W poprzednim rozdziale zaprojektowałeś system, wybrałeś architekturę oraz wstępny projekt systemu. Kuchnia już działa, piec został rozpalony, ale brakuje w niej kucharza.
Idąc z duchem czasu, na pewno słyszałeś o sztucznej inteligencji – magicznym programie, który rozumie, co człowiek napisał, odpowiada ludzkim językiem i o jego wspaniałej wielozawodowości. Jestem pewien, że zastanawiałeś się, jak to wykorzystać! Zamiast człowieka odpowiedzialnego za gotowanie w naszej kuchni, możemy wstawić robota, który się nie męczy. Ale jak to stworzyć?
Aby z czegoś korzystać, należy to rozumieć. Narzędzia są po to, aby je wykorzystać. Sama sztuczna inteligencja to nie tylko chatbot, ale przede wszystkim ogromna dziedzina informatyki. Dlatego w tym rozdziale zostaną opisane jej najważniejsze koncepcje.
Dlaczego Sztuczna Inteligencja Jest Taka Ważna?
Aby zrozumieć, jak istotne jest to zagadnienie, warto spojrzeć na historię informatyki. Kiedyś programy tworzyło się w postaci 01010101000100.., niezrozumiałej dla człowieka. Z czasem, przyszły języki programowania, dzięki którym programiści rozumieją skomplikowany program. Program w języku programowania zostanie jednak zamieniony do postaci niezrozumiałej, aby mógł zostać uruchomiony – za ten proces odpowiada pewien algorytm.
Sztuczna inteligencja nie opiera się na algorytmie, a na ludzkim neuronie. Tradycyjny algorytm to sztywny przepis, którego kucharz musi trzymać się co do grama. AI to doświadczony Szef Kuchni, który na podstawie tysięcy przygotowanych dań (danych) po prostu 'czuje’, ile soli dodać, mimo że nikt mu tego nie zapisał w instrukcji.
Warto zaznaczyć, że sztuczna inteligencja nie myśli, jak człowiek, a jedynie bardzo dobrze przewiduje. Do dobrego działania, potrzebne są tysiące, jak nie miliony tych neuronów oraz ogromne zbiory danych. Źle dobrane dane mogą prowadzić do złych wyników – jeśli nauczysz sztuczną inteligencję, że spaghetti tworzymy z ryżu, to gotowy model będzie to powtarzać.
Jakie możliwości daje Tobie sztuczna inteligencja? Oto możliwości kucharza AI:
- generowanie obrazów gotowych posiłków
- profesjonalne podpowiedzi podczas gotowania
- planowanie menu, analizę trendów żywieniowych
- stworzenie przepisów od zera, na podstawie zdjęcia lub z listy składników
Co to oznacza dla Ciebie? Nie powinieneś tworzyć modelu sztucznej inteligencji od zera. Tworząc kucharza AI, samodzielnie ciężko będzie go nauczyć rozpoznawania dań ze zdjęć albo generowania przepisów. Samemu będziesz musiał przygotować mu tysiące książek kucharskich do przerobienia. Potrzebne są do tego gotowe modele, wyuczone na ogromnych danych, które są gotowe do użycia. Modele znacznie różnią się zastosowaniami:
- Image: pozwalają generować obrazy
- Audio: specjalizują się w tworzeniu ścieżek dźwiękowych – podcastów, dźwięków gotowania, a nawet naśladować zwierzęta
- Nano/Mini: ich zadaniem jest zminimalizować koszt ich wykorzystania
Innymi słowy, jeżeli kucharz przeczytałby 1000 książek kucharskich, to będzie potrafił stworzyć przepis na tiramisu! Profesjonalne firmy i zapaleni hobbyści stworzyli modele, które są gotowe do wykorzystania, płatne lub darmowe.
Predykcyjna SI: Przewidywanie Przyszłości
Celem tych systemów sztucznej inteligencji jest przewidywanie wydarzeń lub pewnych wartości na podstawie danych, które już posiadamy. Nowe rzeczy nie są tutaj tworzone. W biznesie, wykorzystuje się to do szacowania cen w sklepach, prognoz sprzedaży, czy nawet wyszukiwania oszustw.
Gdzie może Tobie przydać się taki model? Robot kucharz mógłby podawać stałym klientom dania, przed zamówieniem, mógłby też przygotować posiłki wcześniej, przed przyjściem klientów. Taka sztuczna inteligencja może też zarządzać przepisami, poprzez zarządzanie pulą przepisów – wyrzuca mniej popularne, wstawia lepsze.
Do działania takiej AI wymagany jest duży zbiór danych, model nie zadziała bez historii działania restauracji. Dane te muszą być z długiego okresu, jeden lub dwa miesiące mogą okazać się niewystarczające! Pamiętaj! Najczęstszy błąd firm to skupienie się na modelu, zamiast na jakości danych: ma być ich dużo, bez błędów i z dobrego źródła.
Wizja Komputerowa: Czy Komputer Może Mieć Oczy?
Zadaniem tych modeli jest przede wszystkim wyszukiwać wzorce w obrazie. AI otrzymuje wynik badania i na podstawie tego określa, czy pacjent jest chory, wspomagając pracę lekarza. Pozwala to wyłapać bardzo małe i z pozoru nieistotne szczegóły. Nie jest to jedyne zastosowanie, ten rodzaj potrafi zaznaczyć elementy na obrazie, rozpoznawać tekst z obrazu, a nawet śledzić pojazdy “na żywo”.
Jak to się ma do Twojej kuchni? Jeżeli robotowi kuchennemu dodasz “oczy”, sprawdzi jakość posiłku na podstawie jego wyglądu. Rozpozna też stałych klientów oraz co jedzą, jak się zachowują, czy są zadowoleni z posiłku czy też zawiedzeni.
Niestety, ten rodzaj jest kosztowny. Każdy obraz musi zostać odpowiednio przetworzony, a to zajmuje dużo czasu. Wymagany jest też wyspecjalizowany model, który na przykład, potrafi wyszukać posiłek. Te modele są też wymagające i kosztowne, dlatego warto zacząć od prostego, taniego modelu podczas tworzenia MVP.
Generatywna SI: Tworzenie Czegoś z Niczego
Przez to, że model potrafi oszacować dane, współcześni naukowcy i inżynierowie wpadli na pomysł: co, jeśli wartością szukaną będzie słowo? albo piksel obrazu? Generatywne AI na podstawie wyuczonych wzorców potrafi wytworzyć cały obraz, film albo rozdział książki.
Dzieje się tak, ponieważ przygotowany model zobaczył miliony obrazów, tekstów, filmów i potrafi to wygenerować. Odnosząc to do AI kucharza, model który widział tysiące zdjęć spaghetti, będzie mógł odróżnić to danie od innych. Kucharz będzie też w stanie przygotować przepis, ponieważ też widział ich miliony.
Skoro AI potrafi generować tekst, to dlaczego nie wykorzystać go jako wejścia? Napisz swoimi słowami co chcesz uzyskać, sztuczna inteligencja to zrozumie, przetworzy i zwróci Ci wynik – nazywamy to promptem, który opiszę w kolejnym rozdziale.
Przy generowaniu danych, trzeba pamiętać o “halucynacjach”. Model przewiduje, nie myśli! Dlatego, czasami może tworzyć rzeczy, które nie mają sensu lub są niezwiązane z tematem. Trzeba na to uważać i tworzyć dobre prompty. Model, który otrzymał poprawnie zdefiniowany cel, ograniczenia i kontekst będzie w mniejszym stopniu tworzył rzeczy nie związane z zapytaniem. Trzeba też pamiętać o oknie kontekstowym – AI ma limit ograniczający, ile tekstu przyjmie i ile tekstu zwróci. Dlatego, długie pytanie może prowadzić do krótkiej odpowiedzi, bo osiągnąłeś limit.
Podsumowanie
Masz już wiedzę o sztucznej inteligencji, rozumiesz, czym różni się generatywna sztuczna inteligencja od predykcyjnej, czy wizji komputerowej. Jednak, jak możesz zauważyć, AI nie działa samo z siebie. Nie ma możliwości podejmowania działania, tylko reaguje na to, co użytkownik akurat wprowadził. W kolejnym rozdziale pokażę Ci, jak sprawić, by Twój wybrany model dostał “ręce” i mógł sam planować działanie.
Materiały
Materiały do samodzielnej nauki związane z tym tematem: