Глоссарий искусственного интеллекта: термины искусственного интеллекта, которые должен выучить каждый

Мы составили список полезных фраз и понятий для понимания ИИ, особенно нового поколения чат-ботов на базе ИИ, таких как ChatGPT, Bing и Bard.

Если вы не понимаете этих объяснений или хотите узнать больше, вы можете спросить самих чат-ботов. Отвечать на такие вопросы — один из их самых полезных навыков, и один из лучших способов понять ИИ — использовать его. Но имейте в виду, что иногда они ошибаются.

бинг И холодный Чат-боты постепенно развертываются, и вам может потребоваться пройти через очереди, чтобы получить к ним доступ. чат В настоящее время нет списка ожидания, но для этого требуется создать бесплатную учетную запись.

Для получения дополнительной информации об искусственном интеллекте ознакомьтесь с серией из пяти статей New York Times о том, как стать экспертом по чат-ботам.

Гуманизация: Склонность людей приписывать ИИ-чатботу человеческие черты или характеристики. Например, вы можете предположить, что он добрый или жестокий, основываясь на его ответах, даже если он не способен чувствовать эмоции, или вы можете подумать, что ИИ чувствителен, потому что он так хорошо имитирует человеческий язык.

предрассудки: Тип ошибки, которая может возникнуть в большой языковой модели, если ее выходные данные искажены обучающими данными модели. Например, модель может связать определенные черты или занятия с определенным полом или полом, что приведет к неточным прогнозам и оскорбительным ответам.

Возникающее поведение: Неожиданные или непреднамеренные возможности в большой языковой модели, обеспечиваемые шаблонами и правилами обучения модели на основе ее обучающих данных. Например, модели, обученные веб-сайтам программирования и кодирования, могут писать новый код. Другие примеры включают творческие способности, такие как сочинение стихов, музыки и творческих историй.

Генеративный ИИ: Технология, которая создает контент, включая текст, изображения, видео и компьютерный код, путем выявления шаблонов с большим объемом обучающих данных, а затем создания исходных материалов с аналогичными свойствами. Примеры включают ChatGPT для текста и ДАЛЛ-Э И Меджурни для фото.

галлюцинация: Известный феномен в больших языковых парадигмах, когда система дает фактически неверный, нерелевантный или бессмысленный ответ из-за ограничений обучающих данных и их структуры.

Большая языковая модель: Тип нейронной сети, которая обучается навыкам, в том числе написанию прозы, ведению разговоров и написанию компьютерного кода, анализируя огромное количество текста в Интернете. Основная функция — предсказать следующее слово в последовательности, но эти модели удивили экспертов, обнаружив новые возможности.

обработка естественного языка: Методы, используемые большими языковыми моделями для понимания и создания человеческого языка, включая классификацию текста и анализ настроений. Эти подходы часто используют комбинацию алгоритмов машинного обучения, статистических моделей и синтаксиса.

нейронная сеть: Математическая система, похожая на человеческий мозг, обучается навыкам, находя статистические закономерности в данных. Он состоит из слоев искусственных нейронов: первый слой получает входные данные, а последний слой выводит результаты. Даже специалисты, создающие нейронные сети, не всегда понимают, что между ними происходит.

граница: Числовые значения, определяющие структуру и поведение большой языковой модели, например подсказки, помогающие угадать, какие слова будут следующими. Считается, что такие системы, как GPT-4, содержат сотни миллиардов параметров.

Подкрепление обучения: Техника, которая учит модель искусственного интеллекта находить наилучший результат методом проб и ошибок и получать награды или штрафы от алгоритма на основе его результатов. Эту систему можно улучшить, предоставив людям отзывы о ее работе в виде оценок, исправлений и предложений.

модель трансформатора: Архитектура нейронной сети, полезная для понимания языка, которая не требует разбора слов по одному, а может просматривать все предложение сразу. Это был прорыв для ИИ, поскольку он позволил моделям понимать контекст и долгосрочные зависимости в языке. Переключатели используют технику, называемую самостоятельным вниманием, которая позволяет модели сосредоточиться на конкретных словах, важных для понимания смысла предложения.