Īsa atbilde: AI apzīmē mākslīgo intelektu : cilvēka radītas sistēmas, kas paredzētas tādu uzdevumu veikšanai, kas saistīti ar inteliģentu uzvedību, piemēram, mācīšanos, spriešanu, uztveri un valodu. Ja rīks mācās no datiem un var tikt galā ar nepazīstamām situācijām, tas ir tuvāks AI; ja tas darbojas pēc fiksētiem noteikumiem, tas galvenokārt ir automatizācija.
Galvenie secinājumi:
Definīcija : AI apzīmē mākslīgo intelektu — sistēmas, kas veic mācīšanās, spriešanas, uztveres vai valodas uzdevumus.
Realitātes pārbaude : ja tā nemācās vai nevispārina, tā, visticamāk, ir uz noteikumiem balstīta programmatūra.
Izturība pret ļaunprātīgu izmantošanu : Skeptiski izturieties pret “mākslīgā intelekta” apzīmējumiem, ja uzņēmumi vienkāršu automatizāciju tirgo kā mākslīgo intelektu.
Atbildība : Augstas likmes lietojumos nodrošiniet, lai par rezultātiem un kļūdām būtu atbildīga persona vai organizācija.
Caurspīdīgums : dodiet priekšroku rīkiem, kas izskaidro ierobežojumus, sniedz informāciju par novērtēšanas rezultātiem un skaidri parāda, kā lēmumus var apstrīdēt.
Raksti, kurus jūs varētu vēlēties izlasīt pēc šī raksta:
🔗 Ģeneratīvā mākslīgā intelekta galvenais mērķis ir vienkārši izskaidrots
Izprotiet, ko ģeneratīvais mākslīgais intelekts cenšas radīt un kāpēc tas ir svarīgi.
🔗 Vai mākslīgais intelekts ir pārspīlēts vai patiesi pārveidojošs?
Sabalansēts ieskats mākslīgā intelekta solījumos, ierobežojumos un reālajā pasaulē.
🔗 Vai teksta pārveidošanu runā nodrošina mākslīgā intelekta tehnoloģija?
Uzziniet, kā darbojas mūsdienu TTS un kas to padara inteliģentu.
🔗 Vai mākslīgais intelekts var precīzi nolasīt kursīvu rokrakstu?
Izpētiet OCR ierobežojumus un to, kā modeļi apstrādā nekārtīgu kursīvu tekstu.
Pilns AI nosaukums (īsā, kristāldzidrā atbilde) ✅🤖
Pilns AI nosaukums ir Mākslīgais intelekts .
Divi vārdi. Milzīgas sekas.
-
Mākslīgs = cilvēku radīts
-
Intelekts = pikantākā daļa (jo cilvēki strīdas par to, kas vispār ir – zinātnieki, filozofi un jūsu tēvocis, kurš domā, ka intelekts ir “kriketa statistikas zināšana” 😅)
Viena skaidra, plaši izmantota pamata definīcija ir šāda: mākslīgais intelekts ir par tādu sistēmu izveidi, kas var veikt uzdevumus, kas parasti saistīti ar inteliģentu uzvedību, piemēram, mācīšanos, spriešanu, uztveri un valodu. [1]
Un jā — šajā rakstā atkal redzēsiet frāzes pilno formu vārds AI, jo (1) tas palīdz lasītājiem un (2) meklētājprogrammas ir izvēlīgi mazi gremlini 😬.
Ko nozīmē “mākslīgais intelekts” praksē (un kāpēc definīcijas kļūst sarežģītas) 🧠🧩
Lūk, lieta tāda: mākslīgais intelekts ir joma , nevis atsevišķs produkts.
Daži cilvēki lieto terminu “AI”, lai apzīmētu:
-
sistēmas, kas darbojas kā “intelektuālie aģenti” (pieņemot lēmumus mērķu sasniegšanai), vai
-
sistēmas, kas risina “cilvēka stila” uzdevumus (redze, valoda, plānošana), vai
-
sistēmas, kas mācās modeļus no datiem (tieši tur parādās mašīnmācīšanās).
Tāpēc definīcijas nedaudz svārstības rodas atkarībā no tā, kas runā, un tāpēc nopietnās atsaucēs tiek veltīts laiks tam, kas vispār tiek uzskatīts par mākslīgo intelektu. [2]
Kāpēc cilvēki tik bieži jautā “pilnā mākslīgā intelekta forma” (un tas nav muļķīgs jautājums) 👀📌
Tas ir gudrs jautājums, jo:
-
Mākslīgais intelekts tiek izmantots ikdienišķi , it kā tā būtu viena vienīga lieta (tā nav)
-
uzņēmumi apzīmē “mākslīgo intelektu” produktus , kas būtībā ir tikai iedomāta automatizācija
-
“Mākslīgais intelekts” var nozīmēt jebko, sākot no ieteikumu sistēmas līdz tērzēšanas robotam un robotikai, kas orientējas fiziskajā telpā 🤖🛞
-
Cilvēki jauc mākslīgo intelektu ar mašīnmācīšanos, datu zinātni vai “internetu”, kas ir… tāda sajūta, bet nav pareizi 😅
Tāpat: mākslīgais intelekts ir gan reāla joma, gan mārketinga vārds. Tāpēc sākt no pamatiem — piemēram, no pilnā mākslīgā intelekta nosaukuma — ir pareizais solis.
Vienkāršs kontrolsaraksts “atrodi mākslīgo intelektu” (lai netiktu maldināts) 🕵️♀️🤖
Ja jūs mēģināt saprast, vai kaut kas ir “mākslīgais intelekts” vai tikai… programmatūra, valkājot kapuci:
-
Vai tā mācās no datiem? (vai tā galvenokārt ir noteikumu/ja-tad loģika?)
-
Vai tas vispārināms uz jaunām situācijām? (vai arī tas attiecas tikai uz šauriem, iepriekš izstrādātiem gadījumiem?)
-
Vai varat to novērtēt? (precizitāte, kļūdu biežums, robežgadījumi, kļūmju režīmi?)
-
Vai augsta riska lietojumam tiek veikta cilvēka uzraudzība? (īpaši darbā pieņemšanas, veselības aprūpes, finanšu, izglītības jomā)?
Tas maģiski neatrisina visas definīciju debates, taču tas ir praktisks veids, kā izvairīties no mārketinga miglas.
Kāpēc labs mākslīgā intelekta skaidrojums ietver ierobežojumus (jo mākslīgā intelekta to ir daudz) 🚧
Pamatotā mākslīgā intelekta skaidrojumā jānorāda, ka mākslīgais intelekts var būt:
-
lieliski veic šaurus uzdevumus (attēlu klasificēšana, modeļu prognozēšana)
-
un pārsteidzoši vāji pārvalda veselo saprātu (konteksts, neskaidrība, "ko, protams, darītu normāls cilvēks")
Tas ir kā šefpavārs, kurš gatavo perfektus suši, bet olas vārīšanai vajag rakstiskas instrukcijas.
Tāpat: mūsdienu mākslīgā intelekta sistēmas var pārliecinoši kļūdīties , tāpēc atbildīgas mākslīgā intelekta vadlīnijas koncentrējas uz uzticamību, pārredzamību, drošību, neobjektivitāti un atbildību , nevis tikai uz "ak, tas ģenerē lietas". [3]
Salīdzināšanas tabula: noderīgi mākslīgā intelekta resursi (pamatoti, nevis klikšķu ēsmas) 🧾🤖
Šeit ir praktiska minikarte — pieci stabili resursi , kas aptver definīcijas, debates, mācīšanos un atbildīgu lietošanu:
| Rīks/resurss | Auditorija | Cena | Kāpēc tas darbojas (un nedaudz atklātības) |
|---|---|---|---|
| Britannica: Mākslīgā intelekta pārskats | Iesācējiem | Brīvības pieskaņa | Skaidra, plaša definīcija; nevis mārketinga fantāzija. [1] |
| Stenfordas filozofijas enciklopēdija: Mākslīgais intelekts | Domīgi lasītāji | Bezmaksas | Iesaistās debatēs par to, “kas tiek uzskatīts par mākslīgo intelektu”; blīvs, bet ticams. [2] |
| NIST mākslīgā intelekta riska pārvaldības sistēma (AI RMF) | Būvnieki + organizācijas | Bezmaksas | Praktiska struktūra sarunām par mākslīgā intelekta risku un uzticamību. [3] |
| ESAO mākslīgā intelekta principi | Politikas un ētikas nūģi | Bezmaksas | Stingras vadlīnijas “vai mums vajadzētu?”: tiesības, atbildība, uzticams mākslīgais intelekts. [4] |
| Google mašīnmācīšanās ātrais kurss | Mācībspēki | Bezmaksas | Praktiska iepazīšanās ar mašīnmācīšanās koncepcijām; vērtīga pat tad, ja sākat no nulles. [5] |
Ievērojiet, ka šie visi resursi nav viena veida . Tas ir apzināti. Mākslīgais intelekts nav viena josla — tā ir vesela automaģistrāle.
Mākslīgais intelekts vs. mašīnmācīšanās vs. dziļā mācīšanās (apjukuma zona) 😵💫🔍
Mākslīgais intelekts (MI) 🤖
Mākslīgais intelekts ir plašs jumts: metodes, kas vērstas uz uzdevumiem, kurus mēs saistām ar inteliģentu uzvedību – spriešanu, plānošanu, uztveri, valodu, lēmumu pieņemšanu. [1][2]
Mašīnmācīšanās (ML) 📈
Mašīnmācīšanās (ML) ir mākslīgā intelekta apakškopa, kurā sistēmas mācās modeļus no datiem, nevis tiek tieši programmētas ar fiksētiem noteikumiem. (Ja esat dzirdējuši teicienu “apmācīts ar datiem”, laipni lūdzam mašīnmācībā.) [5]
Dziļā mācīšanās (DL) 🧠
Dziļā mācīšanās ir mašīnmācīšanās (ML) apakškopa, kurā tiek izmantoti daudzslāņu neironu tīkli, kurus parasti izmanto redzes un valodas sistēmās. [5]
Neveika, bet noderīga metafora (un tā nav perfekta, nekliedziet uz mani):
mākslīgais intelekts ir restorāns. Mašīnmācīšanās ir virtuve. Dziļā mācīšanās ir viens konkrēts šefpavārs, kurš lieliski pagatavo dažus ēdienus, bet dažreiz aizdedzina salvetes 🔥🍽️
Tātad, kad kāds jautā par pilno mākslīgā intelekta formu , viņš bieži vien tiecas pēc plašākas kategorijas un konkrētas tās jomas.
Kā darbojas mākslīgais intelekts vienkāršā angļu valodā (doktora grāds nav nepieciešams) 🧠🧰
Lielākā daļa mākslīgā intelekta, ar kuru jūs sastapsieties, atbilst vienam no šiem modeļiem:
1. modelis: Noteikumi un loģikas sistēmas 🧩
Vecās skolas mākslīgais intelekts bieži izmantoja tādus noteikumus kā “JA tas notiek, TAD dari tā”. Lieliski darbojas strukturētā vidē. Sabrūk, kad realitāte sapinas (un realitāte mēdz būt nepaklausīga).
2. modelis: Mācīšanās no piemēriem 📚
Mašīnmācīšanās mācās no datiem:
-
surogātpasts vs nav surogātpasts 📧
-
Krāpšana pret likumību 💳
-
“Kaķa foto” salīdzinājumā ar “manu izplūdušo īkšķi” 🐱👍
3. raksts: Raksta pabeigšana un ģenerēšana ✍️
Dažas modernas sistēmas ģenerē tekstu/attēlus/audio/kodu. Tās var būt ērtas, taču tās var būt arī neuzticamas, tāpēc ikdienas ieviešanai ir nepieciešami aizsargbarjeras: testēšana, uzraudzība un skaidra atbildība. [3]
Ikdienas mākslīgā intelekta piemēri, kurus jūs, iespējams, esat izmantojuši 📱🌍
Ikdienas mākslīgā intelekta novērojumi:
-
meklēšanas rangs 🔎
-
kartes + satiksmes prognoze 🗺️
-
ieteikumi (video, mūzika, iepirkšanās) 🎵🛒
-
surogātpasta/pikšķerēšanas filtrēšana 📧🛡️
-
balss pārvēršana tekstā 🎙️
-
tulkojums 🌐
-
fotoattēlu kārtošana + uzlabošana 📸
-
klientu atbalsta tērzēšanas roboti 💬😬
Un augstākas likmes jomās:
-
medicīniskās attēlveidošanas atbalsts 🏥
-
piegādes ķēdes prognozēšana 🚚
-
krāpšanas atklāšana 💳
-
rūpnieciskā kvalitātes kontrole 🏭
Galvenā ideja: mākslīgais intelekts parasti ir aizkulišu dzinējs , nevis dramatisks humanoīds robots. Atvainojiet, zinātniskās fantastikas smadzenes 🤷
Lielākie maldīgie priekšstati par mākslīgo intelektu (un kāpēc tie paliek atmiņā) 🧲🤔
“Mākslīgais intelekts vienmēr ir pareizs”
Nē. Mākslīgais intelekts var kļūdīties — dažreiz smalki, dažreiz smieklīgi, dažreiz bīstami (atkarībā no konteksta). [3]
“Mākslīgais intelekts saprot tāpat kā cilvēki”
Lielākā daļa mākslīgā intelekta "nesaprot" cilvēciskajā izpratnē. Tas apstrādā modeļus. Tas var izskatīties pēc sapratnes, bet tas nav tas pats. [2]
“Mākslīgais intelekts ir viena tehnoloģija”
Mākslīgais intelekts ir metožu kopums (simboliskā spriešana, varbūtības pieejas, neironu tīkli un citas). [2]
“Ja tā ir mākslīgā intelekta tehnoloģija, tā ir objektīva”
Arī nē. Mākslīgais intelekts var atspoguļot un pastiprināt datu vai dizaina izvēlē esošo neobjektivitāti — tieši tāpēc pastāv pārvaldības principi un riska sistēmas. [3][4]
Un jā, cilvēkiem patīk vainot “mākslīgo intelektu”, jo tas izklausās pēc bezpersoniska ļaundara. Dažreiz tā nav mākslīgā intelekta vaina. Dažreiz tā ir vienkārši… slikta ieviešana. Vai slikti stimuli. Vai arī kāds steidzas ieviest funkciju 🫠
Ētika, drošība un uzticēšanās: mākslīgā intelekta izmantošana, neradot neērtības 🧯⚖️
Mākslīgais intelekts rada nopietnus jautājumus, ja to izmanto tādās jutīgās jomās kā pieņemšana darbā, aizdevumu izsniegšana, veselības aprūpe, izglītība un policijas darbs.
Daži praktiski uzticības signāli, kurus meklēt:
-
Caurspīdīgums: vai viņi paskaidro, ko dara un ko nedara?
-
Atbildība: vai par rezultātiem ir atbildīgs īsts cilvēks/organizācija?
-
Revidējamība: vai rezultātus var pārskatīt vai apstrīdēt?
-
Privātuma aizsardzība: vai dati tiek apstrādāti atbildīgi?
-
Aizspriedumu pārbaude: vai viņi pārbauda netaisnīgus rezultātus dažādās grupās? [3][4]
Ja vēlaties pamatotu veidu, kā domāt par risku (bez likteņa spirālēm), tādi ietvari kā NIST AI RMF ir veidoti tieši šāda veida “labi, bet kā mēs to pārvaldām atbildīgi?” domāšanai. [3]
Kā apgūt mākslīgo intelektu no nulles (neizcepot smadzenes) 🧠🍳
1. darbība. Uzziniet, kādas problēmas mākslīgais intelekts cenšas atrisināt
Sāciet ar definīcijām + piemēriem: [1][2]
2. darbība. Apgūstiet mašīnmācīšanās pamatjēdzienus
Uzraudzīts pret neuzraudzītu, apmācība/testēšana, pāraprīkošana, novērtēšana — tas ir mugurkauls. [5]
3. solis: izveidojiet kaut ko mazu
Nevis "uzbūvēt saprātīgu robotu". Drīzāk:
-
surogātpasta klasifikators
-
vienkāršs ieteikuma sniedzējs
-
mazs attēlu klasifikators
Vislabākā mācīšanās ir nedaudz kaitinoša mācīšanās. Ja tā ir pārāk gluda, iespējams, ka neesi pieskāries īstajām daļām 😅
4. solis: Neignorējiet ētiku un drošību
Pat nelieli projekti var radīt jautājumus par privātumu, aizspriedumiem un ļaunprātīgu izmantošanu. [3][4]
Bieži uzdotie jautājumi par pilno mākslīgā intelekta versiju (ātras atbildes, bez liekas informācijas) 🙋♂️🙋♀️
Pilns mākslīgā intelekta veids datoros
Mākslīgais intelekts. Tā pati nozīme — tikai ieviests programmatūrā/aparatūrā.
Mākslīgais intelekts pret robotiku
Nē. Robotika var izmantot mākslīgo intelektu, taču robotika ietver arī sensorus, mehāniku, vadības sistēmas un fizisku mijiedarbību.
Mākslīgais intelekts ir vairāk nekā tikai roboti un tērzēšanas roboti
Nebūt ne. Daudzas mākslīgā intelekta sistēmas ir neredzamas: ranžēšana, ieteikumi, noteikšana, prognozēšana.
Mākslīgais intelekts domā kā cilvēks
Lielākā daļa mākslīgā intelekta nedomā kā cilvēki. Vārds “domāšana” ir daudznozīmīgs — ja vēlaties padziļinātu diskusiju, mākslīgā intelekta filozofijas diskusijās par to tiek runāts ļoti aktīvi. [2]
Kāpēc visi pēkšņi visu sauc par mākslīgo intelektu
Jo tas ir spēcīgs apzīmējums. Dažreiz precīzs, dažreiz elastīgs… kā treniņbikses.
Kopsavilkums + īss atkārtojums 🧾✨
Jūs atnācāt pēc pilnā mākslīgā intelekta , un jā – tas ir mākslīgais intelekts .
Taču praktiskāks secinājums ir šāds: mākslīgais intelekts nav viena ierīce vai lietotne. Tas ir plašs metožu klāsts, kas palīdz mašīnām veikt uzdevumus, kas šķiet inteliģenti — mācīties modeļus, apstrādāt valodu, atpazīt attēlus, pieņemt lēmumus un (dažreiz) ģenerēt saturu. Tas var būt ļoti efektīvs, dažreiz sarežģīts, un tam ir nepieciešama atbildīga domāšana par riskiem. [3][4]
Īss kopsavilkums:
-
Pilns AI = Mākslīgais intelekts 🤖
-
Mākslīgais intelekts ir plašs lietussargs (zem tā iederas mašīnmācīšanās + dziļā mācīšanās) 🧠
-
Mākslīgais intelekts ir spēcīgs, bet ne maģisks — tam ir ierobežojumi un riski 🚧
-
Izvērtējot mākslīgā intelekta apgalvojumus, izmantojiet pamatotus ietvarus/principus ⚖️ [3][4]
Ja neatceraties neko citu, atcerieties šo: kad kāds saka “AI”, norādiet konkrēto veidu. 😉
Papildu bieži uzdotie jautājumi
Kāds ir pilns AI apzīmējums vienkāršos vārdos?
(MI) ir saīsinājums no mākslīgā intelekta ). Tas attiecas uz cilvēku radītām sistēmām, kas paredzētas tādu uzdevumu veikšanai, kas saistīti ar inteliģentu uzvedību, piemēram, mācīšanos, spriešanu, uztveri un valodu. Praksē “MI” tiek lietots ļoti plaši, tāpēc ir lietderīgi aplūkot, ko sistēma dara . Ja tā spēj mācīties no datiem un tikt galā ar nepazīstamām situācijām, tā ir tuvāka MI nekā vienkārša automatizācija.
Kā es varu noteikt, vai kaut kas ir īsts mākslīgais intelekts vai tikai automatizācija?
Praktisks pārbaudījums ir tas, vai rīks mācās no datiem un vispārina ārpus fiksētām situācijām. Ja tas galvenokārt seko “ja tas, tad šits” noteikumiem, tā parasti ir uz noteikumiem balstīta programmatūra, nevis mākslīgais intelekts. Vēl viena norāde ir tā, kā tā tiek novērtēta: reālas mākslīgā intelekta sistēmas parasti tiek mērītas ar precizitāti, kļūdu līmeni un robežgadījumu testēšanu. Mārketinga etiķetes var būt maldinošas, tāpēc vērtējiet to pēc uzvedības.
Vai mašīnmācīšanās ir tas pats, kas mākslīgais intelekts?
Ne gluži. Mākslīgais intelekts ir plašs apzīmējums sistēmām, kas veic ar intelektuālu uzvedību saistītus uzdevumus. Mašīnmācīšanās (ML) ir mākslīgā intelekta apakškopa, kas koncentrējas uz modeļu apguvi no datiem, nevis uz tiešu programmēšanu ar fiksētiem noteikumiem. Dziļā mācīšanās ir mašīnmācīšanās apakškopa, kas izmanto daudzslāņu neironu tīklus, bieži vien redzes un valodas uzdevumiem. Cilvēki jauc šos terminus, tāpēc konteksts ir svarīgs.
Kāpēc uzņēmumi pamata programmatūru sauc par “mākslīgo intelektu”?
Jo “AI” ir spēcīgs apzīmējums, kas var radīt iespaidu, ka produkts ir modernāks, nekā tas patiesībā ir. Daži rīki, kas tiek tirgoti kā AI, galvenokārt ir automatizācijas vai uz noteikumiem balstītas sistēmas ar ierobežotu elastību. Tāpēc ir vērts saglabāt skepsi un pajautāt, no kā sistēma mācās, kā tā vispārinās un kādi ir tās atteices režīmi. Skaidra dokumentācija un novērtēšanas rezultāti ir labas uzticības pazīmes.
Kādi ir izplatīti ikdienas piemēri tam, kā mākslīgais intelekts (MI) tiek izmantots, to nepamanot?
Daudzas mākslīgā intelekta sistēmas darbojas aizkulisēs, nevis darbojas kā acīmredzami roboti vai tērzēšanas roboti. Piemēri ir meklēšanas rezultātu ranžēšana, kartes un satiksmes prognozes, ieteikumi video vai iepirkšanās veikšanai, surogātpasta un pikšķerēšanas filtrēšana, balss pārveidošana tekstā, tulkošana un fotoattēlu kārtošana vai uzlabošana. Šīs sistēmas bieži vien labi darbojas šauru uzdevumu veikšanā, taču tām joprojām ir nepieciešama uzraudzība un skaidras cerības par ierobežojumiem.
Vai mākslīgais intelekts var droši kļūdīties, un kāpēc tam ir nozīme?
Jā — mūsdienu mākslīgā intelekta sistēmas var radīt rezultātus, kas izklausās pārliecinoši pat tad, ja tie ir nepareizi. Tāpēc atbildīga lietošana koncentrējas uz uzticamību, pārredzamību, drošību, neobjektivitāti un atbildību, nevis tikai uz spējām. Augstāka līmeņa jomās, piemēram, darbā pieņemšanā, veselības aprūpē, finansēs vai izglītībā, ir svarīga cilvēka uzraudzība, testēšana un skaidrs process lēmumu pārskatīšanai un apstrīdēšanai, ja nepieciešams.
Kas man jāņem vērā pirms mākslīgā intelekta izmantošanas situācijās, kurās ir lielas likmes?
Sāciet ar atbildību : nosauktai personai vai organizācijai ir jāuzņemas atbildība par rezultātiem un kļūdām. Pēc tam pārbaudiet pārredzamību : rīkam ir jāpaskaidro, ko tas dara, ko tas nedara un kādi ir tā ierobežojumi. auditējamība — vai lēmumus var pārskatīt vai apstrīdēt? Visbeidzot, meklējiet pierādījumus par novērtēšanu un riska domāšanu, piemēram, dokumentētus kļūdu īpatsvarus, neobjektivitātes pārbaudes un pārvaldības praksi.
Vai mākslīgais intelekts "domā kā cilvēks", vai arī tas tikai atdarina intelektu?
Lielākā daļa mākslīgā intelekta (MI) ikdienas izpratnē “nedomā” kā cilvēki. Tas apstrādā modeļus un var veikt uzdevumus, kas šķiet inteliģenti, īpaši valodas un uztveres ziņā, taču tas nav tas pats, kas cilvēka izpratne. Tāpēc definīcijas kļūst sarežģītas un nopietnas diskusijas koncentrējas uz to, kas tiek uzskatīts par intelektu, ko nozīmē vispārināšana un kā droši interpretēt MI veiktspēju praktiskajā ieviešanā.
Atsauces
[1] Encyclopaedia Britannica - Mākslīgais intelekts (MI): definīcija, vēsture un galvenās pieejas - Mākslīgais intelekts (MI) - Encyclopaedia Britannica
[2] Stenfordas filozofijas enciklopēdija - Mākslīgais intelekts: kas tiek uzskatīts par MI, pamatjēdzieni un galvenās filozofiskās debates - Mākslīgais intelekts - Stenfordas filozofijas enciklopēdija
[3] NIST - MI riska pārvaldības ietvars (MI RMF 1.0): pārvaldība, risks, pārredzamība, drošība un atbildība (PDF) - NIST MI riska pārvaldības ietvars (MI RMF 1.0) PDF
[4] OECD.AI - OECD MI principi: uzticams MI, cilvēktiesības un atbildīga izstrāde un ieviešana - OECD MI principi - OECD.AI
[5] Google Developers - Mašīnmācīšanās ātrais kurss: mašīnmācīšanās pamati, modeļu apmācība, novērtēšana un pamatterminoloģija - Mašīnmācīšanās ātrais kurss - Google Developers