AI, ML, sieci neuronowe

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.
Matrioszkę już znasz. Tu rozkładamy jedno piętro
Dział zatytułowany „Matrioszkę już znasz. Tu rozkładamy jedno piętro”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:
- AI - najszersze: program robi zadanie kojarzone z inteligencją (rozpoznać, wybrać, zaplanować).
- Uczenie maszynowe (ML) - reguły wychodzą z danych, nie z ręcznej listy “jeśli-to”.
- Sieci neuronowe - jeden ze sposobów uczenia maszynowego: układ prostych przeliczeń połączonych w warstwy.
- Uczenie głębokie (deep learning) - sieci z wieloma warstwami.
- 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.
Dwa piętra, które mylą najczęściej
Dział zatytułowany „Dwa piętra, które mylą najczęściej”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.
Ćwiczenie: 5 minut, pięć etykiet
Dział zatytułowany „Ćwiczenie: 5 minut, pięć etykiet”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.
| Przykład | Twoja 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:
| Przykład | Kategoria |
|---|---|
| Filtr z ręczną listą słów | AI bez uczenia maszynowego |
| Spam z przykładów | uczenie maszynowe, niekoniecznie sieć |
| Twarz | zwykle sieć neuronowa, często głęboka |
| Chatbot | generatywna AI na uczeniu głębokim |
| Najkrótsza trasa | AI 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”.
Teraz wiesz
Dział zatytułowany „Teraz wiesz”- 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