Veštačka inteligencija: pojam, primene i etika — informatika za 8. razred

Gradivo za 8. razred

Telefon predlaže sledeću reč dok kucaš, aplikacija za fotografije grupiše slike iste osobe, filter sam izdvaja poruke koje liče na prevaru. Iza toga stoji veštačka inteligencija (VI, engleski AI), oblast računarstva koja pravi programe i mašine koji rešavaju zadatke za koje je potrebna ljudska inteligencija. U 8. razredu uči se kako takvi sistemi uče iz podataka, gde se koriste i zašto mogu da pogreše.

Na ovoj strani ukratko obnavljaš gradivo, a zatim vežbaš u kvizu. Tamo razlikuješ običan program od programa koji uči iz primera, poređaš korake mašinskog učenja, povezuješ situacije sa primenama VI i razvrstavaš koristi i rizike. Pitanja ne traže nazive konkretnih proizvoda, nego razumevanje kako VI radi.

Učitavanje lokalnog napretka...

Vežbaj veštačku inteligenciju →

Zašto vežbati veštačku inteligenciju na Spremku

Ovde se lako pomešaju program koji radi po zapisanom pravilu i sistem koji uči iz primera, senzor koji samo meri i sistem koji predviđa, OCR i prevođenje, korist i rizik. U kvizu razvrstavaš primere, poređaš korake učenja, prepoznaješ odakle dolazi pristrasnost i šta je odgovorno korišćenje VI alata u učenju. Kviz prati gradivo informatike za 8. razred, uz svaki odgovor dobijaš objašnjenje na srpskom, a besplatan je i bez registracije.

Gradivo i objašnjenje

Šta je veštačka inteligencija i kako uči

Brzina nije odlika VI: i kalkulator je brz, ali radi po pravilu koje je programer unapred zapisao. Kod mašinskog učenja pravila se ne zapisuju za svaki slučaj, nego sistem iz mnogo primera sam uočava obrasce, pravilnosti koje se ponavljaju. Koraci su: prikupiti primere, označiti ih (npr. uz svaku sliku upisati koja je cifra), pustiti sistem da uči, pa ga proveriti na novim primerima koje nije video. Naučeni sistem za nov primer daje procenu, koja je obično tačna, ali ne uvek. Više raznovrsnih i tačno označenih primera daje bolji rezultat, a pogrešne oznake ili jednolični primeri dovode do pogrešno naučenog obrasca. VI se oslanja i na matematiku, psihologiju i biologiju; veštačke neuronske mreže nastale su po uzoru na nervne ćelije u mozgu.

Gde se VI koristi

OCR (optičko prepoznavanje znakova) prepoznaje slova na fotografiji ili skenu i pravi od njih tekst koji se može menjati i pretraživati. Prepoznavanje lica uočava da je na više slika ista osoba. Pametno prevođenje uči iz ogromnog broja prevedenih tekstova, ali i dalje može da pogreši u značenju. Glasovni asistent prvo prepoznaje izgovorene reči, pa traži odgovor. Autonomna vozila koriste senzore, kamere i radare. U igrama VI nalazi putanju i bira poteze. Preporuke nude snimke, pesme i proizvode prema ranijem ponašanju, pretraživač rangira stranice, a filter neželjene pošte procenjuje svaku poruku i uči iz tvojih oznaka. Senzori u pametnom gradu samo mere i šalju podatke; VI iz mnogo merenja može da predvidi, npr. zagađenje ili gužvu.

Rizici, etika i odgovorna upotreba

VI nije sama po sebi nepristrasna: ako su podaci za učenje pristrasni ili nepotpuni, i odluke sistema mogu biti nepravedne, npr. govor dece sistem razume lošije ako je učio skoro samo na glasovima odraslih. Prepoznavanje lica na javnim mestima i glasovni asistenti tiču se privatnosti. Kod važne odluke o osobi, kao što je stipendija, ta osoba treba da može da traži da njen slučaj razmotri čovek. VI menja svet rada: neki poslovi se automatizuju, a nastaju novi. VI alati za tekst ponekad izmisle uverljive podatke i izvore, pa se važne informacije proveravaju, a za rad odgovara onaj ko ga predaje. Odgovorno je navesti da je deo rada napravljen uz pomoć VI i koristiti je za razumevanje, a ne umesto sopstvenog rešavanja.

Ključni pojmovi

Mašinsko učenje

Način na koji sistem sam uočava obrasce iz mnogo primera, umesto da programer zapiše pravilo za svaki slučaj.

Oznake primera

Tačni odgovori uz primere za učenje, npr. naziv vrste ptice uz svaki snimak pevanja.

OCR

Optičko prepoznavanje znakova: pretvaranje teksta sa slike ili skena u tekst koji se može menjati.

Pristrasnost

Nepravednost odluka sistema VI koja najčešće potiče iz pristrasnih ili nepotpunih podataka za učenje.

Najčešće greške

Pokreni kviz → Pogledaj povezane oblasti

Sledeći korak

Posle kratkog ponavljanja pokreni kviz, a zatim nastavi kroz povezane oblasti ili se vrati na razredni pregled.

Česta pitanja

Po čemu se mašinsko učenje razlikuje od običnog programa?

Običan program izvršava pravila koja je programer unapred zapisao i na isti ulaz uvek reaguje isto. Sistem mašinskog učenja pravila uočava sam iz mnogo primera, procenjuje nove slučajeve i može da se poboljša kada dobije još podataka.

Zašto veštačka inteligencija greši?

Zato što zaključuje iz primera iz kojih je učila. Ako primera nije bilo dovoljno, ako su bili jednolični ili pogrešno označeni, sistem može da nauči pogrešan obrazac, na primer da vuka prepoznaje po snegu u pozadini.

Kako da koristim VI alate za učenje?

Kao pomoćnika: neka ti objasni postupak, a zatim sam reši slične zadatke. Važne podatke iz odgovora proveri u udžbeniku ili drugom pouzdanom izvoru, ne upisuj tuđe lične podatke i navedi kada si deo rada uradio uz pomoć VI.

Pokreni kviz →