Home-theater-designers
Неколико нових технологија изазвало је буку око вештачке интелигенције (АИ) и шта она значи за нашу будућност као друштва. Свака технологија долази из различитих грана АИ и представља јединствен скуп предности и забринутости.
Дубоки фајкови и АИ за клонирање гласа отежавају вам да верујете свему што видите или чујете на интернету. Неки кажу да ће ЦхатГПТ и слични системи вештачке интелигенције дубоког учења вероватно створити вишак послова у неколико области. Поставља се једно забрињавајуће питање: „хоће ли АИ коначно заменити програмере?“
Шта је вештачка интелигенција?
АИ је грана рачунарске науке која се фокусира на способност система да решава проблеме користећи један (или више) од четири квалитета. Систем вештачке интелигенције може да мисли људски, да делује људски, да размишља рационално и/или да делује рационално.
усб тип ц вс тип а
Историја вештачке интелигенције
Иако се чини да вештачка интелигенција постоји вековима, то је поље које је добило замах средином 1900-их. Један од најзначајнијих датума у историји вештачке интелигенције је 1956, ово је била година званичног увода у област вештачке интелигенције. Овај увод се догодио на конференцији на Дартмоутх колеџу.
Неколико великих имена повезује се са различитим аспектима раног напретка у вештачкој интелигенцији. Међу њима су Алан Тјуринг, Марвин Мински, Ален Њуел, Херберт Сајмон, Џон Робинсон и Ален Колмерауер.
Делујте људски
Године 1936. Алан Туринг је објавио рад под насловом „О израчунљивим бројевима, са применом на Ентсцхеидунгспроблем“. У овом раду, Тјуринг је представио концепт Тјурингове машине која до данас игра важну улогу у АИ. Он је доказао да, са исправним алгоритмом, Тјурингова машина може да изврши било које математичко израчунавање.
Касније 1937. године, Туринг је користио проблем заустављања да укаже на ограничења интелигентних машина. Затим је 1950. Тјуринг дефинисао машинску интелигенцију користећи оно што он назива Тјуринговим тестом. Ако систем вештачке интелигенције прође Тјурингов тест, онда тај систем може да делује људски.
Мисли људски
Марвин Мински је популарно име у области вештачке интелигенције. Познат је по томе што је 1951. развио прву машину за учење неуронских мрежа са насумично ожиченом везом, названу СНАРЦ. Неуронске мреже уче рачунаре да обрађују податке слично као и људски мозак. Минскијева дефиниција вештачке интелигенције је да је то „наука о терању машина да раде ствари које би захтевале интелигенцију ако их раде мушкарци“.
Ален Њуел и Херберт Сајмон су још два пионира у области вештачке интелигенције, који су се фокусирали на способност машине да симулира људско размишљање. 1956. представили су први компјутерски програм за обраду симбола, назван Логиц Тхеорист. Године 1961. Њуел и Сајмон су развили Генерал Проблем Солвер (ГПС), који у суштини имитира људску мисао.
Размишљајте Рационално
Уђите Џон Робинсон, који је 1965. објавио часопис под насловом „Машински оријентисана логика заснована на принципу резолуције“. Такође је измислио рачун резолуције за логику предиката, који игра виталну улогу у АИ.
Предикатска логика је формални језик који користи логику за представљање рационалног мишљења. Овај језик користи оквир да ће исправне премисе произвести исправне закључке. На пример, Алека је машина; све машине олакшавају рад; стога Алека олакшава рад.
Недавна достигнућа у вештачкој интелигенцији
Као што је било током свог настанка, област вештачке интелигенције је данас веома сложена са много различитих грана. Свака грана под кишобраном вештачке интелигенције непрекидно прави значајне кораке.
Машинско учење је грана вештачке интелигенције која користи алгоритме података да имитира људско учење, што побољшава његову тачност на свакој итерацији. Један од истакнутијих подскупова машинског учења је дубоко учење. Дубоко учење побољшава машинско учење смањењем потребе машине за људском помоћи.
На пример, ако сте имали слике цвећа које желите да групишете по врстама, процес категоризације ће се разликовати у зависности од типа система. Ако ваш систем користи машинско учење, онда бисте морали ручно да успоставите карактеристике које разликују врсте. Међутим, систем који користи дубоко учење ће одредити најбоље карактеристике за сваку врсту за себе.
Дубоко учење је изазвало велике таласе у индустрији последњих година, захваљујући неколико технологија. ЦхатГПТ је технологија дубоког учења којој се тренутно посвећује велика пажња.
Према ЦхатГПТ-у, то је:
велики језички модел који је креирао ОпенАИ. То је програм вештачке интелигенције (АИ) дизајниран да разуме природни језик и генерише људске одговоре на различите врсте питања и упита. Модел је заснован на архитектури дубоког учења званој трансформатор, која је способна да обрађује велике количине текстуалних података и генерише одговоре на основу образаца и односа које је научио из тих података.
Од свог покретања у четвртом кварталу 2022, ЦхатГПТ је био тема многих дебата. Оно по чему се овај систем вештачке интелигенције истиче су његове вештине обраде природног језика, заједно са његовом способношћу да научи нове информације кроз учење са појачањем из људских повратних информација (РЛХФ). Такође изгледа да поседује снажну способност писања и поправљања кода. Неки кажу да ова технологија представља генезу изумирања људских програмера.
Жељене карактеристике људског програмера које вештачка интелигенција не може да понови
Систем вештачке интелигенције може научити како да напише код који креира софтвер. Међутим, потпуна замена програмера може бити мало компликованија. Способност АИ система може му омогућити да смањи радну снагу помажући програмерима да раде брже, али никада не може заиста да замени људске раднике. Главна одлика између програмера и АИ система је људски мозак и његове сложене карактеристике.
Према Андрев Нг , једно од најбољих имена у АИ данас:
један неурон у мозгу је невероватно сложена машина коју ни данас не разумемо. Један „неурон“ у неуронској мрежи је невероватно једноставна математичка функција која обухвата мали део сложености биолошког неурона.
Способност мозга да створи нову мисао из наизглед танког ваздуха је изван људског разумевања. То свакако није нешто што систем вештачке интелигенције може да реплицира. Још једна пожељна карактеристика програмера је збуњеност креативности, што је опет нешто што машина не може да понови.
Кроз дубоко учење, АИ може оставити утисак људског размишљања. Неки системи вештачке интелигенције могу да доносе једноставне одлуке, али ове одлуке бледе у поређењу са способностима људског мозга доношења одлука. АИ може писати код, али није у стању да осигура да је код који пише исправан код. Систем вештачке интелигенције не може реплицирати људско расуђивање, нити постоје индикације да ће то моћи да уради у будућности.
Будућност АИ и програмирања
АИ технологије као што је ЦхатГПТ доказале су колико АИ може бити корисна програмерима. Брзо генерише код и може помоћи у целокупном току рада програмера. Међутим, ЦхатГПТ је такође доказао да чак ни најнапреднија технологија дубоког учења коју тренутно имамо не може да се носи са потпуном аутономијом. Познато је да ЦхатГПТ генерише бесмислене одговоре на питања, према ОпенАИ.
Стога је могуће претпоставити да је будућност АИ у програмирању једна од „помагача“ а не „замена“ програмера.