Invatare Atomica

Inteligenta artificiala: ce este si pe ce se sprijina

Progres lectie:
0%
🎯

Obiectivul lectiei

Vei intelege pe ce se sprijina de fapt un sistem de inteligenta artificiala — statistica, sabloane desprinse din exemple, adaptivitate si generare probabilistica de continut — prin ce se deosebeste el de gandirea unui om, unde intervine obligatoriu decizia omului, si ce tipuri de aplicatii ale IA intalnesti deja in munca ta de la scoala de arte.

Dupa aceasta lectie vei putea:

  • Sa deosebesti un program cu reguli fixe de un model de IA care isi desprinde regulile din exemple
  • Sa explici, cu propriile cuvinte, ce inseamna statistica, sablon, adaptivitate si generare probabilistica intr-un sistem de IA
  • Sa enumeri trei diferente intre felul in care lucreaza un model si felul in care gandeste un om
  • Sa numesti cele trei momente in care decizia apartine omului: proiectarea, selectia si validarea algoritmului
  • Sa incadrezi o aplicatie concreta intr-una din cele cinci tipologii: clasificare, recomandare, predictie, generare, interactiune cu mediul
  • Sa gasesti si sa descrii o functie bazata pe IA intr-o aplicatie folosita la scoala (Google Workspace sau Microsoft Teams)

Incearca singur!

Provocare:

Ia-ti telefonul si gaseste trei locuri in care, azi, un program a ales ceva in locul tau: ce clip iti apare primul, ce cuvant ti se propune cand scrii un mesaj, cum ti-au fost grupate pozele, ce melodie a pornit dupa cea aleasa de tine. Pentru fiecare, scrie doua lucruri: ce a ales programul si din ce informatie despre tine crezi ca a pornit alegerea. Nu cauta raspunsul corect — scrie ce banuiesti.

💡 Ai nevoie de un indiciu?

Cauta in aplicatiile pe care le folosesti oricum: playerul de muzica, aplicatia de poze, tastatura telefonului, un site cu clipuri.

Intreabarea a doua e cea grea. Programul nu te cunoaste; are doar urme: ce ai ascultat pana la capat, ce ai sarit, ce cuvinte scrii des, ce forme apar in poze.

Daca la un moment dat alegerea a fost gresita (ti-a propus un cuvant aiurea, ti-a recomandat ceva ce nu suporti), noteaza si asta. Este exact lucrul pe care il vom explica in lectie.

1

1. Doua feluri de programe: cu reguli scrise si cu reguli invatate

Doua programe pe acelasi calculator din laborator

Metronomul digital. Ii ceri 90 de batai pe minut si iti da exact 90. Cineva a scris in program regula: o bataie la fiecare 666 de milisecunde. Programul nu a vazut niciodata un metronom adevarat si nu are nevoie: regula ii ajunge.

Aplicatia de poze de pe telefon. Ii deschizi galeria cu lucrarile din portofoliu si ea a pus deja portretele intr-un loc si peisajele in altul. Nimeni nu a scris regula un portret are un oval de culoarea pielii in mijloc. Programul a primit, la fabrica, foarte multe imagini pe care oamenii le etichetasera dinainte, si a desprins singur ce le deosebeste.

Program clasic (cu reguli fixe): omul scrie pas cu pas ce trebuie facut. Acelasi lucru la intrare da mereu acelasi lucru la iesire. Il poti citi si intelege linie cu linie.
Sistem de inteligenta artificiala: omul nu scrie regulile, ci pregateste exemple. Programul de antrenare masoara ce se repeta in exemple si construieste un model — un set de valori numerice cu ajutorul carora raspunde apoi la cazuri noi, pe care nu le-a vazut.
De ce conteaza deosebirea asta pentru tine

La metronom, daca greseste, cauti greseala in regula scrisa si o repari. La modelul de IA nu exista o linie de reparat: daca sorteaza gresit, cauza e in exemplele pe care le-a primit sau in ce i s-a cerut sa optimizeze. De aceea, in restul lectiei, vorbim tot timpul despre date si despre deciziile oamenilor care le aleg.

2

2. Statistica si sabloane — pe ce se sprijina raspunsul

Experimentul afiselor de concert

Imagineaza-ti ca ii dai unui program de antrenare cateva mii de afise de concert si tot atatea afise de expozitie, fiecare cu eticheta pusa de un om. Programul nu vede un concert. El masoara: litere foarte mari sus, o data si o ora scrise ingrosat, o fotografie de scena cu lumini puternice, un logo de sponsor jos. Descopera ca aceste elemente apar des impreuna la afisele etichetate concert. Dupa antrenare, ii dai un afis nou si iti spune concert, sansa mare — pentru ca regaseste in el aceeasi combinatie.

Sablon (tipar): o combinatie de elemente care se repeta in multe exemple.
Statistica: matematica prin care se masoara cat de des apar aceste combinatii si cat de tare se leaga ele de un anumit raspuns.
Un model de IA este, in miezul lui, un rezumat numeric al regularitatilor din datele de antrenare. Raspunsul lui nu este o certitudine, ci o estimare, insotita in interior de o valoare de incredere.
Ce urmeaza de aici — trei consecinte pe care le vei folosi tot anul

1. Ce nu a fost in exemple, modelul nu recunoaste bine. Un model antrenat pe afise tiparite se descurca prost pe un afis pictat manual, cu litere din pete de acuarela.

2. Modelul poate lega doua lucruri care apar impreuna din intamplare. Daca in exemple aproape toate afisele de concert erau pe fond negru, va invata si fond negru ca semn de concert — ceea ce nu e adevarat.

3. Modelul nu are cum sa iti spuna de ce a raspuns asa, in cuvinte omenesti. Are numere, nu motive.

3

3. Adaptivitatea — sistemul care isi schimba raspunsul

Cum ti se schimba lista de recomandari intr-o saptamana

Luni pregatesti un referat despre baroc si asculti doua ore de Vivaldi. Miercuri, aplicatia de muzica iti propune deja concerte pentru vioara si clavecin. Vineri asculti hip-hop cu colegii, iar duminica lista arata iar altfel. Nimeni nu a rescris programul in aceste sase zile. S-au schimbat doar datele despre tine: ce ai ascultat pana la capat, ce ai sarit dupa zece secunde, ce ai pus la favorite.

La fel se poarta si tastatura telefonului: dupa ce scrii de cateva ori coregrafie, inceteaza sa iti mai propuna corect in locul ei.

Adaptivitate = insusirea unui sistem de a-si modifica raspunsurile in urma datelor noi si a reactiilor primite, fara ca cineva sa ii rescrie programul.
Ea apare in doua feluri: modelul poate fi reantrenat din cand in cand pe date mai proaspete, sau sistemul poate tine minte istoricul tau si il foloseste la fiecare raspuns.
Atentie la trei confuzii frecvente

Adaptivitate nu inseamna constiinta. Sistemul nu stie ca s-a inselat si nu se simte prost. Ajustarea e un calcul, nu o parere de rau.

Adaptivitate nu inseamna mereu mai bine. Daca datele noi sunt gresite sau vin de la o singura categorie de oameni, sistemul se ajusteaza gresit. Un sistem care invata continuu poate si sa se strice.

Adaptivitatea are un pret: datele tale. Ca sa se adapteze la tine, sistemul pastreaza urme despre ce faci. Cine le pastreaza si cat timp este o intrebare la care revenim in lectiile despre responsabilitate.

4

4. Generarea probabilistica de continut

Tastatura telefonului, incetinita

Scrie pe telefon Va invitam la concertul de si opreste-te. Tastatura iti propune trei cuvinte: poate Craciun, colinde, anul. De unde le stie? A masurat, pe foarte mult text, ce cuvinte urmeaza de obicei dupa concertul de. Fiecare varianta are o sansa a ei. Daca apesi mereu prima propunere, iese o propozitie corecta gramatical si complet fara legatura cu spectacolul tau.

Un model generativ mare (de text, de imagine, de sunet) face acelasi lucru, doar ca la o scara mult mai mare si pe bucati mai mici decat cuvantul.

Generare probabilistica de continut = producerea unui rezultat nou (text, imagine, sunet) bucata cu bucata, alegand la fiecare pas dintre mai multe continuari posibile, fiecare cu o probabilitate calculata din datele de antrenare.
Sistemul nu copiaza un raspuns gata facut si nu il cauta undeva intr-o arhiva: il construieste pas cu pas, dupa tiparele invatate.
Trei lucruri care se explica prin asta

Rezultatul variaza. Ceri de doua ori acelasi lucru si primesti doua variante diferite, pentru ca alegerea de la fiecare pas nu e mereu aceeasi. Nu e o defectiune, asa e construit.

Poate suna sigur si totusi gresi. Sistemul alege continuarea cea mai probabila, nu pe cea adevarata. O denumire de opera inventata poate fi foarte plauzibila statistic si complet falsa. De aceea orice nume, data sau cifra primita de la un astfel de sistem se verifica in alta sursa.

Cum ceri, asa primesti. Textul tau de pornire schimba probabilitatile. Titlu de afis si titlu de afis pentru un concert de muzica veche, la o biserica din Piatra Neamt duc modelul pe doua drumuri diferite.

5

5. Diferente fata de gandirea umana si rolul deciziilor omului

Doi selectioneri pentru expozitia scolii

Trebuie alese 20 de lucrari din 300 pentru expozitia de sfarsit de an.

Profesorul de desen se uita la fiecare lucrare, isi aminteste cum lucra elevul in septembrie, observa ca una e stangace dar spune ceva nou, si accepta sa piarda o lucrare tehnica in favoarea ei. Poate explica alegerea si isi asuma raspunderea in fata colegilor.

Un model antrenat pe expozitiile din anii trecuti da fiecarei lucrari un scor. Nu stie ce e progresul, nu stie ce s-a intamplat in septembrie si nu are un motiv de spus: reproduce ce se alegea inainte. Daca in anii trecuti au fost alese mai ales lucrari in ulei, va da scoruri mici graficii — nu pentru ca e mai slaba, ci pentru ca asa arata datele.

Diferentele care conteaza:
  • Intelegere: omul intelege ce reprezinta lucrarea; modelul potriveste tipare numerice, fara sens in spate.
  • Motiv: omul isi poate explica alegerea in cuvinte; modelul poate arata cel mult ce elemente au cantarit mult, nu un motiv.
  • Cantitate si constanta: modelul evalueaza 300 de lucrari la fel de atent la ora 23 ca la ora 9; omul oboseste si se razgandeste. Aici modelul e mai bun.
  • Noutate: omul recunoaste ceva ce nu a mai vazut ca fiind valoros; modelul, prin constructie, trage spre ce era deja frecvent in date.
  • Raspundere: un model nu poate raspunde pentru o greseala. Raspunde intotdeauna omul sau institutia care l-a pus la treaba.
Cele trei momente in care decide omul — chiar si intr-un sistem care pare ca se descurca singur:
  1. Proiectarea: ce problema rezolvam si ce anume optimizam. Alegem lucrarile cele mai bune nu e o sarcina pentru un calculator pana cand un om nu spune ce inseamna bune si ce se masoara.
  2. Selectia: ce date si ce algoritm folosim. Omul alege exemplele de antrenare (expozitiile carui an?), pe cele lasate deoparte si metoda. Aici intra si prejudecatile: daca datele reprezinta doar o parte dintre elevi, modelul le va reproduce dezechilibrul.
  3. Validarea: testarea inainte de folosire. Omul incearca modelul pe cazuri noi, pe care nu le-a vazut la antrenare, se uita la ce a gresit si decide daca rezultatul se poate folosi asa cum e, se foloseste doar ca sugestie sau se arunca.
De retinut

Nu exista sistem de IA fara decizii omenesti in spate. Cand un rezultat e nedrept sau gresit, intrebarea corecta nu este ce a gandit calculatorul, ci cine a ales datele, cine a stabilit criteriul si cine a validat rezultatul.

6

6. Cinci tipologii de aplicatii, cu exemple din lumea ta

Aceeasi zi de scoala, cinci sisteme diferite

Dimineata gasesti in Spam un mesaj cu castiga un vioara gratuit (1). In pauza, aplicatia de muzica iti propune o piesa noua (2). Profesorul de canto se uita in tabelul cu vanzarile de bilete din anii trecuti ca sa estimeze cate scaune trebuie pregatite (3). La ora de TIC ceri unui asistent virtual cinci variante de titlu pentru afis (4). Seara, la repetitia de la sala de spectacole, proiectia de pe fundal urmareste dansatorul (5).

Cele cinci situatii de mai sus sunt exact cele cinci tipologii pe care le cere programa. Le recunosti dupa ce iese din sistem:
1. Clasificare — iese o eticheta dintr-o lista fixa

Sistemul pune fiecare element intr-una din categoriile stabilite dinainte. Filtrul de mesaje nedorite (spam sau nu), sortarea automata a fotografiilor in portrete si peisaje, recunoasterea instrumentului dintr-o inregistrare, un program care citeste notele de pe o partitura scanata.

2. Recomandare — iese o ordine, o lista pentru tine

Continutul exista deja; sistemul il aseaza in ordinea in care crede ca te intereseaza. Piesa care porneste dupa cea aleasa de tine, clipurile propuse pe pagina de start, sugestiile de tutoriale de desen. Se sprijina pe istoricul tau si pe al altor oameni cu alegeri asemanatoare.

3. Predictie — iese o valoare pentru ceva ce nu s-a intamplat inca

Din datele de pana acum, sistemul estimeaza ce urmeaza: cate bilete se vor vinde la spectacolul de iarna, cat va dura randarea unui film de scurt metraj, ce vreme va fi la concertul din aer liber de sambata. Rezultatul este o estimare cu o marja de eroare, nu o certitudine.

4. Generare — iese continut nou

Text, imagine, sunet sau video produse pas cu pas, dupa tiparele invatate: variante de titlu pentru afis, o schita de fundal, o voce sintetica pentru un anunt, un acompaniament simplu. Aici lucreaza generarea probabilistica de la atomul 4 — cu tot cu variatia si cu riscul de a suna sigur si a gresi.

5. Interactiune cu mediul — iese o actiune fizica

Sistemul primeste date de la senzori (camera, microfon, atingere) si actioneaza asupra lumii din jur: un proiector care urmareste dansatorul pe scena, un robot care muta un reflector, aspiratorul care ocoleste mobila, o masina care franeaza singura. Diferenta fata de celelalte patru: rezultatul nu e o informatie pe ecran, ci o miscare.

Cum le deosebesti repede

Intreaba-te doar ce iese din sistem: o eticheta dintr-o lista scurta (clasificare), o ordine a unor lucruri care existau deja (recomandare), un numar despre viitor (predictie), continut care nu exista inainte (generare), o miscare in lumea fizica (interactiune cu mediul).

Un produs adevarat combina de multe ori mai multe tipologii. O aplicatie de muzica clasifica piesele pe genuri, recomanda lista si prezice ce vei asculta pana la capat.

7

7. Vezi cu ochii tai: IA in aplicatiile de la scoala

Nu ai nevoie de programe speciale ca sa vezi cele de mai sus la lucru. Sunt deja in contul de scoala. Mai jos ai pasii pentru Google Workspace; la final gasesti ce se schimba daca scoala lucreaza pe Microsoft Teams.
A. Clasificare — folderul Spam din Gmail (Google Workspace)

1. Deschide Gmail cu contul de scoala.
2. In lista din stanga, coboara pana la Mai multe (More) si apasa pe ea; se desfasoara restul folderelor.
3. Intra in folderul Spam. Fiecare mesaj de acolo a fost pus in categoria nedorit de un clasificator, nu de tine.
4. Citeste doua-trei subiecte si intreaba-te dupa ce elemente ar fi putut fi trimise acolo (expeditor necunoscut, promisiuni de castig, multe semne de exclamare, legaturi ciudate).
5. Daca gasesti un mesaj legitim ajuns din greseala acolo, il selectezi si apesi butonul Nu este spam (Not spam) din bara de sus — asta e validarea facuta de om, iar mesajul se muta inapoi in Inbox.

Gmail avertizeaza, in chiar pagina folderului, ca mesajele din Spam se sterg automat dupa circa 30 de zile: inca un motiv sa te uiti acolo din cand in cand.

B. Generare probabilistica — sugestiile de scriere din Gmail

1. In Gmail, apasa rotita Setari din dreapta sus, apoi Vedeti toate setarile (See all settings).
2. Ramai pe fila General si coboara pana la sectiunea Compunere inteligenta (Smart Compose).
3. Verifica daca sugestiile de scriere sunt activate; daca le pornesti sau le opresti, coboara pana jos si apasa Salvati modificarile (Save Changes).
4. Scrie un mesaj nou si incepe o propozitie obisnuita (de exemplu Va multumesc pentru). Continuarea care apare estompata este o predictie a cuvintelor urmatoare — exact mecanismul din atomul 4.
5. Incearca acum o propozitie despre ceva foarte specific (Fuga in re minor pe care o pregatim pentru) si vezi ca sugestiile devin slabe sau dispar: tiparele frecvente in datele de antrenare nu acopera cazul tau.

C. Ce se schimba daca scoala lucreaza pe Microsoft Teams

Teams nu are folder de mesaje nedorite: filtrarea aceea se face in Outlook, in folderul Junk Email (Email nedorit), unde exista si comanda Not junk pentru validarea facuta de om — acelasi mecanism de clasificare, alta aplicatie.

In schimb, in Teams ai la indemana un alt sistem de recunoastere de tipare: subtitrarile live dintr-o intalnire. Intr-o sedinta pornita, din bara de sus alegi Mai multe actiuni (butonul cu trei puncte), apoi optiunile de limba si vorbire, si activezi subtitrarile live. Vei vedea cum textul afisat se corecteaza singur din mers, dupa ce apar cuvintele urmatoare: sistemul isi revizuieste estimarea cand primeste mai mult context. Numele exacte ale butoanelor difera putin de la o versiune de Teams la alta, asa ca urmareste sensul, nu litera.

De retinut: aceleasi patru elemente de baza (statistica, sabloane, adaptivitate, generare probabilistica) le regasesti in ambele suite. Se schimba doar unde apasi.

Exercitii practice

Exercitiul 1 (Nivel minim) — Incadreaza in tipologie

Pentru fiecare situatie de mai jos, scrie tipologia potrivita (clasificare, recomandare, predictie, generare, interactiune cu mediul) si justifica in cel mult o propozitie, spunand ce iese din sistem:

  1. O aplicatie recunoaste, dintr-o inregistrare, daca instrumentul care canta este vioara sau violoncel.
  2. Un program produce patru variante de fundal pentru afisul serbarii de iarna.
  3. Un robot de pe scena muta reflectorul dupa cum se deplaseaza actorul.
  4. Platforma cu tutoriale iti aseaza pe prima pagina lectiile de desen in carbune.
  5. Scoala estimeaza cate programe de sala sa tipareasca pentru spectacolul de sambata.
Vezi rezolvarea

Criteriul de la atomul 6: te uiti la ce iese din sistem.

  1. Clasificare — iese o eticheta dintr-o lista fixa (vioara / violoncel).
  2. Generare — ies imagini noi, care nu existau inainte.
  3. Interactiune cu mediul — iese o miscare fizica, pornita de la datele unor senzori.
  4. Recomandare — lectiile existau deja; iese doar ordinea in care iti sunt aratate.
  5. Predictie — iese un numar despre ceva ce nu s-a intamplat inca (cate programe vor trebui).

Greseala frecventa: confuzia dintre 1 si 4. La clasificare, sistemul alege dintr-o lista scurta de categorii stabilite dinainte; la recomandare nu exista categorii, ci o ordonare a unor lucruri care existau deja, facuta pentru o anumita persoana.

Exercitiul 2 (Nivel standard) — Trei observatii pe cont propriu, scrise intr-un tabel

Deschide contul de scoala si urmeaza pasii din atomul 7. Aduna trei observatii facute chiar de tine, apoi scrie-le intr-un tabel cu patru coloane — Ce am deschis / Ce a facut sistemul / Pe ce s-a sprijinit / Tipologia:

  1. una din folderul Spam (Gmail) sau Junk Email (Outlook, daca scoala lucreaza pe Teams);
  2. una din sugestiile de scriere (Compunere inteligenta) sau din subtitrarile live din Teams;
  3. una dintr-o aplicatie a ta de muzica sau de clipuri.

Tabelul se face intr-un document Google Docs: meniul Inserare (Insert) → Tabel (Table) → alegi 4 coloane si 4 randuri. Daca lucrezi pe Microsoft Teams: in echipa clasei, fila Fisiere → Nou → document Word, apoi Insert → Table. La final trimite documentul profesorului.

Vezi rezolvarea

Model de tabel completat (observatiile tale vor fi altele — conteaza sa fie reale, nu inventate):

  1. Spam / Gmail | Sistemul a mutat in Spam un mesaj cu subiectul Ai castigat un premiu | Pe tipare invatate din multe mesaje nedorite: expeditor necunoscut, promisiune de castig, legatura ciudata | Clasificare
  2. Compunere inteligenta / Gmail | Dupa Va multumesc pentru mi-a propus estompat raspuns | Pe cuvintele care urmeaza cel mai des dupa aceasta secventa in textele de antrenare | Generare (probabilistica, cuvant cu cuvant)
  3. Aplicatia de muzica | Dupa doua piese de vioara mi-a pornit un concert baroc | Pe istoricul meu de ascultare si pe alegerile altor ascultatori cu gusturi asemanatoare | Recomandare

Pasii pentru tabel in Google Docs: Inserare (Insert) → Tabel (Table) → 4 coloane x 4 randuri; primul rand ramane pentru capetele de coloana. Partajarea: butonul Distribuiti (Share) din dreapta sus, apoi adresa profesorului.

Ce difera pe Microsoft Teams: documentul se creaza in fila Fisiere a echipei clasei (Nou → document Word), tabelul se pune tot din Insert → Table, iar predarea se face de obicei prin fila Teme (Assignments) sau prin postare in canalul clasei, nu prin partajarea unei legaturi.

Autoevaluare: daca la coloana Pe ce s-a sprijinit ai scris pentru ca stie sau pentru ca este inteligent, mai citeste o data atomii 2 si 4 — raspunsul asteptat vorbeste despre exemple, tipare si sanse, nu despre intelegere.

Exercitiul 3 (Nivel performanta) — Cine decide de fapt, la afisul concertului

Scoala pregateste concertul de primavara si vrei sa folosesti un instrument generativ pentru titlul afisului. Scrie un text de 10-15 randuri in care:

  1. explici, in termenii lectiei, ce face de fapt instrumentul cand iti da cinci variante de titlu;
  2. numesti trei decizii care raman ale tale, cate una pentru fiecare din cele trei momente: proiectare, selectie, validare;
  3. descrii cum verifici varianta aleasa inainte sa plece la tipar;
  4. dai un lucru pe care instrumentul nu are cum sa il decida si spui de ce.
Vezi rezolvarea

Raspuns model, sprijinit pe atomii 4 si 5:

  1. Ce face instrumentul. Nu cauta titluri gata facute intr-o arhiva si nu intelege ce este un concert de primavara. Construieste fiecare titlu bucata cu bucata, alegand la fiecare pas o continuare probabila, invatata din tiparele textelor pe care a fost antrenat. De aceea cele cinci variante sunt diferite intre ele si de aceea, daca ii cer din nou, primesc alte cinci.
  2. Proiectare: eu stabilesc ce inseamna un titlu bun aici — scurt, sa se citeasca de la zece metri, sa spuna ca e concert de primavara al scolii de arte. Instrumentul nu poate sti acest criteriu daca nu il formulez eu. Selectie: eu aleg ce ii dau ca punct de plecare (programul concertului, sala, publicul asteptat) si eu aleg una dintre cele cinci variante, respingandu-le pe celelalte. Validare: eu testez varianta aleasa inainte de folosire — o arat la doi colegi si profesorului si verific ca datele din ea sunt corecte.
  3. Cum verific. Confrunt fiecare informatie din titlu cu programul oficial al concertului: data, ora, sala, numele formatiei. Un model generativ alege continuarea cea mai probabila, nu pe cea adevarata, deci poate scrie plauzibil o ora sau o denumire care nu exista. Verific si ca titlul nu se potriveste la fel de bine oricarui alt concert — daca se potriveste, e semn ca e format doar din formule frecvente, adica exact tipare medii.
  4. Ce nu poate decide. Daca titlul se potriveste cu ce vrea sa transmita chiar acest concert al colegilor mei, si daca e potrivit pentru publicul din sala. Instrumentul nu a fost la repetitii, nu cunoaste oamenii si nu raspunde in fata nimanui pentru rezultat; raspunderea ramane a mea si a scolii.

Criteriu de reusita: textul contine cuvintele estimare / probabil (nu stie), numeste explicit cele trei momente de decizie umana si arata un pas de verificare care se face intr-o alta sursa decat instrumentul insusi.

Ce ai invatat astazi

  • Un program clasic urmeaza reguli scrise de om; un sistem de IA isi desprinde regulile din exemple, sub forma unui model
  • Modelul se sprijina pe statistica si sabloane: retine ce apare des impreuna in date si raspunde cu o estimare, nu cu o certitudine
  • Adaptivitatea = raspunsurile se schimba dupa datele si reactiile noi; nu inseamna constiinta si nu inseamna neaparat mai bine
  • Generarea probabilistica produce continut pas cu pas, alegand dintre continuari cu sanse diferite — de aici variatia si raspunsurile plauzibile, dar false
  • Fata de om, modelul e constant si rapid, dar nu intelege, nu are motive de spus, trage spre ce era deja frecvent si nu poate raspunde pentru greseli
  • Omul decide in trei momente: proiectarea (ce optimizam), selectia (ce date si ce algoritm) si validarea (testarea inainte de folosire)
  • Cele cinci tipologii, dupa ce iese din sistem: clasificare, recomandare, predictie, generare, interactiune cu mediul
  • Le vezi la lucru in contul de scoala: Spam si Compunere inteligenta in Gmail, Junk Email in Outlook si subtitrarile live in Teams

Vrei mai mult?

Fa acasa proba variatiei: cere-i de trei ori la rand aceluiasi instrument generativ exact aceeasi descriere pentru un afis si pune raspunsurile unul sub altul intr-un document. Numara cate cuvinte se repeta in toate trei si cate difera. Vei vedea cu ochii tai ce inseamna ca fiecare pas e o alegere dintre mai multe continuari posibile, nu o cautare a unui raspuns unic.

Intreaba-te: daca un model invata din ce a fost ales in trecut, ce se intampla dupa cativa ani in care afisele scolii au fost facute tot cu ajutorul lui? Ce fel de afise devin tot mai putin probabile — si cine pierde din asta?

In lumea reala: in orchestre si in juriile de concurs se folosesc de zeci de ani auditiile in spatele unui paravan, tocmai pentru ca oamenii se lasau influentati de ce vedeau, nu de ce auzeau. Un model antrenat pe alegerile de dinainte de paravan ar invata exact acele preferinte si le-ar da inapoi, cu aparenta de obiectivitate. Asta e motivul pentru care validarea facuta de om nu e o formalitate: ea intreaba pe ce date s-a invatat, nu doar cat de sigur pare rezultatul.

Urmatoarea lectie

Continua cu Datele din spatele inteligentei artificiale: invatare automata si partinire — de unde vin datele pe care invata un model, cum sunt colectate si etichetate, si cum ajung prejudecatile din date sa se intoarca in rezultate.

Continua →