Mašinų suvokimas naudoja jutiklius ir algoritmus pasauliui interpretuoti, o žmogaus suvokimas remiasi biologiniais pojūčiais ir dešimtmečių gyvenimo patirtimi. Abi sistemos apdoroja jutiminę įvestį, tačiau jos labai skiriasi tikslumu, prisitaikomumu ir gebėjimu suprasti kontekstą.
Dirbtinio intelekto šaka, leidžianti kompiuteriams ir robotams interpretuoti duomenis iš kamerų, mikrofonų ir kitų jutiklių.
Biologinis procesas, kurio metu žmogaus smegenys interpretuoja sensorinę informaciją iš regėjimo, klausos, lytėjimo, skonio ir uoslės.
| Funkcija | Mašinos suvokimas | Žmogaus suvokimas |
|---|---|---|
| Įvesties metodas | Skaitmeniniai jutikliai (kameros, LiDAR, mikrofonai) | Biologiniai pojūčiai (akys, ausys, oda, nosis, liežuvis) |
| Apdorojimo greitis | Milijardai operacijų per sekundę | Maždaug 11 milijonų bitų per sekundę jutiminės įvesties |
| Mokymosi metodas | Apmokyta naudojant paženklintus duomenų rinkinius ir sustiprinimo signalus | Mokosi per patirtį, mėgdžiojimą ir socialinę sąveiką |
| Energijos vartojimo efektyvumas | Reikalinga didelė elektros energija (vatais į kilovatus) | Žmogaus smegenys veikia su maždaug 20 vatų energija |
| Prisitaikymas | Apsiriboja mokymo duomenimis; sunkiai susidoroja su naujomis situacijomis | Labai lankstus; gali apibendrinti remdamasis labai nedaugeliu pavyzdžių |
| Klaidų tvarkymas | Nepavyksta tyliai arba labai užtikrintai, kai įvesties duomenys nežinomi | Atpažįsta netikrumą ir ieško daugiau informacijos |
| Konteksto supratimas | Remiamasi inžinerinėmis funkcijomis arba išmoktais modeliais | Remiasi kultūrinėmis žiniomis, emocijomis ir atmintimi |
| Veikimo sąlygos | Geriausiai tinka struktūrizuotoje, gerai apšviestoje ir nuspėjamoje aplinkoje | Veikia beveik kiekvienoje natūralioje Žemės aplinkoje |
Mašininis suvokimas veikia konvertuojant neapdorotus jutiklių duomenis į skaitmeninius vaizdus, kuriuos algoritmai gali analizuoti. Pavyzdžiui, kamera fiksuoja pikselius, kurie per neuroninių tinklų sluoksnius transformuojami į funkcijų žemėlapius. Žmogaus suvokimas vyksta panašiu principu „iš apačios į viršų“, tačiau pridedamas „iš viršaus į apačią“ vykstantis apdorojimas, kur lūkesčiai ir prisiminimai formuoja tai, ką mes iš tikrųjų matome. Štai kodėl gydytojas rentgeno nuotraukoje gali pastebėti subtilų lūžį, kurio pradedantysis visiškai nepastebėtų.
Mašininio suvokimo sistemos mokymui paprastai reikia tūkstančių ar milijonų paženklintų pavyzdžių, o modelio atnaujinimas reiškia pakartotinį mokymąsi su naujais duomenimis. Žmonės, priešingai, gali išmokti atpažinti naują paukščių rūšį pamatę ją vos vieną ar du kartus. Šis imties efektyvumas išlieka vienu didžiausių dirbtinio ir biologinio suvokimo skirtumų ir yra aktyvi dirbtinio intelekto tyrimų sritis, vadinama mokymusi „kelių kadrų principu“.
Mašinos puikiai veikia kontroliuojamoje aplinkoje, kur apšvietimas, kampai ir fonai išlieka pastovūs, todėl gamykliniai robotai gali pastebėti defektus antžmogišku tikslumu. Žmonės sužiba chaotiškoje, nenuspėjamoje aplinkoje, kupinoje dviprasmybių ir socialinių niuansų. Įėję į sausakimšą vakarėlį, galite iš karto atpažinti savo draugo balsą – užduotis, kuri vis dar meta iššūkį net ir geriausioms kalbos atpažinimo sistemoms.
Pažangiausio suvokimo modelio vykdymas gali pareikalauti milžiniškų skaičiavimo galių, dažnai reikalingų GPU arba specializuotų lustų, kurie sunaudoja daug elektros energijos. Žmogaus smegenys atlieka panašų atpažinimo darbą, naudodamos maždaug tiek pat energijos, kiek blanki lemputė. Šis efektyvumo skirtumas paaiškina, kodėl dirbtinio intelekto įdiegimas į mažus įrenginius, tokius kaip klausos aparatai ar išmanieji laikrodžiai, išlieka techniškai sudėtingas.
Mašinų suvokimo sistemas galima apgauti priešiškais pavyzdžiais – mažyčiais pikselių pokyčiais, nematomais žmonėms, kurie sukelia klaidingą klasifikavimą. Žmonės retai pasiduoda tokioms gudrybėms, nors turime savų pažeidžiamumų optinių iliuzijų ir kognityvinių šališkumų pavidalu. Abi sistemos daro klaidų, tačiau tų klaidų pobūdis atskleidžia esminius skirtumus, kaip kiekviena iš jų formuoja supratimą.
Mašinų suvokimas yra medicininės vaizdo diagnostikos, autonominių transporto priemonių, veido atpažinimo ir kokybės kontrolės gamybos proceso pagrindas. Žmogaus suvokimas yra visko pagrindas – nuo meno vertinimo iki chirurginių sprendimų priėmimo ir atsitiktinių pokalbių. Vis dažniau šie du dalykai veikia kartu: dirbtinis intelektas atlieka pasikartojančias vizualines užduotis, o žmonės atlieka sprendimus, kūrybiškumą ir etinę priežiūrą.
Mašinų suvokimas pasaulį mato taip pat, kaip ir žmonės.
Dirbtinio intelekto sistemos apdoroja pikselius kaip skaitmeninius masyvus ir aptinka statistinius modelius, o žmonės interpretuoja scenas naudodami atmintį, emocijas ir kultūrinį kontekstą. Neuroninis tinklas gali tiksliai pažymėti nuotrauką nesuprasdamas, ką iš tikrųjų reiškia bet kuris objektas.
Žmogaus suvokimas visada yra tikslus ir objektyvus.
Mūsų smegenys nuolat naudojasi trumpesniais keliais ir užpildo trūkstamą informaciją, todėl liudininkų parodymai gali būti nepatikimi ir optinės iliuzijos veikia. Suvokimas visada yra interpretacija, o ne tobulas realybės įrašas.
Kartą apmokytos mašininio suvokimo sistemos niekada nedaro klaidų.
Net ir labai tikslūs modeliai neveikia esant kraštutiniams atvejams, neįprastiems kampams arba įvestims, kurios skiriasi nuo mokymo duomenų. Savaeigis automobilis gali neteisingai atpažinti pėsčiąjį, dėvintį neįprastus drabužius arba kertantį gatvę netikėtoje vietoje.
Žmonės gali suvokti tik penkis pojūčius.
Be regos, klausos, skonio, uoslės ir lytėjimo, žmonės taip pat jaučia pusiausvyrą, temperatūrą, skausmą ir propriorecepciją (kūno padėtį). Mašinų suvokimo sistemose dažnai yra dar daugiau jutiklių tipų, tokių kaip LiDAR ir infraraudonųjų spindulių.
Dirbtinio intelekto suvokimas jau yra protingesnis nei žmogaus suvokimas.
Dirbtinis intelektas gali pranokti žmones atliekant siauras užduotis, tokias kaip šachmatai ar konkretūs vaizdų klasifikavimo kriterijai, tačiau bendras vizualinis supratimas vis dar gerokai pranoksta dabartines sistemas. Mažas vaikas vis dar lenkia pažangiausius robotus naršydamas netvarkingame kambaryje.
Rinkitės mašininį suvokimą, kai jums reikia nuoseklaus ir nenuilstamo didelių duomenų kiekių apdorojimo struktūrizuotoje aplinkoje, pavyzdžiui, gamyklose ar stebėjimo sistemose. Rinkitės žmogaus suvokimą užduotims, kurioms reikalingas kūrybiškumas, etinis mąstymas arba prisitaikymas prie tikrai naujų situacijų. Šiandien galingiausi sprendimai sujungia abu šiuos aspektus, leisdami mašinoms valdyti mastelį, o žmonėms prisidėti prie supratimo.
„DeepSeek V4“ yra kylantis atvirojo svorio didelių kalbų modelis, sukurtas Kinijos dirbtinio intelekto laboratorijoje, o GPT-4 klasės modeliai nurodo „OpenAI“ flagmanines uždarojo kodo sistemas. Šiame palyginime nagrinėjama jų architektūra, galimybės, kainos, prieinamumas ir našumas realiame pasaulyje, siekiant padėti kūrėjams ir įmonėms išmintingai pasirinkti.
„Google“ paieška yra plataus masto žiniatinklio indeksavimo variklis, kurį dauguma žmonių naudoja kasdien, o „Knowledge Graph Search“ yra „Google“ struktūrizuotų objektų duomenų bazė, kurioje pateikiami tiesioginiai atsakymai ir informacijos skydeliai. Supratimas, kuo jie skiriasi, padeda paaiškinti, kodėl kai kurios užklausos pateikia išsamius faktus, o kitos – tradicines mėlynas nuorodas.
„Google“ paieškos algoritmas reitinguoja milijardus tinklalapių, naudodamas mašininį mokymąsi ir šimtus signalų, o supaprastinti klasių modeliai perteikia dirbtinio intelekto koncepcijas į lengvai mokomas, prieinamas sistemas. Viena sistema veikia planetos mastu gamyboje; kita tarnauja kaip pedagoginis tiltas mokiniams, mokantis, kaip iš tikrųjų veikia dirbtinis intelektas.
„Vienas su vienu“ atitikimo metodas kiekvienam pagrindiniam objektui priskiria vieną numatomą langelį, o „daugelis su vienu“ atitikimo metodas leidžia kelias prognozes suderinti su vienu taikiniu. Abi strategijos formuoja tai, kaip šiuolaikiniai detektoriai, tokie kaip DETR ir „Faster R-CNN“, mokosi lokalizuoti objektus, kiekvienas iš jų turi skirtingus kompromisus tikslumo, mokymo stabilumo ir pasikartojančių aptikimų tvarkymo srityse.
A/B testavimas modeliuose nukreipia srautą tarp konkuruojančių modelio versijų, kad būtų galima įvertinti realų našumą, o diegiant vieną modelį visiems vartotojams pateikiamas vienas modelis. Komandos renkasi iš jų pagal rizikos toleranciją, srauto kiekį ir statistinio patvirtinimo poreikį prieš visišką diegimą.
