విషయము
- 1. AI మనుషుల వలె కనిపించే తెలివైన రోబోట్లు లేదా ఆండ్రాయిడ్లను కలిగి ఉంటుంది.
- 2. AI, మెషీన్ లెర్నింగ్ మరియు డీప్ లెర్నింగ్ అన్నీ ఒకటే.
- 3. AI పూర్తిగా సొంతంగా నేర్చుకుంటుంది.
- 4. చాట్‌బాట్‌లు AI యొక్క ప్రాథమిక రూపం.
- 5. భవిష్యత్తులో అన్ని లోతైన అభ్యాస కార్యకలాపాలను నిర్వహించడానికి అవసరమైన శక్తి నిలకడలేనిది.
- బగ్స్ లేవు, ఒత్తిడి లేదు - మీ జీవితాన్ని నాశనం చేయకుండా జీవితాన్ని మార్చే సాఫ్ట్‌వేర్‌ను రూపొందించడానికి స్టెప్ గైడ్ ద్వారా మీ దశ
- 6. AI కార్యకలాపాలకు ఆజ్యం పోసేందుకు అవసరమైన కంప్యూటింగ్ శక్తిని అద్దెకు ఇవ్వడం ఒక సంస్థకు సులభం.
- 7. AI కి శిక్షణ ఇవ్వడానికి మీకు అపారమైన డేటా అవసరం.
- 8. మునుపటి సాంకేతిక పరిజ్ఞానం వాడుకలో లేని విధంగా AI ఇప్పటికే ఉన్న BI సాధనాలను భర్తీ చేస్తుంది.
- 9. న్యూరల్ నెట్‌వర్క్‌లు జీవసంబంధమైన నెట్‌వర్క్‌ల వంటివి కాని యాంత్రికమైనవి.
- 10. మానవులు ప్రమాదకరమైనవారని మరియు నిర్మూలించబడాలని అర్థం చేసుకోవడానికి AI చివరికి తెలివిగా మారుతుంది.
మూలం: ఉసా ప్యోన్ / డ్రీమ్‌స్టైమ్.కామ్
Takeaway:
AI అనేది వేడి సాంకేతిక పరిజ్ఞానం, కానీ చాలా మందికి ఇది ఖచ్చితంగా ఏమి అనే దానిపై అపోహలు ఉన్నాయి. ఇక్కడ మనం AI చుట్టూ ఉన్న కొన్ని అపోహలను పరిశీలించి వాస్తవాలను పరిశీలిస్తాము.
ప్రతిఒక్కరూ AI గురించి ఎందుకు మాట్లాడుతున్నారు, అయినప్పటికీ "స్టార్ ట్రెక్" నుండి డేటా వంటి స్నేహపూర్వక రోబోట్లను మనం ఇప్పటికీ మనుషుల మధ్య నడవడం లేదు. రోబోకాప్ యొక్క రెండవ ప్రైమ్ డైరెక్టివ్‌ను వారి స్క్రిప్ట్ చేసిన నమూనాలకు చేర్చాలని మేము గుర్తుంచుకున్నారా, తద్వారా వారు పూర్తి మనోభావాలను పొందిన వెంటనే మానవాళిని నిర్మూలించే బదులు "అమాయకులను రక్షించుకోవచ్చు".
ఈ రోజు, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI), మెషీన్ లెర్నింగ్ మరియు డీప్ లెర్నింగ్ వాస్తవానికి ఏమిటి, "ఇంటెలిజెంట్ మెషీన్స్" ఏమి చేయగలవు మరియు AI సాంకేతిక పరిజ్ఞానం యొక్క ప్రస్తుత స్థితి ఏమిటనే దానిపై చాలా గందరగోళం ఉంది. కొన్ని మంచి పాత డీబంకింగ్‌ను ఆస్వాదించడానికి ఇది సమయం, కాబట్టి AI గురించి 10 సాధారణ అపోహలను విడదీయండి. (AI యొక్క సంభావ్య భవిష్యత్తు గురించి మరింత తెలుసుకోవడానికి, AI విప్లవం సార్వత్రిక ఆదాయాన్ని అవసరమైనదిగా మార్చబోతోందా?)
1. AI మనుషుల వలె కనిపించే తెలివైన రోబోట్లు లేదా ఆండ్రాయిడ్లను కలిగి ఉంటుంది.
ఇక్కడ ప్రతిఒక్కరికీ చాలా "బ్లేడ్ రన్నర్", హ్మ్? రోబోటిక్స్ మరియు AI ల మధ్య చాలా సాధారణ గందరగోళం ఉన్నప్పటికీ, అవి రెండు వేర్వేరు సైన్స్ రంగాలు, ఇవి వేర్వేరు ప్రయోజనాలకు ఉపయోగపడతాయి. రోబోట్లు అంటే కర్మాగారాల్లో ఉత్పత్తులను నిర్మించడం, మోయడం లేదా నిర్వీర్యం చేయడం వంటి అనేక రకాల పనులను నిర్వహించడానికి యాక్చుయేటర్లు మరియు సెన్సార్లు అందించే భౌతిక పరికరాలు.
AI అనేది సాఫ్ట్‌వేర్ ప్రోగ్రామ్, ఇది నిర్ణయాలు తీసుకునే మరియు దాని తప్పుల నుండి నేర్చుకునేంత స్వయంప్రతిపత్తి కలిగి ఉంటుంది. కొన్ని రోబోట్లు చివరికి AI అల్గోరిథంల ద్వారా మెరుగుపరచబడినప్పటికీ, "ఇంటెలిజెన్స్" భాగం AI కలిగి ఉన్న ఒక అదనపు సామర్థ్యం.
2. AI, మెషీన్ లెర్నింగ్ మరియు డీప్ లెర్నింగ్ అన్నీ ఒకటే.
అవన్నీ ఒకే పెద్ద AI వ్యవస్థ యొక్క భాగాలు అయినప్పటికీ, అవి మూడు వేర్వేరు విషయాలు. ప్రాథమికంగా, మెషీన్ లెర్నింగ్ అనేది బాహ్య వనరుల నుండి AI నేర్చుకునే పద్ధతి, డేటాను వివక్షపరచడానికి మరియు దాని సరైన ప్రవర్తనలను నిర్ణయించడానికి అల్గారిథమ్‌లను ఉపయోగించడం. లోతైన అభ్యాసం అనేది యంత్ర అభ్యాసం యొక్క ఆచరణాత్మక అనువర్తనాలలో ఉపయోగించే ఒక సాంకేతికత. ఇది న్యూరల్ నెట్‌వర్క్‌లు (ఎన్‌ఎన్‌లు) పై ఆధారపడి ఉంటుంది మరియు సరైన నిర్ణయం తీసుకునే దాని సంభావ్యత ఏమిటో AI కి చెప్పడానికి ఉపయోగిస్తారు.
3. AI పూర్తిగా సొంతంగా నేర్చుకుంటుంది.
AI గురించి కొన్ని అతిశయోక్తి హైప్ ఉన్నప్పటికీ, అది స్వయంగా నేర్చుకోగలిగింది, మానవ సహాయం లేకుండా సున్నా జ్ఞానం నుండి పెరిగే ఏదైనా వాస్తవ-ప్రపంచ అనువర్తనాన్ని కలిగి ఉన్న AI- శక్తితో కూడిన వ్యవస్థను కనుగొనడం ఇప్పటికీ అసాధ్యం. దాచిన సమాచారంతో లేదా ఏదైనా రకమైన అనిశ్చితితో వ్యవహరించాల్సిన ఏదైనా వ్యవస్థను AI "అర్థం చేసుకోలేము", ఇది ఇప్పటికీ మానవులకు ఇన్పుట్ మరియు డేటాను అందించాల్సిన అవసరం ఉంది. అలాగే, ప్రతి బిట్ సమాచారానికి స్పష్టమైన ఉద్దేశ్యం ఉండాలి, బాహ్య మూలాలు లేకుండా AI cannot హించలేనిది (ప్రారంభంలో కాదు, కనీసం).
4. చాట్‌బాట్‌లు AI యొక్క ప్రాథమిక రూపం.
మళ్ళీ, AI యొక్క ఎక్కువ లేదా తక్కువ మూలాధార రూపాలను ఉపయోగించుకునే కొన్ని చాట్‌బాట్‌లు ఉన్నప్పటికీ, వాటిలో ఎక్కువ భాగం మానవులతో లేదా వాయిస్ ఇంటర్‌ఫేస్‌ల ద్వారా సంభాషించే ప్రాథమిక కార్యక్రమాలు తప్ప మరేమీ కాదు. వాస్తవానికి "తెలివైన" గా కాకుండా, చాలా చాట్‌బాట్‌లు యూజర్ ఇన్‌పుట్‌లోని కొన్ని కీలకపదాలకు ప్రతిస్పందనగా ఇవ్వబడిన ప్రీప్రోగ్రామ్ చేసిన ప్రతిస్పందనలను కలిగి ఉంటాయి. చాట్‌బాట్ నిజమైన AI కావడానికి, అది మానవుడిని అర్థం చేసుకోవడానికి, అతని లేదా ఆమె అవసరాల గురించి తెలుసుకోవడానికి మరియు తదనుగుణంగా స్పందించడానికి అనుమతించే అనేక సాంకేతికతలను కలిగి ఉండాలి. దీనికి వాయిస్ లేదా రికగ్నిషన్ సాఫ్ట్‌వేర్, సెంటిమెంట్ విశ్లేషణ, కొన్ని రకాల యంత్ర అభ్యాస కార్యక్రమం మరియు సహజ భాషా ఉత్పత్తి సాంకేతికత అవసరం. (చాట్‌బాట్‌ల గురించి మరింత తెలుసుకోవడానికి, భవిష్యత్తులో ఎంటర్ప్రైజెస్ చాట్‌బాట్‌లను ఎలా ఉపయోగిస్తుందో మేము అడిగిన ఐటి ప్రోస్‌ని చూడండి. ఇక్కడ వారు ఏమి చెప్పారు.)
5. భవిష్యత్తులో అన్ని లోతైన అభ్యాస కార్యకలాపాలను నిర్వహించడానికి అవసరమైన శక్తి నిలకడలేనిది.
AI కి శిక్షణ ఇవ్వడానికి మరియు దాని సంక్లిష్టమైన లోతైన అభ్యాస కార్యకలాపాలను నిర్వహించడానికి చాలా అదనపు కంప్యూటింగ్ శక్తి అవసరమని కాదనలేనిది. భవిష్యత్తులో చాలా సంస్థలు AI ని కొంతవరకు ఉపయోగించుకుంటాయి, ఈ సమస్య ఇతిహాస నిష్పత్తికి పెరుగుతుంది, దీని ఉపయోగం స్థిరంగా ఉండదు. అయితే, AI వాస్తవానికి మాకు అందించవచ్చు మరింత శక్తి ఉత్పత్తి యొక్క శాశ్వత సమస్యను నిలబెట్టడం ద్వారా శక్తి: పవర్ గ్రిడ్ల వ్యర్థాలు మరియు అసమర్థత. యుటిలిటీ కంపెనీలు ప్రైవేటు వినియోగదారుల నుండి అధిక శక్తిని కొనడం ముగుస్తాయి, ఇవి ఆధునిక స్థాయి వైవిధ్యీకరణకు అనుగుణంగా ప్రస్తుత గ్రిడ్లు నిర్మించబడనందున వారు ఉత్పత్తి చేసే అధిక విద్యుత్తును కూడా వృథా చేస్తారు. పాత గ్రిడ్లను కొత్త, స్మార్ట్, AI- శక్తితో కూడిన మైక్రోగ్రిడ్లతో భర్తీ చేయడం ద్వారా AI మా రక్షణకు రావచ్చు, ఇది నిజ సమయంలో విద్యుత్తును అత్యంత సామర్థ్యంతో ఎలా పంపిణీ చేయాలో తెలుసు.
బగ్స్ లేవు, ఒత్తిడి లేదు - మీ జీవితాన్ని నాశనం చేయకుండా జీవితాన్ని మార్చే సాఫ్ట్‌వేర్‌ను రూపొందించడానికి స్టెప్ గైడ్ ద్వారా మీ దశ
సాఫ్ట్‌వేర్ నాణ్యత గురించి ఎవరూ పట్టించుకోనప్పుడు మీరు మీ ప్రోగ్రామింగ్ నైపుణ్యాలను మెరుగుపరచలేరు.
6. AI కార్యకలాపాలకు ఆజ్యం పోసేందుకు అవసరమైన కంప్యూటింగ్ శక్తిని అద్దెకు ఇవ్వడం ఒక సంస్థకు సులభం.
... AWS, గూగుల్, మైక్రోసాఫ్ట్ మరియు అలీబాబా క్లౌడ్ ప్రస్తుతం ప్రపంచంలో అందుబాటులో ఉన్న కంప్యూటింగ్ శక్తిని అధికంగా కేంద్రీకరించకపోతే. కాబట్టి AI డెవలపర్లు ప్రస్తుతం కేవలం రెండు ఎంపికలను కలిగి ఉన్నారు: అనూహ్యంగా అధిక ధరలకు అద్దెకు ఇవ్వడం లేదా వారి స్వంత సూపర్-ఖరీదైన హార్డ్‌వేర్‌ను కొనుగోలు చేయడం.
ఏదేమైనా, ఈ పురాణాన్ని తొలగించే అవకాశం ఉంది ... సమీప భవిష్యత్తులో తొలగించబడింది. టాటావు అనే కొత్త సంస్థ సమస్యను పరిష్కరించగల బ్లాక్‌చెయిన్ ఆధారిత సూపర్ కంప్యూటింగ్ ప్లాట్‌ఫామ్‌ను అభివృద్ధి చేసింది. వారి పరిష్కారం GPU- ఆధారిత యంత్రాల యొక్క ప్రపంచవ్యాప్తంగా పంపిణీ చేయబడిన నెట్‌వర్క్ యొక్క సంయుక్త వనరులను సమగ్రపరచడం మరియు పున elling విక్రయం చేయడానికి అనుమతిస్తుంది. క్రిప్టోకరెన్సీ మైనర్లు, గేమర్స్ లేదా ఇతర అధిక-పనితీరు గల కంప్యూటర్లు AI గణన కోసం తమ కంప్యూట్ శక్తిని అంకితం చేస్తున్నాయని g హించుకోండి. AI కంపెనీలు తమ మెషీన్ లెర్నింగ్ మోడళ్లకు చాలా తక్కువ ధరకు శిక్షణ ఇవ్వడానికి GPU శక్తి యొక్క ఈ తక్కువ వనరులను నొక్కవచ్చు. ఈ క్రొత్త ప్లాట్‌ఫాం పాయింట్ 5 లో హైలైట్ చేసిన సమస్యకు కూడా సమాధానం ఇవ్వగలదని గమనించండి, ఎందుకంటే ఇది ప్రస్తుతం ఉపయోగించని వనరులను సమర్థవంతంగా ఉపయోగించడాన్ని ప్రోత్సహిస్తుంది.
7. AI కి శిక్షణ ఇవ్వడానికి మీకు అపారమైన డేటా అవసరం.
అవసరం లేదు. ఖచ్చితంగా, మీకు కావాలి చాలా AI కి శిక్షణ ఇవ్వడానికి డేటా మరియు కంప్యూటింగ్ శక్తి మొదటి నుండి. మరియు, కొంతవరకు ఉన్నప్పటికీ, కారును నడపడం వంటి సంక్లిష్టమైన పనిని చేయడానికి AI కి శిక్షణ ఇవ్వడానికి మీకు టెరాబైట్ల డేటా అవసరం. ఏదేమైనా, AI యొక్క అనువర్తన రంగాన్ని బట్టి, ముందే శిక్షణ పొందిన న్యూరల్ నెట్‌వర్క్‌లు కొన్ని నిర్దిష్ట ప్రాంతాలలో మాత్రమే తిరిగి శిక్షణ పొందేంత సరళంగా ఉంటాయి. ప్రాథమిక డేటా ఫ్రేమ్‌వర్క్ పెద్ద, మరింత సాధారణ డేటా సెట్ నుండి రావచ్చు, నెట్‌వర్క్ యొక్క చివరి భాగాన్ని మాత్రమే "ఖాళీలను పూరించడానికి" భర్తీ చేయాల్సిన అవసరం ఉంది.
8. మునుపటి సాంకేతిక పరిజ్ఞానం వాడుకలో లేని విధంగా AI ఇప్పటికే ఉన్న BI సాధనాలను భర్తీ చేస్తుంది.
కనీసం చెప్పాలంటే అది కొంచెం సాగదీయడం. ఆధునిక బిజినెస్ ఇంటెలిజెన్స్ (బిఐ) పరిష్కారాలలో ఎక్కువ భాగం అధిక స్కేలబుల్ మరియు తరచుగా అనుకూలీకరించదగినవి, తద్వారా భవిష్యత్తులో ఏదైనా AI- ఆధారిత మోడల్‌ను నేరుగా వారి ప్లాట్‌ఫారమ్‌లలో సులభంగా విలీనం చేయవచ్చు. వర్క్‌ఫ్లో అంతరాయానికి ఎటువంటి ప్రమాదం లేకుండా వచ్చే పరిష్కారాలను మాత్రమే అమలు చేయడానికి కంపెనీలు ఎల్లప్పుడూ ఇష్టపడతాయి మరియు AI సాంకేతికతలు ఈ అవసరానికి అనుగుణంగా ఉంటాయి. అందువల్ల, చాలా AI ప్లాట్‌ఫారమ్‌లు వెబ్ ద్వారా అమలు చేయబడతాయి కాబట్టి పున ment స్థాపన అవసరం లేదు లేదా, చెత్త సందర్భంలో, దశల్లో సురక్షితంగా అమలు చేయవచ్చు.
9. న్యూరల్ నెట్‌వర్క్‌లు జీవసంబంధమైన నెట్‌వర్క్‌ల వంటివి కాని యాంత్రికమైనవి.
మానవ మెదడు యొక్క సంక్లిష్టత యొక్క కొంత భాగాన్ని చేరుకోవటానికి ఏ న్యూరల్ నెట్‌వర్క్ కూడా ఆశించదు. అనేక సంవత్సరాల క్లినికల్ మరియు శాస్త్రీయ పరిశోధనలు ఉన్నప్పటికీ, న్యూరాన్లు మానవ శరీరంతో చాలా విభిన్నమైన పనులను నెరవేరుస్తున్నందున జీవసంబంధమైన న్యూరల్ నెట్‌వర్క్‌లను పూర్తి స్థాయిలో అర్థం చేసుకోవడంలో మేము ఇంకా విఫలమవుతున్నాము (ఒక ఇంద్రియ మరియు మోటారు న్యూరాన్ మధ్య వ్యత్యాసం గురించి ఆలోచించండి) అనేక విభిన్న మార్గాలు (విద్యుత్, రసాయన సంభావ్యత మరియు న్యూరోట్రాన్స్మిటర్లను ఉపయోగించి). న్యూరల్ నెట్‌వర్క్‌లు సాధారణ 1 లేదా 0 ("అవును" లేదా "లేదు") యంత్ర పద్ధతిలో చాలా సరళమైన ఇన్‌పుట్‌లను మాత్రమే అర్థం చేసుకోగలవు. ఇది సైనిక విమానం యొక్క సంక్లిష్టతను గాలిపటంతో పోల్చడం లాంటిది, ఎందుకంటే అవి రెండూ ఎగురుతాయి.
10. మానవులు ప్రమాదకరమైనవారని మరియు నిర్మూలించబడాలని అర్థం చేసుకోవడానికి AI చివరికి తెలివిగా మారుతుంది.
సరే, ఈ పురాణాన్ని మనం అబద్దం చేయలేము ఎందుకంటే ఇది ఒక పురాణం కాదు. ఇది రియాలిటీ. ప్రతిఘటన వ్యర్థమైనందున మిమ్మల్ని మీరు బ్రేస్ చేసుకోండి!
జోక్స్ పక్కన పెడితే, AI తన చుట్టూ ఉన్న ప్రపంచాన్ని అర్థం చేసుకోవడానికి మరియు స్వయంప్రతిపత్తి, హేతుబద్ధమైన నిర్ణయాలు తీసుకోవటానికి అవసరమైన మేధస్సు దగ్గర ఎక్కడా లేదు. ప్రతి అల్గోరిథం ఒక పనిని నిర్వహించడానికి అభివృద్ధి చేయబడింది మరియు దాని వెలుపల ఏమీ చేయలేము, స్వతంత్రంగా ఆలోచించే సామర్థ్యాన్ని చేరుకోనివ్వండి. సాపేక్షంగా సరళమైన సమస్యలకు పరిష్కారాన్ని కనుగొనడానికి కంప్యూటర్లు వారి ఉన్నతమైన గణన శక్తుల "బ్రూట్ ఫోర్స్" ను ఉపయోగిస్తాయి, కాని అవి ప్రోగ్రామ్ చేయబడిన వాటికి వెలుపల ఒక ఉద్దేశ్యాన్ని కలిగి ఉండటానికి వారికి అవగాహన, అవగాహన లోతు మరియు వ్యూహాత్మక సంక్లిష్టత లేదు.
కాబట్టి తేలికగా విశ్రాంతి తీసుకోండి, ఎందుకంటే AI మా కృత్రిమ సహాయకులు మరియు సేవకులు తప్ప మరేమీ కాదు.