Citeste inainte: Explicam inteligenta artificiala

Până acum, ar trebui să aveți o idee generală despre modul în care este antrenat un sistem de inteligență artificială, dar există câteva lucruri importante pe care trebuie să le știți. Când o IA este antrenată folosind milioane de imagini și mesaje, procesul nu este realizat manual de către oameni. Acest lucru ar fi practic imposibil. În schimb, antrenamentul este gestionat automat de sisteme software puternice, concepute în acest scop. Acest lucru duce la o problemă majoră. Până când antrenamentul este finalizat și AI-ul este lansat pentru uz public, chiar și dezvoltatorii care au creat sistemul au adesea foarte puține informații despre ce se întâmplă exact în procesul de luare a deciziilor al AI-ului.

Acest lucru se datorează faptului că procesul de antrenament modifică programul AI atât de mult încât devine dificil să se urmărească modul în care acesta ajunge la concluziile sale.

Aici se află adevărata problemă. Dacă o astfel de IA face o greșeală, este incredibil de dificil să se determine unde a greșit sau de ce a făcut acea greșeală. Această lipsă de claritate, adesea numită problema cutiei negre, este unul dintre cele mai mari dezavantaje ale multor sisteme moderne de IA.

Vă voi da un exemplu din lumea reală. Un sistem AI a fost antrenat să identifice animale în imagini, dar în timpul testării, a început să clasifice greșit anumite fotografii cu câini ca fiind lupi. La început, motivul acestui comportament nu era clar. Abia după o investigație detaliată, cercetătorii au descoperit cauza reală. În setul de date de antrenament, aproape toate imaginile cu lupi aveau zăpadă în fundal. Deci, ori de câte ori AI vedea zăpadă în spatele unui câine, presupunea că imaginea trebuie să fie a unui lup. Cu alte cuvinte, acorda mai multă importanță sau greutate fundalului înzăpezit decât animalului în sine. Această problemă apare deoarece, după antrenare, nu mai înțelegem pe deplin pe ce se concentrează AI-ul la nivel intern. De aceea devine atât de dificil să urmărim și să corectăm acest tip de erori.

Pentru a rezolva această problemă, a fost propusă o nouă abordare numită AI transparentă. Ideea este de a face sistemele AI mai ușor de înțeles, astfel încât să putem vedea și interpreta ce se întâmplă în interiorul lor. Cu toate acestea, IA transparentă este încă un concept în dezvoltare și nu a fost încă adoptată pe scară largă în aplicațiile din lumea reală.

Mai există un aspect crucial de reținut. Datele utilizate pentru antrenarea unei IA trebuie să fie complet exacte și imparțiale. Dacă datele de antrenare conțin erori sau prejudecăți, aceste probleme se vor reflecta direct în comportamentul IA.

Vă voi da un exemplu din lumea reală. Într-un caz, o companie a utilizat un sistem de IA pentru a selecta candidații pentru interviurile de angajare, analizând cererile de angajare. Dar când au apărut rezultatele, s-a constatat că IA selectase doar candidați de sex masculin. În urma unei investigații, motivul a devenit clar. Datele utilizate pentru antrenarea IA proveneau în mare parte din deciziile de angajare din trecut. În trecut, compania preferase să angajeze bărbați pentru acel post specific. Această prejudecată din datele istorice, chiar dacă neintenționată, a fost transmisă sistemului de IA. Ca urmare, AI a învățat să favorizeze candidații bărbați pur și simplu pentru că asta arătau datele din trecut. Acesta este un exemplu clasic al modului în care prejudecățile din datele de antrenare pot duce la discriminare în deciziile AI.

Acest lucru se poate aplica și altor prejudecăți umane, cum ar fi prejudecățile bazate pe culoarea pielii, religie sau orice alt număr de prejudecăți.

De aceea este absolut esențial ca datele utilizate pentru antrenarea IA să fie verificate cu atenție din punct de vedere al corectitudinii și neutralității. În caz contrar, propriile noastre prejudecăți vor fi transferate în IA pe care o construim. Iată ceva ce nu trebuie să uităm niciodată atunci când utilizăm IA. Când o IA face o greșeală, nu are nicio idee că a făcut o greșeală și nici nu simte niciun regret. Acest lucru se datorează faptului că IA nu are conceptul de înțelegere. Nu știe ce este corect sau greșit. Pur și simplu urmează modelele pe care a fost antrenată. Așadar, responsabilitatea de a monitoriza comportamentul IA va reveni întotdeauna nouă, oamenilor. Noi trebuie să fim cei care observă, corectează și decid ce este acceptabil.

Acum, să analizăm diferitele tipuri de inteligență artificială utilizate în prezent și tipurile de sarcini pentru care au fost concepute.

Primul tip important se numește procesarea limbajului natural sau NLP. Acesta se referă la sistemele de IA care pot înțelege și răspunde în limbajul uman, așa cum vorbim noi de fapt. Exemple cu care sunteți deja familiarizați includ Alexa, Siri și Google Assistant. Dar NLP este utilizat și în multe alte domenii, nu doar în asistența virtuală.

Al doilea tip este IA generativă. Aceasta este o IA care poate crea conținut nou, lucruri care nu au existat niciodată înainte. De exemplu, imaginați-vă o IA care a citit mii de romane. Acum, dacă îi cereți să scrie un roman complet nou, ea poate face asta. Sau, dacă a văzut mii de fețe umane, îi puteți cere să genereze o imagine a unei fețe care nu aparține niciunei persoane reale, și ea va face și asta. Asta face IA generativă. Chatgpt și Google Gemini sunt exemple de AI generativ. Mai precis, acestea sunt AI generativ de text, ceea ce înseamnă că creează text nou pe baza a ceea ce au învățat din datele textuale existente. În mod similar, există AI generativ de imagine, care poate crea imagini noi din datele vizuale învățate. Un astfel de instrument este DALL-E. De exemplu, ați putea să-l întrebați: dacă un pictor celebru din trecut ar fi în viață astăzi, cum ar arăta pictura sa reprezentând un oraș modern? AI-ul ar genera o imagine pe baza acestei solicitări.

Al treilea tip se numește AI de viziune computerizată.

Acest AI este utilizat pentru recunoașterea imaginilor și a fețelor. Camerele robotizate AI, care pot identifica persoane, obiecte sau plăcuțe de înmatriculare, se încadrează în această categorie.

Pe lângă acestea, există multe alte tipuri specializate de IA disponibile în prezent. IA robotică ajută roboții să navigheze și să interacționeze cu lumea. IA de recunoaștere a vorbirii convertește cuvintele rostite în text. IA explicabilă este concepută pentru a face deciziile IA mai transparente. IA de planificare și programare este utilizată în logistică, managementul proiectelor și multe altele.

În unele cazuri, două sau mai multe tipuri de IA lucrează împreună pentru a îndeplini o sarcină mai complexă. Poate ați văzut videoclipuri deep fake în care fața unui actor celebru este înlocuită perfect cu corpul altei persoane sau un politician pare să spună ceva ce nu a spus niciodată. Acest lucru este posibil deoarece două sisteme de IA funcționează împreună. Primul sistem de IA este antrenat special pentru a înlocui fețele într-un videoclip. Dar dacă vă uitați atent la aceste videoclipuri, s-ar putea să observați ceva ciudat, o ușoară nenaturalitate care vă face să vă dați seama că este fals. Aici intervine rolul celui de-al doilea program AI. Sarcina acestuia este de a detecta defectele din videoclip, orice pare artificial sau neobișnuit.

Odată identificate defectele, primul AI face corecții și produce o versiune nouă, îmbunătățită, a videoclipului. Apoi, al doilea AI verifică din nou pentru a vedea dacă mai sunt vizibile noi greșeli.

Acest proces continuă în mai multe runde, cu ambele AI-uri concurând, una încercând să facă videoclipul mai realist, cealaltă încercând să detecteze orice imperfecțiuni. În cele din urmă, rezultatul este un videoclip deepfake atât de convingător încât nu mai putem spune că este fals. Videoclipurile deepfake pe care le-am văzut până acum nu sunt perfecte. Dar astăzi, există instrumente AI capabile să genereze videoclipuri și mai realiste și mai convingătoare. Acest lucru ridică o realitate tulburătoare. Astfel de deepfake-uri extrem de precise pot fi utilizate în scopuri frauduloase sau alte scopuri rău intenționate.

Citeste mai departe: Capabilitatile inteligentei artificiale