Изкуствен интелект.pptx

Изкуствен интелект
1
Превод и адаптация
А. Петров

Цели на презентацията
 Познания и разбиране - Да получите познания и разбиране на
основните концепции на изкуствения интелект, включително
търсене, игра на игри, KBS (включително несигурност) oblastta na ,
планиране и машинно обучение.
 Интелектуални умения - Да можете да използвате това знание и
разбиране на подходящи принципи и насоки, за да синтезирате
решения на задачи в AI и да оценявате критично алтернативи.
 Практически умения:
 Ако владеете подходящ програмен език да можете да конструирате
прости системи с изкуствен интелект. Да можете също така да
използвате готови платформи даже, ако не владеете език за
програмиране.
 Да можете и да съставяте чатбот за вашите цели
 Да можете да използвате ChatGPT
 Първата част на презентацията съдържа повече теория и история,
касаещи изкуствения интелект, а втората част има практическа
насоченост.
2

I част – въведение и основи на AI
3

Основни теми в I част
 Какво е Изкуствен интелект (AI*) – основни понятия.
 Системи, които действат като хора. Тест на Тюринг.
 Системи, които мислят и действат рационално.
 Дефиниции и цели на AI.
 Основи на AI.
 Основни теми в AI. Области на AI и зависимости.
 Предимства и недостатъци на AI. Рискове.
 История на AI.
 Етапи в развитието на AI. Символен и подсимволен AI.
 Приложения на AI.
* В презентацията ще се придържаме към английското съкращение
AI (Artificial Intelligencе)_
4

Какво е изкуствен интелект – AI*?
 Създаване на компютри, които мислят?
 Автоматизация на дейности, които свързваме с
човешкото мислене, като вземане на решения, учене ...?
 Изкуство да се създават машини, които изпълняват
функции, които изискват интелигентност, когато се
изпълняват от хора?
 Изследване на умствените способности чрез
използването на изчислителни модели?
5

Какво е изкуствен интелект?
 Изследване на изчисленията, които правят
възможно възприемането на причината и
действието?
 Област на изследване, която се стреми да обясни и
подражава на интелигентното поведение по
отношение на изчислителните процеси?
 Клон на компютърните науки, който се занимава с
автоматизирането на интелигентното поведение?
6

Системи, които
действат
разумно
мислят
като хората
мислят
разумно
действат
МИСЪЛ
ПОВЕДЕНИЕ
ЧОВЕК РАЗУМ (AI)
7

Системи, които действат като хора:
Тест на Тюринг
 „Изкуството да създаваш машини, които
изпълняват функции, които изискват
интелигентност, както когато се изпълняват от
хора.“ (Kurzweil)
 „Изследването как да накараме компютрите да
правят неща, в които в момента хората са по-добри.“
(Rich and Knight)
8

Системи, които действат като хора
 Влизате в стая с компютърен терминал. Имате
фиксиран период от време, за да въведете каквото
искате в терминала и да проучите отговорите. В
другия край на линията е или човек, или
компютърна система.
 Ако това е компютърна система и в края на
периода не можете надеждно да определите дали
е система или човек, тогава системата се счита за
интелигентна.
?
9

 Подходът на теста на Тюринг:
 човек, който пита, не може да каже дали има
компютър или човек, който отговаря на неговия
въпрос дистанционно
 Компютърът трябва да се държи интелигентно т.е.:
 Да има интелигентно поведение
 Да постига производителност на човешко ниво
във всички когнитивни задачи
 Пълният тест на Тюринг вклюва още две неща:
 Компютърно зрение, т.е. възприемане на обекти
(виждане)
 Роботика – движение на предмети (действие)

10

 Тези когнитивни задачи включват:
 Обработка на естествен език
 за комуникация с човека
 Представяне на знания
 за ефективно и ефикасно съхраняване на информация
 Автоматизирано разсъждение
 за извличане и отговаряне на въпроси, като използвате
съхранената информация
 Машинно обучение
 да се адаптират към новите обстоятелства
11

действат
разумно
мислят
мислят
разумно
действат
МИСЪЛ
ПОВЕДЕНИЕ
12

Системи, които мислят като хората:
когнитивно моделиране
 Хората, наблюдавани от „вътре“
 Как да разберем как мислят хората?
 Интроспекция срещу психологически
експерименти
 Когнитивна наука
 „Вълнуващото ново усилие да накараме
компютрите да мислят … машини с умове в пълния
и буквален смисъл“ (Haugeland)
 „[Автоматизирането на] дейности, които свързваме
с човешкото мислене, дейности като вземане на
решения, решаване на проблеми, учене...“ (Bellman)
13

действат
разумно
мислят
мислят
разумно
действат
МИСЪЛ
ПОВЕДЕНИЕ
14

Системи, които мислят „рационално“
„закони на мисълта"
 Хората не винаги са „рационални“
 Рационално - дефинирано от гледна точка на логиката?
 Логиката не може да изрази всичко (напр. несигурност)
 Логическият подход често не е осъществим по
отношение на времето за изчисление (има нужда от
„насоки“)
 „Изследването на умствените способности чрез
използването на изчислителни модели“ (Charniak и
McDermott)
 „Изследването на изчисленията, които правят възможно
възприемането, разсъждението и действието“ (Winston)
15

действат
разумно
мислят
мислят
разумно
действат
МИСЪЛ
ПОВЕДЕНИЕ
16

Системи, които действат рационално:
„Рационален агент“
 Рационално поведение: да правиш правилното
нещо
 Правилното нещо: това, което се очаква да
максимизира постигането на целта, предвид
наличната информация
 Даването на отговори на въпроси е „действане“.
 Важно е една система да:
 възпроизвежда човешките мисловни процеси
 взема същите решения като хората
 използва чисто логически разсъждения
17

Системи, които действат рационално
 Логика  само част от рационалния агент, а не
цялата рационалност.
 Понякога логиката не може да доведе до правилно
заключение.
 Тогава се използват някои специфични (в бази
данни) човешки знания или информация.
 По този начин се обхващат по-общо различни
ситуации на проблемите и се компенсира
неправилно аргументирания извод.
18

Системи, които действат рационално
 Разглеждаме AI като рационален агент– Какво е
рационален агент в AI? Това е теоретично образувание,
което разглежда реалистични модели на това как хората
мислят, с предпочитания за изгодни резултати и
способност за учене=
2 предимства:
 Той е по-общ от използването само на логика
 Защото е: ЛОГИКА + знание от базата данни
 Това позволява разширяване на подхода с повече
научни методологии
19

Рационални агенти
 Рационалният агент е субект, който възприема и действа
абстрактно, агентът е функция от история на
възприятия до действия:
[f: P*  A]
 За всеки даден клас среди и задачи ние търсим агента
(или класа агенти) с най-добра производителност
 Предупреждение: изчислителните ограничения правят
перфектната рационалност непостижима трябва да
проектираме и използваме най-добрата програма за
дадени ресурси на машината.
20

 Изкуствен
 Защото е произведен от човешко изкуство или усилия,
вместо да има естествен произход.
 Интелект
 Защото е способен да се придобива знания и да ги използва
[Pigford and Baur]
 Така AI може да бъде определен като:
 AI е изследване на идеи, които позволяват на компютрите да
бъдат интелигентни.
 AI е част от компютърните науки, занимаваща се с проектиране
на компютърни системи, които показват човешки интелект (От
Краткия Оксфордски речник)
21
AI - дефиниции

От горните две дефиниции можем да видим, че AI има
две основни роли:
 Да изучава интелигентната част, свързана с хората.
 Да представя тези действия с помощта на компютри.
22
AI – дефиниции...

Цели на AI
 Да направи компютрите по-полезни, като им
позволи да поемат опасни или досадни и времеемки
задачи от хората
 Да разбере принципите на човешкия интелект и да
ги приложи в поведението си
23

Основи на AI
 Философия
 Аристотел (384–322 г. пр. н. е.), формулира точен набор от
закони, управляващи рационалната част на ума.
 Рамон Лул (починал 1315 г.) има идеята, че полезно
разсъждение всъщност може да бъде извършено от
механичен артефакт. Томас Хобс (1588–1679) предполага,
че разсъждението е като числено изчисление, че „ние
добавяме и изваждаме в нашите безмълвни мисли“.
 Инициира се идеята за ума като машина и неговите
вътрешни операции
 Следват: Леонардо да Винчи (1452–1519) проектира
механичен калкулатор; Блез Паскал (1642 г.)– аритметична
машина; Готфрид Лайбниц (1646–1716) - механично
устройство за операции с понятия, а не с числа и др.
https://techemergent.com/the-foundations-of-ai/
24

 Математика
 Математиката формализира трите основни
области на AI: изчисление, логика и вероятност
 Изчислението води до анализ на проблемите,
които могат да бъдат изчислени
 теория на сложността
 Вероятността допринася за „степента на вяра“ за
справяне с несигурността в AI
 Теорията на вземането на решения съчетава
теория на вероятностите и теория на полезността
(пристрастия)
25

 Психология
 Разглежда как хората мислят и действат?
 Изучава човешките разсъждения и действие
 Предоставя модели на разсъждения за AI
 Укрепва идеите
 хората и другите животни могат да се разглеждат като
машини за обработка на информация
26

 Неврология
 Наука за нервната система и специално мозъка. Той е една
от големите мистерии на науката.
 Аристотел пише: „От всички животни човекът има най-
големия мозък в съотношение с размера си“. Едва в средата
на 18-ти век мозъкът е широко признат за седалище на
съзнанието. Преди това са включвали сърцето и далака.
 Пол Брока (1824–1880) през 1861 г. демонстрира
съществуването на локализирани области на мозъка,
отговорни за специфични когнитивни функции.
27

 Компютърно инженерство
 Показва как да изградим ефективен компютър?
 Осигурява артефакта, който прави възможно прилагането
на AI
 Чрез мощността на компютъра прави изчисляването на
големи и трудни проблеми по-лесно
 AI също е допринесъл със собствената си работа за
компютърните науки, включително: споделяне на време,
тип данни за свързан списък, ООП (обектно ориентирано
програмиране) и др.
28

 Теория на управлението и Кибернетика
 Раглежда как артефактите могат да работят под
собствен контрол?
 Артефактите коригират действията си
 За да правят по-добре за околната среда с времето
 Въз основа на обективна функция и обратна връзка от
околната среда
 Не само до линейни системи, но и до други
проблеми
 като език, визия и планиране и т.н.
29

 Лингвистика
 За разбиране на естествените езици
 различни подходи са възприети от лингвистичния труд
 Официални езици
 Синтактичен и семантичен анализ
 Представяне на знания
 Повече информация по тези въпроси има в:
https://techemergent.com/the-foundations-of-ai
30

Основни теми в AI
Изкуственият интелект може да се разглежда в
следните насоки:
 Търсене (включва игри).
 Представяне на знанието и разсъждение с него.
 Планиране.
 Учене.
 Обработка на естествен език.
 Експертни системи.
 Взаимодействие с околната среда (напр. зрение,
разпознаване на реч, роботика)
В тази презентация няма да имаме време да разгледаме всичко това.
31

Области на AI и някои зависимости
NLP (Natural Language Processing) - Обработката на естествен език е клон на
изкуствения интелект в компютърните науки, който се фокусира върху
подпомагането на компютрите да разберат начина, по който хората пишат и говорят.
32

Търсене
 Търсенето е основната техника на AI.
 Възможните отговори, решения или начини на действие
са структурирани в абстрактно пространство, което след
това търсим.
 Търсенето е или „сляпо“, или „неинформирано“:
 сляпо
 Неинформирано - ние се движим през пространството, без да се
тревожим какво следва, но разпознаваме отговора, ако го видим
 информирано
 ние предполагаме какво предстои и използваме тази информация,
за да решим къде да търсим по-нататък.
 Може да приемем първия отговор, който
удовлетворява нашата цел, или може да искаме да
продължим да търсим, докато намерим най-добрия
отговор.
33

Представяне на знания и разсъждения
 Втората най-важна концепция в AI
 Ако искаме да действаме рационално в нашата среда,
тогава трябва да имаме някакъв начин да опишем тази
среда и да направим изводи от това представяне.
 как да опишем това, което знаем за света?
 как да го опишем накратко?
 как да го опишем, за да можем да се доберем до правилното
знание, когато имаме нужда от него?
 как да генерираме нови знания?
 как да се справим с несигурното знание?
34

Знание
Декларативно Процедурно
• Декларативното знание се занимава с фактоидни
въпроси (коя е столицата на Индия? и т.н.)
• Процедурното знание се занимават с „Как“ (как да
стигна до столицата на Индия ?)
• Процедурното знание може да бъде вградено в
декларативното знани
35

Планиране
Имайки набор от цели, създайте последователност
от действия, които постигат тези цели:
 често има много голям обем за търсене
 често повечето части на околната среда са
независими от останалите части
 често започват с цели и ги свързват с действия
 няма задължителна връзка между реда на
планиране и реда на изпълнение
 какво се случва, ако околната среда се промени,
докато изпълняваме плана и/или действията ни
не дават очаквания резултатs?
36

Учене
 Ако една система ще действа наистина правилно,
тогава тя трябва да може да промени действията си в
светлината на опита. Възникват въпросите:
 Как да генерираме нови факти от стари?
 Как да генерираме нови концепции?
 Как да се научим да различаваме различни ситуации
в нова среда?
37

Взаимодействие с околната среда
 За да позволим интелигентно поведение, ще трябва
да взаимодействаме с нашата среда.
 От правилно интелигентните системи може да се
очаква:
 Да приемат сензорен вход
 образ, звук,...
 Да взаимодействат с хората
 Да разбират език, разпознават реч, генерират
текст, реч и графики, ...
 Да променят средата
 Чрез роботика
38

 По-мощни и по-полезни и «умни» компютри.
 Нови подобрени и удобни («умни») интерфейси.
 Решаване на нови проблеми в научната сфера,
медицината, фармацията и др..
 По-добра и бърза обработка на информацията.
 Облекчава претоварването с информация (пестене на
време)`
 Автоматизиране на повтарящи се задачи, особено с
вероятност за грешки и опасности за хората.
 Превръщане на информацията в знание (учене).
 AI може да помогне на бизнеса да постигне резултатите си
по-бързо и с по-голяма прецизност.
Предимства на изкуствения интелект
39

Недостатъци
 Увеличени разходи
 Трудности при разработването на софтуер - бавно и
скъпо
 Недостиг на достатъчно опитни програмисти и експерти
 Все още малко практични продукти са достигнали
пазара.
 Потенциална загуба на работа в редица професии.
 Генериране на множество Web сайтове с
незадоволително качество
 Липса на емоции и креативност.
 Опосност от грешни решения.
40

Може ли да бъде опасен AI?
 Както при повечето неща, свързани с AI, отговорът на този
въпрос е сложен. Има някои рискове, свързани с AI, някои
прагматични и някои етични. Водещи експерти обсъждат
колко опасен може да бъде AI в бъдеще, но все още няма
реален консенсус. Има обаче няколко опасности, с които
експертите са съгласни:
 Улесняване разкриването на поверителни данни чрез
използване на AI.
 Създаване на „пристратни“ системи, поради неправилно
(неволно или умишлено) проектиране и обучение на AI
 Улесняване създаването на вредоносни програми (вируси и
др.) чрез AI и разработката на по-модерни кибератаки, които
да заобиколят мерките за сигурност и да използват
уязвимостите в системите
41

15 най-големи риска от AI
 Тези рискове са най-добре описани в:
https://www.forbes.com/sites/bernardmarr/2023/06/02/the-15-biggest-
risks-of-artificial-intelligence/?sh=60bc5abd2706
1. Липса на прозрачност – неразбиране как една AI система стига до
решения следва недоверие и съпротива срещу приемането и.
2. Пристрастия и дискриминация – поради лошо проектиране и обучение
(по невнимание или умишлено).
3. Проблеми относно поверителността – AI работи с голямо количество
лични данни, което (случайно или умишлено) може да доведе до проблеми.
4. Етични дилеми - Изследователите и разработчиците трябва да дадат
приоритет на етичните последици от AI технологиите, за да избегнат
отрицателните въздействия върху обществото.
5. Рискове за сигурността - AI улеснява създаването на вредоносни
програми (вируси и др.) и разработката на по-модерни кибератаки, които
да заобиколят мерките за сигурност.
6. Концентрация на власт – Ако развитието на AI бъде доминирано от
малък брой големи корпорации и правителства това може да възникне.
7. Зависимост от AI - прекаленото разчитане на AI системи може да доведе
до загуба на креативност, умения за критично мислене и човешка
интуиция.
42

15 най-големи риска от AI (прод.)
8. Загуба на работа - Автоматизацията, чрез AI, може да доведе до загуба на
работни места, особено за нискоквалифицирани работници (но има
доказателства, че AI ще създаде повече работни места, отколкото ще
премахне).
9. Икономическо неравенство - AI може да допринесе за това, като
облагодетелства непропорционално богатите хора и корпорации.
10. Правни и регулаторни предизвикателства - трябва да се разработят
нови правни разпоредби за справяне с проблемите от AI технологиите, вкл.
права върху интелектуална собственост.
11. Надпревара във въоръжаването с AI - Рискът държавите да се
надпреварат във въоръжаването с AI може да има опасни последици.
12. Загуба на човешки връзки - AI комуникация и взаимодействия може да
доведе до намалена емпатия, социализация и човешки връзки.
13. Дезинформация и манипулация – чрез генериране на deepfakes от AI=
14. Непредвидени последици - поради сложността на AI и липса на
човешки контрол, могат да проявят неочаквано поведение (изпускане на
духа от бутилката!).
15. Екзистенциални рискове - дългосрочни опасения за човечеството.
Материалът с подробности съм превел в: 15те най големи риска от
изкуствения интелект
43

Истори на AI
 AI има дълга история
 Древна Гърция –Аристотел= други допринесли исторически
личности
 Рамон Лул
 Ал Ховаразми
 Леонардо да Винчи
 Дейвид Хюм
 Джордж Бул
 Чарлз Бабидж
 Джон фон Нойман - Компютърни архитектури
 1943: Първата работа, която сега е призната за AI, е от Уорън
Маккълох и Уолтър Питс през 1943 г. Те предлагат модел на
изкуствени неврони. 1949: Доналд Хеб демонстрира правило за
актуализиране за модифициране на силата на връзката между
невроните. Неговото правило сега се нарича хебистко обучение.
44

Архитектури тип Фон Нойман и Харвард
45
Основната разлика между двете компютърни архитектури и в
общото (при Фон Нойман) и отделното (при Харвард)
съхраняване на данни и инструкции.
https://www.currentschoolnews.com/bg/education-news/difference-
between-von-neumann-and-harvard-architecture/

История на AI
 Други важни имена и събития:
 Конференцията в Дартмут: 1956 г
 Джон Маккарти (Станфорд)
 Марвин Мински (MIT)
 Хърбърт Саймън (CMU)
 Алън Нюел (CMU)
 Артър Самуел (IBM)
 Тестът на Тюринг (1950)
 Памела Маккоркиндейл - „Машини, които мислят“
46

Периоди в развитието на AI
 Ранен период - 1950-те и 60-те години
 Игри
 Доказване на теореми
 Манипулиране на символи
 Биологични модели
 Невронни мрежи
 Символичен период на приложение - 70-те години
 Ранни експертни системи, използване на знанието
 Търговски период - 80-те години
 Бум в базите знания/правила
47

Периоди в развитието на AI (прод.)
 Ранен период, 90-те и новото хилядолетие.
 Приложения в реалния свят, моделиране, по-добри
доказателства, използване на теория.
 Извличане на данни, формални модели, GA, размита
логика, агенти, невронни мрежи, автономни системи
 Приложения
 визуално разпознаване на трафика
 медицинска диагноза
 справочници
 контрол на електроцентрали
 автоматизирани автомобили
48

Етапи в AI
Напредъкът върви на етапи, след бумове на финансиране и кризи: Някои
примери:
1. Машинен превод на езици
1950-те до 1966 г. - Синтактични преводачи
1966 г. - цялото финансиране на САЩ е отменено
1980 г. - налични търговски преводачи
2. Невронни мрежи
1943 г. - първата работа на AI от McCulloch & Pitts
1950-те и 60-те години - Книгата на Мински за "Перцептроните" спира почти цялата
работа по мрежите
1986 г. - преоткриването на решения води до огромен растеж в изследванията на
невронните мрежи
49

Бум в развитието на AI
 Основаване на OpenAI 2016 – 2017 г. енеративни AI системи на
OpenAI, като различните GPT модели
 Езикови модели – 2020 г. GPT-3, GPT-3.5, и GPT-4, - 2023,
използвана в търсачката Microsoft Bing. Другиезикови модели
като PaLM от Google и LLaMA от Meta Platforms. 2023 г. - DeepL
Write, за подобряване на едноезични текстове.
 Модели от текст към изображение - DALL-E на OpenAI,
трансформаторна система, - януари 2021 г. Следват
усевершанствани системи като DALL-E 2, Stable Diffusion и др.
 Синтез на реч - 15.ai, ElevenLabs и др. Неофициална песен,
създадена с помощта на гласовете на музикантите Drake и The
Weeknd в софтуер за синтез на реч, повдигна въпроси относно
етиката и законността на подобен софтуер.
https://en.wikipedia.org/wiki/AI_boom
50

Символен и подсимволен AI
 Символният AI се занимава с описване и манипулиране
на познанията ни за света като експлицитни символи,
където тези символи имат ясни връзки с обекти в
реалния свят.
 Подсимволният AI (напр. невронни мрежи) е по-
загрижен за получаване на правилния отговор на входен
стимул, без да „гледа в кутията“ (черна кутия), за да види
дали части от механизма могат да бъдат свързани с
отделни обекти от реалния свят.
51

Приложения на AI
 Автоматично планиране и разписание.
 Това е процес на използване на AI за автоматично планиране и
разписание на действия и събития, Като планиране и разписание на
задачи, ресурси и събития.
 Планирането и прогнозирането е област на изкуствения интелект за
правене на научни прогнози за бъдещето, без да се изисква надзор.
Инструментите за планиране на AI използват данни от времеви
редове, за да оценят бъдещото развитие на много индустрии, като
продажби, здравеопазване, финансови услуги и производство.
 Планиране разписанието на телескоп
52

 Анализ и обработка на изображения
 Анализът на изображението включва обработка на изображение в
основни компоненти за извличане на значима информация,
намиране на форми, откриване на ръбове, премахване на шум,
преброяване на обекти и изчисляване на статистика за анализ на
текстура или качество на изображението, например, анализ на
данни от изображения – от телескопи, медицински скенери и др.
53

 Медицина:
 AI системи в помощ на практикуващите да проектират лечения
въз основа на резултатите.
 По-прецизна медицинската образна диагностика за анализ на
компютърна томография, рентгенови лъчи, ЯМР и други
изображения за лезии или други радиологични находки при хора.
 Медицински AI роботи, включително хирургически асистиращи,
модулни и автономни мобилни роботи. Извършват се хирургични
операции, ръководени от изображение.
54

 Транспорт:
 Самоуправляващи се превозни средства.
 Разпознаване на пешеходци.
 Управление на светофарите.
 Прогнози за времето за пътуване.
 Мониторинг на състоянието на пътя.
 Управление на паркингr.
 Откриване на пътни инциденти.
 Разпознаване на регистрационен номер.
55

 Транспорт - пример:
 Разпознаване на пешеходци. Идентифициране на
двойници по походката и други човешки особености.
56

 Криминалистика:
 Идентифициране на области на потенциални
престъпления като измами, пране на пари и
финансиране на тероризъм – в допълнение към по-
обикновени престъпления като кражба на
служители, кибер измами и фалшиви фактури и др.
 Помощ за по-ефективно и ефикасно разкриване и
преследване на престъпления..
57

Игри: AI се използва за проектиране и балансиране на нивата на игрите,
както и за генериране на ново съдържание като врагове, предмети и др.
Това помага на разработчиците да създават по-разнообразни и интересни
игри с по-малко усилия. AI може да подобри геймплея, като предоставя
интелигентни опоненти, срещу които играчите да се изправят.
58

 Промишлени и медицински роботи; играчки роботи:AI се
използва, за да предостави на роботите способността да учат,
да се адаптират и да вземат решения сами. Роботите с
активиран AI са програмирани с алгоритми, които им
позволяват да обработват данни от заобикалящата ги среда,
да ги интерпретират и да действат по съответния начин.
59

Други области на приложение::
 Биоинформатика:
 Анализ на данни за генна експресия
 Прогноза за структурата на протеина
 Класификация и представяне на съдържание, сортиране на
документи:
 Уеб страници, имейли
 Статии в новините
 Генериране на презентации
 Видео, класификация на изображения
 Композиция на музика, рисуване
 Търсене на информация, напр. чрез ChatGPT.
 Обработка на естествен език.
 Персонализирано пазаруване.
 Гласови асистенти.
 Персонализирано обучение и др.
60

II част – Методика за създаване на AI
системи. Използване на готови AI системи
61

Основни теми във II част
 Видове AI и ключови концепции.
 AI и традиционно програмиране - разлики.
 Основни стъпки за създаване на AI система:
 Дефиниране ня проблема
 Събиране и подготовка на данни
 Избор на правилните инструменти (платформи, рамки и библиотеки,
програмни езици и др.).
 Избор на модел и алгоритъм за AI системи.
 Обучени и оценка на алгоритъма.
 Стратегии за внедряване на AI в приложения.
 Изграждане на потребителски интерфейс.
 Интегриране със съществуващи системи.
 Платформи за разработка на AI системи.
 Популярни технологични набори за AI.
 Основни стъпки за създаване на AI чатбот.
 Как да използваме ChatGPT 4
62

Видове AI
 Има основно три вида AI:
 Изкуствен тесен интелект (ANI): ANI, известен също като слаб
AI, се отнася до система, предназначена да изпълнява
специфична задача, като лицево разпознаване, езиков превод
или игра на шах.
 Изкуствен общ интелект (AGI): AGI, известен също като силен
AI, се отнася до хипотетична система, способна да изпълнява
всяка интелектуална задача, която човек може да изпълни.
 Изкуствен суперинтелект (ASI): ASI се отнася до хипотетична
система, която превъзхожда човешкия интелект във всички
аспекти.
63

Ключови концепции на AI
 Ето някои от ключовите концепции на AI:
 Данни: AI изисква огромни количества данни, за да се научи и
подобри ефективността си с течение на времето. Качеството и
количеството на данните са от решаващо значение за успеха на
една AI система.
 Алгоритми: AI алгоритмите се използват за обработка на
данните и извличане на информация от тях. Има няколко типа
AI алгоритми, включително контролирано обучение,
неконтролирано обучение и обучение с подсилване.
 Модели: AI моделите са математически представяния на
система, която може да прави прогнози или решения въз
основа на входните данни. AI моделите могат да варират от
прости линейни модели до сложни невронни мрежи.
64

AI и традиционно програмиране
 AI се различава от традиционното програмиране по
няколко начина, като например:
 Управляван от данни срещу базиране на правила:
Традиционното програмиране разчита на набор от
предварително дефинирани правила за обработка на данни,
докато AI се учи от данните и подобрява ефективността си с
течение на времето.
 Динамичен срещу статичен: AI е динамичен и може да се
адаптира към нови ситуации и среди, докато традиционното
програмиране е статично и не може да се промени без ръчна
намеса.
 Черна кутия срещу прозрачност: AI алгоритмите са трудни за
интерпретиране и процесът на вземане на решения често е
непрозрачен, докато традиционното програмиране е по-
прозрачно и по-лесно за разбиране.
65

Основни стъпки за създаване на AI система
 Ето някои от основните стъпки за създаване на AI
система от нулата:
 Дефиниране на проблема за решаване с AI.
 Събиране, почистване и предварителна обработка данни за
разработване на AI.
 Избор на правилните инструменти и платформи за разработка
на AI, като езици за програмиране и рамки.
 Разработка на AI модели, като се използват алгоритми за
машинно обучение или дълбоко обучение (deep learning – DL*).
 Обучение и оценка на AI моделите за точност и ефективност.
 Разполагане на AI моделите и интегриране с потребителски
интерфейс или API.
* DL е метод в AI, който учи компютрите да обработват данни по
подобие на човека. DL моделите могат да разпознават сложни модели в
картини, текст, звуци и други данни, за точни прозрения и прогнози
66

Изисквания за изграждане на AI система
 Данни: Необходими са висококачествени данни за обучение и
валидиране на AI модели. Данните могат да се събират от
различни източници, като бази данни, сензори или интернет.
 Алгоритми: Алгоритмите се използват за разработване на AI
модели, които могат да се учат от данни и да правят прогнози или
решения.
 Инфраструктура: Необходима е инфраструктура за подпомагане
на разработването, обучението и внедряването на AI модели. Тя
включва хардуер, като CPU и GPU, и софтуер, като програмни
езици, операционни системи и рамки.
 Експертиза: Изграждането на AI системи изисква технически
опит в области като машинно обучение, обработка на естествен
език и компютърно зрение. Наемането на експерти или работата с
екип от експерти може да помогне за успехът.
 В следващите слайдове са описани по-подробно основните стъпки
за изграждане на AI система.
67

Дефиниране на проблема за решаване с AI
 Първата стъпка в подготовката за разработване на AI е
да се идентифицира проблем, който може да бъде
разрешен с AI. Това може да е проблем, свързан с:
 Автоматизиране на конкретна задача,
 Подобряване на ефективността или подобряване на
възможностите за вземане на решения.
 Търсене и извличане на важна информация.
 Система за диагностика (в медицината или другаде) и др.
 Важно е ясно да се дефинира проблемът и да се
уточнят целите, които AI системата трябва да
постигне.
68

Събиране и подготовка на данни
 Събиране на данни: Събиране на подходящи данни за обучение
на AI системата. Те могат да бъдат структурирани (като в база
данни) или неструктурирани (текст, изображения или аудио).
 Почистване на данни: Това включва премахване на всякакъв
шум (ненужни данни), грешки или несъответствия, дубликати,
както и стандартизиране на формата на данните.
 Предварителна обработка следващата стъпка е предварителна
обработка за да бъдат подходящи за разработване на AI като
извличане на функции, нормализиране или трансформация.
 Етикетиране: Ако данните са неструктурирани, трябва да бъдат
етикетирани, за да осигурят правилен изход за AI алгоритъма –
чрез анотация на изображения или класификация на текст.
 Разделяне на данни: на набори за обучение, валидиране и
тестване. Наборът за обучение е за обучение на AI алгоритъма,
наборът за валидиране е за настройка на хиперпараметрите на
модела, а тестовият набор е за оценка на производителността.
69

Избор на правилните инструменти и платформи
 Облачни платформи:
 Облачните платформи като AWS, Google Cloud и Microsoft
Azure предоставят набор от услуги и инструменти, които
улесняват разработването, внедряването и управлението на AI
приложения. Някои от предимствата на облачни платформи:
 Мащабируемост: Осигуряват достъп при поискване до
изчислителни ресурси, което улеснява мащабирането на
вашата AI система с разширението и.
 Лесна употреба: Предоставят удобен за потребителя
интерфейс и предварително изградени AI модели, които могат
да се използват за бързо стартиране на процеса на разработка.
 Икономически ефективни: Предлагат модели на
ценообразуване с разход, което ви позволява да плащате само
за ресурсите, които използвате.
70

Избор на правилните ...(прод.)
 Рамки и библиотеки:
 Рамките и библиотеките предоставят предварително
изграден код и инструменти за бързо и ефективно
разработване на AI модели. Ето някои от тях:
 TensorFlow: TensorFlow е рамка с отворен код, разработена от
Google, която предоставя набор от инструменти за изграждане
и обучение на модели за машинно обучение.
 PyTorch: PyTorch е рамка с отворен код, разработена от
Facebook, която предоставя набор от инструменти за
изграждане и обучение на модели за машинно обучение.
 Scikit-learn: Scikit-learn е библиотека с отворен код, която
предоставя набор от инструменти за изграждане и обучение на
модели за машинно обучение, включително класификация,
регресия и групиране.
71

Избор на правилните ...- програмни езици
 Ето някои от най-популярните изици, използвани в AI:
 Python. Python е един от най-популярните езици за
програмиране. Това е универсален програмен и интерпретиран
език, който е лек за използване, лесно четлив и има огромен
брой пакети, библиотеки и рамки. PyTorch, мощна рамка за
машинно обучение с прост интерфейс, изграден на Python.
Приет е като основен за общността на науката за данни.
 R. R е език за програмиране, който се използва широко в
науката за данни и разработването на AI. R предоставя набор от
библиотеки и инструменти за анализ и визуализация на данни.
 Julia. Julia е сравнително млад език Той е създаден от самото
начало, за да бъде език за наука за данни, който покрива
повечето от ограниченията на други езици и е по-малко сложен
от Java или C++ и е по-бърз от Python или R.Това е език, който
постепенно се налага в общността на науката за данни.
72

Избор на правилните .. програмни езици (прод.)
 C++. C++ е ООП разширение на езика C, което може да се
използва за създаване невронни мрежи. Скоростта на C++ е
най-значимото предимство, тъй като разработването на AI
изисква сложни изчисления и този език може да ускори
изчисленията. Той има контрол на паметта на ниско ниво и
поддържа приложения, изискващи активи, критични за
производителността приложения и т.н.
 C++ има сложен синтаксис, но е по-евтин от други езици. C++
може да се използва в програмирането с AI за оптимизация и
класиране на търсачките. C++ е език за програмиране на ниско
ниво, който подобрява управлението на AI модела в
производството (промишлени роботи). Много рамки за
дълбоко и машинно обучение са разработени в C++.
TensorFlow, най-популярната рамка за машинно обучение, е
написана на C++.
73

 Java. Езикът за програмиране Java е език на високо ниво с общо
предназначение, ООП език. Синтаксисът на Java е сравним с
този на C и C++; Въпреки това, Java е предназначена да бъде
самостоятелна и има минимални зависимости. JAVA е може би
най-широко използваният език за различни дейности, като AI е
една от тях.
 Наличието на технология за виртуални машини е най-
значимото предимство на използването на езика за
програмиране JAVA. Виртуалната машина на Java опростява
процеса на внедряване, като ви спестява време и енергия от
компилиране на приложението отново и отново.
 Големите данни и AI са неразривно свързани и най-известните
рамки, като Fink, Hadoop, Hive и Spark, написани на Java.
74

 Lisp. Езикът за програмиране Java е език на високо ниво с общо
предназначение, ООП език. Синтаксисът на Java е сравним с
този на C и C++; Въпреки това, Java е предназначена да бъде
самостоятелна и има минимални зависимости. JAVA е може би
най-широко използваният език за различни дейности, като AI е
една от тях. Lisp, както и R спадат към т.н. функционални езици.
https://en.wikipedia.org/wiki/Functional_programming
 Prolog . Prolog работи с три елемента: факти, правила и цели..
Prolog е в състояние да разбира и съпоставя модели, да намира
и структурира логически данни и автоматично да връща назад
процес, за да открие по-добър път. Като цяло, най-доброто
приложение на този език в AI е за решаване на проблеми,
където Prolog търси решение - или няколко. В резултат на това
се използва в чатботове и виртуални асистенти. Prolog спада
към т.н. декларатевни езици.
https://en.wikipedia.org/wiki/Declarative_programming
75

Избор на модел и алгоритъм за AI системи
 Изборът на модел включва избор на правилния алгоритъм,
архитектура и хиперпараметри за AI модела. Ето някои от
основните фактори, които са важни при избора на модел:
 Тип проблем: Типът проблем (класификация, регресия или
групиране) играе решаваща роля при избора на подходящия
алгоритъм. Няма два еднакви AI – например, моделът за машинно
обучение* е различен от AI за анализ на образи.
 Размер и сложност на данните: те определят вида на
архитектурата и броя на слоевете в невронната мрежа.
 Хиперпараметри: Хиперпараметри като скорост на обучение,
размер на партидата и брой епохи трябва да бъдат настроени, за
да се оптимизира производителността на модела.
*Машинното обучение е клон на изкуствения интелект (AI) и
компютърните науки, който се фокусира върху използването на данни и
алгоритми за имитиране на начина, по който хората учат, като
постепенно подобрява неговата точност.
76

Обучение на алгоритъма
 Обучението включва оптимизиране на параметрите на модела
с помощта на данните за обучение. Ето някои от основните
стъпки, включени в обучението:
 Функция на загуба: Функцията на загуба се използва за
измерване на грешката между прогнозирания изход и
действителния изход.
 Алгоритъм за оптимизация: Алгоритъмът за оптимизация се
използва за актуализиране на параметрите на модела, за да се
минимизира функцията на загубата.
 Размер на партидата и скорост на обучение: Размерът на
партидата и скоростта на обучение са хиперпараметри, които
трябва да бъдат настроени, за да се оптимизира
производителността на модела.
.
77

Оценка на алгоритъма
 Оценката включва тестване на ефективността на обучения
модел с помощта на тестовите данни. Ето някои от основните
показатели за оценка на ефективността на модела:
 Точност: Точността измерва процента на правилно
предвидените резултати.
 Прецизност: Прецизността измерва процента на правилно
предвидените положителни резултати от всички положителни
прогнози.
 Припомняне: Припомнянето измерва процента на правилно
предвидените положителни резултати от всички действителни
положителни резултати.
Следвайки тези стъпки, можете да разработите AI система, която
може да решава сложни проблеми и да прави точни прогнози или
решения.
.
.
78

Проблеми при създаването на AI системи
 Разработването на AI системи идва със редица
предизвикателства. Ето някои от тях и мерките за
преодоляване:
 Пренастройване. Моделът се представя добре на данните за
обучение, но не е добре на новите данни. Преодолява се чрез
техники на регулиране, ранно спиране и увеличаване на
данните за подобряване на обучението.
 Недостатъчно адаптиране. Възниква, когато моделът е
твърде прост, за да улови сложността на данните. Някои от
мерките са увеличаване на сложността на модела, подобряване
качеството на входните данни чрез специални функции и
настройване на хиперпараметрите с цел оптимизация на
производителността на модела.
79

Проблеми при създаването...(прод.)
 Липса на данни. Преодолява се чрез увеличаване на данните,
трансфер на обучение от предварително обучени модели, както
и т.н. активно обучение, при което се избират на
информативните точки от данните за етикетиране.
 Избор на грешен модел или алгоритъм. Ето някои от
начините за преодоляване:
 Експериментиране с различни модели и алгоритми;
 Проучване на най-новите изследвания и разработки в
дадената оласт;
 Експертиза – работа в екип са най-добри експерти в
дадената област.
80

Стратегии за внедряване на AI в приложения
 Внедряването на AI в реални приложения включва някои от
основните стратегии:
 Разработване на API (интерфейси за програмиране на
приложения) - ефективен начин за използване на
функционалността на AI системата за други приложения или
услуги. Ето някои от предимствата за това:
 Оперативна съвместимост: API позволяват вашата AI система да
бъде интегрирана с други системи и услуги, което я прави по-
оперативно съвместима.
 Мащабируемост: API улесняват мащабирането на вашата AI
система, като й позволяват да се използва от множество
приложения или услуги.
 Гъвкавост: API предоставят гъвкав начин за взаимодействие с AI
системата, което улеснява персонализирането на потребителското
изживяване.
 .
.
81

Изграждане на потребителски интерфейс
 Изграждането на потребителски интерфейс (UI) е от
съществено значение, за да направите AI системата достъпна за
крайните потребители. Ето някои от изискванията при
изграждането на потребителски интерфейс:
 Лесна употреба: Потребителският интерфейс трябва да улеснява
взаимодействието на крайните потребители с AI системата, като
предоставя удобен за потребителя интерфейс.
 Визуализация: UI да може да се използва за визуализиране на
резултатите от AI системата по начин, който е разбираем за
крайните потребители.
 Персонализиране: Потребителският интерфейс е добре да бъде
персонализиран, за да отговори на специфичните нужди на
крайните потребители.
 За повече подробности вижте: https://dataconomy.com/2023/03/13/how-
to-create-an-artificial-intelligence/
 И моя превод в: Създаване на системи с изкуствен интелект
82

Интегриране със съществуващи системи
 Интегрирането на вашата AI система със съществуващи
системи е важно за да може да се използва ефективно в реални
приложения. Ето някои от предимствата на:
 Ефективност: Интегрирането на вашата AI система със
съществуващи системи може да подобри ефективността на
цялостната система чрез автоматизиране на задачите и намаляване
на ръчната работа.
 Споделяне на данни: Интегрирането на вашата AI система със
съществуващи системи може да позволи споделянето на данни
между различни приложения, което улеснява анализирането и
обработката им.
 Икономически ефективен: Интегрирането на вашата AI система
със съществуващи системи може да бъде рентабилен начин за
подобряване на цялостната производителност на системата, без да
изисква значителни инвестиции.
83

Платформи за разработка на AI системи
 AI платформата е софтуерно решение, което позволява на
бизнеса да разработва и внедрява приложения, базирани на AI.
Обикновено включва набор от инструменти и услуги за
специалисти по данни, разработчици и бизнес потребители,
както и среда за изпълнение за внедряване на AI модели.
 Една мощна платформа за AI и уеб разработка в идеалния
случай трябва да включва:
 Алгоритми на обучаваща се машина
 Дълбоко обучение
 Обработка на естествен език за машинен превод
 Автоматизация
 Х-ки на компютърното зрение за разпознаване на изображения
 Речеви средства за комуникация
 Преобразувания (говорен език в текст или текст в говор)
Тук ще изброем накратко някои от най-популярните платформи
и техните характеристики и предимства
84

Платформи за разработка на AI системи...
1. Google Cloud AI. С помощта на Google Cloud стартъпите могат
да разработят модели за машинно обучение, които могат да се
използват за всякакви данни, независимо от размера.
 Характеристика
 Отзивчиво машинно обучение в облака
 Анализ на отзивите на клиентите
 Филтриране на спам
 Техники за препоръчване
 Анализ на настроението
 Прогноза за покупната цена
 Предимства:
 Авангардна система за сигурност
 Удобна ценова структура
 Потвърдена дългосрочна употреба
85

2. TensorFlow.TensorFlow е софтуерна рамка с отворен код за
числени изчисления с графики на потока от данни. Ако
използвате Python, процесите на машинно обучение могат да
бъдат ускорени и опростени с библиотеката с отворен код
TensorFlow за числени изчисления. TensorFlow е разработен от
Google Brain Team.
 Характеристики:
 Изключителна адаптивност
 Истинска преносимост
 Свързана с изследванията и производството
 Автоматично разграничаване
 Езикови алтернативи
 Висока производителността
 Подчертава силните страни на машинното обучение
 Той е ефективен
 Облачните TPU (Tensor Processing Units) са предназначени за
обучение и изпълнение на ML модели
86

3. Microsoft Azure. Microsoft Azure Machine Learning предоставя
разширен анализ, базиран на облак. Новият личен асистент на
Windows Phone, Cortana, използва много от същите прогнозни
анализи в реално време. Azure ML също включва проверени
решения за Xbox и Bing.
 Дигитален маркетинг
 Подвижност
 Електронна търговия
 LOB приложения
 SharePoint, хостван на Azure
 Включено за мобилни устройства
 Онлайн базиран
 Работи с всяка ОС, език за програмиране, инструмент за разработка
или рамка.
87

4. Wipro HOLMES. Wipro Holmes е платформа за когнитивни
услуги, управлявана от машинно обучение и AI, която
автоматизира и ускорява бизнес процесите. С Wipro Holmes
фирмите могат да очакват откриването на иновативни решения
за техните специфични проблеми.
 Цифрови виртуални агенти
 Предсказуеми методи
 Интелигентна автоматизация на процесите
 Визуални компютърни приложения
 Виртуализацията на знанието
 Дронове и роботизирани системи
 Гласово разпознаване
 Идентифициране на модели
 Обработка на естествен език
88

5. Infosys Nia. Infosys Nia е платформа за разработка на AI,
изградена върху знания. Той съчетава машинно обучение и
институционални знания на организацията, за да ускори
автоматизацията и да насърчи иновативни идеи.
 Информационна платформа
 Платформа за автоматизация
 Платформа за информация и анализ
 Ефективното използване на активите
 Трансформация на процеса от активиране към поръчка
 Автоматизация на реакцията при инцидент
Други популярни платформи са: Amazon AI Services, H2O,
Petuum, Polyaxon, DataRobot, Neural Designer и BM Watson.
Повече информация за платформите за AI може да намерите в:
https://www.newtonschool.co/post/5-best-ai-development-
platforms-to-build-future-ready-apps
https://geekflare.com/ai-platforms/
89

Популярни технологични набори за AI
Технологичният стек (набор) за разработване на AI платформа
варира според специфичните изисквания и случаи на употреба.
Някои от често използваните технологии и рамки включват:
 Езици за програмиране: Python, Java, C++ и R
 Рамки за машинно обучение: TensorFlow, Keras, PyTorch, Scikit-
learn и Apache MXNet
 Обработка и управление на данни: Apache Spark, Apache
Hadoop и Apache Kafka
 Облачни платформи: Amazon Web Services (AWS), Microsoft
Azure и Google Cloud Platform (GCP)
 Управление на бази данни: MySQL, PostgreSQL, MongoDB и
Cassandra
 Контейнеризация: Docker и Kubernetes
90

Възможно ли е създаване на AI без кодиране?
Нямате голяма IT подготова, а искате да създадете своя AI система,
макар и не много сложна. Перспективата, обаче, тепърва да учите
език за програмиране и други IT тънкости ви плаши. Има за тази цел
доста системи, които позволяват това. Ето някои от тях, описани в
https://aimultiple.com/no-code-ai-tool и други сайтове:
 Studio Creatio - платформа без код с композируема архитектура за
автоматизиране на работни процеси и изграждане на приложения
с максимална степен на свобода.
 DataRobot - автоматизираната платформа за машинно обучение за
бързо и лесно изграждането и внедряването на точни
предсказуеми модели.
 Clarifai - водеща AI платформа за дълбоко обучение за
компютърно зрение, обработка на естествен език и автоматично
разпознаване на реч.
 MonkeyLearn – платформа за анализ на текст и машинно обучение
 MLJAR - Автоматизирана платформа за машинно обучение.
91

Основни стъпки за създаване на AI чатбот
Повечето хора се плашат от това. Изглежда сложна задача и не е ясно
как да направите чатбот или откъде да започнете. Всъщност
създаването на собствен чатбот е доста бързо и лесно, а и забавно.
Ето стъпките:
1. Определете целта на вашия чатбот
2. Решете къде искате да се показва
3. Изберете платформата за чатбот
4. Проектирайте разговора на chatbot в редактор на chatbot
5. Тествайте своя чатбот
6. Обучете вашия чатбот
7. Съберете отзиви от потребителите
8. Наблюдавайте анализа на chatbot, за да го подобрите
Ако сте решили найистина да започнете напишете в Google:
 How to Create a Chatbot for Free in 2023 [No Coding] – EN и
 Пълен наръчник за подготовка на проект за AI чатбот - BG
запознайте се със съдържението им и следвайте конкретните
указания!
92

Как да използваме ChatGPT 4
1. ChatGPT 4 безплатно на ForeFront AI. ForeFront AI предлага
безплатен достъп до модела GPT-4. Няма ограничение за броя на
съобщенията на ден. Така че, за да използвате модела GPT-4
безплатно, следвайте инструкциите по-долу.
Забележка: Поради голямото търсене, понякога може да отнеме
повече време, за да се отговори, а понякога извежда и някои грешки.
Така че, моля, бъдете търпеливи в такива случай:
 Отворете chat.forefront.ai (посетете) и създайте акаунт.
 След това изберете модела „GPT-4“ от падащото меню и изберете
„HelpfulAssistant“ като Persona.
 Сега вашият ChatGPT 4 бот е готов за използване. Въведете своя
ChatGPT подкана и изчакайте отговор от бота. Примерни запитвания:
@apetrov1936 What are disadvantages of AI
@dtokmakov1969 What is quantum computer and how it works
@sstojanova1970 what is 5G and how it works
93

Как да използваме ChatGPT 4 (прод.)
1. ChatGPT 4 безплатно на BingI. Точно след пускането на модела
GPT-4, Microsoft излезе напред и обяви, че неговият Bing AI вече
работи на модела GPT-4 (кодово име: Prometheus). Всъщност Bing AI
има някои допълнителни функции, които ChatGPT 4 няма. Можете да
генерирате изображения в Bing AI с проста подкана, като той цитира
източниците за своята информация. Ето как да използвате Bing за
свободен достъп до ChatGPT 4.
 Ако използвате Microsoft Edge, отворете bing.com/new (посетете) и
щракнете върху „Чат“ в горния ляв ъгъл.
 Ако използвате други браузъри, първо трябва да инсталирате това
разширение: Bing Chat за всички браузъри (инсталиране). Това ще ви
позволи да използвате Bing AI Chat във всеки уеб браузър.
 Сега превключете в режим „Креативен“ и задайте въпросите си. Този
режим използва предимно модела GPT-4.
 За повече подробности вж.
https://beebom.com/how-use-chatgpt-4-free/
94

AI и мобилните телефони
 AI работи задкулисно в нашите мобилни устройства за различни
случаи, като ни помага да правим по-добри снимки, да разбираме
различен език, да идентифицираме музика и да помага при игри.
AI може да се използва и за езиков превод в реално време, както и
да оказва помощ пре пробелми с телефоните.
 Qualcomm Technologies въвежда първа тази функция. Подобрява
потребителското изживяване на Snapchat, като прави лещите по-
плавни и по-бързи. Камерите в смартфоните използват AI за
фотография при слаба светлина, супер разделителна способност,
най-добър кадър, настройки на сцената, превключване между
обективи на камерата и др.
 Google Play и App Store позволват да инстгалираме и чатботове
на телефоните. За съжаление безплатните версии са силно
лимитирани, а платените са твърде скъпи. Освен това чатботовете
все още не са съвършени и дават грешни или неточни отговори.
95

Референции
https://www.slideshare.net/RohitYemul1/artificial-intelligence-basic-ppt
https://techemergent.com/the-foundations-of-ai
https://www.forbes.com/sites/bernardmarr/2023/06/02/the-15-biggest-
risks-of-artificial-intelligence/?sh=60bc5abd2706
https://www.currentschoolnews.com/bg/education-news/difference-
between-von-neumann-and-harvard-architecture
https://en.wikipedia.org/wiki/AI_boom
https://en.wikipedia.org/wiki/Functional_programming
https://en.wikipedia.org/wiki/Declarative_programming
https://dataconomy.com/2023/03/13/how-to-create-an-artificial-
intelligence/
https://www.newtonschool.co/post/5-best-ai-development-platforms-to-
build-future-ready-apps
https://geekflare.com/ai-platforms/
https://aimultiple.com/no-code-ai-tool
https://beebom.com/how-use-chatgpt-4-free
https://www.upgrad.com/blog/build-your-own-ai-system/
https://www.uptech.team/blog/how-to-build-ai-software
https://www.orientsoftware.com/blog/how-to-build-ai-software/
96

Изкуствен интелект.pptx

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Изкуствен интелект.pptx