
Чи досить шукати слово «безкоштовно»?
Уявімо вигадану скриньку повідомлень. Людина може написати правило: «Якщо є слово “безкоштовно”, класифікуй як рекламу». Просто, але воно може хибно відсіяти особисте «Допоможу безкоштовно» та пропустити рекламу без цього слова. Коли умови задає людина, нові вислови й контекст можуть вимагати доповнення правил.
ШІ — ширша галузь, ніж назва однієї такої функції. Вона охоплює пошук об’єктів на зображеннях, планування маршрутів і підходи до розв’язання задач за допомогою знань та правил. Тому не кожен ШІ навчається на даних, а проста умовна команда не робить будь-яку програму ШІ. Важливіше за назву те, яка задача і яким способом виконується.
Коли приклади змінюють класифікатор
Інший шлях — дати приклади повідомлень, позначених як рекламні або нерекламні, й навчити модель. Машинне навчання — підхід, за якого модель навчають на даних для передбачень або інших виходів. І тут люди проєктують добір матеріалів та ціль. Приклади не означають, що незнайомі вислови завжди буде розпізнано правильно. Наша скринька — вигадана сцена для порівняння принципів, а не експеримент із вимірювання точності справжнього сервісу.
Навчання налаштовує внутрішні значення моделі відповідно до даних і цілі. Подальше отримання класифікації нового повідомлення — інференс, тобто застосування навченої моделі. Нове введення не означає, що щоразу ці значення навчаються заново. Використання розмови як контексту також потрібно відрізняти від повторного налаштування значень. «Створення за прикладами» й «використання готової моделі» пов’язані, але це різні етапи.
Збираємо приклади
Визначаємо, чого й на яких матеріалах навчати.
Створюємо модель
Під час навчання налаштовуємо внутрішні значення моделі.
Пробуємо нове повідомлення
Інференс дає класифікацію, яку звіряємо зі справжнім повідомленням.
Відбирати рекламу й писати відповідь
Модель, яка визначає, чи повідомлення рекламне, і модель нового тексту відповіді мають різні цілі виходу. Генеративний ШІ створює речення, зображення, звуки та інший вміст; сучасні системи зазвичай використовують моделі, навчені машинним навчанням. Машинне навчання — один із підходів у ШІ. Модель, що лише класифікує повідомлення й не пише текстів, теж може використовувати машинне навчання.
Цей поділ не розкладає підходи в непроникні коробки. Один сервіс може відбирати повідомлення класифікатором, писати чернетку генеративною моделлю й ще раз обробляти результат за правилами людини. Діалоговий екран теж не означає, що всередині лише одна модель. Навіть коли класифікація, генерація й правила зібрані на одному екрані, їхні окремі ролі можна розглянути.
Говорити вправно й говорити правильно
Плавно й упевнено написана відповідь або пояснення може суперечити фактам. Як класифікатор може хибно вибрати, так генеративна модель може створити правдоподібні помилки; результат потрібно перевіряти джерелами й оцінками, відповідними до мети. Самостійно звірте обчислення й перевірте, чи назви та посилання на матеріали справді існують і підтверджують твердження. Сама плавність мови не доводить точності.
У чернетці відповіді слід також перевірити вигадані факти й зайві персональні дані. Перед введенням особистої інформації або закритих матеріалів корисно прочитати правила їх обробки сервісом. Саме поєднання кількох підходів не гарантує ані точності, ані безпечної обробки даних. Навіть у зручній функції варто разом бачити, що ви ввели, який вихід отримали й чим його перевірите: так ШІ стає зрозумілішим.
Навіть одне повідомлення показує, що за великою назвою ШІ ховаються різні задачі. Побачивши кнопку «Функція ШІ», спершу подивіться: вона відбирає чи створює?