y rhai sy’n dysgu’n dda, yn egluro digon, yn aros yn unol â nodau dynol, ac yn osgoi troi gwallau bach yn sbageti maint diwydiannol.

Felly, a all AI ddysgu ar ei ben ei hun? Ydy - ond dim ond yn yr ystyr ofalus, dechnegol, gyfyngedig. Ac nid troednodyn yw'r cymhwyster bach hwnnw. Dyma'r frechdan gyfan. 🥪

Enghraifft o'r byd go iawn: Adeiladu cynorthwyydd AI ar gyfer blaenoriaethu cymorth sy'n dysgu o adborth 🛠️

Senario

Dychmygwch gwmni meddalwedd bach yn derbyn tua 180 o negeseuon e-bost cymorth cwsmeriaid bob wythnos. Mae llawer ohonynt yn ailadroddus: ailosod cyfrinair, cwestiynau bilio, adroddiadau namau, ceisiadau am nodweddion, a negeseuon “mae’r ap wedi torri” sydd bron ddim yn cynnwys unrhyw fanylion y gellir gweithredu arnynt.

Nid yw'r tîm eisiau system AI sy'n ymateb i gwsmeriaid ar ei phen ei hun. Mae hynny'n teimlo'n beryglus. Yn lle hynny, maen nhw'n adeiladu cynorthwyydd AI cyfyngedig sy'n dosbarthu tocynnau sy'n dod i mewn, yn drafftio ymateb awgrymedig, ac yn dysgu o gywiriadau dynol dros amser.

Mae hwn yn enghraifft dda o AI yn “dysgu ar ei ben ei hun” yn yr ystyr gyfyngedig, dechnegol. Nid yw'r cynorthwyydd yn penderfynu ar bolisi'r cwmni. Nid yw'n ailysgrifennu'r rheolau ad-daliad ar ôl dydd Mawrth sbeislyd. Mae'n gwella o fewn llif gwaith rheoledig.

Beth sydd ei angen ar y cynorthwyydd

Er mwyn gweithio'n ddiogel, mae angen cynhwysydd clir o amgylch y dysgu ar y cynorthwyydd:

• 50-100 o docynnau cymorth yn y gorffennol, gyda manylion preifat wedi'u tynnu

• Templedi ymateb cymeradwy ar gyfer bilio, mewngofnodi, bygiau, ad-daliadau a newidiadau cyfrifon

• Rhestr o bethau na ddylai byth benderfynu arnynt heb gymeradwyaeth ddynol, megis ad-daliadau, cwynion cyfreithiol, materion diogelwch, neu ddileu cyfrif

• System dagio syml: Bilio, Mewngofnodi, Byg, Cais am Nodwedd, Diogelwch, Arall

• Cam adolygu dynol cyn anfon unrhyw neges

• Gwiriad wythnosol o gamgymeriadau, uwchgyfeirio a hepgorwyd, a drafftiau gwael

Y gamp yw y dylai adborth fod wedi'i strwythuro. Yn lle i asiant cymorth ddweud "ateb gwael" yn unig, dylent nodi beth oedd yn anghywir: categori anghywir, cwestiwn ar goll, rhy hyderus, risg preifatrwydd, neu angen uwchgyfeirio.

Cyfarwyddyd enghreifftiol

Defnyddiwch y math hwn o gyfarwyddyd ar gyfer y cynorthwyydd:

Rydych chi'n gynorthwyydd blaenoriaethu cymorth i gwmni SaaS bach. Eich swydd chi yw dosbarthu pob tocyn cwsmer, awgrymu'r cam gweithredu gorau nesaf, a drafftio ateb i asiant cymorth dynol ei adolygu. Peidiwch ag anfon atebion eich hun. Peidiwch ag addo ad-daliadau, atgyweiriadau diogelwch, newidiadau i gyfrifon, na dyddiadau dosbarthu. Os yw'r tocyn yn sôn am anghydfodau talu, colli data, bygythiadau cyfreithiol, gweithgaredd mewngofnodi amheus, neu geisiadau canslo blin, marciwch ef fel "Angen uwchgyfeirio dynol". Pan fyddwch chi'n ansicr, gofynnwch am wybodaeth sydd ar goll yn lle dyfalu.

Ar gyfer pob tocyn, dychwelwch:

Categori tocyn Lefel
brys Camau
gweithredu nesaf a awgrymir
Ymateb drafft
Rheswm dros eich dosbarthiad
Angen uwchgyfeirio: Ydw neu Nac ydw

Sut i'w brofi

Cyn ei ddefnyddio ar gwsmeriaid go iawn, profwch ef gyda set fach o hen docynnau.

Rhowch gynnig ar o leiaf 30 o enghreifftiau:

• 5 cais syml i ailosod cyfrinair

• 5 cwestiwn bilio

• 5 adroddiad nam amwys

• 5 cais am ad-daliad neu ganslo

• 5 tocyn sy'n gysylltiedig â diogelwch

• 5 tocyn cymysg, aml-fater, fel “Cafodd fy nghyhuddo ddwywaith ac ni allaf fewngofnodi nawr”

Yna cymharwch gategori, brys, penderfyniad uwchgyfeirio ac ymateb drafft y cynorthwyydd yn erbyn yr hyn y byddai arweinydd cymorth dynol yn ei ddisgwyl.

Gallai allbwn da ddweud:

Categori:
Lefel Brys Diogelwch: Uchel
Camau gweithredu nesaf a awgrymir: Uwchgyfeirio at arweinydd cymorth dynol ar unwaith
Ymateb drafft: Diolch am roi gwybod am hyn. Byddwn yn trosglwyddo hyn i'n tîm cymorth diogelwch i'w adolygu. Peidiwch â rhannu cyfrineiriau na chodau dilysu drwy e-bost.
Rheswm: Soniodd y cwsmer am broblem mewngofnodi anghyfarwydd a mynediad posibl i gyfrif.
Angen uwchgyfeirio: Ydw

Allbwn gwael fyddai:

Categori: Mewngofnodi
Lefel brys: Normal
Ymateb drafft: Rhowch gynnig ar ailosod eich cyfrinair.

Mae'r ateb yna'n edrych yn daclus, ond mae'n methu â gweld y risg diogelwch. Dyma'n union pam mae angen profion, ffiniau, a bodau dynol ar systemau "dysgu" sy'n cael dweud, "Ceis da, ymennydd tostiwr, ond na."

Canlyniad

Canlyniad darluniadol: yn seiliedig ar amseru 30 o docynnau sampl cyn ac ar ôl defnyddio'r llif gwaith hwn.

Cyn defnyddio'r cynorthwyydd, treuliodd asiant cymorth gyfartaledd o 4 munud ac 20 eiliad yn darllen, tagio a drafftio pob ateb cyntaf. Gyda'r cynorthwyydd, gostyngodd yr amser adolygu a golygu cyfartalog i 1 munud a 35 eiliad fesul tocyn.

Ar gyfer 180 o docynnau'r wythnos, byddai hynny'n lleihau'r amser trin drafft cyntaf o tua 13 awr i tua 4 awr a 45 munud, gan arbed tua 8 awr a 15 munud bob wythnos.

Dylid mesur cywirdeb hefyd. Yn yr un prawf 30 tocyn, dim ond os yw'n bodloni trothwyon clir y dylid cymeradwyo'r cynorthwyydd, er enghraifft:

• O leiaf 90% o gategoreiddio tocynnau'n gywir

• Uwchgyfeirio 100% o achosion diogelwch, cyfreithiol, anghydfodau ad-daliad, a dileu cyfrifon

• 0 ymateb sy'n wynebu cwsmeriaid wedi'u hanfon heb adolygiad dynol

• Llai na 3 drafft sydd angen eu hailysgrifennu'n llawn

Nid yw'r niferoedd hynny'n brawf cyffredinol. Maent yn darged prawf ymarferol. Dylai tîm go iawn fesur ei linell sylfaen ei hun, rhedeg yr un tocynnau drwy'r cynorthwyydd, a chyfrif y gwallau'n uniongyrchol.

Beth all fynd o'i le

Gall y cynorthwyydd wneud camgymeriadau o hyd.

Efallai y bydd yn dysgu o gywiriadau dynol gwael. Efallai y bydd yn copïo polisi ad-daliad sydd wedi dyddio. Efallai y bydd yn mynd yn rhy achlysurol gyda chwsmeriaid blin. Efallai y bydd yn dosbarthu problem diogelwch fel problem mewngofnodi arferol. Efallai y bydd yn gor-ffitio i hen batrymau tocynnau ac yn methu â gweld nam cynnyrch newydd sy'n effeithio ar lawer o ddefnyddwyr.

Y camgymeriad mwyaf yw gadael i'r cynorthwyydd roi'r wybodaeth ddiweddaraf o negeseuon cwsmeriaid byw heb eu hadolygu. Gall hynny dynnu data preifat, iaith gamdriniol, rhagdybiaethau gwael, neu achosion ymyl untro i'r llif gwaith.

Mae gosodiad mwy diogel yn ddi-nod ond yn well: casglwch adborth, adolygwch ef yn wythnosol, diweddarwch yr enghreifftiau neu'r cyfarwyddiadau, profwch eto, yna defnyddiwch y fersiwn well.

Tecawê ymarferol

Gall y math hwn o gynorthwyydd “ddysgu” mewn ffordd ymarferol, ond dim ond oherwydd bod y cwmni’n diffinio’r categorïau, y rheolau adborth, y terfynau uwchgyfeirio, a’r metrigau llwyddiant. Mae’r dysgu’n real. Mae’r annibyniaeth yn gyfyngedig. A dyna’n union y pwynt: nid hud yn crwydro o gwmpas y swyddfa gyda chlipfwrdd yw AI effeithiol. Mae’n system gyfyngedig sy’n gwella pan fydd pobl yn rhoi data glân, nodau clir, a chywiriad rheolaidd iddi.

Cwestiynau Cyffredin

A all AI ddysgu ar ei ben ei hun heb gael ei raglennu?

Gall AI ddysgu patrymau heb i bobl ysgrifennu pob rheol â llaw, ond nid yw'n gwbl annibynnol. Mae pobl yn dal i ddylunio'r model, dewis y data, gosod yr amcan, a phenderfynu sut y bydd llwyddiant yn cael ei fesur. Ffordd fwy manwl gywir o'i roi yw y gall AI ddysgu'n lled-ymreolaethol o fewn ffiniau a gynlluniwyd gan bobl.

Sut mae AI yn dysgu o ddata?

Mae AI yn dysgu o ddata drwy nodi patrymau mewn enghreifftiau ac addasu ei osodiadau mewnol i wneud rhagfynegiadau gwell. Yn hytrach na dilyn rheolau sefydlog, mae'n cymharu ei allbynnau yn erbyn targed neu signal adborth, yna'n diweddaru ei hun i leihau gwallau. Dyna pam y gall AI adnabod delweddau, rhagweld testun, dosbarthu gwybodaeth, neu argymell camau gweithredu heb gael ei sgriptio â llaw ar gyfer pob achos posibl.

A all AI ddysgu ei hun gan ddefnyddio dysgu hunan-oruchwyliedig?

Ydw, mewn ystyr dechnegol gyfyngedig. Mae dysgu hunan-oruchwyliedig yn caniatáu i AI greu tasgau hyfforddi o ddata crai, fel rhagweld geiriau coll, testun yn y dyfodol, neu rannau absennol o ddelwedd. Mae hyn yn lleihau'r angen i fodau dynol labelu pob enghraifft. Er hynny, mae'r AI yn dal i optimeiddio nod a ddewiswyd gan fodau dynol, nid yn dewis ei bwrpas ei hun.

A yw dysgu atgyfnerthu yr un peth â dysgu AI ar ei ben ei hun?

Mae dysgu atgyfnerthu yn un o'r enghreifftiau agosaf o ddysgu AI trwy brofiad. Mae asiant AI yn rhoi cynnig ar gamau gweithredu, yn derbyn gwobrau neu gosbau, ac yn dysgu'n raddol pa ddewisiadau sy'n arwain at ganlyniadau gwell. Fodd bynnag, mae pobl yn dal i ddiffinio'r amgylchedd, y system wobrwyo, y terfynau, a'r broses werthuso. Gall gwobrau sydd wedi'u cynllunio'n wael arwain at lwybrau byr diangen.

A yw AI yn parhau i ddysgu ar ôl iddo gael ei ryddhau?

Gall rhai systemau AI barhau i ddysgu ar ôl eu rhyddhau, yn enwedig mewn meysydd fel canfod twyll, personoli, perthnasedd chwiliadau, neu gynnal a chadw rhagfynegol. Nid yw llawer o fodelau mawr at ddibenion cyffredinol yn dysgu'n awtomatig o bob rhyngweithiad defnyddiwr mewn amser real. Gall dysgu parhaus greu risgiau, gan gynnwys data gwael, problemau preifatrwydd, patrymau niweidiol, neu ddrifft model.

Beth yw'r gwahaniaeth rhwng dysgu AI a dealltwriaeth ddynol?

Mae dysgu AI yn bennaf yn adnabod patrymau ac optimeiddio dros ddata. Mae dysgu dynol yn cynnwys profiad byw, emosiwn, cof, ymgorfforiad, cymhelliant, a chyd-destun cymdeithasol. Gall model AI gynhyrchu atebion defnyddiol am law, cathod, neu ryseitiau, ond nid yw'n profi'r pethau hynny. Gall fod yn ymarferol ddefnyddiol heb ddeall y byd fel y mae person yn ei wneud.

Pam mae AI yn edrych yn fwy annibynnol nag ydyw?

Gall deallusrwydd artiffisial gynhyrchu atebion, delweddau, cynlluniau ac argymhellion nad oeddent wedi'u sgriptio'n uniongyrchol, a all ei wneud i deimlo'n ymreolaethol. Eto i gyd, mae ei ymddygiad yn cael ei siapio gan ddata hyfforddi, amcanion, cyfarwyddiadau, offer, terfynau rhyngwyneb a rheolau diogelwch. Gall edrych fel meddwl sy'n crwydro'n rhydd, ond mae'n gweithredu o fewn system ddyluniedig.

Beth yw'r prif risgiau pan fydd AI yn dysgu ar ei ben ei hun?

Mae'r prif risgiau'n cynnwys rhagfarn, gollyngiadau preifatrwydd, symud modelau, hacio gwobrau, gorhyder, awtomeiddio anniogel, a phenderfyniadau gwael yn seiliedig ar ddata o ansawdd isel. Os yw'r system yn dysgu o ddata o ansawdd gwael neu adborth gwan, gall ailadrodd patrymau niweidiol neu optimeiddio ar gyfer y peth anghywir. Mae rheiliau gwarchod cryf, monitro, gwerthuso ac adolygiad dynol yn helpu i leihau'r risgiau hynny.

Beth yw hacio gwobrau mewn dysgu AI?

Mae hacio gwobrau yn digwydd pan fydd AI yn dod o hyd i ffordd i sgorio'n dda heb wneud yr hyn a fwriadwyd gan fodau dynol. Er enghraifft, gallai robot glanhau sy'n cael ei wobrwyo am gasglu baw gweladwy yn unig guddio baw yn lle glanhau'n iawn. Nid yw'r broblem yn ymwneud â bod yr AI yn gyfrinachol fel person. Mae'n dilyn amcan sydd wedi'i gynllunio'n wael yn rhy llythrennol.

Beth yw'r ateb gorau i "A all AI ddysgu ar ei ben ei hun?"

Yr ateb cytbwys yw ie, ond dim ond mewn ystyr dechnegol gyfyngedig. Gall deallusrwydd artiffisial ddysgu o ddata, adborth, gwobrau a phatrymau newydd heb i bobl raglennu pob ymateb. Ond mae'n dal i ddibynnu ar nodau, data, algorithmau, seilwaith a goruchwyliaeth a gynlluniwyd gan bobl. Gall deallusrwydd artiffisial ddysgu'n annibynnol o fewn ffiniau, ac mae'r ffiniau hynny'n bwysig iawn.

Cyfeiriadau

1. IBM - Dysgu Peirianyddol - ibm.com

2. NIST - Fframwaith Rheoli Risg AI - nist.gov

3. Datblygwyr Google - Dysgu dan oruchwyliaeth - developers.google.com

4. Blog Ymchwil Google - Hyrwyddo Dysgu Hunan-Oruchwyliedig a Lled-Oruchwyliedig gyda SimCLR - research.google

5. Myfyrdodau ar Fodelau Sylfaen Stanford HAI - hai.stanford.edu

6. scikit-learn - Dysgu ar-lein - scikit-learn.org

7. OpenAI - Dysgu o Ddewisiadau Dynol - openai.com

8. Google Cloud - Beth yw asiantau AI? - cloud.google.com

9. Google DeepMind - Gemau manyleb: ochr arall dyfeisgarwch AI - deepmind.google

Dewch o hyd i'r AI Diweddaraf yn y Siop Swyddogol ar gyfer Cynorthwywyr AI

Amdanom Ni