Ģeneratīvais MI salīdzinājumā ar citiem MI veidiem

Mākslīgais intelekts ir cilvēka intelekta simulācija, ko veic mašīna. Neraugoties uz seno mitoloģizāciju un gadsimtiem ilgajiem centieniem radīt mašīnas, kas spētu darboties tāpat kā cilvēki, pirmais īstais mašīnmācīšanās piemērs parādījās 1951. gadā, kad Mančestras Universitātes dambretes programma iemācījās spēlēt pietiekami labi, lai uzvarētu cilvēkus. Tas bija agrīnākais spēļu MI veids.

Mūsdienās MI ir visur, jo īpaši mūsu tālruņos un mobilajās lietotnēs, kur tas veic tādus izplatītus uzdevumus kā sejas atpazīšana, runas atpazīšana, surogātpasta filtrēšana, gramatikas ieteikumu sniegšana un valodas tulkošana.

Nav viena MI veida, kas spētu paveikt visu. Tāpat kā mēs izmantojam dažādas datorprogrammas teksta apstrādei, grāmatvedībai un digitālajai maketēšanai, ir dažādi MI veidi, kas darbojas atšķirīgi, lai sasniegtu dažādus mērķus. MI veidi, kurus varat sastapt jebkurā dienā, iedalās trīs pamatkategorijās.

Šāda veida MI veic konkrētus uzdevumus un nemācās neko vairāk. Attēlu atpazīšana, dabiskās valodas procesori un attēlu ģeneratori ir specializētā mākslīgā intelekta veidi. Siri, Google Assistant un Alexa ir specializētā mākslīgā intelekta veidi. Tie spēj saprast balss komandas un atbildēt uz tām, taču nespēj sniegt precīzas medicīniskās diagnozes.

Kā liecina nosaukums, šīs mašīnas spēj tikai reaģēt uz stimuliem, piemēram, šaha figūras kustību uz virtuālā šaha dēļa. Tās neveido atmiņas, ko varētu izgūt nākotnē kā MI mašīnas ar ierobežotu atmiņu, taču tās ir noderīgas digitālās dzīves sastāvdaļas. Surogātpasta filtri un ieteikumu sniegšanas sistēmas, kas, pamatojoties uz jūsu uzvedību, iesaka, ko jums vajadzētu skatīties turpmāk vai ko jūs varētu vēlēties iegādāties, ir reaktīvās mašīnas.

Nākamais solis MI attīstībā pēc reaktīvajām mašīnām ir MI ar ierobežotu atmiņu, kas var saglabāt zināšanas, mācīties no tām un izpildīt jaunus uzdevumus, pamatojoties uz apgūto. Šāda veida MI ir noderīgs prognožu veidošanai, un to izmanto, lai prognozētu nākotnes tendences visdažādākajās jomās, sākot ar finansēm un beidzot ar laikapstākļiem. Šis ir šobrīd visizplatītākais MI veids, kas tiek izmantots tērzēšanas robotos un pašbraucošajās automašīnās.

Tāpat kā citas MI apakšgrupas tiek veidotas specifiskiem mērķiem, arī ģeneratīvais MI ietver dažādu veidu modeļus, kas izveidoti, lai radītu visdažādāko saturu.

Teksta ģenerēšana, iespējams, ir visvairāk apspriestais MI veids, un tērzēšanas robotu MI modeļi ir kļuvuši populāri un regulāri parādās ziņās. Šos teksta ģeneratorus cilvēki izmanto visdažādākajos nolūkos, sākot ar koriģēšanu, aptauju rakstīšanu un beidzot ar koda izveidi.

MI ģeneratori, piemēram, Adobe Firefly, var pārvērst teksta uzvedni attēlā. Šos attēlus var dažādi izmantot mākslinieki, satura veidotāji un mārketinga speciālisti. MI attēlu ģeneratori, kas apmācīti, izmantojot simtiem miljonu attēlu un aprakstu, ļauj ikvienam aprakstīt vēlamo rezultātu un ātri ģenerēt jaunu attēlu, kas balstīts uz teksta aprakstu.

Mākslinieki un dizaineri var izmantot šo tehnoloģiju, lai ģenerētu jaunas idejas un izmēģinātu jaunus veidus, kā iztēloties savu darbu, neveltot stundas katram variantam. Savukārt mārketinga speciālisti un neatkarīgie satura veidotāji var ātri radīt skaistus attēlus pat tad, ja nav pieredzējuši mākslinieki.

Tāpat kā attēlu ģeneratori tiek apmācīti, izmantojot milzīgas attēlu datu kopas, MI mūzikas ģeneratori tiek apmācīti, izmantojot mūziku un metadatus. Tie spēj atpazīt mūzikas žanru un konkrētu mākslinieku darbu modeļus un radīt jaunu mūziku, balstoties uz šīm īpatnībām.

Šis ģeneratīvā MI veids apvieno visus trīs — video, skaņas un attēlu — ģenerēšanas veidus. Šie modeļi, kas apmācīti, izmantojot datus, kuri ietver audio, video un tekstu, var palīdzēt videoklipu veidotājiem ietaupīt laiku, ko tie velta rediģēšanai, titru pievienošanai, izmēru maiņai dažādām izvadēm un pat jauna video satura ģenerēšanai, balstoties uz teksta uzvednēm.