AI EvoliucijaTrys žingsniai nuo klausimo iki atsakymo
Kai žmonės klausia, kaip veikia dirbtinis intelektas, dažniausiai įsivaizduoja kažką panašaus į paieškos sistemą: modelis tarsi pereina per duomenų bazę ir randa teisingą atsakymą. Realybėje procesas kitoks ir sudarytas iš trijų žingsnių.
- Mokymas. Modelis „perskaito“ nepaprastai didelį teksto, vaizdo ar kito duomenų kiekio pavyzdį. Šio žingsnio metu jis nieko neįsimena pažodžiui, o pastebi dėsningumus: kaip sakiniai sudėlioti, kokie žodžiai eina kartu, kokia informacija su kokia susijusi;
- Dėsningumų įsiminimas. Pastebėti ryšiai užkoduojami skaitiniais parametrais, dažnai vadinamais svoriais. Būtent jie ir yra tai, ką turi galvoje sakydami „modelis“, o ne kokia nors saugoma faktų lentelė;
- Prognozavimas. Kai gaunamas klausimas, modelis remiasi tais pačiais svoriais ir kaskart spėja, koks yra labiausiai tikėtinas atsakymo tęsinys. Tai daroma ne vienu ėjimu, o žingsnis po žingsnio, kol susidaro pilnas sakinys ar visas dokumentas.
Šis mechanizmas paaiškina ir jo stiprybes, ir jo ribas. Modelis moka rašyti apie beveik bet ką, nes išmoko bendrus kalbos ir mąstymo dėsningumus, o ne konkrečius faktus. Ir būtent todėl jis kartais suklysta, apie tai plačiau kitame skyriuje.
Kuo tai skiriasi nuo įprastos programos
Įprasta kompiuterinė programa yra taisyklių rinkinys: programuotojas surašo, ką daryti kiekvienu konkrečiu atveju, o programa tų taisyklių tiksliai laikosi. Jei situacija neaprašyta, programa sustoja arba grąžina klaidą.
Dirbtinio intelekto modelis niekada nebuvo užprogramuotas žingsnis po žingsnio tam konkrečiam klausimui, kurį jūs jam užduodate. Todėl jis geba atsakyti į tai, ko niekas iš anksto nenumatė, tačiau dėl tos pačios priežasties jis niekada nebūna šimtu procentų tikras. Jis dirba su tikimybėmis, ne su griežtomis taisyklėmis. Platesnį šio skirtumo paaiškinimą su rūšių lentele rasite įraše kas yra dirbtinis intelektas.
Kodėl modelis kartais suklysta
Kadangi modelis niekada tiesiogiai nepatikrina fakto, o tik sudėlioja labiausiai tikėtiną atsakymą, jis gali suformuluoti klaidingą teiginį lygiai taip pat sklandžiai, kaip ir teisingą. Toks reiškinys vadinamas halucinacija, ir tai ne gedimas, o tiesioginė veikimo principo pasekmė, plačiau aprašyta LLM įraše.
Praktinė išvada paprasta: viską, kas yra skaičius, data, teisės norma ar pavardė, turi patikrinti žmogus. Modelis paruošia juodraštį greitai, o atsakomybė už galutinį rezultatą lieka jums.
Pavyzdys iš mūsų darbo
Nedidelės maisto gamybos įmonės vadovas nuo pirmos užklausos iki asmeninio, jo darbui pritaikyto AI asistento nuėjo per 12 kalendorinių dienų. Modelio niekas iš naujo nemokė kelis mėnesius: jam buvo pateikti realūs įmonės dokumentai ir kontekstas, o pats „supratimas“, kaip veikia ta konkreti įmonė, atsirado ne per mokymą, o per tai, ką modelis gauna matyti dirbdamas. Visas atvejis.
Kodėl versle svarbiausia ne mokymas, o kontekstas
Vienas dažniausių nesusipratimų versle: manoma, kad prieš pradedant naudoti dirbtinį intelektą jam reikia „papasakoti“ apie įmonę, tarsi apmokant naują darbuotoją mėnesiais. Iš tikrųjų modelis, su kuriuo dirbate, iš naujo nemokomas. Jo bendros žinios apie kalbą ir pasaulį buvo suformuotos vieną kartą tiekėjo pusėje.
Tai, ką realiai reikia padaryti, yra kitkas: duoti modeliui prieigą prie jūsų realių dokumentų, procesų ir taisyklių tuo metu, kai jis atlieka konkretų darbą. Šis principas glaudžiai susijęs su konteksto langu ir yra tai, kas paverčia bendrą pokalbio įrankį realiu asistentu. Sistemos, kurios pačios susiplanuoja žingsnius ir naudoja įrankius, aprašytos įraše kas yra AI agentas.
Dažniausi klausimai
Ar dirbtinis intelektas mąsto kaip žmogus?
Ne. Modelis neturi supratimo ta prasme, kaip jį turi žmogus. Jis atpažįsta statistinius dėsningumus tekste ir jais remdamasis sudėlioja sklandų atsakymą. Rezultatas dažnai atrodo kaip mąstymas, bet mechanizmas po juo yra kitoks.
Ar modeliui reikia interneto ryšio kiekvieną kartą?
Debesyje veikiantiems įrankiams, tokiems kaip ChatGPT, „Claude“ ar „Gemini“, ryšys reikalingas, nes modelis skaičiuoja atsakymą tiekėjo serveriuose. Tai atskira tema nuo naršymo internete, kuris kai kuriuose įrankiuose įjungiamas papildomai.
Ar modelis prisimena ankstesnius pokalbius?
Tik tiek, kiek telpa į konteksto langą, tai yra ribotą teksto kiekį, kurį modelis mato vienu metu. Kai pokalbis prisipildo, seniausia dalis iškrenta, ir modelis ją pamiršta.
Kiek laiko užtrunka, kol dirbtinis intelektas išmoksta mano įmonės specifiką?
Modelio iš naujo mokyti nereikia. Jam reikia prieigos prie jūsų dokumentų ir konteksto tuo metu, kai jis atlieka darbą. Todėl asistentas gali pradėti dirbti su realiais duomenimis per kelias dienas, o ne po mėnesių trukmės mokymo.
Nuo ko pradėti
Nuo vieno konkretaus darbo, kuriam galite duoti realius dokumentus ir aiškų kontekstą, o ne nuo bendro pokalbio be jokios prieigos prie jūsų duomenų. Kaip tai atrodo praktiškai, aprašėme puslapyje apie AI diegimą versle.