Pojmy jako AI, GenAI a ML bez pochopení významu, je jako objednávat si z nabídky v jazyce který neznáme – můžete skončit s něčím, co opravdu nechcete! Abychom se tomuto nežádoucímu výsledku vyhnuli, následující příspěvek přezkoumává základy umělé inteligence a objasňuje termíny, které používáme v plánech, oznámeních a další dokumentaci související s produkty.
Umělá inteligence (AI)
Umělá inteligence je inkluzivní termín, který se vztahuje k používání dat (informací) a algoritmů (pravidel), které umožňují počítačům učit se, jednat a vykonávat funkce, které jsou běžně spojovány s lidskou inteligencí.
Zde je několik příkladů schopností AI:
- Uvažování se zdravým rozumem: vytváří zdání lidského chápání a uvažování, překlenuje propast mezi vzorci založenými na datech a úsudkem, intuicí a rozhodováním citlivým na kontext, které lidé běžně dělají
- Abstraktní myšlení: umožňuje počítačům zapojit se do složitějších řešení problémů, jako je rozšíření pracovního toku nebo automatizace
GenAI a ML (diskutované níže) jsou dvě z nejznámějších větví AI. Jsou mezi nimi důležité rozdíly, a i když je správné říkat, že GenAI a ML jsou AI, není správné říkat, že všechna AI je GenAI nebo ML.
Generativní AI (GenAI)
GenAI označuje specifickou podmnožinu umělé inteligence, která používá programy ke zpracování velkých souborů dat, zjišťování vzorů a poté vytváření nových děl textu, obrázků, videa a dokonce i počítačového kódu na základě pokynů, které dostává (známé jako „výzvy“). GenAI spoléhá na umělé neuronové sítě, což jsou metody pro zpracování informací, které napodobují biologické neuronové sítě (další informace o neuronových sítích naleznete v tomto příspěvku). Je omezena daty, kterými trénuje své modely, takže vše, co produkuje, je odvozeno od dat, ze kterých se učí. (Související tlak na trénování modelů s většími a většími tréninkovými sadami je jedním z faktorů zvyšujících poptávku po výpočetním výkonu AI.)
Zde je několik příkladů funkcí GenAI:
- Kreativita: vytvářejte umělecké výtvory, pište příběhy, skládejte hudbu a dokonce vytvářejte vizuální umění
- Vytváření nových dat: vytvářejte nová data, která nebyla přítomna v tréninkové sadě GenAI, což umožňuje generování syntetických dat (viz níže), která mohou být užitečná pro finanční plánování, plánování pracovních sil, plánování dodavatelského řetězce, plánování pokladny atd.
- Syntéza: vytvářejte nová shrnutí, argumenty a pohledy na základě syntetizovaných informací
Strojové učení (ML)
Systémy ML se učí a zlepšují na základě dat, která spotřebovávají. Existují dva hlavní typy algoritmů učení – učení pod dohledem a učení bez dozoru – které odkazují na způsob, jakým model využívá data ke zlepšení svého výkonu. Při učení pod dohledem jsou algoritmu ML prezentovány vstupy plus požadované výstupy, které mu pomohou objevit obecné pravidlo, které je spojuje; s učením bez dozoru jsou algoritmu prezentována nestrukturovaná data a ponechána, aby sám objevil vztahy a vzorce. (Protože v rozsahu tohoto příspěvku záleží na přesnosti, stojí za zmínku, že GenAI často kromě zpracování přirozeného jazyka používá techniky ML.)
Zde jsou příklady možností ML:
- Prediktivní analytika: předvídejte výsledky na základě vzorců historických dat (např. použití skutečných finančních výsledků k vytváření prognóz)
- Detekce anomálií: detekce anomálií nebo odlehlých hodnot v datech, obvykle se používá k odhalování podvodů nebo kontrole kvality
- Systémy doporučení: navrhujte produkty, obsah nebo služby na základě preferencí a chování uživatelů
- Regresní analýza: analyzujte vztahy mezi daty a určete jejich sílu (můžete ji například použít k analýze vztahu mezi výdaji na reklamu a potenciálním zvýšením příjmů v důsledku reklamy)
Další čtení o jiných podmínkách
Existují další běžné termíny, které mohou být užitečné:
- Hluboké učení: typ ML, který využívá umělé neuronové sítě k učení z dat; používá se k řešení celé řady problémů, včetně rozpoznávání obrazu, zpracování přirozeného jazyka a strojového překladu
- Halucinace: odkazují na falešné nebo nepřesné výstupy, které vytváří model umělé inteligence, obvykle kvůli neúplným nebo zašumělým datům, nebo když se používá k předpovědím mimo oblast jeho odbornosti.
- Prompt engineering: technika používaná k optimalizaci a doladění jazykových modelů pro konkrétní úkoly a požadované výstupy (známá také jako promptní návrh)
- Syntetická data: používají se jako testovací vzorky pro hodnocení výkonu modelů GenAI; je vytvořen generováním nových dat, která sdílejí matematické vlastnosti reálných dat
Na závěr
Můžeme být v pokušení používat termíny zaměnitelně, ale neměli bychom, protože AI není totéž jako ML a GenAI se od tradiční AI liší. Tyto rozdíly jsou důležité. A jejich pochopení vám pomůže orientovat se v technologiích umožňujících Fusion Apps, vylepšeních produktů a plánech.
Kliknutím na tlačítko „Další informace“ získáte další informace o Oracle AI.
Pokud jste partnerem společnosti Oracle a chcete se dozvědět více, neváhejte nás kontaktovat.
Zdroj: Oracle
