Prezentul și viitorul
Inteligența artificială este deja integrată în multe aplicații. Cercetătorii și developerii lucrează din greu pentru a găsi o cale mai bună de a crea un model de funcație.
Este inteligența artificială o tehnologie din viitorul îndepărtat? Răspunsul este atât da cât și nu. Nu, pentru că aplicațiile AI au devenit parte din viața noastră de zi cu zi. Spre exemplu, recunoașterea facială este un feature pe care îl folosim zi de zi pentru a ne debloca telefoanele. De asemenea, serviciile de traducere sunt acum adaptate îndeaproape la realitate, frazele sunt corecte și chiar întregi documente pot fi traduse în câteva secunde. Mai apoi exista sistemele tip chatbots precum ChatGPT și Copilot, care le oferă studenților o idee nouă de a scrie lucrările.
Acestea sunt doar 3 exemple din aplicațiile IT care nu sunt bazate pe programarea tip if-then. Mai mult, acestea folosesc cantități semnificative de training data, metode avansate de învățare precum supervizarea și învățarea îmbunătățită precum și algoritmi care adesea necesită un complex neural de rețele. Un algoritm AI nu va produce niciodata 0 sau 1 ca un rezultat. Inteligența artificială va oferi întotdeauna probabilitatea unei predicții matematice calculate corect și acest lucru nu va fi niciodata 100%. Inserțiile făcute de inteligența artificială sunt întotdeauna puțin eronate. Această caracteristică necesită ca rezultatele să fie cercetate - deși acest lucru nu neagă potențialul uriaș al acestei tehnologii. Desigur, AI este singura modalitate prin care putem calcula soluții predictibile pentru corelații complexe. Aplicațiile AI sunt precum un coleg inteligent care are multă informație dar ocazional greșește.
AI s-a dezvoltat și în zona logistică. Acum mai bine de 6 ani, echipa de la DACHSER Enterprise Lab din cadrul Fraunhofer IML a început dezvoltarea unor algoritmi pentru a prezice volumele pentru rețeaua DACHSER cu 25 de săptămâni înainte.Acești au inventat și o soluție de recunoaștere a imaginilor pentru a identifica, localiza și măsura pachetele din depozit în timp real. Pentru mai mulți ani, piatra de temelie pentru implementarea AI în cadrul DACHSER s-a folosit strategia în care specialiștii logistici și experții de proces colaborează cu matematicieni și software developers.
Noi și neprevăzute posibilități
Cu siguranță, înteligența artificială poate fi considerată o tehnologie a viitorului. Noi modele continuă să apară, oferind posibilități neașteptate. Un element fruntaș ar fi modelele pentru AI generativ, care folosesc algoritmi avansați, pregătiți pentru sfera maselor de informații de pe internet, pentru a înțelege și crea texte sau imagini. ChatGPT și alte large language models (LLMs) oferă impresia că posedă inteligență. Cu toate acestea, toate elementele lor definitorii sunt bazate pe funcții matematice care prezic o ordine coerentă.
Modelele de bază AI - În acest sector al inteligenței artificiale, un model de fundație este consistent și pregătit în baza unui set de date vas care este compatibil cu mai multe tipuri de aplicații. Există tipuri diferite de modele de fundații, inclusiv LLMs și modele de procesare vizuală. LLMs precum GPT-4 din cadrul OpenAI, Gemini (fostul Bard) și Bert prin Google sau Llama 3 de la meta sunt specializate în înțelegerea și generarea unui limbaj natural. Modele vizuale precum Sora sau DALL-E de la OpenAi sunt construite pentru a genera video-uri și imagini folosind proptere. Precum sugerează și numele, modelele de fundație adesea servesc ca si bază pentru aplicațiile specializate, pentru care aceștia adoptă taskuri specifice sau seturi de date.
În industria robotică, de exemplu, experții experimentează cu modele de fundație ca o metodă de a comunica cu și controla vehicule autonome. Acest lucru ar crește abilitatea roboților de a performa sarcini complexe precum procesarea limbajului natural, al imaginilor, recunoașterea obiectelor sau navigarea autonomă. Aceste modele le permit roboților să învețe cantități uriașe de data și să se adapteze noilor sarcini, medii, fapt ce semnifică oferirea unei flexibilități și a unei porțiuni mari de aplicații. Nu va dura mult până când vom vedea dacă vehiculele autonome din depozite pot fi controlate mai intuitiv și eficient. Cercetări intense sunt făcute la nivel global pe acest subiect.
RAG - o bază mai bună pentru o cercetare de tip AI
Multe cercetări în sectorul AI se concentrează pe retrieval-augmented generation (RAG) care promite să crească calitatea rezultatelor produse de LLMs.În esență, RAG construiește LLMs cu informații de calitate superioară și resurse pentru fiecare caz dat. Acest lucru previne ca LLMs să ofere răspunsuri care nu sunt probabile în mare procentaj sau care nu sunt corecte. Aceste reacții făcute de LLMs sunt denumite drept halucianții și pot diminua încrederea utilizatorilor în inteligența artificială.
Mai multe cercetări făcute pe tematica inteligenței artificiale se concentrează pe o nouă structură a potențialului aplicațiilor. Companii precum DACHSER trebuie să găsească combinația corectă între utilizarea standardizată a aplicațiilor AI și dezvoltarea in-house. Modelele AI trebuie să fie pregătite cu informații interne specifice despre companie, în special pentru procese de logistică și soluții speciale. Informația generală disponibilă pe internet nu este suficientă ca o bază a pregătirii. În același timp, costurile trebuie analizate, în speciale pentru modele AI care necesită o putere considerabilă a computerului, precum și conformitate cu legile din Uniunea Europeană care se aplică pentru aplicațiile AI. Atât industria cât și societatea sunt doar la început în ceea ce privește utilizarea inteligenței artificiale - o călătorie care cu siguranță va dezvălui câteva provocări.
Autor: Andre Kranke, Head of Corporate Research & Development la DACHSER