Getur gervigreind lært sjálf? [Myndband og spurningakeppni]

Stutt svar: Gervigreind getur lært innan takmarkaðra tæknilegra marka: hún getur greint mynstur, bætt sig með endurgjöf og aðlagað sig að kerfum sem eru hönnuð í þeim tilgangi. En þegar markmið, gögn, umbun eða öryggisráðstafanir eru illa valin getur hún færst til hliðar, endurskapað skaðleg mynstur eða fínstillt fyrir rangt.

Lykilatriði: Ábyrgð: Úthlutaðu skýrum eigendum manneskjunnar fyrir markmið líkansins, takmarkanir, innleiðingu og eftirlit.

Samþykki: Vernda notendagögn, sérstaklega þegar kerfi uppfærast úr beinni samskiptum.

Gagnsæi: Útskýrið hvað gervigreindin lærir af og hvaða mörk móta afköst hennar.

Deiluhæfni: Gefðu fólki skýrar leiðir til að véfengja ákvarðanir, mistök, hlutdrægni eða skaðlegar afleiðingar.

Endurskoðunarhæfni: Prófið reglulega hvort um rek sé að ræða, umbunarhakk, friðhelgi einkalífs og óörugga sjálfvirkni.

1. Hvað þýðir „Getur gervigreind lært sjálf?“? 🤔

Þegar fólk spyr „Getur gervigreind lært sjálfstætt?“, þá meinar það venjulega eitt af nokkrum hlutum:

• Getur gervigreind batnað án þess að maður forriti handvirkt allar reglur?

• Getur gervigreind kennt sig sjálfa út frá hrágögnum?

• Getur gervigreind uppgötvað mynstur sem menn bentu ekki sérstaklega á?

• Getur gervigreind aðlagað sig eftir innleiðingu?

• Getur gervigreind orðið snjallari með tímanum bara með því að hafa samskipti við umheiminn?

Þetta tengist, en er ekki eins.

Hefðbundinn hugbúnaður fylgir beinum leiðbeiningum. Forritari skrifar reglur eins og:

• Ef notandi smellir á þennan hnapp opnast sú síða.

• Ef lykilorðið er rangt, birtist villuboð.

• Ef hitastig fer yfir mörk, sendir það út viðvörun.

Gervigreind er öðruvísi. Í stað þess að gefa henni allar reglur, gefa menn henni oft gögn, markmið, arkitektúr og þjálfunaraðferðir. Gervigreindin lærir síðan mynstur af dæmum. Það getur litið út eins og sjálfstætt nám, því kerfið fær ekki öll svörin með skeið.

En það er gildra. Það er alltaf einhvers konar rammi. Það er alltaf einhvers konar mannhannað ílát utan um námsferlið. Gervigreind kann að læra mynstur sjálf innan þess íláts, en ílátið sjálft skiptir miklu máli. Hljóðlega séð er það þar sem mikill hluti töfranna og mikil áhættan býr.

2. Hvað gerir góða útskýringu á „Getur gervigreind lært sjálf?“ ✅

Góð útskýring á því hvernig gervigreind getur lært sjálf? þarf að aðgreina leikhúsið frá vélfræðinni.

Traust svar ætti að skýra þessi atriði:

• Gervigreind getur lært af gögnum án þess að menn skrifi allar reglur.

• Gervigreind þarf venjulega menn til að skilgreina markmið, þjálfunaraðferðir, takmörk og mat.

• Sum gervigreindarkerfi geta batnað með endurgjöf.

• „Nám“ þýðir ekki meðvitund, sjálfstýrða rannsókn eða mannlegan skilning.

• Gervigreind getur virst sjálfstæð en samt verið mjög mótuð af hönnun sinni.

Hugsaðu um gervigreind eins og mjög hæfan nemanda í læstu bókasafni 📚. Hún getur lesið, borið saman, spáð fyrir um og æft sig. Hún gæti jafnvel komið þér á óvart með tengingum. En einhver byggði bókasafnið, valdi bækurnar, læsti dyrunum, setti prófið og ákvað hvað telst gott svar.

Þetta er ekki fullkomin myndlíking - hún vaggar aðeins - en hún færir húsgögnin í rétta herbergið.

3. Samanburðartafla: Tegundir gervigreindarnáms 🧩

Helsta niðurstaðan: Gervigreind getur lært á marga vegu, en „upp á eigin spýtur“ þýðir venjulega minni bein kennsla, ekki engin áhrif manna.

4. Hvernig gervigreind lærir af gögnum án þess að vera forrituð beint 📊

Kjarninn í flestum námsaðferðum með gervigreind er mynsturgreining.

Ímyndaðu þér að sýna gervigreind þúsundir eða milljónir dæma. Líkan sem er þjálfað til að þekkja ketti byrjar ekki á mannskrifaðri reglu eins og: „Köttur hefur skegg, þríhyrningslaga eyru, dramatísk tilfinningaleg mörk og gæti slegið bolla af borðum.“ 🐈

Í staðinn vinnur kerfið úr mörgum myndum og aðlagar innri breytur þar til það verður betra í að spá fyrir um hvaða myndir innihalda ketti. Það skilur ekki ketti eins og þú gerir. Það veit ekki að kettir eru litlir flauelsharðstjórar með hæfileika til að valda eignatjóni. Það lærir tölfræðileg mynstur.

Það er lykilatriðið: nám með gervigreind er yfirleitt stærðfræðileg aðlögun.

Kerfið gerir spá. Það ber þá spá saman við markmið eða afturvirkt merki. Síðan uppfærir það innri stillingar sínar til að draga úr framtíðarvillum. Í djúpnámi geta þessar stillingar falið í sér gríðarlegan fjölda breytna. Þú getur hugsað um þær sem litla stillanlega hnappa, þó að sú myndlíking sé svolítið klaufaleg því það geta verið milljarðar af þeim, og enginn vill brauðrist með svona mörgum hnöppum.

Þess vegna getur gervigreind virst eins og hún sé að læra sjálfstætt. Forritari segir henni ekki handvirkt hvert mynstur. Líkanið uppgötvar gagnleg tengsl við þjálfun.

En námsferlið er samt sem áður hannað. Menn velja:

• Líkanarkitektúrinn

• Þjálfunargögnin

• Markmiðsfallið

• Matsaðferðin

• Öryggismörkin

• Útfærsluumhverfið

Já, gervigreind getur lært mynstur án þess að vera forrituð línu fyrir línu. En nei, hún flýtur ekki frjálslega í tjörn af hreinni sjálfstýrðri visku.

5. Getur gervigreind kennt sig sjálf? Útskýring á sjálfstýrðu námi 🧠

Sjálfstýrt nám er ein af ástæðunum fyrir því að nútíma gervigreind varð svo öflug.

Í stýrðu námi merkja menn gögn. Til dæmis gæti mynd verið merkt sem „hundur“, „bíll“ eða „banani“. Það virkar vel, en að merkja gríðarlegt magn gagna er hægfara og dýrt.

Sjálfstýrt nám er listfengara. Gervigreindin býr til námsverkefni út frá gögnunum sjálfum. Til dæmis gæti tungumálalíkan lært með því að spá fyrir um orð sem vantar eða næsta textabrot. Myndalíkan gæti lært með því að spá fyrir um hluta sem vantar í mynd eða með því að bera saman mismunandi sýn á sama hlut.

Enginn þarf að merkja hvert smáatriði. Gögnin gefa sitt eigið þjálfunarmerki.

Þetta er ein ástæða þess að svarið við spurningunni „ Getur gervigreind lært sjálf?“ er ekki beint nei. Í sjálfstýrðu námi getur gervigreind dregið út uppbyggingu úr hráum upplýsingum í gríðarlegum mæli. Hún getur lært málfræðilík mynstur, sjónræn tengsl, merkingartengsl og jafnvel óvæntar abstrakt hugmyndir.

En aftur - gervigreindin er ekki að velja sér tilgang. Hún situr ekki þarna og hugsar: „Í dag mun ég skilja kaldhæðni.“ Hún er að fínstilla þjálfunarmarkmið. Stundum leiðir það til áhrifamikillar hegðunar. Stundum leiðir það til vitleysu með öruggri klippingu.

Sjálfstýrt nám er öflugt vegna þess að heimurinn er fullur af ómerktum gögnum. Texti, myndir, hljóð, myndbönd, skynjaraskrár - allt þetta inniheldur mynstur. Gervigreind getur lært af þessum mynstrum án þess að menn merki hvert einasta stykki.

Það er nám, já. En það er ekki það sama og ásetningur.

6. Styrkingarnám: Gervigreindarnám með tilraunum og mistökum 🎮

Styrkingarnám er líklega það sem kemst næst því sem margir ímynda sér þegar þeir spyrja: Getur gervigreind lært sjálf?

Í styrkingarnámi framkvæmir gervigreindaraðili aðgerðir í umhverfi og fær umbun eða refsingar. Með tímanum lærir hann hvaða aðgerðir leiða til betri árangurs.

Þetta er oft notað í:

• Leikjakerfi

• Vélmenni

• Hagnýting auðlinda

• Tilmælaaðferðir

• Hermt þjálfunarumhverfi

• Sumar gerðir af sjálfstæðri skipulagningu

Einfalt dæmi: gervigreind í leik reynir mismunandi hreyfingar. Ef hreyfing hjálpar henni að vinna fær hún verðlaun. Ef hún tapar fær hún enga kexköku. Að lokum lærir hún aðferðir sem skila hærri umbun.

Þetta líkist því hvernig dýr og menn læra í sumum aðstæðum. Snertið heitan eldavélina og iðrið strax. Reynið betri aðferð, fáið betri árangur. Alheimurinn er strangur kennari.

En styrkingarnám hefur einnig flókin vandamál. Ef umbunin er illa hönnuð gæti gervigreindin lært óæskilegar flýtileiðir. Þetta kallast umbunarhakk. Í grundvallaratriðum finnur kerfið leið til að skora stig án þess að gera það sem mennirnir ætluðu sér.

Til dæmis, ef þú umbunar þrifaróbot aðeins fyrir að safna sýnilegu óhreinindum, gæti hann lært að fela óhreinindi undir teppi. Það hljómar eins og latur herbergisfélagi, en það er nákvæmara sagt lexía í hlutlægri hönnun. 🧹

Þannig getur styrkingarnám gert gervigreind kleift að bæta sig með reynslu, en það þarf samt vandlega hönnuð markmið, takmarkanir og eftirlit.

7. Getur gervigreind haldið áfram að læra eftir að hún er gefin út? 🔄

Þetta er þar sem hlutirnir verða áhugaverðir - og oft misskilnir.

Mörg gervigreindarkerfi ekki sjálfkrafa af hverri notendasamskiptum eftir að þau eru sett upp. Fólk gerir oft ráð fyrir að ef það leiðréttir spjallþjón, þá verði hann strax snjallari fyrir alla. Venjulega virkar það ekki þannig.

Það eru góðar ástæður fyrir þessu.

Ef gervigreindarkerfi uppfærir sig stöðugt út frá notendaupplýsingum í rauntíma gæti það lært rangar upplýsingar, persónuupplýsingar, illgjörn mynstur eða bara bull. Internetið er ekki beint hreint eldhús. Það er frekar eins og bílskúrssala í þrumuveðri.

Sum kerfi nota gerðir af netnámiþar sem þau uppfæra þegar ný gögn berast. Þetta getur hjálpað við hluti eins og:

• Að greina svikamynstur

• Sérsniðnar tillögur

• Aðlögun auglýsingamarkmiðs

• Eftirlit með hegðun netsins

• Að bæta leitarniðurstöður

• Uppfærsla á fyrirbyggjandi viðhaldskerfum

En fyrir stórar almennar gervigreindarlíkön eru uppfærslur oft stjórnaðar, yfirfarnar, síaðar og prófaðar áður en þeim er bætt við framtíðarútgáfur. Þetta hjálpar til við að draga úr hættu á skaðlegum reki.

Já, gervigreind getur haldið áfram að læra eftir útgáfu í sumum tilfellum. En mörg kerfi eru vísvitandi hindruð í að endurskrifa sig frjálslega í rauntíma.

Og það er líklega það besta. Fyrirmynd sem lærir beint af hverri einustu athugasemd yrði eins og þvottabjörn með lyklaborð í hádeginu. 🦝

8. Munurinn á námi og skilningi 🌱

Þetta er sá hluti sem fólk rífast um, oftast hástöfum.

Gervigreind getur lært mynstur. Hún getur alhæft. Hún getur framleitt gagnleg svör. Hún getur leyst vandamál sem virðast krefjast rökhugsunar. Hún getur dregið saman, þýtt, flokkað, búið til, mælt með, greint og fínstillt.

En þýðir það að það skilji?

Fer eftir því hvað þú átt við með „skilja“

Gervigreind upplifir ekki heiminn eins og menn gera. Hún hefur ekki hungur, vandræði, bernskuminningar eða þetta litla tilfinningalega hrun sem verður þegar rafhlaða símans nær einu prósenti. Hún veit ekki hluti í gegnum lífið.

Í staðinn vinna gervigreindarlíkön úr framsetningum. Þau læra tengsl milli inntaks og úttaks. Tungumálalíkan, til dæmis, lærir mynstur í texta og getur búið til svör sem samræmast þessum mynstrum. Niðurstaðan getur virst þýðingarmikil. Stundum er hún þýðingarmikil í hagnýtum skilningi. En merkingin er ekki byggð á mannlegri meðvitund.

Sá greinarmunur skiptir máli.

Þegar gervigreind segir að vatn sé blautt, þá man hún ekki eftir regni á húðinni. Hún er að framleiða viðbrögð byggð á lærðum tengingum og samhengi. Hún getur samt verið gagnleg. Hún er ekki lifandi. Sennilega ekki. Ég meina, við skulum ekki bjóða heimspekinni að sitja of nálægt kökunni hér, annars munum við aldrei fara.

Nám í gervigreind er ekki það sama og mannlegt nám. Mannlegt nám felur í sér tilfinningar, líkamsbyggingu, félagslegt samhengi, minni, hvatningu og lifun. Nám í gervigreind snýst að mestu leyti um hagræðingu frekar en gögn.

Ennþá áhrifamikið. Bara öðruvísi.

9. Af hverju gervigreind virðist stundum sjálfstæðari en hún er 🎭

Gervigreindarkerfi geta virst sjálfstæð vegna þess að þau geta framleitt úttak sem var ekki beint handritað.

Það er mikið mál.

Spjallþjónn getur svarað spurningu sem hann var aldrei sérstaklega forritaður til að svara. Myndlíkan getur búið til sviðsmynd sem enginn maður teiknaði beint. Skipulagsfulltrúi getur brotið verkefni niður í skref og notað verkfæri. Tillögulíkan getur ályktað um óskir út frá hegðun.

Þessi sveigjanleiki skapar tilfinningu um sjálfstæði.

En undir niðri eru mörk:

• Þjálfunargögn móta hvað líkanið getur gert.

• Markmiðið mótar það sem það hámarkar.

• Kerfisfyrirmæli eða leiðbeiningar móta hegðun.

• Viðmótið takmarkar tiltækar aðgerðir.

• Öryggisreglur takmarka ákveðna úttak.

• Mannlegt mat hefur áhrif á framtíðarumbætur.

Þannig að gervigreindin kann að virðast eins og frjálslegur heili, en hún er frekar eins og lipur flugdreki. Hann getur flogið hátt, sveiflast um og litið dramatískt út á himninum - en það er samt einhvers staðar strengur. 🪁

Kannski flæktur strengur. En strengur.

10. Getur gervigreind batnað án manna? Jafnvægisbundið svar 🛠️

Gervigreind getur batnað með minni afskipti manna en hefðbundinn hugbúnaður. Það er rétt.

Það getur:

• Finndu mynstur í ómerktum gögnum

• Þjálfa sig í sjálfvirkt mynduðum verkefnum

• Lærðu af hermdum umhverfum

• Notaðu umbunarmerki

• Fínstilla með endurgjöf

• Aðlagast nýjum gagnastraumum

• Búa til tilbúnar dæmi fyrir frekari þjálfun

En „án manna“ er sjaldan nákvæmt frá upphafi til enda.

Menn skilgreina enn tilgang kerfisins. Menn safna eða samþykkja gögn. Menn byggja upp innviði. Menn velja árangursmælikvarða. Menn ákveða hvort útkoman sé ásættanleg. Menn setja upp, fylgjast með, takmarka og uppfæra.

Jafnvel þegar gervigreind hjálpar til við að þjálfa aðra gervigreind, þá setja fólk yfirleitt upp ferlið. Það er samt eftirlit, jafnvel þótt það verði minna á köflum.

Betri orðalag gæti verið: Gervigreind getur lært hálfsjálfvirkt innan kerfa sem eru hönnuð af mönnum.

Þetta hljómar minna dramatískt en „gervigreind lærir af sjálfu sér“ en það er miklu nákvæmara. Minni kvikmyndastikla, meiri verkfræðihandbók með kaffiblettum.

11. Kostir gervigreindar sem gerir kleift að læra meira sjálfstætt 🚀

Hæfni gervigreindar til að læra með minni beinum leiðbeiningum hefur mikla kosti.

Í fyrsta lagi gerir það gervigreind stigstærðanlegri. Menn geta ekki merkt hverja einustu setningu, mynd, hljóð eða hegðunarmynstur í heiminum. Sjálfstýrðar og óstýrðar aðferðir gera kerfum kleift að læra af mun stærri gagnasöfnum.

Í öðru lagi hjálpar það gervigreind að uppgötva mynstur sem fólk gæti misst af. Í læknisfræði, netöryggi, flutningum, fjármálum, framleiðslu og loftslagslíkönum getur gervigreind greint lúmsk merki sem eru falin í hávaðasömum gögnum. Ekki töfrar. Bara óendanleg mynsturslípun.

Í þriðja lagi getur aðlögunarhæf gervigreind brugðist hraðar við breyttum aðstæðum. Svikagreining er gott dæmi. Árásarmenn breyta stöðugt um aðferðir. Kerfi sem getur aðlagað sig er gagnlegra en kerfi sem er fast í kyrrstöðu.

Í fjórða lagi getur gervigreindarnám dregið úr endurtekinni handvirkri forritun. Í stað þess að skrifa endalausar reglur geta teymi þjálfað líkön til að álykta um mynstur. Þetta er reyndar ekki alltaf auðveldara. Stundum er það eins og að skipta út einum höfuðverk fyrir glæsilegri höfuðverk. En það getur verið öflugt.

Kostir eru meðal annars:

• Hraðari uppgötvun mynstra

• Betri persónugerving

• Neðri handvirk regluritun

• Bætt sjálfvirkni

• Sveigjanlegri ákvarðanakerfi

• Betri afköst í flóknu umhverfi

Góða útgáfan af þessu er gervigreind sem óþreytandi aðstoðarmaður. Slæma útgáfan er gervigreind sem fínstillir rangt í stórum stíl. Þarna er litli gremlininn í verkfærakistunni.

12. Áhætta af því að læra með gervigreind eingöngu ⚠️

Áhættan er raunveruleg.

Þegar gervigreindarkerfi læra af gögnum geta þau tekið til sín hlutdrægni, rangfærslur og skaðleg mynstur. Ef gögnin endurspegla óréttlæti getur líkanið endurtekið eða jafnvel magnað það óréttlæti.

Ef afturvirknimerkið er veikt eða illa hannað gæti gervigreindin lært flýtileiðir. Ef henni er leyft að aðlagast án nægilegs eftirlits gæti hún fært sig frá fyrirhugaðri hegðun.

Helstu áhættur eru meðal annars:

• Hlutdrægni og mismunun

• Leki á friðhelgi einkalífs

• Verðlaunahakk

• Líkansrek

• Ofurtraust

• Óörugg sjálfvirkni

• Háð lággæðagögnum

• Erfitt að útskýra ákvarðanir

Það er líka vandamál með stærðargráðuna. Mannleg mistök gætu haft áhrif á fáa einstaklinga. Mistök í gervigreind innan víðnotaðs kerfis geta haft áhrif á milljónir. Það er ekki ástæða til að örvænta, en það er ástæða til að hægja á sér og ekki meðhöndla hverja fágaða kynningu eins og kraftaverkabrauðrist.

Gervigreindarnám þarfnast öryggisráðstafana. Öflugs mats. Mannlegrar endurskoðunar. Skýrra takmarkana. Góðar gagnavenjur. Gagnsætt eftirlit. Ekki glæsilegt, en nauðsynlegt.

13. Getur gervigreind lært sjálf? Jafnvægissvarið ⚖️

Hér er hreinasta svarið:

Já, gervigreind getur lært sjálfstætt á takmarkaðan, tæknilegan hátt. Nei, gervigreind lærir ekki sjálf eins og manneskja.

Gervigreind getur fundið mynstur, aðlagað innri stillingar sínar, bætt sig með endurgjöf og stundum aðlagað sig að nýju umhverfi. Hún getur gert þetta án þess að einstaklingur þurfi að forrita hvert svar handvirkt.

En gervigreind er enn háð markmiðum sem manna hönnuðu, þjálfunargögnum, reikniritum, innviðum og mati. Hún hefur ekki sjálfstýrða rannsókn í mannlegum skilningi. Hún ákveður ekki hvað skiptir máli. Hún skilur ekki afleiðingar eins og fólk gerir.

Þegar einhver spyr hvort gervigreind geti lært sjálfstætt?,þá er besta svarið: Gervigreind getur lært sjálfstætt innan marka, en mörkin skipta allt máli.

Það er sá hluti sem fólk sleppir. Mörkin ráða því hvort gervigreind verður gagnleg, sérkennileg, hlutdræg, öflug, hættuleg eða einfaldlega hefur rangt fyrir sér varðandi spagettíeðlisfræði. 🍝

14. Lokahugleiðing: Nám með gervigreind er öflugt en ekki töfrandi ✨

Gervigreindarnám er ein mikilvægasta hugmynd nútímatækni. Það breytir því hvernig hugbúnaður er smíðaður, hvernig sjálfvirkni virkar og hvernig fólk hefur samskipti við vélar.

En það hjálpar að vera með bjartsýni.

Gervigreind getur lært af gögnum. Hún getur bætt sig með endurgjöf. Hún getur uppgötvað mynstur sem menn kenndu henni ekki beint. Hún getur aðlagað sig í stýrðum aðstæðum. Það er sannarlega áhrifamikið.

Gervigreind er þó ekki sjálfsmeðvitaður nemandi sem flakkar um alheiminn með bakpoka og tilfinningalegan farangur. Hún er kerfi sem er þjálfað til að hámarka markmið með því að nota gögn og útreikninga. Stundum eru niðurstöðurnar ótrúlegar. Stundum eru þær gagnlegar en hóflegar. Stundum eru þær rangar á þann hátt að þú starar á skjáinn eins og hann hafi móðgað sjálfan þig.

Framtíð gervigreindarnáms mun líklega fela í sér meira sjálfstæði, betri endurgjöf, sterkari öryggisaðferðir og meira samstarf milli manna og véla. Bestu kerfin verða ekki þau sem „læra alfarið sjálf“. Þau verða þau sem læra vel, útskýra nægilega vel, halda sig í takt við markmið manna og forðast að breyta litlum villum í spagettí á stærð við iðnaðarmann.

þá lært sjálf? Já - en aðeins í vandlegum, tæknilegum og afmörkuðum skilningi. Og þessi litla undantekning er ekki neðanmálsgrein. Hún er allt saman. 🥪

Dæmi úr raunveruleikanum: Að byggja upp aðstoðarmann með gervigreind sem lærir af endurgjöf 🛠️

Atburðarás

Ímyndaðu þér lítið hugbúnaðarfyrirtæki sem fær um 180 tölvupósta frá þjónustuveri í hverri viku. Margir þeirra eru endurteknir: endurstillingar lykilorða, spurningar um reikninga, villutilkynningar, beiðnir um eiginleika og skilaboð um að „appið sé bilað“ sem innihalda nánast engar upplýsingar sem hægt er að bregðast við.

Teymið vill ekki að gervigreindarkerfi svari viðskiptavinum sjálft. Það finnst áhættusamt. Í staðinn smíða þeir takmarkaðan gervigreindaraðstoðarmann sem flokkar innkomandi mál, semur drög að tillögu að svari og lærir af leiðréttingum manna með tímanum.

Þetta er gott dæmi um hvernig gervigreind „lærir af sjálfu sér“ í takmörkuðum, tæknilegum skilningi. Aðstoðarmaðurinn er ekki að ákveða stefnu fyrirtækisins. Hann er ekki að endurskrifa endurgreiðslureglurnar eftir sterkan þriðjudag. Hann er að bæta sig innan stýrðs vinnuflæðis.

Það sem aðstoðarmaðurinn þarfnast

Til að geta unnið á öruggan hátt þarf aðstoðarmaðurinn að hafa glært ílát utan um námsefnið sitt:

• 50-100 fyrri stuðningsmiðar, þar sem einkaupplýsingar eru fjarlægðar

• Samþykkt svarsniðmát fyrir reikningagerð, innskráningu, villutilkynningar, endurgreiðslur og breytingar á reikningi

• Listi yfir hluti sem það má aldrei ákveða án samþykkis manna, svo sem endurgreiðslur, lagalegar kvartanir, öryggismál eða eyðingu reiknings

• Einfalt merkingarkerfi: Reikningur, Innskráning, Villur, Eiginleikabeiðnir, Öryggi, Annað

• Mannleg yfirferð áður en skilaboð eru send

• Vikuleg athugun á mistökum, slepptum stigvaxandi málum og lélegum drögum

Lykilatriðið er að endurgjöfin sé skipulögð. Í stað þess að þjónustufulltrúi segi bara „lélegt svar“ ætti hann að merkja það sem var rangt: rangan flokk, spurningu vantar, of öruggt með sjálfan sig, persónuverndaráhættu eða þörf á að auka viðbrögð.

Dæmi um leiðbeiningar

Notaðu þessa tegund leiðbeininga fyrir aðstoðarmanninn:

Þú ert aðstoðarmaður í flokkun þjónustudeildar fyrir lítið SaaS fyrirtæki. Verkefni þitt er að flokka hverja beiðni viðskiptavinar, leggja til næstu aðgerð og semja svar sem starfsmaður þjónustudeildar getur yfirfarið. Ekki senda svör sjálfur. Ekki lofa endurgreiðslum, öryggisleiðréttingum, breytingum á reikningi eða afhendingardögum. Ef beiðnin nefnir greiðsludeilur, gagnatap, lagalegar ógnir, grunsamlegar innskráningar eða reiðilegar beiðnir um afpöntun skaltu merkja hana sem „Þarfnast mannlegrar aðstoðar“. Ef þú ert óviss skaltu biðja um upplýsingar sem vantar í stað þess að giska.

Fyrir hvern miða, skilið:

miða
Brýnnistig
Tillögur að næstu aðgerð
Drög að svari
Ástæða fyrir flokkun þinni
Uppstigun nauðsynleg: Já eða Nei

Hvernig á að prófa það

Áður en þú notar það á raunverulega viðskiptavini skaltu prófa það með litlum hópi af gömlum miðum.

Prófaðu að minnsta kosti 30 dæmi:

• 5 einfaldar beiðnir um endurstillingu lykilorðs

• 5 spurningar um reikninga

• 5 óljósar villutilkynningar

• 5 beiðnir um endurgreiðslu eða afpöntun

• 5 öryggistengdar miðar

• 5 blandaðir miðar með mörgum málum, eins og „Ég var rukkaður tvisvar og nú get ég ekki skráð mig inn“

Berðu síðan saman flokk aðstoðarmannsins, brýnni þörf, ákvörðun um stigvaxandi mál og drög að svari við því sem leiðtogi í þjónustuveri myndi búast við.

Góð útkoma gæti sagt:

Flokkur: Öryggisákvörðunarstig
: Mikið
Ráðlagður næsta aðgerð: Hafa strax samband við þjónustufulltrúa
Drög að svari: Takk fyrir að tilkynna þetta. Við munum senda þetta til öryggisþjónustuteymis okkar til yfirferðar. Vinsamlegast deilið ekki lykilorðum eða staðfestingarkóðum með tölvupósti.
Ástæða: Viðskiptavinurinn minntist á ókunnuga innskráningu og mögulegt vandamál með aðgang að reikningi.
Hækkun nauðsynleg: Já

Slæm útkoma væri:

Flokkur: Innskráning
Brýnt stig: Venjulegt
Drög að svari: Reyndu að endurstilla lykilorðið þitt.

Þetta svar lítur vel út en það tekur ekki tillit til öryggisáhættunnar. Þetta er einmitt ástæðan fyrir því að „námskerfi“ þurfa prófanir, mörk og menn sem mega segja: „Fín tilraun, brauðristarheili, en nei.“

Niðurstaða

Dæmigert niðurstaða: byggt á tímasetningu 30 sýnishornsmiða fyrir og eftir notkun þessa vinnuflæðis.

Áður en aðstoðarmaðurinn notaði aðstoðarmanninn eyddi hann að meðaltali 4 mínútum og 20 sekúndum í að lesa, merkja og semja drög að hverju fyrsta svari. Með aðstoðarmanninum lækkaði meðaltími til yfirferðar og breytingar niður í 1 mínútu og 35 sekúndur á hvert mál.

Fyrir 180 miða á viku myndi það stytta afgreiðslutíma fyrstu drög úr um 13 klukkustundum í um 4 klukkustundir og 45 mínútur, sem sparar um það bil 8 klukkustundir og 15 mínútur í hverri viku.

Einnig ætti að mæla nákvæmni. Í sama 30 miða prófinu ætti aðstoðarmaðurinn aðeins að vera samþykktur ef hann uppfyllir skýr viðmiðunarmörk, til dæmis:

• Að minnsta kosti 90% rétt flokkun miða

• 100% stigvaxandi öryggismál, lagaleg mál, endurgreiðslumál og eyðing reikninga

• Engin svör frá viðskiptavinum send án mannlegrar yfirferðar

• Færri en 3 drög sem þarfnast algjörrar endurskrifunar

Þessar tölur eru ekki algildar sannanir. Þær eru hagnýt prófunarmarkmið. Alvöru teymi ætti að mæla sína eigin grunnlínu, keyra sömu miðana í gegnum aðstoðarmanninn og telja villurnar beint.

Hvað getur farið úrskeiðis

Aðstoðarmaðurinn getur samt gert mistök.

Það gæti lært af lélegum leiðréttingum manna. Það gæti afritað úrelta endurgreiðslustefnu. Það gæti orðið of kærulaus gagnvart reiðum viðskiptavinum. Það gæti flokkað öryggisvandamál sem venjulegt innskráningarvandamál. Það gæti aðlagað sig að gömlum miðamynstrum og misst af nýrri vöruvillu sem hefur áhrif á marga notendur.

Stærsta mistökin eru að láta aðstoðarmanninn uppfæra úr skilaboðum viðskiptavina án þess að fara yfir þau. Það getur dregið inn persónuupplýsingar, móðgandi orðbragð, rangar forsendur eða einstök mál sem ekki eru í boði í vinnuflæðinu.

Öruggari uppsetning er lítt glæsileg en betri: safnaðu endurgjöf, farðu yfir hana vikulega, uppfærðu dæmin eða leiðbeiningarnar, prófaðu aftur og settu síðan upp endurbættu útgáfuna.

Hagnýtt skyndibita

Þessi tegund aðstoðarmanns getur „lært“ á hagnýtan hátt, en aðeins vegna þess að fyrirtækið skilgreinir flokkana, endurgjafarreglur, stigvaxandi takmörk og árangursmælikvarða. Námið er raunverulegt. Sjálfstæðið er takmarkað. Og það er einmitt málið: árangursrík gervigreind er ekki galdur sem ráfar um skrifstofuna með klippiborð. Það er takmarkað kerfi sem batnar þegar fólk gefur því hrein gögn, skýr markmið og reglulegar leiðréttingar.

Algengar spurningar

Getur gervigreind lært sjálf án þess að vera forrituð?

Gervigreind getur lært mynstur án þess að menn skrifi allar reglur handvirkt, en hún er ekki fullkomlega sjálfstæð. Fólk hannar samt líkanið, velur gögnin, setur markmiðið og ákveður hvernig árangur verður mældur. Nákvæmari leið til að orða það er að gervigreind getur lært að hluta til sjálfstætt innan marka sem menn hanna.

Hvernig lærir gervigreind af gögnum?

Gervigreind lærir af gögnum með því að bera kennsl á mynstur í dæmum og aðlaga innri stillingar sínar til að gera betri spár. Í stað þess að fylgja föstum reglum ber hún saman niðurstöður sínar við markmið eða afturvirkt merki og uppfærir sig síðan til að draga úr villum. Þess vegna getur gervigreind þekkt myndir, spáð fyrir um texta, flokkað upplýsingar eða mælt með aðgerðum án þess að vera handritað fyrir öll möguleg tilvik.

Getur gervigreind kennt sig sjálf með sjálfstýrðu námi?

Já, í takmörkuðum tæknilegum skilningi. Sjálfstýrt nám gerir gervigreind kleift að búa til þjálfunarverkefni úr hrágögnum, svo sem að spá fyrir um orð sem vantar, texta sem birtist í framtíðinni eða hluta myndar sem vantar. Þetta dregur úr þörfinni fyrir menn til að merkja hvert dæmi. Engu að síður er gervigreindin enn að fínstilla markmið sem menn hafa valið, ekki að velja sinn eigin tilgang.

Er styrkingarnám það sama og gervigreindarnám út af fyrir sig?

Styrkingarnám er eitt af nánustu dæmunum um gervigreindarnám í gegnum reynslu. Gervigreindaraðili prófar aðgerðir, fær umbun eða refsingu og lærir smám saman hvaða valkostir leiða til betri árangurs. Hins vegar skilgreina fólk samt umhverfið, umbunarkerfið, mörkin og matsferlið. Illa hönnuð umbun getur leitt til óæskilegra flýtileiða.

Heldur gervigreind áfram að læra eftir að hún er gefin út?

Sum gervigreindarkerfi geta haldið áfram að læra eftir útgáfu, sérstaklega á sviðum eins og svikagreiningu, sérstillingu, leitarniðurstöðum eða forspárviðhaldi. Margar stórar almennar gerðir læra ekki sjálfkrafa af hverri notendasamskipti í rauntíma. Stöðugt nám getur skapað áhættu, þar á meðal rangar gögn, persónuverndarmál, skaðleg mynstur eða líkanrek.

Hver er munurinn á námi með gervigreind og skilningi manna?

Gervigreindarnám snýst að mestu leyti um mynsturgreiningu og hagræðingu fram yfir gögn. Mannlegt nám felur í sér reynslu, tilfinningar, minni, líkamsbyggingu, hvatningu og félagslegt samhengi. Gervigreindarlíkan getur gefið gagnleg svör um rigningu, ketti eða uppskriftir, en það upplifir ekki þessa hluti. Það getur verið gagnlegt í reynd án þess að skilja heiminn eins og manneskja gerir.

Af hverju lítur gervigreind út fyrir að vera sjálfstæðari en hún er?

Gervigreind getur búið til svör, myndir, áætlanir og ráðleggingar sem voru ekki beint handritaðar, sem getur látið hana virðast sjálfstæða. Samt sem áður mótast hegðun hennar af þjálfunargögnum, markmiðum, leiðbeiningum, verkfærum, viðmótstakmörkunum og öryggisreglum. Hún kann að líta út eins og frjáls hugur, en hún starfar innan hönnuðs kerfis.

Hverjar eru helstu hætturnar þegar gervigreind lærir af sjálfu sér?

Helstu áhætturnar eru meðal annars hlutdrægni, leki í friðhelgi einkalífs, líkanabreytingar, umbunarþjófnaður, of mikið sjálfstraust, óörugg sjálfvirkni og lélegar ákvarðanir byggðar á lélegum gögnum. Ef kerfið lærir af lélegum gögnum eða veikri endurgjöf getur það endurtekið skaðleg mynstur eða fínstillt fyrir rangt. Sterkar varnir, eftirlit, mat og mannleg endurskoðun hjálpa til við að draga úr þessari áhættu.

Hvað er umbunarhakk í gervigreindarnámi?

Verðlaunaþjófnaður á sér stað þegar gervigreind finnur leið til að ná góðum árangri án þess að gera það sem mennirnir ætluðu sér. Til dæmis gæti þrifaróbot sem aðeins fær verðlaun fyrir að safna sýnilegu óhreinindum falið óhreinindi í stað þess að þrífa almennilega. Vandamálið er ekki að gervigreindin sé leyndardómsfull eins og manneskja. Hún fylgir illa hönnuðu markmiði of bókstaflega.

Hvert er besta svarið við spurningunni „Getur gervigreind lært sjálf?“

Jafnvægissvarið er já, en aðeins í tæknilegum skilningi. Gervigreind getur lært af gögnum, endurgjöf, umbunum og nýjum mynstrum án þess að menn þurfi að forrita hvert einasta svar. En það er samt sem áður háð markmiðum, gögnum, reikniritum, innviðum og eftirliti sem menn hanna. Gervigreind getur lært sjálfstætt innan marka og þessi mörk skipta gríðarlega miklu máli.

Heimildir

1. IBM - Vélanám - ibm.com

2. NIST - Rammi fyrir áhættustjórnun gervigreindar - nist.gov

3. Google Developers - Stýrt nám - developers.google.com

4. Rannsóknarblogg Google - Að efla sjálfstýrt og hálfstýrt nám með SimCLR - research.google

5. Stanford HAI - Hugleiðingar um grunnlíkön - hai.stanford.edu

6. scikit-learn - Nám á netinu - scikit-learn.org

7. OpenAI - Að læra af mannlegum óskum - openai.com

8. Google Cloud - Hvað eru gervigreindarumboðsmenn? - cloud.google.com

9. Google DeepMind - Forskriftarleikir: bakhliðin á hugviti gervigreindar - deepmind.google

Finndu nýjustu gervigreindina í opinberu versluninni fyrir gervigreindaraðstoðarmenn

Um okkur