Leveraging AI for Content Creation and Ethical practices - నైతికత పాటిస్తూ కంటెంట్ తయారికి కృత్రిమ మేథ (AI)ని ఉపయోగించడం | What is AI?

1. What is AI?

Definition

The original definition of artificial intelligence by McCarthy (1956, cited in Russell & Norvig, 2010) is:

Every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it. An attempt will be made to find how to make machines use language, form abstractions and concepts, solve kinds of problems now reserved for humans, and improve themselves.

What AI can do?

What AI can do in education Image: Klutka et al. (2018) is from Teaching in a Digital Age: Third Edition - General Copyright © 2022 by Anthony William (Tony) Bates is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Access transcript of the video.

Above video was created for "AI for teachers, An Open textbook" which is part of the project AI4T.

Here is Telugu gist of above video:-

పై వీడియో సారాంశం కింద తెలుగులో ఉంది:-

కృత్రిమ మేథ అంటే ఏమిటి?

కృత్రిమ మేథకు (AI) అనేక నిర్వచనాలున్నాయి. ప్రతి సంస్థ, ప్రతి రచయిత దానిని విభిన్నంగా నిర్వచించారు. కాలక్రమంలో ఈ నిర్వచనాలు మారిపోతూ వచ్చాయి. దీనికి ఒక కారణం "మేథస్సు" అనే పదం నిర్వచించడానికి కష్టమైనదై ఉండటమే. ఉదాహరణకు, వికీపీడియా ప్రకారం — ఇది "కృత్రిమం" అనే పదాన్ని వాడుతుంది, అంటే మానవేతరమైనది. మేథస్సు అంటే ఏమిటో చెప్పకుండా, దాన్ని ఎలా ఉపయోగించవచ్చో వివరిస్తుంది: వాయిస్ గుర్తింపు, దృశ్య విశ్లేషణ, అనువాదం వంటి పనులన్నీ AIలోకి వస్తాయి. AI సాధారణంగా రెండు ప్రధాన రకాలుగా వర్గీకరించబడుతుంది:

1. నాలెడ్జ్-బేస్డ్ AI (జ్ఞానాధారిత AI):

ఇది మనుషుల జ్ఞానాన్ని కోడ్‌ రూపంలో కంప్యూటర్‌ ప్రోగ్రామ్‌లలో ప్రవేశపెట్టి పనిచేస్తుంది. దీనిని "ఎక్స్‌పర్ట్ సిస్టమ్స్" అని కూడా అంటారు. ఇది ప్రణాళిక, సమస్య పరిష్కారం, లాజిక్ వంటి మానవ మేథస్సుకు అవసరమైన అంశాలపై ఆధారపడి ఉంటుంది. దీనిలో "సింబాలిక్ AI" అనే విధానం ప్రముఖంగా ఉంటుంది, ఇది గణాంకాలు కాదు, కాన్సెప్ట్స్ ఆధారంగా పనిచేస్తుంది. అంటే, ఇది సంఖ్యల స్థానంలో ఆలోచనలను, కాన్సెప్ట్‌లను, సూత్రాలను విభజించి, నిర్మాణాత్మకంగా అల్గోరిథంలను తయారు చేస్తుంది. ఇప్పటి డేటా ఆధారిత AI తక్కువ సమయంలో గొప్ప పనులు చేస్తున్నా, దీని పరిమితి ఏమిటంటే — చిన్న పిల్లవాడు నేర్చుకునే పని చేయడానికి కూడా చాలా పెద్ద డేటా అవసరం అవుతుంది. అంటే మనం ఇంకా ఉత్తమమైన అల్గోరిథంలను ఉపయోగించట్లేదన్న సందేహం ఉంది.

2. డేటా-బేస్డ్ AI (దత్తాంశాధారిత AI):

ఇది వెబ్ నుంచి సేకరించిన డేటాను ఆధారంగా తీసుకుని, యంత్ర అభ్యాసం (Machine Learning) ద్వారా కొత్త నియమాలు లేదా ప్రోగ్రామ్‌లను రూపొందిస్తుంది. ఆధునిక AIలో ఈ విధానం ప్రముఖంగా ఉంది — దీని వల్ల డీప్ లెర్నింగ్ లాంటి సాంకేతికతలు ఎదిగాయి. అయితే ఆధునిక విధానాలు రెండు మేళవించి ఉంటాయి — నాలెడ్జ్ మరియు డేటా రెండింటినీ కలిపినవే.

AI చరిత్రలో ముఖ్యమైన ఘట్టాలు:

18వ, 19వ శతాబ్దాల రచయితల కలల నుంచే AI కల్పన ప్రారంభమైంది అని కొంతమంది అంటారు.
- ప్రాచీన గ్రీకు తాత్వికులు కూడా మానవేతర మేథస్సు గురించి ఆలోచించారు.
1950: అలన్ ట్యూరింగ్ మొదటిసారిగా మేథస్సుగల యంత్రాల గురించి తన పేపర్‌లో చర్చించారు.
1956: అమెరికాలో కొంతమంది శాస్త్రవేత్తలు సమావేశమై, "AI" అనే పదాన్ని అధికారికంగా సూచిస్తూ, AI భవిష్యత్తు లక్ష్యాలను నిర్ణయించారు.
1997: నాటి వరల్డ్ చెస్ చాంపియన్ చెస్ చాంపియన్ గ్యారీ కాస్పరోవ్‌ను డీప్ బ్లూ అనే AI (కంప్యూటర్ ప్రోగ్రామ్) చదరంగం ఆటలో ఓడించింది. ఇది AI సామర్థ్యాన్ని ప్రపంచానికి చూపించిన ఘట్టం. - ఇది గేమ్ ఛేంజర్. ఆ తర్వాత కొందరు శాస్త్రవేత్తలు దీన్ని సాధించేందుకు ప్రయత్నిస్తూనే ఉన్నారు. కానీ కొన్నిసార్లు ఫలితం కనిపించకపోవడంతో AI పై విశ్వాసం తగ్గిపోయింది — వీటిని AI వింటర్ అంటారు.

ఈ రోజు తాత్వికులు మరియు నైతికవేత్తలు AIపై తీవ్రమైన చర్చలు చేస్తున్నారు — ముఖ్యంగా AI యొక్క ప్రభావం, బాధ్యత, నైతికత వంటి అంశాలపై.

"ఇంటెలిజెన్స్" అన్న పదం అస్పష్టంగా ఉంది. ఒక పని మిషన్ చేయగలిగిందంటే అది మేథస్సు కాదని మళ్ళీ నిర్వచనాలు మారిపోతున్నాయి.
ట్యూరింగ్ టెస్ట్: ఒక యంత్రం మానవునిలా మాట్లాడగలిగితే, దానిని మేథస్సుగలదిగా పరిగణించవచ్చు. ఈ టెస్ట్ AIలో మైలురాయి. కానీ ఇప్పుడు జనరేటివ్ AI (GPT వంటివి) దీన్ని దాటేశాయని కొందరి అభిప్రాయం.

ఇవన్నీ మరో ట్యూరింగ్ టెస్ట్ దాటి ఇక ముందు కృత్రిమ మేధస్సు ఎటు పోతుంది? "మేధస్సు అంటే ఏమిటి?", "మానవత్వం అంటే ఏమిటి?" అనే ప్రశ్నల వైపుకి మనల్ని నడిపిస్తున్నాయి.