Akili Bandia (AI) inaonekana zaidi na zaidi katika maisha yetu, kuanzia mapendekezo ya filamu yanayotolewa na Netflix hadi magari yanayojiendesha yenyewe kama yale ya kampuni ya Waymo. Je, umewahi kujiuliza AI inafanya kazi vipi? Kila programu mahiri nyuma yake kuna mchakato ambao mashine zinaweza kujifunza kutoka kwa data na kufanya maamuzi.

Katika makala hii, tutachunguza kwa njia rahisi kueleweka kuhusu kanuni za msingi za AI, hasa tukizingatia mifumo ya kujifunza kwa mashine (machine learning) ambayo ni moyo wa AI nyingi za kisasa.

AI "hujifunza" na kufanya maamuzi kwa msingi wa data

Kwa msingi wake, AI inafanya kazi kwa kujifunza kutoka kwa data. Badala ya kuandaliwa kwa njia ya kudumu kutoa majibu katika hali zote, mifumo ya AI (hasa ile inayotumia machine learning) hupatiwa kiasi kikubwa cha data na hujifunza mifumo au sheria zilizofichwa ndani ya data hiyo.

Baadaye, hutumia kile ilichojifunza kutabiri au kufanya maamuzi pale inapokutana na data mpya. Mchakato huu ni sawa na jinsi binadamu wanavyojifunza: tunatazama mifano mingi, kutoa uzoefu, kisha kutumia uzoefu huo katika hali mpya.

Kwa mfano, ikiwa tunataka kufundisha AI kutofautisha picha za paka na mbwa, tutakusanya maelfu ya picha za paka na mbwa na kuweka lebo kwa kila moja (mfano: picha hii ni paka, hii ni mbwa). Algorithimu ya AI itachambua maktaba hii kubwa ya picha kutafuta sifa zinazosaidia kutofautisha paka na mbwa – kama paka ana ndevu, sura tofauti na mbwa, n.k. Katika mchakato wa kujifunza, mfumo huweka marekebisho ya ndani ili kuboresha usahihi wa utambuzi.

Matokeo yake, AI hutengeneza mfano (model) unaoweza kutambua ni paka au mbwa. Ikipewa picha mpya (ambayo haijawahi kuonekana), mfano utatabiri kama ni paka au mbwa kulingana na kile kilichojifunza. Ikiwa utabiri ni makosa, AI inaweza kurekebishwa (kutumia algorithimu ya kujifunza) ili kuboresha usahihi kwa mara inayofuata.

Kifupi, mchakato wa AI kujifunza na kufanya kazi kawaida unajumuisha hatua kuu zifuatazo:

• Kukusanya data (Input)

Kwanza, AI inahitaji data ya kuingiadata nyingi na tofauti, AI hujifunza vyema zaidi.

• Kufundisha mfano (Learning/Training)

Hatua inayofuata ni mashine kujifunza kutoka kwa data. Data ya kuingia huingizwa kwenye algorithimu ya kujifunza (machine learning algorithm). Algorithimu hii hutafuta mifumo au uhusiano ndani ya data na kurekebisha vigezo vya ndani ili kuendana na data.

Katika kesi ya mitandao ya neva bandia (maarufu katika deep learning), mchakato wa mafunzo ni kurekebisha uzito (weights) wa muunganisho kati ya neva kupitia mizunguko mingi. AI hujaribu kutabiri kwenye data ya mafunzo na kujirekebisha kulingana na tofauti kati ya utabiri na matokeo halisi (mchakato huu huitwa backpropagation katika mitandao ya neva).

Muhimu ni kwamba katika hatua hii, AI hujifunza kutoka kwa uzoefu (data ya mfano), kama mwanafunzi anavyofanya mazoezi: kufanya makosa, kupata uzoefu na kurekebisha.

• Kutoa utabiri/matokeo (Inference)

Baada ya kufundishwa, AI itakuwa na mfano uliyojifunza. Sasa, ikipokea data mpya ya kuingia (ambayo haijawahi kuonekana), AI inaweza kutumia mfano huo kutoa utabiri au maamuzi.

Kwa mfano, baada ya kujifunza, mfano wa AI wa kutofautisha paka/mbwa unaweza kutazama picha mpya na kutabiri "hii ni paka" kwa uwezekano fulani. Vivyo hivyo, AI iliyojifunza kutoka kwa data ya miamala ya benki inaweza kutabiri miamala mpya kama ni ya udanganyifu; au mfano uliyojifunza kutoka kwa data ya afya unaweza kutoa mapendekezo ya uchunguzi kwa mgonjwa mpya. Hatua hii huitwa suyumaji (inference) – AI inatumia maarifa yaliyopatikana katika hali halisi.

• Marekebisho na kuboresha (Feedback & Improvement)

Sifa muhimu ya AI (hasa mifumo ya machine learning) ni uwezo wa kuboresha yenyewe kwa muda. Ikiwa AI itatoa matokeo na kupokea maoni kuhusu usahihi (mfano: binadamu kuonyesha kama utabiri ni sahihi au si sahihi), inaweza kurekebisha mfano ili kuboresha utendaji.

Kwa mfano wa kutofautisha paka/mbwa: ikiwa mfano utabiri vibaya baadhi ya kesi (kama kutambua mbwa kama paka), wahandisi wanaweza kuongeza data ya kesi ngumu, au kurekebisha muundo/parameta za mfano, ili AI ijifunze zaidi. Kupitia masasisho haya ya mara kwa mara, AI huongezeka kuwa sahihi na mahiri zaidi kwa muda.

Hatua hii ni sawa na wewe kurekebisha makosa ya kazi zako kulingana na maoni ya mwalimu na kupata uzoefu kwa mara inayofuata. Kwa mifumo maalum ya AI (kama kujifunza kwa kuimarisha katika michezo), marekebisho yanaendelea wakati wa uendeshaji: AI hujaribu vitendo, ikiwa matokeo si mazuri huzuia vitendo hivyo, ikiwa ni mazuri huimarisha tabia hiyo.

Kwa ujumla, mifumo ya AI hufanya kazi kwa kuunganisha uwezo kuu tatu: kujifunza kutoka kwa data, kutumia mantiki kutoa matokeo, na kujirekebisha kutokana na makosa. Katika hatua ya kujifunza, AI hukusanya na kutoa taarifa kutoka kwa data (kutengeneza "maarifa").

Kisha katika hatua ya suyumaji, AI hutumia maarifa yaliyopatikana kushughulikia hali mpya na kutoa matokeo. Kupitia kujirekebisha makosa, AI huendelea kuboresha utendaji wake ili kuongeza usahihi. Muungano huu wa kujifunza, kufikiri na kujirekebisha ndio nguvu ya mifumo ya AI ya kisasa.

Mfano rahisi wa jinsi AI inavyofanya kazi

Tuchukulie mfano halisi kuelezea mchakato huu: chatbot ya AI inayojibu ujumbe moja kwa moja. Fikiria unataka kuunda chatbot ya msaada kwa wateja inayoweza kujibu maswali kwa Kiswahili kwa njia ya asili.

• Kukusanya data: Unahitaji kiasi kikubwa cha mazungumzo ili kufundisha chatbot kuelewa lugha na jinsi ya kujibu. Data hii inaweza kuwa mamilioni ya maswali na majibu ya mfano kutoka kwa mazungumzo ya huduma kwa wateja ya zamani, au data kutoka mtandao (kama majukwaa ya mijadala, mitandao ya kijamii) iliyokusanywa na kusafishwa. Kila swali linaambatana na jibu sahihi (kama lebo) ili chatbot ijifunze.
• Kufundisha chatbot: Unachagua mfano wa AI wa lugha (mfano mtandao mkubwa wa neva Transformer) na kumruhusu "kusoma" data yote ya mazungumzo uliyoikusanya. Mfano hujifunza kuhusisha maswali na majibu yanayofaa, na jinsi ya kutumia lugha ya asili kwa mtiririko mzuri. Polepole kupitia mizunguko mingi, chatbot huboresha uwezo wa kuelewa muktadha na kujibu kwa busara. Hujifunza kwamba wakati mteja anauliza "Nimesahau nenosiri, nifanye nini?", jibu linapaswa kuelekeza jinsi ya kurejesha nenosiri badala ya kutoa majibu yasiyohusiana. Mchakato huu ni sawa na mfanyakazi mpya kusoma maelfu ya maandishi ya mafunzo ili kuelewa kazi.
• Kujibu mtumiaji: Chatbot inapowekwa mtandaoni, mteja anaingiza swali jipya (ambalo chatbot haijawahi kuona awali). Chatbot huchambua swali, hutambua nia kuu (mfano: mteja anauliza kuhusu kusahau nenosiri) kulingana na kile ilichojifunza, kisha hutengeneza jibu linalofaa kulingana na maarifa yaliyokusanywa. Ikiwa imefundishwa vizuri, majibu yatakuwa ya asili na sahihi, kama yalivyoandikwa na binadamu.
• Kuboresha kwa muda: Baada ya kila mazungumzo, tunaweza kumjulisha chatbot kama jibu lake ni sahihi au si sahihi (kutumia maoni ya mteja au tathmini ya wafanyakazi wa msaada). Ikiwa chatbot haijatoa jibu bora, data ya mazungumzo hayo itaongezwa kwenye hifadhidata ya mafunzo kwa ajili ya maboresho ya baadaye. Hii ni mzunguko wa maoni unaosaidia AI kuboresha yenyewe.

Mfano huu unaonyesha wazi jinsi AI halisi "hujifunza" na kufanya kazi: kujifunza kutoka kwa data za zamani ili kutumia katika hali za baadaye. Iwe ni kutofautisha paka/mbwa au kujibu maswali ya wateja, kanuni za msingi ni sawa.

AI ya kizazi inafanya kazi vipi?

Mwelekeo wa hivi karibuni katika AI ni AI ya kizazi (Generative AI) – mifumo ya AI inayoweza kutengeneza maudhui mapya kama maandishi, picha, sauti ambazo hazijawahi kuwepo awali. Je, AI ya kizazi inafanya kazi vipi, na ni tofauti gani?

Kwa kweli, AI ya kizazi pia inategemea kujifunza kwa kina kutoka kwa data kubwa, lakini badala ya kutabiri au kutofautisha tu, mfano hujifunza kutengeneza matokeo mapya kulingana na mifano iliyojifunza.

Chukua mfano wa mtandao mkubwa wa lugha kama ChatGPT: Mfano huu umefundishwa kwa mabilioni ya maneno ya maandishi (vitabu, makala, tovuti) kujifunza uhusiano kati ya maneno na sentensi. Muundo wake ni mtandao wa neva wa kina sana (mabilioni ya vigezo) unaoweza kutabiri neno linalofuata katika sentensi.

Unapotumia, badala ya kutoa jibu lililohifadhiwa, ChatGPT hutengeneza jibu jipya kwa kuchagua kila neno linalofuata kulingana na uwezekano uliyojifunza. Matokeo ni maandishi yanayotiririka vizuri, yanayoakisi mtindo wa lugha kutoka kwa data ya mafunzo lakini yenye maudhui mapya kabisa.

Kwa maneno mengine, mifumo ya Generative AI kama ChatGPT au AI za kuchora picha (Midjourney, DALL-E) hufanya kazi kwa kujifunza kwa kina kuhusu "lugha" ya eneo husika (lugha ya binadamu, picha, muziki, n.k.) kisha kutengeneza bidhaa mpya kulingana na mahitaji kwa kutumia maarifa yaliyopatikana. Zimewezeshwa na mifano mikubwa ya kujifunza kwa kina – inayoitwa mifano ya msingi (foundation models) au mitandao mikubwa ya lugha (LLM) – iliyofundishwa kwa kiasi kikubwa cha data kwa kutumia algorithimu maalum (kama Transformer katika usindikaji wa lugha).

Hii inaruhusu programu kama ChatGPT au Midjourney kutengeneza maudhui mapya (maandishi, picha, muziki, n.k.) kulingana na maarifa yaliyopatikana, badala ya kutoa majibu yaliyohifadhiwa tu. Kwa mfano, ukitaka "andika hadithi kuhusu paka anayeweza kuandika programu", ChatGPT atatumia maarifa ya lugha na hadithi nyingi alizosomea kuunda hadithi mpya kabisa kulingana na ombi lako.

Sifa ya kipekee ya AI ya kizazi ni kwamba haijumuishi tu utambuzi au uchambuzi, bali pia ubunifukuunganisha na kubadilisha mifano iliyojifunza kuunda kitu kipya. Lakini matokeo yanaweza kuwa mengi na yenye utofauti mkubwa, na kufanya AI ya kizazi kuwa chombo chenye nguvu katika ubunifu wa maudhui, muundo, burudani na maeneo mengine mengi.

>>> Bonyeza kujifunza zaidi kuhusu:

Historia ya Kuanzishwa na Maendeleo ya AI

Aina maarufu za akili bandia

Kwa muhtasari, AI inafanya kazi kwa kujifunza kutoka kwa uzoefu (data) kama binadamu wanavyofanya. Kupitia mchakato wa mafunzo, mashine polepole hujifunza maarifa kutoka kwa sampuli za data na kuunda mfano wa kutumia baadaye.

Ingawa kuna algorithimu tofauti – kutoka miti rahisi ya maamuzi hadi mitandao ya neva ya kina yenye mabilioni ya vigezo – lengo kuu la AI ni kutafuta sheria zilizofichwakuandika maandishi na kuchora picha moja kwa moja.

Tunatumai maelezo haya yamekupa mtazamo wazi na wa moja kwa moja kuhusu jinsi AI "inavyofikiria" na kufanya kazi nyuma ya pazia. AI haibaki kuwa "kisanduku cheusi" chenye siri nyingi – ni matokeo ya mchakato wa kujifunza kutoka kwa data na jaribio na makosa, ukirekebisha na kuboresha, kama binadamu tunavyopata maarifa na ujuzi.

Fuata INVIAI kwa masasisho zaidi ya maarifa mapya kuhusu AI!