Przejdź do głównej zawartości

AI, ML, sieci neuronowe

Trzy koncentryczne pierścienie z klastrem węzłów sieci - zagnieżdżenie AI, uczenia maszynowego i sieci neuronowych

Czym się różni AI od uczenia maszynowego i sieci neuronowych?

Dział zatytułowany „Czym się różni AI od uczenia maszynowego i sieci neuronowych?”

To piętra jednej matrioszki: AI bez uczenia, uczenie maszynowe, sieć neuronowa, uczenie głębokie i generatywna AI. Każda sieć neuronowa to uczenie maszynowe, a każde uczenie maszynowe to AI, ale nie każda AI się uczy. Pięciu przykładom z tabeli albo z własnego dnia przypiszesz właściwe piętro. Jak liczy się warstwa, tu nie tłumaczę.

Z lekcji Czym jest AI? znasz podział “reguła albo dane” i zagnieżdżone zbiory: AI, uczenie maszynowe, uczenie głębokie, generatywna AI. Padło tam też, że sieci neuronowe są budulcem uczenia głębokiego. Tu robię z nich osobne piętro, bo na nim stoi reszta tej sekcji. Pełna matrioszka ma pięć pięter:

  1. AI - najszersze: program robi zadanie kojarzone z inteligencją (rozpoznać, wybrać, zaplanować).
  2. Uczenie maszynowe (ML) - reguły wychodzą z danych, nie z ręcznej listy “jeśli-to”.
  3. Sieci neuronowe - jeden ze sposobów uczenia maszynowego: układ prostych przeliczeń połączonych w warstwy.
  4. Uczenie głębokie (deep learning) - sieci z wieloma warstwami.
  5. Generatywna AI - uczenie głębokie, które wytwarza nową treść. Tu siedzą ChatGPT, Claude i generatory obrazów.

Każde piętro mieści się w poprzednim. Nagłówek, który mówi tylko “AI”, nie mówi, o którym piętrze jest.

Sieć neuronowa: dużo prostych przeliczeń w warstwach

Dział zatytułowany „Sieć neuronowa: dużo prostych przeliczeń w warstwach”

Sieć neuronowa nie jest kawałkiem mózgu w komputerze. Nazwa wzięła się z luźnej inspiracji neuronami, a w środku są zwykłe liczby.

Weź rozpoznawanie twarzy w telefonie. Zdjęcie wchodzi do sieci jako piksele, czyli liczby. Pierwsza warstwa przelicza je na proste sygnały, następna składa z nich bardziej złożone i tak dalej. Na końcu wychodzi jedna odpowiedź: “twarz” albo “nie twarz”. Każde przeliczenie ma swoje wagi - liczby ustawione w treningu tak, żeby na przykładach wychodziła poprawna odpowiedź. Jak ten trening wygląda, zobaczysz w następnej lekcji.

Uczenie głębokie to sieć z wieloma warstwami. Dzięki tej głębokości sieć sama wypracowuje, na co patrzeć, i radzi sobie z surowym obrazem, dźwiękiem albo tekstem. Stąd skok w rozpoznawaniu mowy, obrazu i w pracy z językiem (LeCun, Bengio, Hinton, Nature 2015).

Dwie daty dla orientacji. Sztuczna inteligencja jako dziedzina rodzi się w latach 50. XX wieku. Transformer z 2017 roku (Vaswani i in.) to sposób budowy sieci, w którym model przy każdym słowie bierze pod uwagę cały tekst naraz - na nim stoją dzisiejsze chatboty. Więcej w Modelach językowych LLM.

AI bez uczenia maszynowego. Filtr spamu z ręczną listą słów (znasz go z Podstaw) i wyznaczanie najkrótszej trasy na mapie. Oba wykonują inteligentne zadanie, ale niczego nie uczą się z przykładów. Szacowanie czasu przejazdu z danych o ruchu to już uczenie maszynowe - dlatego nowoczesna nawigacja łączy oba piętra.

Uczenie maszynowe bez sieci. Filtr spamu może uczyć się z tysięcy oznaczonych maili drzewem decyzyjnym, czyli serią pytań typu “czy w temacie jest link?”, które program sam układa z przykładów. Uczy się, ale nie ma w nim ani jednej warstwy sieci.

Najpierw zapisz własne etykiety w pierwszej tabeli (AI bez uczenia, uczenie maszynowe, sieć neuronowa, uczenie głębokie albo generatywna AI), a dopiero potem przewiń niżej po odpowiedzi.

PrzykładTwoja etykieta (zanim zerkniesz)
Filtr spamu z ręczną listą słów
Filtr spamu uczony na przykładach
Twarz na telefonie
ChatGPT / Claude
Wyznaczanie najkrótszej trasy na mapie

Potem porównaj:

PrzykładKategoria
Filtr z ręczną listą słówAI bez uczenia maszynowego
Spam z przykładówuczenie maszynowe, niekoniecznie sieć
Twarzzwykle sieć neuronowa, często głęboka
Chatbotgeneratywna AI na uczeniu głębokim
Najkrótsza trasaAI bez uczenia maszynowego

Zaliczenie: pięć własnych etykiet na kartce, potem liczba trafień. 3/5 już zalicza.

Gdzie łatwo się pomylić: trasę i filtr z ręczną listą łatwo wrzucić do jednego worka z ChatGPT, choć oba działają bez uczenia z przykładów.

Jeśli nic nie zgrzyta i zostaje czas: weź jeden nagłówek z dzisiaj i napisz jedno zdanie: które piętro naprawdę opisuje, a gdzie stoi tylko słowo “AI”.

  • Matrioszka ma pięć pięter: AI, uczenie maszynowe, sieci neuronowe, uczenie głębokie, generatywna AI. Każde mieści się w poprzednim.
  • Sieć neuronowa to warstwy prostych przeliczeń z wagami ustawionymi w treningu. Uczenie głębokie to sieć z wieloma warstwami.
  • “AI” na etykiecie produktu może być regułą. Chatbot siedzi na najgłębszym piętrze (generatywna AI), ale to nie cała dziedzina.

Następny krok: Jak uczą się modele - skąd w danych biorą się te reguły, których nikt nie wpisał ręcznie.

Częste pytania

Czy GPS to uczenie maszynowe?

Wyznaczanie najkrótszej trasy to algorytm, czyli AI w szerokim sensie, nie ML. Szacowanie czasu przejazdu z danych o ruchu to już ML - dlatego nowoczesna nawigacja łączy oba piętra.

Czy ChatGPT to "całe AI"?

Nie. ChatGPT to generatywna AI zbudowana na uczeniu głębokim - najgłębsze piętra tej matrioszki. Nad nimi są sieci neuronowe, uczenie maszynowe i całe AI. Filtr spamu z ręczną listą słów też jest AI i nie ma w sobie sieci neuronowej.

Po co mi to rozróżnienie przy czacie?

Żeby nie oczekiwać od chatbota tego, co umie reguła, i odwrotnie. "AI zrobiła X" w newsie może znaczyć cokolwiek z tej matrioszki.

made with ❤️ by aitomate.pl - Łukasz Podgórski