Найшвидший шлях до вивчення ШІ в 2025 році - javascript.org.ua

Цей блог призначений для того, щоб провести вас чітким і простим шляхом до вступу у світ ШІ, одночасно даючи можливість вивчати нові продукти ШІ, щоб зберігати мотивацію. Я не буду наводити надмірно складні поради, як-от:

“Ей, тобі слід почати вивчати Python, адже це найпоширеніша та найпопулярніша мова програмування…”

або додавати діаграми, типу цієї:

Більшість людей, які шукають “Як навчитися ШІ”, одразу стикаються з термінами як ML та DL, що може бути демотивуючим і робить ШІ складним. Але звернімо увагу на таке: якщо навчання ШІ через освоєння повного стеку технологій (теорія/програмування) є правильним підходом, тоді це було б неможливо для таких людей, як Пранджалі Австі, яка у 16 років заснувала Delv.AI і залучила близько 500 000 доларів інвестицій, або для Олександра Ванга, який до 24 років став наймолодшим мільярдером, що став самостійно багатим завдяки ШІ і створив успішний стартап. Багато молодих людей до 18 або 20 років вже ламають код і заробляють хороші гроші, не зосереджуючись на тому, як вивчити ШІ, що може призвести до безкінечного циклу вивчення нових продуктів, інструментів чи проєктів, що з’являються щодня або щотижня, а фокусуючись на тому, щоб вивчити

як використовувати ШІ, що є ключовим питанням тут!

Навіть якщо ви почнете вивчати ШІ через загальний підхід, більшість з нас починає з архітектури Transformer, особливо тому, що ми всі захоплені ШІ через ChatGPT. Після цього ми часто губимося у технічних складнощах теорії, і навіть якщо ми її розуміємо, ми задаємося питанням, як ми можемо це відтворити, що, як ви вже знаєте, неможливо. Потім ми часто переключаємося на дослідження доступних онлайн інструментів ШІ замість того, щоб вивчати їх, і починаємо думати про бізнес-кейси для них.

Щоб справді навчитися ШІ, важливо знати, як використовувати ці продукти ШІ не лише за їхнім основним призначенням, а й реалізовувати їх, щоб бути на крок попереду, використовуючи їх нескінченні можливості.

Почни з API, а не Python

Безліч блогів скаже вам, що треба почати з Python, тому що це найвикористовуваніша та найпопулярніша мова, і хоча це правда, сам Python є цілою екосистемою. Вам знадобиться щонайменше 6 місяців, щоб вивчити Python, і до того часу ймовірно з’явиться нова популярна тема в ШІ. Однак більшість інструментів ШІ сьогодні пропонуються або працюють через API, що є дуже маленькою частиною програмування. Це дає нам перевагу: вам не потрібен потужний ноутбук чи необхідність вивчати Python, щоб працювати з ШІ. API — це лише маленька, швидша та легша частина Python, яку потрібно вивчити. Тому API повинні бути першою річчю, на яку вам слід звернути увагу.

Для тих, хто не розуміє, що таке API, уявіть це як офіціанта в ресторані. Ось як це працює:

Ви (клієнт) хочете щось (наприклад, їжу).
Кухня (система) має їжу, але ви не можете піти туди і забрати її самі.
Офіціант (API) забирає ваше замовлення на кухню і приносить назад їжу, яку ви замовили.

З точки зору технологій, хтось інший запускає продукт ШІ для вас, а ви використовуєте їх API для взаємодії з продуктом. Цей підхід до навчання API не тільки зменшує навчальне навантаження, але й усуває необхідність у високопродуктивному ноутбуці чи ПК.

Не встановлюй нічого

Так, заголовок не вводить в оману, вам не потрібно встановлювати нічого. Як я вже зазначав, ми будемо працювати з API для вивчення ШІ, що дозволяє обійти необхідність завантажувати продукти ШІ на ваш ПК чи ноутбук.
А що з Python та іншими інструментами? Існують три відомі онлайн середовища, які вирішують цю проблему для вас:

Colab: https://colab.research.google.com/
Kaggle: https://www.kaggle.com/
Lightning AI: https://lightning.ai/

Є й інші платформи, що дозволяють працювати без встановлення чогось, і ці три є серед найкращих. З них Colab є найкращим вибором. Але що ж саме вони собою представляють?

Colab, Kaggle та Lightning AI — це онлайн інструменти, що дозволяють працювати з ШІ та програмуванням без необхідності завантажувати або встановлювати що-небудь на вашому комп’ютері. Вони повністю працюють у вашому веб-браузері, що робить їх надзвичайно зручними у використанні.

HuggingFace як пошуковий механізм

На сьогоднішній день сфера ШІ розвивається шалено швидко, і легко відчувати, що ви відстаєте. Як я вже згадував, кожен новий день приносить стартап в ШІ, який по суті не є нічим іншим, як використанням API від гігантів. Тим часом самі ці гіганти ведуть ринок, щотижня або навіть щодня запускаючи проривні продукти. В ШІ відбувається так багато, що вам потрібен спеціальний пошуковий механізм для продуктів ШІ. Існує багато варіантів, але Hugging Face — це свого роду “Google” для ШІ та найзручніше і найпопулярніше джерело, щоб бути в курсі останніх продуктів ШІ, залишаючись при цьому зосередженим на них.

Якщо ви зайдете на сторінку моделей Hugging Face (https://huggingface.co/models), навіть людина з нульовими знаннями може знайти моделі для перетворення тексту в зображення. Ви знайдете безліч таких моделей, відсортованих за популярністю.

Припустимо, ви натрапили на модель “LLaMA-3.3 70B”, яка схожа на модель OpenAI, що стоїть за ChatGPT. Наступний крок — перейти на вкладку “spaces” на Hugging Face (https://huggingface.co/spaces), де хостяться більшість продуктів ШІ. Ви можете знайти цікаву модель і протестувати її, не встановлюючи і не запускаючи нічого, просто використовуючи Hugging Face як пошуковий механізм!

Крім того, є можливість використовувати моделі через API, що є першим кроком, який ми розглянемо на платформі Hugging Face без будь-яких знань, перш ніж реалізовувати власні стратегії.

Однак важливо зазначити, що якщо модель, яку ви шукаєте, не існує на Hugging Face spaces? Ось де починається наступна глава: вам потрібно стати розумним “шукачем безкоштовних речей”.

Будь розумним шукачем безкоштовних речей

Часто модель, яку ви полюбили, може не існувати на Hugging Face Spaces, але ви можете скористатися Google, щоб вирішити цю проблему. Наприклад, якщо “LLaMA-3.3 70B” відсутня на Hugging Face Spaces, наступним кроком буде пошук цієї моделі в Інтернеті, щоб дізнатися, чи доступна вона через API. Наприклад, коли я шукав LLaMA-3.3 70B, я натрапив на Nebi.us, який пропонує $100 безкоштовних кредитів для надання цього продукту ШІ через їх API. Цих $100 достатньо, щоб ви могли дослідити продукт і подивитися, як він працює для вас.

Ви знайдете ще безліч інших платформ, але є велика ймовірність, що вам сподобаються продукти, які вже є на Hugging Face Spaces.

https://nebius.com/

Теорія, коли це необхідно

Це найважливіша частина, де багато самостійних учнів стикаються з труднощами, і, ймовірно, більшість з вас зіштовхнеться з цією проблемою. Однак мій підхід до вирішення цієї проблеми полягає в тому, що спочатку вам слід шукати продукт, який вас цікавить, а не відразу заглиблюватися в теорію. Є так багато продуктів, і більшість з них не буде вам цікавою або не призведе до жодної реальної користі, тому навчання їх не має переваг. В продуктах ШІ ті ж самі моделі часто займають лідируючі позиції.
Наприклад, модель LLaMA-3.3, яка мене цікавить, є однією з найпопулярніших, і ви легко знайдете відео на YouTube, що пояснює її. Але що, якщо ваш інтерес лежить в непопулярних продуктах ШІ?

Якщо у вас нульові знання, перший крок — це знайти технічний блог або інформацію про цю модель. Наприклад, я знайшов цей блог про LLaMA-3.3 на DataCamp: LLaMA-3.3 70B Blog. Скопіюйте технічний контент з блогу і вставте його в цей чат: Gemini on AI Studio. Ви, можливо, чули про Gemini, який є конкурентом ChatGPT від Google. Причина, чому я пропоную використовувати Gemini, полягає в тому, що він працює схоже на ChatGPT, але має більшу пам’ять для збереження старих повідомлень.

Розпочніть чат з Gemini, використовуючи технічний контент про модель, яка вас цікавить, і переконайтеся, що ви ставите питання своїми словами, а не просто читаєте чужий стиль. Таким чином, ви не перевантажите себе. Коли ви запитаєте: “Ей, можеш пояснити, як була створена LLaMA-3.3?”, Gemini відповість, і це викличе нові питання у вашій голові, які ви зможете досліджувати, поки не відчуєте, що отримали достатньо інформації про продукт ШІ. Після цього ви можете подивитися відео на YouTube або поглибити свої знання про модель.

Ключовий момент тут — не лише вивчати теорію про улюблений продукт, а й продовжувати спілкування з Gemini, використовуючи знайдений онлайн контент про модель. Такий підхід допоможе вам орієнтуватися та поглибити ваше розуміння.

https://aistudio.google.com/app/prompts/new_chat

Швидкі пошукові запити в Google

Одне, що я пережив, коли завершував свою магістерську роботу, — це те, що на момент її завершення вже з'явився новий альтернативний продукт ШІ, який зробив підхід, використаний у моїй роботі, застарілим за одну ніч. Я вважаю, що важливо поділитися цим досвідом, бо навіть люди, які працюють у сфері ШІ багато років, як я, часто опиняються в такій ситуації, вивчаючи речі, які швидко стають застарілими. В якийсь момент ми всі маємо знову вивчати щось нове. Тоді я зрозумів, що коли ви застрягли у сфері ШІ, найкращий підхід — це почати імплементацію за допомогою Google. Подивіться, чи вже існує цей продукт і чи доступний він безкоштовно. Якщо так, використовуйте його знову, або знайдіть скорочений шлях, щоб швидко вивчити його достатньо, щоб отримати впевненість у пошуку правильних ключових слів про цей продукт.

Я зробив це сам у останні кілька днів, коли моя робота підходила до завершення. Я шукав нову альтернативу, яка робила мою роботу застарілою, і перевірив, чи існує її код ШІ. Це дозволило мені використовувати його і вивчити лише частину через ChatGPT, щоб моя робота могла включати найновіші технології. Ось так ви можете залишатися в курсі моделей, які вас цікавлять.

Давайте імплементуємо цей блог

Отже, давайте імплементуємо попередні кроки і подивимося, на скільки далеко ми можемо зайти. Я припускаю, що я маю нульові знання, але велике бажання вивчити ШІ після перегляду YouTube Shorts!

Як я вже згадував, Hugging Face — це пошуковий механізм, і мене цікавлять моделі для чатів з зображеннями. Я бачив щось подібне на YouTube, де я можу чатити з зображеннями. Мені це здалося цікавим, тому я хочу пошукати це в розділі моделей на Hugging Face.

Я зайшов на Hugging Face і здійснив пошук, використовуючи фільтр (Text-to-Image), і знайшов модель Flux.1-dev цікавою для новачка через її завантаження. Однак, можливо, вам буде цікавіша інша модель з поважної причини.

Я зайшов на сторінку моделі і захотів побачити, як я можу використовувати її як API. Перше, що я помітив, це те, що ми можемо запустити її безпосередньо на сайті, щоб побачити, як вона працює. Це спрощує справу, оскільки виключає необхідність використовувати API в даному випадку.
Давайте перевіримо, чи працює вебсайт правильно, створивши зображення “природного пейзажу”.

Тепер, коли вам це цікаво і все працює добре за допомогою демонстрації на вебсайті, давайте подивимося, як ми можемо використовувати це як API. Пошукаємо це на Hugging Face Spaces і подивимося, чи існує воно через API.

Ми знайшли це на Spaces як API. Якби його не було на Spaces, ми б скористалися Google, щоб знайти безкоштовного провайдера API для цього. Але, на щастя, воно доступне і працює на тій самій сторінці моделі.

Отже, давайте натиснемо “Use as API” і подивимося, що з’явиться.

Цей урок може бути не надто складним, якщо ви знайомі з API, але якщо ви нічого не знаєте про API, ми можемо просто скопіювати контент і вставити його в ChatGPT. Отже, давайте зробимо це.

Ви можете попросити ChatGPT пояснити це, але оскільки ми поспішати, давайте запитаємо ChatGPT, як ми можемо імплементувати це на Colab, щоб запустити і намалювати зображення природи.

ChatGPT скаже вам перейти на Google Colab і створити новий блокнот. У першому блоці коду запустіть !pip install gradio_client. Я це зробив, і потім в наступному блоці просто вставив точний код, де підсказка — це слово "nature". Я це зробив, але отримав ось це:

Потім я пішов до шляху зображення, щоб побачити своє перше зображення, створене за допомогою API ШІ, і ось результат.

Зображення, згенероване моделлю Flux

Ось як можна поєднати вивчення API з дослідженням моделей. Чим більше типів моделей ви досліджуєте, тим більше способів ви знайдете для вивчення Python коду для API. Ви також можете використовувати ChatGPT, щоб зрозуміти, як визначено код, які зміни можна внести і як це вплине на зображення. Є багато чого, що можна вивчити.

Тепер, коли ми зацікавились моделлю FLUX, скажімо, що ми хочемо дізнатися, як вона була створена та теорію, яка за нею стоїть. Для цього ми швидко пошукаємо в Google технічний блог про модель Flux. Я знайшов цю статтю на Medium, яка розповідає про модель, тому я скопіював весь її контент і вставив його у посилання на AI Studio, яке я поділився раніше.

Потім я почав спілкуватися з Gemini, використовуючи цей контент, поки не отримав достатньо знань про те, як була створена модель і таке інше.

Це простий, але не дуже зручний цикл для дослідження та навчання ШІ, але він також допомагає вам залишатися в курсі останніх моделей. Сподіваюся, це буде корисно!

Приємного читання!

Перекладено з: Quickest Way to Learn AI in 2025