სრული გზამკვლევი

ხელოვნური ინტელექტი (AI): რა არის, როგორ მუშაობს და როგორ გამოვიყენოთ

ხელოვნური ინტელექტი (ინგლ. Artificial Intelligence, AI) არის კომპიუტერული სისტემების უნარი, შეასრულონ ამოცანები, რომლებიც ტრადიციულად ადამიანის გონებას მოითხოვდა: სწავლა, მსჯელობა, ენის გაგება, გამოსახულების ამოცნობა და გადაწყვეტილების მიღება. პროგრამისტი ჩვეულებრივ პროგრამას თითოეულ წესს თვითონ უწერს. ხელოვნურ ინტელექტს კი წესებს არავინ აძლევს, ის მათ მაგალითებიდან სწავლობს.

ტერმინი 1956 წელს, დარტმუთის კონფერენციაზე შემოიღო ჯონ მაკარტიმ. დღეს AI-ის ყველაზე ხილული ფორმა დიდი ენობრივი მოდელებია, როგორიცაა ChatGPT, Claude და Gemini, რომლებიც ქართულ ენასაც ფლობენ.

1956ტერმინის შემოღება
2017ტრანსფორმერი
2022ChatGPT გასაჯაროვდა

მოკლედ: 8 ფაქტი ხელოვნური ინტელექტის შესახებ

ხელოვნური ინტელექტი არის კომპიუტერული სისტემა, რომელიც მონაცემებიდან სწავლობს, და არა წინასწარ ჩაწერილი წესებით მუშაობს.
ტერმინი შემოღებულია 1956 წელს დარტმუთის კონფერენციაზე.
თანამედროვე AI ეყრდნობა ღრმა ნეირონულ ქსელებს და 2017 წელს შექმნილ ტრანსფორმერის არქიტექტურას.
დიდი ენობრივი მოდელი (LLM) არის AI-ის ტიპი, რომელიც ტექსტს ამუშავებს და გენერირებს.
ChatGPT საჯაროდ 2022 წლის 30 ნოემბერს გამოვიდა და AI მასობრივ ინსტრუმენტად აქცია.
დღევანდელი სისტემები ვიწრო ინტელექტია (ANI). ზოგადი ინტელექტი (AGI) ჯერ არ არსებობს.
AI არ ფიქრობს და არ აქვს ცნობიერება. ის სტატისტიკურად პროგნოზირებს შემდეგ სიტყვას.
წამყვანი მოდელები ქართულს გასაგებ დონეზე ფლობენ, თუმცა რთულ ტერმინოლოგიაში ინგლისური მაინც უფრო ზუსტია.

რა არის ხელოვნური ინტელექტი მარტივი სიტყვებით

წარმოიდგინე ორი განსხვავებული მიდგომა. პირველი: პროგრამისტი ზის და კომპიუტერს ათასობით წესს უწერს, თუ როგორ ამოიცნოს სპამ-წერილი. „თუ სათაურში წერია უფასო, ეს სპამია. თუ გამომგზავნელი უცნობია, ეს საეჭვოა.“ ეს ტრადიციული პროგრამირებაა და ის სწრაფად ამოწურავს თავს, რადგან რეალობა ყოველთვის უფრო რთულია, ვიდრე წესების სია.

მეორე მიდგომა: კომპიუტერს აჩვენებ 100 000 ჩვეულებრივ და 100 000 სპამ-წერილს და ეუბნები „იპოვე განსხვავება შენით“. სისტემა თავად პოულობს კანონზომიერებებს, რომელთა ჩამოთვლას ადამიანი ვერც შეძლებდა. სწორედ ეს არის ხელოვნური ინტელექტი.

ტრადიციული პროგრამარეცეპტირეცეპტს მისდევ ზუსტად

ხელოვნური ინტელექტიშეგირდიმაგალითებს აჩვენებ და თავად ერკვევა

განსხვავება ასეთია: ტრადიციული პროგრამა რეცეპტია, ხოლო ხელოვნური ინტელექტი შეგირდი. რეცეპტს მისდევ ზუსტად, შეგირდს კი მაგალითებს აჩვენებ და ის თანდათან თავად ერკვევა საქმეში.

ფიქრობს თუ არა ხელოვნური ინტელექტი: ადამიანი და მანქანა

ადამიანის ინტელექტი სწავლის, გამოცდილების, ემოციებისა და სამყაროს უშუალო აღქმის ერთობლიობაა. ხელოვნური ინტელექტი კი მათემატიკური მოდელია: ის მონაცემებში კანონზომიერებებს პოულობს და მათზე დაყრდნობით პროგნოზს აკეთებს ან ახალ შინაარსს ქმნის.

ადამიანის სილუეტი და ნეირონული ქსელი, ადამიანური და ხელოვნური ინტელექტის შედარება

ამიტომ თანამედროვე სისტემა შეიძლება ადამიანზე სწრაფად ამუშავებდეს ათასობით დოკუმენტს, მაგრამ მას არ აქვს ცნობიერება, საკუთარი მიზნები ან სამყაროს გამოცდილება. კარგი მაგალითია IBM-ის ჭადრაკის კომპიუტერი Deep Blue, რომელმაც 1990-იანი წლების ბოლოს დიდოსტატი გარი კასპაროვი დაამარცხა, თუმცა ჭადრაკის გარდა სხვა არაფერი შეეძლო.

ადამიანიგაგებაგამოცდილება, მიზნები, ცნობიერება

ხელოვნური ინტელექტიპროგნოზიკანონზომიერებები მონაცემებში

დღეს არსებული ყველა სისტემა ვიწრო ხელოვნური ინტელექტია: ის კონკრეტულ ამოცანებში შეიძლება ძალიან ძლიერი იყოს, მაგრამ ადამიანის მსგავსი ზოგადი გონება ჯერ არავის შეუქმნია.

ხელოვნური ინტელექტის ისტორია: ძირითადი თარიღები

1950
ალან ტიურინგი აქვეყნებს ნაშრომს „Computing Machinery and Intelligence“

ისმება კითხვა, შეუძლიათ თუ არა მანქანებს ფიქრი. ჩნდება ტიურინგის ტესტი.
1956
დარტმუთის კონფერენცია

ჯონ მაკარტი შემოიღებს ტერმინს „ხელოვნური ინტელექტი“. სფერო ოფიციალურად იბადება.
1974–1980
პირველი „AI ზამთარი“

დაპირებები არ ხორციელდება, დაფინანსება მკვეთრად მცირდება.
1997
Deep Blue იგებს გარი კასპაროვთან

პირველი შემთხვევა, როცა მანქანა მსოფლიო ჩემპიონს ჭადრაკში ამარცხებს.
2012
AlexNet იმარჯვებს ImageNet-ის კონკურსში

ღრმა ნეირონული ქსელები პრაქტიკულად მუშა ტექნოლოგიად იქცევა.
2017
Google-ის ნაშრომი „Attention Is All You Need“

იქმნება ტრანსფორმერის არქიტექტურა, რომელზეც დღეს ყველა დიდი ენობრივი მოდელი დგას.
2022
ChatGPT-ის საჯარო გამოშვება (30 ნოემბერი)

AI პირველად ხდება ყოველდღიური, მასობრივი ინსტრუმენტი.
2023–2026
მულტიმოდალური მოდელები და AI აგენტები

სისტემები იწყებენ ტექსტის, სურათის, ხმისა და ვიდეოს ერთდროულ დამუშავებას და დამოუკიდებელი ამოცანების შესრულებას.

როგორ მუშაობს ხელოვნური ინტელექტი

ტერმინები ხელოვნური ინტელექტი, მანქანური დასწავლა და ღრმა დასწავლა ხშირად ერთმანეთში ერევა. სინამდვილეში ისინი ერთმანეთში ჩალაგებული შრეებია, დიდიდან პატარამდე.

მანქანური დასწავლა (Machine Learning)

მიდგომა, სადაც სისტემა წესებს მონაცემებიდან გამოაქვს. ეს არის ხელოვნური ინტელექტის ყველაზე ფართო პრაქტიკული ქვედარგი. მაგალითები: სპამ-ფილტრი, ბანკის სისტემა, რომელიც საეჭვო ტრანზაქციას ამოიცნობს, ონლაინ-მაღაზიის რეკომენდაციები.

ღრმა დასწავლა (Deep Learning)

მანქანური დასწავლის უფრო მძლავრი ვერსია, რომელიც ხელოვნურ ნეირონულ ქსელებს იყენებს. ეს არის მრავალშრიანი მათემატიკური მოდელები, რომელთა სტრუქტურა ტვინის ნეირონების კავშირებითაა შთაგონებული. სწორედ ღრმა დასწავლა დგას სახის ამოცნობის, თვითმართვადი მანქანებისა და ენობრივი მოდელების უკან.

ბუნებრივი ენის დამუშავება (NLP)

მიმართულება, რომელიც კომპიუტერს ადამიანის ენის გაგებასა და გენერირებას ასწავლის. ამის გარეშე ვერც ChatGPT იარსებებდა და ვერც ხმოვანი ასისტენტები.

ტრანსფორმერი: არქიტექტურა, რომელმაც ყველაფერი შეცვალა

2017 წელს Google-ის მკვლევრებმა შემოგვთავაზეს არქიტექტურა სახელად ტრანსფორმერი. მისი მთავარი იდეა ყურადღების მექანიზმია: მოდელი წინადადებაში ყველა სიტყვას ერთდროულად ხედავს და თავად წყვეტს, რომელი სიტყვა რომელთან არის მნიშვნელობით დაკავშირებული. სწორედ ამან გახადა შესაძლებელი გრძელი ტექსტების გააზრება და დღევანდელი მოდელების შექმნა.

მონაცემები და სწავლების სამი ტიპი

მანქანური დასწავლის ნებისმიერი სისტემის საწვავი მონაცემებია. იმის მიხედვით, თუ როგორ სწავლობს მოდელი, Google-ის სახელმძღვანელო სამ კლასიკურ მიდგომას გამოყოფს:

ზედამხედველობით სწავლება. მოდელი ბევრ მაგალითს ხედავს სწორ პასუხებთან ერთად და სწავლობს მათ შორის კავშირს. ასე მუშაობს კლასიფიკაცია, მაგალითად სპამის ამოცნობა, და რიცხვითი მნიშვნელობების პროგნოზი.
სწავლება ზედამხედველობის გარეშე. მონაცემებს პასუხები არ ახლავს და მოდელი თავად პოულობს მათში სტრუქტურას. ყველაზე გავრცელებული მეთოდია კლასტერიზაცია, ანუ მსგავსი ობიექტების ჯგუფებად დაყოფა.
განმამტკიცებელი სწავლება. მოდელი გარემოში მოქმედებს და ყოველ ქმედებაზე ჯილდოს ან ჯარიმას იღებს. დროთა განმავლობაში ის სწავლობს იმ სტრატეგიას, რომელიც მეტ ჯილდოს მოუტანს.

გენერაციული ხელოვნური ინტელექტი: როგორ ქმნის ახალ შინაარსს

გენერაციული ხელოვნური ინტელექტი ქმნის ახალ შინაარსს: ტექსტს, სურათს, მუსიკას, ვიდეოს ან კოდს. ის ჯერ არსებულ მონაცემებში სწავლობს კანონზომიერებებს, შემდეგ კი მათზე დაყრდნობით ისეთ რამეს აგენერირებს, რაც სასწავლო მასალაში პირდაპირ არ ყოფილა.

ხმაურის წერტილები, რომლებიც თანდათან მთის პეიზაჟად იქცევა, გენერაციული მოდელის მუშაობის ილუსტრაცია

ტექსტი და კოდი. დიდი ენობრივი მოდელები წერენ, თარგმნიან, აჯამებენ და პროგრამულ კოდს ქმნიან.
სურათი. სურათების გენერაციისთვის ხშირად გამოიყენება დიფუზიის მოდელი: ის სწავლობს, როგორ ამოიღოს გამოსახულებიდან შემთხვევითი ხმაური, და ასე ხმაურისგან ეტაპობრივად ქმნის ახალ სურათს.
ხმა და მუსიკა. მეტყველების სინთეზი, ხმის გახმოვანება და მუსიკალური ფრაგმენტების შექმნა.
ვიდეო. მოკლე კლიპები ტექსტური აღწერით ან ერთი სურათიდან.

იგივე ტექნოლოგია ქმნის ახალ რისკებსაც. ყველაზე ცნობილი მაგალითია დიპფეიკი: რეალისტური, მაგრამ ყალბი ვიდეო ან ხმის ჩანაწერი.

რა არის დიდი ენობრივი მოდელი (LLM)

დიდი ენობრივი მოდელი (Large Language Model, LLM) არის ხელოვნური ინტელექტის ტიპი, რომელიც გაწვრთნილია ტექსტის უზარმაზარ მოცულობაზე: წიგნებზე, სტატიებზე, ვებ-გვერდებსა და კოდზე. მისი ძირითადი ამოცანა ერთი წინადადებით ჩამოყალიბდება: იწინასწარმეტყველოს, რომელი სიტყვა უნდა მოჰყვეს წინას.

ეს მარტივი პრინციპი მასშტაბში საოცარ შედეგს იძლევა. როცა მოდელი მილიარდობით მაგალითზეა ნანახი, სიტყვების პროგნოზირება პრაქტიკულად აზროვნების იმიტაციად იქცევა: ის თარგმნის, აჯამებს, წერს კოდს და პასუხობს კითხვებს.

მნიშვნელოვანია: LLM არ „ფიქრობს“ და არ აქვს ცნობიერება ან განზრახვები. ის სტატისტიკურ გამოთვლას აკეთებს, უბრალოდ იმდენად კარგად, რომ შედეგი გააზრებულ საუბარს ჰგავს.

ხელოვნური ინტელექტის სახეები

შესაძლებლობის მიხედვით: ANI, AGI და ASI

ANIარსებობს

ვიწრო ხელოვნური ინტელექტი

ძლიერია კონკრეტულ ამოცანებში, უნივერსალური გონების გარეშე. ყველა დღევანდელი მოდელი, ChatGPT-ის ჩათვლით, ამ კატეგორიაშია.
AGIჯერ არ არსებობს

ზოგადი ხელოვნური ინტელექტი

ადამიანის დონის უნარები ნებისმიერ ინტელექტუალურ სფეროში. ინდუსტრიის მთავარი მიზანი.
ASIჰიპოთეზა

ხელოვნური სუპერინტელექტი

სისტემა, რომელიც ადამიანის გონებას ყველა სფეროში გადააჭარბებს.

წამყვანი ლაბორატორიების ხელმძღვანელები AGI-ს მიღწევის სხვადასხვა ვადას ასახელებენ, დაწყებული რამდენიმე წლიდან და დამთავრებული ათწლეულებით. კონსენსუსი არ არსებობს. სწორედ ამ განუსაზღვრელობის გამო არის AI-ის უსაფრთხოება და რეგულირება დღეს ერთ-ერთი მთავარი სადისკუსიო თემა.

ფუნქციის მიხედვით: ოთხი ტიპი

ხელოვნური ინტელექტის სახეებს ხშირად ფუნქციის მიხედვითაც ყოფენ. ეს კლასიფიკაცია გვიჩვენებს, რამდენად შორს ვართ ადამიანის მსგავსი გონებისგან:

რეაქტიული მანქანები. მეხსიერება არ აქვთ და მხოლოდ მიმდინარე მონაცემებზე რეაგირებენ. მაგალითად, ჭადრაკის კომპიუტერი Deep Blue ან სარეკომენდაციო სისტემები.
შეზღუდული მეხსიერება. გარკვეული დროით იმახსოვრებენ წარსულ მონაცემებს და მათ გადაწყვეტილებაში იყენებენ. მაგალითად, თვითმართვადი მანქანა, რომელიც სხვა ავტომობილების მოძრაობას აკვირდება.
გონების თეორია. სისტემა, რომელიც ადამიანის ემოციებსა და განზრახვებს გაიგებდა. ჯერ არ არსებობს.
თვითშემეცნებითი ინტელექტი. სისტემა საკუთარი ცნობიერებით. ეს მხოლოდ თეორიული კონცეფციაა.

წამყვანი AI მოდელები: რით განსხვავდებიან

მოდელი	შემქმნელი	ძლიერი მხარე	ვისთვის
ChatGPT	OpenAI	ყველაზე უნივერსალური. ტექსტი, ანალიზი, კოდი, სურათების გენერაცია, ხმოვანი რეჟიმი.	ვინც ერთ ინსტრუმენტში ყველაფერს ეძებს
Claude	Anthropic	გრძელი დოკუმენტების ზუსტი ანალიზი, ბუნებრივი წერის სტილი, ძლიერი კოდირება.	ტექსტთან და კოდთან სამუშაოდ
Gemini	Google	მულტიმოდალურობა და Google-ის სერვისებთან ინტეგრაცია.	Google-ის ეკოსისტემის მომხმარებლისთვის
Grok	SpaceXAI	ვებსა და X-ზე რეალურ დროში ძიება, ახალ ამბებზე სწრაფი პასუხები.	მიმდინარე მოვლენების თვალყურისთვის
Meta-ს ღია მოდელები	Meta	ღია წონები. შეგიძლია საკუთარ სერვერზე გაუშვა.	დეველოპერებისთვის
DeepSeek, Qwen	DeepSeek, Alibaba	ღია მოდელები ძლიერი მათემატიკური და კოდირების უნარებით, დაბალი ფასი.	ვინც ბიუჯეტს ითვლის

კონკრეტული ვერსიები თვეში რამდენჯერმე იცვლება. უახლესი გამოშვებები იხილე ჩვენს კატეგორიაში AI მოდელები, ხოლო მათი შემქმნელები გვერდზე AI კომპანიები.

სად ვხვდებით ხელოვნურ ინტელექტს ყოველდღიურად

AI მხოლოდ ჩატბოტები არ არის. ის წლებია ჩვენს გარშემოა, ხშირად შეუმჩნევლად:

ნავიგაცია. Google Maps ტრაფიკს აანალიზებს და მარშრუტს რეალურ დროში გადათვლის.
სოციალური ქსელები. TikTok-ის, YouTube-ისა და Netflix-ის სარეკომენდაციო ალგორითმები მთლიანად მანქანურ დასწავლაზეა აგებული.
ბანკები. თაღლითური ტრანზაქციების ამოცნობა და საკრედიტო რისკის შეფასება. ქართულ ბანკებშიც უკვე დანერგილია.
მედიცინა. AI ეხმარება რადიოლოგებს რენტგენისა და MRI-ს გაშიფვრაში და აჩქარებს ახალი წამლების შექმნას. ამ თემას ცალკე კატეგორია ეძღვნება: AI მედიცინა.
თარგმანი. ავტომატური თარგმანის ხარისხი ქართულისთვისაც მკვეთრად გაუმჯობესდა ბოლო სამ წელიწადში.
შემოქმედება. ტექსტური აღწერით სურათების, მუსიკისა და ვიდეოს გენერაცია დიზაინერების ყოველდღიური ინსტრუმენტია.
AI აგენტები. სისტემები, რომლებიც უკვე არა მხოლოდ პასუხობენ, არამედ ასრულებენ მრავალსაფეხურიან ამოცანებს. იხილე AI აგენტები.

განათლება, დასაქმება და საჯარო სერვისები

ხელოვნური ინტელექტი სულ უფრო ხშირად მონაწილეობს ადამიანებისთვის მნიშვნელოვან გადაწყვეტილებებში: სასწავლო დაწესებულებაში მიღებაში, რეზიუმეების გადარჩევაში, სოციალური სერვისების ხელმისაწვდომობის შეფასებაში. სწორედ ამიტომ ევროკავშირის კანონი ასეთ სისტემებს მაღალი რისკის კატეგორიაში აერთიანებს და მათ შექმნელებს მკაცრ მოთხოვნებს უყენებს.

ხელოვნური ინტელექტი და ქართული ენა

ქართული მსოფლიო მასშტაბით მცირე ენაა და ეს პირდაპირ აისახება AI-მოდელების ხარისხზე. სასწავლი ტექსტის მოცულობა ქართულად ასჯერ და ათასჯერ ნაკლებია, ვიდრე ინგლისურად, რის გამოც მოდელები ქართულში მეტ შეცდომას უშვებენ. რომელი მოდელი წერს ქართულად უკეთ, ქართული ენის ბენჩმარკის შედეგებით ნახე სტატიაში ხელოვნური ინტელექტი ქართულად.

რასაც პრაქტიკაში შეამჩნევ:

ყოველდღიური საუბარი, თარგმანი და მარტივი ტექსტების წერა ქართულად კარგად მუშაობს.
ვიწრო პროფესიულ ტერმინოლოგიაში (სამართალი, მედიცინა, ინჟინერია) მოდელი ხშირად ინგლისურ ტერმინს პირდაპირ თარგმნის, რაც არაბუნებრივ ქართულს იძლევა.
ქართული ფაქტების ცოდნა შეზღუდულია. ისტორიის, გეოგრაფიისა და ადგილობრივი კონტექსტის შესახებ პასუხები აუცილებლად გადასამოწმებელია.
უფრო დიდი და ახალი მოდელები ქართულს შესამჩნევად უკეთ ფლობენ, ვიდრე პატარები.

პრაქტიკული რჩევა: თუ შედეგის ხარისხი მნიშვნელოვანია, დაავალე ინგლისურად და თარგმნა ცალკე ეტაპად სთხოვე. ხშირად ეს უფრო ზუსტ ქართულს იძლევა, ვიდრე პირდაპირ ქართულად დავალება.

როგორ დავიწყოთ ხელოვნური ინტელექტის გამოყენება

აირჩიე ინსტრუმენტი. ChatGPT, Claude ან Gemini. სამივეს აქვს უფასო ვერსია და სამივეს ესმის ქართული.
დაიწყე რეალური ამოცანით. ზოგადი კითხვები („მიამბე AI-ზე“) არაფერს გასწავლის. სთხოვე კონკრეტული საქმე: ელ-ფოსტის დაწერა, დოკუმენტის შეჯამება, კვირის გეგმის შედგენა.
ისწავლე დავალების სწორად ფორმულირება. პასუხის ხარისხი პირდაპირ დამოკიდებულია იმაზე, რამდენად ზუსტად აღწერ, რა გინდა, ვისთვის და რა ფორმატში. მზა ნიმუშები იხილე პრომპტების ბიბლიოთეკაში.
ყოველთვის გადაამოწმე. განსაკუთრებით ციფრები, თარიღები, ციტატები და სახელები.
გააფართოვე წრე. სურათების გენერაცია, ხმის სინთეზი, კოდის ასისტენტები. სრული სია: AI ინსტრუმენტების კატალოგი.

რისკები და შეზღუდვები

ჰალუცინაციები

ყველაზე გავრცელებული პრობლემა. მოდელი დამაჯერებელი ტონით იგონებს ფაქტებს, ციტატებს, კანონის მუხლებსა და წყაროებს, რომლებიც არ არსებობს. ეს ხარვეზი კი არა, ტექნოლოგიის თვისებაა: სისტემა ყოველთვის ყველაზე სავარაუდო ტექსტს აგენერირებს, მაშინაც კი, როცა სწორი პასუხი არ იცის.

კონფიდენციალურობა

AI-სთვის გაგზავნილი ტექსტი შენს მოწყობილობას ტოვებს. პერსონალური მონაცემები, სამედიცინო ინფორმაცია, კომერციული საიდუმლო და პაროლები არ ჩაწერო, თუ არ იცი, როგორ ინახება ეს მონაცემები.

მიკერძოება

მოდელი სწავლობს ინტერნეტიდან და მასთან ერთად ითვისებს იქ არსებულ სტერეოტიპებსა და დისბალანსს. შედეგი შეიძლება სისტემურად მიკერძოებული აღმოჩნდეს, განსაკუთრებით არაინგლისურენოვან და მცირერიცხოვან ჯგუფებთან მიმართებით.

დეზინფორმაცია

ვიდეოსა და ხმის გენერაციის ხარისხმა deepfake-ის შექმნა ტექნიკურად ხელმისაწვდომი გახადა. ვიდეო აღარ არის ავტომატურად სანდო მტკიცებულება.

სამუშაო ადგილები

რუტინული ამოცანები ავტომატიზდება, თუმცა ისტორიულად ტექნოლოგიები პროფესიებს უფრო გარდაქმნიან, ვიდრე სპობენ. ყველაზე პრაქტიკული სტრატეგია AI-ის ინსტრუმენტად ათვისებაა.

ხელოვნური ინტელექტის ეთიკა და რეგულირება

რაც უფრო ფართოდ ვრცელდება ტექნოლოგია, მით მეტი ქვეყანა და საერთაშორისო ორგანიზაცია აწესებს წესებს, რომ ხელოვნური ინტელექტი ადამიანის უფლებებს არ ლახავდეს და უსაფრთხო იყოს.

სასწორი და დამცავი ფარი ციფრული გლობუსის წინ, ხელოვნური ინტელექტის ეთიკისა და რეგულირების სიმბოლო

OECD-ის პრინციპები

ეკონომიკური თანამშრომლობისა და განვითარების ორგანიზაციამ (OECD) ხელოვნური ინტელექტის პრინციპები 2019 წლის მაისში მიიღო და 2024 წლის მაისში განაახლა. ეს იყო პირველი სახელმწიფოთაშორისი სტანდარტი სანდო ხელოვნური ინტელექტისთვის. პრინციპები მოიცავს ინკლუზიურ ზრდას, ადამიანის უფლებებისა და დემოკრატიული ღირებულებების პატივისცემას, გამჭვირვალობას, უსაფრთხოებასა და ანგარიშვალდებულებას.

UNESCO-ს რეკომენდაცია ეთიკის შესახებ

2021 წლის ნოემბერში UNESCO-ს 193-მა წევრმა სახელმწიფომ მიიღო რეკომენდაცია ხელოვნური ინტელექტის ეთიკის შესახებ, ამ სფეროში პირველი გლობალური სტანდარტი. მისი ცენტრშია ადამიანის უფლებები და ღირსება, გამჭვირვალობა, სამართლიანობა და ადამიანის მიერ ზედამხედველობა.

ევროკავშირის კანონი ხელოვნური ინტელექტის შესახებ

ევროკავშირის რეგულაცია 2024/1689, ცნობილი როგორც AI Act, ძალაში 2024 წლის 1 აგვისტოს შევიდა. კანონი სისტემებს რისკის ოთხ დონედ ყოფს:

მიუღებელი რისკი. აკრძალული პრაქტიკა, მაგალითად სოციალური სკორინგი. აკრძალვები 2025 წლის თებერვლიდან მოქმედებს.
მაღალი რისკი. სისტემები განათლებაში, დასაქმებაში, კრიტიკულ ინფრასტრუქტურასა და სხვა მგრძნობიარე სფეროებში. მათ მკაცრი მოთხოვნები ეხება.
გამჭვირვალობის რისკი. ადამიანმა უნდა იცოდეს, რომ ჩატბოტს ესაუბრება, ხოლო დიპფეიკები ნათლად უნდა იყოს მონიშნული.
მინიმალური რისკი. მაგალითად, სპამ-ფილტრები და ვიდეოთამაშები. ამ სისტემებს კანონი დამატებით წესებს არ უწესებს.

მითები და რეალობა ხელოვნური ინტელექტის შესახებ

მითი: მას ცნობიერება აქვს

რეალობა: დღევანდელი მოდელები მონაცემებში კანონზომიერებებს იყენებენ. მათ არ აქვთ გრძნობები, სურვილები ან საკუთარი მიზნები.

მითი: ის ყოველთვის მართალია

რეალობა: მოდელი შეიძლება დამაჯერებლად მოიგონოს ფაქტი. მნიშვნელოვანი ინფორმაცია ყოველთვის გადაამოწმე სანდო წყაროში.

მითი: გამოსაყენებლად პროგრამისტი უნდა იყო

რეალობა: თანამედროვე ჩატბოტებს ჩვეულებრივი ენით ესაუბრები. საკმარისია მკაფიოდ ჩამოაყალიბო, რა გჭირდება.

მითი: ის სრულიად ობიექტურია

რეალობა: მოდელი ადამიანების შექმნილ მონაცემებზე სწავლობს და შეიძლება მათში არსებული მიკერძოება გაიმეოროს ან გააძლიეროს.

AI ტერმინების მოკლე ლექსიკონი

ალგორითმი: ნაბიჯების თანმიმდევრობა, რომლითაც კომპიუტერი ამოცანას წყვეტს.
ნეირონული ქსელი: მრავალშრიანი მათემატიკური მოდელი, რომლის სტრუქტურა ტვინის ნეირონების კავშირებითაა შთაგონებული.
ტოკენი: ტექსტის მინიმალური ერთეული, რომლითაც მოდელი ოპერირებს. დაახლოებით სიტყვის ნაწილი.
პრომპტი: დავალება, რომელსაც მოდელს აძლევ.
ჰალუცინაცია: შემთხვევა, როცა მოდელი არარსებულ ფაქტს დამაჯერებლად წარმოადგენს.
ფაინთიუნინგი: უკვე გაწვრთნილი მოდელის დამატებითი წვრთნა კონკრეტული ამოცანისთვის.
კონტექსტის ფანჯარა: ტექსტის მოცულობა, რომლის ერთდროულად დამახსოვრებაც მოდელს შეუძლია.
მულტიმოდალურობა: ტექსტის, სურათის, ხმისა და ვიდეოს ერთდროულად დამუშავების უნარი.
ღია წონები (open weights): მოდელი, რომლის პარამეტრები საჯაროდაა ხელმისაწვდომი და საკუთარ სერვერზე გაშვება შეიძლება.
AI აგენტი: სისტემა, რომელიც არა მხოლოდ პასუხობს, არამედ დამოუკიდებლად ასრულებს მრავალსაფეხურიან ამოცანას.
გენერაციული ხელოვნური ინტელექტი: სისტემა, რომელიც სასწავლო მონაცემების საფუძველზე ახალ ტექსტს, სურათს, ხმას ან ვიდეოს ქმნის.
ტრანსფორმერი: ნეირონული ქსელის არქიტექტურა ყურადღების მექანიზმით, რომელზეც თანამედროვე ენობრივი მოდელებია აგებული.
ემბედინგი: ტექსტის ან სხვა მონაცემის რიცხვითი ვექტორი, სადაც მნიშვნელობით მსგავსი ობიექტები ერთმანეთთან ახლოსაა.
RAG: მეთოდი, როცა მოდელი პასუხის გაცემამდე გარე დოკუმენტებში ეძებს შესაბამის ინფორმაციას და მას პასუხში იყენებს.
RLHF: მოდელის გაწვრთნა ადამიანების შეფასებების საფუძველზე, რათა პასუხები უფრო სასარგებლო და უსაფრთხო გახდეს.
AGI: ზოგადი ხელოვნური ინტელექტი: ჰიპოთეტური სისტემა ადამიანის დონის უნარებით ნებისმიერ ინტელექტუალურ ამოცანაში.

ყველა ტერმინი განმარტებებით იხილე სრულ AI ლექსიკონში.

ხშირად დასმული კითხვები

რა არის ხელოვნური ინტელექტი მარტივად?

ხელოვნური ინტელექტი არის კომპიუტერული სისტემა, რომელიც მონაცემებიდან სწავლობს და შემდეგ ისეთ ამოცანებს ასრულებს, რომლებიც ადამიანის გონებას მოითხოვდა: ტექსტის წერას, სურათის ამოცნობას, თარგმნას, პროგნოზირებას.

ვინ შექმნა ხელოვნური ინტელექტი?

ერთი ავტორი არ არსებობს. ტერმინი 1956 წელს ჯონ მაკარტიმ შემოიღო, თეორიული საფუძველი კი 1950 წელს ალან ტიურინგმა ჩაუყარა. თანამედროვე AI ათწლეულების კოლექტიური მუშაობის შედეგია.

უფასოა თუ არა ChatGPT და მსგავსი ინსტრუმენტები?

ძირითადი ვერსიები უფასოა. ფასიანი გამოწერები, ჩვეულებრივ თვეში 20 დოლარიდან, უფრო მძლავრ მოდელებსა და მაღალ ლიმიტებს იძლევა. დასაწყებად უფასო ვერსია სავსებით საკმარისია.

ესმის თუ არა ხელოვნურ ინტელექტს ქართული?

დიახ. ChatGPT, Claude და Gemini ქართულს გასაგებ დონეზე ფლობენ და ხარისხი ყოველ თაობასთან ერთად უმჯობესდება. რთულ პროფესიულ ტერმინოლოგიაში ინგლისური მაინც უფრო ზუსტია.

რით განსხვავდება ChatGPT, Claude და Gemini?

სამივე დიდი ენობრივი მოდელია. ChatGPT ყველაზე უნივერსალურია, Claude ძლიერია გრძელ ტექსტებსა და კოდში, Gemini კი Google-ის სერვისებთანაა ინტეგრირებული. საუკეთესო არჩევანი დამოკიდებულია იმაზე, რას აკეთებ ყოველდღიურად.

არის თუ არა ხელოვნური ინტელექტი საშიში?

დღევანდელი რისკები პრაქტიკულია და არა ფანტასტიკური: დეზინფორმაცია, ჰალუცინაციები, პერსონალური მონაცემების გაჟონვა და მიკერძოებული გადაწყვეტილებები. გრძელვადიან რისკებზე, რომლებიც AGI-ს უკავშირდება, კონსენსუსი არ არსებობს და მსოფლიოში აქტიური დისკუსია მიმდინარეობს.

შეიძლება თუ არა AI-ს ვენდო სამედიცინო ან იურიდიულ კითხვებში?

საორიენტაციო ინფორმაციისთვის კი, გადაწყვეტილების მისაღებად არა. ჰალუცინაციების რისკის გამო კრიტიკულ საკითხებში AI დამხმარეა და არა სპეციალისტის ჩამნაცვლებელი.

წაართმევს თუ არა AI ადამიანებს სამსახურს?

ნაწილობრივ ავტომატიზდება რუტინული ამოცანები, მაგრამ ისტორიულად ტექნოლოგიები პროფესიებს გარდაქმნიან და არა სპობენ. უპირატესობას იღებს ის, ვინც AI-ს ინსტრუმენტად ისწავლის.

რა განსხვავებაა AI-სა და მანქანურ დასწავლას შორის?

ხელოვნური ინტელექტი ფართო ცნებაა, მანქანური დასწავლა კი მისი ქვედარგი, სადაც სისტემა წესებს მონაცემებიდან იძენს. ღრმა დასწავლა თავის მხრივ მანქანური დასწავლის ქვედარგია.

არსებობს თუ არა AGI დღეს?

არა. ყველა არსებული სისტემა, ChatGPT-ის ჩათვლით, ვიწრო ინტელექტია (ANI). AGI, ანუ ადამიანის დონის ზოგადი ინტელექტი, ჯერ არ შექმნილა.

რა არის გენერაციული ხელოვნური ინტელექტი?

გენერაციული ხელოვნური ინტელექტი არსებულ მონაცემებში სწავლობს კანონზომიერებებს და მათზე დაყრდნობით ქმნის ახალ შინაარსს: ტექსტს, სურათს, მუსიკას, ვიდეოს ან კოდს. ამის მაგალითებია ჩატბოტები და სურათების გენერატორები.

რა სახის ხელოვნური ინტელექტი არსებობს?

შესაძლებლობის მიხედვით გამოყოფენ ვიწრო (ANI), ზოგად (AGI) და სუპერინტელექტს (ASI). დღეს მხოლოდ ვიწრო არსებობს. ფუნქციის მიხედვით კი ოთხ ტიპს: რეაქტიული მანქანები, შეზღუდული მეხსიერება, გონების თეორია და თვითშემეცნებითი ინტელექტი. ბოლო ორი ჯერ არ შექმნილა.

როგორ რეგულირდება ხელოვნური ინტელექტი?

საერთაშორისო დონეზე მოქმედებს OECD-ის პრინციპები და UNESCO-ს რეკომენდაცია ეთიკის შესახებ. ევროკავშირის კანონი AI Act სისტემებს რისკის ოთხ დონედ ყოფს: მიუღებელი რისკის პრაქტიკა აკრძალულია, მაღალი რისკის სისტემებს კი მკაცრი მოთხოვნები ეხება.

ფიქრობს თუ არა ხელოვნური ინტელექტი ადამიანივით?

არა. ის მონაცემებში კანონზომიერებებს პოულობს და მათზე დაყრდნობით პროგნოზს აკეთებს. მას არ აქვს ცნობიერება, გრძნობები ან საკუთარი მიზნები, თუმცა მისი პასუხები ხშირად გააზრებულ საუბარს ჰგავს.

დაკავშირებული მასალა LLM.GE-ზე

ბოლო განახლება: 2026 წლის ნოემბერი. მასალა მომზადებულია LLM.GE-ის რედაქციის მიერ.