Cum funcționează inteligența artificială?

Inteligența artificială, prescurtată adesea IA, reprezintă ansamblul tehnologiilor prin care calculatoarele pot îndeplini activități asociate în mod obișnuit inteligenței umane. Printre acestea se numără recunoașterea imaginilor, înțelegerea limbajului, traducerea, formularea unor răspunsuri, identificarea tiparelor, luarea deciziilor și realizarea de predicții.

Deși unele sisteme de inteligență artificială pot părea capabile să „gândească”, ele funcționează diferit de mintea umană. În esență, cele mai multe sisteme actuale analizează cantități mari de date, identifică regularități și folosesc aceste regularități pentru a produce rezultate noi.

Datele – materia primă a inteligenței artificiale

Orice sistem de inteligență artificială are nevoie de date. Acestea pot fi texte, imagini, înregistrări audio, videoclipuri, măsurători, tranzacții comerciale, informații medicale sau alte tipuri de înregistrări.

De exemplu, pentru a crea un sistem care recunoaște pisicile în fotografii, programul este instruit cu un număr mare de imagini. Unele conțin pisici, iar altele nu. Analizând exemplele, sistemul învață să identifice anumite caracteristici frecvente: forma urechilor, conturul corpului, ochii, blana sau alte combinații de elemente vizuale.

Sistemul nu primește neapărat o definiție completă a pisicii. El descoperă, prin calcule, ce tipare apar mai des în imaginile etichetate drept „pisică”.

Calitatea rezultatelor depinde în mare măsură de calitatea datelor. Dacă datele sunt insuficiente, greșite sau dezechilibrate, sistemul poate învăța reguli incorecte. De aceea, selectarea și pregătirea datelor reprezintă o etapă esențială în dezvoltarea inteligenței artificiale.

Algoritmii și modelele

Un algoritm este o succesiune de instrucțiuni folosită pentru rezolvarea unei probleme. În inteligența artificială, algoritmii sunt utilizați pentru a construi modele matematice.

Modelul este componenta care a învățat anumite relații din date și care poate produce răspunsuri sau predicții. De exemplu, un model poate estima prețul unei locuințe în funcție de suprafață, localitate, numărul de camere și vechimea construcției.

La început, modelul nu știe ce importanță are fiecare informație. În timpul procesului de instruire, parametrii săi sunt ajustați până când predicțiile devin suficient de apropiate de rezultatele cunoscute.

Un model simplu poate avea doar câțiva parametri. Modelele moderne de inteligență artificială pot avea însă milioane sau miliarde de parametri. Aceștia nu reprezintă informații stocate sub forma unor propoziții, ci valori numerice care exprimă relațiile învățate din date.

Învățarea automată

O mare parte din inteligența artificială actuală se bazează pe învățarea automată, cunoscută și sub denumirea engleză „machine learning”. În loc ca programatorul să scrie explicit toate regulile, sistemul le deduce din exemple.

Există mai multe forme principale de învățare automată.

Învățarea supravegheată

În învățarea supravegheată, sistemul primește exemple împreună cu răspunsurile corecte. De exemplu, imaginile pot fi etichetate cu „pisică”, „câine” sau „pasăre”.

Modelul compară predicțiile sale cu etichetele corecte și își ajustează parametrii pentru a reduce diferența dintre ele. După multe repetări, el poate clasifica imagini pe care nu le-a mai întâlnit.

Această metodă este utilizată pentru recunoașterea obiectelor, detectarea mesajelor nedorite, diagnosticarea asistată, evaluarea riscului financiar sau estimarea unor valori viitoare.

Învățarea nesupravegheată

În învățarea nesupravegheată, datele nu sunt însoțite de răspunsuri prestabilite. Sistemul caută singur grupuri, asemănări sau structuri.

De exemplu, o companie poate folosi această metodă pentru a grupa clienții în funcție de comportamentul lor de cumpărare. Sistemul nu primește dinainte categoriile, ci le identifică analizând datele.

Învățarea prin întărire

În învățarea prin întărire, un agent execută acțiuni într-un mediu și primește recompense sau penalizări. În timp, el învață ce acțiuni îi aduc cele mai bune rezultate.

Această metodă este folosită în jocuri, robotică, optimizarea traficului, controlul unor procese industriale și alte situații în care deciziile sunt luate succesiv.

Rețelele neuronale artificiale

Rețelele neuronale sunt modele matematice inspirate, într-o formă foarte simplificată, de organizarea creierului. Ele sunt alcătuite din unități de calcul numite neuroni artificiali, grupate în straturi.

Un neuron artificial primește mai multe valori numerice, le combină și produce un rezultat. Acest rezultat este transmis altor neuroni. Prin conectarea unui număr mare de astfel de unități, rețeaua poate învăța relații complexe.

O rețea neuronală conține, de regulă, un strat de intrare, unul sau mai multe straturi intermediare și un strat de ieșire. Datele sunt introduse în primul strat și sunt transformate treptat până când sistemul produce răspunsul final.

În cazul recunoașterii imaginilor, straturile apropiate de intrare pot detecta linii, margini și culori. Straturile următoare pot combina aceste elemente în forme mai complexe, iar straturile finale pot identifica obiectul.

Atunci când rețeaua conține multe straturi, vorbim despre învățare profundă sau „deep learning”. Această tehnologie stă la baza multor progrese recente din recunoașterea vocală, procesarea imaginilor și generarea limbajului.

Cum este instruit un model

Procesul de instruire începe prin introducerea datelor în model. Acesta produce o predicție, care este comparată cu rezultatul corect. Diferența este măsurată printr-o funcție de eroare.

Apoi, un algoritm de optimizare modifică parametrii modelului astfel încât eroarea să scadă. Procesul se repetă de foarte multe ori.

În cazul unei rețele neuronale, ajustarea se realizează adesea printr-o metodă numită retropropagarea erorii. Algoritmul calculează în ce măsură a contribuit fiecare parametru la rezultatul greșit și îl modifică ușor.

Instruirea unui model complex poate necesita calculatoare foarte puternice, procesoare grafice specializate și cantități mari de energie. După instruire, modelul poate fi utilizat pentru a analiza date noi. Această etapă este numită inferență.

Cum funcționează inteligența artificială generativă

Inteligența artificială generativă poate crea texte, imagini, sunete, muzică, programe informatice și alte tipuri de conținut.

Un model de limbaj este instruit pe cantități mari de texte și învață relațiile statistice dintre cuvinte, fragmente de cuvinte și propoziții. Atunci când primește o întrebare, el generează răspunsul pas cu pas, estimând ce element este cel mai potrivit să urmeze.

Modelul nu caută pur și simplu o propoziție într-o bază de date. El construiește un răspuns nou pe baza tiparelor învățate în timpul instruirii.

Textele sunt împărțite în unități numite tokenuri. Un token poate fi un cuvânt, o parte de cuvânt sau un semn de punctuație. Pentru fiecare poziție, modelul calculează probabilitatea mai multor continuări posibile și selectează una dintre ele.

Modelele moderne folosesc o arhitectură numită „transformer”. Aceasta permite sistemului să analizeze relațiile dintre diferitele elemente ale unui text, chiar dacă ele se află la distanță unele de altele.

Un mecanism esențial este atenția. Prin acesta, modelul acordă o importanță diferită cuvintelor din context. De exemplu, pentru a interpreta un pronume, sistemul poate analiza cuvintele anterioare și poate determina la ce substantiv se referă.

Inteligența artificială nu înțelege întotdeauna ca un om

Un sistem de inteligență artificială poate produce explicații coerente fără a avea conștiință, experiențe personale sau înțelegere umană. El operează cu reprezentări matematice și probabilități.

De aceea, un răspuns formulat convingător nu este neapărat corect. Uneori, modelele generative produc informații false sau inventate. Aceste erori sunt numite adesea „halucinații”.

Modelul poate combina greșit informațiile, poate interpreta incorect o întrebare sau poate prezenta drept fapt ceva ce pare probabil din punct de vedere lingvistic. Verificarea surselor rămâne importantă, mai ales în medicină, drept, finanțe, cercetare și alte domenii în care erorile pot avea consecințe serioase.

De ce apar prejudecăți și erori

Sistemele de inteligență artificială învață din date produse sau selectate de oameni. Dacă aceste date conțin prejudecăți, inegalități sau reprezentări incorecte, modelul le poate reproduce.

De exemplu, dacă un sistem de selecție a candidaților este instruit pe decizii istorice părtinitoare, el poate favoriza anumite categorii de persoane. Problema nu este întotdeauna cauzată de o regulă explicit discriminatorie, ci de tiparele existente în date.

Erorile pot apărea și atunci când modelul întâlnește situații foarte diferite de cele folosite la instruire. Un sistem performant în condiții de laborator poate da rezultate slabe în lumea reală.

Pentru reducerea acestor riscuri sunt necesare testarea, evaluarea independentă, supravegherea umană și actualizarea periodică a modelelor.

De la întrebare la răspuns

Atunci când o persoană introduce o cerere într-un sistem de inteligență artificială, au loc mai multe etape.

Mai întâi, cererea este transformată într-o reprezentare numerică. Modelul analizează cuvintele și contextul, apoi calculează posibilele răspunsuri. Rezultatul este generat treptat și transformat din nou în text, imagine sau sunet.

În unele aplicații, modelul poate folosi și instrumente suplimentare: motoare de căutare, baze de date, calculatoare, programe de analiză sau servicii externe. Astfel, inteligența artificială poate combina capacitatea de generare cu accesul la informații actuale sau cu efectuarea unor operații precise.

Inteligența artificială specializată și inteligența generală

Aproape toate sistemele actuale sunt forme de inteligență artificială specializată. Ele sunt create pentru anumite categorii de sarcini, precum traducerea, recunoașterea facială, recomandarea produselor sau generarea textelor.

Un sistem poate fi foarte performant într-un domeniu și complet inutil într-altul. Un program care joacă șah nu poate conduce automat un automobil sau interpreta o analiză medicală.

Inteligența artificială generală ar desemna un sistem capabil să învețe și să realizeze o gamă foarte largă de activități intelectuale la nivel uman sau superior. O asemenea inteligență nu a fost încă realizată, iar definiția și criteriile sale sunt încă dezbătute.

Rolul oamenilor

Inteligența artificială nu funcționează independent de oameni. Oamenii colectează datele, definesc obiectivele, aleg modelele, verifică rezultatele și stabilesc regulile de utilizare.

Chiar și sistemele automatizate necesită supraveghere. În domenii importante, decizia finală nu ar trebui lăsată exclusiv unui algoritm. Inteligența artificială poate sprijini medicul, profesorul, cercetătorul, inginerul sau managerul, dar nu poate prelua automat responsabilitatea profesională și morală a acestora.

De asemenea, oamenii trebuie să decidă ce utilizări sunt acceptabile, cum sunt protejate datele personale și cine răspunde pentru eventualele greșeli.

Concluzie

Inteligența artificială funcționează prin analizarea datelor, identificarea tiparelor și ajustarea unor modele matematice. Ea nu urmează întotdeauna reguli programate în mod explicit, ci învață din exemple.

Rețelele neuronale, învățarea profundă și modelele generative permit calculatoarelor să rezolve sarcini care, până nu demult, păreau rezervate inteligenței umane. Totuși, aceste sisteme nu sunt infailibile și nu trebuie confundate cu o minte umană.

Inteligența artificială este un instrument foarte puternic, dar valoarea sa depinde de datele folosite, de modul în care este proiectată și de felul în care oamenii aleg să o utilizeze. Înțelegerea principiilor sale de funcționare este importantă pentru a-i putea valorifica avantajele și pentru a-i limita riscurile.