# Vprašajte tehnološkega strokovnjaka: Kaj je sklepanje?

> Googlovi strokovnjaki v celotnem intervjuju razložijo sklepanje umetne inteligence, vključno s prepoznavanjem vzorcev, vrstami modelov, napovedovanjem, razvrščanjem, vrednotenjem, zasebnostjo, funkcijo AI Overviews, agentskimi sistemi in učinkovitostjo.

Source: https://ailoot.ai/blog/sl/ask-a-techspert-what-is-inference/
Canonical: https://ailoot.ai/blog/sl/ask-a-techspert-what-is-inference/
Language: sl
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-100059
Revision: sha256-af0868f44a986f11348cfcc9f84526bff9e63f4532f3c81bc9d7c16ab774fac8


Sklepanje je velik del tega, zaradi česar je umetna inteligenca vse zmogljivejša. V tem intervjuju Google Techspert dva Googlova strokovnjaka pojasnita, kaj je sklepanje in kako pomaga sistemom umetne inteligence ustvarjati uporabne rezultate.

Aprila je Google predstavil Ironwood, svojo sedmo generacijo tenzorske procesne enote (TPU), zasnovano za poganjanje sklepanja generativne umetne inteligence. TPU-ji so čipi, ki poganjajo sisteme umetne inteligence, in za Google niso novost, vendar je ta generacija zasnovana tako, da sistemom umetne inteligence pomaga preseči odzivnost in postati proaktivni. Sklepanje je proces, ki sistemom umetne inteligence omogoča uporabo modelov za ustvarjanje rezultatov na podlagi znanja.

**Vem, kaj pomeni beseda sklepanje — da lahko na podlagi informacij, ki jih prejmete, pridete do nekega sklepa. Ali to v kakršnem koli smislu pomeni isto, ko govorimo o umetni inteligenci?**

**Googlov strokovnjak:** Nekako, da. To je poenostavitev, vendar mislim, da je sklepanje najlažje razumeti kot prepoznavanje vzorcev. V najširšem smislu, ko govorimo o generativni umetni inteligenci in sklepanju, se sprašujemo: Ali lahko modeli umetne inteligence prepoznajo vzorce in napovejo, kaj želite? Če bi na primer rekel »arašidovo maslo in ____« in prosil ameriško občinstvo, naj dopolni prazno mesto, bi verjetno rekli »žele«. To je dober primer sklepanja pri govornih vzorcih in nekaj, kar zmore sklepanje umetne inteligence, vendar gre precej dlje od tega.

**Googlov strokovnjak:** Sklepanje na splošno je način, kako model dejansko uporabimo za nekaj koristnega. Najprej moramo model naučiti: model umetne inteligence vsebuje parametre modela, arhitekturo modela in konfiguracijo, torej kodo, ki jo potrebuje za izvajanje nalog — te stvari pa skupaj omogočajo njegovo delovanje. Sklepanje nam torej omogoča, da vse to dejansko uporabimo.

**Katere vrste modelov umetne inteligence uporabljajo sklepanje?**

**Googlov strokovnjak:** Sistemi umetne inteligence, ki temeljijo na globokem učenju, kot so jezikovni modeli, modeli za generiranje slik in zvočni modeli, vsi uporabljajo sklepanje, saj napovedujejo, kaj se bo »zgodilo«, na podlagi tega, kar so se naučili iz vzorcev v preteklih podatkih.

**Googlov strokovnjak:** Tudi modeli za priporočanje uporabljajo sklepanje.

**Kakšen je primer modela za priporočanje?**

**Googlov strokovnjak:** Večina oglaševalskih modelov je modelov za priporočanje, prav tako model, ki vam priporoča videoposnetke v YouTubu. To je »tradicionalna« (včasih imenovana »klasična«) umetna inteligenca — ne generativna umetna inteligenca, kot so veliki jezikovni modeli (LLM) in modeli za generiranje slik ali videoposnetkov — ki sklepanje uporablja že dolgo.

**Torej sklepanje ni novo v umetni inteligenci; le izboljšalo se je, ko je umetna inteligenca postala zmogljivejša?**

**Googlov strokovnjak:** Da. Sklepanje pa modelom umetne inteligence ne omogoča le napovedovanja, temveč tudi razvrščanja. Model lahko označi stvari na podlagi tega, kar se je naučil. Znan primer: Google je pred mnogimi leti modelu umetne inteligence pokazal sliko in ga vprašal, ali lahko na njej prepozna mačko. Z uporabo podatkov in sklepanja se je model lahko sam naučil, kaj je mačka in kako je videti, ter jo pravilno prepoznal.

**Tega se spomnim!**

**Googlov strokovnjak:** To je bil primer modela, ki uporablja sklepanje.

**Googlov strokovnjak:** Se spomnite, da so pred nekaj leti ljudje govorili o slikah, ustvarjenih z umetno inteligenco, ki so v bistvu zanemarjale zakone fizike? Roke na primer pogosto niso bile prikazane pravilno. Današnji modeli to zmorejo precej bolje. Boljši so pri fiziki in teksturah ter pri drugih stvareh. Enako velja za prevajanje besedil. Prevajanje je bilo na primer nekoč statistično. Bilo je uporabno, vendar ne povsem pravilno in zagotovo ne pogovorno. Toda statistično prevajanje nas je pripeljalo do prevajanja z generativno umetno inteligenco, ki ga danes veliko ljudi z veseljem uporablja, celo v izdelkih za stranke. Še vedno uporabljamo proces, imenovan sklepanje, vendar sta se osnovna umetna inteligenca in naša računska zmogljivost dramatično izboljšali.

**Ali lahko izmerite, kako dobro deluje sklepanje?**

**Googlov strokovnjak:** To lahko storimo tako, da izmerimo, kako uspešen je model pri določenih nalogah. Sklepanje uporabljamo tudi za vrednotenje in učenje modelov, da bi jih izboljšali. Med učenjem modela torej nenehno izvajamo sklepanje, da hkrati izboljšujemo njegovo kakovost.

**Zaradi takšnih načinov učenja se rezultati sklepanja po panožnih merilih nenehno izboljšujejo, bi si mislil.**

**Googlov strokovnjak:** Da. Vprašanje pa je tudi, kako to zaznavajo ljudje — koliko smo vsi opazili te izboljšave? Na splošno precej. Pri delu na sklepanju nam je v Googlu zelo pomembna tudi zasebnost: skrbno premislimo, katere podatke moramo shranjevati, da te izkušnje delujejo.

**Kateri so primeri Googlove umetne inteligence, pri katerih lahko opazimo izboljšano sklepanje?**

**Googlov strokovnjak:** Ena najboljših uporab sklepanja pri Googlu je [AI Overviews](https://blog.google/products/search/ai-overview-expansion-may-2025-update/). V Iskanje vnesete poizvedbo, nato pa zelo kompleksen sistem pošlje nalogo množici modelov, da pridobi rezultate. Sistem uporablja sklepanje, da razume vašo poizvedbo in ugotovi, kakšen odgovor želite, na koncu pa naučeno povzame v nekaj zelo uporabnega. Sklepanje je ključno tudi za veliko [agentskega dela, ki ga opravlja Google](https://blog.google/products/search/google-search-ai-mode-update/#agentic-capabilities). Pri agentih lahko modelu umetne inteligence poleg zahteve, naj na podlagi sklepanja posreduje informacije, naročite tudi, da nekaj naredi za vas. To je nekakšna razširitev sklepanja, kot smo ga razumeli doslej.

**Torej sklepanje vse bolje uporablja podatke oziroma znanje za podajanje odgovorov in celo izvajanje dejanj. Kako se še spreminja?**

**Googlov strokovnjak:** No, zelo pomemben dejavnik so stroški. Sklepanje skušamo narediti čim bolj cenovno dostopno. Recimo, da želimo ljudem ponuditi manjšo in cenovno dostopnejšo različico Geminija. Pri sklepanju modela bi iskali načine za spremembo računske paradigme oziroma kode, iz katere je model sestavljen, ne da bi spremenili semantiko oziroma njegovo glavno nalogo, da bi znižali stroške. V bistvu gre za izdelavo manjše in učinkovitejše različice modela, da bi do njegovih zmogljivosti lahko dostopalo več ljudi.

**Kako znižamo stroške?**

**Googlov strokovnjak:** Eden od načinov je optimizacija strojne opreme. Zato bo Google letos predstavil Ironwood. Zasnovan je za sklepanje, saj je že v osnovi optimiziran zanj: ponuja več računske moči in pomnilnika ter optimizacijo za določene številske tipe. Na strani programske opreme Google izboljšuje svoje prevajalnike in ogrodja. Dolgoročni cilj je, da bi bilo sklepanje umetne inteligence učinkovitejše: boljša kakovost z manjšim odtisom, ki stane manj in je v pomoč.

Raziščite dokumentacijo API-ja Ailoot na [ailoot.ai/docs](https://ailoot.ai/docs/).


## Ailoot · Podjetje in njegov portfelj projektov

Ailoot temelji na pridobljenih operativnih izkušnjah, široki bazi strank, stabilni storitvi in stalnem spremljanju KPI.

Podjetje in njegov portfelj projektov: milijoni strank; mesečna prodaja v milijardah.

Ailoot te operativne izkušnje uporablja za dostop prek API do funkcij umetne inteligence v izdelkih strank, agentih, aplikacijah in avtomatizacijah.
