- შეისწავლით ხელოვნური ინტელექტის მუშაობის საფუძვლებს
აქტივობები ამ გაკვეთილისთვის:
ᲠᲝᲒᲝᲠ ᲛᲣᲨᲐᲝᲑᲡ AI?
აქამდე გაიგეთ, თუ როგორ გამოიყენება ხელოვნური ინტელექტი სხვადასხვა სფეროში ჩვენს ყოველდღიურ ცხოვრებაზე არაჩვეულებრივი გავლენის მოსახდენად. მოდით ცოტა უფრო ღრმად შევისწავლოთ რა არის და როგორ მუშაობს ის .
ნამდვილი ხელოვნური ინტელექტი ჯერ არ არის აქ. ჯერ არ არსებობს სისტემა, რომელიც მთლიანად აზროვნებს და მოქმედებს როგორც ადამიანი. როდესაც ჩვენს ყოველდღიურ ცხოვრებაში AI-ზე ვფიქრობთ, ჩვენ სინამდვილეში ვფიქრობთ მანქანურ სწავლაზე.
ამ სასწავლო გეგმაში, ჩვენ ვისაუბრებთ ხელოვნური ინტელექტის ორ ქვეჯგუფზე, მანქანურ სწავლებასა და გენერაციულ AI-ზე.
რას წარმოადგენს თითოეული მათგანი?
მანქანური სწავლება
არის ხელოვნური ინტელექტის ქვეჯგუფი, სადაც მანქანა (კომპიუტერი) „სწავლობს“ შაბლონების იდენტიფიცირებას პროგნოზების გასაკეთებლად.
ამით საზღვრავს Youtube შემდეგ ვიდეოს, რომლის ყურებაც გსურთ, ან Facebook-ს შეუძლია თქვენი სახის ამოცნობა სურათში.
გენერაციული AI
შეუძლია ტექსტის, სურათების და ბგერების გენერირება. ის იყენებს Large Language Models-ს, რათა შეძლოს კონტენტის შექმნა უამრავ არსებულ მონაცემზე დაყრდნობით.
ChatGPT და DALL-E არის გენერაციული AI-ის ამჟამინდელი პოპულარული მაგალითები.
მოდით ჩავუღრმავდეთ მანქანურ სწავლებას.
ᲛᲐᲜᲥᲐᲜᲣᲠ ᲡᲬᲐᲕᲚᲔᲑᲐᲡ ᲐᲥᲕᲡ ᲡᲐᲛᲘ ᲫᲘᲠᲘᲗᲐᲓᲘ ᲜᲐᲬᲘᲚᲘ
ᲛᲝᲜᲐᲪᲔᲛᲗᲐ ბაზა
ᲨᲐᲑᲚᲝᲜᲔᲑᲡ პოვნა ᲡᲬᲐᲕᲚᲘᲡ ᲐᲚᲒᲝᲠᲘᲗᲛᲘᲗ
ᲞᲠᲝᲒᲜᲝᲖᲘᲠᲔᲑᲐ!
წყარო: „სწავლა ხელოვნური ინტელექტის შესახებ: MIT რესურსების კერა K-12 სტუდენტებისთვის“, MIT Media Lab
ᲛᲝᲜᲐᲪᲔᲛᲗᲐ ბაზა
- AI-ს სჭირდება ბევრი მონაცემი სასწავლად. AI იყენებს მონაცემთა ბაზას , რომელიც მონაცემთა ძალიან დიდი კრებულია! დღევანდელ სამყაროში კომპიუტერებს შეუძლიათ უფრო მეტ მონაცემზე წვდომა, ვიდრე ოდესმე. ეს არის ერთ-ერთი მიზეზი, რის გამოც AI-მ მიაღწია ასეთ უზარმაზარ წინსვლას ბოლო რამდენიმე წლის განმავლობაში.
AI:
- მონაცემებიდან სწავლობს
- და საბოლოოდ შეუძლია შაბლონების დამოუკიდებლად პოვნა
- როდესაც იღებს ახალ მონაცემებს
- შეუძლია პროგნოზის გაკეთება
- შაბლონებზე დაყრდნობით.
ᲒᲐᲩᲔᲠᲓᲘ ᲓᲐ ᲒᲐᲜᲘᲮᲘᲚᲔ
საიდან იღებს AI მის მონაცემებს? ისე, ის ბევრს იღებს ჩემგან და შენგან.
თქვენს ოჯახში, რა სახის მონაცემებს ქმნით ყოველდღე ტექნოლოგიების მეშვეობით?
ᲛᲐᲒᲐᲚᲘᲗᲘ
მოდით გავიგოთ, თუ როგორ იყენებს Google Maps ხელოვნურ ინტელექტს, რომელიც გაწვდით მარშრუტებს. გადაიტანეთ მაუსი თითოეულ უჯრაზე, რათა გამოავლინოთ, თუ როგორ მიმართავს Google Maps თითოეულ ნაწილს.
ᲛᲝᲜᲐᲪᲔᲛᲗᲐ ბაზა
ᲛᲝᲜᲐᲪᲔᲛᲗᲐ ბაზა
- მიმდინარე მდებარეობა
- დანიშნულების ადგილი
- გადაადგილების ფორმა (ფეხით, მანქანა, საზოგადოებრივი ტრანსპორტი)
- საცობები
შაბლონების პოვნა
შაბლონების პოვნა
პროგნოზის გაკეთება
პროგნოზის გაკეთება
ᲒᲐᲩᲔᲠᲓᲘ ᲓᲐ ᲒᲐᲜᲘᲮᲘᲚᲔ
ახლა შენ სცადე!
გამოიყენეთ Youtube.
- რა არის მონაცემთა ბაზა?
- როგორ სწავლობს Youtube?
- რას პროგნოზირებს?
ᲐᲥᲢᲘᲕᲝᲑᲐ: AI ᲛᲝᲥᲛᲔᲓᲔᲑᲐᲨᲘ
გამოიკვლიეთ ქვემოთ მოცემული ზოგიერთი ვებსაიტი AI-ის შესაძლებლობების გასაცნობად.
- შეგიძლიათ აიღოთ თქვენ წინაშე არსებული კონცეფცია და გამოიყენოთ იგი სხვა კონტექსტში?
- როგორ ფიქრობთ, რა სახის მონაცემებია საჭირო ამ აპლიკაციების მუშაობისთვის?
AutoDraw - იღებს შენს დუდლს და იწინასწარმეტყველებს, რის დახატვას ცდილობ, ძალიან სწრაფად!
X განცალკევების ხარისხი - იღებს ორ ნამუშევარს და გვაჩვენებს მსგავსი ნამუშევრების ხიდს, რომელიც ორივეს ერთმანეთთან აკავშირებს.
რეფლექსია
ახლა, როდესაც იცით რა არის საჭირო ხელოვნური ინტელექტის შესაქმნელად, შეგიძლიათ იფიქროთ თუ რა პრობლემას გადაწყვეტთ და როგორ შეიძლება დაიხმაროთ AI.
ძირითადი ტერმინების მიმოხილვა
- ხელოვნური ინტელექტი (AI) – მანქანები/პროგრამირება, რომლებსაც შეუძლია შეასრულონ დავალებები, რომლებიც ჩვეულებრივ მხოლოდ ადამიანების მიერ ხორციელდება
- მანქანური სწავლება – ხელოვნური ინტელექტის ქვეჯგუფი, სადაც ტექნოლოგია ვარჯიშობს მონაცემების საფუძველზე და „სწავლობს“ შაბლონების ამოცნობას პროგნოზების გასაკეთებლად.
- გენერაციული AI – ტექნოლოგია, რომელსაც აქვს უნარი შექმნას ისეთი კონტენტი, როგორიცაა ტექსტი, სურათები და ხმა
- რცელი ენობრივი მოდელი – ხელოვნური ინტელექტის მოდელი, რომელიც პროგნოზირებს და აგენერირებს ტექსტს უზარმაზარი რაოდენობის მონაცემების საფუძველზე
- მონაცემთა ბაზა - ინფორმაცია, რომელიც გამოიყენება ხელოვნური ინტელექტის სწავლებისთვის, ამოიცნოს შაბლონები და რაღაცის პროგნოზირება
ᲓᲐᲛᲐᲢᲔᲑᲘᲗᲘ ᲠᲔᲡᲣᲠᲡᲔᲑᲘ
გსურთ შეისწავლოთ უფრო მაგარი AI?
