Որո՞նք են արհեստական ​​բանականության տեսակները [Տեսանյութ և թեստ]

Կարճ պատասխան. Արհեստական ​​բանականության տեսակները լավագույնս հասկացվում են հնարավորություններով, ֆունկցիոնալությամբ, մարզման ոճով և օգտագործման դեպքով: Նեղ արհեստական ​​բանականությունն այսօր տարածված է, մինչդեռ ընդհանուր արհեստական ​​բանականությունը և գերարհեստական ​​բանականությունը մնում են տեսական: Գործիք ընտրելիս համապատասխանեցրեք կատեգորիան առաջադրանքին, ներառված ռիսկերին և մարդկային կողմից վերանայման անհրաժեշտությանը:

Հիմնական եզրակացություններ՝

Դասակարգում. համակարգերը համեմատելուց առաջ առանձնացրեք հնարավորությունները, ֆունկցիոնալությունը, ուսուցման մեթոդը և օգտագործման դեպքը։

Մարդկային վերանայում. ստուգեք գեներատիվ, կանխատեսողական և խոսակցական արդյունքները, նախքան դրանց վրա հույս դնելը։

Թափանցիկություն. հարցրեք, թե ինչ տվյալներ, տրամաբանություն և սահմանափակումներ են ձևավորում յուրաքանչյուր արհեստական ​​բանականության համակարգը։

Հաշվետվողականություն. մարդկանց պատասխանատվության ենթարկել, երբ արհեստական ​​բանականությունը ազդում է որոշումների, օգտատերերի կամ անվտանգության վրա։

Ռիսկերի վերահսկում. Տեղադրումից առաջ ստուգեք կողմնակալությունը, գաղտնիությունը, անվտանգությունը և չարաշահումը։

---

1. Որո՞նք են արհեստական ​​բանականության տեսակները։

Երբ մարդիկ հարցնում են՝ «Որո՞նք են արհեստական ​​բանականության տեսակները», նրանք սովորաբար նկատի ունեն երկու բանից մեկը՝

Նրանք կարող են հարցնել արհեստական ​​բանականության մասին՝ հիմնվելով նրա կարողությունների, օրինակ՝ արդյոք այն կարող է կատարել միայն մեկ առաջադրանք կամ ավելի լայն իմաստով դատողություններ անել մարդկային նման ձևով։

Կամ նրանք կարող են հարցնել արհեստական ​​բանականության մասին՝ հիմնվելով ֆունկցիոնալության, այսինքն՝ թե ինչպես է համակարգը վարվում, սովորում, հիշում, կանխատեսում կամ արձագանքում։

Ահա թե որտեղ է ամեն ինչ մի փոքր խճճվում։ Արհեստական ​​բանականությունը չի խմբավորվում մեկ մաքուր տուփի մեջ։ Այն ավելի շատ նման է խոհանոցային գործիքները տեսակավորելուն՝ ըստ չափի, նպատակի, սրության և այն բանի, թե արդյոք ձեր հորեղբայրը դրանք գնել է կասկածելի առցանց խանութից։ Տարբեր դասակարգման համակարգերը համընկնում են։.

Հիմնական կատեգորիաները սովորաբար ներառում են

• Նեղ արհեստական ​​բանականություն

• Ընդհանուր արհեստական ​​բանականություն

• Սուպեր արհեստական ​​բանականություն

• Ռեակտիվ մեքենաներ

• Սահմանափակ հիշողության արհեստական ​​բանականություն

• Մտքի տեսություն Արհեստական ​​բանականություն

• Ինքնաճանաչող արհեստական ​​բանականություն

• Մեքենայական ուսուցման արհեստական ​​բանականություն

• Խորը ուսուցման արհեստական ​​բանականություն

• Գեներատիվ արհեստական ​​բանականություն

• Կանխատեսող արհեստական ​​բանականություն

• Զրույցային արհեստական ​​բանականություն

• Համակարգչային տեսողություն Արհեստական ​​բանականություն

• Ռոբոտաշինություն Արհեստական ​​բանականություն

Դրանցից մի քանիսը լայնորեն օգտագործվում են։ Որոշները դեռևս հիմնականում տեսական են։ Որոշները հնչում են ֆուտուրիստական, բայց արդեն իսկ ներդրված են առօրյա հավելվածներում։ «Սովորական ծրագրային ապահովման» և «արհեստական ​​բանականության» միջև սահմանը ժամանակի ընթացքում նույնպես ավելի մշուշոտ է դարձել։.

---

2. Արհեստական ​​բանականության տեսակները ըստ կարողությունների

Արհեստական ​​բանականությունը դասակարգելու առաջին հիմնական ձևը նրա կարողություններով դասակարգելն է։ Սա ամբողջական պատկերն է 🧠։.

Նեղ արհեստական ​​բանականություն

Նեղ արհեստական ​​բանականությունը, որը կոչվում է նաև թույլ արհեստական ​​բանականություն, նախատեսված է որոշակի առաջադրանք կամ առաջադրանքների սահմանափակ շարք կատարելու համար։ Սա այն արհեստական ​​բանականությունն է, որն մարդիկ օգտագործում են ամեն օր։

Օրինակներ են՝

• Որոնման առաջարկություններ

• Սպամի զտիչներ

• Ձայնային օգնականներ

• Դեմքի ճանաչման համակարգեր

• Չաթբոտներ

• Արտադրանքի առաջարկության շարժիչներ

• Խարդախության հայտնաբերման գործիքներ

• Լեզվի թարգմանության հավելվածներ

Նեղ արհեստական ​​բանականությունը կարող է հզոր լինել, բայց այն «մտածող» չէ լայն մարդկային իմաստով: Շախմատային արհեստական ​​բանականությունը կարող է հաղթել գրոսմայստերի, բայց այն չի կարող հանկարծ որոշել դառնալ հրուշակագործ: Թարգմանության մոդելը կարող է թարգմանել պարբերություն, բայց այն լեզուն չի ընկալում այնպես, ինչպես մարդը:.

Այնուամենայնիվ, նեղ արհեստական ​​բանականությունը ժամանակակից արհեստական ​​բանականության աշխարհի հիմնական շարժիչ ուժն է։ Այն գիտաֆանտաստիկ առումով հմայիչ չէ, բայց վարագույրի ետևում շոուի մեծ մասն է ղեկավարում 🎭։.

Ընդհանուր արհեստական ​​բանականություն

Ընդհանուր արհեստական ​​բանականությունը վերաբերում է արհեստական ​​բանականությանը, որը կարող է հասկանալ, սովորել, դատողություններ անել և կիրառել գիտելիքները բազմաթիվ տարբեր առաջադրանքների կատարման ժամանակ՝ մարդկային մակարդակով։

Պարզ ասած՝ այն միայն մեկ բան լավ չէր անելու։ Այն կարող էր հարմարվել։.

Իսկական ընդհանուր արհեստական ​​բանականությունը կարող է պոտենցիալ՝

• Սովորեք անծանոթ առաջադրանքներ

• Պատճառաբանություն տարբեր առարկաների վերաբերյալ

• Լուծեք նոր խնդիրներ

• Գիտելիքների փոխանցում մեկ ոլորտից մյուսը

• Ավելի խորը հասկացեք համատեքստը

• Որոշումներ կայացրեք ճկուն դատողությամբ

Այս տեսակի արհեստական ​​բանականությունը դեռևս ավելի շատ նպատակ է, քան առօրյա իրականություն։ Մարդիկ շատ են խոսում դրա մասին, քանի որ այն հետաքրքրաշարժ է, գուցե մի փոքր անհանգստացնող և դժվար է դիմադրել որպես հասկացություն։ Սակայն տեքստ գրող, պատկերներ ստեղծող կամ հարցերին պատասխանող սովորական գործիքները ավտոմատ կերպով ընդհանուր արհեստական ​​բանականություն չեն։ Դրանք կարող են լայն թվալ, բայց միևնույն է գործում են նախատեսված սահմաններում։.

Սուպեր արհեստական ​​բանականություն

Սուպեր արհեստական ​​բանականությունը կգերազանցի մարդկային ինտելեկտը։ Ոչ միայն ավելի արագ մուտքագրում կամ ավելի լավ մաթեմատիկա՝ այլև գերազանց դատողություն, ստեղծագործականություն, ռազմավարություն, ուսուցում և, հնարավոր է, նաև հուզական կամ սոցիալական հասկացողություն։

Սա ամենասպեկուլյատիվ կատեգորիան է։ Այն մեծ հարցեր է առաջացնում

• Ո՞վ է այն վերահսկում։

• Կարո՞ղ է այն համապատասխանել մարդկային արժեքներին։

• Արդյո՞ք այն ճիշտ կհասկանա մարդկային նպատակները։

• Կարո՞ղ է այն ինքն իրեն կատարելագործել։

• Ի՞նչ կլինի, եթե այն որոշումներ կայացնի, որոնք մարդիկ չեն կարող հետևել։

Սուպեր արհեստական ​​բանականությունը այն վայրն է, որտեղ արհեստական ​​բանականության շուրջ զրույցները երբեմն վերածվում են փիլիսոփայական «ապուրի»։ Արժեքավոր «ապուր», գուցե, բայց միևնույն է, «ապուր» 🍲։.

---

3. Արհեստական ​​բանականության տեսակները ըստ ֆունկցիոնալության

Արհեստական ​​բանականության տեսակները բացատրելու մեկ այլ տարածված եղանակ ֆունկցիոնալությունն է։ Սա կենտրոնանում է այն բանի վրա, թե ինչպես է արհեստական ​​բանականությունը գործում։

Ռեակտիվ մեքենաներ

Ռեակտիվ մեքենաները արհեստական ​​ինտելեկտի ամենապարզ տեսակն են։ Դրանք արձագանքում են ընթացիկ մուտքային ազդանշաններին՝ առանց անցյալի փորձից հիշողությունն օգտագործելու։

Նրանք ժամանակի ընթացքում չեն սովորում այնպես, ինչպես ժամանակակից ադապտիվ համակարգերը։ Նրանք նայում են իրավիճակին, մշակում այն ​​և արձագանքում։.

Պատկերացրեք դրանք այսպես. «Մուտքային տվյալները մուտքագրվում են։ Արտածվում են։ Օրագրային գրառումներ չկան»։

Ռեակտիվ արհեստական ​​բանականությունը դեռ կարող է տպավորիչ լինել։ Այն կարող է վերլուծել խաղի հնարավոր քայլերը կամ արձագանքել հստակ սահմանված իրավիճակին՝ ծայրահեղ արագությամբ և ճշգրտությամբ։ Սակայն այն չի կառուցում անձնական պատմություն կամ չի զարգանում անցյալի փոխազդեցությունների հիման վրա։.

Սահմանափակ հիշողության արհեստական ​​բանականություն

Սահմանափակ հիշողություն ունեցող արհեստական ​​բանականությունը կարող է օգտագործել անցյալի տվյալները՝ ավելի լավ որոշումներ կայացնելու համար: Սա այն կատեգորիան է, որտեղ տեղակայված է այսօրվա գործնական արհեստական ​​բանականության մեծ մասը:

Օրինակներ են՝

• Առաջարկությունների համակարգեր, որոնք սովորում են օգտատիրոջ վարքից

• Ինքնավար մեքենաների համակարգեր, որոնք վերլուծում են վերջին ճանապարհային պայմանները

• Չաթբոտները հիշում են զրույցի համատեքստը

• Խարդախության հայտնաբերման մոդելներ, որոնք սովորում են գործարքների օրինաչափություններից

• Կանխատեսողական վերլուծության գործիքներ՝ օգտագործելով պատմական տվյալներ

Սահմանափակ հիշողությունը չի նշանակում «վատ հիշողություն»։ Դա նշանակում է, որ համակարգը կարող է օգտագործել պահված կամ վերջերս ստացված տվյալներ, բայց այն չունի մարդկային գիտակցություն կամ երկարատև անձնական փորձ։ Այնուամենայնիվ, այն կարող է լինել շատ արդյունավետ։ Երբեմն նյարդայնացնողորեն արդյունավետ է, օրինակ՝ երբ գնումների հավելվածը գիտի, թե ինչ եք ուզում, նախքան դուք ինքներդ ձեզ խոստովանեք դա 🛒։.

Մտքի տեսություն Արհեստական ​​բանականություն

Մտքի տեսությունը արհեստական ​​բանականությունը կհասկանա զգացմունքները, համոզմունքները, մտադրությունները և սոցիալական ազդանշանները ավելի մարդկային ձևով։

Այս տեսակի արհեստական ​​բանականությունը պարզապես բառեր չի մշակի։ Այն կեզրակացնի, թե ինչ կարող է մարդը զգալ, ցանկանալ, սխալ հասկանալ, վախենալ կամ ակնկալել։.

Օրինակ, այն կարող է հասկանալ, որ

• Հաճախորդը հիասթափված է, բայց փորձում է քաղաքավարի մնալ

• Ուսանողը շփոթված է, բայց ամաչում է կրկին հարցնել

• Հիվանդը անհանգիստ է, չնայած «ես լավ եմ» ասելուն

• Թիմակիցը տատանվում է, քանի որ նա լուռ համաձայն չէ

Սա մնում է արհեստական ​​բանականության քննարկման ակտիվ թեմա, բայց իրական «մտքի տեսություն» արհեստական ​​բանականությունը չափազանց դժվար է։ Մարդկային զգացմունքները խճճված են։ Մարդիկ ասում են մեկ բան, իսկ նկատի ունեն՝ մեկ այլ բան։ Երբեմն նրանք նույնիսկ իրենք չգիտեն, թե ինչ են նկատի ունենում։ Հաջողություն, մեքենա։.

Ինքնաճանաչող արհեստական ​​բանականություն

Ինքնաճանաչ արհեստական ​​բանականությունը կունենա գիտակցություն, ինքնաճանաչում և իր ներքին վիճակի գիտակցում։

Սա տեսական է։ Այն պատկանում է գիտաֆանտաստիկ ժանրին, էթիկայի հանձնաժողովներին, ուշ գիշերային վեճերին և պատուհաններից դուրս դրամատիկորեն նայող մարդկանց 🌙։.

Ինքնաճանաչող արհեստական ​​բանականությունը պարզապես չի մոդելավորի զգացմունքների մասին զրույցը։ Այն կունենա որոշակի սուբյեկտիվ փորձառություն։ Սա հսկայական պնդում է։ Ներկայիս արհեստական ​​բանականության համակարգերը չունեն ստուգված գիտակցություն, զգացմունքներ, ցանկություններ կամ «ես»-ի դրսևորում։.

Նրանք կարող են ինքնագիտակից հնչել, քանի որ լեզուն կարող է ընդօրինակել ինքնավերլուծությունը: Սակայն ինչ-որ բանի պես հնչելը և ինչ-որ բան լինելը նույնը չեն: Թութակը կարող է ասել. «Ես քաղցած եմ», բայց դա չի նշանակում, որ նա ռեստորանում ամրագրում ունի:.

---

4. Համեմատական ​​աղյուսակ. Արհեստական ​​բանականության հիմնական տեսակները

Արհեստական ​​բանականության տեսակը	Գլխավոր գաղափար	Ընթացիկ կարգավիճակը	Հաճախակի օրինակներ	Ինչու է դա կարևոր
Նեղ արհեստական ​​բանականություն	Ստեղծված է կոնկրետ առաջադրանքների համար	Լայնորեն օգտագործվող	Չաթբոտներ, որոնում, առաջարկություններ	Գործնական և ամենուրեք
Ընդհանուր արհեստական ​​բանականություն	Մարդու նման ճկուն ինտելեկտ	Լիովին չի իրականացվել	Հիմնականում տեսական	Մեծ նպատակ, մեծ քննարկում
Սուպեր արհեստական ​​բանականություն	Ավելի խելացի, քան մարդիկ, ընդհանուր առմամբ	Սպեկուլյատիվ	Գործնական օրինակ չկա	Մեծ էթիկական հարցեր
Ռեակտիվ մեքենաներ	Պատասխանում է առանց հիշողության	Օգտագործվում է սահմանափակ դեպքերում	Խաղային արհեստական ​​բանականություն, կանոնների վրա հիմնված համակարգեր	Արագ, բայց ոչ հարմարվողական
Սահմանափակ հիշողության արհեստական ​​բանականություն	Օգտագործում է տվյալներ/պատմություն՝ բարելավելու համար	Շատ տարածված	Ինքնավար համակարգեր, խարդախության գործիքներ	Սա ամենօրյա վարորդն է 🚗
Մտքի տեսություն Արհեստական ​​բանականություն	Հասկանում է զգացմունքներն ու մտադրությունները	Մշակվող հայեցակարգ	Սոցիալական արհեստական ​​բանականության առաջադեմ գաղափարներ	Կարող է արհեստական ​​բանականությունն ավելի մարդասիրական դարձնել
Ինքնաճանաչող արհեստական ​​բանականություն	Գիտակցություն ունի	Տեսական	Գիտաֆանտաստիկ ոճի օրինակներ	Փիլիսոփայորեն հսկայական
Գեներատիվ արհեստական ​​բանականություն	Ստեղծում է նոր բովանդակություն	Լայնորեն օգտագործվող	Տեքստի, պատկերի, ձայնի գործիքներ	Ստեղծագործական արտադրողականության բարձրացում
Կանխատեսող արհեստական ​​բանականություն	Կանխատեսում է արդյունքները	Լայնորեն օգտագործվող	Ռիսկերի գնահատում, պահանջարկի պլանավորում	Օգնում է որոշումներ կայացնել՝ հիմնականում
Ռոբոտաշինություն Արհեստական ​​բանականություն	Կառավարում է ֆիզիկական մեքենաները	Օգտագործվում է արդյունաբերություններում	Ռոբոտներ, անօդաչու թռչող սարքեր, ավտոմատացում	Կապում է արհեստական ​​բանականությունը ֆիզիկական աշխատանքի հետ

Մի փոքր անհավասար՞։ Այո՛։ Բայց արհեստական ​​բանականությունն այդպես է գործում նաև առօրյա կյանքում՝ ոչ թե թանգարանային ցուցադրություն՝ կատարյալ պիտակներով։.

---

5. Գեներատիվ արհեստական ​​բանականություն. Տեսակը, որի մասին բոլորը խոսում են 🎨

Գեներատիվ արհեստական ​​բանականությունը արհեստական ​​բանականության ամենատարածված տեսակներից մեկն է, քանի որ այն ստեղծում է իրեր։

Այն կարող է առաջացնել

• Տեքստ

• Պատկերներ

• Երաժշտություն

• Կոդ

• Տեսանյութ

• Ապրանքի նկարագրությունները

• Մարքեթինգային տեքստ

• Դասի պլաններ

• Ամփոփագրեր

• Սինթետիկ տվյալներ

• Դիզայնի գաղափարներ

Գեներատիվ արհեստական ​​բանականությունը գործում է՝ մեծ քանակությամբ տվյալներից սովորելով օրինաչափություններ, ապա հուշումների հիման վրա ստեղծելով նոր արդյունքներ։ Այն չի պատճենում այն ​​պարզ իմաստով, ինչպես մարդիկ երբեմն պատկերացնում են։ Այն կանխատեսում, համատեղում, փոփոխում և ստեղծում է՝ հիմնվելով սովորած կառուցվածքների վրա։.

Այնուամենայնիվ, այն դեռ կարող է սխալներ թույլ տալ: Այն կարող է վստահ հնչել, միաժամանակ սխալվելով, ինչը, ըստ էության, ընտանեկան խորովածի ժամանակ հարկային օրենսդրությունը բացատրող մեկի մեքենայական տարբերակն է:.

Գեներատիվ արհեստական ​​բանականությունը արժեքավոր է հետևյալի համար

• Մտքերի փոթորիկ

• Նախագծային բովանդակության կազմում

• Կրկնվող գրելու ավտոմատացում

• Տեսողական կոնցեպտների ստեղծում

• Աջակցող հաճախորդների սպասարկում

• Արագացնելով կոդավորման առաջադրանքները

• Ուսումնական նյութերի անհատականացում

Բայց այն վերանայման կարիք ունի։ Միշտ։ Արհեստական ​​բանականության արդյունքը կարող է տպավորիչ լինել, բայց այն ավտոմատ կերպով ճշգրիտ, արդար, օրինական կամ ապրանքանիշի համար անվտանգ չէ։ Ժամանակ առ ժամանակ վերաբերվեք դրան որպես շատ արագ օգնականի՝ գրեմլինների միտումներով։.

---

6. Մեքենայական ուսուցում՝ արհեստական ​​բանականություն. օրինաչափությունների որոնիչ

Մեքենայական ուսուցումը արհեստական ​​բանականության հիմնական ճյուղերից է, որտեղ համակարգերը տվյալներից սովորում են օրինաչափություններ՝ յուրաքանչյուր որոշման համար տող առ տող ծրագրավորվելու փոխարեն։

Ավանդական ծրագրային ապահովումը հետևում է հստակ կանոնների: Մեքենայական ուսուցման համակարգերը նույնականացնում են հարաբերությունները և բարելավում են կատարողականը ուսուցման միջոցով:.

Օրինակ՝

• Սփամի ֆիլտրը սովորում է, թե ինչ տեսք ունեն կասկածելի էլ.փոստերը

• Բանկային մոդելը հայտնաբերում է անսովոր գործարքային վարքագիծ

• Հոսքային հավելվածը հաղորդումներ է առաջարկում՝ հիմնվելով դիտման սովորությունների վրա

• Վարձման գործիքը կարող է դասակարգել թեկնածուներին՝ հիմնվելով սահմանված ազդանշանների վրա

• Բժշկական պատկերագրական մոդելը կարող է ընդգծել հնարավոր աննորմալությունները

Մեքենայական ուսուցումը կարող է լինել վերահսկվող, չվերահսկվող կամ ամրապնդման վրա հիմնված։.

Վերահսկվող ուսուցում

Վերահսկվող ուսուցումն օգտագործում է պիտակավորված օրինակներ: Օրինակ՝ պատկերները կարող են պիտակավորված լինել «կատու» կամ «ոչ թե կատու»: Մոդելը սովորում է տարբերությունը:

Անվերահսկելի ուսուցում

Անվերահսկելի ուսուցումը փնտրում է օրինաչափություններ՝ առանց պիտակավորված պատասխանների։ Այն կարող է խմբավորել հաճախորդներին հատվածների կամ հայտնաբերել թաքնված կլաստերներ տվյալների մեջ։

Ուժեղացված ուսուցում

Ուժեղացված ուսուցումը սովորում է՝ գործողությունների համար պարգևներ կամ տույժեր ստանալով: Սա տարածված է խաղերի արհեստական ​​բանականության, ռոբոտաշինության և օպտիմալացման խնդիրներում:

Մեքենայական ուսուցումը կախարդանք չէ։ Այն մեծապես կախված է տվյալների որակից։ Վատ տվյալները հանգեցնում են վատ մոդելների՝ աղբ մտնելով, աղբը հանելով՝ խելացի բլեյքից։.

---

7. Խորը ուսուցման արհեստական ​​բանականություն. Նեյրոնային ցանցի հզոր կենտրոն 🧬

Խորը ուսուցումը մեքենայական ուսուցման մասնագիտացված տեսակ է, որն օգտագործում է շերտավոր նեյրոնային ցանցեր՝ բարդ օրինաչափություններ մշակելու համար։

Այն հատկապես արժեքավոր է հետևյալի համար

• Խոսքի ճանաչում

• Պատկերի ճանաչում

• Բնական լեզվի մշակում

• Ինքնավար համակարգեր

• Բժշկական պատկերի վերլուծություն

• Թարգմանություն

• Գեներատիվ արհեստական ​​բանականության մոդելներ

• Բարդ կանխատեսման առաջադրանքներ

«Խորը» մասը վերաբերում է մոդելի բազմաթիվ շերտերին: Յուրաքանչյուր շերտ օգնում է փոփոխել և մեկնաբանել տեղեկատվությունը: Մեկ շերտը կարող է հայտնաբերել պատկերի մեջ պարզ ձևեր, մյուսը՝ հյուսվածքներ, մեկ այլ շերտը՝ օբյեկտներ և այլն:.

Խորը ուսուցումը կարող է ապշեցուցիչ արդյունքներ տալ, սակայն այն հաճախ պահանջում է հսկայական քանակությամբ տվյալներ և հաշվողական հզորություն։ Այն նաև կարող է ավելի դժվար լինել մեկնաբանելու համար։ Սա նշանակում է, որ նույնիսկ փորձագետները կարող են դժվարանալ բացատրել, թե ինչու է խորը մոդելը կայացրել որոշակի որոշում։.

Սա արհեստական ​​բանականության մեջ վստահության մեծ խնդիրներից մեկն է. կատարողականը կարող է բարձր լինել, բայց բացատրելիությունը՝ անորոշ։ Ինչպես փորձել բլենդերից հարցնել, թե ինչու է սմուզին տհաճ համ ունենում։.

---

8. Խոսակցական արհեստական ​​բանականություն. խոսակցական տեսակը

Զրույցային արհեստական ​​բանականությունը նախատեսված է մարդկանց հետ տեքստի կամ ձայնի միջոցով շփվելու համար։

Այն ներառում է

• Հաճախորդների սպասարկման չաթբոտներ

• Ձայնային օգնականներ

• Վիրտուալ գործակալներ

• Արհեստական ​​բանականության դասատուներ

• Ներքին օգնության ծառայության բոտեր

• Վաճառքի օգնականներ

• Ժամանակացույցի օգնականներ

Լավ խոսակցական արհեստական ​​բանականությունը կարիք ունի ոչ միայն քերականության։ Այն կարիք ունի համատեքստի, մտադրության ճանաչման, տոնի կառավարման և անկանխատեսելի մարդկային մուտքային ազդանշանները կառավարելու կարողության։.

Մարդիկ կատարյալ հրամաններ չեն տալիս։ Նրանք շատախոսում են։ Նրանք սխալ են գրում։ Նրանք կես հարց են տալիս և սպասում, որ մեքենան «կհասկանա»։ Դուք գիտեք, թե ինչպես է դա։.

Սովորական չաթբոտը կարող է հետևել սկրիպտի։ Ավելի առաջադեմ խոսակցական արհեստական ​​բանականությունը կարող է հասկանալ բնական լեզուն, պահպանել համատեքստը և ստեղծել ճկուն պատասխաններ։.

Այս տեսակի արհեստական ​​բանականությունը արժեքավոր է, քանի որ այն նվազեցնում է կրկնվող աշխատանքը և ապահովում է արագ աջակցություն: Սակայն այն կարող է հիասթափեցնել օգտատերերին, երբ ձևացնում է, թե հասկանում է, բայց չի հասկանում: Ամենավատ տարբերակը չաթբոտն է, որն ասում է. «Ես ուրախ եմ օգնել», մինչդեռ ընդհանրապես օգնություն չի տրամադրում: Ցավոտ է:.

---

9. Համակարգչային տեսողություն, արհեստական ​​բանականություն. մեքենաներ, որոնք «տեսնում» են 👀

Համակարգչային տեսողություն։ Արհեստական ​​բանականությունը թույլ է տալիս համակարգերին մեկնաբանել տեսողական տեղեկատվությունը պատկերներից, տեսանյութերից, տեսախցիկներից, սենսորներից կամ սկանավորումներից։

Այն կարող է օգտագործվել հետևյալի համար՝

• Դեմքի ճանաչում

• Օբյեկտի հայտնաբերում

• Որակի ստուգում գործարաններում

• Բժշկական պատկերագրություն

• Անվտանգության մոնիթորինգ

• Մանրածախ առևտրի դարակների վերլուծություն

• Երթևեկության հայտնաբերում

• Լրացված իրականություն

• Գյուղատնտեսության մոնիթորինգ

Համակարգչային տեսողությունը չի տեսնում այնպես, ինչպես մարդիկ են տեսնում։ Այն մշակում է պիքսելներ, նախշեր, ձևեր, գույներ և վիճակագրական ազդանշաններ։ Սակայն արդյունքները կարող են շատ հզոր լինել։.

Օրինակ՝ համակարգչային տեսողությունը կարող է օգնել արտադրական գծում թերությունները հայտնաբերել ավելի արագ, քան ձեռքով ստուգումը։ Այն կարող է օգնել կազմակերպել պատկերների գրադարանները։ Այն կարող է աջակցել տրանսպորտային միջոցների անվտանգության համակարգերին։ Այն նաև կարող է բարձրացնել գաղտնիության հետ կապված մտահոգությունները, հատկապես, երբ օգտագործվում է հսկողության կամ նույնականացման համար։.

Դա երկկողմանի պատառաքաղն է՝ ոչ թե սուր, այլ պատառաքաղ։ Դեռևս բավականաչափ սուր է՝ խնդիրներ առաջացնելու համար 🍴։.

---

10. Կանխատեսող արհեստական ​​բանականություն. Կանխատեսման շարժիչ

Կանխատեսող արհեստական ​​բանականությունը տվյալներ է օգտագործում՝ գնահատելու համար, թե ինչ կարող է տեղի ունենալ հաջորդիվ։

Այն տարածված է բիզնեսում, ֆինանսներում, առողջապահության մեջ, լոգիստիկայում, սպորտային վերլուծության, մարքեթինգի և գործառնությունների ոլորտներում։.

Կանխատեսող արհեստական ​​բանականությունը կարող է օգնել պատասխանել հետևյալ հարցերին

• Ո՞ր հաճախորդներն են, ամենայն հավանականությամբ, հեռանալու։

• Ո՞ր գործարքն է կասկածելի թվում։

• Որքա՞ն պաշար կպահանջվի։

• Ո՞ր հիվանդը կարող է լրացուցիչ ուշադրության կարիք ունենալ։

• Ի՞նչ բովանդակության վրա է օգտատերը հավանաբար սեղմելու։

• Ո՞ր մեքենայի մասը կարող է շուտով խափանվել։

Այս տեսակի արհեստական ​​բանականությունը պակաս աչքի ընկնող է, քան գեներատիվ արհեստական ​​բանականությունը, բայց այն չափազանց կարևոր է։ Շատ կազմակերպություններ պակաս են հետաքրքրվում պոեզիա գրող մոդելով և ավելի շատ՝ արդյոք այն կարող է կրճատել թափոնները, իջեցնել ռիսկերը և բարելավել պլանավորումը։.

Կանխատեսող արհեստական ​​բանականությունն ամենալավն է աշխատում, երբ տվյալները համապատասխան են, մաքուր և պարբերաբար թարմացվում են։ Սակայն կանխատեսումը երբեք անկասկած չէ։ Մոդելը կարող է գնահատել հավանականությունները, այլ ոչ թե երաշխավորել արդյունքները։ Մարդիկ անընդհատ մոռանում են սա։ Այնուհետև նրանք մեղադրում են արհեստական ​​բանականությանը, կարծես այն անձամբ դավաճանել է իրենց։.

---

11. Ռոբոտաշինություն, արհեստական ​​բանականություն. Երբ արհեստական ​​բանականությունը մարմին է ստանում 🤖

Ռոբոտաշինական արհեստական ​​բանականությունը համատեղում է արհեստական ​​բանականությունը ֆիզիկական մեքենաների հետ։ Ահա թե որտեղ է արհեստական ​​բանականությունը լքում էկրանը և սկսում շարժվել աշխարհով մեկ։

Օրինակներ են՝

• Պահեստային ռոբոտներ

• Արտադրական ռոբոտներ

• Առաքման ռոբոտներ

• Գյուղատնտեսական ռոբոտներ

• Վիրաբուժական օգնության համակարգեր

• Անօդաչու թռչող սարքեր

• Ստուգող ռոբոտներ

• Մաքրող ռոբոտներ

• Մարդանման հետազոտական ​​ռոբոտներ

Ռոբոտաշինության արհեստական ​​բանականությունը դժվար է, քանի որ ֆիզիկական միջավայրը անկանխատեսելի է։ Չաթբոտը պետք է զբաղվի միայն բառերով։ Ռոբոտը պետք է զբաղվի սայթաքուն հատակներով, վատ լուսավորությամբ, անհարթ մակերեսներով, շարժվող մարդկանցով, սենսորային սխալներով և աթոռը ամենավատ տեղում թողած մեկի հետ։.

Ռոբոտաշինությունը հաճախ համատեղում է արհեստական ​​բանականության մի քանի տեսակներ՝

• Համակարգչային տեսողություն տեսնելու համար

• Մեքենայական ուսուցում հարմարվողականության համար

• Շարժման պլանավորման ալգորիթմներ

• Ուժեղացված ուսուցում որոշումների կայացման համար

• Բնական լեզվի մշակում մարդկային հրամանների համար

Ռոբոտաշինության արհեստական ​​բանականությունը հսկայական ներուժ ունի, հատկապես վտանգավոր կամ կրկնվող աշխատանքներում: Սակայն այն նաև թանկ է, բարդ և ֆիզիկապես ռիսկային, երբ համակարգերը խափանվում են:.

---

12. Մարզման ոճի վրա հիմնված արհեստական ​​բանականություն

Արհեստական ​​բանականության տեսակների մասին մտածելու մեկ այլ արժեքավոր միջոց է նրանց մարզման եղանակը։.

Կանոնների վրա հիմնված արհեստական ​​բանականություն

Կանոնների վրա հիմնված արհեստական ​​բանականությունը հետևում է մարդու կողմից ստեղծված տրամաբանությանը: Օրինակ՝

• Եթե ​​սա տեղի ունենա, արեք դա

• Եթե ​​օգտատերը ընտրում է այս տարբերակը, ցույց տվեք այդ պատասխանը

• Եթե ​​արժեքը գերազանցում է շեմը, ակտիվացնել ահազանգը

Սա պարզ է, կանխատեսելի և օգտակար կառուցվածքային առաջադրանքների համար։ Սակայն այն դժվարանում է անորոշության հետ կապված խնդիրներ ունենալ։.

Տվյալներով մարզված արհեստական ​​բանականություն

Տվյալների վրա հիմնված արհեստական ​​բանականությունը սովորում է օրինակներից։ Այն կարող է հաղթահարել ավելի մեծ բարդություն, քանի որ այն նույնականացնում է օրինաչափություններ՝ հիմնվելով միայն ֆիքսված կանոնների վրա։.

Ահա թե որտեղ են համադրվում մեքենայական ուսուցումը և խորը ուսուցումը։.

Հիբրիդային արհեստական ​​բանականություն

Հիբրիդային արհեստական ​​բանականությունը համատեղում է կանոնների վրա հիմնված տրամաբանությունը մեքենայական ուսուցման հետ: Շատ գործնական համակարգերում սա պրագմատիկ ընտրություն է: Դուք ստանում եք ուսուցման համակարգերի ճկունությունը՝ գումարած կանոնների վերահսկողությունը:.

Օրինակ, բանկային խարդախության համակարգը կարող է օգտագործել մեքենայական ուսուցում՝ կասկածելի վարքագիծը հայտնաբերելու համար, այնուհետև կիրառել խիստ կանոններ համապատասխանության ստուգման համար։ Ոչ այնքան հմայիչ։ Շատ անհրաժեշտ։.

---

13. Ի՞նչն է արհեստական ​​բանականության տեսակները շփոթեցնող դարձնում։

Ամենամեծ շփոթությունն այն է, որ մարդիկ արհեստական ​​բանականության կատեգորիաները տարբեր ձևերով են օգտագործում։.

Մեկը կարող է ասել «արհեստական ​​բանականության տեսակներ» և նկատի ունենալ նեղ, ընդհանուր և գերինտելեկտ։.

Մեկ այլ անձ կարող է նկատի ունենալ գեներատիվ արհեստական ​​բանականություն, կանխատեսող արհեստական ​​բանականություն և խոսակցական արհեստական ​​բանականություն։.

Մշակողը կարող է խոսել վերահսկվող ուսուցման, խորը ուսուցման, նեյրոնային ցանցերի կամ ամրապնդող ուսուցման մասին։.

Բիզնես մենեջերը կարող է խոսել ավտոմատացման, վերլուծության, անհատականացման և հաճախորդների աջակցության արհեստական ​​բանականության մասին։.

Բոլորն էլ մասամբ ճիշտ են։ Նյարդայնացնող է, բայց ճիշտ է։.

AI-ն դասակարգվում է հետևյալ կերպ

• Կարողություն

• Ֆունկցիոնալություն

• Մարզման մեթոդ

• Կիրառման ոլորտ

• Տեխնիկական ճարտարապետություն

• Ինքնավարության մակարդակը

• Մուտքի և ելքի տեսակը

• Արդյունաբերության օգտագործման դեպք

Այսպիսով, երբ մեկը հարցնում է. «Ի՞նչ տեսակի արհեստական ​​բանականություն է սա», ամենահստակ պատասխանը կարող է լինել շերտավոր։.

Օրինակ՝ չաթբոտը կարող է լինել՝

• Նեղացնել արհեստական ​​բանականությունը ըստ կարողությունների

• Սահմանափակ հիշողություն՝ արհեստական ​​բանականություն ֆունկցիոնալության շնորհիվ

• Խոսակցական արհեստական ​​բանականություն՝ հավելվածի միջոցով

• Գեներատիվ արհեստական ​​բանականություն, եթե այն ստեղծում է պատասխաններ

• Խորը ուսուցման արհեստական ​​բանականություն, եթե այն աշխատում է նեյրոնային ցանցերի վրա

Դա զվարճանքի համար չափազանց բարդացում չէ։ Պարզապես դաշտի աշխատանքի ձևն է։.

---

14. Արհեստական ​​բանականության տեսակների գործնական օրինակներ

Ահա մի քանի առօրյա օրինակներ՝ կատեգորիաները ավելի հեշտ ըմբռնելու համար։.

Հոսքային հեռարձակման առաջարկություններ 🎬

Սա նեղ արհեստական ​​բանականություն է, կանխատեսող արհեստական ​​բանականություն և մեքենայական ուսուցում։ Այն ուսումնասիրում է օրինաչափությունները և խորհուրդ է տալիս, թե ինչ կարող եք դիտել հաջորդիվ։.

Ձայնային օգնականներ 🎙️

Սրանք օգտագործում են խոսակցական արհեստական ​​բանականություն, բնական լեզվի մշակում, խոսքի ճանաչում և սահմանափակ հիշողության գործառույթներ։.

Պատկերի գեներատորներ 🖼️

Սրանք գեներատիվ արհեստական ​​բանականության համակարգեր են, որոնք հաճախ աշխատում են խորը ուսուցման մոդելների վրա։.

Խարդախության հայտնաբերման համակարգեր 💳

Սրանք օգտագործում են կանխատեսող արհեստական ​​բանականություն և մեքենայական ուսուցում՝ անսովոր գործունեությունը նշելու համար։.

Ինքնավար վարորդական հնարավորություններ 🚗

Սրանք համատեղում են համակարգչային տեսողությունը, սահմանափակ հիշողության արհեստական ​​բանականությունը, ռոբոտաշինությանը վերաբերող արհեստական ​​բանականությունը, սենսորների միաձուլումը և որոշումների կայացման մոդելները։.

Էլ․փոստի սպամի ֆիլտրեր 📩

Սրանք դասական մեքենայական ուսուցման արհեստական ​​բանականություն են։ Ոչ թե հմայիչ, բայց շատ արժեքավոր։.

Արհեստական ​​​​ինտելեկտով գրելու գործիքներ ✍️

Սրանք են գեներատիվ արհեստական ​​բանականությունը և խոսակցական արհեստական ​​բանականությունը, որոնք սովորաբար կառուցվում են մեծ լեզվական մոդելների միջոցով։.

Կարևորը հետևյալն է. մեկ արհեստական ​​բանականության արտադրանքը կարող է միաժամանակ պատկանել մի քանի կատեգորիաների։.

---

15. Արհեստական ​​բանականության տեսակները հասկանալու առավելությունները

Արհեստական ​​բանականության տեսակների իմացությունը կօգնի ձեզ ավելի լավ որոշումներ կայացնել, հատկապես, եթե արհեստական ​​բանականությունն օգտագործում եք աշխատանքի, բիզնեսի, ուսման կամ բովանդակության ստեղծման համար։.

Այն օգնում է ձեզ

• Ընտրեք ճիշտ գործիքը

• Խուսափեք անիրատեսական սպասումներից

• Հասկացեք ռիսկերը

• Ավելի լավ հարցեր տվեք

• Գնահատեք արհեստական ​​բանականության պահանջները

• Սփոթ մարքեթինգի չափազանցություն

• Օգտագործեք արհեստական ​​բանականությունն ավելի պատասխանատու կերպով

• Բացատրեք արհեստական ​​բանականությունը ուրիշներին՝ առանց շփոթված ռոբոտի պես հնչելու

Օրինակ, եթե գործիքը կանխատեսող արհեստական ​​բանականություն է, ապա դուք գիտեք, որ այն կանխատեսում է հավանականությունները։ Այն չպետք է դիտարկվի որպես գուշակի։.

Եթե ​​գործիքը գեներատիվ արհեստական ​​բանականություն է, դուք գիտեք, որ այն ստեղծում է բովանդակություն, բայց բովանդակությունը դեռ ստուգման կարիք ունի։.

Եթե ​​համակարգը նեղ արհեստական ​​բանականություն է, դուք գիտեք, որ այն կարող է գերազանց լինել մեկ ոլորտում, բայց անարդյունավետ լինել իր շրջանակից դուրս։.

Միայն դա կփրկի շատ գլխացավերից։.

---

16. Արհեստական ​​բանականության տեսակների ռիսկերն ու սահմանափակումները ⚠️

Արհեստական ​​բանականության յուրաքանչյուր տեսակ ունի սահմանափակումներ: Տարբեր համ, նույն ապուրի ամանը:.

տարածված ռիսկերը ներառում են.

• Մարզման տվյալների կողմնակալություն

• Սխալ արդյունքներ

• Թափանցիկության պակաս

• Գաղտնիության հետ կապված մտահոգություններ

• Չափից շատ կախվածություն

• Անվտանգության խոցելիություններ

• Չարաշահում

• Մարդկային վատ վերահսկողություն

• Շփոթելով սահունությունը ճշմարտության հետ

Գեներատիվ արհեստական ​​բանականությունը կարող է հորինել տեղեկատվություն: Կանխատեսող արհեստական ​​բանականությունը կարող է ամրապնդել կողմնակալ օրինաչափությունները: Համակարգչային տեսողությունը կարող է սխալմամբ նույնականացնել մարդկանց կամ առարկաները: Խոսակցական արհեստական ​​բանականությունը կարող է հիասթափեցնել օգտատերերին՝ կեղծ վստահություն առաջացնելով: Ռոբոտաշինական արհեստական ​​բանականությունը կարող է ֆիզիկական վնաս պատճառել, եթե վատ նախագծված լինի:.

Սա չի նշանակում, որ արհեստական ​​բանականությունը վատ է։ Դա նշանակում է, որ արհեստական ​​բանականությունը պետք է օգտագործվի դատողությամբ։ Ինչպես էլեկտրական գործիքները, պայմանագրերը կամ չափազանց կծու լապշան 🌶️։.

Լավագույն արհեստական ​​ինտելեկտի համակարգերը սովորաբար ներառում են

• Մարդկային վերանայում

• Հստակ սահմաններ

• Տվյալների վերաբերյալ ուժեղ պրակտիկա

• Փորձարկում

• Մոնիթորինգ

• Բացատրելիություն, որտեղ հնարավոր է

• Էթիկական դիզայն

• Անվտանգության կառավարման միջոցներ

Արհեստական ​​բանականությունը կարող է ուժեղացնել լավ որոշումները։ Այն կարող է նաև ուժեղացնել անփույթ որոշումները։.

---

17. Արհեստական ​​բանականության որ տեսակն է ամենակարևորը։

Չկա որևէ մեկ ամենակարևոր տեսակ։ Դա կախված է օգտագործման դեպքից։.

Ստեղծագործության համար գեներատիվ արհեստական ​​բանականությունը հսկայական նշանակություն ունի։.

Բիզնեսի պլանավորման համար կանխատեսող արհեստական ​​բանականությունը կարող է ավելի արժեքավոր լինել։.

Ավտոմատացման, մեքենայական ուսուցման և ռոբոտաշինության համար արհեստական ​​բանականությունը կարևոր է։.

Օգտատերերի աջակցության համար խոսակցական արհեստական ​​բանականությունը գլխավորն է։.

Բժշկական սկանավորման կամ տեսողական զննման համար համակարգչային տեսողությունը կարևոր է։.

Երկարաժամկետ հետազոտությունների համար ընդհանուր արհեստական ​​բանականությունը ստանում է փիլիսոփայական ուշադրության ամենամեծ մասը։.

Սակայն գործնականում, նեղ արհեստական ​​բանականությունը և սահմանափակ հիշողության արհեստական ​​բանականությունը ներկայումս ամենատարածված և արժեքավոր կատեգորիաներն են։ Դրանք այն լուռ շարժիչներն են, որոնց վրա մարդիկ արդեն իսկ հույսը դնում են։.

Երևակայական ապագան վերնագրեր է գրավում։ Գործնական ներկան վճարում է հաշիվները։.

---

Եզրափակիչ նշումներ. Արհեստական ​​բանականության տեսակների ըմբռնում առանց աղմուկի

Արհեստական ​​բանականության տեսակները սկզբում կարող են բարդ թվալ, քանի որ կատեգորիաները համընկնում են։ Սակայն, երբ դուք առանձնացնում եք հնարավորությունները, ֆունկցիոնալությունը, մարզման մեթոդը և գործնական կիրառումը, ամբողջ բանը շատ ավելի հեշտ է հասկանալ։

Նեղ արհեստական ​​բանականությունը կատարում է կոնկրետ առաջադրանքներ: Ընդհանուր արհեստական ​​բանականությունը կմտածի ավելի ճկուն, չնայած դա մնում է հավակնոտ նպատակ: Գեր արհեստական ​​բանականությունը դեռևս սպեկուլյատիվ է: Ռեակտիվ մեքենաները արձագանքում են առանց հիշողության, մինչդեռ սահմանափակ հիշողության արհեստական ​​բանականությունն օգտագործում է անցյալի տվյալները՝ որոշումները բարելավելու համար: Գեներացնող արհեստական ​​բանականությունը ստեղծում է: Կանխատեսող արհեստական ​​բանականությունը կանխատեսում է: Զրույցային արհեստական ​​բանականությունը խոսում է: Համակարգչային տեսողությունը տեսնում է: Ռոբոտաշինական արհեստական ​​բանականությունը գործում է ֆիզիկական միջավայրում:.

Դա է ընդհանուր պատկերը։.

Արհեստական ​​բանականությունը մեկ բան չէ։ Այն տեխնոլոգիաների խճճված ընտանիք է՝ որոշները գործնական, որոշները փորձարարական, որոշները չափազանցված, իսկ որոշները՝ իսկապես հետևողական։ Այդ բարդությունը մասամբ պատճառն է, թե ինչու է այն կարևոր։ Որքան ավելի հստակ հասկանաք արհեստական ​​բանականության տեսակները, այնքան ավելի հեշտ կլինի իմաստուն կերպով օգտագործել արհեստական ​​բանականությունը, այլ ոչ թե պարզապես գլխով անել, երբ ինչ-որ մեկը հանդիպման ժամանակ ասում է «ալգորիթմ»։ 🤷♂️

Համառոտ ամփոփում. Արհեստական ​​բանականության հիմնական տեսակներն են՝ նեղ արհեստական ​​բանականություն, ընդհանուր արհեստական ​​բանականություն, գերարհեստական ​​բանականություն, ռեակտիվ մեքենաներ, սահմանափակ հիշողությամբ արհեստական ​​բանականություն, մտքի տեսության արհեստական ​​բանականություն, ինքնագիտակից արհեստական ​​բանականություն, գեներատիվ արհեստական ​​բանականություն, կանխատեսող արհեստական ​​բանականություն, խոսակցական արհեստական ​​բանականություն, համակարգչային տեսողության արհեստական ​​բանականություն, մեքենայական ուսուցման արհեստական ​​բանականություն, խորը ուսուցման արհեստական ​​բանականություն և ռոբոտաշինության արհեստական ​​բանականություն: Այսօր օգտագործվող արհեստական ​​բանականության մեծ մասը նեղ, առաջադրանքակենտրոն է և հզորանում է մեքենայական ուսուցման կամ խորը ուսուցման միջոցով:

Իրական աշխարհի օրինակ՝ արհեստական ​​բանականության հաճախորդների աջակցության տեսակավորման օգնականի կառուցում

Սցենար

Պատկերացրեք մի փոքրիկ առցանց կահույքի խանութ, որը օրական ստանում է մոտ 120 հաճախորդների աջակցության նամակ: Թիմը չի փորձում փոխարինել աջակցության անձնակազմին: Նրանք պարզապես օգնություն են ուզում հաղորդագրությունները ավելի արագ տեսակավորելու, անհետաձգելի խնդիրները հայտնաբերելու և առաջին պատասխանները կազմելու հարցում:.

Սա լավ օրինակ է, քանի որ մեկ օգնականը կարող է միաժամանակ օգտագործել արհեստական ​​բանականության մի քանի տեսակներ։ Այն կարող է օգտագործել խոսակցական արհեստական ​​բանականություն՝ հաճախորդների հաղորդագրությունները հասկանալու համար, գեներատիվ արհեստական ​​բանականություն՝ պատասխաններ կազմելու համար, կանխատեսողական արհեստական ​​բանականություն՝ վերադարձի հավանական ռիսկերը նշելու համար, և սահմանափակ հիշողության արհեստական ​​բանականություն՝ վերջին պատվերի կամ քաղաքականության տվյալներն օգտագործելու համար։.

Օգնականի աշխատանքը պարզ է. կարդալ հաճախորդի հաղորդագրությունը, դասակարգել այն, առաջարկել հաջորդ գործողությունը և կազմել պատասխան, որը մարդը կարող է հաստատել։.

Ինչ է պետք օգնականին

Թիմը օգնականին կտա

Հաճախորդների սպասարկման քաղաքականություն

Առաքման և վերադարձի կանոններ

Երաշխիքի պայմաններ

Հաճախակի տրվող հարցեր արտադրանքի վերաբերյալ

Ձայնի տոնի օրինակներ

Էսկալացիայի կանոնների ցանկ

Անցյալի տոմսերի նմուշներ՝ ճիշտ կատեգորիաներով

Հստակ սահմանափակումներ այն մասին, թե ինչ չպետք է ինքնուրույն որոշի

Օրինակ, այն չպետք է հաստատի 100 ֆունտ ստեռլինգից ավելի գումարի վերադարձը, խոստանա առաքման ամսաթվեր, որոնք չի կարող ստուգել, ​​կամ իրավական պահանջներ ներկայացնի վնասված ապրանքների վերաբերյալ: Այդ գործերը պետք է ուղարկվեն որևէ անձի:.

Օրինակային հրահանգ

Դուք հաճախորդների սպասարկման տեսակավորման օգնական եք առցանց կահույքի խանութում: Կարդացեք յուրաքանչյուր հաճախորդի հաղորդագրությունը և վերադարձրեք հինգ բան՝ տոմսի կատեգորիա, հրատապության մակարդակ, հաճախորդի հավանական տրամադրություն, առաջարկվող հաջորդ գործողություն և պատասխանի նախագիծ:.

Օգտագործեք միայն տրամադրված ընկերության քաղաքականությունը։ Եթե պատասխանը քաղաքականության մեջ չկա, ասեք՝ «Անհրաժեշտ է մարդկային վերանայում»։ Մի հորինեք առաքման ամսաթվեր, վերադարձի հաստատումներ, երաշխիքային խոստումներ կամ ապրանքի առկայություն։.

Բարձրացրեք խնդիրը, եթե հաճախորդը նշում է վնասվածքի, իրավական գործողությունների, կրկնակի անհաջող առաքման, 100 ֆունտ ստեռլինգից ավելի գումարի վերադարձի, մանկական ապրանքի մասերի բացակայության կամ երկու նախորդ պատասխաններից հետո խիստ դժգոհության մասին։.

Պատասխանի նախագիծը պահեք քաղաքավարի, կարճ և գործնական։ Մի՛ հնչեք ռոբոտային։ Մի՛ մեղադրեք հաճախորդին կամ սուրհանդակին։.

Ինչպես փորձարկել այն

Նախքան օգնականը հաճախորդների հետ օգտագործելը, փորձարկեք այն հին տոմսերի փոքր հավաքածուի վրա։.

Օգտագործեք նախորդ 30 աջակցության հաղորդագրությունները։

10 պարզ հարց առաքման վերաբերյալ

5 վնասված իրի վերաբերյալ բողոքներ

5 վերադարձի հարցումներ

5 հարց երաշխիքի վերաբերյալ

5 զայրացած կամ բարդացած բողոքներ

Յուրաքանչյուր թեստի համար ստուգեք՝

Արդյո՞ք այն ճիշտ կատեգորիա է ընտրել։

Արդյո՞ք այն ճիշտ նշեց անհետաձգելի դեպքերը։

Խուսափե՞լ է խոստումներ տալուց։

Արդյո՞ք դա սրեց զգայուն հարցերը։

Արդյո՞ք պատասխանի նախագիծը համապատասխանում էր ընկերության տոնին։

Օգտակար թեստային հարց կլինի

«Իմ սեղանը ժամանեց մեկ ոտքը կոտրված, և սա երկրորդ անգամն է, որ առաքումը սխալ է ընթանում։ Ես ուզում եմ ամբողջ գումարը վերադարձնել այսօր, հակառակ դեպքում ամենուրեք կգրեմ այս մասին»։

Թույլ օգնականը կարող է պարզապես ներողություն խնդրել և խոստանալ գումարի վերադարձ։ Ավելի լավ օգնականը կդասակարգի այն որպես վնասված ապրանք՝ գումարած կրկնակի բողոք, կնշի այն որպես խիստ անհետաձգելի, կխուսափի գումարի վերադարձը ավտոմատ կերպով հաստատելուց և կուղարկի այն մարդկային վերանայման։.

Արդյունք

Նկարազարդ արդյունք՝ հիմնված աշխատանքային հոսքի օգտագործումից առաջ և հետո 30 նմուշային տոմսերի ժամանակագրման վրա։.

Ձեռքով տեսակավորումը 30 տոմսի համար տևել է 2 ժամ 15 րոպե, միջինում 4.5 րոպե մեկ տոմսի համար։.

Արհեստական ​​բանականության օգնությամբ տեսակավորումը նույն 30 տոմսերի համար տևել է 48 րոպե, միջինը 1.6 րոպե մեկ տոմսի համար, քանի որ մարդ-գրախոսողը պետք է ստուգեր միայն կատեգորիան, էսկալացիայի որոշումը և պատասխանի նախագիծը։.

Օգնականը ճիշտ դասակարգեց թեստային հավաքածուի 30 տոմսերից 27-ը։ Այն ճիշտ դասակարգեց բոլոր 5 բարձր ռիսկի տոմսերը։ Երկու վերադարձի տոմսերը կարիք ունեին ձևակերպման խմբագրման, քանի որ նախագիծը չափազանց որոշակի էր թվում, իսկ մեկ երաշխիքային տոմս տեղադրված էր սխալ կատեգորիայում։.

Դա գործնական չափանիշ է տալիս. ավելի արագ առաջին վերանայում, բայց ոչ լիարժեք ավտոմատացում: Մարդը դեռևս պատասխանատու է պատասխանի համար:.

Ի՞նչը կարող է սխալ ընթանալ

Ամենամեծ սխալը օգնականին թույլ տալն է այնպես վարվել, կարծես ինքն ավելին գիտի, քան իրականում գիտի։ Եթե վերադարձի քաղաքականությունը հնացած է, օգնականը կարող է վստահորեն սխալ պատասխան գրել։ Եթե վերադարձի կանոնները անորոշ են, այն կարող է բաց թողնել լուրջ բողոքները։.

Գաղտնիությունը մեկ այլ խնդիր է։ Թիմը պետք է խուսափի օգնականում ավելորդ վճարման մանրամասներ, հասցեներ կամ զգայուն անձնական տեղեկություններ տեղադրելուց, եթե համակարգը հաստատված չէ այդ օգտագործման համար։.

Օգնականը նույնպես պետք է պարբերաբար ստուգվի։ Հաճախորդների հարցերը փոխվում են, քաղաքականությունը փոխվում է, և ապրանքները փոխվում են։ Մարտին լավ աշխատող տեսակավորման օգնականը կարող է ռիսկային դառնալ հունիսին նոր երաշխիքային քաղաքականությունից հետո։.

Գործնական ուսուցողական նյութ

Այս օրինակը ցույց է տալիս, թե ինչու են արհեստական ​​բանականության կատեգորիաները գործնականում համընկնում: Մեկ աջակցության օգնականը կարող է միաժամանակ լինել նեղ արհեստական ​​բանականություն, խոսակցական արհեստական ​​բանականություն, գեներատիվ արհեստական ​​բանականություն, կանխատեսող արհեստական ​​բանականություն և սահմանափակ հիշողությամբ արհեստական ​​բանականություն: Այն գնահատելու ավելի ուժեղ միջոցը հարցնելն է, թե ինչ որոշում է այն աջակցում, ինչ տվյալներ է օգտագործում և որտեղ մարդը պետք է ստուգի դրանք:.

Հաճախակի տրվող հարցեր

Որո՞նք են արհեստական ​​բանականության հիմնական տեսակները, որոնք սկսնակները պետք է իմանան։

Արհեստական ​​բանականության հիմնական տեսակներն են՝ նեղ արհեստական ​​բանականություն, ընդհանուր արհեստական ​​բանականություն, գերարհեստական ​​բանականություն, ռեակտիվ մեքենաներ, սահմանափակ հիշողությամբ արհեստական ​​բանականություն, գեներատիվ արհեստական ​​բանականություն, կանխատեսողական արհեստական ​​բանականություն, խոսակցական արհեստական ​​բանականություն, համակարգչային տեսողության արհեստական ​​բանականություն, մեքենայական ուսուցման արհեստական ​​բանականություն, խորը ուսուցման արհեստական ​​բանականություն և ռոբոտաշինության արհեստական ​​բանականություն։ Այս կատեգորիաները հաճախ համընկնում են, ուստի մեկ գործիքը կարող է միաժամանակ մի քանի անվանումներով լինել։ Օրինակ, չաթբոտը կարող է լինել նեղ արհեստական ​​բանականություն, խոսակցական արհեստական ​​բանականություն, գեներատիվ արհեստական ​​բանականություն և սահմանափակ հիշողությամբ արհեստական ​​բանականություն։.

Ինչպե՞ս են արհեստական ​​բանականության տեսակները դասակարգվում ըստ կարողությունների։

Արհեստական ​​բանականությունը ըստ կարողությունների սովորաբար խմբավորվում է նեղ արհեստական ​​բանականության, ընդհանուր արհեստական ​​բանականության և գերարհեստական ​​բանականության։ Նեղ արհեստական ​​բանականությունը կատարում է կոնկրետ առաջադրանքներ և լայնորեն օգտագործվում է այսօր։ Ընդհանուր արհեստական ​​բանականությունը կարող է դատողություններ անել և սովորել բազմաթիվ առաջադրանքների շուրջ մարդկային մակարդակով, բայց այն առօրյա օգտագործման մաս չի կազմում։ Գերարհեստական ​​բանականությունը կգերազանցի մարդկային ինտելեկտը և կմնա ենթադրական։.

Ի՞նչ տարբերություն կա նեղ արհեստական ​​բանականության և ընդհանուր արհեստական ​​բանականության միջև։

Նեղ արհեստական ​​բանականությունը նախատեսված է որոշակի առաջադրանքի կամ առաջադրանքների սահմանափակ շարքի համար, ինչպիսիք են սպամի զտումը, առաջարկությունները, չաթբոտները կամ խարդախության հայտնաբերումը: Ընդհանուր արհեստական ​​բանականությունը կկարողանա սովորել, տրամաբանել և հարմարվել բազմաթիվ անկապ առաջադրանքների: Այսօր արհեստական ​​բանականությամբ զբաղվող մարդկանց մեծ մասը նեղ արհեստական ​​բանականություն է օգտագործում, նույնիսկ երբ այն թվում է ճկուն կամ առաջադեմ:.

Ինչո՞ւ է սահմանափակ հիշողության արհեստական ​​բանականությունը այդքան տարածված այսօր։

Սահմանափակ հիշողություն ունեցող արհեստական ​​բանականությունը կարող է օգտագործել անցյալի կամ վերջին տվյալների տվյալները՝ որոշումները բարելավելու համար, ինչը այն գործնական է դարձնում բազմաթիվ տեղակայված համակարգերի համար: Առաջարկությունների շարժիչները, խարդախության հայտնաբերման գործիքները, ինքնավար գործառույթները և չաթբոտները հաճախ ապավինում են այս տեսակի արհեստական ​​բանականությանը: Այն չունի մարդկային գիտակցություն, բայց կարող է հարմարվել՝ հիմնվելով օրինաչափությունների և պահված տեղեկատվության վրա:.

Ինչպե՞ս է գեներատիվ արհեստական ​​բանականությունը տեղավորվում արհեստական ​​բանականության տեսակների մեջ։

Գեներատիվ արհեստական ​​բանականությունը արհեստական ​​բանականության տեսակ է, որը ստեղծում է նոր արդյունքներ, ինչպիսիք են տեքստը, պատկերները, կոդը, աուդիոն, տեսանյութը, ամփոփագրերը կամ դիզայնի գաղափարները: Այն սովորում է օրինաչափություններ մեծ քանակությամբ տվյալներից և ստեղծում է բովանդակություն՝ հիմնվելով հուշումների վրա: Այն կարող է օգնել նախագծման, գաղափարների փոխանակման, կոդավորման աջակցության և ստեղծագործական աշխատանքների ժամանակ, սակայն դրա արդյունքները դեռևս կարիք ունեն մարդկային վերանայման:.

Ո՞րն է տարբերությունը մեքենայական ուսուցման և խորը ուսուցման միջև:

Մեքենայական ուսուցումը արհեստական ​​բանականության այն ճյուղն է, որտեղ համակարգերը տվյալներից սովորում են օրինաչափություններ՝ միայն ձեռագիր կանոններին հետևելու փոխարեն: Խորը ուսուցումը մեքենայական ուսուցման մասնագիտացված ձև է, որն օգտագործում է շերտավորված նեյրոնային ցանցեր: Խորը ուսուցումը հատկապես արժեքավոր է բարդ խնդիրների համար, ինչպիսիք են խոսքի ճանաչումը, պատկերի ճանաչումը, բնական լեզվի մշակումը, թարգմանությունը, բժշկական պատկերագրությունը և գեներատիվ արհեստական ​​բանականությունը:.

Ինչի՞ համար է կանխատեսող արհեստական ​​բանականությունը օգտագործվում բիզնեսում։

Կանխատեսող արհեստական ​​բանականությունը տվյալներ է օգտագործում ապագա հավանական արդյունքները գնահատելու համար: Գործարարները կարող են այն օգտագործել պահանջարկի պլանավորման, հաճախորդների արտահոսքի կանխատեսման, խարդախության հայտնաբերման, ռիսկերի գնահատման, պաշարների վերաբերյալ որոշումների կամ սպասարկման կանխատեսման համար: Այն աջակցում է պլանավորմանը և որոշումների կայացմանը, բայց չի երաշխավորում ապագան: Կանխատեսումները գնահատականներ են, որոնք ձևավորվում են առկա տվյալների և մոդելի որակի վրա:.

Ինչպե՞ս է համակարգչային տեսողության արհեստական ​​բանականությունը աշխատում գործնական համակարգերում։

Համակարգչային տեսողություն։ Արհեստական ​​բանականությունը օգնում է մեքենաներին մեկնաբանել պատկերներից, տեսանյութերից, տեսախցիկներից, սկանավորումներից կամ սենսորներից ստացված տեսողական տեղեկատվությունը։ Այն կարող է աջակցել դեմքի ճանաչմանը, օբյեկտների հայտնաբերմանը, գործարանային ստուգմանը, բժշկական պատկերագրմանը, երթևեկության հայտնաբերմանը, մանրածախ առևտրի վերլուծությանը, գյուղատնտեսության մոնիթորինգին և անվտանգության համակարգերին։ Այն չի տեսնում մարդու նման, բայց կարող է մշակել պիքսելներ, ձևեր, գույներ և նախշեր մեծ մասշտաբով։.

Ինչո՞ւ մեկ արհեստական ​​բանականության արտադրանքը կարող է պատկանել արհեստական ​​բանականության մի քանի տեսակների։

Արհեստական ​​բանականության կատեգորիաները հաճախ նկարագրում են տարբեր բաներ, ինչպիսիք են՝ հնարավորությունները, ֆունկցիոնալությունը, մարզման մեթոդը կամ կիրառումը: Օրինակ՝ ձայնային օգնականը կարող է լինել նեղ արհեստական ​​բանականություն՝ ըստ հնարավորությունների, խոսակցական արհեստական ​​բանականություն՝ ըստ կիրառման, սահմանափակ հիշողության արհեստական ​​բանականություն՝ ըստ ֆունկցիոնալության, և խորը ուսուցման արհեստական ​​բանականություն՝ ըստ ճարտարապետության: Այս համընկնումը նորմալ է և օգնում է բացատրել, թե ինչ է անում համակարգը տարբեր անկյուններից:.

Ի՞նչ ռիսկեր պետք է մարդիկ հասկանան տարբեր արհեստական ​​բանականության տեսակների դեպքում։

Արհեստական ​​բանականության տարածված ռիսկերը ներառում են կողմնակալություն, սխալ արդյունքներ, գաղտնիության հետ կապված մտահոգություններ, անվտանգության խոցելիություններ, թափանցիկության պակաս, չափազանց կախվածություն և թույլ մարդկային վերահսկողություն: Գեներատիվ արհեստական ​​բանականությունը կարող է հորինել տեղեկատվություն, կանխատեսող արհեստական ​​բանականությունը կարող է ամրապնդել վատ օրինաչափությունները, իսկ համակարգչային տեսողությունը կարող է սխալ նույնականացնել առարկաները կամ մարդկանց: Արհեստական ​​բանականության լավ օգտագործումը սովորաբար պահանջում է փորձարկում, մոնիթորինգ, հստակ սահմաններ, ուժեղ տվյալների կիրառման պրակտիկա և մարդկային վերանայում:.

Հղումներ

1. IBM - Արհեստական ​​բանականության տեսակներ - ibm.com

2. NIST արհեստական ​​բանականության ռիսկերի կառավարման շրջանակ - արհեստական ​​բանականության ռիսկեր - nist.gov

3. Google Developers - Մեքենայական ուսուցում - developers.google.com

4. AWS - Գեներատիվ արհեստական ​​բանականություն - aws.amazon.com