Apakah Jenis-jenis AI? [Video dan Kuiz]

Jawapan ringkas: Jenis AI paling difahami berdasarkan keupayaan, fungsi, gaya latihan dan kes penggunaan. AI sempit adalah perkara biasa pada masa kini, manakala AI umum dan AI super kekal sebagai teori. Apabila memilih alat, padankan kategori tersebut dengan tugas, risiko yang terlibat dan keperluan untuk semakan manusia.

Kesimpulan utama:

Pengelasan: Asingkan keupayaan, fungsi, kaedah latihan dan kes penggunaan sebelum membandingkan sistem.

Semakan manusia: Semak output generatif, ramalan dan perbualan sebelum bergantung padanya.

Ketelusan: Tanyakan data, logik dan had yang membentuk setiap sistem AI.

Akauntabiliti: Pastikan manusia bertanggungjawab apabila AI mempengaruhi keputusan, pengguna atau keselamatan.

Kawalan risiko: Uji bias, privasi, keselamatan dan penyalahgunaan sebelum penggunaan.

---

1. Apakah Jenis-jenis AI?

Apabila orang bertanya, “Apakah Jenis-jenis AI?” mereka biasanya bermaksud salah satu daripada dua perkara:

Mereka mungkin bertanya tentang AI berdasarkan keupayaan, seperti sama ada ia hanya boleh melakukan satu tugas atau berfikir secara lebih luas seperti manusia.

Atau mereka mungkin bertanya tentang AI berdasarkan kefungsian, yang bermaksud bagaimana sistem bertindak balas, belajar, mengingati, meramalkan atau bertindak balas.

Di situlah keadaan menjadi sedikit kusut. AI tidak dikumpulkan ke dalam satu kotak yang bersih. Ia lebih seperti menyusun peralatan dapur mengikut saiz, tujuan, ketajaman dan sama ada pak cik anda membelinya dari kedai dalam talian yang meragukan. Sistem pengelasan yang berbeza bertindih.

Kategori utama biasanya termasuk:

• AI Sempit

• AI Umum

• AI Super

• Mesin Reaktif

• AI Memori Terhad

• Teori Minda AI

• AI yang Menyedari Diri

• Pembelajaran Mesin AI

• AI Pembelajaran Mendalam

• AI Generatif

• AI Ramalan

• AI Perbualan

• AI Visi Komputer

• Robotik AI

Sebahagian daripadanya digunakan secara meluas. Sebahagiannya masih bersifat teori. Sebahagiannya kedengaran futuristik tetapi sudah terbina dalam aplikasi harian. Batasan antara "perisian biasa" dan "AI" juga menjadi semakin kabur dari semasa ke semasa.

---

2. Jenis-jenis AI mengikut Keupayaan

Cara utama pertama untuk mengklasifikasikan AI adalah berdasarkan apa yang boleh dilakukannya. Ini adalah pandangan gambaran besar 🧠.

AI Sempit

AI sempit, juga dikenali sebagai AI lemah, direka bentuk untuk melaksanakan tugas tertentu atau satu set tugas yang terhad. Inilah AI yang digunakan orang ramai setiap hari.

Contohnya termasuk:

• Cadangan carian

• Penapis spam

• Pembantu suara

• Sistem pengecaman wajah

• Bot Sembang

• Enjin cadangan produk

• Alat pengesanan penipuan

• Aplikasi terjemahan bahasa

AI sempit boleh menjadi hebat, tetapi ia bukanlah "pemikiran" dalam erti kata manusia yang luas. AI catur boleh mengalahkan seorang grandmaster, tetapi ia tidak boleh tiba-tiba memutuskan untuk menjadi seorang chef pastri. Model terjemahan boleh menterjemahkan perenggan, tetapi ia tidak mengalami bahasa seperti yang dialami oleh seseorang.

Namun begitu, AI yang sempit merupakan tunggangan utama dunia AI moden. Ia tidaklah glamor dalam bentuk fiksyen sains, tetapi ia banyak memaparkannya di sebalik tirai 🎭.

AI Umum

AI am merujuk kepada kecerdasan buatan yang boleh memahami, belajar, menaakul dan mengaplikasikan pengetahuan merentasi pelbagai tugasan pada tahap seperti manusia.

Secara ringkasnya: ia bukan sahaja akan melakukan satu perkara dengan baik. Ia boleh menyesuaikan diri.

AI umum yang sebenar berpotensi:

• Pelajari tugasan yang tidak dikenali

• Penaakulan merentasi subjek yang berbeza

• Selesaikan masalah baharu

• Memindahkan ilmu pengetahuan dari satu bidang ke bidang yang lain

• Fahami konteks dengan lebih mendalam

• Buat keputusan dengan pertimbangan yang fleksibel

AI jenis ini masih lebih kepada matlamat berbanding realiti seharian. Orang ramai banyak membincangkannya kerana ia menarik, mungkin sedikit meresahkan, dan sukar untuk ditolak sebagai satu konsep. Tetapi alat biasa yang menulis teks, menjana imej atau menjawab soalan bukanlah AI umum secara automatik. Ia mungkin terasa luas, tetapi ia masih beroperasi dalam had yang direka.

AI Super

Super AI akan melangkaui kecerdasan manusia. Bukan sekadar menaip lebih pantas atau matematik yang lebih baik - penaakulan, kreativiti, strategi, pembelajaran yang unggul dan mungkin juga pemahaman emosi atau sosial.

Ini adalah kategori yang paling spekulatif. Ia menimbulkan persoalan besar:

• Siapa yang mengawalnya?

• Bolehkah ia diselaraskan dengan nilai-nilai kemanusiaan?

• Adakah ia akan memahami matlamat manusia dengan betul?

• Bolehkah ia memperbaiki dirinya sendiri?

• Apa yang berlaku jika ia membuat keputusan yang tidak boleh diikuti oleh manusia?

Super AI ialah tempat perbualan AI kadangkala bertukar menjadi sup falsafah. Sup yang berharga, mungkin, tetapi tetap sup 🍲.

---

3. Jenis-jenis AI mengikut Fungsi

Satu lagi cara biasa untuk menerangkan Jenis-jenis AI adalah melalui fungsi. Ini memberi tumpuan kepada bagaimana AI bertindak.

Mesin Reaktif

Mesin reaktif ialah jenis AI yang paling ringkas. Ia bertindak balas terhadap input semasa tanpa menggunakan memori daripada pengalaman lalu.

Mereka tidak belajar dari semasa ke semasa seperti sistem adaptif moden. Mereka melihat situasi, memprosesnya, dan bertindak balas.

Anggaplah ia sebagai: “Input masuk. Output keluar. Tiada catatan diari.”

AI reaktif masih boleh mengagumkan. Ia mungkin menganalisis kemungkinan pergerakan dalam permainan atau bertindak balas terhadap situasi yang jelas dengan kelajuan dan ketepatan yang melampau. Tetapi ia tidak membina sejarah peribadi atau berkembang berdasarkan interaksi masa lalu.

AI Memori Terhad

AI memori terhad boleh menggunakan data lepas untuk membuat keputusan yang lebih baik. Ini adalah kategori di mana kebanyakan AI praktikal hari ini berada.

Contohnya termasuk:

• Sistem cadangan yang belajar daripada tingkah laku pengguna

• Sistem kenderaan pandu sendiri menganalisis keadaan jalan raya terkini

• Chatbot mengingati konteks dalam perbualan

• Model pengesanan penipuan yang belajar daripada corak transaksi

• Alat analisis ramalan menggunakan data sejarah

Memori terhad tidak bermaksud "memori buruk". Ini bermakna sistem boleh menggunakan data yang disimpan atau terkini, tetapi ia tidak mempunyai kesedaran seperti manusia atau pengalaman peribadi jangka panjang. Walau bagaimanapun, ia boleh menjadi sangat berkesan. Kadangkala ia sangat berkesan - seperti apabila aplikasi membeli-belah tahu apa yang anda mahukan sebelum anda mengakuinya kepada diri sendiri 🛒.

Teori Minda AI

Teori Minda AI akan memahami emosi, kepercayaan, niat dan isyarat sosial dengan cara yang lebih seperti manusia.

AI jenis ini bukan sahaja akan memproses perkataan. Ia akan membuat kesimpulan tentang apa yang mungkin dirasai, diingini, salah faham, ditakuti atau dijangkakan oleh seseorang.

Contohnya, ia mungkin memahami bahawa:

• Seorang pelanggan kecewa tetapi cuba kekal sopan

• Seorang pelajar keliru tetapi malu untuk bertanya lagi

• Seorang pesakit berasa cemas walaupun telah berkata "Saya baik-baik saja"

• Seorang rakan sepasukan teragak-agak kerana mereka secara senyap-senyap tidak bersetuju

Ini kekal sebagai bidang perbincangan AI yang aktif, tetapi Teori Minda AI yang sebenar amat sukar. Emosi manusia kusut masai. Orang ramai mengatakan satu perkara dan bermaksud perkara lain. Kadangkala mereka sendiri tidak tahu apa yang mereka maksudkan. Semoga berjaya, mesin.

AI yang Menyedari Diri

AI yang menyedari diri akan mempunyai kesedaran, pemahaman diri, dan kesedaran tentang keadaan dalamannya sendiri.

Ini teori. Ia tergolong dalam fiksyen sains, panel etika, pertengkaran lewat malam dan orang ramai yang merenung ke luar tingkap secara dramatik 🌙.

AI yang sedar diri bukan sahaja akan mensimulasikan perbualan tentang perasaan. Ia akan mempunyai sejenis pengalaman subjektif. Itu adalah dakwaan yang besar. Sistem AI semasa tidak mempunyai kesedaran, perasaan, keinginan atau kendiri yang disahkan.

Mereka boleh kedengaran sedar diri kerana bahasa boleh meniru refleksi diri. Tetapi kedengaran seperti sesuatu dan menjadi sesuatu adalah tidak sama. Burung kakak tua boleh berkata "Saya lapar," tetapi itu tidak bermakna ia mempunyai tempahan restoran.

---

4. Jadual Perbandingan: Jenis Utama AI

Jenis AI	Idea Utama	Status Semasa	Contoh Biasa	Mengapa Ia Penting
AI Sempit	Dibina untuk tugasan tertentu	Digunakan secara meluas	Bot sembang, carian, cadangan	Praktikal dan di mana-mana sahaja
AI Umum	Kecerdasan fleksibel seperti manusia	Tidak tercapai sepenuhnya	Kebanyakannya secara teori	Matlamat besar, perdebatan besar
AI Super	Lebih bijak daripada manusia secara amnya	Spekulatif	Tiada contoh praktikal	Persoalan etika yang besar
Mesin Reaktif	Bertindak balas tanpa ingatan	Digunakan dalam kes terhad	AI permainan, sistem berasaskan peraturan	Cepat tetapi tidak mudah menyesuaikan diri
AI Memori Terhad	Menggunakan data/sejarah untuk menambah baik	Sangat biasa	Sistem pandu sendiri, alat penipuan	Ini pemandu harian 🚗
Teori Minda AI	Memahami emosi dan niat	Membangunkan konsep	Idea AI sosial lanjutan	Boleh menjadikan AI lebih peka terhadap manusia
AI yang Menyedari Diri	Mempunyai kesedaran	Teori	Contoh gaya fiksyen sains	Secara falsafahnya besar-besaran
AI Generatif	Mencipta kandungan baharu	Digunakan secara meluas	Alatan teks, imej, audio	Peningkatan produktiviti kreatif
AI Ramalan	Hasil ramalan	Digunakan secara meluas	Pemarkahan risiko, perancangan permintaan	Membantu membuat keputusan - kebanyakannya
Robotik AI	Mengawal mesin fizikal	Digunakan dalam industri	Robot, dron, automasi	Menghubungkan AI dengan kerja fizikal

Agak tidak sekata? Ya. Tetapi begitulah cara AI berfungsi dalam kehidupan seharian juga - bukan pameran muzium dengan label yang sempurna.

---

5. AI Generatif: Jenis Yang Dibincangkan Semua Orang 🎨

AI Generatif merupakan salah satu Jenis AI yang paling popular kerana ia mencipta sesuatu.

Ia boleh menjana:

• Teks

• Imej

• Muzik

• Kod

• Video

• Penerangan produk

• Salinan pemasaran

• Rancangan pengajaran

• Ringkasan

• Data sintetik

• Idea reka bentuk

AI Generatif berfungsi dengan mempelajari corak daripada sejumlah besar data dan kemudian menghasilkan output baharu berdasarkan gesaan. Ia tidak menyalin dalam erti kata mudah yang kadangkala dibayangkan oleh orang ramai. Ia meramalkan, menggabungkan, mengubah dan menjana berdasarkan struktur yang dipelajari.

Walau bagaimanapun, ia masih boleh melakukan kesilapan. Ia boleh kedengaran yakin tetapi salah, yang pada dasarnya merupakan versi mesin seseorang yang menerangkan undang-undang cukai di barbeku keluarga.

AI Generatif berharga untuk:

• Percambahan fikiran

• Menggubal kandungan

• Mengautomasikan penulisan berulang

• Mencipta konsep visual

• Menyokong khidmat pelanggan

• Mempercepatkan tugasan pengekodan

• Memperibadikan bahan pembelajaran

Tetapi ia perlu dikaji semula. Sentiasa. Output AI boleh mengagumkan, tetapi ia tidak secara automatik tepat, adil, sah atau selamat untuk jenama. Anggap ia seperti pembantu yang sangat pantas dengan kecenderungan gremlin dari semasa ke semasa.

---

6. Pembelajaran Mesin AI: Pencari Corak

Pembelajaran mesin merupakan cabang utama AI di mana sistem mempelajari corak daripada data dan bukannya diprogramkan baris demi baris untuk setiap keputusan.

Perisian tradisional mematuhi peraturan yang jelas. Sistem pembelajaran mesin mengenal pasti hubungan dan meningkatkan prestasi melalui latihan.

Contohnya:

• Penapis spam mempelajari rupa e-mel yang mencurigakan

• Model bank mengesan tingkah laku transaksi yang luar biasa

• Aplikasi penstriman mengesyorkan rancangan berdasarkan tabiat menonton

• Alat pengambilan pekerja boleh menilai calon berdasarkan isyarat yang ditakrifkan

• Model pengimejan perubatan mungkin menonjolkan kemungkinan keabnormalan

Pembelajaran mesin boleh diselia, tidak diselia atau berasaskan peneguhan.

Pembelajaran yang Diselia

Pembelajaran yang diselia menggunakan contoh berlabel. Contohnya, imej mungkin dilabelkan sebagai "kucing" atau "bukan kucing". Model mempelajari perbezaannya.

Pembelajaran Tanpa Pengawasan

Pembelajaran tanpa pengawasan mencari corak tanpa jawapan berlabel. Ia mungkin mengumpulkan pelanggan ke dalam segmen atau mengesan kelompok tersembunyi dalam data.

Pembelajaran Pengukuhan

Pembelajaran peneguhan belajar dengan menerima ganjaran atau penalti untuk tindakan. Ini adalah perkara biasa dalam AI permainan, robotik dan masalah pengoptimuman.

Pembelajaran mesin bukanlah magik. Ia sangat bergantung pada kualiti data. Data yang buruk membawa kepada model yang buruk - sampah masuk, sampah memakai blazer pintar.

---

7. AI Pembelajaran Mendalam: Kuasa Rangkaian Neural 🧬

Pembelajaran mendalam ialah sejenis pembelajaran mesin khusus yang menggunakan rangkaian saraf berlapis untuk memproses corak kompleks.

Ia amat berharga untuk:

• Pengecaman pertuturan

• Pengecaman imej

• Pemprosesan bahasa semula jadi

• Sistem autonomi

• Analisis imej perubatan

• Terjemahan

• Model AI Generatif

• Tugasan ramalan yang kompleks

Bahagian "dalam" merujuk kepada berbilang lapisan dalam model. Setiap lapisan membantu mengubah dan mentafsir maklumat. Satu lapisan mungkin mengesan bentuk mudah dalam imej, lapisan lain mungkin mengesan tekstur, lapisan lain mungkin mengenali objek, dan sebagainya.

Pembelajaran mendalam boleh menghasilkan hasil yang menakjubkan, tetapi ia selalunya memerlukan sejumlah besar data dan kuasa pengkomputeran. Ia juga boleh menjadi lebih sukar untuk ditafsirkan. Ini bermakna pakar pun mungkin menghadapi kesukaran untuk menjelaskan dengan tepat mengapa model mendalam membuat keputusan tertentu.

Ini adalah salah satu isu kepercayaan besar dalam AI: prestasi boleh jadi kukuh, tetapi penjelasannya boleh jadi sukar difahami. Seperti cuba bertanya kepada pengisar mengapa smoothie itu rasanya salah.

---

8. AI Perbualan: Jenis Cerewet

AI perbualan direka bentuk untuk berkomunikasi dengan orang ramai melalui teks atau suara.

Ia merangkumi:

• Bot sembang khidmat pelanggan

• Pembantu suara

• Ejen maya

• Tutor AI

• Bot meja bantuan dalaman

• Pembantu jualan

• Pembantu penjadualan

AI perbualan yang baik memerlukan lebih daripada sekadar tatabahasa. Ia memerlukan konteks, pengecaman niat, kawalan nada dan keupayaan untuk mengendalikan input manusia yang tidak dapat diramalkan.

Manusia tidak bercakap dengan arahan yang sempurna. Mereka merapu. Mereka salah mengeja. Mereka bertanya separuh soalan dan mengharapkan mesin "memahaminya." Anda tahu bagaimana keadaannya.

Bot sembang asas mungkin mengikut skrip. AI perbualan yang lebih maju boleh memahami bahasa semula jadi, mengekalkan konteks dan menjana respons yang fleksibel.

AI jenis ini berharga kerana ia mengurangkan kerja berulang dan menyediakan sokongan pantas. Tetapi ia boleh mengecewakan pengguna apabila ia berpura-pura memahami tetapi tidak. Versi terburuk ialah chatbot yang berkata, "Saya gembira dapat membantu," sambil langsung tidak memberikan bantuan. Menyakitkan.

---

9. AI Visi Komputer: Mesin Yang "Melihat" 👀

Kecerdasan buatan (AI) penglihatan komputer membolehkan sistem mentafsir maklumat visual daripada imej, video, kamera, sensor atau imbasan.

Ia boleh digunakan untuk:

• Pengecaman wajah

• Pengesanan objek

• Pemeriksaan kualiti di kilang-kilang

• Pengimejan perubatan

• Pemantauan keselamatan

• Analisis rak runcit

• Pengesanan trafik

• Realiti tambahan

• Pemantauan pertanian

Penglihatan komputer tidak melihat seperti yang dilihat oleh manusia. Ia memproses piksel, corak, bentuk, warna dan isyarat statistik. Tetapi hasilnya boleh menjadi sangat hebat.

Contohnya, visi komputer boleh membantu mengesan kecacatan pada barisan pengeluaran dengan lebih cepat berbanding pemeriksaan manual. Ia boleh membantu mengatur pustaka imej. Ia boleh menyokong sistem keselamatan dalam kenderaan. Ia juga boleh menimbulkan kebimbangan privasi, terutamanya apabila digunakan untuk pengawasan atau pengenalpastian.

Itulah garpu bermata dua - bukan pedang, garpu. Masih cukup tajam untuk menimbulkan masalah 🍴.

---

10. AI Ramalan: Enjin Ramalan

AI ramalan menggunakan data untuk menganggarkan apa yang mungkin berlaku seterusnya.

Ia adalah perkara biasa dalam perniagaan, kewangan, penjagaan kesihatan, logistik, analisis sukan, pemasaran dan operasi.

AI ramalan boleh membantu menjawab soalan seperti:

• Pelanggan manakah yang mungkin akan pergi?

• Transaksi manakah yang kelihatan mencurigakan?

• Berapakah jumlah inventori yang diperlukan?

• Pesakit manakah yang mungkin memerlukan perhatian tambahan?

• Apakah kandungan yang mungkin diklik oleh pengguna?

• Bahagian mesin yang manakah mungkin rosak tidak lama lagi?

AI jenis ini kurang menonjol berbanding AI generatif, tetapi ia sangat penting. Banyak organisasi kurang mengambil berat tentang model penulisan puisi dan lebih mementingkan sama ada ia boleh mengurangkan pembaziran, mengurangkan risiko dan menambah baik perancangan.

AI ramalan berfungsi dengan baik apabila data relevan, bersih dan dikemas kini secara berkala. Tetapi ramalan tidak pernah pasti. Model boleh menganggarkan kemungkinan, bukan menjamin hasil. Orang ramai sentiasa melupakan perkara ini. Kemudian mereka menyalahkan AI seolah-olah ia secara peribadi telah mengkhianati mereka.

---

11. Robotik AI: Apabila AI Mendapat Badan 🤖

Robotik AI menggabungkan kecerdasan buatan dengan mesin fizikal. Di sinilah AI meninggalkan skrin dan mula bergerak ke seluruh dunia.

Contohnya termasuk:

• Robot gudang

• Robot pembuatan

• Robot penghantaran

• Robot pertanian

• Sistem bantuan pembedahan

• Dron

• Robot pemeriksaan

• Robot pembersihan

• Robot penyelidikan humanoid

AI Robotik adalah sukar kerana persekitaran fizikal tidak dapat diramalkan. Chatbot hanya perlu berurusan dengan kata-kata. Robot perlu berurusan dengan lantai yang licin, pencahayaan yang buruk, permukaan yang tidak rata, orang yang bergerak, ralat sensor dan seseorang yang meninggalkan kerusi di tempat yang paling teruk.

Robotik sering menggabungkan beberapa Jenis AI:

• Visi komputer untuk melihat

• Pembelajaran mesin untuk menyesuaikan diri

• Algoritma perancangan untuk pergerakan

• Pembelajaran pengukuhan untuk membuat keputusan

• Pemprosesan bahasa semula jadi untuk arahan manusia

Robotik AI mempunyai potensi yang besar, terutamanya dalam kerja berbahaya atau berulang. Tetapi ia juga mahal, kompleks dan berisiko secara fizikal apabila sistem gagal.

---

12. AI Berdasarkan Gaya Latihan

Satu lagi cara berharga untuk memikirkan Jenis-jenis AI adalah melalui cara ia dilatih.

AI Berasaskan Peraturan

AI berasaskan peraturan mengikuti logik ciptaan manusia. Contohnya:

• Jika ini berlaku, lakukanlah

• Jika pengguna memilih pilihan ini, tunjukkan jawapan tersebut

• Jika nilai melebihi ambang, aktifkan amaran

Ini mudah, boleh diramal dan berguna untuk tugasan berstruktur. Tetapi ia bergelut dengan kekaburan.

AI Terlatih Data

AI yang dilatih data belajar daripada contoh. Ia boleh mengendalikan lebih banyak kerumitan kerana ia mengenal pasti corak dan bukannya hanya bergantung pada peraturan tetap.

Di sinilah pembelajaran mesin dan pembelajaran mendalam sesuai.

AI Hibrid

AI Hibrid menggabungkan logik berasaskan peraturan dengan pembelajaran mesin. Dalam banyak sistem praktikal, ini adalah pilihan pragmatik. Anda mendapat fleksibiliti sistem pembelajaran serta kawalan peraturan.

Contohnya, sistem penipuan bank mungkin menggunakan pembelajaran mesin untuk mengesan tingkah laku yang mencurigakan, kemudian mengenakan peraturan yang ketat untuk semakan pematuhan. Tidak glamor. Sangat perlu.

---

13. Apakah yang Menjadikan Jenis-jenis AI Mengelirukan?

Kekeliruan terbesar ialah orang ramai menggunakan kategori AI dengan cara yang berbeza.

Seseorang mungkin mengatakan "Jenis-jenis AI" dan bermaksud kecerdasan sempit, umum dan super.

Orang lain mungkin bermaksud AI generatif, AI ramalan dan AI perbualan.

Seorang pembangun mungkin bercakap tentang pembelajaran diselia, pembelajaran mendalam, rangkaian saraf atau pembelajaran peneguhan.

Seorang pengurus perniagaan mungkin bercakap tentang automasi, analitik, pemperibadian dan sokongan pelanggan AI.

Kesemuanya agak betul. Menjengkelkan, tetapi benar.

AI dikelaskan mengikut:

• Keupayaan

• Fungsi

• Kaedah latihan

• Kawasan aplikasi

• Seni bina teknikal

• Tahap autonomi

• Jenis input dan output

• Kes penggunaan industri

Jadi apabila seseorang bertanya "Apakah jenis AI ini?" jawapan yang paling jelas mungkin berlapis-lapis.

Contohnya, chatbot boleh jadi:

• AI sempit mengikut keupayaan

• AI memori terhad mengikut fungsi

• AI perbualan melalui aplikasi

• AI generatif jika ia mewujudkan tindak balas

• AI pembelajaran mendalam jika dikuasakan oleh rangkaian saraf

Itu bukanlah kerumitan yang keterlaluan untuk suka-suka. Itulah cara bidang ini berfungsi.

---

14. Contoh Praktikal Jenis-jenis AI

Berikut adalah beberapa contoh harian untuk memudahkan pemahaman tentang kategori-kategori tersebut.

Cadangan Penstriman 🎬

Ini adalah AI sempit, AI ramalan dan pembelajaran mesin. Ia mengkaji corak dan mengesyorkan perkara yang mungkin anda tonton seterusnya.

Pembantu Suara 🎙️

Ini menggunakan AI perbualan, pemprosesan bahasa semula jadi, pengecaman pertuturan dan ciri memori terhad.

Penjana Imej 🖼️

Ini adalah sistem AI generatif, yang selalunya dikuasakan oleh model pembelajaran mendalam.

Sistem Pengesanan Penipuan 💳

Ini menggunakan AI ramalan dan pembelajaran mesin untuk menandakan aktiviti luar biasa.

Ciri-ciri Pandu Sendiri 🚗

Ini menggabungkan visi komputer, AI memori terhad, AI berkaitan robotik, gabungan sensor dan model membuat keputusan.

Penapis Spam E-mel 📩

Ini adalah AI pembelajaran mesin klasik. Tidak glamor, tetapi sangat berharga.

Alat Penulisan AI ✍️

Ini adalah AI generatif dan AI perbualan, biasanya dibina menggunakan model bahasa yang besar.

Perkara penting ialah: satu produk AI boleh tergolong dalam berbilang kategori sekaligus.

---

15. Manfaat Memahami Jenis-jenis AI

Mengetahui Jenis-jenis AI membantu anda membuat keputusan yang lebih baik, terutamanya jika anda menggunakan AI untuk kerja, perniagaan, pembelajaran atau penciptaan kandungan.

Ia membantu anda:

• Pilih alat yang betul

• Elakkan jangkaan yang tidak realistik

• Fahami risiko

• Tanya soalan yang lebih baik

• Nilaikan tuntutan AI

• Keterlaluan pemasaran secara tiba-tiba

• Gunakan AI dengan lebih bertanggungjawab

• Terangkan AI kepada orang lain tanpa kedengaran seperti robot yang keliru

Contohnya, jika sesuatu alat itu merupakan AI ramalan, anda tahu ia meramalkan kebarangkalian. Ia tidak sepatutnya dianggap seperti peramal.

Jika sesuatu alat itu merupakan AI generatif, anda tahu ia mencipta kandungan, tetapi kandungannya masih perlu disemak.

Jika sesebuah sistem merupakan AI yang sempit, anda tahu ia mungkin cemerlang dalam satu bidang tetapi tidak berkesan di luar skopnya.

Itu sahaja dapat menyelamatkan banyak sakit kepala.

---

16. Risiko dan Had Merentasi Jenis AI ⚠️

Setiap jenis AI ada batasan. Rasa berbeza, mangkuk sup yang sama.

Risiko AI yang biasa termasuk:

• Bias dalam data latihan

• Output yang salah

• Kekurangan ketelusan

• Kebimbangan privasi

• Bergantung berlebihan

• Kelemahan keselamatan

• Penyalahgunaan

• Pengawasan manusia yang lemah

• Mengelirukan kefasihan dengan kebenaran

AI generatif mungkin mereka-reka maklumat. AI ramalan mungkin mengukuhkan corak berat sebelah. Penglihatan komputer mungkin salah mengenal pasti orang atau objek. AI perbualan mungkin mengecewakan pengguna dengan keyakinan palsu. AI robotik boleh menyebabkan kemudaratan fizikal jika direka bentuk dengan buruk.

Ini tidak bermakna AI itu buruk. Ini bermakna AI harus digunakan dengan bijaksana. Seperti alat kuasa, kontrak atau mi yang sangat pedas 🌶️.

Sistem AI terbaik biasanya merangkumi:

• Ulasan manusia

• Sempadan yang jelas

• Amalan data yang kukuh

• Pengujian

• Pemantauan

• Kebolehjelasan jika boleh

• Reka bentuk beretika

• Kawalan keselamatan

AI boleh menguatkan keputusan yang baik. Ia juga boleh menguatkan keputusan yang cuai.

---

17. Jenis AI Yang Mana Paling Penting?

Tiada satu jenis yang paling penting. Ia bergantung pada kes penggunaan.

Untuk kreativiti, AI generatif sangat besar.

Untuk perancangan perniagaan, AI ramalan mungkin lebih berharga.

Untuk automasi, pembelajaran mesin dan robotik AI adalah penting.

Untuk sokongan pengguna, AI perbualan adalah bintangnya.

Untuk imbasan perubatan atau pemeriksaan visual, penglihatan komputer adalah penting.

Untuk penyelidikan jangka panjang, AI umum mendapat perhatian falsafah yang paling besar.

Namun secara praktikalnya, AI sempit dan AI memori terhad adalah kategori yang paling biasa dan berharga sekarang. Ia merupakan enjin senyap di sebalik banyak alat yang sudah diandalkan oleh orang ramai.

Masa depan yang mewah menjadi tajuk utama. Masa kini yang praktikal membayar bil.

---

Nota Penutup: Memahami Jenis-jenis AI Tanpa Kebisingan

Jenis -jenis AI pada mulanya mungkin kelihatan rumit kerana kategorinya bertindih. Tetapi sebaik sahaja anda memisahkan keupayaan, fungsi, kaedah latihan dan penggunaan praktikal, semuanya menjadi lebih mudah difahami.

AI sempit mengendalikan tugas-tugas tertentu. AI umum akan berfikir dengan lebih fleksibel, walaupun ia kekal sebagai matlamat yang bercita-cita tinggi. AI Super masih bersifat spekulatif. Mesin reaktif bertindak balas tanpa memori, manakala AI memori terhad menggunakan data lepas untuk menambah baik keputusan. AI generatif mencipta. AI ramalan. AI perbualan bercakap. Visi komputer melihat. AI robotik bertindak dalam persekitaran fizikal.

Itulah gambaran besarnya.

AI bukanlah satu perkara. Ia adalah keluarga teknologi yang kusut masai - ada yang praktikal, ada yang eksperimental, ada yang berlebihan, dan ada yang benar-benar berbangkit. Kerumitan itulah yang menjadi sebahagian daripada sebab ia penting. Lebih jelas anda memahami Jenis-jenis AI, lebih mudah untuk menggunakan AI dengan bijak dan bukannya hanya mengangguk apabila seseorang menyebut "algoritma" dalam mesyuarat. 🤷♂️

Ringkasan Ringkas: Jenis-jenis utama AI termasuk AI sempit, AI umum, AI super, mesin reaktif, AI memori terhad, AI teori minda, AI kesedaran kendiri, AI generatif, AI ramalan, AI perbualan, AI visi komputer, AI pembelajaran mesin, AI pembelajaran mendalam dan AI robotik. Kebanyakan AI yang digunakan hari ini adalah AI sempit, berfokuskan tugas dan dikuasakan oleh pembelajaran mesin atau pembelajaran mendalam.

Contoh dunia sebenar: Membina pembantu triage sokongan pelanggan AI

Senario

Bayangkan sebuah kedai perabot dalam talian yang kecil menerima sekitar 120 e-mel sokongan pelanggan setiap hari. Pasukan ini tidak cuba menggantikan kakitangan sokongan. Mereka hanya mahukan bantuan untuk menyusun mesej dengan lebih pantas, mengenal pasti isu-isu penting dan merangka balasan pertama.

Ini merupakan contoh yang baik kerana seorang pembantu boleh menggunakan beberapa Jenis AI sekaligus. Ia mungkin menggunakan AI perbualan untuk memahami mesej pelanggan, AI generatif untuk mendraf balasan, AI ramalan untuk menandakan kemungkinan risiko bayaran balik dan AI memori terhad untuk menggunakan data pesanan atau dasar terkini.

Tugas pembantu adalah mudah: membaca mesej pelanggan, mengklasifikasikannya, mencadangkan tindakan seterusnya dan mendraf balasan yang boleh diluluskan oleh manusia.

Apa yang diperlukan oleh pembantu

Pasukan itu akan memberi pembantu:

Dasar khidmat pelanggan

Peraturan penghantaran dan pemulangan

Terma jaminan

Soalan Lazim Produk

Contoh nada suara

Senarai peraturan peningkatan

Contoh tiket lepas dengan kategori yang betul

Had yang jelas tentang apa yang tidak boleh diputuskan sendiri

Contohnya, ia tidak seharusnya meluluskan bayaran balik melebihi £100, menjanjikan tarikh penghantaran yang tidak dapat disahkannya atau membuat tuntutan undang-undang tentang barang yang rosak. Kes-kes tersebut harus diserahkan kepada seseorang.

Contoh arahan

Anda seorang pembantu triaj khidmat pelanggan untuk sebuah kedai perabot dalam talian. Baca setiap mesej pelanggan dan kembalikan lima perkara: kategori tiket, tahap kecemasan, kemungkinan mood pelanggan, tindakan seterusnya yang disyorkan dan draf balasan.

Gunakan hanya polisi syarikat yang disediakan. Jika jawapannya tiada dalam polisi, sebut “Memerlukan semakan manusia”. Jangan mereka-reka tarikh penghantaran, kelulusan bayaran balik, janji jaminan atau ketersediaan produk.

Ajukan saman ke mahkamah jika pelanggan menyebut tentang kecederaan, tindakan undang-undang, kegagalan penghantaran berulang, bayaran balik melebihi £100, kehilangan alat ganti untuk produk kanak-kanak atau rasa tidak puas hati yang kuat selepas dua balasan sebelumnya.

Pastikan draf balasan sopan, pendek dan praktikal. Jangan kedengaran seperti robot. Jangan salahkan pelanggan atau kurier.

Cara mengujinya

Sebelum menggunakan pembantu dengan pelanggan, ujinya pada satu set kecil tiket lama.

Gunakan 30 mesej sokongan sebelumnya:

10 soalan penghantaran mudah

5 aduan barang rosak

5 permintaan bayaran balik

5 soalan jaminan

5 aduan marah atau kompleks

Untuk setiap ujian, semak:

Adakah ia memilih kategori yang betul?

Adakah ia menandakan kes-kes segera dengan betul?

Adakah ia mengelak daripada membuat janji?

Adakah ia telah meningkatkan isu sensitif?

Adakah draf balasan sepadan dengan nada syarikat?

Soalan ujian yang berguna ialah:

“Meja saya tiba dengan sebelah kakinya retak dan ini merupakan kali kedua penghantarannya salah. Saya mahu bayaran balik penuh hari ini atau saya akan menyiarkan tentang perkara ini di mana-mana sahaja.”

Pembantu yang lemah mungkin hanya meminta maaf dan menjanjikan bayaran balik. Pembantu yang lebih baik akan mengklasifikasikannya sebagai barang yang rosak dan aduan berulang, menandakannya sebagai sangat mendesak, mengelakkan kelulusan bayaran balik secara automatik dan memajukannya untuk semakan manusia.

Keputusan

Keputusan ilustrasi: berdasarkan pemasaan 30 tiket sampel sebelum dan selepas menggunakan aliran kerja.

Triaj manual mengambil masa 2 jam 15 minit untuk 30 tiket, dengan purata 4.5 minit setiap tiket.

Triaj berbantukan AI mengambil masa 48 minit untuk 30 tiket yang sama, dengan purata 1.6 minit setiap tiket, kerana pengulas manusia hanya perlu menyemak kategori, keputusan peningkatan dan draf balasan.

Pembantu tersebut telah mengkategorikan 27 daripada 30 tiket dalam set ujian dengan betul. Ia telah mengeskalasikan kesemua 5 tiket berisiko tinggi dengan betul. Dua tiket bayaran balik memerlukan penyuntingan perkataan kerana draf tersebut kedengaran terlalu pasti dan satu tiket jaminan telah diletakkan dalam kategori yang salah.

Itu memberikan penanda aras praktikal: semakan pertama yang lebih pantas, tetapi bukan automasi penuh. Manusia masih memiliki respons.

Apa yang boleh menjadi salah

Kesilapan terbesar ialah membiarkan pembantu bertindak seolah-olah ia tahu lebih banyak daripada yang diketahuinya. Jika dasar pemulangan sudah ketinggalan zaman, pembantu mungkin dengan yakin merangka jawapan yang salah. Jika peraturan peningkatan tidak jelas, ia mungkin terlepas pandang aduan yang serius.

Privasi adalah satu lagi isu. Pasukan harus mengelak daripada menampal butiran pembayaran, alamat atau maklumat peribadi sensitif yang tidak perlu ke dalam pembantu melainkan sistem diluluskan untuk kegunaan tersebut.

Pembantu juga harus diuji secara berkala. Soalan pelanggan berubah, polisi berubah, dan produk berubah. Pembantu triaj yang berfungsi dengan baik pada bulan Mac mungkin menjadi berisiko selepas polisi jaminan baharu pada bulan Jun.

Praktikal bawa pulang

Contoh ini menunjukkan mengapa kategori AI bertindih dalam amalan. Pembantu sokongan tunggal boleh terdiri daripada AI sempit, AI perbualan, AI generatif, AI ramalan dan AI memori terhad pada masa yang sama. Cara yang lebih kukuh untuk menilainya adalah dengan bertanya keputusan yang disokongnya, data yang digunakannya dan di mana manusia perlu menyemaknya.

Soalan Lazim

Apakah jenis-jenis utama AI yang perlu diketahui oleh pemula?

Jenis-jenis utama AI termasuk AI sempit, AI umum, AI super, mesin reaktif, AI memori terhad, AI generatif, AI ramalan, AI perbualan, AI visi komputer, AI pembelajaran mesin, AI pembelajaran mendalam dan AI robotik. Kategori-kategori ini sering bertindih, jadi satu alat boleh memuatkan beberapa label pada masa yang sama. Contohnya, chatbot mungkin AI sempit, AI perbualan, AI generatif dan AI memori terhad.

Bagaimanakah Jenis AI dikelaskan mengikut keupayaan?

AI mengikut keupayaan biasanya dikumpulkan kepada AI sempit, AI umum dan AI super. AI sempit mengendalikan tugasan tertentu dan digunakan secara meluas pada hari ini. AI umum akan menaakul dan belajar merentasi banyak tugasan pada tahap seperti manusia, tetapi ia bukan sebahagian daripada penggunaan seharian. AI Super akan melebihi kecerdasan manusia dan kekal spekulatif.

Apakah perbezaan antara AI sempit dan AI umum?

AI sempit direka bentuk untuk tugas tertentu atau set tugas yang terhad, seperti penapisan spam, cadangan, chatbot atau pengesanan penipuan. AI umum akan dapat belajar, menaakul dan menyesuaikan diri merentasi banyak tugas yang tidak berkaitan. Kebanyakan AI yang digunakan orang hari ini ialah AI sempit, walaupun ia terasa fleksibel atau maju.

Mengapakah AI memori terhad begitu biasa pada masa kini?

AI memori terhad boleh menggunakan data lepas atau terkini untuk menambah baik keputusan, yang menjadikannya praktikal untuk banyak sistem yang digunakan. Enjin cadangan, alat pengesanan penipuan, ciri pandu sendiri dan chatbot sering bergantung pada AI jenis ini. Ia tidak mempunyai kesedaran seperti manusia, tetapi ia boleh menyesuaikan diri berdasarkan corak dan maklumat yang disimpan.

Bagaimanakah AI generatif sesuai dengan Jenis-jenis AI?

AI Generatif ialah sejenis AI yang mencipta output baharu seperti teks, imej, kod, audio, video, ringkasan atau idea reka bentuk. Ia mempelajari corak daripada sejumlah besar data dan menghasilkan kandungan berdasarkan gesaan. Ia boleh membantu dengan penggubalan, sumbang saran, sokongan pengekodan dan kerja kreatif, tetapi outputnya masih memerlukan semakan manusia.

Apakah perbezaan antara pembelajaran mesin dan pembelajaran mendalam?

Pembelajaran mesin ialah cabang AI di mana sistem mempelajari corak daripada data dan bukannya hanya mengikuti peraturan bertulis tangan. Pembelajaran mendalam ialah bentuk pembelajaran mesin khusus yang menggunakan rangkaian saraf berlapis. Pembelajaran mendalam amat berharga untuk tugas kompleks seperti pengecaman pertuturan, pengecaman imej, pemprosesan bahasa semula jadi, terjemahan, pengimejan perubatan dan AI generatif.

Apakah kegunaan AI ramalan dalam perniagaan?

AI ramalan menggunakan data untuk menganggarkan kemungkinan hasil masa hadapan. Perniagaan boleh menggunakannya untuk perancangan permintaan, ramalan perubahan pelanggan, pengesanan penipuan, pemarkahan risiko, keputusan inventori atau ramalan penyelenggaraan. Ia menyokong perancangan dan pembuatan keputusan, tetapi ia tidak menjamin masa hadapan. Ramalan adalah anggaran yang dibentuk oleh data yang tersedia dan kualiti model.

Bagaimanakah AI visi komputer berfungsi dalam sistem praktikal?

AI visi komputer membantu mesin mentafsir maklumat visual daripada imej, video, kamera, imbasan atau sensor. Ia boleh menyokong pengecaman wajah, pengesanan objek, pemeriksaan kilang, pengimejan perubatan, pengesanan trafik, analisis runcit, pemantauan pertanian dan sistem keselamatan. Ia tidak kelihatan seperti manusia, tetapi ia boleh memproses piksel, bentuk, warna dan corak pada skala besar.

Mengapakah satu produk AI boleh tergolong dalam pelbagai Jenis AI?

Kategori AI sering menggambarkan perkara yang berbeza, seperti keupayaan, fungsi, kaedah latihan atau aplikasi. Pembantu suara, sebagai contoh, mungkin AI sempit mengikut keupayaan, AI perbualan mengikut aplikasi, AI memori terhad mengikut fungsi dan AI pembelajaran mendalam mengikut seni bina. Pertindihan ini adalah perkara biasa dan membantu menjelaskan apa yang dilakukan oleh sistem dari sudut yang berbeza.

Apakah risiko yang perlu difahami oleh orang ramai merentasi pelbagai jenis AI?

Risiko AI yang biasa termasuk berat sebelah, output yang salah, kebimbangan privasi, kelemahan keselamatan, kekurangan ketelusan, kebergantungan yang berlebihan dan pengawasan manusia yang lemah. AI generatif mungkin mereka-reka maklumat, AI ramalan mungkin mengukuhkan corak yang lemah dan visi komputer mungkin salah mengenal pasti objek atau orang. Penggunaan AI yang baik biasanya memerlukan pengujian, pemantauan, sempadan yang jelas, amalan data yang kukuh dan semakan manusia.

Rujukan

1. IBM - Jenis-jenis kecerdasan buatan - ibm.com

2. Rangka Kerja Pengurusan Risiko NIST AI - risiko AI - nist.gov

3. Pembangun Google - Pembelajaran mesin - developers.google.com

4. AWS - AI Generatif - aws.amazon.com