Czym jest sztuczna inteligencja i jak działa?

Sztuczna inteligencja (AI) to dziedzina nauki i inżynierii, która próbuje nadać maszynom zdolności zwykle kojarzone z ludzkim umysłem, takie jak rozumowanie, planowanie, uczenie się i postrzeganie. Większość nowoczesnej AI nie jest programowana za pomocą krok po kroku zapisanych reguł. Zamiast tego uczy się wzorców na podstawie dużej liczby przykładów i wykorzystuje je do przewidywań, rekomendacji, decyzji lub tworzenia nowych treści.

Poniżej wyjaśniamy, co oznacza ten termin, jak uczenie maszynowe działa od podszewki, w jaki sposób chatboty takie jak ChatGPT generują tekst, gdzie AI już pojawia się w codziennym życiu oraz jakie ograniczenia warto mieć na uwadze.

Czym jest sztuczna inteligencja? Prosta definicja

Nazwa sięga letniego projektu badawczego w Dartmouth z 1956 roku, zaproponowanego w 1955 roku przez Johna McCarthy'ego i jego współpracowników. Przez dziesięciolecia AI oznaczała głównie tzw. symboliczną sztuczną inteligencję: eksperci spisywali jawne reguły, którym komputer był posłuszny.

Według jednego z akademickich przeglądów takie podejście oparte na regułach dominowało do końca lat 80. XX wieku. Potem zyskały na znaczeniu metody takie jak sieci neuronowe, systemy rozmyte i obliczenia ewolucyjne. Krótko mówiąc, dziedzina przeszła od ręcznie pisanych reguł do uczenia się na podstawie danych.

Podobne ujęcie stosują decydenci. Definicja OECD, zrewidowana w listopadzie 2023 roku, opisuje system AI jako oparty na maszynie system, który na podstawie otrzymanych danych wnioskuje, jak generować wyniki, takie jak przewidywania, treści, rekomendacje czy decyzje, mogące wpływać na środowiska fizyczne lub wirtualne. Systemy różnią się stopniem autonomii i zdolnością adaptacji, a unijny akt o AI używa bardzo zbliżonego sformułowania.

Dwa rozróżnienia pomagają początkującym. Po pierwsze, wszystko, co istnieje dziś, to wąska AI, zbudowana do konkretnych zadań; ogólna sztuczna inteligencja (AGI) pozostaje hipotetyczna, a nawet jej definicja budzi spory. Po drugie, pojęcia są zagnieżdżone: AI obejmuje uczenie maszynowe, które obejmuje uczenie głębokie, a to z kolei napędza duże modele językowe i generatywną AI.

Jak działa uczenie maszynowe?

Tradycyjne oprogramowanie podąża za regułami napisanymi przez programistę. Uczenie maszynowe odwraca tę zasadę: podajesz modelowi przykłady, zwane danymi treningowymi, a on sam dochodzi do wzorców.

Istnieją trzy główne style. W uczeniu nadzorowanym przykłady są opatrzone etykietami, na przykład e-maile oznaczone jako „spam” lub „nie spam”. W uczeniu nienadzorowanym etykiet brak, a model sam znajduje grupy. W uczeniu przez wzmacnianie model uczy się metodą prób i błędów, dzięki nagrodom i karom, tak jak systemy grające w gry, na przykład AlphaGo.

Najpotężniejsze dziś systemy opierają się na sieciach neuronowych: warstwach prostych jednostek matematycznych połączonych ustawieniami liczbowymi zwanymi parametrami lub wagami. Podczas treningu model zgaduje odpowiedź, porównuje ją z poprawną i koryguje wagi, by zmniejszyć błąd. Techniczne nazwy tego procesu to propagacja wsteczna i metoda gradientu prostego.

Warto też rozróżnić dwie fazy. Trening to kosztowny etap, w którym model się uczy. Wnioskowanie to moment, gdy gotowy model zaczyna pracować, odpowiadając na pytania lub wykonując predykcje.

Jak działają duże modele językowe, takie jak ChatGPT?

Duże modele językowe (LLM) najpierw dzielą tekst na tokeny, czyli całe słowa lub ich fragmenty. Języki z wieloma przyrostkami, jak turecki, mogą potrzebować większej liczby tokenów dla tej samej ilości tekstu, choć dokładny stosunek zależy od modelu.

W fazie wstępnego treningu model ćwiczy jedno zadanie na ogromnym zbiorze tekstów: przewidywanie następnego tokenu. Ten prosty cel zmusza go do przyswojenia gramatyki, faktów i wielu innych wzorców. Podstawą konstrukcji jest architektura Transformer, przedstawiona przez badaczy Google w pracy z 2017 roku „Attention Is All You Need”.

Następnie przychodzi faza dostrajania. Model jest douczany na przykładach poleceń i kształtowany za pomocą informacji zwrotnej, m.in. metodą uczenia przez wzmacnianie na podstawie ocen ludzi (RLHF), tak aby zachowywał się jak pomocny asystent. ChatGPT, uruchomiony przez OpenAI 30 listopada 2022 roku, udostępnił ten typ asystenta szerokiej publiczności; Gemini, Claude, Copilot, Llama, DeepSeek, Mistral i Grok to inne znane nazwy.

Technologia wciąż się zmienia. Do najnowszych trendów należą modele rozumujące, które przed odpowiedzią krok po kroku analizują problem, modele multimodalne obsługujące obrazy i dźwięk, agenci korzystający z narzędzi do wykonywania zadań oraz generowanie wspomagane wyszukiwaniem (RAG), w którym model najpierw przeszukuje dokumenty lub sieć. Wersje modeli często się zmieniają, dlatego warto sprawdzić na stronach twórców, co jest aktualne.

Do czego AI wykorzystuje się w życiu codziennym?

Prawdopodobnie korzystasz z AI wiele razy dziennie, nawet tego nie zauważając. Napędza rekomendacje w serwisach streamingowych i sklepach internetowych, filtruje spam, przewiduje natężenie ruchu w aplikacjach nawigacyjnych, odblokowuje telefony za pomocą twarzy, zasila asystentów głosowych i tłumaczy teksty.

Banki polegają na niej, wykrywając oszustwa, a aplikacje do zdjęć używają jej do automatycznej edycji. Generatywna AI dopisała do tej listy pomoc w pisaniu, streszczenia, wsparcie w programowaniu, tworzenie obrazów i pomoc w nauce.

W medycynie narzędzia AI pomagają lekarzom analizować skany. W nauce jej znaczenie zostało docenione na najwyższym poziomie: część Nagrody Nobla z chemii w 2024 roku trafiła do Demisa Hassabisa i Johna Jumpera za AlphaFold, który przewiduje struktury białek, a Nagroda Nobla z fizyki w 2024 roku przypadła Johnowi Hopfieldowi i Geoffreyowi Hintonowi za fundamentalne prace nad sieciami neuronowymi.

Jakie są ograniczenia i zagrożenia AI?

Najbardziej znanym problemem są halucynacje. Ponieważ modele językowe tworzą tekst brzmiący wiarygodnie, a nie zweryfikowane fakty, mogą z pewnością siebie podawać nieprawdziwe informacje. Częstotliwość tego zjawiska mocno zależy od modelu i testu, dlatego wszystko, co ważne, warto sprawdzić dwukrotnie.

Modele mają też datę graniczną wiedzy: o ile nie są połączone z wyszukiwarką, nic nie wiedzą o wydarzeniach po zakończeniu treningu. Mogą także powielać uprzedzenia obecne w danych treningowych.

Warto zwrócić uwagę na prywatność. Zastanów się, zanim wpiszesz do chatbota wrażliwe dane osobowe, zdrowotne lub firmowe, i sprawdź ustawienia każdego dostawcy, aby zobaczyć, czy Twoje rozmowy mogą być wykorzystywane do treningu.

Szersze debaty dotyczą sporów o prawa autorskie, zużycia energii i wody, deepfake'ów i dezinformacji oraz wpływu na zatrudnienie, gdzie prognozy są bardzo rozbieżne. Na koniec, nie należy zakładać, że dzisiejsze systemy rozumieją lub są świadome w ludzkim sensie; to pytanie pozostaje przedmiotem filozoficznych sporów.

Czy sztuczna inteligencja jest regulowana?

Coraz częściej tak. Unijny akt o AI wszedł w życie 1 sierpnia 2024 roku, a jego obowiązki są wdrażane stopniowo przez kilka lat. Niektóre terminy mogą się przesunąć na mocy późniejszych propozycji UE, dlatego warto sprawdzić oficjalne źródła UE, aby poznać aktualny harmonogram.

Inne kraje budują własne ramy. Turcja, na przykład, ma Krajową Strategię AI na lata 2021–2025, przygotowaną przez Biuro ds. Transformacji Cyfrowej Prezydencji oraz Ministerstwo Przemysłu i Technologii. Ponieważ polityka zmienia się szybko, śledź komunikaty właściwych organów, aby znać najnowszy stan.