Naudinga informacija apie dirbtinį intelektą
Dirbtinio intelekto nereikia vien todėl, kad procesas yra nepatogus. Problema gali būti paprastesnė
Sistemos tarpusavyje nesusietos
Tas pati informacija dubliuojama skirtingose sistemose
Procesas neturi aiškių taisyklių
Informacija netvarkinga ir nestruktūrizuota
Trūksta įprastos automatizacijos
Darbuotojai naudoja per daug skirtingų įrankių
Patarimai
Kaip suprasti, ar dirbtinis intelektas tiktų mūsų procesui?
Pradėti verta ne nuo klausimo „kur galėtume naudoti DI?“, o nuo konkretaus darbo.
Pavyzdžiui:- Kur informacijos paieška užima daugiausia laiko?
- Kokius dokumentus specialistai nuolat peržiūri rankiniu būdu?
- Kokiems sprendimams reikia įvertinti daug skirtingos informacijos?
- Kur nuolat rengiami panašūs atsakymai ar pasiūlymai?
- Kokius pokyčius duomenyse pastebime per vėlai?
- Kur procesas stringa todėl, kad trūksta ekspertinių žinių?
Nuo ko pradėti dirbtinio intelekto projektą?
Geriausia pradėti nuo vienos aiškios užduoties ir ribotos apimties bandymo.
Pirmame etape verta:- Apibrėžti konkretų veiksmą, kurį sistema turi atlikti
- Įvertinti turimus duomenis
- Nuspręsti, kaip bus matuojama rezultato kokybė
- Išbandyti sprendimą su realiais pavyzdžiais
- Nustatyti, kada reikalingas žmogaus patvirtinimas
- Tik tada integruoti funkciją į realų procesą
Dažnai matomi dirbtinio intelekto terminai
DI modelis
Sistema, išmokusi atlikti tam tikrą užduotį pagal duomenyse rastus dėsningumus
Kalbos modelis
Tekstą suprasti ir generuoti pritaikytas DI modelis
Generatyvinis DI
Dirbtinis intelektas, kuriantis naują tekstą, vaizdą, garsą ar kitą turinį
RAG
Būdas, leidžiantis modeliui atsakyti pagal prijungtus dokumentus ar kitus patvirtintus šaltinius
Haliucinacijos
Įtikinamai pateikta, tačiau neteisinga arba išgalvota modelio informacija
Agentas
Dirbtinio intelekto sistema, galinti ne tik pateikti atsakymą, bet ir pasirinkti veiksmus
