Cum gândește AI-ul? (Teoria din spatele ChatGPT)

Crearea de aplicații, generarea de conținut, rezolvarea problemelor, sarcini care odinioară erau rezervate experților pot fi gestionate acum cu câteva întrebări bine formulate. Schimbarea este semnificativă, iar înțelegerea modului în care am ajuns aici înseamnă explorarea dezvoltării inteligenței artificiale.

Acest articol urmărește progresul AI-ului prin etape cheie:

• Ce este AI-ul și de unde provine?
  O privire de ansamblu asupra originilor și dezvoltării timpurii.

• Ascensiunea Deep Learning-ului
  Cum puterea de calcul sporită și datele au remodelat învățarea automată.

• Nașterea modelelor de limbaj
  Apariția sistemelor capabile să proceseze și să genereze limbaj uman.

• Ce este, de fapt, un LLM?
  O defalcare a modelelor lingvistice mari și modul în care acestea funcționează.

• Ce este AI-ul generativ?
  Explorarea capacității AI-ului de a crea conținut nou în text, imagine și nu numai.

• Ghiduri digitale: Cum ne conduc chatbot-urile prin AI
  Rolul interfețelor conversaționale în accesibilizarea AI-ului.

Fiecare secțiune construiește spre o imagine mai clară a sistemelor care modelează peisajul tehnologic actual.

Ce este AI-ul și de unde provine?

Oamenii s-au întrebat dintotdeauna dacă pot construi mașini care gândesc. Când au fost create primele calculatoare, acest lucru a fost accelerat, iar în 1950 Alan Turing a pus aceeași întrebare și a urmat-o cu celebrul Test Turing, un experiment de gândire în care o mașină încearcă să păcălească un om făcându-l să creadă că și ea este umană. Aceasta a fost scânteia care a aprins flacăra AI-ului. Ei au definit-o ca efectuarea de sarcini care necesită în mod normal inteligență umană, ar putea înțelege limbajul, recunoaște imagini, rezolva probleme și lua decizii proprii, practic devenind o persoană virtuală care poate răspunde la toate întrebările tale și rezolva toate problemele tale. De aceea Testul Turing a fost important, practic puneai o Inteligență Artificială față în față cu un om care trebuia să determine dacă vorbește cu un om sau cu un robot. AI-ul imită practic gândirea umană. De aceea John McCarthy i-a dat numele de Inteligență Artificială. Ei au crezut că va dura o vară pentru a ajunge la nivelul în care va trece aceste teste și va funcționa perfect de una singură, dar în realitate dezvoltarea AI-ului este încă în curs.

Ce este AI-ul și de unde provine?

AI-ul timpuriu, în anii ‘60 și ‘70, era bazat pe reguli. Dacă voiai ca un calculator să “gândească”, trebuia să îi spui exact cum să gândească. Acestea erau sisteme expert, unde fiecare regulă trebuia programată de un om. Aceasta a funcționat până la un punct: nu poți învăța AI-ul să ia fiecare decizie pentru orice scenariu posibil, este imposibil sau cel puțin nu ar fi, trebuiau să găsească moduri prin care calculatoarele să poată lua decizii noi de unele singure, decizii cu care nu s-au mai confruntat.

Intră Machine Learning. În anii 1980 și 1990, cercetătorii s-au orientat spre o idee nouă, dacă am putea învăța calculatoarele să învețe din date în loc de reguli? Aceasta este învățarea automată, antrenarea unui algoritm pe o mulțime de exemple, astfel încât să poată observa tipare și face predicții, ce înseamnă asta? Să ne imaginăm că în trecut ai fi învățat AI-ul cum să urmeze gramatica scriind fiecare regulă gramaticală, ceea ce machine learning a însemnat ca și concept a fost că AI-ul a primit mii de articole, cărți și documente de citit și să descopere singur cum funcționează engleza, autoînvățare.

Ascensiunea Deep Learning-ului

Învățarea automată a fost grozavă, dar limitată. Avea adesea nevoie ca oamenii să îi spună la ce caracteristici să se uite. Apoi a apărut Deep Learning, alimentat de rețele neuronale, o structură vag inspirată de modul în care funcționează creierul uman, analizând cantități uriașe de date, dar în pași, ceea ce a ajutat să vadă din ce în ce mai multe tipare.

Adevărata descoperire a avut loc în jurul anului 2012, când AlexNet, o rețea neuronală profundă, a zdrobit o competiție importantă de recunoaștere a imaginilor. Dintr-o dată, deep learning-ul putea bate oamenii la recunoașterea pisicilor pe internet. Nu era doar mai bun, era înfricoșător de bun. Deep learning-ul însemna că puteai introduce date brute (text, imagini, sunet) într-un model și acesta descoperea singur tiparele importante. Fără mână de ajutor. Doar mai multe date, mai multe straturi, mai multă putere de procesare. AI-ul a început să învețe exponențial.

Nașterea modelelor de limbaj

După ce deep learning-ul a rezolvat imaginile, cercetătorii s-au întrebat: poate rezolva și limbajul? Răspunsul, da, dar nu ușor. Limbajul este plin de nuanțe. Dar cu suficiente date și arhitectură inteligentă, modelele de deep learning precum Recurrent Neural Networks (RNN) care puteau înțelege datele în secvență, adică nu priveau doar un cuvânt, ci cum vin cuvintele unul după altul și de ce o fac în acel mod și mai târziu Transformers care nu priveau doar la cuvintele individuale în secvență, ci puteau vedea întregul text deodată, au ajutat la înțelegerea și generarea de text.

În 2017, Google a introdus arhitectura Transformer. A schimbat regulile jocului. Transformers puteau procesa limbajul în paralel, mai rapid, și acorda atenție diferitelor părți ale unei propoziții, imitând atenția umană. Această arhitectură alimentează Large Language Models sau LLM-uri, precum GPT, Gemini, Mistral, dintr-o dată toată lumea voia să creeze propriul LLM care să fie mai bun decât al altora.

Ce este, de fapt, un LLM?

Un Large Language Model (LLM) este un tip de sistem de inteligență artificială conceput pentru a genera și înțelege limbajul uman. Este antrenat pe cantități uriașe de date text, precum cărți, site-uri web, articole și cod și este construit folosind deep learning. În loc să înțeleagă cuvintele ca un om, el învață tiparele în felul în care scriem și vorbim.

Tehnologia din spate? Ceva numit arhitectură Transformer care îi permite să proceseze și să genereze limbaj la scară mare. De aici vine “GPT” din ChatGPT:

• Generativ – creează conținut nou
• Pre-antrenat – învață mai întâi din date generale
• Transformer – structura modelului care face toată treaba grea

În funcție de versiunea LLM-ului, inteligența, acuratețea și abilitățile conversaționale ale chatbot-ului pot varia dramatic. Versiunile mai noi înțeleg mai bine contextul, fac mai puține greșeli și oferă răspunsuri mai utile.

Această diferență se reduce la parametri – miliardele de conexiuni care determină modul în care modelul procesează informația. Mai mulți parametri înseamnă de obicei memorie mai bună și înțelegere mai profundă.

Cu siguranță ai auzit de GPT-4, Claude, Gemini, LLaMA. Deci acum e important să înțelegi un lucru esențial: niciunul dintre aceste modele nu “înțelege” ce spune, sunt doar foarte bune la a prezice următorul cuvânt, pe baza contextului.

Ce este AI-ul generativ?

AI-ul generativ este un concept pe care îl vei auzi adesea asociat cu AI-urile. Este un termen umbrelă pentru orice AI care creează lucruri noi. Dacă poate scrie, desena, vorbi sau cânta fără să copieze materiale existente, este generativ — generează lucruri noi. Poate crea texte noi (gândește-te la ChatGPT), imagini (cum ar fi DALL·E sau Midjourney), videoclipuri (precum Sora), sau cod (precum GitHub Copilot). Există multe tipuri diferite susținute de diverse LLM-uri.

Chatbot-urile: Ghidurile noastre digitale

Chatbot-urile sunt punctul nostru de intrare prietenos către cunoașterea complexă a întregii lumi. În loc să avem nevoie de cunoștințe tehnice, pur și simplu începem o conversație și explorăm AI-ul natural. Ele traduc tehnologia intimidantă în limbajul nostru.

Utilizări ale chatbot-urilor:

• Deep learning: pentru a învăța tiparele limbajului din cantități uriașe de date text
• Arhitectură Transformer: pentru o înțelegere scalabilă și eficientă a contextului
• Machine learning: pentru a se îmbunătăți și adapta continuu pe baza feedback-ului
• AI generativ: pentru a crea răspunsuri asemănătoare celor umane în timp real

Dar să nu uităm: nu “înțelege” în felul în care o fac oamenii. Imită înțelegerea. Pentru moment, e suficient. Nu suntem încă la singularitatea AI, dar suntem cu siguranță pe autostradă. Iar ChatGPT? Este doar cel mai recent indicator de kilometraj într-o călătorie mult mai lungă.