Świetnie, odznaka %% zdobyta
Przejdź do tematu:
Sztuczna inteligencja i uczenie maszynowe
Sztuczna inteligencja i uczenie maszynowe
Przejdź do ćwiczenia:
Decydowanie
Decydowanie
Włącz widok pełnoekranowy
Pokaż wyjaśnienie do tematu
NZMUdostępnij
Pokaż ustawienia ćwiczenia
kod QR
Możesz zeskanować kod QR np. za pomocą telefonu komórkowego i w ten sposób przejść bezpośrednio do danego ćwiczenia lub zestawu.
Kod / krótki adres
Trzyznakowy kod możesz wpisać w pasku wyszukiwania, jest on jednocześnie częścią skróconego adresu.
Skopiuj kliknięciem.
NZM
Ustawienia ćwiczenia
Uwaga, ustawienia dotyczą wyłącznie danego ćwiczenia i przedmiotu.
Sztuczna inteligencja: pojęcia
Aby dobrze rozumieć wiadomości i teksty o sztucznej inteligencji, warto znać szereg pojęć. Ich znaczenie bywa często skomplikowane i nie do końca jednoznaczne – niektóre terminy mają różne odcienie znaczeniowe i zastosowania. Nasze krótkie opisy mają na celu przedstawienie głównej idei każdego terminu.
Typy i kategorie
| android | robot wyglądający jak człowiek, może być pokryty materiałem przypominającym skórę |
| robot autonomiczny | robot, który działa samodzielnie |
| generatywna AI | tworzy nową treść (obraz, tekst, dźwięk) |
| robot humanoidalny | robot, którego konstrukcja przypomina człowieka |
| inteligentny agent | program wchodzący w interakcję ze otoczeniem i wykorzystujący sztuczną inteligencję |
| model językowy | przewiduje kolejne słowo w tekście |
| robot | maszyna poruszająca się w przestrzeni i podejmująca decyzje na podstawie stanu otoczenia |
| ogólna AI | potrafi rozwiązywać dowolny problem co najmniej tak dobrze jak człowiek |
| superinteligencja | znacznie przewyższa zdolności ludzi we wszystkich dziedzinach |
| sztuczna inteligencja (AI) | program zdolny do wykonywania zadania wymagającego inteligencji |
| wąska AI | rozwiązuje tylko określony, wyspecjalizowany typ problemu (np. odkurzanie) |
| wyjaśnialna AI | umożliwia ludziom zrozumienie, dlaczego model działa w taki, a nie inny sposób |
Metody, techniki, podejścia
| sieć bayesowska | model probabilistyczny odzwierciedlający zależności między zdarzeniami |
| logika rozmyta (fuzzy) | typ logiki pozwalający pracować z nieprecyzyjnością i niepewnością |
| system ekspertowy | łączy wiedzę i reguły uzyskane od ekspertów w danej dziedzinie |
| algorytm genetyczny | algorytm optymalizacyjny inspirowany ewolucją i procesami dziedziczenia biologicznego |
| GPT | typ dużego modelu językowego (Generative Pre-trained Transformer) |
| uczenie głębokie | sieci neuronowe z wieloma warstwami uczące się hierarchicznej reprezentacji cech |
| brute force | sprawdzanie wszystkich możliwości |
| sieć neuronowa | model uczenia maszynowego luźno inspirowany mózgiem |
| perceptron | najprostsza sieć neuronowa z pojedynczym neuronem |
| przeszukiwanie (przestrzeni stanów) | algorytmy do znajdowania optymalnych planów (np. kolejnego ruchu w kółko i krzyżyk) |
| uczenie przez wzmocnienie | uczenie maszynowe wykorzystujące interakcję i informację zwrotną dotyczącą wykonanych działań |
| drzewo decyzyjne | model uczenia maszynowego wykorzystujący warunki (przy podejmowaniu decyzji przechodzimy gałęziami drzewa w zależności od spełnionych warunków) |
| uczenie maszynowe | techniki oparte na automatycznym uczeniu się z danych lub doświadczenia |
| duży model językowy | rozległa sieć neuronowa przewidująca prawdopodobieństwo kolejnego słowa |
Obszary, zastosowania, zadania
| system rekomendacyjny | dostarcza spersonalizowane rekomendacje (np. muzyki) |
| komunikator, czat | program umożliwiający prowadzenie konwersacji z człowiekiem (zazwyczaj w formie pisemnej) |
| widzenie komputerowe | pozyskiwanie informacji z danych obrazowych |
| predykcja | prognoza lub oszacowanie kategorii bądź wartości (np. jutrzejszej temperatury) |
| robotyka | projektowanie i budowa maszyn poruszających się w przestrzeni |
| rozpoznawanie mowy | automatyczne przekształcanie mowy na tekst |
| synteza mowy | sztuczne generowanie ludzkiej mowy |
| zadanie z ograniczeniami | zadanie polegające na znalezieniu wartości zmiennych spełniających różne powiązane ograniczenia (np. sudoku) |
| przetwarzanie języka naturalnego | maszynowe przetwarzanie języków naturalnych (np. polskiego, angielskiego) |
Zjawiska powiązane i elementy systemów AI
| efekt AI | zjawisko polegające na tym, że to, co uważamy za sztuczną inteligencję, z czasem zmienia się w zależności od tego, do czego już się przyzwyczailiśmy |
| dataset | dane (zbiór przykładów) do uczenia maszynowego |
| deepfake | wykorzystanie AI do tworzenia realistycznych fałszerstw (zazwyczaj wideo) |
| deterministyczny | jednoznacznie określony przez wykonane działanie, tzn. bez losowości |
| dyskretny | oddzielone (nieciągłe) stany, np. siatki liczb naturalnych (sudoku) |
| zachowanie emergentne | złożone zachowanie powstające w wyniku interakcji wielu prostych elementów systemu |
| halucynacja | wymyślona, niepoprawna odpowiedź generatywnej AI przedstawiana jako fakt |
| korpus | obszerna kolekcja dokumentów tekstowych |
| model | uproszczona reprezentacja problemu używana do jego rozwiązania; w kontekście AI często modelem jest program wyuczony z danych |
| multimodalny | zdolny do łączenia różnych typów danych (tekst, obrazy, dźwięk) |
| prompt | dane wejściowe użytkownika (pytanie, zadanie) dla generatywnej sztucznej inteligencji |
| przestrzeń stanów | wszystkie możliwe stany zadania i przejścia między nimi |
| token | podstawowa jednostka przy pracy z tekstem (słowo lub fragment nieznanego słowa) |
| osadzanie słów (word embedding) | reprezentacja słów za pomocą wektorów liczb rzeczywistych |
| Prolog, Lisp | języki programowania dawniej szeroko stosowane w AI |
| Python | nowoczesny język programowania, szeroko stosowany m.in. w uczeniu maszynowym |
| stochastyczny | uwzględniający losowość (np. rzut kostką) |
| obciążenie, bias | błąd systematyczny prowadzący do niesprawiedliwych ocen |
Sztuczna inteligencja: pojęcia (łatwe)
Od tego momentu przykłady mogą się potwarzać.