AI là gì?

AI là một thuật ngữ chung: học máy là một cách tiếp cận bên trong nó và AI tạo ra là một loại hệ thống tạo ra nội dung mới.

Những điểm chính rút ra

• AI, học máy và AI tổng quát có liên quan nhưng có những thuật ngữ khác nhau.
• Một kết quả thuyết phục không phải là bằng chứng về sự hiểu biết hoặc tính đúng đắn.
• Đánh giá một hệ thống dựa trên nhiệm vụ mà nó phải thực hiện và hậu quả của các lỗi của nó.

Hệ thống AI nhận đầu vào, xử lý chúng bằng cách sử dụng các quy tắc hoặc mô hình đã học và tạo ra đầu ra. Người lập kế hoạch lộ trình có thể tìm kiếm các hành trình có thể sử dụng các quy tắc rõ ràng. Một mô hình học máy có thể ước tính thời gian giao hàng từ các ví dụ về việc giao hàng trước đó. Cả hai đều có thể hữu ích mà không cần suy nghĩ hay hiểu biết theo nghĩa con người. Sự khác biệt nằm ở cách hệ thống đạt được kết quả đầu ra chứ không phải giao diện của nó có thông minh hay không. Học máy thay thế một số quy tắc quyết định viết tay bằng các mẫu học được từ dữ liệu. Hệ thống sáng tạo sử dụng các mẫu đã học để tạo ra văn bản, hình ảnh, âm thanh hoặc các đầu ra khác. Do đó, chatbot có thể đưa ra lời giải thích trôi chảy mà không cần kiểm tra xem mọi câu nói có đúng hay không. Khả năng tạo ra phản hồi của nó khác với bằng chứng cho thấy phản hồi đó là chính xác. Để đánh giá một tuyên bố về AI, hãy xác định nhiệm vụ, đầu vào, đầu ra và bằng chứng được sử dụng để đánh giá sự thành công. Một kết quả tốt trên các ví dụ quen thuộc là chưa đủ: hãy hỏi điều gì xảy ra với dữ liệu lạ, các yêu cầu mơ hồ và những sai lầm đắt giá. Đánh giá của con người, các giới hạn rõ ràng và cách thách thức đầu ra cũng quan trọng ngang với khả năng tiêu đề của mô hình.

1. Trình sắp xếp dựa trên quy tắc sẽ gửi mọi thư có chứa từ 'hoàn tiền' tới hàng đợi thanh toán.
2. Trình phân loại đã học sẽ được đào tạo về các thông báo mà mọi người đã gắn nhãn là thanh toán, hỗ trợ kỹ thuật hoặc các câu hỏi chung.
3. Kiểm tra cả hai tin nhắn mới, bao gồm 'Tôi không muốn hoàn lại tiền; Tôi cần trợ giúp đăng nhập.' Đếm các tuyến đường không chính xác và xem xét những sai lầm tốn kém.

Quy tắc và trình phân loại có thể thất bại theo cách khác nhau. So sánh minh họa này cho thấy tại sao chỉ riêng nhãn 'AI' không thể cho bạn biết hệ thống nào hữu ích hơn.