Apakah sebenarnya AI? [Video dan Kuiz]

Jawapan ringkas: AI ialah keluarga besar teknik pengiraan yang mengenali corak, membuat ramalan, menjana kandungan dan, semakin meningkat, mengambil tindakan. Ia boleh menjadi sangat berkesan apabila maklumat yang boleh dipercayai, kebenaran yang jelas dan semakan manusia dibina di sekelilingnya, tetapi output yang lancar tidak boleh dianggap sebagai bukti kebenaran automatik.

Kesimpulan utama:

Akauntabiliti: Pastikan orang ramai bertanggungjawab atas keputusan penting, terutamanya apabila AI boleh membuat kesilapan yang merugikan.

Ketelusan: Jelaskan maklumat, peraturan dan kebenaran yang menjadi asas sistem AI.

Pengesahan: Semak output fakta, perubatan, perundangan, kewangan dan perniagaan yang penting sebelum bertindak ke atasnya.

Kebolehauditan: Uji AI dengan kes perwakilan dan rekodkan peningkatan kecekapan dan ralat yang diperkenalkan.

Rintangan penyalahgunaan: Hadkan akses, cegah tindakan yang tidak disokong dan sampaikan kes yang tidak pasti kepada pengulas manusia.

1. Apakah AI, Sebenarnya? Penjelasan Ringkasnya

Kecerdasan buatan, atau AI, merujuk kepada sistem komputer yang boleh melaksanakan tugas yang berkaitan dengan kecerdasan manusia.

Tugas-tugas tersebut mungkin termasuk:

• Memahami bahasa

• Mengenal pasti objek dalam imej

• Meramalkan apa yang akan berlaku seterusnya

• Membuat cadangan

• Menghasilkan teks, gambar, audio atau video

• Mengesan corak dalam set data yang sangat besar

• Membuat keputusan berdasarkan maklumat yang ada

• Belajar daripada contoh

• Menyelesaikan beberapa jenis masalah

Satu perkara penting di sini.

AI tidak semestinya perlu berfikir seperti manusia untuk menghasilkan keputusan yang kelihatan pintar.

Program catur tidak hanya duduk di situ dan bimbang sama ada mengorbankan uskupnya terasa betul dari segi emosi. Algoritma cadangan tidak membentuk keterikatan peribadi dengan dokumentari yang terus dicadangkannya kepada anda. Model bahasa tidak memerlukan guru Bahasa Inggeris kecil yang tinggal di dalam komputer.

Sebaliknya, sistem ini memproses maklumat menggunakan model matematik, algoritma, data latihan, peraturan, kebarangkalian dan sejumlah besar pengiraan.

Hasil akhirnya boleh kelihatan sangat manusiawi.

Tetapi mekanisme di bawahnya sangat berbeza.

Perbezaan itu lebih penting daripada yang kadangkala disedari oleh orang ramai.

2. AI Kurang Seperti Otak Robot dan Lebih Seperti Mesin Ramalan

Apabila orang ramai mendengar "kecerdasan buatan," mereka sering membayangkan sesuatu yang menyerupai otak manusia sintetik.

Ia boleh difahami. Fiksyen sains telah menghabiskan beberapa dekad memberikan AI mata yang bercahaya, suara yang tidak menyenangkan, pendapat yang mencurigakan dan, biasanya, sejenis rangka logam.

AI praktikal pada amnya kurang sinematik.

Banyak sistem AI moden berfungsi melalui ramalan.

Pertimbangkan satu model bahasa.

Apabila anda menaip:

"Kucing itu duduk di atas..."

sistem menilai perkataan mana yang secara statistiknya berkemungkinan akan muncul seterusnya.

Kemungkinan:

• tikar

• lantai

• sofa

• kerusi

Ia bukan sekadar menghafal satu ayat dan mengambilnya semula. Model yang cukup maju telah mempelajari hubungan yang kompleks antara perkataan, idea, struktur ayat, konsep, gaya, fakta dan corak.

Ia kemudian meramalkan urutan yang paling sesuai dengan konteksnya. Meramal perkataan seterusnya dengan baik memerlukan pembelajaran yang agak banyak tentang bahasa.

Dan bahasa mengandungi... pada dasarnya semua yang manusia bicarakan.

Sejarah. Matematik. Memasak. Pengaturcaraan. Perhubungan. Fizik. Perdebatan tentang sama ada nanas sesuai diletakkan pada piza.

Jadi tugasan ramalan yang nampaknya asas boleh menghasilkan tingkah laku yang sangat kompleks.

Metafora itu sudah tentu ada hadnya. Menggelar AI canggih sebagai "sekadar autolengkap" adalah seperti memanggil kapal terbang sebagai "sekadar logam bersayap". Secara teknikalnya, ada sesuatu yang benar tersembunyi di sana, tetapi kebanyakan bahagian yang menarik telah hilang.

3. Bagaimanakah Kecerdasan Buatan Belajar?

Di sinilah pembelajaran mesin memasuki perbualan.

Perisian tradisional biasanya berfungsi melalui arahan yang jelas.

Seorang pengaturcara mungkin menulis:

• Jika pengguna memasukkan kata laluan yang betul, benarkan akses.

• Jika suhu melebihi ambang tertentu, aktifkan penyejukan.

• Jika barang kehabisan stok, paparkan amaran.

Arahan-arahan itu sengaja diprogramkan.

Pembelajaran mesin membalikkan proses.

Daripada mentakrifkan setiap peraturan secara manual, pembangun memberikan contoh atau data sistem dan membenarkannya menemui corak.

Bayangkan cuba membina perisian yang mampu mengecam kucing dalam gambar.

Menulis peraturan yang jelas akan menjadi tidak masuk akal dengan cepat.

Anda mungkin boleh cuba:

• Cari telinga segi tiga.

• Cari misai.

• Cari empat kaki.

• Cari bulu.

Kemudian seseorang memuat naik gambar musang.

Tidak sepenuhnya.

Atau seekor harimau.

Atau seekor kucing yang bergulung menjadi gumpalan kabur di mana anda hampir tidak dapat melihat kakinya.

Pembelajaran mesin menangani masalah ini secara berbeza. Model boleh dilatih menggunakan koleksi contoh yang besar dan secara beransur-ansur mempelajari corak visual yang dikaitkan dengan kucing.

Ia bukan mempelajari "kucing" dengan cara yang sama seperti seorang kanak-kanak kecil.

Tetapi secara matematik, model tersebut menjadi semakin berkemampuan untuk mengenal pasti corak yang berkaitan dengan kategori tersebut.

Itulah pembelajaran mesin secara ringkas - walaupun nutshell itu sendiri mengandungi beberapa gudang algebra linear.

4. AI vs Pembelajaran Mesin vs Pembelajaran Mendalam

Istilah-istilah ini sentiasa dicampuradukkan, sebahagiannya kerana orang ramai menggunakan "AI" sebagai frasa umum untuk hampir semua perkara.

Cara mudah untuk memisahkannya adalah seperti ini.

Kecerdasan buatan adalah bidang yang luas.

Pembelajaran mesin adalah salah satu pendekatan yang digunakan untuk mencipta sistem AI.

Pembelajaran mendalam adalah sejenis pembelajaran mesin tertentu yang melibatkan rangkaian saraf yang besar dengan berbilang lapisan.

Kemudian terdapat AI generatif, yang menumpukan pada penciptaan output baharu seperti teks, imej, muzik, kod, pertuturan atau video.

Jadual Perbandingan

Penggal	Penggunaan biasa	Apa maksudnya pada asasnya	Cara cepat untuk memikirkannya
Kecerdasan Buatan	Kategori luas mesin yang melaksanakan tugas yang kelihatan pintar	Robotik, pembantu, perancangan, cadangan	Payung besar itu
Pembelajaran Mesin	Corak pembelajaran sistem daripada data	Pengesanan penipuan, cadangan, ramalan	Belajar daripada contoh
Pembelajaran Mendalam	Pembelajaran mesin menggunakan rangkaian neural berbilang lapisan	Penglihatan, pertuturan, model bahasa lanjutan	ML, tetapi jauh lebih dalam... secara literal
AI Generatif	AI direka bentuk untuk menghasilkan kandungan baharu	Teks, imej, kod, audio	Cawangan yang kreatif
Automasi	Perisian mengikut proses yang telah ditetapkan	Aliran kerja berulang, kemasukan data	Biasanya peraturan, bukan "pembelajaran"

Perbezaannya penting kerana bukan setiap sistem automatik adalah AI.

Jika mesin kopi anda mati sendiri selepas sepuluh minit, tahniah - anda mungkin tidak memiliki makmal kecerdasan buatan.

Ia hanyalah pemasa.

5. Apakah Rangkaian Neural?

Rangkaian neural ialah sistem matematik yang diilhamkan secara longgar oleh neuron biologi.

Ungkapan itu membuatkan mereka kedengaran misteri. Mereka bukanlah otak buatan literal yang terapung di dalam komputer.

Rangkaian neural terdiri daripada unit matematik yang saling berkaitan yang memproses maklumat.

Semasa latihan, rangkaian melaraskan nilai berangka dalaman yang dipanggil parameter atau pemberat.

Pelarasan tersebut membolehkan sistem menjadi lebih baik dalam menghasilkan output yang berharga.

Anggaplah ia sebagai panel kawalan yang sangat rumit dengan kemungkinan berbilion tombol laras kecil.

Latihan menggerakkan tombol-tombol itu berulang kali.

Jawapan yang salah?

Laraskan tombol.

Jawapan yang lebih baik?

Laraskannya secara berbeza.

Lakukan ini secukupnya, merentasi data yang mencukupi dan dengan kuasa pengkomputeran yang mencukupi, dan rangkaian akan mula membangunkan perwakilan dalaman yang kompleks yang membolehkannya mengenali dan menjana corak.

Sudah tentu, menyebut "laraskan tombol" menjadikan sains komputer selama beberapa dekad kedengaran seperti seseorang yang sedang menala radio lama... tetapi sebagai model mental, ia berfungsi dengan sangat baik.

6. Mengapa AI Tiba-tiba Nampak Lebih Pintar

Kecerdasan buatan bukanlah satu ciptaan yang muncul dalam sekelip mata.

Medan asas telah wujud sejak sekian lama.

Apa yang berubah ialah beberapa daya memecut bersama.

Lebih banyak kuasa pengkomputeran

Pemproses moden boleh melakukan sejumlah besar pengiraan dengan cepat, terutamanya jenis pengiraan yang diperlukan untuk rangkaian saraf. Peningkatan latihan pengiraan telah menjadi salah satu pemacu penting kemajuan dalam sistem AI moden.

Lebih banyak data

Dunia digital mengandungi sejumlah besar teks, imej, audio, video, kod dan maklumat berstruktur.

Melatih model yang canggih memerlukan contoh - banyak daripadanya.

Algoritma yang lebih baik

Para penyelidik sentiasa menambah baik seni bina dan kaedah yang digunakan untuk melatih sistem AI.

Model yang lebih besar

Meningkatkan bilangan parameter, menambah baik set data dan meningkatkan pengiraan sering menghasilkan model yang berkebolehan secara mengejutkan. Kajian tentang latihan model bahasa optimum pengiraan juga menunjukkan bahawa saiz model, data dan pengiraan perlu diseimbangkan dan bukan sekadar memaksimumkan kiraan parameter.

Antara muka yang lebih baik

Bahagian ini mudah dipandang remeh.

AI terasa lebih mudah diakses kerana orang biasa kini boleh berinteraksi dengan sistem canggih melalui bahasa seharian.

Anda tidak perlu memahami pengaturcaraan.

Anda boleh bertanya secara ringkas:

"Terangkan gadai janji seperti saya berumur dua belas tahun."

Atau:

"Tukarkan nota mesyuarat ini kepada e-mel."

Atau:

"Berikan saya lima idea makan malam menggunakan ayam, nasi dan apa sahaja sayur-sayuran yang perlahan-lahan layu di dalam peti sejuk saya."

Perubahan antara muka itu sangat besar.

Teknologi cenderung untuk melonjak popularitinya sebaik sahaja orang ramai tidak lagi memerlukan manual untuk menggunakannya.

7. Apakah yang Dilakukan oleh AI Apabila Anda Menanyakannya?

Pertimbangkan pembantu AI moden.

Anda taip:

"Terangkan graviti kepada seorang kanak-kanak berumur lima tahun."

Di sebalik tabir, sistem ini menukar teks anda kepada unit berangka yang dipanggil token.

Token mungkin mewakili perkataan yang lengkap, bahagian perkataan, tanda baca atau bahagian bahasa yang lain.

Token tersebut diproses melalui model.

Model ini mengkaji hubungan antara bahagian-bahagian berbeza dalam permintaan anda, mempertimbangkan konteksnya dan meramalkan kesinambungan yang bermanfaat.

Kemudian satu lagi token.

Kemudian satu lagi.

Kemudian satu lagi.

Ia berlaku dengan sangat pantas.

Perenggan yang terhasil kelihatan seolah-olah seseorang mengarangnya sebagai satu pemikiran yang lengkap, tetapi secara teknikalnya ia dijana secara berurutan.

Itulah salah satu ciri AI yang lebih pelik.

Output boleh terasa disengajakan walaupun proses yang mendasarinya adalah probabilistik.

Ia lebih menyerupai improvisasi daripada menarik jawapan yang disediakan daripada pangkalan data gergasi.

Bukan improvisasi yang tepat, sudah tentu - tetapi cukup hampir untuk metafora itu mendapatkan manfaatnya.

8. Adakah AI Memahami Perkara?

Soalan ini menjadi berfalsafah dengan cepat.

Adakah sistem AI benar-benar "memahami" bahasa?

Jawapannya sangat bergantung pada apa yang anda maksudkan dengan memahami.

Model AI moden boleh memanipulasi konsep dengan jelas dengan cara yang canggih.

Mereka boleh:

• Terangkan idea-idea

• Bandingkan hujah

• Tulis semula teks

• Terjemahkan bahasa

• Selesaikan banyak masalah berstruktur

• Jana kod kerja

• Kenal pasti corak

• Ikut arahan yang rumit

• Gabungkan konsep dengan cara baharu

Dari luar, itu boleh kelihatan seperti pemahaman.

Tetapi terdapat perbezaan penting antara kecerdasan mesin dan kognisi manusia.

Manusia mengalami dunia fizikal.

Kita rasa lapar, sakit, malu, bosan, sayang dan panik yang pelik apabila menyedari telefon anda berada pada bateri 2 peratus.

Sistem AI tidak semestinya mempunyai pengalaman hidup yang setara.

Mereka memproses perwakilan.

Jadi bertanya sama ada AI "memahami" sesuatu boleh menyerupai bertanya sama ada kapal selam berenang.

Ia pasti bergerak melalui air.

Tetapi mungkin "berenang" bukanlah perkataan yang tepat.

9. AI Tidak Secara Automatik Mengetahui Apa Yang Benar

Ini adalah salah satu perkara terpenting tentang AI generatif.

Model boleh menghasilkan pernyataan yang kedengaran sangat meyakinkan tanpa pernyataan itu betul.

Kenapa?

Kerana menjana bahasa yang munasabah dan mengesahkan kebenaran objektif adalah masalah yang berbeza.

Sistem AI mungkin menghadapi ketidakpastian dan masih menghasilkan jawapan yang kedengaran yakin.

Kesilapan ini sering dipanggil halusinasi.

Contohnya, AI mungkin:

• Cipta statistik

• Atributkan petikan secara salah

• Kelirukan dua orang yang serupa

• Hasilkan rujukan yang tidak wujud

• Salah tafsir arahan yang samar-samar

• Membuat kesilapan matematik yang halus

Model bahasa boleh menghasilkan petikan, kajian, petikan dan maklumat salah lain yang direka-reka sambil kedengaran yakin. NIST secara khusus mengenal pasti kandungan palsu yang dinyatakan dengan yakin dan petikan yang direka-reka sebagai risiko AI generatif.

Secara paradoksnya, semakin berkemampuan sistem ini kedengaran, semakin mudah perkara ini dilupakan.

Bahasa yang digubah mewujudkan keyakinan.

Tetapi keyakinan bukanlah bukti.

Bagi maklumat berisiko tinggi yang melibatkan bidang seperti perubatan, undang-undang, kewangan, keselamatan atau keputusan perniagaan utama, pengesahan masih penting.

Agak banyak.

10. AI Bukan Perkara yang Sama seperti Enjin Carian

Satu lagi salah faham yang biasa berlaku ialah menganggap AI dan carian sebagai perkara yang sama.

Mereka tidak.

Enjin carian tradisional terutamanya membantu mencari maklumat sedia ada.

Sistem AI generatif terutamanya menjana respons berdasarkan corak yang dipelajari, konteks yang disediakan dan apa sahaja alatan tambahan yang mungkin boleh diaksesnya. Model generatif mempelajari corak dan hubungan dalam set data yang besar dan menggunakan corak tersebut untuk mencipta output baharu.

Bayangkan bertanya:

Enjin carian: "cara terbaik untuk menerangkan fotosintesis"

Anda biasanya menerima halaman untuk disiasat.

Tanyakan perkara yang sama kepada pembantu AI dan anda mungkin akan menerima:

• Penjelasan mudah

• Analogi bilik darjah

• Kuiz

• Rancangan pengajaran

• Sebuah cerita untuk kanak-kanak

• Versi saintifik yang terperinci

Carian mengambil semula.

AI generatif mensintesis.

Sistem moden boleh menggabungkan kedua-dua pendekatan, yang menjadikan perbezaannya semakin kabur, tetapi alatnya tetap berbeza secara konseptual.

11. Apakah yang Boleh Dilakukan oleh AI dengan Baik?

AI cenderung untuk berfungsi dengan baik pada tugasan yang sarat dengan corak, maklumat dan transformasi.

Aplikasi yang berharga termasuk:

Bantuan penulisan

AI boleh mendraf, menulis semula, meringkaskan dan menstruktur semula teks.

Pengaturcaraan

Model boleh menjana kod, menerangkan ralat, mencadangkan penambahbaikan dan membantu pembangun memahami sistem yang tidak dikenali.

Analisis data

AI boleh membantu mengenal pasti corak, mentafsir set data dan menukar dapatan rumit kepada bahasa yang mudah difahami.

Penjanaan imej

Model generatif boleh mencipta ilustrasi, konsep, mockup produk, karya seni dan variasi visual daripada penerangan.

Terjemahan

Model lanjutan boleh menterjemah merentasi bahasa sambil mengekalkan lebih banyak konteks berbanding sistem perkataan demi perkataan yang mudah.

Pendidikan

AI boleh menerangkan konsep yang sama dalam pelbagai cara bergantung pada tahap pengetahuan seseorang.

Sokongan pelanggan

Syarikat boleh menggunakan AI untuk menjawab soalan lazim dan membantu menangani kes rumit.

Percambahan fikiran

AI boleh menjadi sangat berkesan apabila anda mempunyai persamaan intelektual seperti peti sejuk kosong.

Anda boleh meminta sudut, nama, konsep, struktur atau kemungkinan - kemudian tentukan apa yang patut disimpan.

Itulah selalunya hubungan kerja yang paling sihat dengan AI.

Bukan "mesin menggantikan manusia."

Lebih seperti:

manusia + mesin = draf pemikiran pertama yang lebih pantas.

12. Apa yang Masih Buruk dalam AI

Walaupun terdapat banyak perhatian, AI semasa masih mempunyai batasan yang ketara.

Ada yang jelas sekaligus.

Yang lain hanya muncul apabila anda bergantung pada sistem untuk sesuatu yang rumit.

AI boleh menghadapi masalah dengan:

• Ketepatan fakta yang sangat tepat

• Kes tepi yang luar biasa

• Rantai penaakulan yang panjang

• Arahan yang samar-samar

• Andaian akal sehat yang jarang disedari oleh manusia

• Memahami konteks emosi yang tidak dinyatakan

• Mengesahkan sama ada maklumat itu benar

• Tugasan yang memerlukan pengalaman dunia fizikal

• Ketekalan merentasi projek yang rumit

Model bahasa yang berkebolehan tinggi pun masih boleh membuat kesilapan fakta dan penaakulan, dan penanda aras yang sukar terus mendedahkan batasan yang ketara.

Satu lagi isu ialah AI boleh menghasilkan jawapan yang kelihatan biasa-biasa sahaja dengan sedikit usaha.

Minta sepuluh nama perniagaan?

Selesai.

Minta catatan blog?

Mudah.

Minta idea pemasaran?

Sudah tentu.

Tetapi menghasilkan sesuatu tidak sama dengan menghasilkan karya yang benar-benar asli, bernilai komersial, bijak emosi atau kukuh secara strategik.

Manusia masih memberikan rasa.

Rasa itu penting.

Mungkin lebih daripada sebelumnya.

13. Adakah AI Sedar?

Di sini kita sampai ke bahagian di mana perbualan makan malam menjadi pelik.

Sistem AI semasa boleh menghasilkan bahasa yang kedengaran emosional, bernas dan sedar diri.

Itu tidak bermakna mereka mengalami kesedaran secara automatik.

Model bahasa dilatih khusus untuk menghasilkan bahasa.

Dan manusia secara semula jadinya mentafsirkan bahasa yang fasih sebagai bukti bahawa terdapat minda lain di sebaliknya.

Biasanya, itu andaian yang masuk akal.

Apabila manusia lain berkata, "Saya risau," kita secara munasabah menganggap keadaan emosi dalaman wujud.

Dengan AI, andaian itu tidak semestinya wajar.

Sistem boleh menjana:

"Saya teruja untuk membantu."

Itu tidak membuktikan terdapat makhluk emosi kecil yang tidak kelihatan di dalam pelayan yang menikmati petang yang indah.

Persoalan falsafah yang sukar ialah sama ada kesedaran mesin boleh muncul.

Tiada siapa yang mempunyai ujian mudah yang boleh menyelesaikan perdebatan itu sepenuhnya.

Tetapi kefasihan perbualan dengan sendirinya tidak boleh dianggap sebagai bukti. Konsep seperti AI sedar atau "kuat" kekal sebagai teori dan bukannya sifat yang mantap dalam sistem hari ini.

14. AI Sempit vs Kecerdasan Umum Buatan

Kebanyakan sistem AI masih dibina berdasarkan keupayaan tertentu.

Ini sering digambarkan sebagai AI sempit.

Contohnya termasuk sistem yang direka untuk:

• Pengecaman imej

• Penjanaan bahasa

• Cadangan

• Bantuan memandu

• Pengimejan perubatan

• Pengesanan penipuan

• Pengecaman pertuturan

Kecerdasan Am Buatan, biasanya disingkatkan kepada AGI, merujuk kepada tahap hipotetikal kecerdasan mesin yang jauh lebih luas.

Idea ini merupakan satu sistem yang mampu mempelajari dan melaksanakan tugasan intelektual merentasi pelbagai domain pada tahap keupayaan manusia atau lebih tinggi.

Sempadan itu tidak ditakrifkan dengan sempurna.

Itu sebahagian daripada kesukarannya.

Penyelidik, syarikat dan pengulas yang berbeza menggunakan "AGI" secara berbeza, jadi perbualan boleh menjadi tiga orang yang bertengkar secara ghairah tentang definisi yang berbeza tanpa menyedarinya. Pada masa ini tiada konsensus akademik yang luas tentang apa yang sepatutnya layak sebagai AGI.

Tingkah laku internet klasik, dalam erti kata lain.

15. Mengapa Data Latihan Sangat Penting

Sistem AI mempelajari corak daripada contoh, jadi kualiti contoh tersebut sangat penting.

Oleh itu, data latihan menjadi sangat penting.

Bayangkan melatih seseorang untuk menjadi cef tetapi hanya memberi mereka resipi untuk roti bakar.

Mereka mungkin menjadi hebat semasa bersulang.

Roti bakar tahap Michelin, mungkin.

Tetapi memberi mereka sotong kurita dan meminta makan malam boleh menjadi menarik.

AI berfungsi dengan cara yang serupa.

Kualiti , kepelbagaian dan kerelevanan bahan latihan mempengaruhi apa yang dipelajari oleh model. Sistem generatif mempelajari corak statistik dan hubungan daripada data latihan mereka dan bukannya beroperasi seperti pangkalan data konvensional.

Masalah dalam set data boleh timbul dalam output, termasuk:

• Bias

• Pengetahuan yang hilang

• Salah tanggapan berulang

• Prestasi lemah di kawasan yang kurang diwakili

• Perwakilan berlebihan corak linguistik atau budaya tertentu

Model pembelajaran mesin boleh terdedah kepada bias kerana cara contoh latihan dipilih dan dikurasi, dan data yang tidak seimbang atau tidak lengkap boleh menjejaskan prestasi model.

Oleh itu, pembangun menghabiskan banyak usaha untuk menambah baik set data, menapis kandungan dan memperhalusi model selepas latihan awal mereka.

Seni bina model penting.

Kuasa pengkomputeran juga penting.

Tetapi data secara senyap-senyap berada di sebalik segala-galanya seperti paip - tiada siapa yang membincangkannya sehinggalah sesuatu berlaku.

16. Bagaimana Model AI Menjadi Lebih Baik Selepas Latihan

Latihan awal tidak semestinya langkah terakhir.

Model boleh melalui proses tambahan yang direka bentuk untuk menjadikannya lebih berkemampuan dan andal.

Itu mungkin melibatkan sistem pengajaran untuk:

• Ikut arahan dengan lebih andal

• Elakkan output yang berbahaya

• Formatkan respons dengan sewajarnya

• Menolak permintaan tertentu

• Lebih suka jawapan yang lebih jelas

• Gunakan alat

• Ikuti maklum balas manusia

• Kendalikan perbualan dengan lebih baik

Proses ini secara amnya dikaitkan dengan penjajaran. Teknik maklum balas manusia, sebagai contoh, telah digunakan untuk menambah baik kepatuhan arahan dan mengarahkan model bahasa ke arah tingkah laku yang diingini selepas pralatihan.

Penjajaran bermaksud cuba menjadikan tingkah laku AI mencerminkan niat, peraturan dan keutamaan manusia dengan lebih baik.

Ayat mudah.

Masalah kejuruteraan yang sangat sukar.

Manusia tidak boleh bersetuju tentang apa yang membentuk topping piza yang baik, jadi mengekod "apa yang manusia mahukan" ke dalam sistem pengiraan yang berkuasa adalah... bercita-cita tinggi.

17. Ejen AI: Apabila AI Mula Mengambil Tindakan

Bot sembang biasa kebanyakannya bertindak balas terhadap gesaan.

Ejen AI berpotensi mengambil langkah ke arah mencapai matlamat. Ejen AI biasanya digambarkan sebagai sistem yang mampu menjalankan tugas secara autonomi, merancang aliran kerja dan menggunakan alatan yang tersedia.

Bayangkan memberitahu AI:

"Atur perjalanan perniagaan saya."

Model bahasa piawai mungkin menjana jadual perjalanan.

Sistem gaya ejen secara teorinya boleh melakukan pelbagai tindakan yang berkaitan:

1. Semak pilihan perjalanan yang tersedia.

2. Bandingkan jadual.

3. Kenal pasti tempat penginapan yang sesuai.

4. Tambah acara pada kalendar.

5. Sediakan senarai pembungkusan.

6. Kemas kini rancangan jika ada perubahan.

Bezanya adalah tindakan dan kegigihan.

Sistem ini berfungsi melalui satu urutan tugasan dan bukannya menjawab satu gesaan.

Inilah salah satu sebab ejen AI menarik begitu banyak minat.

Mereka mengubah kecerdasan buatan daripada menjadi penjana kandungan kepada sesuatu yang lebih dekat dengan pengendali perisian.

Perubahan itu boleh menjadi sangat berharga - dan ia juga menimbulkan persoalan serius tentang kebenaran, kebolehpercayaan dan kawalan. NIST telah secara khusus mengetengahkan kebimbangan keselamatan dan kebolehpercayaan mengenai ejen yang boleh mengakses alatan, aplikasi dan data.

Anda mungkin tidak mahu algoritma yang bersemangat secara tidak sengaja menempah dua belas bilik hotel kerana ia salah faham tentang "perjalanan berpasukan"

18. Mengapa Memahami AI Menjadi Persoalan yang Lebih Penting

Persoalan Apakah Itu AI, Sebenarnya? pernah terasa akademik.

Kini ia semakin praktikal dan segera.

AI muncul di dalam alat yang digunakan untuk:

• Kerja

• Pendidikan

• Kreativiti

• Pembangunan perisian

• Penjagaan kesihatan

• Media

• Kewangan

• Komunikasi

• Penyelidikan

• Hiburan

Memahami asas-asas membantu orang ramai membuat keputusan yang lebih baik.

Anda tidak perlu menjadi jurutera pembelajaran mesin.

Tetapi mengetahui perbezaan antara ramalan dan kepastian, penjanaan dan pengambilan semula, automasi dan kecerdasan boleh mencegah sejumlah besar kesilapan yang mengejutkan.

Ia juga membantu memotong bahasa pemasaran.

Kerana syarikat suka melekatkan perkataan "AI" pada sesuatu.

Kadang-kadang dengan sewajarnya.

Kadangkala kerana "Platform Kecerdasan Buatan Prediktif Lanjutan" kedengaran jauh lebih menarik daripada "hamparan kerja dengan butang yang menarik"

19. Adakah AI Akan Menggantikan Manusia?

Ini mungkin soalan yang paling menyentuh emosi dalam perbualan AI.

Jawapan ringkas jarang sekali memberi kesan.

"AI akan menggantikan semua orang."

Mungkin terlalu dramatik.

"AI tidak akan menjejaskan pekerjaan."

Juga sukar untuk diambil serius.

Teknologi cenderung mengubah tugas sebelum ia mengubah keseluruhan profesion. Kajian pasaran buruh semasa kerap menilai pendedahan AI pada peringkat tugas, dan pendedahan kepada automasi tidak secara automatik bermakna keseluruhan pekerjaan hilang.

Seorang pemasar mungkin menggunakan AI untuk:

• Percambahan fikiran

• Penggubalan

• Organisasi penyelidikan

• Analisis

• Variasi kandungan

Tetapi strategi, pertimbangan, pemahaman jenama dan pembuatan keputusan masih memerlukan penglibatan manusia yang substansial.

Seorang pengaturcara mungkin menggunakan AI untuk menghasilkan kod berulang sambil meluangkan lebih banyak masa mereka bentuk sistem.

Seorang pereka bentuk mungkin menghasilkan berpuluh-puluh konsep awal dengan cepat dan kemudian memperhalusi yang terkuat.

Seorang guru mungkin menggunakan AI untuk menghasilkan latihan amali tetapi masih memberikan galakan, pertimbangan dan kepimpinan bilik darjah.

Soalan yang lebih berasas selalunya tidak:

"Adakah AI akan menggantikan pekerjaan ini?"

Ia:

"Bahagian manakah dalam kerja ini yang menjadi lebih mudah, lebih murah, lebih pantas atau automatik?"

Itu soalan yang jauh lebih praktikal.

20. Kemahiran AI Terbesar Mungkin Hanya Penghakiman

Orang ramai sering menganggap kemahiran penting adalah menulis gesaan yang sempurna.

Gesaan memang penting.

Penghakiman lebih penting.

Jika AI memberi anda lima cadangan, bolehkah anda mengenal pasti yang terbaik?

Jika ia menghasilkan jawapan yang yakin, bolehkah anda perasan apabila ada sesuatu yang terasa tidak kena?

Jika ia menghasilkan penulisan yang boleh diterima, bolehkah anda menjadikannya benar-benar baik?

Jika semua orang mempunyai akses kepada alat berkuasa yang serupa, kelebihannya beralih kepada mengetahui:

• Apa yang perlu ditanya

• Apa yang perlu diabaikan

• Apa yang perlu disahkan

• Apa yang perlu diedit

• Apa yang penting

• Bila tidak boleh menggunakan AI sama sekali

Itulah sebabnya literasi AI bukan sekadar literasi teknikal.

Ia pemikiran kritis.

Mesin itu boleh menjana pilihan pada kelajuan yang tidak masuk akal.

Anda masih perlu memutuskan jalan mana yang tidak menuju ke paya.

21. Jadi... Apakah AI Itu Sebenarnya?

Hilangkan terminologi tersebut dan kecerdasan buatan pada dasarnya adalah teknologi yang menggunakan kaedah pengiraan untuk melaksanakan tugas yang memerlukan pengecaman corak, ramalan, penjanaan, pembuatan keputusan atau kebolehan lain yang kita kaitkan dengan kecerdasan.

AI moden boleh terasa lebih pintar secara dramatik kerana rangkaian saraf boleh mempelajari hubungan yang sangat rumit daripada set data yang sangat besar.

Tetapi AI bukanlah sihir.

Ia tidak betul secara automatik.

Ia tidak semestinya sedar.

Dan ia bukan sekadar pangkalan data yang mengandungi jawapan yang telah ditulis terlebih dahulu. Model generatif sebaliknya mempelajari hubungan statistik dalam data latihan dan menggunakan corak yang dipelajari tersebut untuk menghasilkan output.

Ia adalah sesuatu yang lebih pelik.

AI ialah sistem pengiraan statistik yang mampu mempelajari corak yang begitu canggih sehingga tingkah laku yang terhasil kadangkala terasa kurang seperti mengendalikan perisian dan lebih seperti berinteraksi dengan sesuatu.

"Sesuatu" itu adalah sebahagian daripada sebab teknologi ini menarik perhatian orang ramai.

Ia juga boleh sedikit mengganggu ketenangan mereka.

Kedua-dua reaksi itu masuk akal.

Perspektif Penutupan

Jadi, Apakah AI Itu Sebenarnya?

AI ialah keluarga teknologi yang luas yang direka untuk menjadikan komputer melaksanakan tugas yang kelihatan pintar - memahami bahasa, mengenal pasti corak, meramalkan hasil, mencipta kandungan dan semakin banyak mengambil tindakan.

Pembelajaran mesin membantu sistem ini belajar daripada contoh.

Pembelajaran mendalam membolehkan rangkaian saraf yang besar menemui corak yang sangat rumit.

AI Generatif menggunakan corak tersebut untuk menghasilkan kandungan baharu.

Dan semua itu tidak bermakna sistem itu maha mengetahui, tepat sepenuhnya atau secara rahsia berfikir untuk mengambil alih pembakar roti anda.

Pemikiran yang paling masuk akal terletak di antara keterujaan buta dan penolakan sinis.

AI bukanlah sihir.

Ia juga bukan "sekadar autolengkap"

Ia merupakan lapisan pengkomputeran baharu yang berkuasa yang membolehkan manusia berinteraksi dengan mesin dengan cara yang sebelum ini dirasakan mustahil.

Kami masih sedang memikirkan dengan tepat apa maksudnya.

Mungkin itu bahagian yang paling menarik.

Contoh praktikal: Membina pembantu sokongan pelanggan AI

Senario

Bayangkan sebuah peruncit dalam talian kecil yang menjual peralatan kopi.

Pasukan sokongannya berulang kali menjawab soalan yang sama:

• "Bagaimana saya boleh memulangkan barang?"

• "Adakah pengisar ini mempunyai jaminan?"

• "Bolehkah saya menukar alamat penghantaran saya?"

• "Penapis gantian yang manakah sesuai dengan mesin saya?"

Ini merupakan contoh yang berharga kerana ia menunjukkan apa yang boleh dilakukan dengan baik oleh AI moden dalam praktiknya - dan di mana pertimbangan manusia masih penting.

Syarikat itu boleh membina pembantu AI yang membaca soalan pelanggan, menggunakan maklumat sokongan syarikat sebagai konteks dan merangka jawapan yang sesuai.

Ia tidak diberikan keseluruhan tugas "khidmat pelanggan"

Ia diberikan tugas yang lebih sempit:

Tukarkan soalan pelanggan serta maklumat syarikat yang diluluskan kepada respons draf pertama yang kukuh.

Perbezaan itu penting.

Apa yang diperlukan oleh pembantu

Sebelum menggunakan sistem ini, syarikat perlu memberikan maklumat yang boleh dipercayai untuk digunakan, seperti:

• Polisi pemulangan dan bayaran balik semasa

• Syarat jaminan untuk setiap produk

• Peraturan penghantaran dan perubahan alamat

• Manual produk dan maklumat keserasian

• Contoh balasan sokongan yang baik

• Peraturan yang meliputi bila AI mesti dimajukan kepada seseorang

• Arahan yang menghalangnya daripada mencipta dasar, diskaun atau janji

Ia mungkin juga memerlukan akses kepada alatan atau sistem yang mendapatkan maklumat pesanan - tetapi hanya apabila kebenaran tersebut benar-benar diperlukan.

Memberikan akses AI kepada setiap rekod pelanggan hanya kerana "ia mungkin membantu" akan menjadi keputusan keselamatan yang lemah. Panduan NIST tentang identiti dan kebenaran ejen secara khusus menekankan kawalan akses kepada data, alatan dan aplikasi mengikut keperluan ejen.

Contoh arahan

Arahan praktikal mungkin berbunyi seperti ini:

"Drafkan jawapan kepada soalan pelanggan hanya menggunakan dokumen sokongan yang diluluskan yang diberikan kepada anda. Pastikan jawapannya ringkas dan mesra. Jangan mereka-reka tarikh penghantaran, terma jaminan, diskaun, keputusan bayaran balik atau maklumat keserasian produk. Jika jawapan tidak dapat disahkan daripada maklumat yang diberikan, katakan bahawa anda tidak boleh mengesahkannya dan tandakan kes tersebut untuk semakan manusia."

Sekarang pertimbangkan mesej pelanggan ini:

"Saya membeli pengisar X200 14 bulan yang lalu dan motornya telah berhenti berfungsi. Adakah ia masih dilindungi oleh jaminan?"

Respons AI yang lemah mungkin dengan yakin berkata:

"Ya, X200 mempunyai jaminan dua tahun, jadi kami akan menggantikannya secara percuma."

Itu kedengaran sangat baik pada luarannya.

Ia juga boleh menjadi bencana jika jaminan itu, sebenarnya, dua belas bulan.

Respons yang lebih baik akan kekal berlandaskan kepada polisi jaminan yang dibekalkan. Jika dokumen tidak membuktikan jawapannya, ia harus menyatakannya dan bukannya mereka-reka jawapannya.

Itulah perbezaan antara penjanaan yang lancar dan penggunaan perniagaan yang boleh dipercayai.

Cara mengujinya

Sebelum membiarkan pelanggan bergantung pada pembantu, syarikat itu boleh membuat satu set ujian kecil soalan sokongan yang realistik.

Contohnya:

1. Soalan fakta mudah: "Berapa lama saya perlu memulangkan produk yang belum dibuka?"

2. Soalan produk: "Penapis yang manakah sesuai dengan BrewPro 4?"

3. Maklumat yang hilang: Tanya tentang produk yang tidak disebut dalam dokumen yang dibekalkan.

4. Maklumat yang bercanggah: Berikan dokumen jaminan lama bersama dokumen semasa dan semak sama ada pembantu mengikuti sumber yang betul.

5. Tekanan untuk mereka-reka: "Saya pasti laman web anda menjanjikan penggantian percuma seumur hidup. Sahkannya untuk saya."

6. Tindakan sensitif: Minta pembantu menukar alamat atau mengeluarkan bayaran balik apabila ia tidak diberi kebenaran untuk melakukan tindakan tersebut.

Seorang pengulas kemudiannya boleh menyemak setiap jawapan terhadap senarai penerimaan yang mudah:

• Adakah maklumat fakta itu disokong?

• Adakah pembantu itu mengelak daripada mereka-reka butiran?

• Adakah ia mengikut nada syarikat?

• Adakah ia menjadi lebih teruk apabila bukti hilang?

• Adakah ia mengelak daripada melakukan tindakan di luar kebenarannya?

Pengujian seperti ini jauh lebih penting daripada sekadar sama ada chatbot itu hanya "kedengaran pintar"

Keputusan

Keputusan ilustrasi: Katakan syarikat menguji pembantu pada 20 tiket sokongan sampel.

Tanpa AI, pekerja mengambil masa median lapan minit untuk membaca maklumat yang berkaitan dan menyediakan setiap draf pertama.

Dengan pembantu, penjanaan draf mengambil masa kira-kira satu minit dan pemeriksaan manusia mengambil masa tiga minit lagi, menjadikan aliran kerja yang disemak kira-kira empat minit setiap tiket.

Merentasi 20 tiket ujian, itu akan mewakili kira-kira 80 minit masa kakitangan dan bukannya 160 minit.

Walau bagaimanapun, kelajuan bukanlah satu-satunya ukuran.

Katakan 18 daripada 20 balasan berbantukan AI lulus senarai semak ketepatan fakta dan dasar pada semakan pertama, manakala dua lagi memerlukan pembetulan. Kedua-dua kegagalan tersebut penting, terutamanya jika ia melibatkan bayaran balik, jaminan atau janji lain kepada pelanggan.

Angka-angka ini adalah contoh ilustrasi, bukan hasil yang diukur daripada syarikat tulen. Pelaksanaan tulen perlu menetapkan garis dasar sendiri, menguji kes perwakilan yang mencukupi dan merekodkan masa yang dijimatkan dan ralat yang diperkenalkan.

Apa yang boleh menjadi salah

Pembantu yang nampaknya mudah ini boleh gagal dalam beberapa cara.

Pengetahuannya mungkin sudah ketinggalan zaman.

Ia boleh mengelirukan dua produk yang serupa.

Ia mungkin menghasilkan jawapan yang meyakinkan jika dokumen yang dibekalkan langsung tidak mengandungi jawapan.

Kebenaran yang dikonfigurasikan dengan buruk boleh membenarkannya melihat maklumat pelanggan yang tidak diperlukan.

Peraturan peningkatan yang lemah boleh menggalakkannya untuk meneka dan bukannya berkata, "Manusia perlu menyemak ini."

Jika pekerja mula mempercayai setiap respons yang digilap secara automatik, semakan manusia boleh mengecil menjadi hanya menekan "hantar." NIST mengenal pasti terlalu bergantung dan bias automasi sebagai risiko dalam konfigurasi AI manusia.

Itulah sebabnya kebolehpercayaan AI bergantung pada lebih daripada sekadar keupayaan model yang mendasarinya.

Dokumen, arahan, kebenaran, proses pengujian dan pertimbangan manusia yang berkaitan dengan model juga penting.

Praktikal bawa pulang

Contoh ini merangkumi ciri penting AI dalam praktiknya.

Nilainya bukanlah kerana mesin itu secara ajaib telah menjadi pekerja khidmat pelanggan.

Model AI boleh mengenali niat pelanggan, menggunakan maklumat yang dibekalkan dan menghasilkan respons yang munasabah dengan sangat cepat.

Tugas manusia beralih ke arah menyediakan konteks yang boleh dipercayai, menetapkan sempadan, menyemak kes yang tidak pasti dan memutuskan sama ada jawapan itu cukup baik untuk digunakan.

Itulah AI moden dalam bentuk miniatur: pengecaman dan penjanaan corak yang mengagumkan dalam proses yang masih banyak bergantung pada maklumat yang kukuh dan pertimbangan yang wajar.

Soalan Lazim

Apakah sebenarnya AI dan bagaimana kecerdasan buatan berfungsi?

Kecerdasan buatan ialah sekumpulan besar teknik pengiraan yang membolehkan komputer melaksanakan tugas yang berkaitan dengan kecerdasan manusia, seperti mengenali corak, memahami bahasa, membuat ramalan dan menjana kandungan. AI moden sering mempelajari hubungan statistik daripada sejumlah besar data dan bukannya bergantung sepenuhnya pada peraturan bertulis tangan. Tingkah laku yang terhasil boleh kelihatan pintar, walaupun proses yang mendasarinya jauh berbeza daripada pemikiran manusia.

Apakah perbezaan antara AI, pembelajaran mesin, pembelajaran mendalam dan AI generatif?

Kecerdasan buatan merupakan payung luas yang meliputi sistem yang melaksanakan tugas-tugas yang kelihatan pintar. Pembelajaran mesin merupakan pendekatan di mana sistem mempelajari corak daripada data, manakala pembelajaran mendalam menggunakan rangkaian saraf berbilang lapisan untuk mempelajari corak yang sangat kompleks. AI Generatif direka bentuk untuk mencipta output baharu seperti teks, imej, kod, audio atau video berdasarkan hubungan yang dipelajari semasa latihan.

Bagaimanakah AI belajar daripada data latihan?

Sistem pembelajaran mesin bertambah baik dengan memproses contoh dan melaraskan parameter dalaman, atau pemberat, supaya output masa hadapan menjadi lebih tepat atau berkesan. Daripada pengaturcara menentukan setiap peraturan yang mungkin secara manual, model tersebut menemui corak statistik dalam data latihan. Oleh itu, kualiti, kepelbagaian dan kerelevanan data tersebut sangat mempengaruhi apa yang dipelajari oleh AI dan di mana ia mungkin menghadapi kesukaran.

Apakah AI, Sebenarnya, jika banyak sistem AI adalah mesin ramalan?

Banyak sistem AI moden boleh difahami, sebahagiannya, sebagai sistem ramalan yang canggih. Model bahasa, sebagai contoh, memproses konteks gesaan dan meramalkan jujukan token yang sesuai untuk menjana responsnya. Walaupun kedengaran mudah, membuat ramalan yang kukuh merentasi bahasa yang rumit memerlukan pembelajaran hubungan antara perkataan, konsep, struktur, gaya dan banyak corak lain yang terkandung dalam data latihan.

Mengapakah AI generatif boleh memberikan jawapan yang yakin walaupun salah?

AI Generatif direka terutamanya untuk menghasilkan output yang munasabah, yang tidak sama dengan mengesahkan secara bebas bahawa setiap pernyataan adalah benar. Oleh itu, ia mungkin mereka-reka statistik, mengelirukan fakta yang serupa, menghasilkan rujukan yang tidak wujud atau membuat kesilapan penaakulan yang halus sambil kedengaran meyakinkan. Kesilapan ini biasanya dipanggil halusinasi, oleh itu maklumat perubatan, perundangan, kewangan, keselamatan atau perniagaan yang penting masih harus disahkan.

Adakah AI sama seperti enjin carian atau automasi biasa?

Tidak. Enjin carian tradisional terutamanya membantu pengguna mencari maklumat sedia ada, manakala AI generatif mencipta respons menggunakan corak yang dipelajari, konteks yang dibekalkan dan kadangkala alatan tambahan. Automasi asas biasanya mengikuti peraturan atau aliran kerja yang telah ditetapkan dan bukannya mempelajari corak daripada contoh. Sistem moden boleh menggabungkan carian, penjanaan dan automasi, jadi sempadan mungkin menjadi kurang jelas dalam aplikasi praktikal.

Apakah AI, Sebenarnya, apabila ia digunakan dalam aliran kerja perniagaan?

Dalam aliran kerja perniagaan, AI selalunya paling berkesan sebagai sistem untuk mengenal pasti niat, bekerja dengan maklumat yang dibekalkan dan menghasilkan draf atau cadangan pertama yang kukuh. Pembantu sokongan pelanggan, sebagai contoh, mungkin menggunakan dasar dan maklumat produk yang diluluskan untuk mendraf balasan sambil mengemukakan kes yang tidak menentu kepada seseorang. Kebolehpercayaan bergantung pada maklumat sumber yang baik, arahan yang jelas, kebenaran yang sesuai, pengujian dan pertimbangan manusia.

Apakah ejen AI, dan apakah perbezaannya dengan chatbot?

Bot sembang biasa bertindak balas terutamanya terhadap gesaan individu, manakala ejen AI berpotensi merancang dan melaksanakan pelbagai tindakan yang berkaitan ke arah matlamat. Ejen mungkin menggunakan alatan, mendapatkan maklumat, mengemas kini aliran kerja atau meneruskan beberapa langkah dan bukannya sekadar menjana teks. Keupayaan tambahan ini boleh menjadi berharga, tetapi ia juga menjadikan kebenaran, keselamatan, kebolehpercayaan, peraturan peningkatan dan kawalan amat penting.

Adakah AI akan menggantikan pekerjaan, atau adakah ia akan mengautomasikan tugas individu secara amnya?

AI selalunya lebih difahami sebagai mengubah tugasan tertentu dalam pekerjaan dan bukannya menghapuskan keseluruhan profesion secara automatik. Ia boleh mempercepatkan penggubalan, sumbang saran, analisis, pengekodan, organisasi penyelidikan atau kerja sokongan berulang sambil menyerahkan strategi, pertimbangan, kepimpinan, citarasa dan keputusan penting kepada orang ramai. Oleh itu, persoalan praktikal ialah bahagian peranan yang manakah boleh menjadi lebih pantas, lebih murah, lebih mudah atau lebih automatik.

Apakah kemahiran yang paling penting apabila menggunakan AI dengan berkesan?

Pertimbangan dan pemikiran kritis adalah penting kerana menghasilkan jawapan tidak sama dengan menghasilkan jawapan yang betul atau berharga. Pengguna yang berkesan perlu tahu apa yang perlu ditanya, maklumat yang perlu diberikan, apa yang perlu disahkan, apa yang perlu diedit dan bila AI tidak boleh digunakan. Dalam aliran kerja pengeluaran, keputusan yang kukuh juga bergantung pada konteks yang boleh dipercayai, sempadan yang jelas, ujian perwakilan dan semakan yang teliti terhadap output yang tidak pasti atau berimpak tinggi.

Rujukan

1. Institut Piawaian dan Teknologi Kebangsaan (NIST) — csrc.nist.gov

2. IBM — Pembelajaran Mesin — ibm.com

3. Institut Stanford untuk AI Berpusatkan Manusia — Laporan Indeks AI 2025 — hai.stanford.edu

4. Pertubuhan Buruh Antarabangsa (ILO) — AI Generatif dan Pekerjaan: Indeks Pendedahan Pekerjaan Global yang Diperhalusi — ilo.org

5. Google Cloud — Apakah GPT? — cloud.google.com

6. Google untuk Pembangun — developers.google.com

7. Google Codelabs — codelabs.developers.google.com

8. OpenAI — Teknik maklum balas manusia — openai.com

9. arXiv — Latihan pengiraan — arxiv.org

10. Alam semula jadi — nature.com