7 artykułów
Artykuł wyjaśnia, z czego AI uczy się podejmować decyzje: jakie dane trafiają do modeli, jak są zamieniane na liczby, czym są cechy i przykłady treningowe oraz jak z danych powstają wzorce i przewidywania.
Czym jest model AI i dlaczego stoi za narzędziami typu ChatGPT? Artykuł krok po kroku wyjaśnia, jak model uczy się na danych, czym różni się od tradycyjnego programu oraz z czego składa się w praktyce.
Przełom z 2012 roku, gdy zespół z Toronto wygrał ImageNet modelem AlexNet. Dlaczego połączenie dużych danych, GPU, ReLU i dropout uruchomiło rewolucję głębokiego uczenia w latach 2012-2017?
W latach 1988-2006 AI odchodziła od logiki i systemów ekspertowych na rzecz podejścia statystycznego. Rola Judei Pearla, sieci bayesowskich i kryzysu, który wymusił zmianę paradygmatu.
Narodziny sztucznej inteligencji od warsztatu Dartmouth w 1956 roku, kluczowych badaczy i pierwsze systemy. Podział na podejście symboliczne i koneksjonistyczne oraz jego wpływ na rozwój AI.
Meta AI i KAUST opisują Neural Computers: modele, które nie tylko używają komputera, ale same nim są. Uczą się z nagrań ekranu i akcji użytkownika, łącząc obliczenia, pamięć oraz interfejs w jednej sieci.
Taalas proponuje „Hardcore AI”: model językowy nie jest oprogramowaniem, lecz częścią chipu. Zakodowane w tranzystorach wagi eliminują transfer z pamięci, dając 17 000 tokenów/s, niższe koszty i zużycie energii.
