Kiambatisho B: Kioo cha AI Zalishi

Msimbo Ulio Chini ya Msimbo

Kitabu hiki kinatoa dai kali: kwamba uchumi ni mchakato zalishi wa kikokotozi, na kwamba kuibuka kwa akili bandia (AI) ndio wakati ambapo hatimaye tulijenga mashine inayoturuhusu kuona msimbo wake wa chanzo.

Kiambatisho hiki ndicho uthibitisho.

Ni mwongozo wa tafsiri wa moja kwa moja, Jiwe la Rosetta la kuoanisha kila dhana kuu ya Uchumi wa Kiakili (Intelligent Economics) na mwenzake wa moja kwa moja wa kihisabati na wa kiusanifu katika ulimwengu wa AI Zalishi ya kisasa, iliyo katika kilele cha maendeleo. Hii si orodha ya mifano linganishi iliyolegea. Huu ni ushahidi wa ufanano wa kina wa kimuundo (isomorphism).

Kwa mhandisi wa AI, kiambatisho hiki kitakufunulia kwamba, bila kujua, umekuwa ukisoma fizikia ya msingi ya ustaarabu. Kwa mchumi na msomaji wa kawaida, kitathibitisha kwamba mawazo yanayoonekana kuwa ya ajabu na changamano katika kitabu hiki si falsafa ya kubahatisha. Ni kanuni zilezile za kihandisi zinazoendesha teknolojia inayoleta mageuzi makubwa zaidi katika zama zetu.

Hebu tutazame kiooni.

Sehemu ya I: Kanuni ya Msingi

Dhana ya Uchumi wa Kiakili	Mwenzake katika AI Zalishi na Mfanano wa Kina
Nadharia ya Akili (IT)	Lengo la Ujifunzaji wa Mashine wa Kisasa. Kanuni kuu ya IT, kwamba mifumo hubadilika ili kuongeza hadi kiwango cha juu kabisa akili ya kutabiri kwa gharama fulani ya kimwili, ni ujumlishaji wa moja kwa moja, kwa kiwango kikubwa, wa upunguzaji wa kanuni ya hasara (loss function) unaotawala ujifunzaji wote wa mashine. "Kitendo cha Akili" ni Lagranjia ya ulimwengu wote kwa mfumo wowote unaojifunza. Uchumi ni "wenye akili" ikiwa unajifunza haraka na unajumlisha vizuri.
"Gharama ya Mzimu" (Gharama za Akili)	Kanuni ya Hasara. Lagranjia ya Nadharia ya Akili (H - C - K) ndiyo kanuni ya hasara ya uchumi. Ndiyo namba ambayo mfumo mzima unajaribu kuipunguza hadi kiwango cha chini kabisa. Kanuni ya hasara iliyobuniwa vizuri katika AI huzaa matokeo mazuri ajabu. Iliyobuniwa vibaya huzaa jinamizi. Ukosoaji wetu dhidi ya Pato la Taifa (GDP) ni kwamba ni kanuni ya hasara mbaya kwa kiwango cha maafa kwa ustaarabu.
Daraja la Kudumu	Ujifunzaji kwa Kuimarishwa (Reinforcement Learning) na Algorithimu za Mageuko. Kanuni ya kudumu ni udhihirisho, kwa kiwango kikubwa, wa algorithimu ya uteuzi. Katika AI, unafunza kundi la miundo kwenye kazi fulani. Miundo yenye "hasara" ndogo zaidi (usahihi wa juu zaidi wa kutabiri) huchaguliwa na "kuzalishwa" ili kuunda kizazi kijacho. Ulimwengu ni mazingira makubwa ya ujifunzaji kwa kuimarishwa yanayoendeshwa sambamba kwa wakati mmoja. Kudumu ndiyo ishara ya zawadi.

Sehemu ya II: Mienendo na Usanifu

Dhana ya Uchumi wa Kiakili	Mwenzake katika AI Zalishi na Mfanano wa Kina
Injini Zalishi	Miundo ya Usambaaji ya Kuondoa Kelele (Denoising Diffusion Models). Hisabati ni ileile kabisa. Mageuko ya uchumi ni Mchakato wa Kurudi Nyuma wa muundo wa usambaaji. Ni tendo zalishi la kuunda hali yenye uwiano na mpangilio (jamii inayofanya kazi) kutoka katika hali ya kelele yenye entropia ya juu (uwezekano usio na kikomo), likiongozwa na hitaji la kupunguza kanuni yake ya hasara hadi kiwango cha chini kabisa.
Sheria Tatu za Mfumo Hai	Masharti ya Ufunzaji Thabiti. Hizi si sheria za kimaadili; ni mahitaji ya lazima ya kihandisi kwa ukokotoaji wenye mafanikio wa muda mrefu. Mtiririko = Muundo unahitaji mkondo usiokatika wa Nishati na Data. Uwazi = Muundo unahitaji data mpya, mbalimbali, ili kuepuka Kuporomoka kwa Muundo / Kukariri Kupita Kiasi (Model Collapse / Overfitting). Ustahimilivu = Muundo unahitaji Udhibiti wa Kawaida (Regularization) na Utofauti wa Kiusanifu ili kuhakikisha unajumlisha.
Topolojia ya Mtandao	Mitandao ya Neva ya Grafu (GNNs) na Upendeleo wa Kiinduksheni (Inductive Bias). Usanifu wa AI unaipa "upendeleo wake wa kiinduksheni," yaani dhana zake zilizojengwa ndani kuhusu muundo wa tatizo. Topolojia ya mtandao wa kiuchumi ndio upendeleo wa kiinduksheni wa jamii. Mtandao wa Kitovu na Spoki (Hub-and-Spoke) ni kama mtandao rahisi wa kusonga mbele tu (feed-forward). Mtandao wa Ulimwengu Mdogo (Small-World) ni kama Transformer, hodari ajabu katika kupata miunganiko ya mbali na ya kibunifu.
Kampuni dhidi ya Soko	Mtandao wa Neva Maalumu dhidi ya Mchakato wa Ufunzaji. Kampuni ni muundo maalumu uliofunzwa tayari, uliobuniwa kwa ajili ya Utekelezaji (Inference) wenye ufanisi usio na huruma kwenye tatizo linalojulikana. Shirika kubwa ni kama muundo wa Mchanganyiko-wa-Wataalamu (Mixture-of-Experts, MoE). Soko ni mchakato wenye vurugu na nishati ya juu wa Ugunduzi (Training), algorithimu ya utafutaji inayochunguza "nafasi ya vigezo-juu (hyperparameter space)" kubwa ya miundo yote ya biashara inayowezekana.
Injini Pacha	Mzunguko wa Utekelezaji dhidi ya Ufunzaji. Huu ndio mzunguko wa msingi wa AI yote ya hali ya juu. AI hufanya Utekelezaji (Inference) (Injini ya Kasi) kwa kutumia uzito wake wa sasa usiobadilika. Matokeo hukusanywa kama data na kutumika kwa mzunguko unaofuata wa Ufunzaji (Injini ya Polepole), ambao husasisha uzito wa muundo. Hii ndiyo hasa mienendo ya mageuko ya pamoja ya masoko na taasisi.

Sehemu ya III: Ramani na Kiolesura cha Binadamu

Dhana ya Uchumi wa Kiakili	Mwenzake katika AI Zalishi na Mfanano wa Kina
Dashibodi ya MIND	Vipimo vya Tathmini vya Njia Nyingi (Multi-Modal). Hupimi muundo wenye nguvu wa AI kwa kipimo kimoja tu. Unakuwa na dashibodi: usahihi, kasi, gharama ya kikokotozi, ustahimilivu dhidi ya mashambulizi ya kiadui, upendeleo, n.k. Mitaji ya MIND ni seti ya tathmini ya njia nyingi kwa mchakato zalishi wa ustaarabu.
Sera kama Uhandisi wa Jiometri	Uzalishaji Unaoongozwa / Uongozaji kwa Kiainishi (Classifier Guidance). Uhusiano ni kamili. Sera ndiyo utaratibu wa "uongozaji." Kodi ya kaboni ni kiainishi kinachotazama tendo la kiuchumi na kuuliza, "Je, hili lina kaboni kidogo?" Kisha kinaongeza msukumo mdogo kwenye kanuni ya hasara ya mfumo, na kuuelekeza mchakato mzima zalishi kuelekea eneo tofauti la nafasi ya uwezekano bila kuudhibiti moja kwa moja.
Uchumi wa Ulinganifu	Tatizo la Ulinganifu wa AI. Hoja kuu ya kitabu kwamba tatizo jipya la kiuchumi ni "nani anaziamuru mashine?" ni uundaji upya wa moja kwa moja wa tatizo la Ulinganifu wa AI. Ulinganifu wa Nje ni kuchagua kanuni-lengo sahihi (kwa mfano, MIND badala ya Pato la Taifa). Ulinganifu wa Ndani ni kuzuia kuibuka kwa malengo-kati potovu katika uchumi wa M2M (mashine-kwa-mashine).
Wajibu wa Mwisho wa Ubinadamu	Ujifunzaji kwa Kuimarishwa Kutokana na Mrejesho wa Binadamu (RLHF). Huu ndio wajibu wa mwisho kabisa wa ubinadamu katika uchumi mpya. Baada ya ujifunzaji wote usiosimamiwa, miundo ya AI yenye nguvu zaidi huoanishwa kwa chaguo rahisi la binadamu: "Tokeo hili ni bora kuliko lile." "Kazi" ya ubinadamu ni kutoa ishara za zawadi, maamuzi ya thamani, ladha, na hekima vinavyooanisha nguvu kubwa mno zalishi ya teknolojia yetu na ustawi. Sisi ndio wakufunzi wa mashine, na kwa kufanya hivyo, tunafafanua kile kinachostahili kuumbwa.