Strojové učenie a neurónové siete
Základom súčasnej AI je strojové učenie (Machine Learning). Je to metóda analýzy dát, ktorá automatizuje budovanie analytických modelov. Vychádza z myšlienky, že systémy sa môžu učiť z dát, identifikovať vzorce a robiť rozhodnutia s minimálnym zásahom človeka. Tento proces je podporený neurónovými sieťami, ktoré sú voľne inšpirované štruktúrou ľudského mozgu, hoci fungujú na čistých matematických princípoch.
Neurónová sieť sa skladá z vrstiev. Vstupná vrstva prijíma dáta, skryté vrstvy ich spracovávajú pomocou váh a predpätí a výstupná vrstva poskytuje výsledok. Počas tréningu sa tieto váhy upravujú tak, aby sa minimalizovala chybovosť. Tento proces si vyžaduje obrovský výpočtový výkon, ktorý poskytujú moderné grafické procesory (GPU).
Ako fungujú Large Language Models (LLM)
LLM sú trénované na predpovedanie textu. Proces prebieha v troch hlavných fázach:
- 01. Pre-training: Model číta miliardy viet a učí sa gramatiku, fakty a štýl písania.
- 02. Fine-tuning: Inžinieri model ladia na konkrétne úlohy, ako je programovanie alebo sumarizácia.
- 03. RLHF: Učenie s posilňovaním z ľudskej spätnej väzby, aby boli odpovede bezpečné a užitočné.
Je dôležité pochopiť, že LLM nemajú prístup k "pravde". Majú prístup k štatistickým koreláciám. Ak model povie, že obloha je modrá, je to preto, že v jeho tréningových dátach sa slová "obloha" a "modrá" vyskytovali často spolu. Pre hlbšie pochopenie rizík navštívte stránku Limity a halucinácie.