AI, uczenie maszynowe - #22
W odcinku rozmawiamy o sztucznej inteligencji (AI), uczeniu maszynowym, sztucznych sieciach neuronowych. Link do tematu na forum: https://www.elektroda.pl/rtvforum/topic3980394.html
Aktualnie już zajmuję się przetwarzaniem języka naturalnego i jeszcze na ten temat nie ma za wiele artykułów. Przetwarzanie języka naturalnego łączy się z tematem, który obecnie jest bardzo popularny, chat GPT. Myślę, że w dalszej części podcastu wrócimy do tego tematu. Warto zacząć od podstaw dotyczących AI, uczenia maszynowego, uczenie maszynowe Dość mocno kojarzy się z sieciami neuronowymi, ale to nie wszystkie narzędzia, które występują w uczeniu maszynowym. Natomiast w przypadku sztucznych sieci neuronowych, jak możemy na przykładach pokazać różnicę pomiędzy podejściem takim algorytmicznym if-when, gdzie jakieś warunki zawieramy, a rozwiązaniem, które wykorzystuje uczenie maszynowe?
No więc wystarczy odrzucić tą ostatnią część i po prostu zostać przy tych prawdopodobieństwach, udostępnić człowiekowi prawdopodobieństwa, jak najbardziej jest to możliwe i zdarza się to, wszystko zależy od tego, co my chcemy tu osiągnąć. Od początku, gdy powstawały rozwiązania dotyczące automatyzacji pewnych procesów, pojawiała się pewna taka personifikacja rozwiązań. Nie tylko AI, ale też takie próby testowania. To, co już wspominaliśmy, że jestem mądrzejszy od tego algorytmu. W 1950 pojawił się pomysł na test Turinga, czyli czy program komputerowy potrafi odpowiadać tak, aby człowiek, który rozmawia z tym programem przy pomocy komputera, nie widzi tej drugiej osoby, czy jest w stanie rozpoznać, czy to jest osoba, czy to jest komputer.
Te osoby muszą mieć bardzo dużą cierpliwość i Piotr Czajkowski Pisanie kodu i pisanie różnych treści, np. artykułów. Myślę, że dużo takich narzędzi i prac będzie jako takie AI assisted, czyli po prostu będzie pomagało AI w pisaniu np. kodu. Natomiast zawsze trzeba dobrze patrzeć na to, co tam powstaje. Można też sobie ułatwić pisanie artykułów, jakiegoś rozpoznania tematu. Natomiast ja zauważyłem, że najlepsze odpowiedzi
Pojawiają się wtedy, gdy pisząc prompt ja dokładnie wiem o co pytam. Czyli tak naprawdę nie chce się dowiedzieć czata co to będzie, tylko może dostanę bardziej ustrukturyzowany tekst, może mnie zaskoczy jakimś faktem, który sobie sprawdzę, którego nie znałem albo jest wymyślony, więc też to muszę zbadać. Natomiast samo to, że najlepiej odpowiada na to co ja dokładnie wiem, Powoduje, że musi być ten specjalista, który wykorzysta to jako Assisted AI, czyli ten programista, który napisze, napisz mi klasę taką i taką i popatrzy, dobra, napisał w miarę dobrze, poprawię tutaj, tutaj, tutaj, czyli ułatwia mi pracę, ale nie zastępuje mojej pracy. I z tym się w 100% zgodzę, tak. Jeżeli chodzi o traktowanie czata jako takiego asystenta, jak najbardziej, nawet mi się niejednokrotnie zdarzyło, że coś potrzebowałam zrobić na szybko, to okej, pokaż mi taki kod, ja sobie to przerobię po swojemu i jest okej.
Natomiast rzeczywiście, żeby on miał wszystko od zera pisać, to myślę, że nieprędko się to może zdarzyć. Ale rzeczywiście również nawet do takiej zwykłej poprawności języka. Też jak najbardziej rzeczywiście to się sprawdza w momencie, gdy wrzucimy mu jakiś tekst i mówimy napisz to, ale ładniej. I wtedy też jak najbardziej dobrze spełnia swoją rolę. Ale to ciągle jest to, o czym wspomniałeś, czyli on jest naszym asystentem, a nie zastępcą. To, co wspomniałaś wcześniej o literówkach. Ja też widzę dużo tych literówek w tekście generowanym przez AI. Ja myślałem, że może to wynika z tłumaczenia, bo tam jest tłumaczenie na język polski. Natomiast to ciekawe, że zgłębiłaś to bardziej, że tutaj chodziło o to, że czat był przekonany, że tak brzmi na przykład liczba mnoga.
Deepfake, to co już mówiłaś o fali fejków, to może przejść na bardziej skuteczną dezinformację. To może być ten problem trudności rozróżnienia prawdy od fikcji w mass mediach, w internecie. No i tak zastanawiałem się również, jeżeli chodzi o uczenie kolejnych wersji czatu GPT. Do tej pory czat miał dużą ilość danych, którą generowali ludzie. W momencie, gdy AI będzie umieszczało coraz więcej treści w internecie, no, to może się okazać, że będzie się uczył też na treściach, które sam wygenerował. To byłoby ciekawe doświadczenie, bo trochę sobie to wyobrażam, jak ten AlphaGo, który się uczył ze wzmacnianiem po prostu grając sam ze sobą, tak? To taki czad by mógł uczyć się właśnie ze swoich tekstów, tylko od razu mi się pojawia w głowie pytanie, co on się z tego nauczy?
Temat AI, temat nowości związanych z czatem GPT jest bardzo szeroki. Rozpoczęliśmy od prowadzonego przez Ciebie blogu, analityczneumyslu.pl. Powiedz, w jaki sposób możemy śledzić nowe materiały, to nad czym pracujesz? Aktualnie dość często udzielam się na Instagramie, także zapraszam. Tam funkcjonuję pod nazwą Kinga Glabińska. Tak więc myślę, że będzie łatwo mnie odnaleźć. Blog oczywiście cały czas funkcjonuje, istnieje, natomiast na blogu chciałabym skupiać się na bardzo konkretnych przypadkach, które pokazują profesjonalizm z mojej strony, a na Instagramie tak naprawdę pokazuje wszystko. I konferencje, w których biorę udział, co jak się okazuje dla wielu jest bardzo ciekawe, bo można się dowiedzieć nowych rzeczy, jak i przede wszystkim na Instagramie skupiam się na tym, że AI jest wśród nas, gdzie jest wśród nas.
Zapraszam do obserwowania tam. Myślę, że wartościowej wiedzy można się dowiedzieć i przy okazji zobaczyć, jak na przykład właśnie konferencje wyglądają, bo ostatnio dość często biorę udział w wielu. Materiały na Twoim blogu, na Instagramie, a także często udział w konferencjach jest otwarty. Zapraszamy do zapoznania się. A w jaki sposób można skorzystać z tej części profesjonalnej? W jaki sposób, w jakich tematach można z Tobą współpracować? W jakich tematach możesz pomóc? Kto może się do Ciebie zgłosić w tematach AI? Ogółem ja też prowadzę mentoring. W ramach takiego mentoringu przygotowuję osoby powiedzmy od zera do przyszłego junior data scientist'a, więc jeżeli ktoś byłby zainteresowany, to jak najbardziej zapraszam.
Na razie rekrutacja jest zamknięta, ale około października będzie Będzie na pewno ruszać nowa. No i do tego, jeżeli oglądają, słuchają nas na przykład firmy, to również mogłabym poprowadzić szkolenie z zakresu czy to sztucznej inteligencji, czy konkretnych modeli. Wszystkie informacje są na moim blogu, także zapraszam tam. Tam się można wszystkiego dowiedzieć. Data scientist, big data to obszary, które będą silnie się rozwijały, a właśnie AI będzie narzędziem, które będzie ułatwiało pracę Wszelkie prawa zastrzeżone.
Na stronie albo klasyfikacji jakichś zdarzeń, towarów, no bardzo dużo jest zastosowań. Moje ulubione to jest widzenie maszynowe, rozpoznawanie wzorców, to również w automatyce, na przykład spotkałem się z rozwiązaniem, gdzie AI znajdowało W firmie, która produkowała uszczelki. Uszczelki sprawne i uszczelki uszkodzone. Powiedzmy sobie, praca osoby na takiej sortowni była bardzo uciążliwa. AI tutaj zastępuje w pewnym sensie tą pracę, ale podobnie jak praca na słuchawce nie jest taką łatwą pracą, jest męcząca, a i tak zostają pewne elementy, które musi zrobić człowiek. Takie rozwiązania trzeba serwisować. Uszczelki na przykład w tej firmie się zmieniają, więc trzeba nowe modele budować. Także ja to nadal widzę jako narzędzie, ułatwienie pracy. Tak, zdecydowanie zgadzam się, że to jest i długo jeszcze będzie narzędziem, a nie naszym zastępstwem.
Pokazano wszystkie 10 dopasowań. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.
Andrzej Mujnik przedstawia gościa Kingę Głąbińską, prowadzącą blog analityczny umysł.pl, i omawia temat sztucznej inteligencji i uczenia maszynowego.
Kinga Głąbińska omawia różnice między uczeniem maszynowym a tradycyjnym programowaniem opartym na if-then, przykładowym problemie spamu.
Kinga Głąbińska omawia architekturę sztucznych sieci neuronowych, w tym strukturę warstwową, funkcje aktywacji i problem kosztu obliczeniowego.
Kinga Głąbińska omawia problem kosztu obliczeniowego w sztucznych sieciach neuronowych i wprowadza kwestię ekologii.
Kinga Głąbińska wyjaśnia proces przetwarzania danych wejściowych i strukturę sieci neuronowej, w tym warstwy neuronowe i proces uczenia.
Kinga Głąbińska omawia proces uczenia w sztucznych sieciach neuronowych, w tym koncept minimum lokalnego i globalnego.
Kinga Głąbińska omawia dygresję na temat struktur biologicznych i wprowadza kwestię jakości danych wejściowych.
Kinga Głąbińska omawia przykład pułapki sztucznej inteligencji, w tym problem klasyfikacji wilków i husków.
Kinga Głąbińska omawia ataki na sztuczne inteligencje i wprowadza drzewa decyzyjne jako alternatywny mechanizm uczenia maszynowego.
Kinga Głąbińska porównuje drzewa decyzyjne i sieci neuronowe, w tym ich zalety i wady, oraz wprowadza Akinator.com jako przykład.
Kinga Głąbińska omawia logikę rozmytą w sztucznej inteligencji, w tym jej zastosowanie w klasztorfikacji obiektów.
Rozmowa kontynuuje temat uczenia maszynowego, analiza modelu ChatGPT i zagrożenia związane z AI, takie jak dezinformacja i oszustwa.
Rozmowa o niechęci do rozmów z czatem i społecznym nastawieniu do AI.
Promocja bloga i Instagrama oraz informacje o mentoringu i szkoleniach.
Przykłady zastosowań AI w firmie produkującej uszczelki i rozwijaniu modeli uczenia maszynowego.
Podziękowania za udział w rozmowie i zaproszenie do kolejnych odcinków.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Kliknij, aby znaleźć fragmenty, w których pada.