Обучение на изкуствен интелект

След като разгледахме важността на избора на правилните данни за обучение и архитектура, е време да видим как всичко се получава. Последната стъпка е процесът на обучение на ИИ. Построихте сградата, купихте мебелите и сега е време да ги подредите. В тази глава ще обсъдим няколко важни теми, свързани с обучението на ИИ. В контекста на генетичните алгоритми (ГА) ще обясним значението на фитнес функциите и ще свържем това по-широко с обучението с подсилване. След това ще разгледаме разликата между контролирано и неконтролирано обучение.

Въпреки че има някои разлики между тези две концепции, те са групирани заедно, тъй като изкуственият интелект се учи от взаимодействието си със среда. Функциите за фитнес са важни в генетичния анализ (ГА), тъй като решенията трябва да бъдат класирани по някакъв начин, за да могат да бъдат избрани родителите. Следователно е важно да се обмисли коя точно е най-ефективната функция за фитнес.

Нека си представим за момент, че Google Maps използва изкуствен интелект за намиране на най-краткия път. Каква би била функцията за годност? Дали ще бъде най-краткото разстояние? Най-малкият разход на гориво? Най-малкото време за достигане до дестинацията? Винаги има компромиси – сравнително лесно е да се изчисли разстоянието, но ако искате да изчислите времето, трябва да вземете предвид максималната скорост на всеки път, светофарите, пътния трафик, затворените пътища и т.н. Това може да отнеме повече време на системата да оцени решенията и да забави процеса на еволюция. Важно е обаче да имате подходяща функция за годност, тъй като тя определя резултатите, които ще получите. Отговорите за най-бърз път и горивна ефективност може дори да са различни.

Например, ако тренирате шахматен ИИ и му кажете, че броят на фигурите на дъската е функцията за годност, може да получите мат, въпреки че не губите никакви фигури. Ето защо трябва внимателно да се обмисли коя функция за годност да се използва.

Обучението с подсилване е свързано по някакъв начин с това, тъй като включва фитнес функции. То е важно в симулираното обучение – където изкуственият интелект е в симулирана среда и се опитва да постигне някаква цел. Концепцията за обучение с подсилване е, че изкуственият интелект бива възнаграден за това, че прави правилното нещо, и наказан за това, че прави грешно. Например, ако изкуственият интелект е кола в състезателна игра, той получава повече точки за по-бързо достигане на финалната линия, но може също така да загуби точки за движение в грешна посока. По този начин, всяко следващо поколение запазва по-добрите решения, а най-лошите не се възпроизвеждат. Отново, функцията, използвана за оценяване на изкуствения интелект, трябва да бъде внимателно разработена.

На изкуствения интелект трябва да се даде достатъчно пространство, за да се справи с нещата, тъй като може да намери по-добър начин, отколкото очаквате, но ако сте твърде стриктни с функцията за фитнес, тогава той ще намери решението, което искате, което можете да намерите сами. В същия пример със състезателната игра, ако му дадете точки за остри завои, вие сте строги и не му позволявате да експериментира. Възможно е да се окаже, че отклоняването от един завой и поддържането на скорост е по-ефективно в контекста на цялото състезание.

Генетичните алгоритми (ГА), фитнес функциите и обучението с подсилване са свързани, тъй като използват взаимодействия със среда, за да обучават ИИ, като му казват какво е оценено по-високо в резултат на това. Другата парадигма е да не се казва на ИИ дали се справя добре, а просто да се обучава върху набор от данни и да се види какво ще се случи.

При контролираното обучение, въпреки името си, няма човек, който директно да наблюдава процеса на обучение. Разликата идва от вида данни, подавани към ИИ. Контролираното обучение е, когато данните са етикетирани (обикновено от хора). Това означава, че някой е предоставил „правилните отговори“, подобно на подготовката за изпит, като се използват решенията на предишни изпитни въпроси. Това е полезно, когато има ясен очакван резултат и създава модели на ИИ, които са по-предсказуеми и по-малко променливи (имат по-малка вариация в точността и последователността).

Неконтролираното обучение е, когато данните не са етикетирани и изкуственият интелект сканира за модели в самите данни, вместо да прави връзки между тях и етикетите. Това е полезно, когато очакванията са по-субективни, както в писмения английски език – има много начини да се каже едно и също нещо и нито един от тях не е по своята същност грешен. В този случай е непрактично да се етикетират данните и е по-ефективно да се позволи на изкуствения интелект сам да открива модели.

След като вече знаем разликата между контролирано и неконтролирано обучение, която се изразява във вида данни, предоставяни на изкуствения интелект, нека разгледаме приложенията и на двете. В напреднали модели като LLM (ChatGPT) и двете се използват, за да се дадат на изкуствения интелект повече възможности, но за какво е полезен всеки от тях?

Разграничението е важно, тъй като и двата вида обучение имат свои специфични характеристики. Обучението с учител може да е скъпо, тъй като изисква данните да бъдат етикетирани – това е интензивен процес поради обема данни, необходими за обучение на сложен модел. То има предимството, че изкуственият интелект ще знае очаквания резултат, тъй като той е добре дефиниран и ясно структуриран. Неконтролираното обучение, от друга страна, може да използва всякакви данни, които му предоставите, и да се опита да изгради модели от тях. Следователно, то е по-малко експлицитно и структурирано в резултатите, но е по-лесно за обучение, тъй като не изисква специални данни. То е добро в намирането на малки нюанси и модели, които иначе не са очевидни.