a3ec7b1e9e
|
||
|---|---|---|
| .. | ||
| README.md | ||
| assignment.md | ||
README.md
Utangulizi wa AI
Mchoro na Tomomi Imura
Jaribio la kabla ya somo
Akili Bandia ni taaluma ya kisayansi ya kusisimua inayochunguza jinsi tunavyoweza kufanya kompyuta kuonyesha tabia ya kiakili, kwa mfano kufanya mambo ambayo binadamu ni wazuri kuyafanya.
Awali, kompyuta ziligunduliwa na Charles Babbage ili kufanya kazi na namba kwa kufuata utaratibu ulioelezwa vizuri - algorithimu. Kompyuta za kisasa, ingawa zimeendelea sana kuliko mfano wa awali uliopendekezwa katika karne ya 19, bado zinafuata wazo hilo la hesabu zinazoongozwa. Kwa hivyo, inawezekana kuipangia kompyuta kufanya jambo fulani ikiwa tunajua mlolongo halisi wa hatua tunazohitaji kuchukua ili kufanikisha lengo.
Picha na Vickie Soshnikova
✅ Kufafanua umri wa mtu kutoka kwa picha yake ni kazi ambayo haiwezi kupangwa waziwazi, kwa sababu hatujui jinsi tunavyopata namba ndani ya akili zetu tunapofanya hivyo.
Hata hivyo, kuna baadhi ya kazi ambazo hatujui waziwazi jinsi ya kuzitatua. Fikiria kuamua umri wa mtu kutoka kwa picha yake. Tunajifunza kufanya hivyo kwa namna fulani, kwa sababu tumeona mifano mingi ya watu wa umri tofauti, lakini hatuwezi kueleza waziwazi jinsi tunavyofanya hivyo, wala hatuwezi kuipangia kompyuta kufanya hivyo. Hii ni aina ya kazi inayovutia Akili Bandia (AI kwa kifupi).
✅ Fikiria baadhi ya kazi ambazo ungeweza kuhamishia kwa kompyuta na kunufaika na AI. Fikiria nyanja za fedha, tiba, na sanaa - nyanja hizi zinanufaikaje leo kutokana na AI?
AI Dhaifu vs. AI Nguvu
| AI Dhaifu | AI Nguvu |
|---|---|
| AI dhaifu inahusu mifumo ya AI iliyoundwa na kufundishwa kwa kazi maalum au seti ndogo ya kazi. | AI Nguvu, au Akili Bandia ya Kijumla (AGI), inahusu mifumo ya AI yenye akili na uelewa wa kiwango cha binadamu. |
| Mifumo hii ya AI si ya kijumla; inang'aa katika kutekeleza kazi iliyofafanuliwa lakini haina uelewa wa kweli au ufahamu. | Mifumo hii ya AI ina uwezo wa kutekeleza kazi yoyote ya kiakili ambayo binadamu anaweza kufanya, kubadilika kwa nyanja tofauti, na kuwa na aina ya ufahamu au kujitambua. |
| Mifano ya AI dhaifu ni pamoja na wasaidizi wa kidijitali kama Siri au Alexa, algorithimu za mapendekezo zinazotumiwa na huduma za utiririshaji, na chatbots zilizoundwa kwa kazi maalum za huduma kwa wateja. | Kufanikisha AI Nguvu ni lengo la muda mrefu la utafiti wa AI na kungehitaji maendeleo ya mifumo ya AI inayoweza kufikiri, kujifunza, kuelewa, na kubadilika katika anuwai ya kazi na muktadha. |
| AI dhaifu ni maalum sana na haina uwezo wa kiakili wa kibinadamu au uwezo wa kutatua matatizo kwa ujumla nje ya uwanja wake mdogo. | AI Nguvu kwa sasa ni dhana ya kinadharia, na hakuna mfumo wa AI uliopata kiwango hiki cha akili ya kijumla. |
Kwa maelezo zaidi rejelea Artificial General Intelligence (AGI).
Ufafanuzi wa Akili na Mtihani wa Turing
Moja ya matatizo tunaposhughulikia neno Akili ni kwamba hakuna ufafanuzi wazi wa neno hili. Mtu anaweza kusema akili inahusiana na fikra za dhahania, au na kujifahamu, lakini hatuwezi kuifafanua ipasavyo.
Picha na Amber Kipp kutoka Unsplash
Ili kuona utata wa neno akili, jaribu kujibu swali: "Je, paka ana akili?". Watu tofauti huwa na majibu tofauti kwa swali hili, kwa kuwa hakuna mtihani unaokubalika ulimwenguni kuthibitisha dai hilo ni kweli au si kweli. Na ikiwa unadhani kuna - jaribu kumfanyisha paka wako mtihani wa IQ...
✅ Fikiria kwa dakika moja jinsi unavyofafanua akili. Je, kunguru anayejua kutatua fumbo na kupata chakula ana akili? Je, mtoto ana akili?
Tunapozungumza kuhusu AGI tunahitaji kuwa na njia ya kujua ikiwa tumetengeneza mfumo wa kweli wenye akili. Alan Turing alipendekeza njia iitwayo Mtihani wa Turing, ambayo pia hufanya kama ufafanuzi wa akili. Mtihani unalinganisha mfumo fulani na kitu chenye akili - binadamu halisi, na kwa sababu kulinganisha kiotomatiki kunaweza kupitishwa na programu ya kompyuta, tunatumia mwulizaji binadamu. Kwa hivyo, ikiwa binadamu hawezi kutofautisha kati ya mtu halisi na mfumo wa kompyuta katika mazungumzo ya maandishi - mfumo unachukuliwa kuwa na akili.
Chat-bot iitwayo Eugene Goostman, iliyotengenezwa huko St. Petersburg, ilikaribia kupita Mtihani wa Turing mwaka 2014 kwa kutumia ujanja wa tabia. Ilitangaza mapema kwamba ilikuwa mvulana wa miaka 13 kutoka Ukraine, jambo ambalo lingeweza kueleza ukosefu wa maarifa na baadhi ya kasoro katika maandishi. Bot hiyo iliwashawishi 30% ya majaji kwamba ilikuwa binadamu baada ya mazungumzo ya dakika 5, kipimo ambacho Turing aliamini mashine ingeweza kupita kufikia mwaka 2000. Hata hivyo, mtu anapaswa kuelewa kwamba hii haionyeshi kwamba tumetengeneza mfumo wenye akili, au kwamba mfumo wa kompyuta umewadanganya waulizaji binadamu - mfumo haukuwadanganya binadamu, bali watengenezaji wa bot walifanya hivyo!
✅ Je, umewahi kudanganywa na chat bot ukidhani unazungumza na binadamu? Ilikushawishi vipi?
Njia Tofauti za AI
Ikiwa tunataka kompyuta itende kama binadamu, tunahitaji kwa namna fulani kuiga ndani ya kompyuta njia yetu ya kufikiri. Kwa hivyo, tunahitaji kujaribu kuelewa ni nini kinachomfanya binadamu kuwa na akili.
Ili kuweza kuprogramu akili ndani ya mashine, tunahitaji kuelewa jinsi mchakato wetu wa kufanya maamuzi unavyofanya kazi. Ukijitafakari kidogo, utagundua kuwa kuna baadhi ya michakato inayotokea bila kufikiri – kwa mfano, tunaweza kutofautisha paka na mbwa bila kufikiria - wakati mingine inahusisha kufikiri.
Kuna njia mbili zinazowezekana za kushughulikia tatizo hili:
| Njia ya Juu-Chini (Ufikiri wa Kimaumbo) | Njia ya Chini-Juu (Mitandao ya Neva) |
|---|---|
| Njia ya juu-chini inaiga jinsi mtu anavyofikiri kutatua tatizo. Inahusisha kutoa maarifa kutoka kwa binadamu, na kuyaweka katika mfumo unaosomwa na kompyuta. Pia tunahitaji kuendeleza njia ya kuiga ufikiri ndani ya kompyuta. | Njia ya chini-juu inaiga muundo wa ubongo wa binadamu, unaojumuisha idadi kubwa ya vitengo rahisi vinavyoitwa neva. Kila neva hufanya kazi kama wastani wa uzito wa pembejeo zake, na tunaweza kufundisha mtandao wa neva kutatua matatizo muhimu kwa kutoa data ya mafunzo. |
Kuna pia njia nyingine zinazowezekana za akili:
-
Njia ya Kuibuka, Synergetic au multi-agent inategemea ukweli kwamba tabia ya akili ya hali ya juu inaweza kupatikana kwa mwingiliano wa idadi kubwa ya mawakala rahisi. Kulingana na cybernetics ya mageuzi, akili inaweza kuibuka kutoka kwa tabia rahisi zaidi, ya kujibu katika mchakato wa mpito wa metasystem.
-
Njia ya Mageuzi, au algorithimu ya kijenetiki ni mchakato wa uboreshaji unaotegemea kanuni za mageuzi.
Tutazingatia njia hizo baadaye katika kozi, lakini kwa sasa tutazingatia mwelekeo kuu mbili: juu-chini na chini-juu.
Njia ya Juu-Chini
Katika njia ya juu-chini, tunajaribu kuiga ufikiri wetu. Kwa sababu tunaweza kufuatilia mawazo yetu tunapofikiri, tunaweza kujaribu kuufanya mchakato huu rasmi na kuuprogramu ndani ya kompyuta. Hii inaitwa ufikiri wa kimaumbo.
Watu huwa na baadhi ya sheria ndani ya akili zao zinazowaongoza katika mchakato wa kufanya maamuzi. Kwa mfano, daktari anapogundua ugonjwa wa mgonjwa, anaweza kugundua kwamba mtu ana homa, na hivyo kunaweza kuwa na uvimbe unaoendelea ndani ya mwili. Kwa kutumia seti kubwa ya sheria kwa tatizo maalum, daktari anaweza kufikia utambuzi wa mwisho.
Njia hii inategemea sana uwakilishi wa maarifa na ufikiri. Kutoa maarifa kutoka kwa mtaalamu wa binadamu inaweza kuwa sehemu ngumu zaidi, kwa sababu daktari mara nyingi hajui hasa kwa nini anafikia utambuzi fulani. Wakati mwingine suluhisho hujitokeza tu ndani ya akili yake bila kufikiri waziwazi. Baadhi ya kazi, kama vile kuamua umri wa mtu kutoka kwa picha, haziwezi kabisa kupunguzwa hadi kudhibiti maarifa.
Njia ya Chini-Juu
Kwa upande mwingine, tunaweza kujaribu kuiga vipengele rahisi zaidi ndani ya ubongo wetu – neva. Tunaweza kujenga mtandao wa neva bandia ndani ya kompyuta, na kisha kujaribu kuufundisha kutatua matatizo kwa kutoa mifano. Mchakato huu ni sawa na jinsi mtoto mchanga anavyojifunza kuhusu mazingira yake kwa kufanya uchunguzi.
✅ Fanya utafiti kidogo kuhusu jinsi watoto wachanga wanavyojifunza. Ni vipengele gani vya msingi vya ubongo wa mtoto?
Je, kuhusu ML? Sehemu ya Akili Bandia inayotegemea kompyuta kujifunza kutatua tatizo kwa kutumia data fulani inaitwa Machine Learning. Hatutazingatia ujifunzaji wa mashine wa kawaida katika kozi hii - tunakuelekeza kwenye mtaala tofauti wa Machine Learning for Beginners.
Historia Fupi ya AI
Akili Bandia ilianza kama uwanja katikati ya karne ya ishirini. Awali, ufikiri wa kimaumbo ulikuwa njia maarufu, na ulileta mafanikio kadhaa muhimu, kama vile mifumo ya wataalamu – programu za kompyuta zilizoweza kutenda kama mtaalamu katika baadhi ya maeneo ya tatizo yaliyopunguzwa. Hata hivyo, hivi karib
Picha na Dmitry Soshnikov, picha na Marina Abrosimova, Unsplash
Utafiti wa Hivi Karibuni wa AI
Ukuaji mkubwa wa hivi karibuni katika utafiti wa mitandao ya neva ulianza karibu mwaka 2010, wakati seti kubwa za data za umma zilipoanza kupatikana. Mkusanyiko mkubwa wa picha unaoitwa ImageNet, ambao una takriban picha milioni 14 zilizo na maelezo, ulizaa ImageNet Large Scale Visual Recognition Challenge.
Picha na Dmitry Soshnikov
Mnamo mwaka 2012, Mitandao ya Neva ya Convolutional ilitumiwa kwa mara ya kwanza katika uainishaji wa picha, jambo ambalo lilisababisha kupungua kwa makosa ya uainishaji (kutoka karibu 30% hadi 16.4%). Mnamo mwaka 2015, usanifu wa ResNet kutoka Microsoft Research ulifikia usahihi wa kiwango cha binadamu.
Tangu wakati huo, Mitandao ya Neva imeonyesha mafanikio makubwa katika kazi nyingi:
| Mwaka | Usawa wa Binadamu ulifikiwa |
|---|---|
| 2015 | Uainishaji wa Picha |
| 2016 | Utambuzi wa Hotuba ya Mazungumzo |
| 2018 | Tafsiri ya Mashine ya Kiotomatiki (Kutoka Kichina hadi Kiingereza) |
| 2020 | Uandishi wa Maelezo ya Picha |
Katika miaka michache iliyopita tumeshuhudia mafanikio makubwa na mifano mikubwa ya lugha, kama BERT na GPT-3. Hii ilitokea hasa kwa sababu kuna data nyingi za maandishi ya jumla zinazopatikana ambazo zinaturuhusu kufundisha mifano ili kuelewa muundo na maana ya maandishi, kuifundisha awali kwenye mkusanyiko wa maandishi ya jumla, na kisha kuiboresha kwa kazi maalum zaidi. Tutajifunza zaidi kuhusu Usindikaji wa Lugha Asilia baadaye katika kozi hii.
🚀 Changamoto
Fanya ziara ya mtandao ili kubaini wapi, kwa maoni yako, AI inatumika kwa ufanisi zaidi. Je, ni katika programu ya Ramani, huduma ya kubadilisha hotuba kuwa maandishi, au mchezo wa video? Tafiti jinsi mfumo ulivyojengwa.
Jaribio baada ya somo
Mapitio & Kujisomea
Pitia historia ya AI na ML kwa kusoma somo hili. Chukua kipengele kutoka kwenye sketchnote mwanzoni mwa somo hilo au hili na kifanyie utafiti kwa kina ili kuelewa muktadha wa kitamaduni unaoathiri mageuzi yake.
Kazi: Game Jam
Kanusho:
Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI Co-op Translator. Ingawa tunajitahidi kwa usahihi, tafadhali fahamu kuwa tafsiri za kiotomatiki zinaweza kuwa na makosa au kutokuwa sahihi. Hati ya asili katika lugha yake ya awali inapaswa kuzingatiwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu ya binadamu inapendekezwa. Hatutawajibika kwa kutoelewana au tafsiri zisizo sahihi zinazotokana na matumizi ya tafsiri hii.