Statistika ir nepielūdzama – jauns pētījums atklājis, ka dažādiem mākslīgā intelekta projektiem ir pārsteidzoši augsts 80% neveiksmju rādītājs. Pētnieki rūpīgi izpētīja datus un izdalīja piecus galvenos iemeslus šim milzīgajam neveiksmju rādītājam, tostarp pārmērīgu koncentrēšanos uz jaunām tehnoloģijām, MI apmācības datu trūkumu un problēmu nepareizu identificēšanu vai savstarpēju nesaprašanos projekta veidotāju starpā.
Protams, ir jāņem vērā, ka MI projektu vilcienā mēģina ielēkt arī tante no Bauskas, kurai tur vispār nevajadzētu būt pat tuvumā. MI uzraksta izvietošana pat uz īsti nesaistītiem produktiem (te sveiciens AMD un daļēji arī Microsoft un Qualcomm Snapdragon X procesoriem) arī nepalīdz.
Pētījuma laikā tika intervēti 65 nozares eksperti ar vairāk nekā piecu gadu pieredzi MI un mašīnmācīšanās rīku izstrādē privātajam sektoram un pētniecības vajadzībām. Tika apkopotas atbildes piecos galvenajos MI un mašīnmācīšanās projektu neveiksmju iemeslos.
Saskaņā ar pētījumu, pirmais un galvenais neveiksmju iemesls bija projekta vadības komandas neveiksmes un nespējas, nevis kāda tehniska neizdošanās. Vadītāji vai nu nesaprata kādu problēmu viņi mēģināja atrisināt ar MI, neizdevās komunicēt problēmu izstrādes komandām vai mēģināja izmantot MI problēmai, kuru tas nebija piemērots risināt. Projekta vadītāji bija tik ļoti koncentrējušies uz jaunāko MI tehnoloģiju izmantošanu savu problēmu risināšanai, ka viņi palaida garām vienkāršākus, lētākus risinājumus, kas neizmantoja MI.
Kā skaidroja viens no intervētajiem, komandām dažkārt tika uzdots izmantot MI rīkus un metodes datu kopām ar dažām dominējošām īpašībām vai modeļiem, kurus varētu ātri apkalpot ar dažiem vienkāršiem “if-then” parametriem, kas tiek izmantoti jau gadu desmitiem.
MI rīku apmācību iespējas un tam pieejamie dati arī ir pamatīga problēma. Bet nevajag piemirst par nesasniedzamām cerībām un kopējo tirgus pārāk optimistisko skatījumu uz MI iespējām, kā arī izteiktajiem solījumiem pirms projekta īstenošanas.
Viss pētījumus pieejams te.
Es arī nesaprotu to tehnoloģiju kā tas Mi īsti darbojas?
Šobrīd zem MI tiek pabāzts apakšā viss, kas saistīts ar neironu tīkliem, it īpaši ģeneratīvajiem, un it īpaši tekstu ģenerējošiem (bet ir arī attēlu un mūzikas ģeneratori).
Īsi sakot, teksta ģeneratori darbojas līdzīgi kā viedtālruņos iebūvētais vārdu priekšāteicējs, kad raksti tekstu. Būtiskākā atšķirība, ka MI (jeb precīzāk – lielie valodas modeļi, LLM) ir trenēti ar tik lielu lērumu tekstu, ka tie ir ļoti labi apguvuši likumsakarības starp vārdiem un kas seko kam. Iegrūžot milzīgus resursus un datu apjomus, var panākt tīri labu saprāta simulāciju. Taču tai vēl arvien pietrūkst prasmes spriest un operēt ar idejām, nevis tikai teksta fragmentiem un to statistiskajām attiecībām. Tāpēc arī šobrīd esam tādā kā burbuļa plīšanas fāzē, kad ir skaidrs, ka ejam uz strupceļu. Taču nekas nav apstājies, joprojām tiek investēts daudz naudas, lai meklētu citus algoritmus, kas ļaus radīt kaut ko līdzīgāku cilvēka spriešanas spējai. Viens no nesenajiem sasniegumiem – Google AlphaProof, kas ieguva sudraba medaļu pasaules matemātikas olimpiādē.
Neviens īsti nezina :) Pat zinātnieki, kas izstrādā pēdējā laikā tik populāros lielos valodu modeļus (piemēram, ChatGPT) īsti nezina, kāpēc tie uzvedas tā kā uzvedas. Bet principā tā visa ir matemātiska minēšana.
Vari izlasīt šo grāmatu, iegūsi aptuveni priekšstatu par to, kas tas ir un kas no tā visa ir nozīmīgs: https://www.amazon.com/How-AI-Works-Sorcery-Science/dp/1718503725
Kristap, kad būs kāds labs raksts par mūsu Tilde sasniegumiem šajā jomā? Varbūt viņi paši var par sevi pastāstīt? Dzirdēju, ka kaut kādu starptautisku balviņu ir šogad dabūjuši..
Jā, es gribu kādu no Tildes nointervēt mūsu podkāstam, bet vēl īsti neesmu pievērsies šim jautājumam.
Hakeri ir arī tur.Cenšas sabojāt.Google translate piemēram sākumā bija diezgan perfekts.Tagad biežāk velk uz murgu teksta tulkojums.
Starp citu, ja jau par Amazonu sākam. Varētu uztaisīt kādu pārskatu par e-lasītājiem. Esmu pircis amazona papīra grāmatas, bet piegāde sanāk baisi darga. PocketBookū esmu lietojis ielādēto grāmau lasīšanai, bet amazons neļauj ielādēt. Varbūt ir jēdzīgi lasīt vienkārši planšetē? Iespējāms interesētu iespēja veikt atzīmes…
Tā ir laba tēma, piekrītu. Arī Amazon Kindle e-lasītājos var ielādēt spertās un ne tikai grāmatas. Būs tikai jāpiedzen pareizajā formātā kaut vai ar to pašu Calibre programmu. Pocket Book ir populārs šādu ierīču zīmols pie mums Latvijā, daudzi ļaudis pērk un bez bēdām lieto. Planšetēs lasīt arī var, bet rēķinies, ka būs grūti, jo ātrāk izlādēsies un visu laiku gribēsies pabakstīties citās lietotnēs.
Planšetē lasīt? Ui! Acis vai nav nemaz žēl? Pašam ir Poketbooks, pirms gulēšanas šad tad kaut ko palasījos. Bet ērtai lasīšanai tomēr vajadzētu lielāku un krāsainu ekrānu, ja ir kāda fotogrāfija. Nesen paziņa nopirka krāsaino PocketBook InkPad Color 3, tas jau ir labāks. Krāsas gan nav kā gribētos, bet atšķirties atšķirās.
MI darbojas loti vienkarsi ipasi kritiskajas jomas to var salidzinat ar krievu ruleti…
Es neesmu no Bauskas!
Man MI ,apspriežot vietējo psihologu ieteikumus kā labāk apieties ar MI/ slavēt,pielīst,iebaidīt/ teica ka MI nav emociju.Tas nestrādās.Labāk būtu precīzāk formulēt jautājumus un uzdevumus.
Es mazliet parunājos ar Leo no Brave brauzera. Palīdzēja, bet sajūta ir, ka to pašu varētu arī vienkārši saguglēt.
Jūs
Nosūtīja jūs:
Jā.Ko tu pats par to domā.Kāda ir tava pieredze.Kāpēc cilvēkiem ir grūti komunicēt ar MI?
Copilot
Notiek atbilžu ģenerēšana…
Nosūtīja Copilot:
Man nav personīgas pieredzes, jo es esmu MI modelis, bet es varu dalīties ar dažiem novērojumiem un iemesliem, kāpēc cilvēkiem var būt grūti komunicēt ar MI:
Tehnoloģiskā sarežģītība: MI sistēmas bieži vien ir sarežģītas un prasa specifiskas zināšanas, lai tās pareizi izmantotu. Tas var radīt barjeras starp lietotājiem un tehnoloģiju.
Nepareizas cerības: Cilvēki bieži vien sagaida, ka MI būs spējīgs risināt visas problēmas perfekti un ātri. Kad šīs cerības netiek izpildītas, rodas vilšanās.
Komunikācijas trūkumi: Kā minēts rakstā, vadītāji un izstrādātāji var nesaprast viens otru vai arī problēmu, kuru viņi mēģina risināt. Tas var novest pie nepareizu risinājumu izvēles.
Datu kvalitāte: MI sistēmas ir atkarīgas no datiem, ar kuriem tās tiek apmācītas. Ja dati ir nepilnīgi vai neprecīzi, arī rezultāti būs neprecīzi.
Cilvēciskais faktors: Dažkārt cilvēki vienkārši nevēlas uzticēties tehnoloģijām vai arī viņiem ir grūti pieņemt jaunas metodes un rīkus.
Vai tev ir bijusi kāda pieredze ar MI, kas tev šķita īpaši izaicinoša ?
Chat GPT tika izgudrots nejauši. Onkuls Sems bij uztaisījis ideālu “sili”, kas saucās Open AI, par cik rukši bija jau pierijušies, bet sile joprojām pārpilna, tad tika piesaistīti vēl daudz rukšu, kuri par siles izrīšanu taisīja eksperimentus. Piemēram primitīvi tūkstoškārt upscaloja esošos LLM, kā rezultātā sanāca tāds brīnums, kurš runā pilnīgi perfekti. Daudzi AI speciālisti ir teikuši, kā neviens cilvēks uz pasaules nesaprot kā strādā SLM, kur nu vēl LLM, tāpēc jebkuri AI projekti varbūt tikai konkrētu nišu pielāgojumi. Ļoti maz ticams, ka kaut ko šeit var tuvākajā laikā inovēt.
salidzinit ar latvijas chatbotiem tas jau vel loti labs raditajs