Jak działa sztuczna inteligencja? Proste wyjaśnienie bez technicznego żargonu

92

Jak działa sztuczna inteligencja? W największym uproszczeniu system AI otrzymuje dane, wykorzystuje algorytm lub wytrenowany model do wykrywania w nich zależności, a następnie na tej podstawie generuje wynik: przewidywanie, klasyfikację, rekomendację, tekst, obraz albo decyzję. Jak informuje redakcja Krysztalowy, że w przypadku generatywnej AI kluczowa różnica polega na tym, iż system nie ogranicza się do rozpoznawania danych — potrafi tworzyć nowe treści na podstawie wzorców poznanych podczas treningu.

Nie istnieje jednak jeden mechanizm wspólny dla wszystkich programów określanych jako AI. Komisja Europejska opisuje system AI jako system maszynowy, który na podstawie otrzymywanych danych wejściowych wnioskuje, jak wygenerować określone rezultaty — między innymi przewidywania, treści, rekomendacje lub decyzje. W praktyce oznacza to, że inaczej działa filtr antyspamowy, inaczej system rozpoznawania obrazu, a jeszcze inaczej duży model językowy tworzący tekst.

Wspólnym elementem jest przetwarzanie informacji według wyuczonego albo zaprojektowanego mechanizmu, a nie ludzkie „myślenie” w biologicznym znaczeniu tego słowa.

Co właściwie oznacza „sztuczna inteligencja”?

Sztuczna inteligencja jest szerokim pojęciem obejmującym technologie pozwalające komputerom wykonywać zadania wymagające analizy informacji, rozpoznawania wzorców, przewidywania wyników czy generowania treści. Google Cloud wskazuje, że współczesne systemy AI opierają się przede wszystkim na trzech elementach: danych, algorytmach i mocy obliczeniowej.

System nie musi otrzymywać osobnej instrukcji dla każdego możliwego przypadku. W uczeniu maszynowym model może analizować dużą liczbę przykładów i na ich podstawie dostosowywać swoje parametry tak, aby coraz skuteczniej wykonywać określone zadanie. Może to być rozpoznawanie obiektu na zdjęciu, przewidywanie wartości liczbowej, wykrywanie spamu albo analiza języka.

Najprościej można rozdzielić proces na trzy etapy:

• dane wejściowe — teksty, fotografie, liczby, nagrania albo inne informacje;
• model lub algorytm — mechanizm analizujący zależności między danymi;
• wynik — na przykład przewidywanie, odpowiedź tekstowa, klasyfikacja zdjęcia lub rekomendacja.

To właśnie zdolność do wnioskowania na podstawie wejścia jest jednym z elementów definicji przyjętej w unijnych regulacjach dotyczących AI. Komisja Europejska podkreśla jednocześnie, że systemy mogą korzystać zarówno z metod uczenia maszynowego, jak i z podejść logicznych czy opartych na zakodowanej wiedzy.

Jak AI się uczy?

Najbardziej rozpowszechniona współcześnie metoda to uczenie maszynowe, czyli machine learning. Zamiast ręcznie zapisywać wszystkie reguły, twórcy modelu przygotowują dane oraz metodę, według której system ma dostosowywać swoje parametry.

Przykład można uprościć do rozpoznawania zdjęć. Jeżeli model otrzymuje dużą liczbę odpowiednio opisanych fotografii kotów i psów, podczas treningu może wykrywać cechy pozwalające odróżniać obie kategorie. Parametry modelu są wielokrotnie korygowane, aby zmniejszać różnicę między przewidywanym a prawidłowym wynikiem.

Model nie musi przechowywać każdego zdjęcia jako gotowej odpowiedzi. Trening ma prowadzić do znalezienia matematycznych zależności przydatnych przy analizowaniu kolejnych danych.

Google opisuje machine learning właśnie jako podejście umożliwiające identyfikację wzorców oraz wykonywanie przewidywań lub decyzji bez bezpośredniego programowania każdego scenariusza.

Bardziej rozbudowaną kategorią jest deep learning, czyli uczenie głębokie. Wykorzystuje ono wielowarstwowe sztuczne sieci neuronowe i jest stosowane między innymi przy bardziej złożonym przetwarzaniu obrazu, dźwięku czy języka.

Czym jest sieć neuronowa?

Sztuczna sieć neuronowa składa się z połączonych elementów wykonujących operacje matematyczne na danych. Informacja przechodzi przez kolejne warstwy, a poszczególne parametry określają, jak mocno dane wejściowe wpływają na rezultat.

Podczas treningu system oblicza błąd swojego wyniku, a następnie modyfikuje parametry tak, aby w kolejnych próbach osiągać lepszy rezultat. W głębokich sieciach takich parametrów i warstw może być bardzo dużo. Właśnie dlatego trening zaawansowanych modeli wymaga zarówno obszernych zbiorów danych, jak i znacznej mocy obliczeniowej.

Nie oznacza to jednak, że sztuczna sieć neuronowa jest cyfrową kopią ludzkiego mózgu. Nazwa oraz część historycznych inspiracji odnoszą się do neuronów biologicznych, ale działanie współczesnych modeli jest realizowane przez obliczenia matematyczne wykonywane na komputerach.

Jak działa generatywna sztuczna inteligencja?

Generatywna AI jest kategorią modeli projektowanych do tworzenia nowych treści. Amerykański National Institute of Standards and Technology definiuje ją jako klasę modeli odtwarzających strukturę i charakterystykę danych wejściowych, aby generować pochodne treści syntetyczne, w tym tekst, obrazy, wideo i dźwięk. Oficjalna definicja znajduje się w słowniku NIST.

“The class of AI models that emulate the structure and characteristics of input data…”
— National Institute of Standards and Technology, definicja generatywnej AI.

Reuters wyjaśnia podobny mechanizm w prostszy sposób: generatywna AI uczy się na wcześniejszych danych, a później tworzy nową treść zamiast wyłącznie przypisywać dane do istniejących kategorii. Może to być zdanie, obraz albo kod komputerowy.

Jak działa model językowy?

Duże modele językowe, czyli LLM, są trenowane do przetwarzania sekwencji tekstowych. Tekst jest dzielony na jednostki nazywane tokenami. Token nie zawsze odpowiada całemu słowu — może reprezentować słowo, jego fragment, znak albo inną jednostkę zależną od zastosowanego systemu tokenizacji.

Podstawowym zadaniem wielu modeli językowych podczas treningu jest przewidywanie kolejnego elementu sekwencji na podstawie wcześniejszego kontekstu. Model oblicza prawdopodobieństwo możliwych kolejnych tokenów i wykorzystuje parametry wyuczone na danych treningowych.

W przypadku pytania użytkownika mechanizm jest powtarzany wielokrotnie: model generuje kolejny token, następnie kolejny i w ten sposób buduje odpowiedź. Nie oznacza to prostego wyszukiwania gotowego akapitu w bazie danych. Wynik jest tworzony w czasie generowania na podstawie parametrów modelu, dostarczonego kontekstu oraz zastosowanego mechanizmu dekodowania.

Reuters opisuje duży model językowy jako system przyjmujący tekstowe polecenie i generujący na jego podstawie tekstową odpowiedź.

Dlaczego Transformer zmienił modele językowe?

Jednym z najważniejszych etapów rozwoju współczesnych modeli językowych było opisanie architektury Transformer w pracy naukowej „Attention Is All You Need” z 2017 roku. Autorzy — Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser i Illia Polosukhin — zaproponowali architekturę wykorzystującą mechanizm attention. Oryginalną publikację można przeczytać w repozytorium arXiv.

“We propose a new simple network architecture, the Transformer, based solely on attention mechanisms.”
— autorzy pracy „Attention Is All You Need”, 2017.

Mechanizm attention umożliwia modelowi uwzględnianie relacji pomiędzy elementami przetwarzanej sekwencji. Dzięki temu podczas analizy zdania system może matematycznie określać, które wcześniejsze fragmenty są szczególnie istotne dla aktualnie przetwarzanego elementu. Oryginalna architektura Transformer została zaprojektowana między innymi z myślą o zadaniach związanych z tłumaczeniem maszynowym.

Co dzieje się od wpisania pytania do otrzymania odpowiedzi?

W przypadku typowego generatywnego modelu językowego proces można sprowadzić do kilku operacji:

1. użytkownik przekazuje tekst;
2. tekst zostaje przekształcony w tokeny i reprezentacje liczbowe;
3. model analizuje kontekst za pomocą wytrenowanych parametrów;
4. oblicza prawdopodobieństwa możliwych kolejnych tokenów;
5. wybierany jest kolejny token zgodnie z zastosowanymi ustawieniami generowania;
6. operacja powtarza się aż do zakończenia odpowiedzi.

To dlatego ta sama lub podobna instrukcja może w określonych konfiguracjach dawać różniące się odpowiedzi. System generatywny nie zawsze wybiera wyłącznie jedną najbardziej prawdopodobną kontynuację — sposób wyboru może zależeć od parametrów używanych podczas generowania.

Dlaczego AI może podać błędną odpowiedź?

Model językowy jest optymalizowany pod kątem generowania odpowiedniej kontynuacji tekstu, a nie automatycznego gwarantowania prawdziwości każdego zdania. Reuters wskazywał, że systemy generatywne mogą przedstawiać nieprawidłowe informacje w przekonującej formie; takie błędy są powszechnie określane jako „halucynacje”.

Dlatego wynik AI powinien być traktowany inaczej niż bezpośredni zapis w oficjalnej bazie danych czy dokument źródłowy. Szczególnie przy informacjach dotyczących prawa, zdrowia, finansów, aktualnych wydarzeń, cen i terminów konieczne jest sprawdzanie podstawy źródłowej.

Wpływ na jakość wyniku mają przede wszystkim:

• dane oraz sposób treningu modelu;
• treść i precyzja polecenia użytkownika;
• informacje znajdujące się w aktualnym kontekście;
• architektura oraz parametry systemu;
• dostęp do dodatkowych źródeł, wyszukiwarki lub innych narzędzi.

Czy AI naprawdę „rozumie” pytanie?

W technicznym opisie bezpieczniej mówić o przetwarzaniu reprezentacji danych, rozpoznawaniu zależności i generowaniu wyników niż przypisywać programowi ludzkie procesy psychiczne. Komisja Europejska w aktualnych wytycznych koncentruje definicję systemu AI na jego zdolności do wnioskowania na podstawie danych wejściowych oraz generowania wyników, które mogą oddziaływać na środowisko fizyczne lub wirtualne. Wytyczne Komisji dotyczące definicji AI są dostępne na oficjalnym portalu Komisji Europejskiej.

Komisja wyjaśnia jednocześnie, że zdolność do wnioskowania odróżnia system AI od prostego przetwarzania danych i może obejmować między innymi uczenie, rozumowanie lub modelowanie.

AI, machine learning i generatywna AI — nie są tym samym

Najważniejsze pojęcia można uporządkować następująco:

• sztuczna inteligencja (AI) — szeroka kategoria systemów wykonujących zadania związane z analizą, wnioskowaniem i generowaniem wyników;
• machine learning (ML) — podejście, w którym model uczy się zależności na podstawie danych;
• deep learning — część machine learning wykorzystująca wielowarstwowe sieci neuronowe;
• generatywna AI — modele tworzące nowe treści na podstawie poznanych struktur danych;
• LLM — duży model językowy wyspecjalizowany w przetwarzaniu i generowaniu języka.

Nie każdy system sztucznej inteligencji jest więc chatbotem i nie każda AI generuje treści. System rekomendacji produktów, algorytm klasyfikujący zdjęcia oraz duży model językowy należą do szerokiej rodziny technologii AI, ale wykonują różne zadania i mogą wykorzystywać odmienne architektury.

Najprostsza odpowiedź na pytanie „jak działa sztuczna inteligencja?” brzmi więc: komputer otrzymuje dane, przetwarza je przy użyciu określonego modelu i na podstawie wyuczonych lub zaprogramowanych zależności generuje wynik.

W nowoczesnych systemach uczenia maszynowego te zależności są w dużej mierze ustalane podczas treningu, natomiast w generatywnej AI służą później do tworzenia nowych tekstów, obrazów, dźwięku lub innych treści.

Na stronie Kryształowy Płomyk znajdziesz więcej wartościowych treści, inspiracji i praktycznych wskazówek na co dzień. Rekomendujemy także lekturę artykułu: Niższe rachunki latem – na czym realnie zaoszczędzić w wakacje