Falsafa ya AI kwa Watu Wanaochukia Falsafa

Chaguo la Vitendo

Watu wengi huchukulia falsafa ya artificial intelligence kama mjadala kuhusu kama maroboti yana nafsi. Hili ni kosa linalopoteza muda na kuficha hatari za kweli. Katika ulimwengu wa kitaaluma, falsafa ya teknolojia hii ni mjadala kuhusu dhima, usahihi, na gharama ya nguvu kazi ya binadamu. Ni kuhusu nani anayewajibika wakati model inafanya kosa linaloigharimu kampuni mamilioni ya dola. Ni kuhusu kama mfanyakazi mbunifu anamiliki mtindo alioutumia miongo kadhaa kuuboresha. Tunatoka katika enzi ya kujiuliza kama mashine zinaweza kufikiri. Sasa tuko katika enzi ya kuamua ni kiasi gani tunaziamini kutenda kwa niaba yetu. Mabadiliko ya hivi karibuni katika sekta hii yamehama kutoka chat bots zinazotoa utani hadi agents wanaoweza kukata tiketi za ndege na kuandika code. Mabadiliko haya yanatulazimisha kukabiliana na mechanics ya imani badala ya siri ya ufahamu. Ikiwa unachukia falsafa, itazame kama mfululizo wa mazungumzo ya mkataba. Unaweka masharti ya aina mpya ya mfanyakazi ambaye halali lakini mara nyingi hupata hallucinations. Lengo ni kujenga mfumo ambapo faida za kasi hazizidi hatari za kufeli kwa mfumo mzima.

Mechanics za Machine Logic

Ili kuelewa hali ya sasa ya sekta hii, lazima upuuze maneno ya marketing. Large language model siyo ubongo. Ni ramani kubwa ya kitakwimu ya lugha ya binadamu. Unapoandika prompt, mfumo haufikirii swali lako. Unahesabu ni neno gani lina uwezekano mkubwa wa kufuata lile la awali kulingana na mamilioni ya mifano. Hii ndiyo sababu mifumo hii ni mizuri sana katika ushairi lakini ni mibaya katika hesabu za msingi. Zinaelewa mifumo ya jinsi watu wanavyozungumzia namba, lakini hazielewi mantiki ya namba zenyewe. Utofauti huu ni muhimu kwa yeyote anayetumia zana hizi katika mazingira ya biashara. Ikiwa unachukulia matokeo kama rekodi ya kweli, unatumia zana hiyo vibaya. Ni creative synthesizer, siyo database. Kuchanganyikiwa mara nyingi hutokana na jinsi models hizi zinavyoiga uelewa wa binadamu. Zinaweza kusikika kama zenye huruma, zilizochoka, au zenye kusaidia, lakini hizi ni vioo vya lugha tu. Zinaakisi toni ya data zilizotumika kuzifunza.

Mabadiliko tuliyoona hivi karibuni yanahusisha hatua ya kuweka models hizi kwenye data za ulimwengu halisi. Badala ya kuruhusu model kukisia jibu, kampuni sasa zinaziunganisha na faili zao za ndani. Hii inapunguza nafasi ya model kubuni mambo. Pia inabadilisha dau la mazungumzo. Hatujiulizi tena model inajua nini. Tunauliza jinsi model inavyofikia kile tunachokijua. Hii ni hatua kutoka generative art kwenda functional utility. Falsafa hapa ni rahisi. Ni tofauti kati ya msimuliaji hadithi na karani wa faili. Watumiaji wengi wanataka karani, lakini teknolojia ilijengwa kuwa msimuliaji hadithi. Kusawazisha vitambulisho hivyo viwili ndiyo changamoto kuu kwa watengenezaji leo. Lazima uamue kama unataka zana ya ubunifu au zana sahihi, kwa sababu kwa sasa, ni vigumu kupata vyote kwa kiwango cha juu kwa wakati mmoja.

Dau la Kimataifa na Maslahi ya Kitaifa

Athari za chaguzi hizi haziko kwenye ofisi binafsi pekee. Serikali sasa zinachukulia maendeleo ya models hizi kama suala la usalama wa taifa. Nchini Marekani, maagizo ya utendaji yanazingatia usalama na ulinzi wa mifumo yenye nguvu zaidi. Ulaya, AI Act imetengeneza mfumo wa kisheria unaopanga mifumo kulingana na hatari. Hii inajenga hali ambapo falsafa ya msanidi programu huko California inaweza kuathiri uhalali wa bidhaa huko Berlin. Tunaona ulimwengu uliogawanyika ambapo maeneo tofauti yana mawazo tofauti sana kuhusu kile ambacho mashine inapaswa kuruhusiwa kufanya. Mataifa mengine yanatazama teknolojia kama njia ya kuongeza pato la uchumi kwa gharama yoyote. Mengine yanaiona kama tishio kwa mfumo wa kijamii na soko la ajira. Hii inajenga seti tofauti ya sheria kwa kila soko, na kuifanya iwe vigumu kwa kampuni ndogo kushindana na makubwa ambayo yanaweza kumudu timu kubwa za kisheria.

Mnyororo wa ugavi wa kimataifa wa teknolojia hii pia ni sehemu ya mvutano. Vifaa vinavyohitajika kuendesha models hizi vimejikita katika mikono michache. Hii inajenga aina mpya ya nguvu kati ya nchi zinazobuni chips, nchi zinazozitengeneza, na nchi zinazotoa data. Kwa mtumiaji wa kawaida, hii inamaanisha zana unazozitegemea zinaweza kuathiriwa na vita vya kibiashara au udhibiti wa mauzo ya nje. Falsafa ya AI sasa imeunganishwa na falsafa ya uhuru. Ikiwa nchi inategemea model ya kigeni kwa mfumo wake wa afya au sheria, inapoteza kiasi cha udhibiti wa miundombinu yake. Hii ndiyo sababu tunaona msukumo wa local models na sovereign clouds. Lengo ni kuhakikisha kuwa mantiki inayoongoza taifa haimilikiwi na shirika lililo upande mwingine wa dunia. Hii ndiyo sehemu ya kivitendo ya mjadala ambayo mara nyingi hupotea katika mazungumzo kuhusu matukio ya science fiction.

Asubuhi na Synthetic Intelligence

Fikiria siku ya kawaida ya meneja wa masoko anayeitwa Sarah. Anaanza asubuhi yake kwa kumwomba msaidizi muhtasari wa barua pepe thelathini na sita. Msaidizi anafanya hivi kwa sekunde, lakini Sarah lazima aone kama imekosa maelezo muhimu kuhusu kupunguzwa kwa bajeti. Baadaye, anatumia generative tool kutengeneza picha kwa ajili ya kampeni mpya. Anatumia saa moja kurekebisha prompt kwa sababu mashine inaendelea kuwapa watu kwenye picha vidole sita. Mchana, anatumia coding assistant kurekebisha bug kwenye tovuti ya kampuni, ingawa hajui jinsi ya ku-code. Yeye kimsingi ni kondakta wa orchestra ya kidijitali. Hafanyi kazi ya mikono, lakini anawajibika kwa utendaji wa mwisho. Hii ndiyo hali halisi mpya ya kazi. Ni zaidi kuhusu kuhariri na kuhakiki kuliko kuhusu ubunifu kutoka mwanzo. Sarah anazalisha zaidi, lakini pia amechoka zaidi. Mzigo wa kiakili wa kuikagua mashine mara kwa mara kwa makosa ni tofauti na mzigo wa kufanya kazi hiyo mwenyewe

Vivutio kwa kampuni ya Sarah vimebadilika pia. Hawajiri tena waandishi wa ngazi ya chini. Wanaajiri mhariri mmoja mwandamizi anayetumia models tatu tofauti kuzalisha kiasi sawa cha maudhui. Hii inaokoa pesa kwa muda mfupi, lakini inajenga tatizo la muda mrefu. Kizazi kijacho cha wahariri wandamizi kitatoka wapi ikiwa hakuna anayefanya kazi ya ngazi ya chini? Hii ni matokeo ya mantiki ya sasa ya ufanisi. Tunaboresha kwa ajili ya sasa huku tukihatarisha kuondoa maana ya wakati ujao. Dau kwa wabunifu ni kubwa zaidi. Wanamuziki na wachoraji wanagundua kazi zao zinatumiwa kufunza models zilezile ambazo sasa zinashindana nao kwa ajira. Hii siyo tu mabadiliko katika soko. Ni mabadiliko katika thamani tunayoiweka kwenye juhudi za binadamu. Lazima tujiulize kama tunathamini matokeo zaidi ya mchakato, na nini kinatokea kwa utamaduni wetu wakati mchakato umefichwa ndani ya black box.

• Viongozi wa kampuni lazima waamue kama wanathamini kasi kuliko mawazo asilia.
• Wafanyakazi lazima wajifunze kukagua matokeo ya mashine kama ujuzi wa msingi.
• Wabunge lazima wasawazishe hitaji la uvumbuzi na ulinzi wa nguvu kazi.
• Wabunifu lazima watafute njia za kuthibitisha kazi yao ni ya binadamu ili kudumisha thamani yake.
• Waelimishaji lazima wafikirie upya jinsi wanavyowapa alama wanafunzi wakati majibu yanapatikana kwa mbofyo mmoja.

Gharama Zilizofichwa za Automation

Mara nyingi tunazungumzia faida za teknolojia hii bila kutaja bili. Gharama ya kwanza ni faragha. Ili kufanya models hizi kuwa na manufaa zaidi, lazima tuwape data zaidi. Tunahimizwa kulisha ratiba zetu za kibinafsi, maelezo yetu ya siri, na siri za shirika kwenye mifumo hii ili kupata matokeo bora. Lakini data hiyo inaenda wapi? Kampuni nyingi zinadai hazitumii data ya wateja kufunza models zao, lakini historia ya intaneti inaonyesha kuwa sera zinaweza kubadilika. Data yako ikiwa ndani ya mfumo, ni karibu haiwezekani kuitoa. Hii ni biashara ya kudumu ya faragha kwa urahisi. Pia tunaona ongezeko kubwa la matumizi ya nishati. Kufunza model moja kubwa kunahitaji umeme wa kutosha kuwasha maelfu ya nyumba kwa mwaka. Tunapoelekea kwenye mifumo tata zaidi, gharama ya kimazingira itakua tu. Lazima tujiulize kama uwezo wa kutengeneza picha ya kuchekesha ya paka unastahili carbon footprint inayozalishwa.

Pia kuna gharama ya ukweli. Kadiri inavyokuwa rahisi kutengeneza maandishi na picha za kweli, thamani ya ushahidi hupungua. Ikiwa chochote kinaweza kughushiwa, basi hakuna kinachoweza kuthibitishwa. Hii tayari inaathiri mifumo yetu ya kisiasa na mahakama zetu. Tunaingia katika kipindi ambacho dhana ya msingi ni kwamba kile tunachokiona kwenye skrini ni uongo. Hii inajenga msuguano mkubwa wa kijamii. Inafanya iwe vigumu kukubaliana juu ya ukweli wa msingi. Falsafa ya AI hapa ni kuhusu mmomonyoko wa ukweli wa pamoja. Ikiwa kila mtu anatazama toleo la ulimwengu ambalo limechujwa na kubadilishwa na algorithm, tunapoteza uwezo wa kuwasiliana kwa ufanisi katika mgawanyiko huo. Tunabadilisha msingi thabiti wa kijamii kwa uzoefu wa kibinafsi na wa kuburudisha zaidi. Hili ni chaguo tunalofanya kila tunapotumia zana hizi bila kuhoji chanzo chao au nia yao.

Una hadithi ya AI, zana, mwelekeo, au swali unalofikiri tunapaswa kushughulikia? Tutumie wazo lako la makala — tungependa kulisikia.

Vikwazo vya Kiufundi na Local Systems

Kwa watumiaji wa nguvu, mazungumzo ni zaidi ya maadili tu. Ni kuhusu mipaka ya vifaa na programu. Moja ya vikwazo vikubwa ni context window. Hii ni kiasi cha habari ambacho model inaweza kushikilia kwenye kumbukumbu yake inayotumika kwa wakati mmoja. Wakati madirisha haya yakikua, bado yana mipaka. Ikiwa utalisha model kitabu cha kurasa elfu moja, hatimaye itaanza kusahau mwanzo wakati inafika mwisho. Hii inasababisha kutokubaliana katika miradi mirefu. Pia kuna suala la API limits na latency. Ikiwa biashara yako inategemea model ya mtu wa tatu, uko kwenye huruma ya uptime yao na bei zao. Mabadiliko ya ghafla katika sheria zao za huduma yanaweza kuvunja workflow yako yote. Hii ndiyo sababu watumiaji wengi wa hali ya juu wanahamia kwenye local storage na local execution. Wanaendesha models ndogo kwenye vifaa vyao wenyewe ili kudumisha udhibiti na kasi.

Workflow integration ndiyo changamoto kubwa inayofuata. Haitoshi kuwa na chat box kwenye tovuti. Thamani ya kweli inatokana na kuunganisha models hizi na zana zilizopo kama spreadsheets, databases, na project management software. Hii inahitaji uelewa wa kina wa jinsi ya kupanga data ili model iweze kuielewa. Tunaona kuongezeka kwa RAG, au Retrieval-Augmented Generation. Hii ni njia ambapo model inatafuta habari maalum kutoka chanzo kinachoaminika kabla haijajibu. Ni njia ya kuziba pengo kati ya asili ya kitakwimu ya model na mahitaji ya kweli ya mtumiaji. Hata hivyo, hii inaongeza safu ya utata kwenye mfumo. Lazima usimamie search engine, database, na model kwa wakati mmoja. Ni suluhisho la matengenezo ya juu linalohitaji seti maalum ya ujuzi ili kusimamia kwa ufanisi.

• Quantization inaruhusu models kubwa kuendesha kwenye vifaa vya watumiaji kwa kupunguza usahihi wa uzito.
• Fine tuning inazidi kupoteza umaarufu kwani RAG inatoa usahihi bora wa kweli kwa juhudi kidogo.
• Tokenization inabaki kuwa gharama iliyofichwa ambayo inaweza kufanya lugha fulani kuwa ghali zaidi kuchakata kuliko nyingine.
• Local execution ndiyo njia pekee ya kuhakikisha faragha ya asilimia 100 kwa data nyeti za shirika.
• Model distillation inatengeneza matoleo madogo, ya haraka ya models kubwa kwa matumizi ya simu.

Njia ya Vitendo ya Kusonga Mbele

Falsafa ya AI siyo kizuizi cha kazi. Ni kazi yenyewe. Kila wakati unapochagua model, unafanya chaguo kuhusu ni aina gani ya mantiki unayotaka itawale maisha yako. Unaamua ni hatari zipi zinazokubalika na ni gharama zipi ni kubwa mno. Teknolojia inabadilika haraka, lakini mahitaji ya binadamu yanabaki yaleyale. Tunataka zana zinazotufanya kuwa bora, siyo zana zinazotuchukua nafasi. Tunataka mifumo iliyo wazi, siyo mifumo inayofanya kazi gizani. Kuchanganyikiwa kuhusu mada hii mara nyingi ni kwa makusudi. Ni rahisi kwa kampuni kuuza sanduku la uchawi kuliko kuuza zana tata ya kitakwimu. Kwa kuondoa mambo yasiyo ya lazima na kuzingatia vivutio, unaweza kuona teknolojia kwa kile ilivyo kweli. Ni ubunifu wenye nguvu, wenye kasoro, na wa kibinadamu sana. Inaakisi mawazo yetu bora na tabia zetu mbaya. Lengo ni kuitumia ukiwa na macho wazi, ukielewa biashara unazofanya katika kila mwingiliano. Unaweza kupata zaidi kuhusu mitindo ya hivi karibuni katika machine learning ili kukaa mbele ya mabadiliko haya. Kwa maarifa zaidi kuhusu maadili ya mifumo hii, rasilimali kama Stanford Institute for Human-Centered AI na MIT Technology Review hutoa data bora. Unaweza pia kufuatilia mabadiliko ya kisheria katika sehemu ya teknolojia ya New York Times.

Editor’s note: We created this site as a multilingual AI news and guides hub for people who are not computer geeks, but still want to understand artificial intelligence, use it with more confidence, and follow the future that is already arriving.