מהם סוגי הבינה המלאכותית? [סרטון וחידון]

תשובה קצרה: סוגי בינה מלאכותית מובנים בצורה הטובה ביותר לפי יכולת, פונקציונליות, סגנון אימון ומקרה שימוש. בינה מלאכותית צרה נפוצה כיום, בעוד שבינה מלאכותית כללית ובינה מלאכותית-על נותרות תיאורטיות. בבחירת כלי, יש להתאים את הקטגוריה למשימה, לסיכונים הכרוכים בכך ולצורך בבדיקה אנושית.

נקודות מפתח:

סיווג: יש להפריד בין יכולות, פונקציונליות, שיטת אימון ומקרה שימוש לפני השוואת מערכות.

סקירה אנושית: בדקו פלטים יצירתיים, ניבוייים ושיחותיים לפני שאתם מסתמכים עליהם.

שקיפות: שאלו אילו נתונים, לוגיקה ומגבלות מעצבים כל מערכת בינה מלאכותית.

אחריות: יש להשאיר את בני האדם אחראים כאשר בינה מלאכותית משפיעה על החלטות, משתמשים או בטיחות.

בקרת סיכונים: בדיקה לאיתור הטיה, פרטיות, אבטחה ושימוש לרעה לפני הפריסה.

---

1. מהם סוגי הבינה המלאכותית?

כשאנשים שואלים "מהם סוגי הבינה המלאכותית?" הם בדרך כלל מתכוונים לאחד משני דברים:

ייתכן שהם שואלים לגבי בינה מלאכותית על סמך יכולת, כמו האם היא יכולה לבצע רק משימה אחת או לחשוב בצורה רחבה יותר באופן אנושי.

או שהם עשויים לשאול על בינה מלאכותית על סמך פונקציונליות, כלומר כיצד המערכת מתנהגת, לומדת, זוכרת, מנבאת או מגיבה.

כאן הדברים קצת מסתבכים. בינה מלאכותית לא מקובצת לקופסה אחת נקייה. זה יותר כמו מיון כלי מטבח לפי גודל, מטרה, חדות, והאם הדוד שלך קנה אותם מחנות מקוונת מפוקפקת. מערכות סיווג שונות חופפות.

הקטגוריות העיקריות כוללות בדרך כלל:

• בינה מלאכותית צרה

• בינה מלאכותית כללית

• סופר בינה מלאכותית

• מכונות ריאקטיביות

• בינה מלאכותית לזיכרון מוגבל

• בינה מלאכותית (Theory of Mind)

• בינה מלאכותית מודעת לעצמה

• למידת מכונה בינה מלאכותית

• בינה מלאכותית ללמידה עמוקה

• בינה מלאכותית גנרטיבית

• בינה מלאכותית חזויה

• בינה מלאכותית שיחתית

• ראייה ממוחשבת בינה מלאכותית

• רובוטיקה בינה מלאכותית

חלקן נמצאות בשימוש נרחב. חלקן עדיין תיאורטיות בעיקר. חלקן נשמעות עתידניות אך כבר מובנות באפליקציות יומיומיות. גם הגבול בין "תוכנה רגילה" ל"בינה מלאכותית" מטשטש עם הזמן.

---

2. סוגי בינה מלאכותית לפי יכולות

הדרך העיקרית הראשונה לסווג בינה מלאכותית היא לפי מה שהיא יכולה לעשות. זוהי התמונה הגדולה 🧠.

בינה מלאכותית צרה

בינה מלאכותית צרה, המכונה גם בינה מלאכותית חלשה, נועדה לבצע משימה ספציפית או קבוצה מוגבלת של משימות. זוהי הבינה המלאכותית שאנשים משתמשים בה מדי יום.

דוגמאות כוללות:

• המלצות חיפוש

• מסנני ספאם

• עוזרי קול

• מערכות זיהוי פנים

• צ'אטבוטים

• מנועי המלצות מוצרים

• כלי גילוי הונאות

• אפליקציות תרגום שפות

בינה מלאכותית צרה יכולה להיות חזקה, אבל היא לא "חשיבה" במובן האנושי הרחב. בינה מלאכותית של שחמט יכולה לנצח רב-אמן, אבל היא לא יכולה להחליט פתאום להפוך לשף קונדיטור. מודל תרגום יכול לתרגם פסקה, אבל הוא לא חווה שפה כמו שאדם חווה אותה.

ועדיין, בינה מלאכותית צרה היא סוס העבודה של עולם הבינה המלאכותית המודרני. היא לא זוהרת בסגנון מדע בדיוני, אבל היא מנהלת חלק ניכר מההצגה מאחורי הקלעים 🎭.

בינה מלאכותית כללית

בינה מלאכותית כללית מתייחסת לבינה מלאכותית שיכולה להבין, ללמוד, להסיק וליישם ידע במשימות רבות ושונות ברמה אנושית.

במילים פשוטות: הוא לא יעשה רק דבר אחד טוב. הוא יוכל להסתגל.

בינה מלאכותית כללית אמיתית יכולה באופן פוטנציאלי:

• למד משימות לא מוכרות

• נימוקים על פני נושאים שונים

• לפתור בעיות חדשות

• העברת ידע מתחום אחד לתחום אחר

• להבין את ההקשר בצורה מעמיקה יותר

• קבל החלטות עם שיקול דעת גמיש

סוג כזה של בינה מלאכותית הוא עדיין יותר מטרה מאשר מציאות יומיומית. אנשים מדברים עליה הרבה כי היא מרתקת, אולי קצת מטרידה, וקשה לעמוד בפניה כקונספט. אבל כלים רגילים שכותבים טקסט, יוצרים תמונות או עונים על שאלות אינם בהכרח בינה מלאכותית כללית. הם אולי מרגישים רחבים, אבל הם עדיין פועלים במסגרת גבולות שנועדו.

סופר בינה מלאכותית

בינה מלאכותית- על תלך מעבר לאינטליגנציה אנושית. לא רק הקלדה מהירה יותר או מתמטיקה טובה יותר - חשיבה, יצירתיות, אסטרטגיה, למידה ואולי גם הבנה רגשית או חברתית מעולים.

זוהי הקטגוריה הספקולטיבית ביותר. היא מעלה שאלות עצומות:

• מי שולט בזה?

• האם ניתן ליישר קו בין זה לערכים אנושיים?

• האם זה יבין נכון את מטרות האדם?

• האם זה יכול לשפר את עצמו?

• מה קורה אם היא מקבלת החלטות שבני אדם לא יכולים ליישם?

בינה מלאכותית-על היא המקום שבו שיחות על בינה מלאכותית הופכות לפעמים למרק פילוסופי. מרק בעל ערך, אולי, אבל עדיין מרק 🍲.

---

3. סוגי בינה מלאכותית לפי פונקציונליות

דרך נפוצה נוספת להסביר את סוגי הבינה המלאכותית היא באמצעות פונקציונליות. גישה זו מתמקדת באופן שבו הבינה המלאכותית מתנהגת.

מכונות ריאקטיביות

מכונות ריאקטיביות הן הסוג הפשוט ביותר של בינה מלאכותית. הן מגיבות לקלט נוכחי מבלי להשתמש בזיכרון מחוויות עבר.

הם לא לומדים עם הזמן כפי שעושות מערכות אדפטיביות מודרניות. הם בוחנים את המצב, מעבדים אותו ומגיבים.

תחשבו עליהם כ: "קלט נכנס. פלט יוצא. אין רישומי יומן."

בינה מלאכותית תגובתית עדיין יכולה להיות מרשימה. היא עשויה לנתח מהלכים אפשריים במשחק או להגיב למצב מוגדר בבירור במהירות ובדיוק קיצוניים. אבל היא לא בונה היסטוריה אישית או מתפתחת על סמך אינטראקציות קודמות.

בינה מלאכותית לזיכרון מוגבל

בינה מלאכותית עם זיכרון מוגבל יכולה להשתמש בנתונים מהעבר כדי לקבל החלטות טובות יותר. זוהי הקטגוריה בה נמצאת חלק ניכר מהבינה המלאכותית המעשית של ימינו.

דוגמאות כוללות:

• מערכות המלצה שלומדות מהתנהגות המשתמש

• מערכות לרכבים אוטונומיים המנתחות את תנאי הדרך האחרונים

• צ'אטבוטים שזוכרים הקשר בתוך שיחה

• מודלים לגילוי הונאות הלומדים מדפוסי עסקאות

• כלי ניתוח חיזוי המשתמשים בנתונים היסטוריים

זיכרון מוגבל לא אומר "זיכרון גרוע". זה אומר שהמערכת יכולה להשתמש בנתונים מאוחסנים או עדכניים, אבל אין לה תודעה אנושית או ניסיון אישי ארוך טווח. זה יכול להיות יעיל מאוד, למרות זאת. לפעמים יעיל בצורה מעצבנת - כמו כאשר אפליקציית קניות יודעת מה אתה רוצה לפני שאתה מודה בזה לעצמך 🛒.

בינה מלאכותית (Theory of Mind)

בינה מלאכותית של תורת התודעה תבין רגשות, אמונות, כוונות ורמזים חברתיים בצורה אנושית יותר.

סוג זה של בינה מלאכותית לא רק יעבד מילים. הוא יסיק מה מישהו עשוי להרגיש, לרצות, לא להבין, לפחד או לצפות לו.

לדוגמה, ייתכן שהוא יבין ש:

• לקוח מתוסכל אך מנסה להישאר מנומס

• תלמיד מבולבל אך מתבייש לשאול שוב

• מטופל חרד למרות שאומר "אני בסדר"

• חבר לקבוצה מהסס כי הוא לא מסכים בשקט

זה נותר תחום פעיל בדיון על בינה מלאכותית, אבל בינה מלאכותית אמיתית היא קשה ביותר. רגשות אנושיים סבוכים. אנשים אומרים דבר אחד ומתכוונים לדבר אחר. לפעמים הם אפילו לא יודעים למה הם מתכוונים בעצמם. בהצלחה, מכונה.

בינה מלאכותית מודעת לעצמה

לבינה מלאכותית בעלת מודעות עצמית תהיה מודעות, הבנה עצמית ומודעות למצבה הפנימי.

זה תיאורטי. זה שייך למדע בדיוני, פאנלים אתיים, ויכוחים ליליים ואנשים שבוהים באופן דרמטי מהחלונות 🌙.

בינה מלאכותית מודעת לעצמה לא רק תדמה שיחה על רגשות. תהיה לה איזושהי חוויה סובייקטיבית. זוהי טענה כבדה. למערכות בינה מלאכותית עכשוויות אין תודעה, רגשות, רצונות או עצמיות מאומתים.

הם יכולים להישמע מודעים לעצמם משום ששפה יכולה לחקות התבוננות עצמית. אבל להישמע כמו משהו ולהיות משהו זה לא אותו דבר. תוכי יכול לומר "אני רעב", אבל זה לא אומר שיש לו הזמנה למסעדה.

---

4. טבלת השוואה: סוגים עיקריים של בינה מלאכותית

סוג הבינה המלאכותית	רעיון מרכזי	מצב נוכחי	דוגמאות נפוצות	למה זה חשוב
בינה מלאכותית צרה	בנוי למשימות ספציפיות	בשימוש נרחב	צ'אטבוטים, חיפוש, המלצות	פרקטי ובכל מקום
בינה מלאכותית כללית	אינטליגנציה גמישה דמוית אדם	לא הושג במלואו	בעיקר תיאורטי	מטרה גדולה, ויכוח גדול
סופר בינה מלאכותית	חכמים יותר מבני אדם באופן כללי	ספֵּקוּלָטִיבִי	אין דוגמה מעשית	שאלות אתיות ענקיות
מכונות ריאקטיביות	מגיב ללא זיכרון	משמש במקרים מוגבלים	בינה מלאכותית של משחקים, מערכות מבוססות כללים	מהיר אך לא אדפטיבי
בינה מלאכותית לזיכרון מוגבל	משתמש בנתונים/היסטוריה כדי לשפר	נפוץ מאוד	מערכות נהיגה עצמית, כלי הונאה	זה הנהג היומי 🚗
בינה מלאכותית (Theory of Mind)	מבין רגשות וכוונות	פיתוח קונספט	רעיונות מתקדמים לבינה מלאכותית חברתית	יכול להפוך את הבינה המלאכותית למודעת יותר לבני אדם
בינה מלאכותית מודעת לעצמה	בעל תודעה	תֵאוֹרֵטִי	דוגמאות בסגנון מדע בדיוני	מסיבי מבחינה פילוסופית
בינה מלאכותית גנרטיבית	יוצר תוכן חדש	בשימוש נרחב	כלי טקסט, תמונה, אודיו	דחיפה לפרודוקטיביות יצירתית
בינה מלאכותית חזויה	תחזיות תוצאות	בשימוש נרחב	ניקוד סיכונים, תכנון ביקוש	מסייע לקבל החלטות - בעיקר
רובוטיקה בינה מלאכותית	שולט במכונות פיזיות	בשימוש בתעשיות	רובוטים, רחפנים, אוטומציה	מחברת בינה מלאכותית לעבודה פיזית

קצת לא אחיד? כן. אבל ככה בינה מלאכותית עובדת גם בחיי היומיום - לא תצוגה במוזיאון עם תוויות מושלמות.

---

5. בינה מלאכותית גנרטיבית: הסוג שכולם מדברים עליו 🎨

בינה מלאכותית גנרטיבית היא אחד מסוגי הבינה המלאכותית הפופולריים ביותר משום שהיא יוצרת דברים.

זה יכול לייצר:

• טֶקסט

• תמונות

• מוּסִיקָה

• קוד

• וִידֵאוֹ

• תיאורי מוצרים

• תוכן שיווקי

• תוכניות שיעור

• סיכומים

• נתונים סינתטיים

• רעיונות עיצוב

בינה מלאכותית גנרטיבית פועלת על ידי למידת דפוסים מכמויות גדולות של נתונים ולאחר מכן יצירת פלטים חדשים המבוססים על הנחיות. היא אינה מעתיקה במובן הפשוט שאנשים לפעמים מדמיינים. היא מנבאת, משלבת, משנה ויוצרת על סמך מבנים נלמדים.

עם זאת, עדיין יכול להיות טעויות. זה יכול להישמע בטוח בעצמו תוך כדי שהוא טועה, וזה בעצם גרסת המכונה של מישהו שמסביר על חוקי מס במנגל משפחתי.

בינה מלאכותית גנרטיבית היא בעלת ערך עבור:

• סיעור מוחות

• ניסוח תוכן

• אוטומציה של כתיבה חוזרת ונשנית

• יצירת קונספטים חזותיים

• תמיכה בשירות לקוחות

• האצת משימות קידוד

• התאמה אישית של חומרי למידה

אבל זה דורש בדיקה. תמיד. פלט של בינה מלאכותית יכול להיות מרשים, אבל הוא לא בהכרח מדויק, הוגן, חוקי או בטוח למותג. התייחסו אליו כאל עוזר מהיר מאוד עם נטיות גרמלין מדי פעם.

---

6. למידת מכונה בינה מלאכותית: מאתר התבניות

למידת מכונה היא ענף מרכזי של בינה מלאכותית שבו מערכות לומדות דפוסים מנתונים במקום להיות מתוכנתות שורה אחר שורה עבור כל החלטה.

תוכנה מסורתית פועלת לפי כללים מפורשים. מערכות למידת מכונה מזהות קשרים ומשפרות ביצועים באמצעות אימון.

לְדוּגמָה:

• מסנן ספאם לומד כיצד נראה דוא"ל חשוד

• מודל בנקאי מזהה התנהגות עסקאות חריגה

• אפליקציית סטרימינג ממליצה על תוכניות בהתבסס על הרגלי צפייה

• כלי גיוס עשוי לדרג מועמדים על סמך אותות מוגדרים

• מודל הדמיה רפואית עשוי להדגיש חריגות אפשריות

למידת מכונה יכולה להיות מפוקחת, לא מפוקחת או מבוססת חיזוקים.

למידה מודרכת

למידה מודרכת משתמשת בדוגמאות מתויגות. לדוגמה, תמונות עשויות להיות מתויגות כ"חתול" או "לא חתול". המודל לומד את ההבדל.

למידה ללא פיקוח

למידה בלתי מפוקחת מחפשת דפוסים ללא תשובות מתויגות. היא עשויה לקבץ לקוחות לפי פלחים או לזהות אשכולות נסתרים בנתונים.

למידה חיזוקית

למידה באמצעות חיזוק לומדת על ידי קבלת תגמולים או עונשים על פעולות. זה נפוץ בבעיות של בינה מלאכותית, רובוטיקה ואופטימיזציה במשחקים.

למידת מכונה אינה קסם. היא תלויה במידה רבה באיכות הנתונים. נתונים גרועים מובילים למודלים גרועים - זבל נכנס, זבל שלובש בלייזר אלגנטי יוצא.

---

7. בינה מלאכותית ללמידה עמוקה: תחנת כוח של רשתות נוירונים 🧬

למידה עמוקה היא סוג מיוחד של למידת מכונה המשתמשת ברשתות עצביות מרובדות כדי לעבד דפוסים מורכבים.

זה בעל ערך במיוחד עבור:

• זיהוי דיבור

• זיהוי תמונה

• עיבוד שפה טבעית

• מערכות אוטונומיות

• ניתוח תמונה רפואית

• תִרגוּם

• מודלים גנרטיביים של בינה מלאכותית

• משימות חיזוי מורכבות

החלק ה"עמוק" מתייחס לשכבות מרובות במודל. כל שכבה מסייעת לשנות ולפרש מידע. שכבה אחת עשויה לזהות צורות פשוטות בתמונה, אחרת עשויה לזהות מרקמים, אחרת עשויה לזהות אובייקטים וכן הלאה.

למידה עמוקה יכולה להניב תוצאות מדהימות, אך לעתים קרובות היא דורשת כמויות עצומות של נתונים וכוח מחשוב. היא יכולה להיות גם קשה יותר לפרשנות. משמעות הדבר היא שאפילו מומחים עשויים להתקשות להסביר בדיוק מדוע מודל עמוק קיבל החלטה מסוימת.

זוהי אחת מבעיות האמון הגדולות בבינה מלאכותית: ביצועים יכולים להיות חזקים, אבל הסבר יכול להיות חלקלק. כמו לנסות לשאול בלנדר למה השייק טעים לא נכון.

---

8. בינה מלאכותית שיחתית: הסוג הפטפטני

בינה מלאכותית שיחה נועדה לתקשר עם אנשים באמצעות טקסט או קול.

זה כולל:

• צ'אטבוטים לשירות לקוחות

• עוזרי קול

• סוכנים וירטואליים

• מורי בינה מלאכותית

• בוטים פנימיים של מוקד תמיכה

• עוזרי מכירות

• עוזרי תזמון

בינה מלאכותית טובה לשיחות זקוקה ליותר מדקדוק. היא זקוקה להקשר, זיהוי כוונות, שליטה בטון ויכולת להתמודד עם קלט אנושי בלתי צפוי.

אנשים לא מדברים בפקודות מושלמות. הם מדברים בקול רם. הם שגו באיות. הם שואלים חצי שאלה ומצפים שהמכונה "תבין". אתם יודעים איך זה.

צ'אטבוט בסיסי עשוי לעקוב אחר סקריפט. בינה מלאכותית מתקדמת יותר של שיחה יכולה להבין שפה טבעית, לשמור על הקשר וליצור תגובות גמישות.

סוג זה של בינה מלאכותית הוא בעל ערך משום שהוא מפחית עבודה חוזרת ונשנית ומספק תמיכה מהירה. אך הוא יכול לתסכל משתמשים כאשר הוא מעמיד פנים שהוא מבין אך לא מבין. הגרסה הגרועה ביותר היא צ'אטבוט שאומר "אשמח לעזור", מבלי לספק עזרה כלל. כואב.

---

9. ראייה ממוחשבת בינה מלאכותית: מכונות ש"רואות" 👀

בינה מלאכותית (AI) מאפשרת למערכות לפרש מידע חזותי מתמונות, סרטונים, מצלמות, חיישנים או סריקות.

ניתן להשתמש בו עבור:

• זיהוי פנים

• זיהוי עצמים

• בדיקת איכות במפעלים

• הדמיה רפואית

• ניטור אבטחה

• ניתוח מדפים בקמעונאות

• זיהוי תנועה

• מציאות רבודה

• ניטור חקלאות

ראייה ממוחשבת אינה רואה כמו שבני אדם רואים. היא מעבדת פיקסלים, תבניות, צורות, צבעים ואותות סטטיסטיים. אבל התוצאות יכולות להיות חזקות מאוד.

לדוגמה, ראייה ממוחשבת יכולה לסייע בזיהוי פגמים בקו ייצור מהר יותר מאשר בדיקה ידנית. היא יכולה לסייע בארגון ספריות תמונות. היא יכולה לתמוך במערכות בטיחות בכלי רכב. היא יכולה גם להעלות חששות בנוגע לפרטיות, במיוחד כאשר משתמשים בה למעקב או לזיהוי.

זהו המזלג הדו-פיפיות - לא חרב, מזלג. עדיין חד מספיק כדי לגרום צרות 🍴.

---

10. בינה מלאכותית חזויה: מנוע החיזוי

בינה מלאכותית חיזוי משתמשת בנתונים כדי להעריך מה עשוי לקרות בהמשך.

זה נפוץ בעסקים, פיננסים, שירותי בריאות, לוגיסטיקה, ניתוח ספורט, שיווק ותפעול.

בינה מלאכותית חיזוי עשויה לעזור לענות על שאלות כמו:

• אילו לקוחות צפויים לעזוב?

• איזו עסקה נראית חשודה?

• כמה מלאי יידרש?

• איזה מטופל עשוי להזדקק לתשומת לב נוספת?

• על איזה תוכן סביר שמשתמש ילחץ?

• איזה חלק במכונה עלול להיכשל בקרוב?

סוג זה של בינה מלאכותית פחות ראוותנית מבינה מלאכותית גנרטיבית, אך היא חשובה ביותר. ארגונים רבים פחות אכפת להם ממודל שכותב שירה ויותר מכך האם היא יכולה להפחית בזבוז, להוריד סיכונים ולשפר את התכנון.

בינה מלאכותית ניבויית עובדת בצורה הטובה ביותר כאשר הנתונים רלוונטיים, נקיים ומתעדכנים באופן קבוע. אבל ניבוי אף פעם לא ודאי. מודל יכול להעריך סבירות, לא להבטיח תוצאות. אנשים שוכחים זאת כל הזמן. אחר כך הם מאשימים את הבינה המלאכותית כאילו היא בגדה בהם באופן אישי.

---

11. בינה מלאכותית רובוטית: כאשר בינה מלאכותית משיגה גוף 🤖

רובוטיקה משלבת בינה מלאכותית עם מכונות פיזיות. כאן הבינה המלאכותית עוזבת את המסך ומתחילה לנוע ברחבי העולם.

דוגמאות כוללות:

• רובוטים למחסן

• ייצור רובוטים

• רובוטי משלוחים

• רובוטים חקלאיים

• מערכות סיוע כירורגי

• רחפנים

• רובוטי בדיקה

• רובוטי ניקוי

• רובוטי מחקר הומנואידים

בינה מלאכותית רובוטית היא קשה משום שהסביבה הפיזית אינה צפויה. צ'אטבוט צריך להתמודד רק עם מילים. רובוט צריך להתמודד עם רצפות חלקלקות, תאורה גרועה, משטחים לא אחידים, אנשים בתנועה, שגיאות בחיישנים ומישהו שמשאיר כיסא במקום הגרוע ביותר.

רובוטיקה משלבת לעיתים קרובות מספר סוגים של בינה מלאכותית:

• ראייה ממוחשבת לראייה

• למידת מכונה לצורך הסתגלות

• אלגוריתמי תכנון לתנועה

• למידה מחזקת לקבלת החלטות

• עיבוד שפה טבעית עבור פקודות אנושיות

לבינה מלאכותית רובוטית יש פוטנציאל עצום, במיוחד בעבודה מסוכנת או חוזרת על עצמה. אך היא גם יקרה, מורכבת ומסוכנת פיזית כאשר מערכות כושלות.

---

12. בינה מלאכותית המבוססת על סגנון אימון

דרך חשובה נוספת לחשוב על סוגי הבינה המלאכותית היא לפי אופן האימון שלהם.

בינה מלאכותית מבוססת כללים

בינה מלאכותית מבוססת כללים עוקבת אחר היגיון שנוצר על ידי בני אדם. לדוגמה:

• אם זה קורה, תעשו את זה

• אם המשתמש בוחר באפשרות זו, הצג את התשובה

• אם הערך מעל סף מסוים, הפעל התראה

זה פשוט, צפוי ושימושי למשימות מובנות. אבל זה מתקשה עם עמימות.

בינה מלאכותית מאומנת נתונים

בינה מלאכותית מאומנת מבוססת נתונים לומדת מדוגמאות. היא יכולה להתמודד עם מורכבות רבה יותר משום שהיא מזהה דפוסים במקום להסתמך רק על כללים קבועים.

כאן משתלבות למידת מכונה ולמידה עמוקה.

בינה מלאכותית היברידית

בינה מלאכותית היברידית משלבת לוגיקה מבוססת כללים עם למידת מכונה. במערכות מעשיות רבות, זוהי הבחירה הפרגמטית. אתם מקבלים את הגמישות של מערכות למידה בתוספת שליטה בכללים.

לדוגמה, מערכת הונאה בנקאית עשויה להשתמש בלמידת מכונה כדי לזהות התנהגות חשודה, ולאחר מכן להחיל כללים מחמירים לבדיקת תאימות. לא זוהר. הכרחי מאוד.

---

13. מה מבלבל בין סוגי הבינה המלאכותית?

הבלבול הגדול ביותר הוא שאנשים משתמשים בקטגוריות של בינה מלאכותית בדרכים שונות.

אדם אחד עשוי לומר "סוגי בינה מלאכותית" ולהתכוון לאינטליגנציה צרה, כללית ואינטליגנציה-על.

אדם אחר עשוי להתכוון לבינה מלאכותית גנרטיבית, בינה מלאכותית חזויה ובינה מלאכותית שיחה.

מפתח עשוי לדבר על למידה מפוקחת, למידה עמוקה, רשתות עצביות או למידת חיזוק.

מנהל עסקי עשוי לדבר על אוטומציה, ניתוח נתונים, התאמה אישית ותמיכת לקוחות באמצעות בינה מלאכותית.

כולם צודקים במידה מסוימת. מעצבן, אבל נכון.

בינה מלאכותית מסווגת לפי:

• יְכוֹלֶת

• פונקציונליות

• שיטת אימון

• אזור יישום

• ארכיטקטורה טכנית

• רמת האוטונומיה

• סוג הקלט והפלט

• מקרה שימוש בתעשייה

אז כשמישהו שואל "איזה סוג של בינה מלאכותית זה?", התשובה הברורה ביותר עשויה להיות רב-שכבתית.

צ'אטבוט, לדוגמה, יכול להיות:

• צמצום בינה מלאכותית לפי יכולות

• זיכרון מוגבל AI לפי פונקציונליות

• בינה מלאכותית שיחתית לפי אפליקציה

• בינה מלאכותית גנרטיבית אם היא יוצרת תגובות

• בינה מלאכותית ללמידה עמוקה אם היא מופעלת על ידי רשתות נוירונים

זה לא סיבוך יתר לשם כיף. ככה פשוט התחום עובד.

---

14. דוגמאות מעשיות לסוגי הבינה המלאכותית

הנה כמה דוגמאות יומיומיות כדי להקל על ההבנה של הקטגוריות.

המלצות סטרימינג 🎬

זוהי בינה מלאכותית צרה, בינה מלאכותית ניבויית ולמידת מכונה. היא חוקרת דפוסים וממליצה על מה שתוכלו לצפות בו בהמשך.

עוזרי קול 🎙️

אלה משתמשים בבינה מלאכותית שיחה, עיבוד שפה טבעית, זיהוי דיבור ותכונות זיכרון מוגבלות.

מחוללי תמונות 🖼️

אלו הן מערכות בינה מלאכותית גנרטיבית, המופעלות לעתים קרובות על ידי מודלים של למידה עמוקה.

מערכות גילוי הונאות 💳

אלה משתמשים בבינה מלאכותית חיזוי ובלמידה חישובית כדי לסמן פעילות חריגה.

תכונות נהיגה עצמית 🚗

אלה משלבים ראייה ממוחשבת, בינה מלאכותית עם זיכרון מוגבל, בינה מלאכותית הקשורה לרובוטיקה, מיזוג חיישנים ומודלים של קבלת החלטות.

מסנני דואר זבל בדוא"ל 📩

אלו הן בינה מלאכותית קלאסית של למידת מכונה. לא זוהרת, אבל בעלת ערך רב.

כלי כתיבה מבוססי בינה מלאכותית ✍️

אלו הן בינה מלאכותית גנרטיבית ובינה מלאכותית שיחתית, שנבנו בדרך כלל באמצעות מודלים של שפה גדולה.

הדבר החשוב הוא זה: מוצר בינה מלאכותית אחד יכול להשתייך למספר קטגוריות בו זמנית.

---

15. יתרונות הבנת סוגי הבינה המלאכותית

הכרת סוגי הבינה המלאכותית עוזרת לך לקבל החלטות טובות יותר, במיוחד אם אתה משתמש בבינה מלאכותית לעבודה, עסקים, לימודים או יצירת תוכן.

זה עוזר לך:

• בחר את הכלי הנכון

• הימנעו מציפיות לא מציאותיות

• להבין את הסיכונים

• שאל שאלות טובות יותר

• הערכת טענות בינה מלאכותית

• הגזמה בשיווק נקודתי

• השתמשו בבינה מלאכותית בצורה אחראית יותר

• הסברו על בינה מלאכותית לאחרים בלי להישמע כמו רובוט מבולבל

לדוגמה, אם כלי הוא בינה מלאכותית חזויה, אתה יודע שהוא חוזה הסתברויות. אין להתייחס אליו כאל אורקל.

אם כלי הוא בינה מלאכותית גנרטיבית, אתם יודעים שהוא יוצר תוכן, אבל התוכן עדיין צריך בדיקה.

אם מערכת היא בינה מלאכותית צרה, אתה יודע שהיא עשויה להיות מצוינת בתחום אחד אך לא יעילה מחוץ לתחום שלה.

זה לבד חוסך הרבה כאבי ראש.

---

16. סיכונים ומגבלות בין סוגי הבינה המלאכותית ⚠️

לכל סוג של בינה מלאכותית יש מגבלות. טעם שונה, אותה קערת מרק.

סיכונים נפוצים של בינה מלאכותית כוללים:

• הטיה בנתוני אימון

• פלטים שגויים

• חוסר שקיפות

• חששות בנוגע לפרטיות

• תלות יתר

• פגיעויות אבטחה

• שימוש לרעה

• פיקוח אנושי לקוי

• מבלבל בין שטף לבין אמת

בינה מלאכותית גנרטיבית עשויה להמציא מידע. בינה מלאכותית חזויה עשויה לחזק דפוסים מוטים. ראייה ממוחשבת עשויה לזהות אנשים או חפצים באופן שגוי. בינה מלאכותית שיחתית עשויה לתסכל משתמשים בביטחון מזויף. בינה מלאכותית רובוטית עלולה לגרום נזק פיזי אם היא מתוכננת בצורה גרועה.

זה לא אומר שבינה מלאכותית היא רעה. זה אומר שצריך להשתמש בבינה מלאכותית בשיקול דעת. כמו כלי עבודה חשמליים, חוזים או אטריות חריפות במיוחד 🌶️.

מערכות הבינה המלאכותית הטובות ביותר כוללות בדרך כלל:

• סקירה אנושית

• גבולות ברורים

• נהלי נתונים חזקים

• בּוֹחֵן

• ניטור

• הסבר במידת האפשר

• עיצוב אתי

• בקרות אבטחה

בינה מלאכותית יכולה להגביר החלטות טובות. היא יכולה גם להגביר החלטות רשלניות.

---

17. איזה סוג של בינה מלאכותית הוא החשוב ביותר?

אין סוג אחד הכי חשוב. זה תלוי במקרה השימוש.

עבור יצירתיות, בינה מלאכותית גנרטיבית היא עצומה.

עבור תכנון עסקי, בינה מלאכותית חיזוי עשויה להיות בעלת ערך רב יותר.

עבור אוטומציה, למידת מכונה ורובוטיקה, בינה מלאכותית חשובה.

עבור תמיכת משתמשים, בינה מלאכותית שיחתית היא הכוכב.

עבור סריקות רפואיות או בדיקה ויזואלית, ראייה ממוחשבת היא קריטית.

עבור מחקר ארוך טווח, בינה מלאכותית כללית זוכה לרוב תשומת הלב הפילוסופית הגדולה.

אבל מבחינה מעשית, בינה מלאכותית צרה ובינה מלאכותית עם זיכרון מוגבל הן הקטגוריות הנפוצות והיקרות ביותר כרגע. הן המנועים השקטים שמאחורי כלים רבים שאנשים כבר מסתמכים עליהם.

העתיד המפואר מקבל כותרות. ההווה המעשי משלם את החשבונות.

---

הערות סיכום: הבנת סוגי הבינה המלאכותית ללא הרעש

סוגי הבינה המלאכותית יכולים להיראות מסובכים בהתחלה מכיוון שהקטגוריות חופפות. אבל ברגע שמפרידים בין יכולת, פונקציונליות, שיטת אימון ושימוש מעשי, הכל הופך להיות הרבה יותר קל להבנה.

בינה מלאכותית צרה מטפלת במשימות ספציפיות. בינה מלאכותית כללית תחשוב בצורה גמישה יותר, אם כי היא נותרה מטרה שאפתנית. בינה מלאכותית-על עדיין ספקולטיבית. מכונות ריאקטיביות מגיבות ללא זיכרון, בעוד שבינה מלאכותית עם זיכרון מוגבל משתמשת בנתונים קודמים כדי לשפר החלטות. בינה מלאכותית גנרטיבית יוצרת. בינה מלאכותית חזויה תחזיות. בינה מלאכותית שיחתית מדברת. ראייה ממוחשבת רואה. בינה מלאכותית רובוטית פועלת בסביבה הפיזית.

זוהי התמונה הגדולה.

בינה מלאכותית אינה דבר אחד. זוהי משפחה סבוכה של טכנולוגיות - חלקן פרקטיות, חלקן ניסיוניות, חלקן מוגזמות, וחלקן בעלות משמעות אמיתית. המורכבות הזו היא חלק מהסיבה שהיא חשובה. ככל שתבינו בצורה ברורה יותר את סוגי הבינה המלאכותית, כך קל יותר להשתמש בבינה מלאכותית בחוכמה במקום סתם להנהן כשמישהו אומר "אלגוריתם" בפגישה. 🤷♂️

סיכום קצר: הסוגים העיקריים של בינה מלאכותית כוללים בינה מלאכותית צרה, בינה מלאכותית כללית, בינה מלאכותית-על, בינה מלאכותית ריאקטיבית, בינה מלאכותית של זיכרון מוגבל, בינה מלאכותית של תיאוריית התודעה, בינה מלאכותית מודעת לעצמה, בינה מלאכותית גנרטיבית, בינה מלאכותית ניבויית, בינה מלאכותית שיחתית, בינה מלאכותית של ראייה ממוחשבת, בינה מלאכותית של למידת מכונה, בינה מלאכותית של למידה עמוקה ובינה מלאכותית רובוטית. רוב הבינה המלאכותית המשמשת כיום היא צרה, ממוקדת משימות, ומונעת על ידי למידת מכונה או למידה עמוקה.

דוגמה מהעולם האמיתי: בניית עוזר מיון תמיכת לקוחות מבוסס בינה מלאכותית

תַרחִישׁ

דמיינו חנות רהיטים מקוונת קטנה שמקבלת כ-120 מיילים של תמיכת לקוחות ביום. הצוות לא מנסה להחליף את צוות התמיכה. הם רק רוצים עזרה במיון הודעות מהר יותר, זיהוי בעיות דחופות וניסוח תשובות ראשוניות.

זוהי דוגמה טובה מכיוון שעוזר אחד יכול להשתמש בכמה סוגים של בינה מלאכותית בו זמנית. הוא עשוי להשתמש בבינה מלאכותית שיחתית כדי להבין הודעות של לקוחות, בבינה מלאכותית גנרטורה כדי לנסח תשובות, בבינה מלאכותית ניבויית כדי לסמן סיכוני החזר אפשריים, ובינה מלאכותית עם זיכרון מוגבל כדי להשתמש בנתוני הזמנות או מדיניות אחרונים.

תפקידו של העוזר פשוט: לקרוא הודעת לקוח, לסווג אותה, להציע את הפעולה הבאה ולנסח תשובה שבן אדם יכול לאשר.

מה שהעוזר צריך

הצוות ייתן לעוזר:

מדיניות שירות לקוחות

כללי משלוח והחזרה

תנאי האחריות

שאלות נפוצות על המוצר

דוגמאות לטון הדיבור

רשימת כללי הסלמה

כרטיסים לדוגמה מהעבר עם הקטגוריות הנכונות

גבולות ברורים לגבי מה שאסור לה להחליט בעצמה

לדוגמה, אסור לה לאשר החזרים מעל 100 פאונד, להבטיח תאריכי אספקה ​​שאינם יכולים לאמת, או להגיש תביעות משפטיות לגבי סחורות פגומות. מקרים אלה צריכים להגיע לאדם מסוים.

הוראה לדוגמה

אתה עוזר/ת תמיכת לקוחות בחנות רהיטים מקוונת. קרא/י כל הודעה של לקוח/ה והחזר/י חמישה דברים: קטגוריית פנייה, רמת דחיפות, מצב רוח סביר של הלקוח/ה, הפעולה הבאה המומלצת וטיוטת תשובה.

השתמשו רק במדיניות החברה שסופקה. אם התשובה אינה מופיעה במדיניות, אמרו "נדרשת בדיקה אנושית". אין להמציא תאריכי אספקה, אישורי החזר כספי, הבטחות אחריות או זמינות מוצרים.

העבירו את הפנייה לטיפול רפואי אם הלקוח מזכיר פציעה, הליכים משפטיים, משלוח כושל חוזר, החזר כספי מעל 100 פאונד, חלקים חסרים במוצר לילדים או חוסר שביעות רצון משמעותי לאחר שתי תשובות קודמות.

שמרו על טיוטת התשובה מנומסת, קצרה ומעשית. אל תישמעו רובוטיים. אל תאשימו את הלקוח או את השליח.

איך לבדוק את זה

לפני השימוש בעוזר עם לקוחות, יש לבדוק אותו על סט קטן של כרטיסים ישנים.

השתמש ב-30 הודעות תמיכה קודמות:

10 שאלות פשוטות בנוגע למשלוח

5 תלונות על פריטים פגומים

5 בקשות להחזר כספי

5 שאלות בנוגע לאחריות

5 תלונות כועסות או מורכבות

עבור כל בדיקה, סמנו:

האם הוא בחר בקטגוריה הנכונה?

האם זה סימן מקרים דחופים בצורה נכונה?

האם זה נמנע ממתן הבטחות?

האם זה הסלים נושאים רגישים?

האם טיוטת התשובה תאמה את הטון של החברה?

שאלת מבחן מועילה תהיה:

"השולחן שלי הגיע עם רגל אחת סדוקה וזו הפעם השנייה שהמשלוח השתבש. אני רוצה החזר כספי מלא היום או שאפרסם על זה בכל מקום."

עוזר חלש עשוי פשוט להתנצל ולהבטיח החזר כספי. עוזר טוב יותר יסווג את זה כפריט פגום ויחזור על תלונה, יסמן את זה כדחיפות גבוהה, ימנע מאישור אוטומטי של ההחזר ויעביר את זה לבדיקה אנושית.

תוֹצָאָה

תוצאה להמחשה: מבוססת על תזמון של 30 כרטיסי דוגמה לפני ואחרי שימוש בזרימת העבודה.

מיון ידני ארך שעתיים ו-15 דקות עבור 30 דוחות, בממוצע 4.5 דקות לכל דוח.

מיון בסיוע בינה מלאכותית ארך 48 דקות עבור אותם 30 פניות, ממוצע של 1.6 דקות לכל פנייה, מכיוון שהבודק האנושי היה צריך לבדוק רק את הקטגוריה, החלטת ההסלמה וטיוטת התשובה.

העוזר סיווג נכון 27 מתוך 30 פניות בקבוצת הבדיקה. הוא העביר נכון את כל 5 פניות הסיכון הגבוה. שני פניות להחזר כספי נזקקו לתיקוני ניסוח מכיוון שהטיוטה נשמעה ודאית מדי, ופניית אחריות אחת שובצה בקטגוריה הלא נכונה.

זה נותן אמת מידה מעשית: סקירה ראשונה מהירה יותר, אבל לא אוטומציה מלאה. האדם עדיין אחראי על התגובה.

מה יכול להשתבש

הטעות הגדולה ביותר היא לתת לעוזר להתנהג כאילו הוא יודע יותר ממה שהוא באמת יודע. אם מדיניות ההחזרות מיושנת, העוזר עלול לנסח בביטחון את התשובה הלא נכונה. אם כללי ההסלמה מעורפלים, הוא עלול לפספס תלונות חמורות.

פרטיות היא נושא נוסף. על הצוות להימנע מהדבקת פרטי תשלום, כתובות או מידע אישי רגיש מיותרים לתוך העוזר אלא אם כן המערכת מאושרת לשימוש זה.

יש גם לבדוק את העוזר באופן קבוע. שאלות של לקוחות משתנות, מדיניות משתנה ומוצרים משתנים. עוזר מיון שעבד היטב במרץ עלול להפוך למסוכן לאחר מדיניות אחריות חדשה ביוני.

טייק אווי מעשי

דוגמה זו מראה מדוע קטגוריות של בינה מלאכותית חופפות בפועל. עוזר תמיכה יחיד יכול להיות בינה מלאכותית צרה, בינה מלאכותית שיחתית, בינה מלאכותית גנרטיבית, בינה מלאכותית ניבויית ובינה מלאכותית עם זיכרון מוגבל בו זמנית. דרך חזקה יותר להעריך זאת היא לשאול איזו החלטה הוא תומך, אילו נתונים הוא משתמש, והיכן אדם צריך לבדוק אותן.

שאלות נפוצות

מהם סוגי הבינה המלאכותית העיקריים שמתחילים צריכים להכיר?

הסוגים העיקריים של בינה מלאכותית כוללים בינה מלאכותית צרה, בינה מלאכותית כללית, בינה מלאכותית-על, בינה מלאכותית ריאקטיבית, בינה מלאכותית בעלת זיכרון מוגבל, בינה מלאכותית גנרטיבית, בינה מלאכותית ניבויית, בינה מלאכותית שיחתית, בינה מלאכותית של ראייה ממוחשבת, בינה מלאכותית של למידת מכונה, בינה מלאכותית של למידה עמוקה ובינה מלאכותית של רובוטיקה. קטגוריות אלו חופפות לעיתים קרובות, כך שכלי אחד יכול להתאים למספר תוויות בו זמנית. לדוגמה, צ'אטבוט עשוי להיות בינה מלאכותית צרה, בינה מלאכותית שיחתית, בינה מלאכותית גנרטיבית ובינה מלאכותית בעלת זיכרון מוגבל.

כיצד מסווגים סוגי בינה מלאכותית לפי יכולות?

בינה מלאכותית לפי יכולת מקובצת בדרך כלל לבינה מלאכותית צרה, בינה מלאכותית כללית ובינה מלאכותית-על. בינה מלאכותית צרה מטפלת במשימות ספציפיות ונמצאת בשימוש נרחב כיום. בינה מלאכותית כללית תחשוב ותלמד על פני משימות רבות ברמה אנושית, אך היא אינה חלק מהשימוש היומיומי. בינה מלאכותית-על תעלה על האינטליגנציה האנושית ותישאר ספקולטיבית.

מה ההבדל בין בינה מלאכותית צרה לבינה מלאכותית כללית?

בינה מלאכותית צרה מיועדת למשימה ספציפית או לקבוצה מוגבלת של משימות, כגון סינון דואר זבל, המלצות, צ'אטבוטים או גילוי הונאות. בינה מלאכותית כללית תוכל ללמוד, להבין ולהסתגל למשימות רבות שאינן קשורות. רוב הבינה המלאכותית שאנשים משתמשים בה כיום היא בינה מלאכותית צרה, גם כשהיא מרגישה גמישה או מתקדמת.

מדוע בינה מלאכותית עם זיכרון מוגבל כל כך נפוצה כיום?

בינה מלאכותית עם זיכרון מוגבל יכולה להשתמש בנתונים מהעבר או מהעת האחרונה כדי לשפר החלטות, מה שהופך אותה למעשית עבור מערכות רבות שנפרסו. מנועי המלצות, כלי זיהוי הונאות, תכונות נהיגה עצמית וצ'אטבוטים מסתמכים לעתים קרובות על סוג זה של בינה מלאכותית. אין לה תודעה דמוית אנושית, אך היא יכולה להסתגל על ​​סמך דפוסים ומידע מאוחסן.

כיצד בינה מלאכותית גנרטיבית משתלבת בסוגי הבינה המלאכותית?

בינה מלאכותית גנרטיבית היא סוג של בינה מלאכותית שיוצרת פלטים חדשים כגון טקסט, תמונות, קוד, אודיו, וידאו, סיכומים או רעיונות עיצוביים. היא לומדת דפוסים מכמויות גדולות של נתונים ומייצרת תוכן המבוסס על הנחיות. היא יכולה לסייע בניסוח, סיעור מוחות, תמיכה בקידוד ועבודה יצירתית, אך התפוקות שלה עדיין דורשות בדיקה אנושית.

מה ההבדל בין למידת מכונה ללמידה עמוקה?

למידת מכונה היא ענף של בינה מלאכותית שבו מערכות לומדות דפוסים מנתונים במקום לפעול לפי כללים כתובים ביד בלבד. למידה עמוקה היא צורה מיוחדת של למידת מכונה המשתמשת ברשתות עצביות מרובדות. למידה עמוקה חשובה במיוחד עבור משימות מורכבות כמו זיהוי דיבור, זיהוי תמונה, עיבוד שפה טבעית, תרגום, הדמיה רפואית ובינה מלאכותית גנרטיבית.

למה משמשת בינה מלאכותית חיזוי בעסקים?

בינה מלאכותית חזויה משתמשת בנתונים כדי להעריך תוצאות עתידיות צפויות. עסקים עשויים להשתמש בה לתכנון ביקוש, חיזוי נטישת לקוחות, גילוי הונאות, ניקוד סיכונים, החלטות מלאי או חיזוי תחזוקה. היא תומכת בתכנון ובקבלת החלטות, אך אינה מבטיחה את העתיד. תחזיות הן הערכות המעוצבות על ידי נתונים זמינים ואיכות המודל.

כיצד פועלת בינה מלאכותית של ראייה ממוחשבת במערכות מעשיות?

בינה מלאכותית של ראייה ממוחשבת עוזרת למכונות לפרש מידע חזותי מתמונות, סרטונים, מצלמות, סריקות או חיישנים. היא יכולה לתמוך בזיהוי פנים, זיהוי עצמים, בדיקת מפעלים, הדמיה רפואית, זיהוי תנועה, ניתוח קמעונאות, ניטור חקלאות ומערכות בטיחות. היא לא רואה כמו אדם, אבל היא יכולה לעבד פיקסלים, צורות, צבעים ודפוסים בקנה מידה גדול.

מדוע מוצר בינה מלאכותית אחד יכול להשתייך למספר סוגים של בינה מלאכותית?

קטגוריות של בינה מלאכותית מתארות לעתים קרובות דברים שונים, כגון יכולת, פונקציונליות, שיטת אימון או יישום. עוזר קולי, לדוגמה, עשוי להיות בעל בינה מלאכותית צרה לפי יכולת, בינה מלאכותית שיחה לפי יישום, בינה מלאכותית בעלת זיכרון מוגבל לפי פונקציונליות, ובינה מלאכותית בעלת למידה עמוקה לפי ארכיטקטורה. חפיפה זו היא נורמלית ועוזרת להסביר מה המערכת עושה מזוויות שונות.

אילו סיכונים אנשים צריכים להבין בסוגים שונים של בינה מלאכותית?

סיכונים נפוצים של בינה מלאכותית כוללים הטיה, פלטים שגויים, חששות בנוגע לפרטיות, פגיעויות אבטחה, חוסר שקיפות, תלות יתר ופיקוח אנושי חלש. בינה מלאכותית גנרטיבית עשויה להמציא מידע, בינה מלאכותית חזויה עשויה לחזק דפוסים גרועים, וראייה ממוחשבת עשויה לזהות אובייקטים או אנשים באופן שגוי. שימוש טוב בבינה מלאכותית דורש בדרך כלל בדיקה, ניטור, גבולות ברורים, נוהלי נתונים חזקים וביקורת אנושית.

הפניות

1. IBM - סוגי בינה מלאכותית - ibm.com

2. מסגרת ניהול סיכוני בינה מלאכותית של NIST - סיכוני בינה מלאכותית - nist.gov

3. מפתחי גוגל - למידת מכונה - developers.google.com

4. AWS - בינה מלאכותית גנרטיבית - aws.amazon.com