AI to skrót od „sztuczna inteligencja", ale pod tą nazwą kryją się bardzo różne narzędzia działające w zupełnie różny sposób. AI pisząca teksty, AI tworząca obrazy i AI polecająca kolejny serial na Netflixie mają ze sobą niemal nic wspólnego — poza tym, że wszystkie uczyły się z ogromnych ilości danych.
„AI" to jedno z tych słów, które są używane do opisywania wszystkiego — od autokorekty w telefonie po science-fiction roboty. Ta niejednoznaczność sprawia, że naprawdę trudno wiedzieć, o czym ktoś mówi. Prawda jest taka, że „AI" to nie jedna rzecz — to rodzina bardzo różnych narzędzi działających w bardzo różny sposób. Ten przewodnik je rozdziela.
Trzy rodzaje AI, które spotkasz najczęściej
Chatboty: te, z którymi rozmawiasz
Chatbot to AI, z którym prowadzisz rozmowę. Wpisujesz lub mówisz pytanie, a on odpowiada na piśmie. ChatGPT, Gemini od Google i Siri od Apple to chatboty, choć działają nieco inaczej pod spodem.
Chatboty były trenowane na ogromnej ilości tekstu — więcej książek, artykułów i stron internetowych, niż jakikolwiek człowiek mógłby kiedykolwiek przeczytać. Dlatego potrafią odpowiadać na pytania, wyjaśniać rzeczy, pomagać pisać e-maile, tłumaczyć między językami i prowadzić rozmowę. Działają, przewidując, które słowa powinny przyjść następne, na podstawie wzorców wyuczonych podczas trenowania.
To sprawia, że są imponujące, ale niedoskonałe. W tematach dobrze obecnych w danych treningowych są zazwyczaj dokładne. W przypadku bardzo konkretnych, niszowych lub niedawnych faktów mogą być pewnie błędne. Rozumienie tego jest kluczem do dobrego korzystania z nich.
Generatory obrazów: te, które tworzą wizualnie
Generator obrazów tworzy obrazy na podstawie opisów tekstowych. Wpisujesz „akwarelowy obraz latarni morskiej o zachodzie słońca" i narzędzie tworzy oryginalny obraz — taki, który wcześniej nie istniał. Midjourney, Adobe Firefly i DALL-E to znane przykłady.
Narzędzia te były trenowane na milionach obrazów sparowanych z podpisami lub opisami. Nie kopiują żadnego obrazu, który widziały. Generują coś nowego na podstawie wzorców wizualnych wyuczonych podczas trenowania.
Generatory obrazów są potężne w projektach twórczych, ale mają znany mankament: czasem błędnie odwzorowują konkretne szczegóły w dziwny sposób — zbyt wiele palców u dłoni, tekst w tle wyglądający jak słowa, ale niebędący nimi, drobne szczegóły, które nie trzymają się razem pod bliższą inspekcją.
Silniki rekomendacji: te niewidoczne
To AI, z którego większość ludzi korzysta najczęściej, nie zdając sobie z tego sprawy. Gdy Netflix sugeruje serial, który może Ci się spodobać, gdy Spotify buduje Ci playlistę, gdy Amazon pokazuje „klienci kupili też" — to silnik rekomendacji działa cicho w tle.
Systemy te analizują wzorce w zachowaniach dużej liczby osób — co oglądają, kupują, klikają, słuchają lub pomijają — i na tej podstawie przewidują, co Ci się spodoba. Nie rozmawiają z Tobą. Nie rozumieją, dlaczego coś lubisz. Po prostu zauważają, że osoby o podobnych wzorcach do Twoich cieszyły się pewnymi rzeczami, i je Ci proponują.
Silniki rekomendacji są często zadziwiająco trafne, ale wąskie. Optymalizują pod kątem tego, z czym prawdopodobnie się zaangażujesz, co nie zawsze jest tym samym co to, co jest dla Ciebie najlepsze.
Co wszystkie trzy mają wspólnego
Mimo że są tak różne, wszystkie te narzędzia mają jedną wspólną cechę: uczyły się z danych. Nie zostały zaprogramowane z wyraźnymi regułami dla każdej sytuacji. Zamiast tego były trenowane — wystawiane na ogromne ilości przykładów — i uczyły się wzorców.
To właśnie odróżnia nowoczesne AI od tradycyjnego oprogramowania. Tradycyjne oprogramowanie podąża za dokładnymi regułami zapisanymi przez programistę: „jeśli A, to B". AI przewiduje na podstawie wzorców. Dlatego może radzić sobie z rzeczami, których programiści nigdy konkretnie nie przewidzieli, i dlatego może zawodzić w zaskakujący sposób, w jaki oprogramowanie oparte na regułach by nie zawiodło.
Czego AI nadal nie potrafi
Mimo możliwości tych narzędzi istnieją wyraźne i stałe ograniczenia. AI nie ma prawdziwego rozumienia, uczuć ani celów. Nie może samodzielnie działać w fizycznym świecie. Nie potrafi niezawodnie weryfikować własnych faktów — produkuje brzmiące wiarygodnie wyniki bez sprawdzania, czy są dokładne. I nie tworzy prawdziwych relacji — gdy chatbot wydaje się ciepły lub zainteresowany, produkuje tekst pasujący do wzorca ciepłości. Tak naprawdę mu nie zależy.
AI jest też tak dobre, jak dane, na których było trenowane. Jeśli te dane zawierały błędy, uprzedzenia lub luki, AI będzie je odzwierciedlać.
Nic z tego nie sprawia, że narzędzia AI są mniej przydatne do tego, w czym naprawdę są dobre. Po prostu ułatwia wiedzenie, kiedy im ufać, a kiedy sprawdzać.
Co zrobić dalej: Jeśli chcesz zrozumieć, dlaczego AI czasem brzmi całkowicie pewnie, będąc całkowicie w błędzie, Dlaczego AI wymyśla rzeczy? wyjaśnia ten mechanizm w przejrzysty sposób. A jeśli jesteś gotowy/a wypróbować chatbota po raz pierwszy, Co to jest ChatGPT? to przyjazne miejsce na start.
