Μετάβαση στο περιεχόμενο

Τι είναι η τεχνητή νοημοσύνη

Μηχανές που μαθαίνουν από παραδείγματα — και γιατί κάνουν λάθη.

20 λεπτά

Θα μάθεις να

  1. Να ξεχωρίζεις ένα πρόγραμμα με κανόνες από ένα πρόγραμμα που μαθαίνει από παραδείγματα.
  2. Να περιγράφεις με απλά λόγια πώς «εκπαιδεύεται» ένα σύστημα τεχνητής νοημοσύνης.
  3. Να εξηγείς γιατί η τεχνητή νοημοσύνη κάνει λάθη, όταν τα παραδείγματά της είναι λίγα ή μονόπλευρα.
  4. Να ελέγχεις όσα γράφει ένα πρόγραμμα συνομιλίας και να μη μοιράζεσαι προσωπικά στοιχεία μαζί του.

Όταν οι κανόνες δεν φτάνουν

Στα προηγούμενα μαθήματα έγραψες προγράμματα με κανόνες: «αν το σκορ είναι μεγαλύτερο από 10 τότε…». Ο προγραμματιστής σκέφτεται όλους τους κανόνες και τους γράφει έναν-έναν. Για πολλά πράγματα αυτό δουλεύει τέλεια — μια αριθμομηχανή, ένα ξυπνητήρι, ένα φανάρι.

Δοκίμασε όμως να γράψεις κανόνες για το: «Αυτή η φωτογραφία δείχνει γάτα;».

  • «Αν έχει μυτερά αυτιά…» — και οι αλεπούδες έχουν.
  • «Αν έχει μουστάκια…» — και οι σκύλοι έχουν.
  • Και αν η γάτα κοιμάται κουλουριασμένη και δεν φαίνονται ούτε αυτιά ούτε μουστάκια;

Εσύ αναγνωρίζεις μια γάτα αμέσως, αλλά δεν μπορείς να πεις ακριβώς πώς. Για τέτοια προβλήματα οι επιστήμονες σκέφτηκαν κάτι άλλο: αντί να γράψουν τους κανόνες, δείχνουν στον υπολογιστή χιλιάδες παραδείγματα και τον αφήνουν να βρει μόνος του τι έχουν κοινό.

Κανόνες ή παραδείγματα;

Κανόνες ή παραδείγματα;

Διάλεξε ένα μηχάνημα και αποφάσισε: δουλεύει με κανόνες που έγραψε κάποιος, ή έμαθε από πολλά παραδείγματα;

Διάλεξε μηχάνημα

Πώς μαθαίνει μια μηχανή

Ας πούμε ότι θέλεις ένα πρόγραμμα που ξεχωρίζει τις φωτογραφίες με γάτες. Η εκπαίδευση γίνεται γύρο γύρο:

Ο κύκλος της εκπαίδευσης

Πάτα «Το επόμενο στάδιο» και κάνε έναν γύρο. Σε κάθε γύρο το πρόγραμμα γίνεται λίγο καλύτερο.

Διάλεξε στάδιο

ΠαραδείγματαΆνθρωποι μαζεύουν χιλιάδες φωτογραφίες και γράφουν σε καθεμία «γάτα» ή «όχι γάτα». Αυτά είναι τα δεδομένα εκπαίδευσης.

Πρόσεξε κάτι σημαντικό: το πρόγραμμα δεν ξέρει τι είναι γάτα, όπως το ξέρεις εσύ. Δεν έχει χαϊδέψει ποτέ γάτα. Έχει βρει μοτίβα στα pixels — στα bits που είδαμε στο μάθημα για το δυαδικό σύστημα.

Γιατί κάνει λάθη

Μια ΤΝ είναι τόσο καλή όσο τα παραδείγματα που της έδωσαν. Αν τα παραδείγματα είναι λίγα ή όλα όμοια, μαθαίνει κάτι λάθος χωρίς να το καταλάβει.

Το ίδιο ισχύει και για τα προγράμματα συνομιλίας (chatbots), που απαντούν σε ερωτήσεις με κείμενο. Έχουν μάθει από τεράστιες ποσότητες κειμένου να προβλέπουν ποια λέξη ταιριάζει να έρθει μετά. Γι' αυτό γράφουν πολύ φυσικά — αλλά μερικές φορές γράφουν κάτι που ακούγεται σωστό και δεν είναι, με την ίδια σιγουριά.

Ας το κάνουμε μαζί

Παράδειγμα 1

Ένα πρόγραμμα ΤΝ ξεχωρίζει μήλα σε ένα εργοστάσιο. Εκπαιδεύτηκε μόνο με φωτογραφίες κόκκινων μήλων. Όταν περνάει ένα πράσινο μήλο, λέει «δεν είναι μήλο». Τι πήγε στραβά, και πώς διορθώνεται;

Δοκίμασέ το πρώτα. Μετά δες τη λύση.

Παράδειγμα 2

Ρωτάς ένα πρόγραμμα συνομιλίας για μια εργασία και γράφει: «Η Κρήτη είναι το μεγαλύτερο νησί της Μεσογείου». Μπορείς να το γράψεις στην εργασία σου;

Δοκίμασέ το πρώτα. Μετά δες τη λύση.

Ασκήσεις

Πρώτα ερωτήσεις με επιλογές: διαλέγεις, πατάς «Έλεγξε» και μαθαίνεις αμέσως αν το βρήκες και γιατί. Στο τέλος, λίγες ασκήσεις χωρίς επιλογές — εκεί κρύβεται μόνο η απάντηση.

Πολλαπλή επιλογήΆσκηση 1 από 12
Ποια είναι η μεγάλη διαφορά ανάμεσα στις περισσότερες σημερινές ΤΝ και σε ένα πρόγραμμα όπως μια αριθμομηχανή;

Τα κατάφερες;

  • Να ξεχωρίζεις ένα πρόγραμμα με κανόνες από ένα πρόγραμμα που μαθαίνει από παραδείγματα.
  • Να περιγράφεις με απλά λόγια πώς «εκπαιδεύεται» ένα σύστημα τεχνητής νοημοσύνης.
  • Να εξηγείς γιατί η τεχνητή νοημοσύνη κάνει λάθη, όταν τα παραδείγματά της είναι λίγα ή μονόπλευρα.
  • Να ελέγχεις όσα γράφει ένα πρόγραμμα συνομιλίας και να μη μοιράζεσαι προσωπικά στοιχεία μαζί του.

Λύσε τις ασκήσεις πιο πάνω και θα δεις εδώ πού στέκεσαι.