I dag er det mange som ikke lenger anser det som AI, men de har hevet listen. I stor grad er kunstig intelligens assosiert med nevrale nettverksteknologier (et datasystem som består av et stort antall dataelementer, kalt nevroner, som er koblet til hverandre på en bestemt måte og sammen utfører en bestemt oppgave – red.). På samme måte anser noen eksperter ikke lenger disse teknologiene som AI, men mener at det nevrale nettverket bør utvikles på en slik måte at det kan trenes og utvikles videre.

«Jeg holder meg til definisjonen: Enhver løsning som utfører en funksjon som ville bli utført av en person eller annen levende ting er kunstig intelligens,» sier Pinnis.

Kanskje vi ikke tenker så mye på det hver dag, men AI er faktisk rundt oss. «Vi bruker løsninger hver dag som lar oss finne informasjon på Internett, ikke sant?» uten å vente på svar, spør forskeren og fortsetter: «Det er en av de mest vellykkede teknologiene for anvendelse av kunstig intelligens. For eksempel består søkemotoren «Google» av forskjellige komponenter, der flere utfører funksjoner av kunstig intelligens: de er opplært til å løse et eller annet problem med spesifikke data».

Når vi går videre til Tilde-operasjoner, er maskinoversettelse også en viktig komponent i kunstig intelligens. Pinnis sier at alle som bruker internett til daglig har mest sannsynlig snublet over en oversettelsesløsning på et tidspunkt. For eksempel, «Facebook» eller «Twitter» trykket på «oversett»-knappen. Dette er også kunstig intelligens.

Forskeren påpeker at hovedoppgaven til AI er å effektivisere arbeidet vårt. Det kan hovedsakelig gjøres i to retninger: fullautomatisere prosesser eller øke produktiviteten. For eksempel er oversettelse et område hvor AI øker produktiviteten, åpner for muligheter til å analysere og behandle mer innhold som ikke ville vært mulig hvis et menneske gjorde dette arbeidet for hånd.

På den annen side er det mulig å fullautomatisere for eksempel ulike landbruksprosesser, inkludert jorddyrking, som gjøres av AI, men fjernovervåkes av en person. Dessuten hjelper AI med å automatisere ulike produksjonsprosesser. «Jeg snakker veldig hardt for øyeblikket, men personen på samlebåndet må betale lønn. Roboten trenger ikke å betale for det, men du må betale for strømmen. Følgelig er dette instruksjonene hvor digitalisering, innføring av kunstig intelligens og hvor mennesker før eller siden vil bli erstattet, forklarer Pinnis.

«ChatGPT»: den største suksessen innen språkmodelleringsteknologier. Hvorfor?

Utvilsomt, de siste ukene har chatboten «ChatGPT» utviklet av AI-forskningslaboratoriet «OpenAI» fått stor popularitet over hele verden, inkludert i Latvia – den tiltrakk seg en million brukere bare den første uken. Til sammenligning: strømmesiden «Netflix» klarte å nå et slikt publikum på 41 måneder, mikrobloggsiden «Twitter» – 24, det sosiale mediet «Facebook» – 10 og «Instagram» – 2,5 måneder . Mens virtuelle assistenter ikke er noe nytt, har ChatGPT blitt populær av en grunn.

«Dette er trolig det største skrittet fremover i retning av store språkmodellteknologier», forklarer Tilde-forskeren og fortsetter: «Det har vært flere mer eller mindre vellykkede språkmodeller, men dette er grunnleggende. [līdz šim] den mest dyktige av alle».

Hva er nøkkelen til suksessen til «ChatGPT»? Forskeren forklarer at tidligere modeller for språkteknologi ikke er opplært til å løse spesifikke problemer, mens «ChatGPT» er trent til det formålet, og hjelper til med å finne løsninger i form av en dialog. «Vi stiller et spørsmål, vi får et svar, vi kan stille et oppfølgingsspørsmål, og denne modellen er i stand til å bruke alt som er sagt før som kontekst for å generere et mer meningsfullt etterfølgende svar. Den er skreddersydd for denne oppgaven, slik at du kan kommunisere med den i form av en chat. Denne modellen er trent på en veldig, veldig, veldig stor mengde data, noe som sannsynligvis skiller den fra mange andre løsninger.»

Det er ikke en faktadatabase, men et regelbasert verktøy

Den generelle oppgaven til AI-språkmodeller er evnen til å generere tekst, gitt hva modellen tidligere har blitt fortalt, basert på hvilket den gir det mest sannsynlige svaret. Pinnis påpeker at slike «underliggende» språkmodeller mangler faktakunnskap, men er opplært til å skape regelmessigheter ved hjelp av enorme mengder data. Det følger også at svarene gitt av chatboten ikke bør tas som absolutte sannheter, da de også kan være ekstremt feil.