Tradicionalni AI proti generativnemu AI - KDnuggets

Ponovno objavil Platon

Spremljevalci: 0

Tradicionalna AI proti generativni AI
Slika avtorja

"Generativni AI" je naslednja modna beseda, ki se trenutno pojavlja. Ne glede na to, v katerem sektorju delate, ste to besedo zagotovo že slišali. Samo v zadnjih 6 mesecih nam je pokazal pomemben napredek v umetni inteligenci (AI). Preoblikoval je različne industrije in vsi se ga želijo polastiti.

Za nekatere od vas morda res ne poznate razlike med podmnožicami umetne inteligence in to je bistvo tega članka.

Da ti razčistim stvari.

Traditional AI – a part of AI in which the majority of non-technically inclined people know. Also known as Narrow or Weak AI, the traditional form of AI focuses on performing a specific task in an intelligent manner.

Kar vemo o tradicionalni umetni inteligenci, so glasovni pomočniki, kot sta Siri in Alexa, ki so zasnovani tako, da se odzovejo na vnos in ustvarijo izhod. Način, na katerega je to izvedljivo, je, da se ti sistemi umetne inteligence učijo iz podatkov, značilnosti in drugega za sprejemanje odločitev in napovedi.

Pomislite, ko igrate računalniški šah. Računalnik ne samo ustvarja pravil, ampak pozna vsa pravila in jih uporabi za naslednjo potezo. To je vnaprej določena strategija.

Strategija. Na tem temelji tradicionalna umetna inteligenca. Svoje odločitve sprejema z uporabo posebnega sklopa pravil, ki se jih vsakič opre.

It receives an input and produces an output – based on rules, not by creating rules.

Zdaj pa k modni besedi 'Generativni AI'. Kot si lahko predstavljate, sem poudaril, da tradicionalni AI temelji na pravilih in ne more ustvariti nečesa novega. Torej, kje ostane Generative AI?

Ja, prav imaš. Generativni AI ima sposobnost ustvariti nekaj novega. Tako kot tradicionalna umetna inteligenca se je tudi generativna umetna inteligenca naučila veliko podatkov in jih uporablja za sprejemanje odločitev in napovedi. Toda namesto da bi bil to preprost vhodni in izhodni proces.

Generativni AI sprejme vhod, ga razume in ustvari nekaj novega z uporabo informacij iz vnosa. Usposablja se na podatkih in se uči osnovnih vzorcev, da lahko ustvari nove podatke na podlagi vhodnih informacij, ki so podobne podatkom za usposabljanje.

Do danes lahko uporabite Generative AI za ustvarjanje izhodov v različnih oblikah, kot so besedilo, slike in glasba, kot tudi za pomoč pri nalogah, kot je dokončanje kode.

Primeri generativne umetne inteligence vključujejo GPT, Soundful, Synthesia in DALL-E 2.

Kakšna je torej razlika med tradicionalno AI in generativno AI?

Zmogljivosti in aplikacije so glavna razlika.

Kot sem že omenil, tradicionalni AI temelji na sprejemanju vnosa in ustvarjanju rezultata. Vhodne podatke analiziramo in uporabimo za sprejemanje odločitev in napovedi. Če iščete prepoznavanje vzorcev, je tradicionalna umetna inteligenca vaša izbira. Tradicionalni AI je še vedno zelo priljubljen in se uporablja za napajanje številnih trenutnih sistemov AI, kot so chatboti in napovedna analitika. Osredotoča se na aplikacije za specifična opravila, ki jih veliko ljudi uporablja za vsakodnevna opravila.

Po drugi strani pa bo generativni AI presegel in ustvaril nove podatke, ki so podobni podatkom za usposabljanje. Če iščete ustvarjanje vzorcev, je generativni AI vaša izbira. Generativna umetna inteligenca odpira nova vrata podjetjem, da postanejo bolj ustvarjalna in inovativna. Lahko drastično zmanjša količino časa, porabljenega za naloge, kot je proces razmišljanja. Lahko piše besedila pesmi, piše članke in ustvarja deepfake. Kjer sta ustvarjanje in inovacije pomembni, ima generativna umetna inteligenca velik potencial, da jo dvigne na višjo raven.

Za zaključek tega splošnega članka o tradicionalni in generativni umetni inteligenci morate razumeti, da njunih funkcij še ni mogoče prepletati. Na primer, generativni AI se lahko uporablja s tradicionalnim AI za zagotavljanje učinkovitejših rešitev. Po drugi strani pa lahko tradicionalna umetna inteligenca zagotovi specifičen rezultat, ki bi ga lahko dodatno analizirali za ustvarjanje prilagojene vsebine z uporabo generativne umetne inteligence.

Understanding the difference between the two and their specific role in the world of AI is important. They are both shaping our future and are both highly embraced in today’s society.

Veste, da razumete edinstvene zmogljivosti obeh in boste uživali v vožnji, saj sta še naprej inovativna.

Nisha Arya je podatkovni znanstvenik, samostojni tehnični pisec in vodja skupnosti pri KDnuggets. Še posebej jo zanima zagotavljanje kariernih nasvetov ali vadnic o podatkovni znanosti in na teoriji temelječega znanja o podatkovni znanosti. Prav tako želi raziskati različne načine, na katere umetna inteligenca koristi/lahko prispeva k dolgoživosti človeškega življenja. Zavzeta učenka, ki želi razširiti svoje tehnično znanje in pisne sposobnosti, hkrati pa pomaga usmerjati druge.