Honnan szerzi az AI a tudását? Mit jelent az, hogy egy gép tanul? Hogyan fejlődik a mesterséges intelligencia? Milyen, amikor hibázik? Izgalmas kérdések ezek, főleg akkor, ha használtál már vagy használni szeretnél AI-eszközöket a munkád és a mindennapjaid során.
Cikksorozatunk első részében arról írtunk, miként robbant be az életünkbe az AI, most pedig azzal folytatjuk, hogyan okosodnak a robotok.
Tartalomjegyzék
Ki tanít kit?
Az emberek és gépek közötti tanulási folyamat egyre inkább összefonódik. Míg korábban az emberek irányították és tanították a gépeket, napjainkban a mesterséges intelligencia és a gépi tanulás fejlődésével újra kell gondolnunk ezt a kapcsolatot. A gépek már nemcsak követik az utasításainkat, hanem képesek adatokat elemezni, következtetéseket levonni, sőt, új megoldásokat létrehozni – mindezt úgy, hogy közben tőlünk tanulnak. De vajon mit tanulhatunk mi a gépektől? A legjobb, ha kezdésnek megértjük a gépi tanulás alapjait.
Az AI három fő tanulási módja
- Felügyelt tanulás: itt a gép felcímkézett adatokat kap, és ezek alapján tanul meg döntéseket hozni. Nézzünk egy példát: rengeteg képet mutatnak neki macskákról és kutyákról, amelyekhez tartozik egy-egy címke: „macska” vagy „kutya”. A rendszer ezek alapján tanulja meg felismerni, hogy egy új képen melyik állat szerepel – tehát a korábban látott minták alapján dönti majd el, hogy cirmosszőrt vagy bernáthegyi bundát lát.
- Felügyelet nélküli tanulás: itt a gépek nem kapnak előre címkézett adatokat, hanem maguknak kell felfedezniük az adatokban rejlő mintázatokat. Ez a módszer hasonlít arra, amikor egy ember egyedül próbál rájönni a világ összefüggéseire. Ennek a módszernek az eredményeivel találkozol te magad is, amikor a Netflix megpróbálja eltalálni, hogy ha szeretted a Black Mirrort, akkor érdekel-e a Too Hot To Handle. Valószínű, -és itt a lényeg, hogy csak valószínű-, hogy nem.
- Megerősítéses tanulás: itt a gép a környezet visszajelzései alapján tanul. Ha jó döntéseket hoz, jutalmazzák, ha rosszakat, arról negatív visszacsatolást kap. Sok gyakorlás és finomhangolás eredményeként egyre pontosabbá válik.
Ahhoz, hogy ezekkel a módszerekkel tanulhasson a mesterséges intelligencia, rengeteg adatra és neurális hálóra van szükség. Neurális háló? Igen, ez egy mesterséges agy, egy olyan összetett digitális hálózat, amely az emberi gondolkodást leképezve tud az adatok és a tanulás révén önálló döntéseket hozni. Visszatérve a macskás képekre, egy idő után nemcsak azt tudja megmondani, hogy kutya vagy macska van a képen, hanem azt is, ha egyik sem, sőt idővel képes megjósolni, hogy inkább kacsacsőrű emlős lesz az, amit elé tettek.
Az AI szókincse
“Az ég kék, a fű…” – vajon mi a következő szó? Melegszendvics? Görkorcsolya? A legnagyobb valószínűséggel a “zöld” szó következik ebben a mondatban, és ezt a valószínűséget használja a mesterséges intelligencia az élethű, emberi szövegek megalkotásához is. A nagy nyelvi modelleken alapuló chatbotok, mint pl. a ChatGPT, úgy dolgozzák fel az emberi nyelvet, hogy először tokenekre bontják azt. Ezek apró nyelvi egységek – lehetnek teljes szavak, szótagok vagy akár karakterek is –, amelyek építőkockaként szolgálnak: lehetővé teszik, hogy az AI rendkívül sokféle kontextust és mintázatot ismerjen fel, legyen szó egyszerű szövegekről vagy bonyolult technikai kifejezésekről.
Ahogy az AI egyre több adattal találkozik, egyre jobb lesz abban, hogy az emberi nyelvet pontosan megértse, feldolgozza, és jó válaszokat is adjon.
Hogyan hibázik az AI?
Bármilyen ügyes is legyen a mesterséges intelligencia, időnként ugyanúgy hibázik, mint mi.
Ez az “AI hallucináció” jelensége, amikor a gép olyan mintázatokat észlel például egy szövegben, ami nincs is ott. Ennek az oka lehet a túltanulás, vagy a pontatlan, esetleg torzító adatok is. Ilyenkor a kérdéseinkre adott válaszok zavarosak vagy tényszerűen rosszak lesznek, de ugyanez a jelenség tehet az AI-generált képeken gyakran felbukkanó hétujjú gnómkezekről is. A tanulság? Nem engedhetjük el teljesen a gépek kezét, de ezzel együtt is nagyban megkönnyíthetik a munkánkat.
A mesterséges intelligencia alapjaiban változtatja meg azt, ahogyan ma fejlesztünk és dolgozunk. Ha szeretnéd még jobban megérteni, mire jó, és hogyan lehet saját asszisztensed az AI, itt az idő, hogy mélyebbre áss! Nézd meg AI-képzéseinket, amelyek segítenek abban, hogy hatékonyabb légy a munkádban, legyél programozó, vagy más területen dolgozó szakember. Várunk!
