ചുരുക്ക ഉത്തരം: AI എന്നാൽ കൃത്രിമബുദ്ധി : പഠനം, യുക്തി, ധാരണ, ഭാഷ തുടങ്ങിയ ബുദ്ധിപരമായ പെരുമാറ്റവുമായി ബന്ധപ്പെട്ട ജോലികൾ ചെയ്യുന്നതിനായി രൂപകൽപ്പന ചെയ്തിരിക്കുന്ന മനുഷ്യനിർമിത സംവിധാനങ്ങൾ. ഒരു ഉപകരണം ഡാറ്റയിൽ നിന്ന് പഠിക്കുകയും അപരിചിതമായ സാഹചര്യങ്ങൾ കൈകാര്യം ചെയ്യാൻ കഴിയുകയും ചെയ്യുന്നുവെങ്കിൽ, അത് AI-യോട് അടുത്ത് നിൽക്കുന്നു; അത് നിശ്ചിത നിയമങ്ങളിൽ പ്രവർത്തിക്കുന്നുവെങ്കിൽ, അത് പ്രാഥമികമായി ഓട്ടോമേഷൻ ആണ്.
പ്രധാന കാര്യങ്ങൾ:
നിർവചനം : AI എന്നാൽ കൃത്രിമബുദ്ധി എന്നാണ് അർത്ഥമാക്കുന്നത് - പഠനം, യുക്തി, ധാരണ അല്ലെങ്കിൽ ഭാഷാ ജോലികൾ നിർവഹിക്കുന്ന സംവിധാനങ്ങൾ.
യാഥാർത്ഥ്യ പരിശോധന : അത് പഠിക്കുകയോ സാമാന്യവൽക്കരിക്കുകയോ ചെയ്യുന്നില്ലെങ്കിൽ, അത് നിയമങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള സോഫ്റ്റ്വെയർ ആയിരിക്കാനാണ് സാധ്യത.
ദുരുപയോഗ പ്രതിരോധം : കമ്പനികൾ ലളിതമായ ഓട്ടോമേഷനെ AI ആയി മാർക്കറ്റ് ചെയ്യുമ്പോൾ "AI" ലേബലുകളെ സംശയത്തോടെ പരിഗണിക്കുക.
ഉത്തരവാദിത്തം : ഉയർന്ന അപകടസാധ്യതയുള്ള ഉപയോഗങ്ങളിൽ, പേരുള്ള ഒരു മനുഷ്യനോ സ്ഥാപനമോ ഫലങ്ങളുടെയും പിശകുകളുടെയും ഉടമസ്ഥാവകാശം വഹിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കുക.
സുതാര്യത : പരിമിതികൾ വിശദീകരിക്കുന്ന, മൂല്യനിർണ്ണയ ഫലങ്ങൾ പങ്കിടുന്ന, തീരുമാനങ്ങളെ എങ്ങനെ വെല്ലുവിളിക്കാമെന്ന് വ്യക്തമാക്കുന്ന ഉപകരണങ്ങൾ തിരഞ്ഞെടുക്കുക.
ഇതിനു ശേഷം നിങ്ങൾക്ക് വായിക്കാൻ ഇഷ്ടപ്പെട്ടേക്കാവുന്ന ലേഖനങ്ങൾ:
🔗 ജനറേറ്റീവ് AI യുടെ പ്രധാന ലക്ഷ്യം ലളിതമായി വിശദീകരിച്ചു
ജനറേറ്റീവ് AI എന്താണ് സൃഷ്ടിക്കാൻ ലക്ഷ്യമിടുന്നതെന്നും അത് എന്തുകൊണ്ട് പ്രധാനമാണെന്നും മനസ്സിലാക്കുക.
🔗 AI അമിതമായി പ്രചരിപ്പിക്കപ്പെട്ടതാണോ അതോ യഥാർത്ഥത്തിൽ പരിവർത്തനാത്മകമാണോ?
AI വാഗ്ദാനങ്ങൾ, പരിധികൾ, യഥാർത്ഥ ലോകത്തിലെ ആഘാതം എന്നിവയെക്കുറിച്ചുള്ള സമതുലിതമായ ഒരു വീക്ഷണം.
🔗 ടെക്സ്റ്റ്-ടു-സ്പീച്ച് AI സാങ്കേതികവിദ്യ ഉപയോഗിച്ചാണോ പ്രവർത്തിക്കുന്നത്?
ആധുനിക ടിടിഎസ് എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്നും അതിനെ ബുദ്ധിപരമാക്കുന്നത് എന്താണെന്നും മനസ്സിലാക്കുക.
🔗 കൂട്ടക്ഷര കൈയക്ഷരം കൃത്യമായി വായിക്കാൻ AI-ക്ക് കഴിയുമോ?
OCR പരിധികളും മോഡലുകൾ ക്രമരഹിതമായ കഴ്സീവ് ടെക്സ്റ്റ് എങ്ങനെ കൈകാര്യം ചെയ്യുമെന്നും പര്യവേക്ഷണം ചെയ്യുക.
AI യുടെ പൂർണ്ണ രൂപം (ഹ്രസ്വവും വ്യക്തവുമായ ഉത്തരം) ✅🤖
AI യുടെ പൂർണ്ണ രൂപം ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എന്നാണ് .
രണ്ട് വാക്കുകൾ. വലിയ പ്രത്യാഘാതങ്ങൾ.
-
കൃത്രിമം = മനുഷ്യർ നിർമ്മിച്ചത്
-
ബുദ്ധിശക്തി = ഏറ്റവും പ്രധാനപ്പെട്ട കാര്യം (കാരണം ആളുകൾ "ബുദ്ധിശക്തി" എന്താണെന്ന് വാദിക്കുന്നു - ശാസ്ത്രജ്ഞർ, തത്ത്വചിന്തകർ, ബുദ്ധിശക്തി എന്നാൽ "ക്രിക്കറ്റ് സ്ഥിതിവിവരക്കണക്കുകൾ അറിയുക" എന്ന് കരുതുന്ന നിങ്ങളുടെ അമ്മാവൻ 😅)
ശുദ്ധവും വ്യാപകമായി ഉപയോഗിക്കപ്പെടുന്നതുമായ ഒരു അടിസ്ഥാന നിർവചനം ഇതാണ്: പഠനം, ന്യായവാദം, ധാരണ, ഭാഷ എന്നിവ പോലുള്ള ബുദ്ധിപരമായ പെരുമാറ്റവുമായി സാധാരണയായി ബന്ധപ്പെട്ടിരിക്കുന്ന ജോലികൾ ചെയ്യാൻ കഴിയുന്ന സംവിധാനങ്ങൾ നിർമ്മിക്കുന്നതിനെക്കുറിച്ചാണ് AI. [1]
അതെ - AI യുടെ പൂർണ്ണരൂപം വീണ്ടും കാണാൻ കഴിയും കാരണം (1) ഇത് വായനക്കാരെ സഹായിക്കുന്നു, (2) സെർച്ച് എഞ്ചിനുകൾ ചെറിയ ഗ്രെംലിനുകളാണ് 😬.
പ്രായോഗികമായി "AI" എന്താണ് അർത്ഥമാക്കുന്നത് (നിർവചനങ്ങൾ സങ്കീർണ്ണമാകുന്നത് എന്തുകൊണ്ട്) 🧠🧩
കാര്യം ഇതാണ്: AI എന്നത് ഒരു മേഖലയാണ് , ഒരൊറ്റ ഉൽപ്പന്നമല്ല.
ചില ആളുകൾ "AI" എന്നതിന്റെ അർത്ഥം:
-
"ബുദ്ധിമാനായ ഏജന്റുമാരെ" പോലെ പ്രവർത്തിക്കുന്ന സംവിധാനങ്ങൾ (ലക്ഷ്യങ്ങൾ നേടുന്നതിനുള്ള തീരുമാനങ്ങൾ എടുക്കൽ), അല്ലെങ്കിൽ
-
"മനുഷ്യ-ശൈലി" ജോലികൾ പരിഹരിക്കുന്ന സംവിധാനങ്ങൾ (ദർശനം, ഭാഷ, ആസൂത്രണം), അല്ലെങ്കിൽ
-
ഡാറ്റയിൽ നിന്ന് പാറ്റേണുകൾ പഠിക്കുന്ന സിസ്റ്റങ്ങൾ (അവിടെയാണ് ML ദൃശ്യമാകുന്നത്).
അതുകൊണ്ടാണ് ആരാണ് സംസാരിക്കുന്നത് എന്നതിനെ ആശ്രയിച്ച് നിർവചനങ്ങൾ അല്പം ചാഞ്ചാടുന്നത് - ഗൗരവമേറിയ റഫറൻസുകൾ ആദ്യം AI ആയി കണക്കാക്കുന്ന കാര്യങ്ങളിൽ
ആളുകൾ എന്തിനാണ് "AI യുടെ പൂർണ്ണ രൂപം" ഇത്രയധികം ചോദിക്കുന്നത് (അതൊരു മണ്ടൻ ചോദ്യമല്ല) 👀📌
അതൊരു ബുദ്ധിപരമായ ചോദ്യമാണ്, കാരണം:
-
എന്നത് ഒരൊറ്റ കാര്യം പോലെ (അതല്ല) വെറുതെ ഉപയോഗിക്കപ്പെടുന്നു
-
ഫാൻസി ഓട്ടോമേഷൻ മാത്രമുള്ള ഉൽപ്പന്നങ്ങളിൽ കമ്പനികൾ "AI" അടിച്ചേൽപ്പിക്കുന്നു.
-
"AI" എന്നത് ഒരു ശുപാർശ സംവിധാനം മുതൽ ഒരു ചാറ്റ്ബോട്ട്, ഭൗതിക ഇടം നാവിഗേറ്റ് ചെയ്യുന്ന റോബോട്ടിക്സ് വരെ എന്തും അർത്ഥമാക്കാം 🤖🛞
-
ആളുകൾ AI-യെ ML, ഡാറ്റ സയൻസ്, അല്ലെങ്കിൽ "ഇന്റർനെറ്റ്" എന്നിവയുമായി കൂട്ടിക്കലർത്തുന്നു, അത്... ഒരു തരംഗമാണ്, പക്ഷേ ശരിയല്ല 😅
കൂടാതെ: AI ഒരു യഥാർത്ഥ മേഖലയും മാർക്കറ്റിംഗ് പദവുമാണ്. അതിനാൽ അടിസ്ഥാനകാര്യങ്ങളിൽ നിന്ന് ആരംഭിക്കുന്നത് - AI യുടെ പൂർണ്ണ രൂപം - ശരിയായ നീക്കമാണ്.
ഒരു ലളിതമായ “സ്പോട്ട്-ദി-എഐ” ചെക്ക്ലിസ്റ്റ് (നിങ്ങൾ വഴിതെറ്റിക്കപ്പെടാതിരിക്കാൻ) 🕵️♀️🤖
എന്തെങ്കിലും "AI" ആണോ അതോ വെറും... ഹൂഡി ധരിച്ച സോഫ്റ്റ്വെയർ ആണോ എന്ന് കണ്ടെത്താൻ ശ്രമിക്കുകയാണെങ്കിൽ:
-
അത് ഡാറ്റയിൽ നിന്ന് പഠിക്കുന്നുണ്ടോ? (അതോ കൂടുതലും നിയമങ്ങൾ/എങ്കിൽ-പിന്നെ യുക്തിയാണോ?)
-
പുതിയ സാഹചര്യങ്ങൾക്ക് അനുയോജ്യമാണോ ഇത്? (അതോ ഇടുങ്ങിയതും മുൻകൂട്ടി തയ്യാറാക്കിയതുമായ കേസുകൾ മാത്രം കൈകാര്യം ചെയ്യണോ?)
-
നിങ്ങൾക്ക് അത് വിലയിരുത്താൻ കഴിയുമോ? (കൃത്യത, പിശക് നിരക്കുകൾ, എഡ്ജ് കേസുകൾ, പരാജയ മോഡുകൾ?)
-
ഉയർന്ന ഓഹരി ഉപയോഗത്തിന് മനുഷ്യ മേൽനോട്ടം ഉണ്ടോ? (പ്രത്യേകിച്ച് നിയമനം, ആരോഗ്യം, ധനകാര്യം, വിദ്യാഭ്യാസം)
ഇത് എല്ലാ നിർവചന ചർച്ചകളെയും മാന്ത്രികമായി പരിഹരിക്കുന്നില്ല - പക്ഷേ മാർക്കറ്റിംഗ് മൂടൽമഞ്ഞിനെ മറികടക്കാനുള്ള ഒരു പ്രായോഗിക മാർഗമാണിത്.
ഒരു നല്ല AI വിശദീകരണത്തിൽ പരിധികൾ ഉൾപ്പെടുന്നത് എന്തുകൊണ്ട് (കാരണം AI-യിൽ ധാരാളം ഉണ്ട്) 🚧
AI-യുടെ ഒരു ഉറച്ച വിശദീകരണം, AI-ക്ക് ഇനിപ്പറയുന്നവ ആകാമെന്ന് സൂചിപ്പിക്കണം:
-
ഇടുങ്ങിയ ജോലികളിൽ അത്ഭുതം (ചിത്രങ്ങളെ തരംതിരിക്കൽ, പാറ്റേണുകൾ പ്രവചിക്കൽ)
-
സാമാന്യബുദ്ധിയിൽ (സന്ദർഭം, അവ്യക്തത, "ഒരു സാധാരണ മനുഷ്യൻ തീർച്ചയായും എന്തുചെയ്യും") അതിശയകരമാംവിധം
മുട്ട പുഴുങ്ങാൻ രേഖാമൂലമുള്ള നിർദ്ദേശങ്ങൾ ആവശ്യമുള്ള, പെർഫെക്റ്റ് സുഷി ഉണ്ടാക്കുന്ന ഒരു പാചകക്കാരനെപ്പോലെയാണിത്.
കൂടാതെ: ആധുനിക AI സിസ്റ്റങ്ങൾ ആത്മവിശ്വാസത്തോടെ തെറ്റായിരിക്കാം , അതിനാൽ ഉത്തരവാദിത്തമുള്ള AI മാർഗ്ഗനിർദ്ദേശം "ഓ, അത് കാര്യങ്ങൾ സൃഷ്ടിക്കുന്നു" എന്നതിലുപരി വിശ്വാസ്യത, സുതാര്യത, സുരക്ഷ, പക്ഷപാതം, ഉത്തരവാദിത്തം
താരതമ്യ പട്ടിക: സഹായകരമായ AI ഉറവിടങ്ങൾ (അടിസ്ഥാനമാക്കിയുള്ളതാണ്, ക്ലിക്ക്ബെയ്റ്റ് അല്ല) 🧾🤖
ഇതാ ഒരു പ്രായോഗിക മിനി-മാപ്പ് - നിർവചനങ്ങൾ, സംവാദങ്ങൾ, പഠനം, ഉത്തരവാദിത്തപരമായ ഉപയോഗം എന്നിവ ഉൾക്കൊള്ളുന്ന അഞ്ച് ഉറച്ച വിഭവങ്ങൾ
| ഉപകരണം / വിഭവം | പ്രേക്ഷകർ | വില | ഇത് എന്തുകൊണ്ട് പ്രവർത്തിക്കുന്നു (ഒപ്പം അൽപ്പം സത്യസന്ധതയും) |
|---|---|---|---|
| ബ്രിട്ടാനിക്ക: AI അവലോകനം | തുടക്കക്കാർ | സൗജന്യം | വ്യക്തമായ, വിശാലമായ നിർവചനം; മാർക്കറ്റിംഗ്-ഫോർഡ് അല്ല. [1] |
| സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി: AI | ചിന്താശേഷിയുള്ള വായനക്കാർ | സൗ ജന്യം | "AI ആയി കണക്കാക്കുന്നത് എന്താണ്" എന്നതിനെക്കുറിച്ചുള്ള സംവാദങ്ങളിൽ ഏർപ്പെടുന്നു; ഇടതൂർന്നതും എന്നാൽ വിശ്വസനീയവുമാണ്. [2] |
| NIST AI റിസ്ക് മാനേജ്മെന്റ് ഫ്രെയിംവർക്ക് (AI RMF) | ബിൽഡർമാർ + ഓർഗനൈസേഷനുകൾ | സൗ ജന്യം | AI റിസ്ക് + വിശ്വാസ്യത സംഭാഷണങ്ങൾക്കായുള്ള പ്രായോഗിക ഘടന. [3] |
| OECD AI തത്വങ്ങൾ | നയം + ധാർമ്മികതയെക്കുറിച്ചുള്ള അജ്ഞർ | സൗ ജന്യം | ശക്തമായ “നമ്മൾ ചെയ്യണോ?” മാർഗ്ഗനിർദ്ദേശം: അവകാശങ്ങൾ, ഉത്തരവാദിത്തം, വിശ്വസനീയമായ AI. [4] |
| ഗൂഗിൾ മെഷീൻ ലേണിംഗ് ക്രാഷ് കോഴ്സ് | പഠിതാക്കൾ | സൗ ജന്യം | ML ആശയങ്ങളുടെ പ്രായോഗിക ആമുഖം; പൂജ്യത്തിൽ നിന്ന് ആരംഭിക്കുകയാണെങ്കിൽ പോലും വിലപ്പെട്ടതാണ്. [5] |
ഇവയെല്ലാം ഒരേ തരത്തിലുള്ള വിഭവങ്ങളല്ലെന്ന് ശ്രദ്ധിക്കുക. അത് മനഃപൂർവ്വമാണ്. AI ഒരു ലെയ്ൻ അല്ല - ഇത് ഒരു മുഴുവൻ മോട്ടോർവേയാണ്.
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് vs മെഷീൻ ലേണിംഗ് vs ഡീപ് ലേണിംഗ് (ആശയക്കുഴപ്പ മേഖല) 😵💫🔍
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) 🤖
ബുദ്ധിപരമായ പെരുമാറ്റവുമായി ബന്ധപ്പെട്ട ജോലികളെ ലക്ഷ്യം വച്ചുള്ള രീതികൾ - യുക്തി, ആസൂത്രണം, ധാരണ, ഭാഷ, തീരുമാനമെടുക്കൽ - എന്നിവയാണ് AI യുടെ വിശാലമായ ഒരു കുട. [1][2]
മെഷീൻ ലേണിംഗ് (ML) 📈
ML എന്നത് AI യുടെ ഒരു ഉപവിഭാഗമാണ്, അവിടെ സിസ്റ്റങ്ങൾ നിശ്ചിത നിയമങ്ങൾ ഉപയോഗിച്ച് വ്യക്തമായി പ്രോഗ്രാം ചെയ്യുന്നതിനുപകരം ഡാറ്റയിൽ നിന്ന് പാറ്റേണുകൾ പഠിക്കുന്നു. (“ഡാറ്റയിൽ പരിശീലനം നേടിയത്” എന്ന് നിങ്ങൾ കേട്ടിട്ടുണ്ടെങ്കിൽ, ML ലേക്ക് സ്വാഗതം.) [5]
ആഴത്തിലുള്ള പഠനം (DL) 🧠
ദർശനത്തിലും ഭാഷാ സംവിധാനങ്ങളിലും സാധാരണയായി ഉപയോഗിക്കുന്ന മൾട്ടി-ലെയർ ന്യൂറൽ നെറ്റ്വർക്കുകൾ ഉപയോഗിക്കുന്ന ML-ന്റെ ഒരു ഉപവിഭാഗമാണ് ഡീപ് ലേണിംഗ്. [5]
ഒരു മണ്ടത്തരം പക്ഷേ എളുപ്പമുള്ള രൂപകം (അത് പൂർണമല്ല, എന്നെ ശകാരിക്കരുത്):
AI എന്നത് റെസ്റ്റോറന്റാണ്. ML എന്നത് അടുക്കളയാണ്. ആഴത്തിലുള്ള പഠനം എന്നത് ഒരു പ്രത്യേക ഷെഫാണ്, അദ്ദേഹം കുറച്ച് വിഭവങ്ങളിൽ മിടുക്കനാണ്, പക്ഷേ ചിലപ്പോൾ നാപ്കിനുകൾക്ക് തീയിടും 🔥🍽️
AI യുടെ പൂർണ്ണരൂപം ചോദിക്കുമ്പോൾ , അവർ പലപ്പോഴും വിശാലമായ വിഭാഗത്തിലേക്കും അതിനുള്ളിലെ നിർദ്ദിഷ്ട ബക്കറ്റിലേക്കും എത്തുന്നു.
പ്ലെയിൻ ഇംഗ്ലീഷിൽ AI എങ്ങനെ പ്രവർത്തിക്കുന്നു (പിഎച്ച്ഡി ആവശ്യമില്ല) 🧠🧰
നിങ്ങൾ കണ്ടുമുട്ടുന്ന മിക്ക AI-കളും ഈ പാറ്റേണുകളിൽ ഒന്നിന് അനുയോജ്യമാണ്:
പാറ്റേൺ 1: നിയമങ്ങളും യുക്തി സംവിധാനങ്ങളും 🧩
"ഇത് സംഭവിച്ചാൽ, അങ്ങനെ ചെയ്യുക" എന്നതുപോലുള്ള നിയമങ്ങൾ പഴയകാല AI പലപ്പോഴും ഉപയോഗിച്ചിരുന്നു. ഘടനാപരമായ പരിതസ്ഥിതികളിൽ മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നു. യാഥാർത്ഥ്യം കുഴപ്പത്തിലാകുമ്പോൾ (യാഥാർത്ഥ്യം നിയന്ത്രണാതീതമാകാൻ സാധ്യതയുണ്ട്) തകരുന്നു.
പാറ്റേൺ 2: ഉദാഹരണങ്ങളിൽ നിന്ന് പഠിക്കുക 📚
മെഷീൻ ലേണിംഗ് ഡാറ്റയിൽ നിന്ന് പഠിക്കുന്നു:
-
സ്പാം vs സ്പാം അല്ല 📧
-
വഞ്ചന vs നിയമപരം 💳
-
“പൂച്ചയുടെ ഫോട്ടോ” vs “എന്റെ മങ്ങിയ തള്ളവിരൽ” 🐱👍
പാറ്റേൺ 3: പാറ്റേൺ പൂർത്തീകരണവും ജനറേഷനും ✍️
ചില ആധുനിക സിസ്റ്റങ്ങൾ ടെക്സ്റ്റ്/ഇമേജുകൾ/ഓഡിയോ/കോഡ് സൃഷ്ടിക്കുന്നു. അവ ഉപയോഗപ്രദമാകാം - പക്ഷേ അവ വിശ്വസനീയമല്ലാതാകാം, അതിനാൽ ദൈനംദിന വിന്യാസത്തിന് സുരക്ഷാ മുൻകരുതലുകൾ ആവശ്യമാണ്: പരിശോധന, നിരീക്ഷണം, വ്യക്തമായ ഉത്തരവാദിത്തം. [3]
നിങ്ങൾ ഉപയോഗിച്ചിരിക്കാൻ സാധ്യതയുള്ള AI യുടെ ദൈനംദിന ഉദാഹരണങ്ങൾ 📱🌍
ദൈനംദിന AI കാഴ്ചകൾ:
-
തിരയൽ റാങ്കിംഗ് 🔎
-
മാപ്പുകൾ + ട്രാഫിക് പ്രവചനം 🗺️
-
ശുപാർശകൾ (വീഡിയോകൾ, സംഗീതം, ഷോപ്പിംഗ്) 🎵🛒
-
സ്പാം/ഫിഷിംഗ് ഫിൽട്ടറിംഗ് 📧🛡️
-
വോയ്സ്-ടു-ടെക്സ്റ്റ് 🎙️
-
വിവർത്തനം 🌐
-
ഫോട്ടോ സോർട്ടിംഗ് + എൻഹാൻസ്മെന്റ് 📸
-
കസ്റ്റമർ സപ്പോർട്ട് ചാറ്റ്ബോട്ടുകൾ 💬😬
ഉയർന്ന ഓഹരി മേഖലകളിൽ:
-
മെഡിക്കൽ ഇമേജിംഗ് പിന്തുണ 🏥
-
സപ്ലൈ ചെയിൻ പ്രവചനം 🚚
-
തട്ടിപ്പ് കണ്ടെത്തൽ 💳
-
വ്യാവസായിക ഗുണനിലവാര നിയന്ത്രണം 🏭
പ്രധാന ആശയം: AI സാധാരണയായി ഒരു പിന്നണി എഞ്ചിനാണ് , നാടകീയമായ ഒരു ഹ്യൂമനോയിഡ് റോബോട്ടല്ല. ക്ഷമിക്കണം, സയൻസ് ഫിക്ഷൻ ബ്രെയിൻ 🤷
AI-യെക്കുറിച്ചുള്ള ഏറ്റവും വലിയ തെറ്റിദ്ധാരണകൾ (അവ എന്തുകൊണ്ട് നിലനിൽക്കുന്നു) 🧲🤔
"AI എപ്പോഴും ശരിയാണ്"
ഇല്ല. AI തെറ്റായിരിക്കാം - ചിലപ്പോൾ സൂക്ഷ്മമായി, ചിലപ്പോൾ രസകരമായി, ചിലപ്പോൾ അപകടകരമാംവിധം (സന്ദർഭത്തിനനുസരിച്ച്). [3]
"മനുഷ്യർ മനസ്സിലാക്കുന്നതുപോലെ AI മനസ്സിലാക്കുന്നു"
മിക്ക AI-കളും മാനുഷിക അർത്ഥത്തിൽ "മനസ്സിലാക്കുന്നില്ല". അത് പാറ്റേണുകൾ പ്രോസസ്സ് ചെയ്യുന്നു. അത് തോന്നാം , പക്ഷേ അത് ഒരേ കാര്യമല്ല. [2]
"AI ഒരു സാങ്കേതികവിദ്യയാണ്"
AI എന്നത് രീതികളുടെ ഒരു കൂട്ടമാണ് (പ്രതീകാത്മക ന്യായവാദം, സാധ്യതാ സമീപനങ്ങൾ, ന്യൂറൽ നെറ്റ്വർക്കുകൾ, മുതലായവ). [2]
"AI ആണെങ്കിൽ, അത് നിഷ്പക്ഷമാണ്"
ഇല്ല, ഇല്ല. ഡാറ്റയിലോ ഡിസൈൻ തിരഞ്ഞെടുപ്പുകളിലോ നിലവിലുള്ള പക്ഷപാതത്തെ പ്രതിഫലിപ്പിക്കാനും വർദ്ധിപ്പിക്കാനും AI-ക്ക് കഴിയും - അതുകൊണ്ടാണ് ഭരണ തത്വങ്ങളും അപകടസാധ്യതാ ചട്ടക്കൂടുകളും നിലനിൽക്കുന്നത്. [3][4]
അതെ, മുഖമില്ലാത്ത ഒരു വില്ലനെപ്പോലെ തോന്നുന്നതിനാൽ ആളുകൾക്ക് "AI"യെ കുറ്റപ്പെടുത്താൻ ഇഷ്ടമാണ്. ചിലപ്പോൾ അത് AI അല്ല. ചിലപ്പോൾ അത് വെറും... മോശം നടപ്പിലാക്കൽ. അല്ലെങ്കിൽ മോശം പ്രോത്സാഹനങ്ങൾ. അല്ലെങ്കിൽ ആരെങ്കിലും ഒരു ഫീച്ചർ വാതിൽക്കൽ നിന്ന് പുറത്തേക്ക് കൊണ്ടുവരുന്നത് 🫠
ധാർമ്മികത, സുരക്ഷ, വിശ്വാസം: എല്ലാം മോശമാക്കാതെ AI ഉപയോഗിക്കുക 🧯⚖️
നിയമനം, വായ്പ നൽകൽ, ആരോഗ്യ സംരക്ഷണം, വിദ്യാഭ്യാസം, പോലീസിംഗ് തുടങ്ങിയ സെൻസിറ്റീവ് മേഖലകളിൽ AI ഉപയോഗിക്കുമ്പോൾ യഥാർത്ഥ ചോദ്യങ്ങൾ ഉയർത്തുന്നു.
വിശ്വാസത്തിന്റെ ചില പ്രായോഗിക സൂചനകൾ ഇതാ:
-
സുതാര്യത: അത് എന്താണ് ചെയ്യുന്നതെന്നും എന്താണ് ചെയ്യുന്നതെന്നും അവർ വിശദീകരിക്കുന്നുണ്ടോ?
-
ഉത്തരവാദിത്തം: ഒരു യഥാർത്ഥ മനുഷ്യൻ/സംഘടന ഫലങ്ങൾക്ക് ഉത്തരവാദിയാണോ?
-
ഓഡിറ്റബിലിറ്റി: ഫലങ്ങൾ അവലോകനം ചെയ്യാനോ വെല്ലുവിളിക്കാനോ കഴിയുമോ?
-
സ്വകാര്യതാ സംരക്ഷണങ്ങൾ: ഡാറ്റ ഉത്തരവാദിത്തത്തോടെ കൈകാര്യം ചെയ്യുന്നുണ്ടോ?
-
പക്ഷപാത പരിശോധന: ഗ്രൂപ്പുകളിലുടനീളം അന്യായമായ ഫലങ്ങൾ അവർ പരിശോധിക്കുന്നുണ്ടോ? [3][4]
(ഡൂം സ്പൈറലുകൾ ഇല്ലാതെ) അപകടസാധ്യതയെക്കുറിച്ച് ചിന്തിക്കാൻ ഒരു അടിസ്ഥാന മാർഗം നിങ്ങൾ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, NIST AI RMF പോലുള്ള ചട്ടക്കൂടുകൾ കൃത്യമായി ഇത്തരത്തിലുള്ള “ശരി, പക്ഷേ നമ്മൾ അത് എങ്ങനെ ഉത്തരവാദിത്തത്തോടെ കൈകാര്യം ചെയ്യും?” എന്ന ചിന്തയ്ക്കായി നിർമ്മിച്ചതാണ്. [3]
തലച്ചോറിനെ തളർത്താതെ എങ്ങനെ AI പഠിക്കാം 🧠🍳
ഘട്ടം 1: AI പരിഹരിക്കാൻ ശ്രമിക്കുന്ന പ്രശ്നങ്ങൾ എന്തൊക്കെയാണെന്ന് മനസ്സിലാക്കുക
നിർവചനങ്ങൾ + ഉദാഹരണങ്ങൾ ഉപയോഗിച്ച് ആരംഭിക്കുക: [1][2]
ഘട്ടം 2: അടിസ്ഥാന ML ആശയങ്ങളുമായി പൊരുത്തപ്പെടുക
സൂപ്പർവൈസ്ഡ് vs അൺ സൂപ്പർവൈസ്ഡ്, ട്രെയിൻ/ടെസ്റ്റ്, ഓവർഫിറ്റിംഗ്, വിലയിരുത്തൽ - ഇതാണ് നട്ടെല്ല്. [5]
ഘട്ടം 3: ചെറിയ എന്തെങ്കിലും നിർമ്മിക്കുക
"ഒരു സെൻസിറ്റീവ് റോബോട്ട് നിർമ്മിക്കുക" എന്നല്ല. കൂടുതൽ ഇതുപോലുള്ളവ:
-
ഒരു സ്പാം ക്ലാസിഫയർ
-
ഒരു ലളിതമായ ശുപാർശകൻ
-
ഒരു ചെറിയ ഇമേജ് ക്ലാസിഫയർ
ഏറ്റവും നല്ല പഠനം അൽപ്പം അരോചകമായ പഠനമാണ്. വളരെ സുഗമമാണെങ്കിൽ, നിങ്ങൾ യഥാർത്ഥ ഭാഗങ്ങൾ സ്പർശിച്ചിട്ടുണ്ടാകില്ല 😅
ഘട്ടം 4: ധാർമ്മികതയും സുരക്ഷയും അവഗണിക്കരുത്
ചെറിയ പ്രോജക്ടുകൾ പോലും സ്വകാര്യത, പക്ഷപാതം, ദുരുപയോഗം എന്നീ ചോദ്യങ്ങൾ ഉയർത്തും. [3][4]
AI യുടെ പൂർണ്ണ രൂപത്തെക്കുറിച്ചുള്ള പതിവ് ചോദ്യങ്ങൾ (പെട്ടെന്നുള്ള ഉത്തരങ്ങൾ, യാതൊരു കുഴപ്പവുമില്ല) 🙋♂️🙋♀️
കമ്പ്യൂട്ടറുകളിലെ AI യുടെ പൂർണ്ണ രൂപം
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്. അതേ അർത്ഥം - സോഫ്റ്റ്വെയർ/ഹാർഡ്വെയറിൽ നടപ്പിലാക്കിയതേയുള്ളൂ.
AI vs റോബോട്ടിക്സ്
ഇല്ല. റോബോട്ടിക്സിന് AI ഉപയോഗിക്കാം, എന്നാൽ റോബോട്ടിക്സിൽ സെൻസറുകൾ, മെക്കാനിക്സ്, നിയന്ത്രണ സംവിധാനങ്ങൾ, ഭൗതിക ഇടപെടൽ എന്നിവയും ഉൾപ്പെടുന്നു.
റോബോട്ടുകളേക്കാളും ചാറ്റ്ബോട്ടുകളേക്കാളും ഉപരിയായി AI
ഒട്ടും തന്നെയില്ല. പല AI സിസ്റ്റങ്ങളും അദൃശ്യമാണ്: റാങ്കിംഗ്, ശുപാർശകൾ, കണ്ടെത്തൽ, പ്രവചനം.
മനുഷ്യനെപ്പോലെ ചിന്തിക്കുന്ന AI
മിക്ക AI-കളും മനുഷ്യരെപ്പോലെ ചിന്തിക്കുന്നില്ല. "ചിന്തിക്കുക" എന്നത് ഒരു ഭാരിച്ച വാക്കാണ് - നിങ്ങൾക്ക് കൂടുതൽ ആഴത്തിലുള്ള ചർച്ച വേണമെങ്കിൽ, AI-യുടെ തത്ത്വചിന്ത ചർച്ചകൾ ഇതിനെക്കുറിച്ച് ശക്തമായി നടക്കും. [2]
എന്തുകൊണ്ടാണ് എല്ലാവരും പെട്ടെന്ന് എല്ലാം AI എന്ന് വിളിക്കുന്നത്?
കാരണം അതൊരു ശക്തമായ ലേബലാണ്. ചിലപ്പോൾ കൃത്യതയുള്ളത്, ചിലപ്പോൾ ഇറുകിയതും... സ്വെറ്റ്പാന്റ്സ് പോലെ.
സംഗ്രഹം + ദ്രുത റീക്യാപ്പ് 🧾✨
AI യുടെ പൂർണ്ണരൂപത്തിനായാണ് വന്നത് , അതെ - അത് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് .
എന്നാൽ കൂടുതൽ പ്രായോഗികമായ തീരുമാനം ഇതാണ്: AI എന്നത് ഒരു ഗാഡ്ജെറ്റോ ആപ്പോ അല്ല. പഠന പാറ്റേണുകൾ, ഭാഷ കൈകാര്യം ചെയ്യൽ, ചിത്രങ്ങൾ തിരിച്ചറിയൽ, തീരുമാനങ്ങൾ എടുക്കൽ, (ചിലപ്പോൾ) ഉള്ളടക്കം സൃഷ്ടിക്കൽ എന്നിങ്ങനെ ബുദ്ധിപരമായി തോന്നിക്കുന്ന ജോലികൾ ചെയ്യാൻ മെഷീനുകളെ സഹായിക്കുന്ന വിശാലമായ രീതിശാസ്ത്ര മേഖലയാണിത്. ഇത് വളരെ ഫലപ്രദമായിരിക്കും, ചിലപ്പോൾ സങ്കീർണ്ണമാകും, ഉത്തരവാദിത്തമുള്ള അപകടസാധ്യതാ ചിന്തയിൽ നിന്ന് ഇത് പ്രയോജനം നേടും. [3][4]
ഒരു ചെറിയ വിവരണം:
-
AI എന്നതിന്റെ പൂർണ്ണ രൂപം = കൃത്രിമബുദ്ധി 🤖
-
AI ഒരു വിശാലമായ കുടയാണ് (ML + ആഴത്തിലുള്ള പഠനത്തിന് അനുയോജ്യം) 🧠
-
AI ശക്തമാണ്, പക്ഷേ മാന്ത്രികമല്ല - അതിന് പരിധികളും അപകടസാധ്യതകളുമുണ്ട് 🚧
-
AI ക്ലെയിമുകൾ വിലയിരുത്തുമ്പോൾ അടിസ്ഥാനപരമായ ചട്ടക്കൂടുകൾ/തത്ത്വങ്ങൾ ഉപയോഗിക്കുക ⚖️ [3][4]
മറ്റൊന്നും ഓർമ്മയില്ലെങ്കിൽ, ഇത് ഓർക്കുക: ആരെങ്കിലും “AI” എന്ന് പറയുമ്പോൾ, നിർദ്ദിഷ്ട തരം കൃത്യമായി സൂചിപ്പിക്കുക. 😉
അധിക പതിവുചോദ്യങ്ങൾ
ലളിതമായ വാക്കുകളിൽ AI യുടെ പൂർണ്ണ രൂപം എന്താണ്?
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനെയാണ് AI എന്ന് പറയുന്നത് . പഠനം, യുക്തി, ധാരണ, ഭാഷ തുടങ്ങിയ ബുദ്ധിപരമായ പെരുമാറ്റവുമായി ബന്ധപ്പെട്ട ജോലികൾ നിർവഹിക്കുന്നതിനായി രൂപകൽപ്പന ചെയ്ത മനുഷ്യനിർമിത സംവിധാനങ്ങളെയാണ് ഇത് സൂചിപ്പിക്കുന്നത്. പ്രായോഗികമായി, "AI" വളരെ വിശാലമായി ഉപയോഗിക്കപ്പെടുന്നു, അതിനാൽ സിസ്റ്റം എന്താണ് ചെയ്യുന്നതെന്ന് . ഡാറ്റയിൽ നിന്ന് പഠിക്കാനും അപരിചിതമായ സാഹചര്യങ്ങൾ കൈകാര്യം ചെയ്യാനും കഴിയുമെങ്കിൽ, അത് ലളിതമായ ഓട്ടോമേഷനേക്കാൾ AI-യോട് അടുത്താണ്.
ഒരു കാര്യം യഥാർത്ഥ AI ആണോ അതോ വെറും ഓട്ടോമേഷനാണോ എന്ന് എനിക്ക് എങ്ങനെ പറയാൻ കഴിയും?
ഒരു പ്രായോഗിക പരീക്ഷണം, ഉപകരണം ഡാറ്റയിൽ നിന്ന് പഠിക്കുകയും സാമാന്യവൽക്കരിക്കുകയും ചെയ്യുന്നുണ്ടോ എന്നതാണ് . ഇത് പ്രധാനമായും “ഇതാണെങ്കിൽ, അത്” നിയമങ്ങൾ പിന്തുടരുകയാണെങ്കിൽ, അത് സാധാരണയായി AI-യെക്കാൾ നിയമങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള സോഫ്റ്റ്വെയറാണ്. മറ്റൊരു സൂചന അത് എങ്ങനെ വിലയിരുത്തപ്പെടുന്നു എന്നതാണ്: യഥാർത്ഥ AI സിസ്റ്റങ്ങൾ സാധാരണയായി കൃത്യത, പിശക് നിരക്കുകൾ, എഡ്ജ്-കേസ് പരിശോധന എന്നിവ ഉപയോഗിച്ച് അളക്കുന്നു. മാർക്കറ്റിംഗ് ലേബലുകൾ തെറ്റിദ്ധരിപ്പിക്കുന്നതാകാം, അതിനാൽ പെരുമാറ്റം നോക്കി അതിനെ വിലയിരുത്തുക.
മെഷീൻ ലേണിംഗും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസും ഒന്നാണോ?
കൃത്യമായി അങ്ങനെയല്ല. ബുദ്ധിപരമായ പെരുമാറ്റവുമായി ബന്ധപ്പെട്ട ജോലികൾ ചെയ്യുന്ന സിസ്റ്റങ്ങൾക്ക് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മെഷീൻ ലേണിംഗ് (ML) എന്നത് നിശ്ചിത നിയമങ്ങൾ ഉപയോഗിച്ച് വ്യക്തമായി പ്രോഗ്രാം ചെയ്യുന്നതിനുപകരം ഡാറ്റയിൽ നിന്നുള്ള പഠന പാറ്റേണുകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന AI യുടെ ഒരു ഉപവിഭാഗമാണ്. ഡീപ് ലേണിംഗ് എന്നത് മൾട്ടി-ലെയർ ന്യൂറൽ നെറ്റ്വർക്കുകൾ ഉപയോഗിക്കുന്ന ML ന്റെ ഒരു ഉപവിഭാഗമാണ്, പലപ്പോഴും കാഴ്ചയ്ക്കും ഭാഷാ ജോലികൾക്കും. ആളുകൾ ഈ പദങ്ങൾ കൂട്ടിക്കലർത്തുന്നതിനാൽ സന്ദർഭം പ്രധാനമാണ്.
എന്തുകൊണ്ടാണ് കമ്പനികൾ അടിസ്ഥാന സോഫ്റ്റ്വെയറിനെ "AI" എന്ന് വിളിക്കുന്നത്?
കാരണം "AI" എന്നത് ഒരു ഉൽപ്പന്നത്തെ അതിനെക്കാൾ മികച്ച രീതിയിൽ ശബ്ദിക്കാൻ കഴിയുന്ന ഒരു ശക്തമായ ലേബലാണ്. AI എന്ന് വിളിക്കപ്പെടുന്ന ചില ഉപകരണങ്ങൾ പ്രധാനമായും ഓട്ടോമേഷൻ അല്ലെങ്കിൽ പരിമിതമായ വഴക്കമുള്ള നിയമങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള സിസ്റ്റങ്ങളാണ്. അതുകൊണ്ടാണ് സംശയാസ്പദമായി തുടരുകയും സിസ്റ്റം എന്താണ് പഠിക്കുന്നത്, അത് എങ്ങനെ സാമാന്യവൽക്കരിക്കുന്നു, അതിന്റെ പരാജയ രീതികൾ എന്തൊക്കെയാണെന്ന് ചോദിക്കുകയും ചെയ്യുന്നത് നല്ലത്. വ്യക്തമായ ഡോക്യുമെന്റേഷനും വിലയിരുത്തൽ ഫലങ്ങളും നല്ല വിശ്വാസ സൂചനകളാണ്.
AI ആളുകൾ ശ്രദ്ധിക്കാതെ ഉപയോഗിക്കുന്ന സാധാരണ ദൈനംദിന ഉദാഹരണങ്ങൾ എന്തൊക്കെയാണ്?
പല AI സിസ്റ്റങ്ങളും വ്യക്തമായ റോബോട്ടുകളോ ചാറ്റ്ബോട്ടുകളോ ആയി പ്രത്യക്ഷപ്പെടുന്നതിനുപകരം തിരശ്ശീലയ്ക്ക് പിന്നിൽ ഇരിക്കുന്നു. സെർച്ച് റാങ്കിംഗ്, മാപ്പുകളും ട്രാഫിക് പ്രവചനവും, വീഡിയോകൾക്കോ ഷോപ്പിംഗിനോ ഉള്ള ശുപാർശകൾ, സ്പാം, ഫിഷിംഗ് ഫിൽട്ടറിംഗ്, വോയ്സ്-ടു-ടെക്സ്റ്റ്, വിവർത്തനം, ഫോട്ടോ സോർട്ടിംഗ് അല്ലെങ്കിൽ എൻഹാൻസ്മെന്റ് എന്നിവ ഉദാഹരണങ്ങളാണ്. ഇവ പലപ്പോഴും ഇടുങ്ങിയ ജോലികളിൽ നന്നായി പ്രവർത്തിക്കുന്നു, പക്ഷേ അവ ഇപ്പോഴും നിരീക്ഷണത്തിൽ നിന്നും പരിധികളെക്കുറിച്ചുള്ള വ്യക്തമായ പ്രതീക്ഷകളിൽ നിന്നും പ്രയോജനം നേടുന്നു.
AI ആത്മവിശ്വാസത്തോടെ തെറ്റാകുമോ, അത് എന്തുകൊണ്ട് പ്രധാനമാണ്?
അതെ - ആധുനിക AI സിസ്റ്റങ്ങൾക്ക് അവ തെറ്റാണെങ്കിൽ പോലും ബോധ്യപ്പെടുത്തുന്ന രീതിയിൽ ഔട്ട്പുട്ടുകൾ നൽകാൻ കഴിയും. അതുകൊണ്ടാണ് ഉത്തരവാദിത്തപരമായ ഉപയോഗം വെറും ശേഷിയെക്കാൾ വിശ്വാസ്യത, സുതാര്യത, സുരക്ഷ, പക്ഷപാതം, ഉത്തരവാദിത്തം എന്നിവയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്. നിയമനം, ആരോഗ്യ സംരക്ഷണം, ധനകാര്യം അല്ലെങ്കിൽ വിദ്യാഭ്യാസം പോലുള്ള ഉയർന്ന തലത്തിലുള്ള മേഖലകൾക്ക്, ആവശ്യമുള്ളപ്പോൾ തീരുമാനങ്ങൾ അവലോകനം ചെയ്യാനും വെല്ലുവിളിക്കാനും മനുഷ്യ മേൽനോട്ടം, പരിശോധന, വ്യക്തമായ ഒരു പ്രക്രിയ എന്നിവ ഉണ്ടായിരിക്കേണ്ടത് പ്രധാനമാണ്.
ഉയർന്ന അപകടസാധ്യതയുള്ള സാഹചര്യങ്ങളിൽ AI ഉപയോഗിക്കുന്നതിന് മുമ്പ് ഞാൻ എന്താണ് ശ്രദ്ധിക്കേണ്ടത്?
ഉത്തരവാദിത്തത്തോടെ ആരംഭിക്കുക : പേരുള്ള ഒരു മനുഷ്യനോ സ്ഥാപനമോ ഫലങ്ങളും പിശകുകളും സ്വന്തമാക്കണം. തുടർന്ന് സുതാര്യത : ഉപകരണം എന്താണ് ചെയ്യുന്നത്, എന്താണ് ചെയ്യുന്നില്ല, അതിന്റെ പരിമിതികൾ എന്നിവ വിശദീകരിക്കണം. ഓഡിറ്റബിലിറ്റിയും പ്രധാനമാണ് - തീരുമാനങ്ങൾ അവലോകനം ചെയ്യാനോ വെല്ലുവിളിക്കാനോ കഴിയുമോ? അവസാനമായി, രേഖപ്പെടുത്തിയ പിശക് നിരക്കുകൾ, പക്ഷപാത പരിശോധനകൾ, ഭരണ രീതികൾ എന്നിവ പോലുള്ള മൂല്യനിർണ്ണയത്തിന്റെയും അപകടസാധ്യതാ ചിന്തയുടെയും തെളിവുകൾക്കായി നോക്കുക.
AI "ഒരു മനുഷ്യനെപ്പോലെ ചിന്തിക്കുന്നുണ്ടോ" അതോ അത് ബുദ്ധിശക്തിയെ അനുകരിക്കുക മാത്രമാണോ?
മിക്ക AI-കളും ദൈനംദിന ജീവിതത്തിൽ മനുഷ്യരെപ്പോലെ ചിന്തിക്കുന്നില്ല. ഇത് പാറ്റേണുകൾ പ്രോസസ്സ് ചെയ്യുന്നു, പ്രത്യേകിച്ച് ഭാഷയിലും ധാരണയിലും ബുദ്ധിപരമായി തോന്നുന്ന ജോലികൾ ചെയ്യാൻ കഴിയും, പക്ഷേ അത് മനുഷ്യന്റെ ധാരണയ്ക്ക് തുല്യമല്ല. അതുകൊണ്ടാണ് നിർവചനങ്ങൾ സങ്കീർണ്ണമാകുന്നത്, ബുദ്ധിശക്തിയായി കണക്കാക്കുന്ന കാര്യങ്ങൾ, സാമാന്യവൽക്കരണം എന്താണ് അർത്ഥമാക്കുന്നത്, പ്രായോഗിക വിന്യാസത്തിൽ AI പ്രകടനത്തെ എങ്ങനെ സുരക്ഷിതമായി വ്യാഖ്യാനിക്കാം എന്നിവയിൽ ഗൗരവമായ ചർച്ചകൾ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്.
അവലംബം
[1] എൻസൈക്ലോപീഡിയ ബ്രിട്ടാനിക്ക - ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI): നിർവചനം, ചരിത്രം, പ്രധാന സമീപനങ്ങൾ - ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) - എൻസൈക്ലോപീഡിയ ബ്രിട്ടാനിക്ക
[2] സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി - ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്: AI ആയി കണക്കാക്കുന്നത്, കോർ ആശയങ്ങൾ, പ്രധാന ദാർശനിക സംവാദങ്ങൾ - ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് - സ്റ്റാൻഫോർഡ് എൻസൈക്ലോപീഡിയ ഓഫ് ഫിലോസഫി
[3] NIST - AI റിസ്ക് മാനേജ്മെന്റ് ഫ്രെയിംവർക്ക് (AI RMF 1.0): ഭരണം, അപകടസാധ്യത, സുതാര്യത, സുരക്ഷ, ഉത്തരവാദിത്തം (PDF) - NIST AI റിസ്ക് മാനേജ്മെന്റ് ഫ്രെയിംവർക്ക് (AI RMF 1.0) PDF
[4] OECD.AI - OECD AI തത്വങ്ങൾ: വിശ്വസനീയമായ AI, മനുഷ്യാവകാശങ്ങൾ, ഉത്തരവാദിത്ത വികസനവും വിന്യാസവും - OECD AI തത്വങ്ങൾ - OECD.AI
[5] ഗൂഗിൾ ഡെവലപ്പർമാർ - മെഷീൻ ലേണിംഗ് ക്രാഷ് കോഴ്സ്: മെഷീൻ ലേണിംഗ് അടിസ്ഥാനകാര്യങ്ങൾ, മോഡൽ പരിശീലനം, വിലയിരുത്തൽ, കോർ ടെർമിനോളജി - മെഷീൻ ലേണിംഗ് ക്രാഷ് കോഴ്സ് - ഗൂഗിൾ ഡെവലപ്പർമാർ