Slovenian subtitles for clip: File:Ikusgela-Adimen artifiziala.webm
Jump to navigation
Jump to search
1 00:00:03,240 --> 00:00:07,170 Kdo je napisal vse to, kar bom povedala v naslednjih nekaj minutah? 2 00:00:07,440 --> 00:00:08,800 Jaz? Scenarist? 3 00:00:09,100 --> 00:00:10,930 Ali pa je bila to umetna inteligenca? 4 00:00:11,080 --> 00:00:14,715 Zagotovo drži samo nekaj: Takoj po ustvaritvi tega videoposnetka 5 00:00:14,739 --> 00:00:17,590 lahko to, kar bo razloženo, postane zastarelo. 6 00:00:17,830 --> 00:00:21,588 Ljudem ni preprosto ugotoviti, kdo je avtor. 7 00:00:21,613 --> 00:00:25,560 Na podlagi tega lahko merimo napredek umetne inteligence. 8 00:00:25,585 --> 00:00:28,074 ChatGPT in podobna orodja 9 00:00:28,098 --> 00:00:30,535 lahko besedila napišejo v celoti, 10 00:00:30,559 --> 00:00:33,760 natančno in v skladu z zahtevanim slogom. 11 00:00:33,820 --> 00:00:37,345 Druga orodja pa lahko ob upoštevanju navodil, 12 00:00:37,369 --> 00:00:39,970 ki jim jih posredujemo, ustvarjajo slike iz nič. 13 00:00:39,995 --> 00:00:41,955 UI ali umetna inteligenca 14 00:00:41,980 --> 00:00:43,030 ni popolnoma nova tema. 15 00:00:43,080 --> 00:00:46,850 Zgodnji preizkusi te hitro razvijajoče se tehnologije 16 00:00:46,874 --> 00:00:50,300 so bili opravljeni že leta 1943. 17 00:00:50,320 --> 00:00:54,454 Leta 2022 pa je v celoti vstopila v naša življenja 18 00:00:54,479 --> 00:00:57,254 in seveda v pogovore z našimi prijatelji. 19 00:00:57,279 --> 00:00:59,720 Toda kako vse to deluje? 20 00:00:59,950 --> 00:01:02,210 In koliko bo spremenilo naša življenja? 21 00:01:10,001 --> 00:01:13,167 Umetna inteligenca je sposobnost strojev, 22 00:01:13,191 --> 00:01:16,044 da opravljajo naloge, ki bi običajno zahtevale človeško inteligenco. 23 00:01:16,068 --> 00:01:21,275 Te vključujejo učenje, odločanje in prepoznavanje vzorcev. 24 00:01:21,300 --> 00:01:23,960 Za dosego tega razvijalci umetne inteligence 25 00:01:23,985 --> 00:01:26,082 uporabljajo, kar se imenuje nevronska mreža. 26 00:01:26,433 --> 00:01:29,910 Nevronska mreža se lahko nauči izvajati zahtevna opravila, 27 00:01:29,950 --> 00:01:33,297 kot je prepoznavanje slik ali prevajanje jezikov. 28 00:01:33,321 --> 00:01:36,538 Nevronska mreža se uči z izkušnjami. 29 00:01:36,563 --> 00:01:39,977 To pomeni, da lahko ob treningu s podatkovno množico 30 00:01:40,001 --> 00:01:43,840 ta podatkovna množica prilagodi njene povezave in parametre 31 00:01:44,020 --> 00:01:46,220 in s tem izboljša njene sposobnosti za opravljanje želenega dela. 32 00:01:46,270 --> 00:01:50,211 Z drugimi besedami, s strojnim učenjem lahko ustvarjate in prilagajate 33 00:01:50,235 --> 00:01:52,450 svoje lastne algoritme. 34 00:01:52,660 --> 00:01:57,138 Nevronska mreža v osnovi sestoji iz številnih »umetnih nevronov«, 35 00:01:57,162 --> 00:01:59,860 ki so urejeni v medsebojno povezanih plasteh. 36 00:01:59,920 --> 00:02:02,763 Vsak nevron prejme določeno informacijo 37 00:02:02,787 --> 00:02:06,270 in jo obdela z majhno matematično operacijo. 38 00:02:06,350 --> 00:02:10,196 Ta informacija se nato prenese na nevrone v naslednji plasti 39 00:02:10,221 --> 00:02:14,100 in tako naprej, dokler ne doseže končnega odgovora. 40 00:02:14,380 --> 00:02:18,340 Tako je, za trening je treba nevronski mreži predložiti podatke. 41 00:02:18,390 --> 00:02:20,680 Obstajajo različne vrste učnih procesov: 42 00:02:20,988 --> 00:02:24,649 1. Nadzorovano učenje: 43 00:02:24,650 --> 00:02:26,837 Ta vrsta treninga se uporablja, kadar 44 00:02:26,862 --> 00:02:28,830 obstaja podatkovna množica, ki je bila predhodno označena, 45 00:02:28,855 --> 00:02:29,712 kar pomeni, 46 00:02:29,737 --> 00:02:33,660 da je za vsak vhod znan pravilni odgovor. 47 00:02:34,230 --> 00:02:38,100 UI se uči iz teh označenih podatkov, 48 00:02:38,180 --> 00:02:41,520 kar vam omogoča izvajanje napovedi za nove podatke. 49 00:02:42,190 --> 00:02:44,610 2. Nenadzorovano učenje: 50 00:02:45,190 --> 00:02:46,711 Pri tej vrsti treninga 51 00:02:46,736 --> 00:02:49,550 UI nima predhodno označenih podatkov. 52 00:02:49,630 --> 00:02:52,220 Namesto tega se ji predstavi množica podatkov, 53 00:02:52,244 --> 00:02:56,660 nato pa se zahteva, da v teh podatkih poišče vzorce ali strukture. 54 00:02:57,100 --> 00:03:00,020 To je lahko uporabno na primer za analizo podatkov ali 55 00:03:00,044 --> 00:03:02,060 segmentiranje strank. 56 00:03:02,414 --> 00:03:05,240 3. Učenje s krepitvijo: 57 00:03:05,520 --> 00:03:10,460 Ta vrsta usposabljanja se uporablja za učenje UI za sprejemanje odločitev 58 00:03:10,590 --> 00:03:12,850 z nagrado in kaznijo. 59 00:03:12,875 --> 00:03:14,430 Predstavi se ji scenarij 60 00:03:14,510 --> 00:03:16,540 in se zahteva izvedba dejanja. 61 00:03:16,800 --> 00:03:19,941 Če je dejanje pravilno, UI prejme nagrado, 62 00:03:19,965 --> 00:03:23,110 če pa dejanje ni pravilno, prejme kazen. 63 00:03:23,135 --> 00:03:24,165 Sčasoma se 64 00:03:24,190 --> 00:03:28,860 UI nauči sprejemati prave odločitve za kar največjo nagrado. 65 00:03:28,885 --> 00:03:29,975 Če na primer 66 00:03:30,000 --> 00:03:33,550 želimo, da se računalnik nauči prepoznavati obraze 67 00:03:33,680 --> 00:03:37,220 in nam da informacije o tem, kaj se vidi na vsakem od njih, 68 00:03:37,244 --> 00:03:39,610 mu bomo predložili številne označene slike. 69 00:03:39,800 --> 00:03:42,937 Računalnik opazuje vzorce v podatkih 70 00:03:42,962 --> 00:03:46,830 in ustvari model za prepoznavanje obrazov na novih slikah. 71 00:03:47,130 --> 00:03:50,059 Toda zakaj je vse to tako pomembno? 72 00:03:50,083 --> 00:03:54,147 Predvsem zato, ker gre za tehnologijo, ki se lahko uporablja na številnih področjih naših življenj. 73 00:03:54,172 --> 00:03:58,459 V zdravstvu sistemi umetne inteligence diagnosticirajo bolezni 74 00:03:58,483 --> 00:04:01,940 in lahko pomagajo zdravnikom napovedati izid zdravljenja. 75 00:04:02,080 --> 00:04:06,193 Z vse boljšimi rezultati omogoča tudi avtomatizacijo 76 00:04:06,218 --> 00:04:07,700 večine dela, ki ga opravi računalnik. 77 00:04:07,790 --> 00:04:10,646 Oblikovanje, pisanje, napovedovanje ... 78 00:04:10,670 --> 00:04:15,242 Hitro se razvija in ima vse bolj impresivne sposobnosti. 79 00:04:15,266 --> 00:04:17,690 Toda treba je biti previden, kajti obstajajo tudi kritična mnenja. 80 00:04:17,715 --> 00:04:18,667 Še dobro, da je tako, 81 00:04:18,691 --> 00:04:22,052 saj smo že bili opozorjeni na nevarnosti te tehnologije. 82 00:04:22,076 --> 00:04:25,867 Po eni strani se z napredkom umetne inteligence 83 00:04:25,891 --> 00:04:27,850 porajajo nove etične dileme. 84 00:04:27,875 --> 00:04:28,775 Kdo je na primer 85 00:04:28,800 --> 00:04:32,710 odgovoren, če avtonomno vozilo povzroči nesrečo? 86 00:04:32,730 --> 00:04:35,698 Kako lahko zagotovimo, da sistemi umetne inteligence 87 00:04:35,722 --> 00:04:38,170 ne diskriminirajo nekaterih skupin ljudi? 88 00:04:38,236 --> 00:04:40,998 Ali je etično sprejemati odločitve, ki lahko škodujejo ljudem, 89 00:04:41,022 --> 00:04:43,497 in ustvariti umetno inteligenco, ki bo prevzela nadzor nad tem? 90 00:04:43,535 --> 00:04:45,050 Kdo je lastnik tehnologije? 91 00:04:45,160 --> 00:04:47,586 Kdo pregleduje ali nadzoruje odločitve? 92 00:04:47,610 --> 00:04:50,296 To so nekatere etične dileme, 93 00:04:50,320 --> 00:04:53,445 na katere je treba odgovoriti ob napredku tehnologije. 94 00:04:53,470 --> 00:04:54,505 Kaj pa jeziki? 95 00:04:54,530 --> 00:04:57,587 Kako je to videti z vidika manjšinskih skupnosti? 96 00:04:57,626 --> 00:04:58,955 Glede manjšinskih jezikov in umetne inteligence 97 00:04:58,980 --> 00:05:01,710 ni nobenega dokončnega odgovora: 98 00:05:01,980 --> 00:05:04,346 Samodejni prevajalniki lahko na primer 99 00:05:04,370 --> 00:05:08,472 olajšajo komunikacijo med govorci različnih jezikov, 100 00:05:08,498 --> 00:05:11,312 kar bi lahko pozitivno vplivalo 101 00:05:11,336 --> 00:05:13,510 na varstvo in spodbujanje razvoja manjšinskih jezikov. 102 00:05:13,560 --> 00:05:15,648 Zahvaljujoč tem tehnologijam 103 00:05:15,673 --> 00:05:18,265 je v našem jeziku mogoče sprejemati katero koli vsebino, 104 00:05:18,289 --> 00:05:21,470 ne da bi bila za to potrebna človeško prevajanje in sinhronizacija. 105 00:05:21,630 --> 00:05:23,190 Toda vse, kar se sveti, ni zlato. 106 00:05:23,430 --> 00:05:26,156 Sistemi umetne inteligence so pristranski in 107 00:05:26,180 --> 00:05:30,960 obstaja tudi tveganje za reprodukcijo jezikovne diskriminacije. 108 00:05:30,985 --> 00:05:34,853 Za manjšinske jezike verjetno ni na voljo dovolj informacij, 109 00:05:34,878 --> 00:05:37,928 zato je v teh jezikih lahko več napak ali manj podrobnosti 110 00:05:37,952 --> 00:05:39,829 kot v drugih 111 00:05:39,853 --> 00:05:43,618 in ni mogoče natančno razlikovati manjših jezikovnih skupnosti. 112 00:05:43,642 --> 00:05:46,280 Na svetu obstaja približno 7000 jezikov. 113 00:05:46,430 --> 00:05:48,097 Koliko od njih bo imelo 114 00:05:48,121 --> 00:05:50,880 priložnost za uporabo sposobnosti umetne inteligence? 115 00:05:51,070 --> 00:05:53,110 Modeli, ki se uporabljajo, 116 00:05:53,134 --> 00:05:55,844 so namenjeni podatkovno bogatim jezikom, 117 00:05:55,868 --> 00:05:57,654 tistim jezikovnim skupnostim, 118 00:05:57,678 --> 00:05:59,816 ki imajo več tehnoloških virov. 119 00:05:59,840 --> 00:06:01,870 Zato so 120 00:06:01,890 --> 00:06:04,451 poleg dostopnosti in prostosti podatkov 121 00:06:04,475 --> 00:06:07,615 pomembne raziskave modelov, ki potrebujejo manj virov 122 00:06:07,639 --> 00:06:11,350 in sodelovanje z drugimi jezikovnimi skupnostmi s podobnimi značilnostmi. 123 00:06:11,400 --> 00:06:13,210 Vas je tega strah, vas veseli? 124 00:06:13,250 --> 00:06:14,699 Kaj menite? 125 00:06:14,723 --> 00:06:17,850 Vse se odvija zelo hitro in temu ni preprosto slediti. 126 00:06:17,874 --> 00:06:20,750 Toda ne pozabite, informacije so moč. 127 00:06:20,930 --> 00:06:24,900 Od tu naprej bomo poskušali prispevati svoj delež, da bo lahko vsakdo dostopal do njih. 128 00:06:25,220 --> 00:06:27,926 Razumevanje nam daje suverenost.