Σημαντικά σημεία
- Η ανθρώπινη συμμετοχή είναι ζωτικής σημασίας στην τεχνητή νοημοσύνη για καλύτερα αποτελέσματα, συμπεριλαμβανομένης της επεξεργασίας περιεχομένου που δημιουργείται από AI.
- Το ενσωματωμένο AI όπως το Gemini στις εφαρμογές Google είναι ισχυρό όταν χρησιμοποιείται σωστά με αποτελεσματική άμεση μηχανική.
- Οι έξοδοι τεχνητής νοημοσύνης με έλεγχο δεδομένων είναι απαραίτητος για την ακρίβεια και η τεχνητή νοημοσύνη είναι η πλέον κατάλληλη για παραγωγικές εργασίες με περιθώρια ανθρώπινης βελτίωσης.
Καθώς η τεχνητή νοημοσύνη προωθεί μεγάλες αλλαγές στο εργατικό δυναμικό, η Google κυκλοφόρησε ένα πιστοποιητικό τεχνητής νοημοσύνης στο Coursera για να διδάξει τους απλούς ανθρώπους σχετικά με νέα εργαλεία τεχνητής νοημοσύνης.
Συνδεθείτε στην ομάδα DirectVortex.gr στο Viber
PIA VPN | Το #1 Πιο Έμπιστο VPN Στην Ελλάδα | Απόκτησε 2 έτη + 2 μήνες δωρεάν με 1.85€/μήνα
Διαβάστε επίσης : Αξίζει τον κόπο να παρακολουθήσω ένα μάθημα φωτογραφίας με smartphone;
Πώς να ενεργοποιήσετε τις επεκτάσεις Gemini
Έχω χρησιμοποιήσει μερικά εργαλεία τεχνητής νοημοσύνης εδώ και εκεί, αλλά ήθελα να καταλάβω τι διδάσκει στην πραγματικότητα το μάθημα τεχνητής νοημοσύνης της Google. Λοιπόν, να τι έμαθα αφού ολοκλήρωσα με επιτυχία το Εισαγωγή στο Google AI Essentials σειρά μαθημάτων.
Η προσέγγιση “Human in the Loop” έχει καλύτερα αποτελέσματα
Το μεγαλύτερο takeaway από το Μάθημα Google AI Essentials είναι απλό: η τεχνητή νοημοσύνη απαιτεί ανθρώπινη συμμετοχή. Εκεί γίνεται σχετική η προσέγγιση “άνθρωπος στον βρόχο”, η οποία ενθαρρύνει τη μη αυτόματη αναθεώρηση και αναθεώρηση του περιεχομένου που δημιουργείται από την τεχνητή νοημοσύνη.
Μετά τη χρήση του AI, θα πρέπει πάντα να ρωτάτε πού μπορεί να είναι απαραίτητη η ανθρώπινη συμμετοχή για τα καλύτερα αποτελέσματα. Εάν γράφετε ένα έγγραφο που πρέπει να είναι ακριβές, για παράδειγμα, ο έλεγχος των γεγονότων σε όλη την έρευνα τεχνητής νοημοσύνης είναι απαραίτητος για να αποφευχθεί η συμπερίληψη παραισθήσεων με τεχνητή νοημοσύνη.
Θυμηθείτε: Η τεχνητή νοημοσύνη δεν προορίζεται να αντικαταστήσει την εργασία σας. Αντίθετα, θα πρέπει να το χρησιμοποιήσετε για να αυξήσετε και να βελτιώσετε την εργασία σας.
Το ενσωματωμένο AI είναι πιο ισχυρό όταν το χρησιμοποιείτε σωστά
Ένα άλλο σημαντικό μάθημα που πήρα από το μάθημα AI Essentials της Google είναι πώς να εφαρμόζω σωστά το AI. Στο πλαίσιο του μαθήματος, η Google αναμένει από τους μαθητές να χρησιμοποιήσουν την τεχνητή νοημοσύνη για να συντάξουν ένα email εργασίας, να δημιουργήσουν παρουσιάσεις και έγγραφα PowerPoint που έχουν σχεδιαστεί με AI, ακόμη και να εξετάσουν την ηθική των εργαλείων AI. Ένα από τα πιο ενδιαφέροντα εργαστήριά του περιλαμβάνει τη χρήση του Gemini.
Το Gemini είναι ένα ισχυρό ενσωματωμένο εργαλείο τεχνητής νοημοσύνης που μπορείτε να χρησιμοποιήσετε στην πλαϊνή γραμμή ή στις εφαρμογές σουίτας Google όπως το Gmail, τα Έγγραφα, τα Φύλλα και οι Παρουσιάσεις. Μπορείτε να το χρησιμοποιήσετε για καταιγισμό ιδεών, σύνταξη και αναθεώρηση περιεχομένου που παράγετε στις εφαρμογές σουίτας Google. Για να το χρησιμοποιήσετε αποτελεσματικά, η Google συνιστά:
- Ανάπτυξη αποτελεσματικών προτύπων προτροπής
- Κάνοντας ερωτήσεις στους Διδύμους όταν χρειάζεται να κάνετε καταιγισμό ιδεών
- Χρησιμοποιώντας την Διυλίζω και Βραχύνω προτρέπει να βελτιώσει την παραγωγή Gemini
- Και τέλος, διατηρώντας το AI σε ετοιμότητα ενεργοποιώντας την πλαϊνή γραμμή Gemini
Όπως με οποιοδήποτε άλλο εργαλείο δημιουργίας τεχνητής νοημοσύνης, πρέπει να γράψετε ακριβείς και αποτελεσματικές προτροπές με το Gemini για να έχετε τα καλύτερα αποτελέσματα. Ωστόσο, το Gemini είναι μοναδικά προσαρμοσμένο στα προβλήματα που μπορεί να έχετε στις εφαρμογές σουίτας Google, επομένως θα διαπιστώσετε ότι είναι ένας έξυπνος σύντροφος εργασίας.
Η σωστή στρατηγική είναι απαραίτητη για την άμεση μηχανική
Η εκμάθηση σχετικά με τις προτροπές (οι οδηγίες που παρέχετε στην τεχνητή νοημοσύνη για να τη βοηθήσετε να δημιουργήσει την έξοδο που θέλετε) είναι απαραίτητη. Είναι επίσης δύσκολο να γράψουν αποτελεσματικά – είναι σαν να μαθαίνεις μια εντελώς νέα δεξιότητα. Ενώ οι βελτιώσεις στα μοντέλα τεχνητής νοημοσύνης (όπως η μετατόπιση από το GPT-3.5 στο 4) έχουν κάνει το περιεχόμενο που δημιουργείται από AI καλύτερο από ποτέ, δεν θα έχετε χρήσιμα αποτελέσματα χωρίς καλές προτροπές. Μερικά πράγματα που πρέπει να έχετε υπόψη κατά τη σύνταξη προτροπών περιλαμβάνουν:
- Τα αποτελέσματα AI γίνονται καλύτερα όταν παρέχετε περισσότερο πλαίσιο
- Οι LLM δεν μπορούν να παρέχουν χρήσιμες πληροφορίες σχετικά με πρόσφατα γεγονότα, εάν τα δεδομένα εκπαίδευσής τους δεν είναι ενημερωμένα
- Θα πρέπει να παρέχετε δεδομένα ή παραδείγματα όταν είναι δυνατόν
- Και τέλος, θα πρέπει να καθοδηγήσετε το AI για το τι θέλετε να κάνει και όχι για το τι δεν θέλετε να κάνει
Για να είμαστε δίκαιοι, αυτές οι τεχνικές προτροπής ήταν μέθοδοι που γνώριζα ήδη, αλλά είναι σίγουρα χρήσιμες για όσους μόλις το καταπιάνουν.
Η τεχνητή νοημοσύνη ελέγχου δεδομένων είναι πιο απλή από όσο φαίνεται
Προκειμένου να οπτικοποιήσετε πώς η τεχνητή νοημοσύνη καταλήγει στη σωστή απάντηση (και πώς μπορεί να έχει ψευδαισθήσεις για λάθος), είναι σημαντικό να κατανοήσετε πώς λειτουργεί η γενετική τεχνητή νοημοσύνη. Τα εργαλεία τεχνητής νοημοσύνης όπως το Gemini και το ChatGPT είναι μια μορφή μεγάλου γλωσσικού μοντέλου (LLM) που παράγει αποτελέσματα με βάση προβλεπόμενα μοτίβα στην ανθρώπινη γλώσσα.
Με άλλα λόγια, αυτά τα εργαλεία δεν καταλαβαίνουν τι δημιουργούν, αλλά χρησιμοποιούν στατιστικά στοιχεία για να παράγουν πρωτότυπο περιεχόμενο που είναι συνήθως ακριβές και σχετικό με τη δεδομένη προτροπή. Δυστυχώς, η προκατάληψη, τα δεδομένα εκπαίδευσης κακής ποιότητας, η έλλειψη σχετικών δεδομένων, η έγκαιρη διατύπωση και άλλοι παράγοντες μπορούν να οδηγήσουν τους LLM να παράγουν ψευδείς απαντήσεις.
Το Generative AI γενικά καταλήγει στη σωστή απάντηση. Το μάθημα κατέδειξε ότι ο καλύτερος τρόπος για την παραγωγή ακριβούς περιεχομένου που δημιουργείται από την τεχνητή νοημοσύνη είναι ο έλεγχος των πληροφοριών που παράγει η τεχνητή νοημοσύνη. Αντί να υποθέσετε ότι η τεχνητή νοημοσύνη έχει εξειδίκευση, θα πρέπει να την αντιμετωπίζετε ως ένα σύνολο καλού και κακού περιεχομένου που απαιτεί αναθεώρηση και βελτίωση.
Συνδέεται πίσω με την αρχή του “human in the loop”. Το AI είναι πραγματικά τόσο χρήσιμο όσο οι εισροές που μπορώ να του δώσω, και λόγω των περιορισμών στη μάθησή του και στην τεχνολογία, θα πρέπει επίσης να ελέγξω τις εξόδους του για να βεβαιωθώ ότι είναι ακριβείς.
Το AI δεν απαιτείται για κάθε εργασία
Καθώς γίνονται ικανά για πράγματα όπως η σύνοψη βιντεοσυνεδριάσεων, τα εργαλεία τεχνητής νοημοσύνης γίνονται πιο χρήσιμα από ποτέ. Αλλά δεν είναι κατάλληλα για κάθε δουλειά και το μάθημα Google AI Essentials συνιστά να εκμεταλλευτείτε τις μοναδικές σας δυνάμεις. Μέσω του μαθήματος Google AI Essentials, διαπίστωσα ότι το AI ήταν ιδανικό για εργασίες όπως:
- Σύνταξη πρώτων σχεδίων email και άλλων εγγράφων
- Δημιουργία συμπληρωματικού υλικού, όπως κάρτες flash ή περιλήψεις
- Έρευνα βασικών θεμάτων (που θα υπήρχαν μέσα στο σύνολο δεδομένων στο οποίο εκπαιδεύεται η τεχνητή νοημοσύνη)
Κατά τη διάρκεια του μαθήματος, ανακάλυψα επίσης τα αδύνατα σημεία πολλών εργαλείων AI. Δεν μπορούν να επιβεβαιώσουν την ακρίβεια των πληροφοριών και μερικές φορές είναι επιρρεπείς σε παραισθήσεις. Τα εργαλεία AI είναι εξαιρετικά για σύνταξη και αναθεώρηση, αλλά επίσης δεν μπορούν να αντικαταστήσουν τη μοναδική φωνή σας και οι γνώσεις τους περιορίζονται στο σύνολο δεδομένων τους.
Εάν η εργασία σας πληροί ορισμένα ή όλα τα ακόλουθα κριτήρια, είναι συνήθως καλύτερα να αποφύγετε να την παραδώσετε στην τεχνητή νοημοσύνη:
- Η εργασία σας απαιτεί πρόσφατες ή εξαιρετικά ακριβείς πληροφορίες
- Η εργασία σας απαιτεί εις βάθος έρευνα (όπως η εύρεση νέων παραπομπών για μια ερευνητική εργασία)
- Το έργο σας είναι κοινωνικά ή ηθικά περίπλοκο ή απαιτεί προσεκτική κρίση
- Το έργο σας είναι αδόμητο και απρόβλεπτο
Δεν είναι καλή επιστήμη, αλλά διαπιστώνω ότι μόλις αρχίσετε να χρησιμοποιείτε εργαλεία τεχνητής νοημοσύνης, γίνεστε γρήγορα ικανοί στο να ανακαλύπτετε τι χειρίζονται καλύτερα.
Ποιος πρέπει να παρακολουθήσει το μάθημα AI Essentials της Google;
Το μάθημα Google AI Essentials παρέχει μια πολύ αναγκαία υπενθύμιση ότι η προσεκτική ενσωμάτωση της τεχνητής νοημοσύνης στην καριέρα σας είναι σημαντική εάν θέλετε να αποφύγετε τα μειονεκτήματά της. Μερικά σημάδια που πρέπει να αναζητήσετε όταν προσδιορίζετε εάν η τεχνητή νοημοσύνη είναι κατάλληλη για μια εργασία περιλαμβάνουν:
- Είναι το πρόβλημά σας «γεννητικό;» Με άλλα λόγια, χρειάζεται να δημιουργήσετε κείμενο, ήχο, εικόνες ή άλλο περιεχόμενο;
- Θα μπορούσατε να ασκήσετε κριτική και να βελτιώσετε τα αποτελέσματα που δημιουργούνται από την τεχνητή νοημοσύνη; Για παράδειγμα, έχετε στο μυαλό σας μια συγκεκριμένη εικόνα όταν προσπαθείτε να δημιουργήσετε μια διαφήμιση;
- Θα μπορείτε να ελέγξετε το περιεχόμενο που δημιουργείται από AI; Μπορείτε να επαληθεύσετε την ακρίβεια και την πληρότητά του;
Πέρα από αυτά τα πέντε σημεία, βρήκα ότι το μάθημα Google AI Essentials περιέχει ένα θησαυροφυλάκιο εκπαιδευτικού υλικού ιδανικό για όσους δεν είναι εξοικειωμένοι με την τεχνητή νοημοσύνη. Ωστόσο, δεν είναι ιδανικό για μαθητές με γνώσεις τεχνολογίας ή για εκείνους με υπάρχουσα κατανόηση της τεχνητής νοημοσύνης που μπορεί να προτιμούν σε βάθος εναλλακτικές λύσεις όπως τα μαθήματα τεχνητής νοημοσύνης της IBM.
Δυστυχώς, το μάθημα κοστίζει 49 $, αν και περιλαμβάνεται στις συνδρομές Coursera Plus. Ωστόσο, εάν αποφασίσετε να βουτήξετε βαθύτερα στην τεχνητή νοημοσύνη με την Google, σκεφτείτε να παρακολουθήσετε μερικά μαθήματα με τον μήνα Coursera—υπάρχει μια πρακτικά απεριόριστη ποικιλία πόρων που περιμένουν να σας βοηθήσουν να εφαρμόσετε την τεχνητή νοημοσύνη στην καριέρα σας.
