Veštačka inteligencija

Veštačka inteligencija od nule

Sadržaj kursa · 8 lekcija i 3 dodatka

Kurs objašnjava kako veštačka inteligencija zaista radi — od ideje da mašina može da uči iz podataka, do jezičkih modela koji danas pišu tekst. Ide se pojmovno i hronološki: svaki termin se uvodi tačno jednom, tamo gde prvi put zatreba.

Kurs je pisan da se čita. Nijedna lekcija ne traži da išta instaliraš ili pokreneš. Matematika se uvodi gde je neophodna, ali uz svaku formulu ide i objašnjenje običnim rečima — ako preskočiš formulu, tekst i dalje ima smisla.

Uz svaku lekciju stoji i vežba. Prvi deo se uvek radi olovkom i papirom, drugi je za one koji pišu kod. Vežbe su dodatak i mogu se u potpunosti preskočiti. Ko želi da ih radi, neka prvo pogleda dodatak o okruženju na dnu ove stranice.

I. Osnove

1. Rečnik: sve reči koje ćeš čuti
Model, parametri, trening, funkcija greške, mreža, token, ugnežđivanje, inferencija, halucinacija — bez formula i bez koda

2. Zašto je učenje iz podataka pobedilo pisanje pravila
Simbolički pristup, Moravecov paradoks, dve zime veštačke inteligencije, prelom 2012.
Vežba: napiši pravila koja razlikuju rukom pisanu jedinicu od sedmice

II. Kako model uči

3. Parametri, greška i spuštanje niz brdo
Najjednostavniji model koji uči · srednja kvadratna greška · pejzaž greške, gradijentni spust i korak učenja
Vežba: izračunaj grešku za tri prave i napravi prvi korak niz brdo, rukom

4. Kako znamo da model zaista radi
Preprilagođavanje, podela podataka, curenje · preciznost i odziv · zašto tačnost od 98% ume da bude ništa
Vežba: popuni matricu konfuzije i uporedi je sa modelom koji ništa ne radi

III. Neuronske mreže

5. Slojevi i propagacija unazad
Zašto prava nije dovoljna · neuron, pregib i sloj · raspodela krivice unazad · gde se trening kvari
Vežba: provuci četiri slučaja kroz mrežu od tri neurona i vidi šta radi pregib

6. Reprezentacije: od piksela do značenja
Šta slojevi grade u sebi · konvolucija i filteri · transferno učenje · ugnežđivanja i značenje kao mesto u prostoru
Vežba: prevuci filter preko slike i vidi kako prepoznaje uspravnu ivicu

IV. Jezik

7. Transformeri: pažnja i sve što iz nje sledi
Upit, ključ i vrednost · višeglava pažnja · tokenizacija · predtreniranje i zakoni skaliranja · učenje iz ljudskih ocena · kontekst i RAG
Vežba: izračunaj pažnju rukom i gledaj kako kontekst pomera značenje reči

Najduža lekcija u kursu. Ima dva dela i može se čitati u dva navrata.

V. Granice

8. Gde modeli otkazuju i šta to znači
Halucinacije i kalibracija · pristrasnost · pomeranje distribucije · zagađenje testova · neprozirnost · bezbednost · regulativa i produkcija
Vežba: izmeri koliko ti čet izmišlja u oblasti koju dobro poznaješ

Dodaci

Pojmovnik
Svih 68 pojmova iz kursa azbučnim redom, po jedna rečenica, sa linkom na lekciju

Okruženje za vežbe
Potrebno samo onome ko radi kod · rad u pregledaču bez instalacije, biblioteke po lekcijama, česte greške

Šta dalje
Knjige, kursevi i radovi, poređani po tome koliko traže predznanja

ZA KOGA JE OVO PISANO

Za čitanje ne treba nikakvo programersko predznanje. Dovoljna je srednjoškolska matematika i volja da se prati misao koja se gradi.

Za drugi deo vežbi treba Python na nivou petlji i funkcija. Prvi deo svake vežbe radi se olovkom i papirom, pa i onaj ko ne programira ima šta da uradi.

Cilj kursa nije da naučiš koju funkciju da pozoveš, nego da razumeš zašto ovi sistemi rade i gde im je granica. Kad se to jednom zna, alati se menjaju, a slika ostaje.