Штучний інтелект трапляється в пошуку, перекладачах, системах розпізнавання зображень і помічниках для роботи з документами. За однією назвою стоять різні технології та різні задачі. Щоб обрати корисне рішення для компанії, варто розуміти, що саме робить модель, звідки вона отримує інформацію і як перевіряється результат.
Пояснимо основні поняття на простому прикладі: компанія щодня отримує звернення, які потрібно розподілити між працівниками. Частина повідомлень містить чіткий номер заявки, інші написані довільно, з помилками та неповним описом ситуації.
Що називають штучним інтелектом
ШІ — це широка назва підходів до створення систем, які виконують задачі розпізнавання, прогнозування, пошуку рішень або створення вмісту. Різні системи можуть працювати з текстом, зображеннями, звуком чи структурованими даними. Одна модель не обов’язково однаково добре виконує всі ці задачі.
У прикладі зі зверненнями просте правило знаходить повідомлення зі словами «технічна помилка». Модель класифікації може також навчитися пов’язувати із цією темою фразу «не можу відкрити робочий кабінет», навіть якщо потрібного словосполучення немає. Але її висновок усе одно перевіряють на реальних прикладах.
Як пов’язані ШІ, машинне навчання й нейромережі
Машинне навчання — один із підходів у ШІ, коли поведінка моделі налаштовується за прикладами даних. Для класифікації звернень такими прикладами можуть бути повідомлення та правильні категорії, призначені фахівцями. Під час навчання система знаходить закономірності, які допомагають робити передбачення для нових повідомлень.
Нейронні мережі — сімейство моделей машинного навчання. Їх використовують у багатьох сучасних системах роботи з мовою, зображеннями та звуком. Для замовника важлива не сама назва архітектури, а те, чи виконує рішення потрібну задачу на його даних і в його умовах.
Навчальні приклади не мають просто повторювати тестові. Інакше команда може отримати гарні результати на вже знайомих повідомленнях і значно гірші — на нових. Саме тому частину прикладів залишають для окремої перевірки.
Що робить генеративна модель
Генеративні моделі створюють новий текст, зображення чи інший вміст. Мовна модель опрацьовує текст як послідовність токенів — частин слів, слів або інших символів — і формує продовження з урахуванням контексту. Це дозволяє готувати чернетки, пояснювати матеріал або стисло переказувати документ.
У нашому прикладі генеративна модель може підготувати відповідь на звернення. Проте сформульований нею статус заявки потребує фактичної перевірки в обліковій системі. Переконливий тон не є доказом правильності, а впевненість формулювання не замінює посилання на джерело.
Навчання та використання — різні етапи
Під час навчання налаштовуються параметри моделі. Під час використання вже підготовлена модель опрацьовує новий вхід. Компанії не завжди потрібно навчати власну модель з початку: для частини задач можна використати готову й доповнити її пошуком у документах або інтеграцією з сервісами.
Підключення внутрішніх документів через пошук саме по собі не означає перенавчання моделі. Програма знаходить потрібні уривки та додає їх до поточного контексту відповіді. Докладніше цей підхід пояснено в статті про базу знань для ШІ.
Чому виникають помилки
Причини різняться: неоднозначне запитання, відсутній контекст, неякісний документ, незнайома категорія або умови, що відрізняються від перевірених. Система може правильно розпізнати тему звернення, але неправильно витягти номер заявки. Тому оцінювати лише загальне враження від відповіді недостатньо.
Варто розділити перевірку на конкретні питання. Чи правильно визначена категорія? Чи всі наведені факти підтверджені? Чи збережені важливі деталі? Чи помічає система, що для відповіді бракує даних? Для різних операцій критерії та допустимий рівень помилок будуть різними.
Як застосувати ШІ до робочого процесу
Для першої версії нашого умовного сервісу можна залишити чіткий і невеликий обсяг: запропонувати категорію звернення та чернетку відповіді, яку перевіряє працівник. Так команда зможе побачити корисні й помилкові результати до розширення повноважень системи.
- Опишіть вхід: які повідомлення надходять, якими мовами й у якому форматі.
- Узгодьте результат: категорія, короткий підсумок або чернетка відповіді з джерелом.
- Підготуйте різноманітні приклади, включно з неповними та незрозумілими зверненнями.
- Визначте, коли рішення має просити уточнення або передавати задачу людині.
- Порівняйте якість і час роботи з поточним процесом, враховуючи ручні виправлення.
Що варто запам’ятати
ШІ стає частиною корисного продукту разом із даними, програмною логікою, інтерфейсом та підтримкою. Вдала демонстрація допомагає побачити можливість, а перевірка на робочих прикладах показує її практичні межі. Починайте з задачі, правильний результат якої можете пояснити й перевірити.
Якщо система має також працювати з кількома сервісами та обирати наступні кроки, прочитайте матеріал про ШІ-агентів. Він пояснює, як модель стає частиною ширшого програмного рішення.
