Jak działa sztuczna inteligencja? Proste wyjaśnienie bez technicznego żargonu

Czym właściwie jest sztuczna inteligencja?

Termin „sztuczna inteligencja” obejmuje wiele różnych technologii.

Nie każda AI jest chatbotem.

Sztuczna inteligencja może między innymi:

• rozpoznawać obiekty na zdjęciach,
• przewidywać zapotrzebowanie na określony produkt,
• wykrywać podejrzane transakcje,
• tłumaczyć tekst,
• rekomendować muzykę lub filmy,
• analizować mowę,
• generować tekst, obraz albo dźwięk.

Jedną z najważniejszych części współczesnej AI jest uczenie maszynowe, czyli machine learning.

Zamiast programować komputer za pomocą tysięcy sztywnych reguł, możemy pokazać mu dużą liczbę przykładów i pozwolić modelowi znaleźć zależności w danych.

To zasadnicza różnica.

Klasyczny program i AI — jaka jest różnica?

Wyobraźmy sobie, że chcemy stworzyć program rozpoznający wiadomości spamowe.

Klasyczne podejście

Programista mógłby stworzyć reguły:

• jeśli wiadomość zawiera słowo „wygrana” — dodaj punkt,
• jeśli zawiera dziesięć wykrzykników — dodaj punkt,
• jeśli nadawca jest podejrzany — dodaj dwa punkty,
• jeśli suma przekroczy określoną wartość — oznacz wiadomość jako spam.

Problem pojawia się, kiedy spamerzy zaczną pisać inaczej.

Programista musi wówczas dodawać kolejne reguły.

Podejście wykorzystujące uczenie maszynowe

Zamiast ręcznie wypisywać wszystkie zasady, pokazujemy systemowi ogromny zbiór wiadomości oznaczonych jako:

SPAM

oraz

NIE SPAM.

Algorytm analizuje przykłady i uczy się, jakie cechy pomagają odróżnić jedną grupę od drugiej.

Potem otrzymuje nową wiadomość, której wcześniej nie widział, i próbuje określić, do której kategorii bardziej pasuje.

Na podobnej zasadzie działają liczne systemy klasyfikacji w machine learning. Google opisuje uczenie maszynowe jako zestaw metod pozwalających modelom uczyć się zależności z danych i wykorzystywać je do przewidywania wyników dla nowych przykładów.

AI uczy się na przykładach

Najłatwiej zrozumieć to na obrazie.

Załóżmy, że chcemy nauczyć komputer rozpoznawać koty i psy.

Pokazujemy modelowi:

• tysiące zdjęć kotów,
• tysiące zdjęć psów.

Każde zdjęcie ma informację, co się na nim znajduje.

Na początku model może praktycznie zgadywać.

Z czasem jego parametry są modyfikowane tak, aby kolejne przewidywania stawały się dokładniejsze.

Model nie musi otrzymać instrukcji:

Kot ma dokładnie takie uszy, taki nos i taki kształt głowy.

Zamiast tego uczy się z danych kombinacji cech, które pomagają przewidzieć właściwą odpowiedź.

To właśnie jedna z największych zalet uczenia maszynowego — system może nauczyć się zależności, których ręczne opisanie za pomocą tysięcy reguł byłoby niezwykle trudne.

Czym jest sieć neuronowa?

W rozmowach o AI bardzo często pojawia się pojęcie sieci neuronowej.

Nazwa jest inspirowana mózgiem, ale nie oznacza, że komputer posiada cyfrowy mózg działający tak samo jak ludzki.

Sieć neuronowa jest modelem matematycznym składającym się z wielu połączonych ze sobą elementów obliczeniowych.

W uproszczeniu można wyobrazić ją sobie jako kilka warstw.

Warstwa wejściowa

Otrzymuje dane.

W przypadku zdjęcia mogą to być informacje dotyczące pikseli.

Warstwy ukryte

Przetwarzają informacje i uczą się coraz bardziej złożonych zależności.

Warstwa wyjściowa

Generuje wynik.

Na przykład:

kot: 94%

pies: 6%

Google opisuje sieci neuronowe jako architekturę umożliwiającą automatyczne uczenie się nieliniowych zależności między cechami danych.

Skąd AI wie, że zrobiła błąd?

Podczas treningu model otrzymuje przykład i generuje przewidywanie.

Załóżmy, że na zdjęciu znajduje się kot.

Model odpowiada:

pies — 70%

Wiemy, że odpowiedź jest niewłaściwa.

System oblicza więc, jak duży był błąd, a następnie odpowiednio modyfikuje swoje parametry.

Proces jest powtarzany ogromną liczbę razy.

Jedną z podstawowych metod wykorzystywanych do trenowania wielowarstwowych sieci neuronowych jest backpropagation, czyli propagacja wsteczna, która pozwala korygować parametry modelu w celu zmniejszania błędu.

Można porównać to do nauki rzucania piłką do kosza.

Pierwszy rzut:

za krótki.

Korygujesz ruch.

Drugi:

za mocny.

Ponownie korygujesz.

Po setkach prób trafiasz znacznie częściej — mimo że nikt nie podał ci dokładnego równania opisującego ruch każdej części ręki.

Co w takim razie robi ChatGPT i inne modele językowe?

Modele językowe mają bardziej złożoną konstrukcję, ale podstawową ideę można wyjaśnić bardzo prosto.

Podczas treningu model analizuje ogromną liczbę przykładów tekstu i uczy się zależności pomiędzy fragmentami języka.

Jednym z podstawowych zadań dużego modelu językowego jest przewidywanie kolejnych elementów tekstu — tokenów — na podstawie wcześniejszego kontekstu. Google w swoim kursie dotyczącym dużych modeli językowych opisuje właśnie przejście od tokenów i przewidywania tekstu do architektury Transformer.

Załóżmy, że widzimy zdanie:

Warszawa jest stolicą…

Nietrudno przewidzieć, że bardzo prawdopodobnym kolejnym słowem będzie:

Polski.

Ale model wykonuje podobne operacje na znacznie bardziej skomplikowanym poziomie i bierze pod uwagę szeroki kontekst wcześniejszego tekstu.

Właśnie dlatego potrafi tworzyć całe akapity, odpowiadać na pytania, streszczać tekst czy pisać kod.

Czym jest Transformer?

Duża część współczesnych modeli językowych korzysta z architektury określanej jako Transformer.

Została ona przedstawiona w 2017 roku w pracy naukowej „Attention Is All You Need”. Jej kluczowym elementem jest mechanizm attention, który pozwala modelowi analizować zależności pomiędzy różnymi fragmentami sekwencji.

Wyobraźmy sobie zdanie:

Marek położył telefon na stole, ponieważ był ciężki.

A teraz:

Marek położył telefon na stole, ponieważ był mokry.

Dla prawidłowego rozumienia tekstu ważne jest ustalenie, do czego odnoszą się poszczególne słowa i które elementy zdania są ze sobą związane.

Mechanizmy attention pomagają modelowi określać takie zależności.

Nie oznacza to jednak, że model „rozumie” tekst dokładnie w taki sposób jak człowiek.

Czy AI przechowuje wszystkie odpowiedzi w ogromnej bazie?

Nie.

To jedno z częstych nieporozumień.

Model językowy nie działa jak gigantyczna książka z gotowymi odpowiedziami:

pytanie numer 5312 → odpowiedź numer 5312.

Podczas treningu uczy się ogromnej liczby statystycznych zależności zapisanych w parametrach modelu.

Kiedy użytkownik zadaje nowe pytanie, model generuje odpowiedź na podstawie wyuczonych zależności i bieżącego kontekstu.

Dlatego może odpowiedzieć na pytanie sformułowane w sposób, którego wcześniej nigdy dokładnie nie widział.

Dlaczego sztuczna inteligencja potrzebuje tak dużo danych?

Załóżmy, że chcemy nauczyć dziecko, czym jest pies.

Jeżeli pokażemy tylko jednego czarnego labradora, dziecko może przez chwilę sądzić, że pies to właśnie duże czarne zwierzę o konkretnym wyglądzie.

Ale później zobaczy:

• jamnika,
• owczarka,
• pudla,
• chihuahua.

Zacznie rozumieć, że pojęcie „pies” obejmuje znacznie więcej odmian.

Podobnie model potrzebuje różnorodnych przykładów, aby nauczyć się wzorców, które mogą działać również dla nowych danych.

Sama ilość danych nie gwarantuje jednak dobrego wyniku. Znaczenie mają także ich jakość, reprezentatywność, sposób trenowania modelu oraz jego architektura.

Dlaczego AI czasami podaje nieprawdziwe informacje?

To szczególnie ważne w przypadku generatywnej AI.

Model językowy jest zaprojektowany do generowania prawdopodobnego i spójnego tekstu.

Nie oznacza to automatycznie, że każde wygenerowane zdanie jest prawdziwe.

Model może stworzyć odpowiedź, która:

• brzmi przekonująco,
• jest poprawna językowo,
• pasuje do kontekstu,

a mimo to zawiera błędną informację.

Dlatego ważne informacje — szczególnie dotyczące zdrowia, prawa, finansów czy bezpieczeństwa — powinny być weryfikowane w wiarygodnych źródłach.

NIST podkreśla, że wiarygodność systemów AI obejmuje między innymi ich poprawność, bezpieczeństwo, odporność, przejrzystość i możliwość zarządzania ryzykiem.

Czy AI naprawdę myśli?

To zależy przede wszystkim od tego, co rozumiemy przez słowo „myśleć”.

W codziennej rozmowie łatwo powiedzieć:

AI pomyślała i odpowiedziała.

Technicznie jest to jednak duże uproszczenie.

Współczesne systemy AI wykonują skomplikowane operacje na danych i potrafią generować wyniki, które przypominają efekty ludzkiego rozumowania.

Nie oznacza to automatycznie, że posiadają świadomość, emocje czy doświadczenia podobne do ludzkich.

To bardzo ważne rozróżnienie.

AI może napisać:

„Cieszę się, że mogłem pomóc”.

Samo zdanie nie dowodzi jednak, że system faktycznie odczuwa radość.

Gdzie spotykamy AI na co dzień?

Często korzystamy ze sztucznej inteligencji, nawet o tym nie myśląc.

Telefon

AI może uczestniczyć w:

• rozpoznawaniu twarzy,
• poprawianiu zdjęć,
• rozpoznawaniu mowy,
• przewidywaniu wpisywanych słów.

Serwisy streamingowe

Systemy rekomendacyjne analizują zachowania użytkowników i próbują przewidzieć, jakie filmy, seriale lub utwory mogą ich zainteresować.

Nawigacja

Algorytmy mogą wykorzystywać dane o ruchu drogowym i historyczne wzorce do przewidywania czasu przejazdu.

Bankowość

Modele mogą pomagać w wykrywaniu nietypowych transakcji.

Sklepy internetowe

Systemy rekomendacyjne próbują dopasować produkty do zainteresowań użytkownika.

Generatywna AI

Nowsza grupa narzędzi potrafi tworzyć:

• tekst,
• obrazy,
• dźwięk,
• kod,
• wideo.

AI, uczenie maszynowe i sieci neuronowe — czy to to samo?

Nie.

Można wyobrazić to sobie jak trzy pudełka znajdujące się jedno w drugim.

Sztuczna inteligencja

to najszersze pojęcie.

W jego obrębie znajduje się:

uczenie maszynowe

czyli metody pozwalające systemom uczyć się na danych.

W obrębie uczenia maszynowego znajdują się między innymi:

sieci neuronowe.

A bardziej rozbudowane wielowarstwowe sieci neuronowe są podstawą wielu rozwiązań określanych jako deep learning, czyli głębokie uczenie.

Nie każdy system AI jest więc dużym modelem językowym i nie każdy problem wymaga niezwykle rozbudowanej sieci neuronowej.

Co dzieje się od pytania do odpowiedzi?

Bardzo uproszczony schemat działania chatbota opartego na modelu językowym można przedstawić tak:

1. Wpisujesz pytanie

↓

2. Tekst zostaje podzielony na mniejsze elementy — tokeny

↓

3. Model analizuje kontekst

↓

4. Oblicza prawdopodobieństwa możliwych kolejnych tokenów

↓

5. Generuje kolejne fragmenty odpowiedzi

↓

6. Powstaje pełny tekst

Całość może wydarzyć się w ciągu kilku sekund.

Ale za tą pozorną prostotą kryje się model posiadający ogromną liczbę parametrów oraz infrastruktura obliczeniowa potrzebna do jego uruchomienia.

Czy sztuczna inteligencja będzie coraz lepsza?

Najprawdopodobniej wiele systemów będzie nadal rozwijanych, ale samo zwiększanie możliwości modeli nie rozwiązuje wszystkich problemów.

Pozostają pytania dotyczące między innymi:

• jakości danych,
• błędów,
• bezpieczeństwa,
• prywatności,
• stronniczości,
• przejrzystości,
• odpowiedzialności za decyzje.

Dlatego rozwój AI dotyczy nie tylko budowania coraz większych modeli, ale również sposobów ich bezpiecznego i wiarygodnego wykorzystania. NIST traktuje zarządzanie ryzykiem jako proces obejmujący cały cykl życia systemu AI.

Najczęściej zadawane pytania

Czy AI potrafi uczyć się sama?

W pewnym sensie model może automatycznie dostosowywać swoje parametry podczas treningu, ale cały proces jest projektowany przez ludzi. To człowiek wybiera dane, architekturę, sposób treningu, kryteria oceny i sposób wykorzystania systemu.

Czy sztuczna inteligencja ma dostęp do całego internetu?

Nie jest to cecha AI jako takiej. Niektóre systemy mogą mieć dostęp do wyszukiwarki lub innych zewnętrznych źródeł, a inne działają wyłącznie na podstawie swojego modelu i informacji przekazanych w bieżącej rozmowie.

Czy AI zawsze wybiera najbardziej prawdopodobną odpowiedź?

Nie zawsze. W systemach generatywnych sposób wyboru kolejnych elementów odpowiedzi może być kontrolowany przez dodatkowe parametry i mechanizmy, dzięki czemu wynik nie musi być za każdym razem identyczny.

Czy AI zastąpi zwykłe programy komputerowe?

Nie. Klasyczne oprogramowanie jest bardzo dobre w zadaniach, w których reguły można jasno określić. AI jest szczególnie przydatna tam, gdzie problem dotyczy rozpoznawania złożonych wzorców albo generowania treści.

Czy komputer może stać się świadomy?

Współczesne systemy AI nie dają podstaw, aby samo płynne generowanie tekstu traktować jako dowód świadomości. Pytanie o możliwość powstania sztucznej świadomości pozostaje znacznie szerszym problemem naukowym i filozoficznym.

Na koniec

Sztuczna inteligencja może wyglądać jak magia tylko wtedy, gdy nie widzimy tego, co dzieje się pod spodem.

W największym uproszczeniu wygląda to tak:

dane → uczenie → wzorce → przewidywanie → wynik.

W przypadku nowoczesnych modeli proces jest oczywiście znacznie bardziej skomplikowany, ale podstawowa zasada pozostaje podobna.

AI nie potrzebuje zapisanej odpowiedzi na każde możliwe pytanie. Uczy się zależności z ogromnej liczby przykładów, a później wykorzystuje je w nowych sytuacjach.

To właśnie sprawia, że technologia jest tak potężna.

I jednocześnie tłumaczy jej największą słabość:

model może stworzyć odpowiedź, która wygląda bardzo rozsądnie, nawet wtedy, gdy jest błędna.

Dlatego najlepszym sposobem korzystania ze sztucznej inteligencji nie jest bezgraniczne zaufanie ani strach przed technologią.

Jest nim zrozumienie, co AI potrafi, jak działa i gdzie kończą się jej możliwości.

Źródła i dalsza lektura

• NIST — Artificial Intelligence Risk Management Framework (AI RMF 1.0).
• Google for Developers — Machine Learning Crash Course.
• Google for Developers — materiały o sieciach neuronowych i ich trenowaniu.
• Vaswani i in. — „Attention Is All You Need”, praca opisująca architekturę Transformer.