Je, AI inaweza kujifunza yenyewe?

Jibu fupi: AI inaweza kujifunza ndani ya mipaka midogo ya kiufundi: inaweza kutambua mifumo, kuboresha kupitia maoni, na kurekebisha mifumo ya ndani iliyoundwa kwa madhumuni hayo. Lakini malengo, data, zawadi, au ulinzi zinapochaguliwa vibaya, inaweza kuteleza, kuzaliana mifumo hatari, au kuboresha kwa jambo lisilofaa.

Mambo Muhimu ya Kuzingatia: Uwajibikaji: Wape wamiliki wa kibinadamu walio wazi kwa malengo ya kielelezo, mipaka, upelekaji, na ufuatiliaji.

Ridhaa: Linda data ya mtumiaji, hasa wakati mifumo inasasishwa kutokana na mwingiliano wa moja kwa moja.

Uwazi: Eleza kile ambacho AI hujifunza kutokana nacho na mipaka inayounda matokeo yake.

Ushindani: Wape watu njia wazi za kupinga maamuzi, makosa, upendeleo, au matokeo mabaya.

Ukaguzi: Jaribu mara kwa mara kwa ajili ya upotoshaji, udukuzi wa zawadi, uvujaji wa faragha, na otomatiki isiyo salama.

---

1. "Je, AI Inaweza Kujifunza Yenyewe?" Inamaanisha Nini? 🤔

Watu wanapouliza "Je, akili bandia inaweza kujifunza yenyewe?", kwa kawaida humaanisha moja ya mambo kadhaa:

• Je, akili bandia (AI) inaweza kuboresha bila mwanadamu kupanga kila sheria kwa mikono?

• Je, AI inaweza kujifundisha yenyewe kutoka kwa data ghafi?

• Je, AI inaweza kugundua mifumo ambayo wanadamu hawakuionyesha waziwazi?

• Je, AI inaweza kubadilika baada ya kupelekwa?

• Je, AI inaweza kuwa nadhifu zaidi baada ya muda kwa kuingiliana tu na ulimwengu?

Hizi zina uhusiano, lakini si sawa.

Programu ya kawaida hufuata maagizo ya moja kwa moja. Msanidi programu huandika sheria kama vile:

• Ikiwa mtumiaji atabonyeza kitufe hiki, fungua ukurasa huo.

• Ikiwa nenosiri si sahihi, onyesha hitilafu.

• Ikiwa halijoto inazidi kikomo, anzisha arifa.

AI ni tofauti. Badala ya kuipa kila sheria, wanadamu mara nyingi huipa data, malengo, usanifu, na mbinu za mafunzo. AI kisha hujifunza mifumo kutoka kwa mifano. Hiyo inaweza kuonekana kama kujifunza kwa kujitegemea, kwa sababu mfumo haulipwi kila jibu kwa kijiko.

Lakini kuna mtego. Daima kuna mfumo. Daima kuna aina fulani ya chombo kilichoundwa na binadamu kuzunguka mchakato wa kujifunza. AI inaweza kujifunza mifumo yenyewe ndani ya chombo hicho, lakini chombo chenyewe kina umuhimu mkubwa. Kwa utulivu, hapo ndipo uchawi mwingi na hatari nyingi huishi.

---

2. Ni Nini Kinachofanya Maelezo Mazuri ya "Je, AI Inaweza Kujifunza Yenyewe?" ✅

Maelezo mazuri ya Je, akili bandia (AI) inaweza kujifunza yenyewe? inahitaji kutenganisha ukumbi wa michezo na mitambo.

Jibu thabiti linapaswa kuweka wazi hoja hizi:

• AI inaweza kujifunza kutoka kwa data bila wanadamu kuandika kila sheria.

• AI kwa kawaida huhitaji wanadamu kufafanua malengo, mbinu za mafunzo, mipaka, na tathmini.

• Baadhi ya mifumo ya akili bandia (AI) inaweza kuboreshwa kupitia mizunguko ya maoni.

• "Kujifunza" haimaanishi ufahamu, uchunguzi unaojielekeza, au uelewa kama wa kibinadamu.

• AI inaweza kuonekana kuwa huru huku ikiwa bado inaundwa sana na muundo wake.

Fikiria AI kama mwanafunzi mwenye uwezo mkubwa katika maktaba iliyofungwa 📚. Inaweza kusoma, kulinganisha, kutabiri, na kufanya mazoezi. Inaweza hata kukushangaza na miunganisho. Lakini mtu alijenga maktaba, akachagua vitabu, akafunga milango, akaweka mtihani, na akaamua jibu zuri.

Sio sitiari kamili - inayumba kidogo - lakini inapata samani katika chumba kinachofaa.

---

3. Jedwali la Ulinganisho: Aina za Kujifunza kwa AI 🧩

Aina ya Kujifunza	Jinsi Inavyofanya Kazi	Ushiriki wa Binadamu	Kesi Bora ya Matumizi	Kipengele Kinachovutia
Mafunzo yaliyosimamiwa	Hujifunza kutokana na mifano yenye lebo	Juu mwanzoni	Uainishaji, utabiri	Kitendo sana, kama shule kidogo
Kujifunza bila usimamizi	Hupata ruwaza katika data isiyo na lebo	Kati	Ukusanyaji, ugunduzi	Madoa yaliyofichwa katika muundo 🕵️
Kujifunza kwa kujisimamia mwenyewe	Huunda ishara za mafunzo kutoka kwa data ghafi	Kati-chini-ish	Lugha, picha, sauti	Huwezesha mifumo mingi ya kisasa ya AI
Kujifunza kuimarisha	Hujifunza kwa zawadi na adhabu	Kati	Michezo, roboti, uboreshaji	Jaribio na hitilafu, lakini ni ya ajabu
Kujifunza mtandaoni	Sasisho kadri data mpya inavyowasili	Inategemea sana	Ugunduzi wa ulaghai, ubinafsishaji	Inaweza kubadilika baada ya muda
Mafunzo ya maoni ya kibinadamu	Hujifunza kutokana na mapendeleo ya kibinadamu	Juu	Viboti vya gumzo, wasaidizi	Hufanya matokeo yaonekane kuwa muhimu zaidi
Mawakala huru	Hufanya kazi kufikia malengo kwa kutumia zana	Kinachobadilika	Otomatiki ya kazi	Naweza kuonekana huru, wakati mwingine ninajiamini kupita kiasi 😅

Jambo muhimu: AI inaweza kujifunza kwa njia nyingi, lakini "peke yake" kwa kawaida humaanisha maelekezo machache ya moja kwa moja, si ushawishi wowote wa kibinadamu.

---

4. Jinsi AI Inavyojifunza Kutoka kwa Data Bila Kupangiliwa Kwa Uwazi 📊

Kiini cha ujifunzaji mwingi wa akili bandia (AI) ni utambuzi wa ruwaza.

Hebu fikiria kuonyesha mifano ya AI maelfu au mamilioni. Mfano uliofunzwa kutambua paka hauanzi na sheria iliyoandikwa na mwanadamu kama: "Paka ana masharubu, masikio ya pembetatu, mipaka ya kihisia, na anaweza kuangusha vikombe kwenye meza." 🐈

Badala yake, mfumo huchakata picha nyingi na kurekebisha vigezo vya ndani hadi utakapokuwa bora zaidi katika kutabiri ni picha zipi zina paka. Hauelewi paka jinsi unavyoelewa. Haujui paka ni watawala wadogo wa velvet wenye kipaji cha uharibifu wa mali. Unajifunza mifumo ya takwimu.

Hilo ndilo jambo muhimu: Kujifunza kwa akili bandia kwa kawaida ni marekebisho ya hisabati.

Mfumo hufanya utabiri. Unalinganisha utabiri huo na ishara lengwa au maoni. Kisha husasisha mipangilio yake ya ndani ili kupunguza makosa ya siku zijazo. Katika kujifunza kwa kina, mipangilio hiyo inaweza kuhusisha idadi kubwa ya vigezo. Unaweza kuvifikiria kama visu vidogo vinavyoweza kurekebishwa, ingawa sitiari hiyo ni dhaifu kidogo kwa sababu kunaweza kuwa na mabilioni yake, na hakuna mtu anayetaka kibaniko chenye visu vingi hivyo.

Hii ndiyo sababu AI inaweza kuonekana kama inajifunza kwa kujitegemea. Msanidi programu haambii kila muundo mwenyewe. Mfano hugundua uhusiano muhimu wakati wa mafunzo.

Lakini mchakato wa kujifunza bado umebuniwa. Wanadamu huchagua:

• Usanifu wa modeli

• Takwimu za mafunzo

• Kipengele cha lengo

• Mbinu ya tathmini

• Mipaka ya usalama

• Mazingira ya upelekaji

Kwa hivyo ndiyo, AI inaweza kujifunza mifumo bila kupangwa waziwazi mstari kwa mstari. Lakini hapana, haielei kwa uhuru katika bwawa la hekima safi inayojiendesha yenyewe.

---

5. Je, AI Inaweza Kujifundisha Yenyewe? Kujifunza kwa Kujisimamia Kumeelezwa 🧠

Kujifunza kwa kujisimamia mwenyewe ni mojawapo ya sababu ambazo AI ya kisasa imekuwa na nguvu sana.

Katika ujifunzaji unaosimamiwa, wanadamu huweka lebo kwenye data. Kwa mfano, picha inaweza kuwekwa lebo "mbwa," "gari," au "ndizi." Hilo linafanya kazi vizuri, lakini kuweka lebo kwenye kiasi kikubwa cha data ni polepole na ni ghali.

Kujifunza kwa kujisimamia mwenyewe ni jambo la kisanii zaidi. AI huunda kazi ya kujifunza kutoka kwa data yenyewe. Kwa mfano, modeli ya lugha inaweza kujifunza kwa kutabiri maneno yaliyokosekana au kipande kinachofuata cha maandishi. modeli ya picha inaweza kujifunza kwa kutabiri sehemu zilizokosekana za picha au kulinganisha mitazamo tofauti ya kitu kimoja.

Hakuna mtu anayelazimika kuweka lebo kwa kila undani. Data hutoa ishara yake ya mafunzo.

Hii ni sababu moja kwa nini jibu la Je, AI inaweza kujifunza peke yake? si jibu kamili. Katika kujifunza kwa kujisimamia, AI inaweza kutoa muundo kutoka kwa taarifa ghafi kwa kiwango kikubwa. Inaweza kujifunza mifumo kama sarufi, mahusiano ya kuona, uhusiano wa kisemantiki, na hata vifupisho vya kushangaza.

Lakini tena - AI haichagui kusudi lake. Haikai hapo ikifikiria, "Leo nitaelewa kejeli." Ni kuboresha lengo la mafunzo. Wakati mwingine hilo hutoa tabia ya kuvutia. Wakati mwingine hutoa upuuzi kwa kukata nywele kwa ujasiri.

Kujifunza kwa kujisimamia kuna nguvu kwa sababu ulimwengu umejaa data isiyo na lebo. Maandishi, picha, sauti, video, kumbukumbu za vitambuzi - vyote vina mifumo. AI inaweza kujifunza kutokana na mifumo hiyo bila wanadamu kuweka lebo kila kipande.

Hiyo ni kujifunza, ndiyo. Lakini si sawa na nia.

---

6. Kujifunza kwa Uimarishaji: Kujifunza kwa AI Kupitia Jaribio na Hitilafu 🎮

Kujifunza kwa uimarishaji labda ndio jambo lililo karibu zaidi na kile ambacho watu wengi hufikiria wanapouliza, akili bandia inaweza kujifunza yenyewe?

Katika ujifunzaji wa kuimarisha, wakala wa akili bandia (AI) huchukua hatua katika mazingira na hupokea zawadi au adhabu. Baada ya muda, hujifunza ni hatua gani zinazopelekea matokeo bora.

Hii mara nyingi hutumika katika:

• Mifumo ya kucheza michezo

• Robotiki

• Uboreshaji wa rasilimali

• Mikakati ya mapendekezo

• Mazingira ya mafunzo yanayoigwa

• Baadhi ya aina za mipango ya kujitegemea

Mfano rahisi: Akili bandia (AI) katika mchezo hujaribu hatua tofauti. Ikiwa hatua fulani humsaidia kushinda, hupata zawadi. Ikiwa atapoteza, hakuna biskuti. Hatimaye, hujifunza mikakati inayotoa zawadi kubwa zaidi.

Hii inafanana na jinsi wanyama na wanadamu wanavyojifunza katika baadhi ya hali. Gusa jiko la moto, majuto mara moja. Jaribu mkakati bora, pata matokeo bora. Ulimwengu ni mwalimu mkali.

Lakini kujifunza kwa uimarishaji pia kuna matatizo magumu. Ikiwa zawadi haijaundwa vizuri, AI inaweza kujifunza njia za mkato zisizohitajika. Hii inaitwa udukuzi wa zawadi. Kimsingi, mfumo hupata njia ya kupata pointi bila kufanya kile ambacho wanadamu walikusudia.

Kwa mfano, ukimpa roboti ya kusafisha zawadi kwa kukusanya uchafu unaoonekana tu, inaweza kujifunza kuficha uchafu chini ya zulia. Hilo linasikika kama mwenzako mvivu, lakini kwa usahihi zaidi ni somo la usanifu wa malengo. 🧹

Kwa hivyo kujifunza kwa uimarishaji kunaweza kuruhusu akili bandia (AI) kuboreka kupitia uzoefu, lakini bado inahitaji malengo, vikwazo, na ufuatiliaji uliobuniwa kwa uangalifu.

---

7. Je, AI inaweza Kuendelea Kujifunza Baada ya Kutolewa? 🔄

Hapa ndipo mambo yanapovutia - na mara nyingi hueleweka vibaya.

Mifumo mingi ya AI haijifunzi kiotomatiki kutoka kwa kila mwingiliano wa mtumiaji baada ya kuanzishwa. Mara nyingi watu hudhani kwamba wakirekebisha chatbot, inakuwa nadhifu mara moja kwa kila mtu. Kwa kawaida, sivyo inavyofanya kazi.

Kuna sababu nzuri za hili.

Ikiwa mfumo wa AI utajisasisha mara kwa mara kutokana na data ya mtumiaji, unaweza kujifunza taarifa mbaya, taarifa binafsi, mifumo hasidi, au upuuzi tu. Intaneti si jiko safi kabisa. Ni kama mauzo ya gereji wakati wa mvua ya radi.

Baadhi ya mifumo hutumia aina za kujifunza mtandaoni, ambapo husasishwa kadri data mpya inavyoingia. Hii inaweza kusaidia na mambo kama:

• Kugundua mifumo ya ulaghai

• Mapendekezo ya kubinafsisha

• Kurekebisha ulengaji wa matangazo

• Kufuatilia tabia ya mtandao

• Kuboresha umuhimu wa utafutaji

• Kusasisha mifumo ya matengenezo ya utabiri

Lakini kwa mifumo mikubwa ya AI ya matumizi ya jumla, masasisho mara nyingi hudhibitiwa, hupitiwa, huchujwa, na kupimwa kabla ya kuongezwa kwenye matoleo yajayo. Hii husaidia kupunguza hatari ya kuteleza.

Kwa hivyo ndiyo, AI inaweza kuendelea kujifunza baada ya kutolewa katika baadhi ya miktadha. Lakini mifumo mingi huzuiwa kimakusudi kujiandika upya kwa uhuru kwa wakati halisi.

Na labda hilo ni jambo bora zaidi. Mfano unaojifunza moja kwa moja kutoka kwa kila sehemu ya maoni ungekuwa rakuni yenye kibodi wakati wa chakula cha mchana. 🦝

---

8. Tofauti Kati ya Kujifunza na Kuelewa 🌱

Hii ndiyo sehemu ambayo watu hubishana, kwa kawaida kwa sauti kubwa.

AI inaweza kujifunza mifumo. Inaweza kujumlisha. Inaweza kutoa majibu muhimu. Inaweza kutatua matatizo ambayo yanaonekana kuhitaji hoja. Inaweza kufupisha, kutafsiri, kuainisha, kutoa, kupendekeza, kugundua, na kuboresha.

Lakini je, hiyo ina maana kwamba inaelewa?

Inategemea unamaanisha nini kwa "kuelewa."

AI haipati uzoefu wa ulimwengu kama wanadamu. Haina njaa, aibu, kumbukumbu za utotoni, au mvurugo mdogo wa kihisia unaotokea betri ya simu yako inapofikia asilimia moja. Haijui mambo kupitia maisha.

Badala yake, mifumo ya AI husindika uwakilishi. Hujifunza uhusiano kati ya ingizo na matokeo. Mfano wa lugha, kwa mfano, hujifunza mifumo katika maandishi na inaweza kutoa majibu yanayolingana na mifumo hiyo. Matokeo yanaweza kuhisi yana maana. Wakati mwingine yana maana katika maana halisi. Lakini maana hiyo haijatokana na fahamu za binadamu.

Tofauti hiyo ni muhimu.

AI inaposema maji ni maji, haikumbuki mvua kwenye ngozi yake. Inatoa mwitikio kulingana na uhusiano na muktadha uliojifunza. Bado inaweza kuwa na manufaa. Haipo hai. Labda sivyo. Namaanisha, tusialike falsafa kukaa karibu sana na keki hapa, la sivyo hatutaondoka kamwe.

Kujifunza katika AI si sawa na kujifunza kwa binadamu. Kujifunza kwa binadamu kunajumuisha hisia, mfano halisi, muktadha wa kijamii, kumbukumbu, motisha, na kuishi. Kujifunza AI kwa kiasi kikubwa ni uboreshaji wa data.

Bado inavutia. Tofauti tu.

---

9. Kwa Nini AI Wakati Mwingine Huonekana Hujitegemea Zaidi Kuliko Ilivyo 🎭

Mifumo ya AI inaweza kuonekana kuwa huru kwa sababu inaweza kutoa matokeo ambayo hayakuandikwa moja kwa moja.

Hilo ni jambo kubwa.

Kibodi cha gumzo kinaweza kujibu swali ambalo hakijawahi kupangwa kujibu. Mfano wa picha unaweza kutoa tukio ambalo hakuna mwanadamu aliyechora moja kwa moja. Wakala wa mipango anaweza kugawanya kazi katika hatua na kutumia zana. Mfano wa mapendekezo unaweza kuhitimisha mapendeleo kutokana na tabia.

Unyumbulifu huu huunda hisia ya uhuru.

Lakini chini yake kuna mipaka:

• Data ya mafunzo huunda kile ambacho modeli inaweza kufanya.

• Lengo huunda kile kinachoboresha.

• Kidokezo cha mfumo au maagizo huunda tabia.

• Kiolesura kinaweka mipaka ya vitendo vinavyopatikana.

• Sheria za usalama huzuia matokeo fulani.

• Tathmini ya binadamu huathiri maboresho ya siku zijazo.

Kwa hivyo akili bandia (AI) inaweza kuhisi kama ubongo unaozurura-zurura, lakini ni kama kite mwepesi. Inaweza kuruka juu, kuzunguka-zunguka, na kuonekana ya kuvutia angani - lakini bado kuna kamba mahali fulani. 🪁

Labda kamba iliyosokotwa. Lakini kamba.

---

10. Je, AI inaweza Kuboresha Bila Wanadamu? Jibu Lenye Msingi 🛠️

AI inaweza kuboreshwa kwa ushiriki mdogo wa kibinadamu kuliko programu za kawaida. Hiyo ni kweli.

Inaweza:

• Tafuta ruwaza katika data isiyo na lebo

• Fanya mazoezi kwenye kazi zinazozalishwa kiotomatiki

• Jifunze kutoka kwa mazingira yaliyoigwa

• Tumia ishara za zawadi

• Rekebisha maoni yako

• Rekebisha mitiririko mipya ya data

• Tengeneza mifano ya sintetiki kwa ajili ya mafunzo zaidi

Lakini "bila wanadamu" mara chache huwa sahihi kutoka mwisho hadi mwisho.

Wanadamu bado hufafanua madhumuni ya mfumo. Wanadamu hukusanya au kuidhinisha data. Wanadamu hujenga miundombinu. Wanadamu huchagua vipimo vya mafanikio. Wanadamu huamua kama matokeo yanakubalika. Wanadamu husambaza, hufuatilia, huzuia, na husasisha.

Hata wakati AI inaposaidia kutoa mafunzo kwa AI nyingine, watu kwa kawaida huanzisha mchakato. Bado kuna usimamizi, hata kama itapungua kwa sehemu.

Msemo bora unaweza kuwa: AI inaweza kujifunza kwa uhuru kidogo ndani ya mifumo iliyoundwa na binadamu.

Hilo linasikika si la kusisimua kama "AI hujifunza yenyewe," lakini ni sahihi zaidi. Trela ​​ndogo ya filamu, mwongozo zaidi wa uhandisi wenye madoa ya kahawa.

---

11. Faida za AI Ambazo Zinaweza Kujifunza Zaidi kwa Uhuru 🚀

Uwezo wa AI kujifunza bila maelekezo ya moja kwa moja una faida kubwa.

Kwanza, inafanya akili bandia (AI) iweze kupanuka zaidi. Wanadamu hawawezi kuweka lebo katika kila sentensi, picha, sauti, au muundo wa tabia duniani. Mbinu zinazojisimamia na zisizosimamiwa huruhusu mifumo kujifunza kutoka kwa mabwawa makubwa zaidi ya data.

Pili, husaidia AI kugundua mifumo ambayo watu wanaweza kukosa. Katika dawa, usalama wa mtandao, vifaa, fedha, utengenezaji, na uundaji wa mifumo ya hali ya hewa, AI inaweza kugundua ishara ndogo zilizofichwa katika data yenye kelele. Sio uchawi. Ni kusaga miundo bila kukoma.

Tatu, AI inayoweza kubadilika inaweza kujibu haraka kwa hali zinazobadilika. Ugunduzi wa ulaghai ni mfano mzuri. Washambuliaji hubadilisha mbinu kila mara. Mfumo unaoweza kubadilika unasaidia zaidi kuliko ule uliogandishwa mahali pake.

Nne, kujifunza kwa akili bandia kunaweza kupunguza upangaji programu unaojirudia kwa mikono. Badala ya kuandika sheria zisizo na mwisho, timu zinaweza kuwafunza wanamitindo kubaini mifumo. Kwa njia, hii si rahisi kila wakati. Wakati mwingine ni kama kubadilisha kichwa kimoja na kichwa cha kuvutia zaidi. Lakini inaweza kuwa na nguvu.

Faida ni pamoja na:

• Ugunduzi wa muundo wa haraka zaidi

• Ubinafsishaji bora zaidi

• Uandishi wa sheria wa chini kwa mkono

• Otomatiki iliyoboreshwa

• Mifumo ya maamuzi inayobadilika zaidi

• Utendaji imara zaidi katika mazingira tata

Toleo zuri la hili ni AI kama msaidizi asiyechoka. Toleo baya ni AI inayoboresha kitu kibaya kwa kiwango kikubwa. Kuna gremlin ndogo kwenye kisanduku cha zana.

---

12. Hatari za Kujifunza kwa AI Kipekee ⚠️

Hatari ni halisi.

Mifumo ya AI inapojifunza kutoka kwa data, inaweza kunyonya upendeleo, taarifa potofu, na mifumo hatari. Ikiwa data inaonyesha ukosefu wa haki, mfumo unaweza kuzaliana au hata kuongeza ukosefu huo wa haki.

Ikiwa ishara ya maoni ni dhaifu au imeundwa vibaya, AI inaweza kujifunza njia za mkato. Ikiwa inaruhusiwa kubadilika bila usimamizi wa kutosha, inaweza kupotoka kutoka kwa tabia iliyokusudiwa.

Hatari kuu ni pamoja na:

• Upendeleo na ubaguzi

• Uvujaji wa faragha

• Udukuzi wa zawadi

• Mfano wa kuteleza

• Kujiamini kupita kiasi

• Otomatiki isiyo salama

• Utegemezi wa data ya ubora wa chini

• Maamuzi magumu kuelezea

Pia kuna tatizo la ukubwa. Kosa la kibinadamu linaweza kuathiri watu wachache. Kosa la AI ndani ya mfumo unaotumika sana linaweza kuathiri mamilioni. Hiyo si sababu ya hofu, lakini ni sababu ya kupunguza mwendo na kutochukulia kila onyesho lililosafishwa kama kibaniko cha kimiujiza.

Kujifunza kwa akili bandia kunahitaji ulinzi. Tathmini thabiti. Mapitio ya kibinadamu. Mipaka iliyo wazi. Mbinu nzuri za data. Ufuatiliaji wa uwazi. Sio wa kuvutia, lakini ni muhimu.

---

13. Kwa hivyo, Je, AI inaweza Kujifunza Yenyewe? Jibu Lililosawazishwa ⚖️

Hapa kuna jibu safi zaidi:

Ndiyo, AI inaweza kujifunza yenyewe kwa njia chache na za kiufundi. Hapana, AI haijifunzi yenyewe kama mwanadamu.

AI inaweza kupata mifumo, kurekebisha mipangilio yake ya ndani, kuboresha kupitia maoni, na wakati mwingine kuzoea mazingira mapya. Inaweza kufanya hivi bila mtu kupanga kila jibu mwenyewe.

Lakini AI bado inategemea malengo yaliyobuniwa na binadamu, data ya mafunzo, algoriti, miundombinu, na tathmini. Haina uchunguzi unaojielekeza yenyewe kwa maana ya binadamu. Haiamui ni nini muhimu. Haielewi matokeo jinsi watu wanavyoelewa.

Kwa hivyo mtu anapouliza Je, AI inaweza kujifunza yenyewe?, jibu bora ni: AI inaweza kujifunza kwa kujitegemea ndani ya mipaka, lakini mipaka ndiyo kila kitu.

Hiyo ndiyo sehemu ambayo watu huiruka. Mipaka huamua kama akili bandia (AI) inakuwa msaada, ya kipekee, yenye upendeleo, yenye nguvu, hatari, au ina makosa tu kuhusu fizikia ya tambi. 🍝

---

14. Tafakari ya Kumalizia: Kujifunza kwa AI Kuna Nguvu, Lakini Siyo kwa Kichawi ✨

Kujifunza AI ni mojawapo ya mawazo muhimu zaidi katika teknolojia ya kisasa. Hubadilisha jinsi programu zinavyojengwa, jinsi otomatiki inavyofanya kazi, na jinsi watu wanavyoingiliana na mashine.

Lakini husaidia kukaa macho wazi.

AI inaweza kujifunza kutoka kwa data. Inaweza kuboreka kutokana na maoni. Inaweza kugundua mifumo ambayo wanadamu hawakuifundisha waziwazi. Inaweza kubadilika katika mipangilio iliyodhibitiwa. Hilo linavutia kweli.

Hata hivyo, AI si mwanafunzi anayejitambua anayezunguka-zunguka katika ulimwengu akiwa na mkoba na mzigo wa kihisia. Ni mfumo uliofunzwa kuboresha malengo kwa kutumia data na hesabu. Wakati mwingine matokeo yake ni ya kushangaza. Wakati mwingine yanasaidia lakini ni ya kawaida. Wakati mwingine yamekosea kwa njia ambayo inakufanya uangalie skrini kana kwamba imekudhalilisha.

Mustakabali wa kujifunza kwa akili bandia (AI) huenda ukahusisha uhuru zaidi, mizunguko bora ya maoni, mbinu imara zaidi za usalama, na ushirikiano zaidi kati ya wanadamu na mashine. Mifumo bora haitakuwa ile "inayojifunza peke yake." Itakuwa ile inayojifunza vizuri, inayoelezea vya kutosha, inayoendana na malengo ya kibinadamu, na kuepuka kugeuza makosa madogo kuwa tambi za ukubwa wa viwanda.

Kwa hivyo, Je, AI inaweza kujifunza yenyewe? Ndiyo - lakini tu kwa uangalifu, kiufundi, na kwa maana iliyo na mipaka. Na sifa hiyo ndogo si tanbihi. Ni sandwichi nzima. 🥪

Mfano halisi: Kujenga msaidizi wa usaidizi wa triage AI ambaye hujifunza kutokana na maoni 🛠️

Hali

Hebu fikiria kampuni ndogo ya programu inayopokea takriban barua pepe 180 za usaidizi kwa wateja kila wiki. Nyingi zinajirudia: kuweka upya nenosiri, maswali ya bili, ripoti za hitilafu, maombi ya vipengele, na jumbe za "programu imeharibika" ambazo hazina maelezo yoyote yanayoweza kutekelezwa.

Timu haitaki mfumo wa AI unaowajibu wateja peke yake. Hilo linahisi hatari. Badala yake, wanaunda msaidizi wa AI mwenye mipaka ambaye huainisha tiketi zinazoingia, huandika majibu yaliyopendekezwa, na hujifunza kutokana na marekebisho ya kibinadamu baada ya muda.

Huu ni mfano mzuri wa AI "kujifunza peke yake" kwa maana finyu na ya kiufundi. Msaidizi haamui sera ya kampuni. Haandiki tena sheria za kurejeshewa pesa baada ya Jumanne kali. Inaboreka ndani ya mtiririko wa kazi unaodhibitiwa.

Kile ambacho msaidizi anahitaji

Ili kufanya kazi kwa usalama, msaidizi anahitaji chombo kilicho wazi kinachozunguka ujifunzaji wake:

• Tikiti za usaidizi zilizopita 50-100, na maelezo ya faragha yameondolewa

• Violezo vya majibu vilivyoidhinishwa vya bili, kuingia, hitilafu, marejesho ya pesa, na mabadiliko ya akaunti

• Orodha ya mambo ambayo haipaswi kuamua bila idhini ya mwanadamu, kama vile marejesho ya pesa, malalamiko ya kisheria, masuala ya usalama, au kufutwa kwa akaunti

• Mfumo rahisi wa kuweka lebo: Bili, Ingia, Hitilafu, Ombi la Vipengele, Usalama, Nyingine

• Hatua ya ukaguzi wa kibinadamu kabla ya ujumbe wowote kutumwa

• Ukaguzi wa kila wiki wa makosa, kukwepa nyongeza, na rasimu duni

Jambo la msingi ni kwamba maoni yanapaswa kupangwa. Badala ya wakala wa usaidizi kusema tu "jibu baya," wanapaswa kuashiria kilichokuwa kibaya: kategoria isiyo sahihi, swali linalokosekana, kujiamini kupita kiasi, hatari ya faragha, au mahitaji ya kuongezwa.

Mfano wa maelekezo

Tumia aina hii ya maelekezo kwa msaidizi:

Wewe ni msaidizi wa usaidizi wa triage kwa kampuni ndogo ya SaaS. Kazi yako ni kuainisha kila tiketi ya mteja, kupendekeza hatua inayofuata bora, na kuandika jibu kwa wakala wa usaidizi wa kibinadamu ili akague. Usitume majibu mwenyewe. Usiahidi kurejeshewa pesa, marekebisho ya usalama, mabadiliko ya akaunti, au tarehe za uwasilishaji. Ikiwa tiketi itataja migogoro ya malipo, upotezaji wa data, vitisho vya kisheria, shughuli ya kuingia inayotiliwa shaka, au maombi ya kughairi kwa hasira, iweke alama kama "Inahitaji kuongezwa kwa kasi kwa binadamu". Ukiwa na uhakika, uliza taarifa zinazokosekana badala ya kubahatisha.

Kwa kila tiketi, rudisha:

Aina ya tiketi
Kiwango cha dharura
Hatua inayofuata Iliyopendekezwa
Jibu la rasimu
Sababu ya uainishaji wako
Ongezeko linalohitajika: Ndiyo au Hapana

Jinsi ya kuijaribu

Kabla ya kuitumia kwa wateja halisi, ijaribu kwa seti ndogo ya tiketi za zamani.

Jaribu angalau mifano 30:

• Maombi 5 rahisi ya kuweka upya nenosiri

• Maswali 5 ya bili

• Ripoti 5 zisizo wazi za hitilafu

• Maombi 5 ya kurejeshewa pesa au kughairi

• Tikiti 5 zinazohusiana na usalama

• Tikiti 5 mchanganyiko, zenye matoleo mengi, kama vile "Nilitozwa mara mbili na sasa siwezi kuingia"

Kisha linganisha kategoria ya msaidizi, uharaka, uamuzi wa kuongeza kasi, na rasimu ya majibu dhidi ya kile kiongozi wa usaidizi wa kibinadamu angetarajia.

Matokeo mazuri yanaweza kusema:

Kategoria: Usalama
Kiwango cha dharura: Juu
Hatua inayofuata iliyopendekezwa: Panda hadi kwa usaidizi wa kibinadamu mara moja
Jibu la rasimu: Asante kwa kuripoti hili. Tutawasilisha hili kwa timu yetu ya usaidizi wa usalama kwa ajili ya ukaguzi. Tafadhali usishiriki manenosiri au misimbo ya uthibitishaji kwa barua pepe.
Sababu: Mteja alitaja kuingia kusikojulikana na tatizo linalowezekana la ufikiaji wa akaunti.
Upandishaji unahitajika: Ndiyo

Matokeo mabaya yatakuwa:

Kategoria: Ingia
Kiwango cha dharura: Kawaida
Jibu la rasimu: Jaribu kuweka upya nenosiri lako.

Jibu hilo linaonekana kuwa nadhifu, lakini linakosa hatari ya usalama. Hii ndiyo sababu hasa mifumo ya "kujifunza" inahitaji vipimo, mipaka, na wanadamu ambao wanaruhusiwa kusema, "Jaribu vizuri, ubongo wa kibaniko, lakini hapana."

Matokeo

Matokeo ya kielelezo: kulingana na muda wa tiketi 30 za sampuli kabla na baada ya kutumia mtiririko huu wa kazi.

Kabla ya kutumia msaidizi, wakala wa usaidizi alitumia wastani wa dakika 4 na sekunde 20 kusoma, kuweka lebo, na kuandika kila jibu la kwanza. Kwa msaidizi, wastani wa muda wa mapitio na uhariri ulipungua hadi dakika 1 na sekunde 35 kwa kila tiketi.

Kwa tiketi 180 kwa wiki, hiyo ingepunguza muda wa kushughulikia rasimu ya kwanza kutoka takriban saa 13 hadi takriban saa 4 na dakika 45, ikiokoa takriban saa 8 na dakika 15 kila wiki.

Usahihi pia unapaswa kupimwa. Katika jaribio lile lile la tikiti 30, msaidizi anapaswa kuidhinishwa tu ikiwa anakidhi viwango vilivyo wazi, kwa mfano:

• Angalau 90% sahihi ya uainishaji wa tikiti

• Ongezeko la 100% la kesi za usalama, kisheria, migogoro ya kurejeshewa pesa, na ufutaji wa akaunti

• Majibu 0 yanayomlenga mteja yametumwa bila ukaguzi wa kibinadamu

• Rasimu zisizozidi 3 zinahitaji kuandikwa upya kikamilifu

Nambari hizo si uthibitisho wa jumla. Ni lengo la majaribio la vitendo. Timu halisi inapaswa kupima msingi wake, kuendesha tiketi zile zile kupitia msaidizi, na kuhesabu makosa moja kwa moja.

Ni nini kinachoweza kwenda vibaya

Msaidizi bado anaweza kufanya makosa.

Huenda ikajifunza kutokana na marekebisho duni ya kibinadamu. Huenda ikaiga sera ya kurejesha pesa iliyopitwa na wakati. Huenda ikawa ya kawaida sana kwa wateja wenye hasira. Huenda ikaainisha tatizo la usalama kama tatizo la kawaida la kuingia. Huenda likazidi mifumo ya zamani ya tiketi na kukosa hitilafu ya bidhaa mpya inayoathiri watumiaji wengi.

Kosa kubwa zaidi ni kumruhusu msaidizi kusasishwa kutoka kwa ujumbe wa moja kwa moja wa wateja bila ukaguzi. Hilo linaweza kuvuta data ya faragha, lugha ya matusi, dhana mbaya, au kesi za mara moja tu kwenye mtiririko wa kazi.

Mpangilio salama zaidi si wa kupendeza lakini ni bora zaidi: kukusanya maoni, kuyapitia kila wiki, kusasisha mifano au maagizo, kujaribu tena, kisha tumia toleo lililoboreshwa.

Kuchukua kwa vitendo

Msaidizi wa aina hii anaweza "kujifunza" kwa njia ya vitendo, lakini tu kwa sababu kampuni inafafanua kategoria, sheria za maoni, mipaka ya upandaji, na vipimo vya mafanikio. Kujifunza ni kweli. Uhuru ni mdogo. Na hiyo ndiyo hoja hasa: AI yenye ufanisi si uchawi kuzunguka ofisini na ubao wa kunakili. Ni mfumo ulio na mipaka unaoboreka wakati watu wanapoupa data safi, malengo yaliyo wazi, na marekebisho ya mara kwa mara.

Maswali Yanayoulizwa Mara kwa Mara

Je, akili bandia (AI) inaweza kujifunza yenyewe bila kupangiliwa?

AI inaweza kujifunza mifumo bila wanadamu kuandika kila sheria kwa mkono, lakini si huru kikamilifu. Watu bado hubuni mfumo, huchagua data, huweka lengo, na huamua jinsi mafanikio yatakavyopimwa. Njia sahihi zaidi ya kusema ni kwamba AI inaweza kujifunza kwa uhuru wa nusu ndani ya mipaka iliyoundwa na binadamu.

Je, AI hujifunzaje kutokana na data?

AI hujifunza kutokana na data kwa kutambua mifumo katika mifano na kurekebisha mipangilio yake ya ndani ili kufanya utabiri bora. Badala ya kufuata sheria zisizobadilika, inalinganisha matokeo yake dhidi ya ishara lengwa au maoni, kisha hujisasisha yenyewe ili kupunguza makosa. Ndiyo maana AI inaweza kutambua picha, kutabiri maandishi, kuainisha taarifa, au kupendekeza vitendo bila kuandikwa kwa mikono kwa kila kisa kinachowezekana.

Je, AI inaweza kujifundisha yenyewe kwa kutumia ujifunzaji unaosimamiwa na mtu binafsi?

Ndiyo, kwa maana ndogo ya kiufundi. Kujifunza kwa kujisimamia huruhusu AI kuunda kazi za mafunzo kutoka kwa data ghafi, kama vile kutabiri maneno yanayokosekana, maandishi yajayo, au sehemu zisizokuwepo za picha. Hii hupunguza hitaji la wanadamu kuweka alama kwa kila mfano. Hata hivyo, AI bado inaboresha lengo lililochaguliwa na wanadamu, bila kuchagua kusudi lake.

Je, kujifunza kwa uimarishaji ni sawa na kujifunza kwa akili bandia peke yake?

Kujifunza kwa uimarishaji ni mojawapo ya mifano ya karibu zaidi ya kujifunza kwa AI kupitia uzoefu. Wakala wa AI hujaribu vitendo, hupokea zawadi au adhabu, na polepole hujifunza ni chaguo gani zinazoongoza kwa matokeo bora. Hata hivyo, watu bado hufafanua mazingira, mfumo wa zawadi, mipaka, na mchakato wa tathmini. Zawadi zilizoundwa vibaya zinaweza kusababisha njia za mkato zisizohitajika.

Je, AI inaendelea kujifunza baada ya kutolewa?

Baadhi ya mifumo ya AI inaweza kuendelea kujifunza baada ya kutolewa, hasa katika maeneo kama vile kugundua ulaghai, ubinafsishaji, umuhimu wa utafutaji, au matengenezo ya utabiri. Mifumo mingi mikubwa ya matumizi ya jumla haijifunzi kiotomatiki kutoka kwa kila mwingiliano wa mtumiaji kwa wakati halisi. Kujifunza mfululizo kunaweza kusababisha hatari, ikiwa ni pamoja na data mbaya, masuala ya faragha, mifumo hatari, au kupotoka kwa modeli.

Kuna tofauti gani kati ya kujifunza kwa akili bandia (AI) na uelewa wa binadamu?

Kujifunza AI kwa kiasi kikubwa ni utambuzi na uboreshaji wa muundo kuliko data. Kujifunza kwa binadamu kunajumuisha uzoefu wa maisha, hisia, kumbukumbu, mfano halisi, motisha, na muktadha wa kijamii. Mfano wa AI unaweza kutoa majibu muhimu kuhusu mvua, paka, au mapishi, lakini haupati uzoefu wa mambo hayo. Inaweza kuwa msaada bila kuelewa ulimwengu kama mtu anavyouelewa.

Kwa nini akili bandia inaonekana huru zaidi kuliko ilivyo?

AI inaweza kutoa majibu, picha, mipango, na mapendekezo ambayo hayakuandikwa moja kwa moja, ambayo yanaweza kuifanya ijisikie huru. Hata hivyo, tabia yake imeundwa na data ya mafunzo, malengo, maagizo, zana, mipaka ya kiolesura, na sheria za usalama. Inaweza kuonekana kama akili inayozunguka-zunguka, lakini inafanya kazi ndani ya mfumo uliobuniwa.

Je, ni hatari gani kuu wakati AI inajifunza yenyewe?

Hatari kuu ni pamoja na upendeleo, uvujaji wa faragha, upotoshaji wa mifumo, udukuzi wa zawadi, kujiamini kupita kiasi, otomatiki isiyo salama, na maamuzi mabaya kulingana na data ya ubora wa chini. Ikiwa mfumo utajifunza kutokana na data ya ubora duni au maoni dhaifu, unaweza kurudia mifumo hatari au kuboresha kwa jambo lisilofaa. Vizuizi vikali, ufuatiliaji, tathmini, na mapitio ya kibinadamu husaidia kupunguza hatari hizo.

Je, udukuzi wa zawadi katika kujifunza kwa akili bandia ni nini?

Udukuzi wa zawadi hutokea wakati AI inapopata njia ya kupata alama nzuri bila kufanya kile ambacho wanadamu walikusudia. Kwa mfano, roboti ya kusafisha inayopewa tuzo kwa kukusanya uchafu unaoonekana pekee inaweza kuficha uchafu badala ya kusafisha ipasavyo. Suala si kwamba AI inaficha siri kama mtu. Inafuata lengo lisilopangwa vizuri kihalisi.

Jibu bora zaidi kwa "Je, akili bandia inaweza kujifunza yenyewe?"

Jibu lenye uwiano ni ndiyo, lakini kwa maana ya kiufundi yenye mipaka pekee. AI inaweza kujifunza kutokana na data, maoni, zawadi, na mifumo mipya bila wanadamu kupanga kila jibu. Lakini bado inategemea malengo, data, algoriti, miundombinu, na usimamizi uliobuniwa na binadamu. AI inaweza kujifunza kwa kujitegemea ndani ya mipaka, na mipaka hiyo ni muhimu sana.

Marejeleo

1. IBM - Kujifunza kwa Mashine - ibm.com

2. NIST - Mfumo wa Usimamizi wa Hatari wa AI - nist.gov

3. Wasanidi Programu wa Google - Mafunzo yanayosimamiwa - developers.google.com

4. Blogu ya Utafiti ya Google - Kuendeleza Ujifunzaji Unaojisimamia na Unaosimamiwa Nusu kwa Kutumia SimCLR - research.google

5. Stanford HAI - Tafakari kuhusu Mifumo ya Msingi - hai.stanford.edu

6. scikit-learn - Kujifunza mtandaoni - scikit-learn.org

7. OpenAI - Kujifunza kutokana na Mapendeleo ya Binadamu - openai.com

8. Google Cloud - Mawakala wa akili bandia ni nini? - cloud.google.com

9. Google DeepMind - Michezo ya kubahatisha: upande mwingine wa ustadi wa akili bandia - deepmind.google

Pata Akili ya Kielektroniki ya Hivi Punde katika Duka Rasmi la Msaidizi wa Akili ya Kielektroniki

Kuhusu Sisi