AI ya Kizazi ni tawi la akili bandia linalotumia mifano ya kujifunza kwa kina (mitandao ya neva) iliyofunzwa kwa seti kubwa za data ili kuunda maudhui mapya. Mifano hii hujifunza mifumo katika maandishi, picha, sauti au data nyingine ili kuweza kutoa matokeo ya asili (kama makala, picha, au muziki) kama jibu kwa maelekezo ya mtumiaji.

Kwa maneno mengine, AI ya kizazi huunda vyombo vya habari “kutoka mwanzo” badala ya kuchambua au kuainisha data iliyopo tu. Mchoro hapa unaonyesha jinsi mifano ya kizazi (mduara wa katikati) inavyokaa ndani ya mitandao ya neva, ambayo ni sehemu ya ujifunzaji wa mashine na uwanja mpana wa AI. 

Kwa mfano, IBM huelezea AI ya kizazi kama mifano ya kujifunza kwa kina inayoweza “kutengeneza maandishi, picha, na maudhui mengine ya ubora wa juu kulingana na data walizofunzwa”, na hutegemea algoriti za neva zilizo na ustadi wa kutambua mifumo katika seti kubwa za data ili kutoa matokeo mapya.

Jinsi AI ya Kizazi Inavyofanya Kazi

Kujenga mfumo wa AI ya kizazi kawaida huhusisha hatua kuu tatu:

• Ufunzaji (Mfano wa Msingi): Mtandao mkubwa wa neva (mara nyingi huitwa mfano wa msingi) hufunzwa kwa kiasi kikubwa cha data ghafi isiyo na lebo (mfano, terabytes za maandishi ya mtandao, picha au msimbo). Wakati wa mafunzo, mfano hujifunza kwa kutabiri sehemu zilizokosekana (kwa mfano, kujaza neno linalofuata katika sentensi milioni). Baada ya mizunguko mingi hujirekebisha ili kushikilia mifumo na uhusiano mgumu katika data. Matokeo ni mtandao wa neva wenye uwakilishi uliosimbwa unaoweza kuunda maudhui kwa uhuru kama jibu kwa ingizo.
• Kuboresha: Baada ya mafunzo ya awali, mfano hubadilishwa kwa kazi maalum kwa kuboresha. Hii inaweza kuhusisha mafunzo ya ziada kwa mifano iliyo na lebo au Kujifunza kwa Kuimarishwa Kutoka kwa Maoni ya Binadamu (RLHF), ambapo watu huweka alama kwa matokeo ya mfano na mfano hubadilika kuboresha ubora. Kwa mfano, mfano wa chatbot unaweza kuboreshwa kwa kutumia seti ya maswali ya wateja na majibu bora ili kufanya majibu yake kuwa sahihi na yanayohusiana zaidi.
• Kuzalisha: Mara baada ya kufunzwa na kuboreshwa, mfano huzalisha maudhui mapya kutoka kwa maelekezo. Hufanya hivyo kwa kuchagua kutoka kwa mifumo iliyojifunza – mfano, kutabiri neno moja kwa wakati kwa maandishi, au kuboresha mifumo ya pixel kwa picha. Kwa vitendo, “mfano huzalisha maudhui mapya kwa kutambua mifumo katika data iliyopo”. Kwa maelekezo ya mtumiaji, AI hutabiri mfululizo wa tokeni au picha hatua kwa hatua kuunda matokeo.
• Kuchukua na Kuboresha (RAG): Mifumo mingi pia hutumia Kuzalisha kwa Kuongezwa kwa Utafutaji kuboresha usahihi. Hapa mfano huvuta taarifa za nje (kama nyaraka au hifadhidata) wakati wa uzalishaji ili kuweka majibu yake kwenye ukweli wa sasa, kuongeza kile alichojifunza wakati wa mafunzo.

Kila hatua inahitaji nguvu kubwa za kompyuta: kufunza mfano wa msingi kunaweza kuhitaji maelfu ya GPU na wiki za usindikaji. Mfano uliopangwa unaweza kisha kutumika kama huduma (mfano chatbot au API ya picha) inayozalisha maudhui kwa mahitaji.

Aina Muhimu za Mifano na Miundo

AI ya kizazi hutumia miundo kadhaa ya kisasa ya neva, kila moja inayofaa kwa vyombo tofauti vya habari:

• Mifano Mikubwa ya Lugha (LLMs) / Transformers: Hizi ndizo msingi wa AI ya kizazi inayotegemea maandishi leo (mfano GPT-4 ya OpenAI, Google Bard). Hutumia mitandao ya transformer yenye mbinu za umakini kuzalisha maandishi yenye muktadha na muendelezo mzuri (au hata msimbo). LLMs hufunzwa kwa mabilioni ya maneno na zinaweza kukamilisha sentensi, kujibu maswali, au kuandika insha kwa ufasaha wa karibu na wa binadamu.
• Mifano ya Mwinuko (Diffusion Models): Maarufu kwa uzalishaji wa picha (na sauti fulani) (mfano DALL·E, Stable Diffusion). Mifano hii huanza na kelele ya nasibu na hatua kwa hatua “huondoa kelele” hadi kuwa picha yenye muktadha. Mtandao hujifunza kugeuza mchakato wa uharibifu na hivyo kuweza kuzalisha picha za kweli sana kutoka kwa maelekezo ya maandishi. Mifano ya mwinuko imebadili njia za zamani za sanaa za AI kwa sababu ya udhibiti wake wa kina juu ya maelezo ya picha.
• Mitandao ya Ushindani wa Kizazi (GANs): Mbinu ya awali ya uzalishaji picha (karibu 2014) yenye mitandao miwili ya neva inayoshindana: mtengenezaji huzalisha picha na mtathmini huzihukumu. Kupitia mchakato huu wa ushindani, GANs huzalisha picha za kweli sana na hutumika kwa kazi kama uhamishaji wa mtindo au kuongeza data.
• Variational Autoencoders (VAEs): Mfano mwingine wa zamani wa kujifunza kwa kina unaosimbua data katika nafasi iliyoshinikwa na kuisimbua tena kuzalisha mabadiliko mapya. VAEs zilikuwa miongoni mwa mifano ya kwanza ya kizazi kwa picha na sauti (karibu 2013) na zilionyesha mafanikio ya awali, ingawa AI ya kizazi ya kisasa imehamia transformers na mwinuko kwa ubora wa juu zaidi.
• (Nyingine): Pia kuna miundo maalum kwa sauti, video, na maudhui ya mchanganyiko. Mifano mingi ya kisasa huunganisha mbinu hizi (mfano transformers na mwinuko) kushughulikia maandishi+picha pamoja. IBM inabainisha kuwa leo mifano ya msingi ya mchanganyiko inaweza kusaidia kuzalisha aina mbalimbali za maudhui (maandishi, picha, sauti) kutoka kwa mfumo mmoja.

Pamoja, miundo hii inaendesha zana mbalimbali za kizazi zinazotumika leo.

Matumizi ya AI ya Kizazi

AI ya kizazi inatumika katika nyanja nyingi. Matumizi muhimu ni pamoja na:

• Masoko na Uzoefu wa Wateja: Kuandika nakala za masoko (blogu, matangazo, barua pepe) moja kwa moja na kuzalisha maudhui ya kibinafsi kwa haraka. Pia inaendesha chatbots za hali ya juu zinazoweza kuzungumza na wateja au hata kuchukua hatua (mfano kusaidia na maagizo). Kwa mfano, timu za masoko zinaweza kuzalisha matoleo mengi ya matangazo mara moja na kuyarekebisha kulingana na kundi la watu au muktadha.
• Uendelezaji wa Programu: Kuendesha uzalishaji na ukamilishaji wa msimbo. Zana kama GitHub Copilot hutumia LLMs kupendekeza vipande vya msimbo, kurekebisha makosa, au kutafsiri kati ya lugha za programu. Hii huongeza kasi ya kazi za kurudia na kusaidia uboreshaji wa programu (mfano kubadilisha misingi ya zamani kwenda majukwaa mapya).
• Uendeshaji wa Biashara: Kuandaa na kupitia nyaraka. AI ya kizazi inaweza kuandika au kurekebisha mkataba, ripoti, ankara, na karatasi nyingine kwa haraka, kupunguza kazi ya mikono katika HR, sheria, fedha na zaidi. Hii husaidia wafanyakazi kuzingatia kutatua matatizo magumu badala ya kuandika karatasi za kawaida.
• Utafiti na Afya: Kupendekeza suluhisho mpya kwa matatizo magumu. Katika sayansi na uhandisi, mifano inaweza kupendekeza molekuli mpya za dawa au kubuni vifaa. Kwa mfano, AI inaweza kuzalisha miundo ya molekuli bandia au picha za matibabu kwa mafunzo ya mifumo ya uchunguzi. IBM inabainisha AI ya kizazi inatumika katika utafiti wa afya kuzalisha data bandia (mfano picha za matibabu) wakati data halisi ni chache.
• Sanaa za Ubunifu na Ubunifu: Kusaidia au kuunda kazi za sanaa, michoro, na vyombo vya habari. Wabunifu hutumia AI ya kizazi kuzalisha sanaa za asili, nembo, mali za michezo au athari maalum. Mifano kama DALL·E, Midjourney au Stable Diffusion inaweza kuunda michoro au kubadilisha picha kwa mahitaji. Hutoa zana mpya za ubunifu, mfano kuzalisha matoleo mengi ya picha kuhamasisha wasanii.
• Vyombo vya Habari na Burudani: Kuzalisha maudhui ya sauti na video. AI inaweza kuunda muziki, kutoa hotuba yenye sauti ya asili, au hata kuandaa video fupi. Kwa mfano, inaweza kutoa sauti ya maelezo kwa mtindo uliotolewa au kuunda nyimbo kulingana na maelezo ya maandishi. Ingawa uzalishaji kamili wa video bado unaendelea, zana tayari zipo kuunda klipu za michoro kutoka kwa maelekezo ya maandishi, na ubora unaendelea kuboreka kwa kasi.

Mifano hii haijagusa hata sehemu ndogo; teknolojia inaendelea kwa kasi kiasi kwamba matumizi mapya (mfano, ufundishaji wa kibinafsi, maudhui ya uhalisia pepe, uandishi wa habari wa moja kwa moja) yanaibuka kila wakati.

Manufaa ya AI ya Kizazi

AI ya kizazi inaleta faida kadhaa:

• Ufanisi na Uendeshaji wa Kifaa: Inajirudisha kazi zinazochukua muda mrefu. Kwa mfano, inaweza kuandika barua pepe, msimbo au mawazo ya kubuni kwa sekunde, ikiongeza kasi ya kazi na kuwapa watu nafasi ya kuzingatia kazi za kiwango cha juu. Mashirika yanaripoti ongezeko kubwa la uzalishaji wakati timu huzalisha maudhui na mawazo kwa kasi zaidi kuliko hapo awali.
• Kuongeza Ubunifu: Inaweza kuongeza ubunifu kwa kufikiria na kuchunguza mabadiliko. Mwandishi au msanii anaweza kuzalisha rasimu nyingi au chaguzi za kubuni kwa kubofya kitufe, kusaidia kushinda kizuizi cha mwandishi au msanii. Uwezo huu wa “mshirika wa ubunifu” unamaanisha hata wasio wataalamu wanaweza kujaribu dhana mpya.
• Msaada Bora wa Maamuzi: Kwa kuchambua seti kubwa za data haraka, AI ya kizazi inaweza kutoa maarifa au nadharia zinazosaidia maamuzi ya binadamu. Kwa mfano, inaweza kufupisha ripoti ngumu au kupendekeza mifumo ya takwimu katika data. IBM inabainisha inaruhusu maamuzi bora kwa kuchuja data kuzalisha muhtasari wa msaada au mawazo ya utabiri.
• Kubinafsisha: Mifano inaweza kurekebisha matokeo kulingana na mapendeleo ya mtu binafsi. Kwa mfano, zinaweza kuzalisha maudhui ya masoko ya kibinafsi, kupendekeza bidhaa, au kubadilisha muonekano kulingana na muktadha wa mtumiaji. Ubinafsishaji huu wa wakati halisi huongeza ushiriki wa mtumiaji.
• Upatikanaji Saa 24/7: Mifumo ya AI haichoki. Inaweza kutoa huduma masaa yote (mfano chatbots zinazojibu maswali mchana na usiku) bila kuchoka. Hii inahakikisha utendaji thabiti na upatikanaji wa daima wa taarifa au msaada wa ubunifu.

Kwa ujumla, AI ya kizazi inaweza kuokoa muda, kuanzisha ubunifu, na kushughulikia kazi kubwa za ubunifu au uchambuzi kwa kasi na kiwango.

Changamoto na Hatari za AI ya Kizazi

Licha ya nguvu zake, AI ya kizazi ina vikwazo na hatari kubwa:

• Matokeo Yasiyo Sahihi au Yaliyoibuliwa (“Halusinasheni”): Mifano inaweza kutoa majibu yanayoonekana kuwa ya kweli lakini ni ya uongo au yasiyo na maana. Kwa mfano, AI ya utafiti wa sheria inaweza kutaja kwa uhakika nukuu za kesi za uongo. “Halusinasheni” hizi hutokea kwa sababu mfano hauelewi kweli ukweli – hubahatisha tu mfululizo unaowezekana. Watumiaji wanapaswa kuthibitisha matokeo ya AI kwa makini.
• Upendeleo na Haki: Kwa kuwa AI hujifunza kutoka kwa data za kihistoria, inaweza kurithi upendeleo wa kijamii katika data hiyo. Hii inaweza kusababisha matokeo yasiyo ya haki au ya kuudhi (mfano, mapendekezo ya kazi yenye upendeleo au maelezo ya picha yenye dhana potofu). Kuzuia upendeleo kunahitaji uangalizi wa data za mafunzo na tathmini endelevu.
• Faragha na Masuala ya Haki Miliki: Iwapo watumiaji wataingiza nyaraka nyeti au zenye hakimiliki katika mfano, inaweza kwa bahati mbaya kufichua maelezo binafsi katika matokeo au kuvunja haki miliki. Mifano pia inaweza kuchunguzwa ili kutoa sehemu za data walizofunzwa. Waendelezaji na watumiaji wanapaswa kulinda ingizo na kufuatilia matokeo kwa hatari hizi.
• Deepfakes na Uenezaji wa Habari Potofu: AI ya kizazi inaweza kuunda picha, sauti au video bandia za kweli sana (deepfakes). Hizi zinaweza kutumiwa kwa madhumuni mabaya kuiga watu, kusambaza habari potofu, au kudanganya watu. Kugundua na kuzuia deepfakes ni changamoto inayoongezeka kwa usalama na uadilifu wa vyombo vya habari.
• Kushindwa Kueleweka: Mifano ya kizazi mara nyingi ni “masanduku meusi”. Kwa kawaida haiwezekani kuelewa kwanini walizalisha matokeo fulani au kukagua mchakato wa maamuzi yao. Ukosefu huu wa uwazi unafanya iwe vigumu kuhakikisha uaminifu au kufuatilia makosa. Watafiti wanafanya kazi kwenye mbinu za AI zinazoweza kueleweka, lakini bado ni changamoto wazi.

Masuala mengine ni pamoja na matumizi makubwa ya rasilimali za kompyuta (kuongeza gharama za nishati na athari za kaboni) na maswali ya kisheria/maadili kuhusu umiliki wa maudhui. Kwa ujumla, ingawa AI ya kizazi ni yenye nguvu, inahitaji usimamizi makini wa binadamu na sera madhubuti kupunguza hatari zake.

Mustakabali wa AI ya Kizazi

AI ya kizazi inaendelea kwa kasi kubwa. Utekelezaji unaongezeka kwa haraka: tafiti zinaonyesha takriban theluthi moja ya mashirika tayari yanatumia AI ya kizazi kwa njia fulani, na wachambuzi wanatabiri kuwa takriban asilimia 80 ya makampuni yataitumia ifikapo 2026. Wataalamu wanatarajia teknolojia hii kuongeza trilioni za dola katika uchumi wa dunia na kubadilisha sekta mbalimbali.

Kwa mfano, Oracle inaripoti kuwa baada ya uzinduzi wa ChatGPT, AI ya kizazi “ilikuwa jambo la kimataifa” na “inatarajiwa kuongeza trilioni katika uchumi” kwa kuwezesha ongezeko kubwa la uzalishaji.

Tukiangalia mbele, tutaona mifano maalum na yenye nguvu zaidi (kwa sayansi, sheria, uhandisi, n.k.), mbinu bora za kuhakikisha matokeo ni sahihi (mfano RAG ya hali ya juu na data bora za mafunzo), na ujumuishaji wa AI ya kizazi katika zana na huduma za kila siku.

Dhana zinazoibuka kama mawakala wa AI – mifumo inayotumia AI ya kizazi kutekeleza kazi nyingi kwa uhuru – ni hatua inayofuata (mfano, wakala anayeweza kupanga safari kwa kutumia mapendekezo ya AI na kisha kuweka hoteli na ndege). Wakati huo huo, serikali na mashirika yanaanza kuandaa sera na viwango kuhusu maadili, usalama, na hakimiliki kwa AI ya kizazi.

>>>Je, unataka kujua:

AI dhaifu na AI yenye nguvu

AI nyembamba na AI ya jumla ni nini?

Kwa muhtasari, AI ya kizazi inarejelea mifumo ya AI inayoweza kuunda maudhui mapya, ya asili kwa kujifunza kutoka kwa data. Ikiwa na nguvu za mitandao ya neva ya kina na mifano mikubwa ya msingi, inaweza kuandika maandishi, kuzalisha picha, kuunda sauti na zaidi, kuwezesha matumizi ya mabadiliko makubwa.

Ingawa inatoa faida kubwa katika ubunifu na ufanisi, pia inaleta changamoto kama makosa na upendeleo ambayo watumiaji wanapaswa kushughulikia. Kadiri teknolojia inavyoendelea, itakuwa zana muhimu zaidi katika sekta mbalimbali, lakini matumizi yenye uwajibikaji yatakuwa muhimu ili kutumia uwezo wake kwa usalama.