Glosariusz sztucznej inteligencji: Terminy związane ze sztuczną inteligencją, których każdy powinien się nauczyć

Zebraliśmy listę przydatnych zwrotów i pojęć ułatwiających zrozumienie sztucznej inteligencji, w szczególności nowej generacji chatbotów opartych na sztucznej inteligencji, takich jak ChatGPT, Bing i Bard.

Jeśli nie rozumiesz tych wyjaśnień lub chcesz dowiedzieć się więcej, możesz zapytać o to same chatboty. Odpowiadanie na takie pytania to jedna z ich najbardziej przydatnych umiejętności, a jednym z najlepszych sposobów zrozumienia sztucznej inteligencji jest jej użycie. Ale pamiętaj, że czasami robią coś źle.

bing I zimno Chatboty są powoli wdrażane i być może trzeba będzie przejść przez kolejki, aby uzyskać do nich dostęp. czat Obecnie nie ma listy oczekujących, ale wymaga ona utworzenia bezpłatnego konta.

Aby uzyskać więcej informacji na temat sztucznej inteligencji, zapoznaj się z naszą pięcioczęściową serią New York Times o tym, jak zostać ekspertem w dziedzinie chatbotów.

Uczłowieczenie: Tendencja ludzi do przypisywania ludzkich cech lub cech chatbotowi AI. Na przykład możesz założyć, że jest miły lub okrutny na podstawie swoich odpowiedzi, mimo że nie jest w stanie odczuwać emocji, lub możesz pomyśleć, że sztuczna inteligencja jest wrażliwa, ponieważ tak dobrze naśladuje ludzki język.

uprzedzenie: Typ błędu, który może wystąpić w dużym modelu językowym, jeśli jego dane wyjściowe są przekrzywione przez dane szkoleniowe modelu. Na przykład model może powiązać pewne cechy lub zawody z określoną płcią lub płcią, co prowadzi do niedokładnych prognoz i obraźliwych reakcji.

Pojawiające się zachowanie: Nieoczekiwane lub niezamierzone możliwości w dużym modelu językowym, możliwe dzięki wzorcom uczenia się i regułom modelu z jego danych szkoleniowych. Na przykład modele przeszkolone w zakresie programowania i kodowania stron internetowych mogą pisać nowy kod. Inne przykłady obejmują zdolności twórcze, takie jak komponowanie poezji, muzyki i pomysłowych historii.

Generatywna sztuczna inteligencja: Technologia, która tworzy zawartość — w tym tekst, obrazy, wideo i kod komputerowy — poprzez identyfikowanie wzorców z dużą ilością danych treningowych, a następnie tworzenie oryginalnych materiałów o podobnych właściwościach. Przykłady obejmują ChatGPT dla skryptów i DALL-E I podróż medyczna dla zdjęć.

halucynacja: Dobrze znane zjawisko w dużych paradygmatach językowych, gdzie system daje odpowiedź, która jest merytorycznie niepoprawna, nieistotna lub pozbawiona znaczenia, ze względu na ograniczenia w danych uczących i ich strukturze.

Duży model językowy: Rodzaj sieci neuronowej, która uczy się umiejętności — w tym generowania prozy, prowadzenia rozmów i pisania kodu komputerowego — poprzez analizę ogromnych ilości tekstu online. Podstawową funkcją jest przewidywanie następnego słowa w sekwencji, ale modele te zaskoczyły ekspertów, ucząc się nowych możliwości.

przetwarzanie języka naturalnego: Techniki używane przez duże modele językowe do rozumienia i generowania ludzkiego języka, w tym klasyfikacja tekstu i analiza nastrojów. Te podejścia często wykorzystują kombinację algorytmów uczenia maszynowego, modeli statystycznych i składni.

sieć neuronowa: System matematyczny, podobny do ludzkiego mózgu, uczy się umiejętności, wyszukując statystyczne wzorce w danych. Składa się z warstw sztucznych neuronów: pierwsza warstwa otrzymuje dane wejściowe, a ostatnia warstwa wyprowadza wyniki. Nawet eksperci tworzący sieci neuronowe nie zawsze rozumieją, co się między nimi dzieje.

granica: Wartości liczbowe, które definiują strukturę i zachowanie dużego modelu językowego, takie jak wskazówki pomagające odgadnąć, które słowa będą następne. Uważa się, że systemy takie jak GPT-4 zawierają setki miliardów parametrów.

Wzmocnienie uczenia się: Technika, która uczy model sztucznej inteligencji, aby znaleźć najlepszy wynik metodą prób i błędów oraz otrzymywać nagrody lub kary od algorytmu na podstawie jego wyników. System ten można ulepszyć, przekazując człowiekowi informację zwrotną na temat jego działania w postaci ocen, poprawek i sugestii.

model transformatora: Architektura sieci neuronowej przydatna do rozumienia języka, która nie musi analizować słów jeden po drugim, ale może przeglądać całe zdanie na raz. To był przełom dla sztucznej inteligencji, ponieważ umożliwił modelom zrozumienie kontekstu i długoterminowych zależności w języku. Switchers używają techniki zwanej samouwagą, która pozwala modelowi skupić się na określonych słowach, które są ważne dla zrozumienia znaczenia zdania.