Как энтузиасты ИИ, когда друзья или знакомые спрашивают, чем мы занимаемся весь день, мы отвечаем общим заявлением, например: «Я работаю над приложениями ИИ / исследованиями и т. Д.». Поскольку в наши дни ИИ становится очень популярным термином, они могут просить более подробную информацию, что делает окружающую среду несколько ужасной. Это оставляет вас в сложной ситуации. Очевидно, что ИИ очень сложен, и если вы находитесь на вечеринке или на обеде, объяснить это должным образом за короткое время сложно. Вы хотите произвести впечатление на людей своими знаниями и вести беспрепятственный разговор, но их нехватка знаний может стать серьезным препятствием.

После месяцев и месяцев, когда друзья семьи, учителя и одноклассники спрашивали меня, как работает ИИ и что я делаю как разработчик ИИ, я придумал несколько хороших стратегий и аналогий, чтобы объяснить ИИ непрофессионалам. Таким образом, всякий раз, когда вы разговариваете с кем-то, кто спрашивает вас об искусственном интеллекте, вы не нервничаете и не создаете впечатление, будто не знаете, что делаете.

Общие советы

Сначала разберитесь со всеми заблуждениями.

Если люди, которых вы встречаете на вечеринке, плохо понимают, что такое ИИ на самом деле, первым делом нужно развеять все ложные идеи, которые у них были ранее. По моему опыту обучения людей, которые либо молоды, либо не связаны с технологиями, они обычно думают, что система ИИ - это роботизированное сознание, которое может работать само по себе. Если эти заблуждения не будут устранены, когда вы попытаетесь передать основы ИИ, они свяжут свои неверные идеи с тем, что вы им говорите. Это может привести к тому, что вы будете часто отвлекаться от разговора, отвлекая ход ваших мыслей. Самый простой способ начать - это попросить их: «Объясните мне ИИ одним предложением». Я всегда начинаю с этого вопроса, потому что он дает мне основу их знаний и любых неправильных идей, которые у них могут быть. Оттуда у вас есть дорожная карта, куда идти до конца разговора.

Вспомните, как вы изучали ИИ.

Лучший способ объяснить ИИ - научить его так, как вас учили изначально. Что касается меня, то меня впервые познакомил с ИИ и машинным обучением мой отец, и он описал машинное обучение с использованием данных. Если вы похожи на меня и не обладали базовыми знаниями, когда вас впервые учили, использование стратегий, которым вас учили, может очень хорошо сработать. Мой папа объяснил, что машинам можно дать много данных для обучения, и если подумать логически, это имеет большой смысл. Люди, которые спрашивают об ИИ, скорее всего, смогут понять логические объяснения, поэтому просто подумайте, кто вас научил, и выполните те же шаги.

Не вдавайтесь в математику.

Поскольку вы умны, ваши друзья тоже, вероятно, умны, но это не значит, что вам следует начинать описывать им обратное распространение и градиентный спуск. Как ни странно, я видел, как многие люди сразу переходили к описанию того, как оптимизируются параметры модели, что кажется слишком сложным способом обучения ИИ непрофессионала. На вечеринке у вас очень мало времени, чтобы донести свою точку зрения. Вы можете подумать, что доказательство того, что вы знаете математику высокого уровня, заставит вас выглядеть умным, но на самом деле люди будут гораздо больше ценить коммуникативные навыки. Если вы можете изложить сложную тему простым способом для непрофессионалов, они сочтут вас намного умнее, чем если бы вы прочитали им лекцию по математическому анализу.

Будьте лаконичны и хорошо выступайте.

Это общий совет, чтобы кому-нибудь что-нибудь объяснить. Однако это особенно важно при объяснении такой высокоуровневой области, как ИИ. Вы чаще всего представляете свою работу во время групповых встреч или конференций, где каждый хорошо понимает, что вы объясняете. Таким образом, вы, вероятно, больше привыкли использовать жаргон и термины, которые ваши друзья на вечеринке не поймут. Запутывать людей - худший вариант развития событий: из-за этого кажется, что вы не понимаете, что делаете. Убедитесь, что, выступая перед непрофессиональной аудиторией, вы используете непрофессиональные термины и общий язык. Будьте уверенным оратором и позвольте им часто задавать вопросы. Помните, что у вас совсем немного времени с тех пор, как вы были на вечеринке, поэтому вам нужно работать быстро. Чем больше вопросов они задают, тем больше они могут сами сформулировать идеи, что значительно облегчит вашу работу.

Простые аналогии

Фундаментальная предпосылка искусственного интеллекта / машинного обучения заключается в том, что компьютеры используют данные для изучения основных закономерностей и составления прогнозов на основе этих данных. Это утверждение немного сложно для человека, не имеющего опыта в области компьютерных наук. Итак, давайте воспользуемся принципом, на котором основан искусственный интеллект - человеческое обучение. Практически любой должен быть в состоянии понять, как люди учатся выполнять новые задачи, поскольку ваши друзья сами пытались научиться чему-то новому.

Математические тесты

Давайте возьмем пример из колледжа и старшей школы - подготовка к тесту по математике. Это была моя аналогия в течение последних нескольких месяцев.

Когда я готовлюсь к тесту по математике, я всегда выполняю практические задания. Хотя для успешной сдачи теста по математике мне нужно понимать или заранее знать концепции, которые я применяю, мы можем игнорировать эту часть. Пытаться объяснить, как параметры могут быть инициализированы определенными способами интуитивного предварительного обучения, - не лучший первый шаг. Моя цель - просто решить как можно больше математических задач, чтобы получить пятёрку по моему тесту.

По аналогии, студент будет системой ИИ, задачи учебника будут данными обучения, ключом ответа будет метка, а фактический экзамен будет тестовым примером. Это установка для объяснения. Вы должны убедиться, что они понимают, что практика на примерах - отличный способ учиться.

Теперь мы можем объяснить, как выглядит обучение ИИ. Первый шаг в обучении - выполнить все практические задачи 1 раз. Затем вы должны оценить свои ответы и посмотреть, сколько вы ошиблись. Зная, в чем вы ошиблись, вы снова и снова решаете одни и те же проблемы. Затем оцените их еще раз, посмотрите, что вы сделали не так, и повторите все заново. Продолжайте делать это, пока не почувствуете себя готовым. Как видим, каждый раз повторять вопросы - это как подготовка к новой эпохе. Сопоставление ответов и определение того, что вы ошиблись, - это вычисление потерь и обновление ваших параметров.

Этот пример эффективен, потому что большинство людей проделали аналогичную процедуру для подготовки к тестам. Использование соответствующих аналогий снижает объем ваших объяснений, поскольку всякий, кто вас слушает, может соединить точки самостоятельно.

После того, как вы объясните каждый шаг, объясните его более техническими терминами ИИ. Итак, если вы только что закончили объяснять, как исправить свои ответы, быстро опишите, что такое функции потерь. Обязательно следуйте общим советам и объясняйте их на более высоком уровне, например, простой ссылки на вычисление убытков как на «штраф» более чем достаточно для того, чтобы кто-то понял то, о чем вы говорите.

Детские игрушки

Еще один хороший пример - решатель форм игрушки для малышей, такой как this или изображенный на изображении ниже. С помощью этой игрушки малыши должны вставлять определенные формы в отверстия, соответствующие форме. Для детей с небольшими предварительными знаниями эта задача может оказаться практически невыполнимой.

Мы можем использовать этот пример, чтобы показать, что модели искусственного интеллекта часто не имеют предварительных знаний при обучении, поэтому для обучения им требуется так много данных и времени. Малыш должен будет предсказать, в какую форму впишется блок, и как только он попытается это сделать, он сможет получить обратную связь либо от родителей, либо просто понять, что он не подходит. Это процесс вычисления потерь, так как каждый раз, когда малыш видит, подходит ли форма к соответствующему отверстию, он расширяет свои знания и пробует снова. В следующий раз они, скорее всего, сделают это правильно. Этот эвристический процесс - это то, как системы ИИ учатся, и когда они объясняют людям, которые непрофессионалы, они должны быть в состоянии быстро понять. Все понимают процесс проб и ошибок, они просто не знают, что такое эвристика. Этот пример лучше подходит для быстрых чатов, где вы не можете углубиться в подробности.

Темы для углубленного изучения

Эти примеры можно распространить даже на более сложные концепции искусственного интеллекта, такие как полу-контролируемое обучение или самостоятельное обучение. Если вы хотите объяснить полу-контролируемое обучение, поговорите о том, что сбор данных является большой проблемой, и в качестве аналогии объясните, что у вас есть некоторые математические задачи, на которые нет ключа для ответа. Интуитивно понятно, что в любом случае решить проблему без решения - это хорошая идея, но для того, чтобы извлечь из нее уроки, вы должны использовать свои знания о задачах, для которых есть ключи ответа. Чтобы объяснить самостоятельное обучение, используйте идею задач на разминку, которые учащиеся обычно решали в классе. Вы бы взяли проблему, изменили ее сами, создали бы другое решение и решили бы проблему. Это позволит вам понять основную структуру проблем даже без решения.

Затем вы можете перейти к разговору о том, насколько сложен сбор и маркировка реальных данных, что побудит использовать передовые стратегии для максимизации доступных данных. Что касается учебника, обратите внимание, что в некоторых учебниках есть ограниченные задачи, и только нечетные вопросы имеют ключ ответа, но ответы на четные вопросы по-прежнему полезны, независимо от того, знаете ли вы, правильно ли вы ответили. Как вы понимаете, существует множество отличных аналогий, которые могут действительно эффективно представить фундаментальные концепции ИИ.

Последние мысли

Нам, разработчикам ИИ, приходится объяснять непрофессионалам одну из самых сложных задач. Но, к счастью, объяснить это очень легко, потому что ИИ основан на человеческом обучении. У вас, вероятно, есть умные друзья, поэтому описание того, как работает ИИ, когда кто-то спрашивает, должно быть увлекательным, а не неловким опытом, и замечать, когда они начинают понимать то, что вы говорите, весьма полезно. Разговор может быть действительно веселым, если он идет правильно. Работая в новой революционной области технологий, убедитесь, что вы можете правильно передать ИИ людям, которые хотят учиться, не только для того, чтобы произвести на них впечатление, но и чтобы у других было правильное представление об ИИ.