Czy do zrozumienia AI trzeba znać matematykę?

Do świadomego korzystania i oceny wdrożeń - nie. Do budowania i strojenia modeli - tak, przede wszystkim algebrę liniową, rachunek prawdopodobieństwa i podstawy analizy.

Ile danych potrzeba, żeby wytrenować model?

Od setek przykładów przy dostrajaniu gotowego modelu do milionów przy trenowaniu od zera. Dziś prawie zawsze zaczyna się od modelu wstępnie wytrenowanego - to skraca drogę o rzędy wielkości.

Czy model może być obiektywny?

Nie w sensie absolutnym. Model odzwierciedla dane, na których się uczył, a te powstały w konkretnym kontekście społecznym. Można mierzyć i ograniczać obciążenia, ale nie da się ich całkowicie usunąć - dlatego przy decyzjach dotyczących ludzi wymagany jest nadzór człowieka.

Słownik AI

Multimodalność

multimodality

Zdolność modelu do przetwarzania więcej niż jednego rodzaju danych naraz - tekstu, obrazu, dźwięku, wideo.

Multimodalność oznacza, że model przyjmuje lub generuje dane różnego typu: tekst, obraz, dźwięk, wideo. Model multimodalny potrafi na przykład opisać zdjęcie, przeczytać wykres albo odpowiedzieć na pytanie o zawartość dokumentu w formie skanu.

Jak to działa

Wszystkie rodzaje danych są zamieniane na wspólną przestrzeń reprezentacji. Obraz jest dzielony na fragmenty i kodowany podobnie jak tekst na tokeny, dzięki czemu model może przetwarzać oba typy w jednym przebiegu.