Maikling sagot: Ang AI ay nangangahulugang Artificial Intelligence : mga sistemang gawa ng tao na idinisenyo upang magsagawa ng mga gawaing nauugnay sa matalinong pag-uugali, tulad ng pagkatuto, pangangatwiran, persepsyon, at wika. Kung ang isang kagamitan ay natututo mula sa datos at kayang pangasiwaan ang mga hindi pamilyar na sitwasyon, mas malapit ito sa AI; kung tumatakbo ito sa mga nakapirming tuntunin, pangunahin itong automation.
Mga pangunahing punto:
Kahulugan : Ang AI ay nangangahulugang Artipisyal na Katalinuhan - mga sistemang nagsasagawa ng mga gawain sa pagkatuto, pangangatwiran, persepsyon, o wika.
Pagsusuri sa katotohanan : Kung hindi ito natututo o naglalahat, malamang na ito ay software na nakabatay sa mga patakaran.
Paglaban sa Maling Paggamit : Tratuhin nang may pag-aalinlangan ang mga label na "AI" kapag ibinebenta ng mga kumpanya ang simpleng automation bilang AI.
Pananagutan : Sa mga paggamit na may mataas na nakataya, tiyaking ang isang pinangalanang tao o organisasyon ang may pananagutan sa mga resulta at pagkakamali.
Transparency : Mas gusto ang mga kagamitang nagpapaliwanag ng mga limitasyon, nagbabahagi ng mga resulta ng pagsusuri, at nagpapaliwanag kung paano maaaring hamunin ang mga desisyon.
Mga artikulong maaaring gusto mong basahin pagkatapos nito:
🔗 Simpleng ipinaliwanag ang pangunahing layunin ng generative AI
Unawain kung ano ang layuning likhain ng generative AI at kung bakit ito mahalaga.
🔗 Masyado bang pinalalaki ang AI o tunay na nakapagpapabago?
Isang balanseng pagtingin sa mga pangako, limitasyon, at epekto ng AI sa totoong mundo.
🔗 Pinapagana ba ng teknolohiyang AI ang text-to-speech?
Alamin kung paano gumagana ang modernong TTS at kung ano ang nagpapatalino dito.
🔗 Mababasa ba nang tumpak ng AI ang kursibong sulat-kamay?
Tuklasin ang mga limitasyon ng OCR at kung paano pinangangasiwaan ng mga modelo ang makalat na kursibong teksto.
Ang buong anyo ng AI (ang maikli at napakalinaw na sagot) ✅🤖
Ang buong anyo ng AI ay Artipisyal na Katalinuhan .
Dalawang salita. Malalaking kahihinatnan.
-
Artipisyal = gawa ng tao
-
Katalinuhan = ang maanghang na bahagi (dahil pinagtatalunan pa nga ng mga tao kung ano ang "katalinuhan" - mga siyentipiko, pilosopo, at ang tiyuhin mo na nag-iisip na ang katalinuhan ay ang "pag-alam sa mga istatistika ng cricket" 😅)
Isang malinis at malawakang ginagamit na pangunahing kahulugan ay: Ang AI ay tungkol sa pagbuo ng mga sistema na kayang magsagawa ng mga gawaing karaniwang nauugnay sa matalinong pag-uugali - tulad ng pagkatuto, pangangatwiran, persepsyon, at wika. [1]
At oo - makikita mo ulit ang pariralang buong anyo ng AI sa artikulong ito dahil (1) nakakatulong ito sa mga mambabasa at (2) ang mga search engine ay mapili sa maliliit na gremlin 😬.
Ano ang ibig sabihin ng "AI" sa praktika (at bakit nagiging kumplikado ang mga kahulugan) 🧠🧩
Ganito ang totoo: Ang AI ay isang larangan , hindi isang iisang produkto.
Ang ilang mga tao ay gumagamit ng "AI" upang mangahulugan ng:
-
mga sistemang kumikilos na parang "matalinong ahente" (gumagawa ng mga desisyon patungo sa mga layunin), o
-
mga sistemang lumulutas ng mga gawaing "istilong-tao" (pananaw, wika, pagpaplano), o
-
mga sistemang natututo ng mga pattern mula sa data (kung saan lumalabas ang ML).
Kaya naman medyo nagbabago-bago ang mga kahulugan depende sa kung sino ang nagsasalita - at kung bakit ang mga seryosong reperensya ay gumugugol ng oras sa kung ano ang maituturing na AI sa simula pa lang. [2]
Bakit madalas itanong ng mga tao ang "buong anyo ng AI" (at hindi naman ito isang kalokohan) 👀📌
Matalinong tanong iyan, dahil:
-
Ginagamit lang ang AI nang basta-basta , parang iisa lang ang gamit (hindi naman talaga)
-
mga kumpanyang naglalagay ng "AI" sa mga produktong karaniwang magarbong automation lamang
-
Ang "AI" ay maaaring mangahulugan ng kahit ano mula sa isang sistema ng rekomendasyon, chatbot, hanggang sa robotics na nagna-navigate sa pisikal na espasyo 🤖🛞
-
Pinaghahalo ng mga tao ang AI sa ML, data science, o “internet,” na… may dating, pero hindi tama 😅
Gayundin: Ang AI ay parehong isang tunay na larangan at isang salita sa marketing. Kaya ang pagsisimula sa mga pangunahing kaalaman - tulad ng buong anyo ng AI - ang tamang hakbang.
Isang simpleng checklist para sa "spot-the-AI" (para hindi ka malinlang) 🕵️♀️🤖
Kung sinusubukan mong alamin kung ang isang bagay ay "AI" o isa lamang... software na nakasuot ng hoodie:
-
Natututo ba ito mula sa datos? (o kadalasan ba ay mga tuntunin/lohika kung-pagkatapos?)
-
Naglalahat ba ito sa mga bagong sitwasyon? (o humahawak lamang sa makikitid at paunang nabalangkas na mga kaso?)
-
Maaari mo ba itong suriin? (katumpakan, mga rate ng error, mga kaso ng edge, mga mode ng pagkabigo?)
-
Mayroon bang pangangasiwa ng tao para sa mga paggamit na may malaking panganib? (lalo na sa pagkuha ng empleyado, kalusugan, pananalapi, edukasyon)
Hindi nito mahiwagang nalulutas ang bawat debate tungkol sa kahulugan - ngunit ito ay isang praktikal na paraan upang mabawasan ang malabong marketing.
Bakit may mga limitasyon ang isang mahusay na paliwanag sa AI (dahil marami ang AI) 🚧
Ang isang matibay na paliwanag sa AI ay dapat banggitin na ang AI ay maaaring:
-
kahanga-hanga sa makikitid na gawain (pag-uuri ng mga imahe, paghula ng mga pattern)
-
at nakakagulat na mahina sa sentido komun (konteksto, kalabuan, "kung ano ang malinaw na gagawin ng isang normal na tao")
Para kang isang chef na gumagawa ng perpektong sushi pero kailangan ng nakasulat na mga tagubilin para pakuluan ang itlog.
Gayundin: ang mga modernong sistema ng AI ay maaaring maging may kumpiyansang mali , kaya ang responsableng gabay ng AI ay nakatuon sa pagiging maaasahan, transparency, kaligtasan, bias, at pananagutan , hindi lamang "ooh, lumilikha ito ng mga bagay-bagay." [3]
Talahanayan ng Paghahambing: Mga kapaki-pakinabang na mapagkukunan ng AI (grounded, hindi clickbait) 🧾🤖
Narito ang isang praktikal na mini-mapa - limang matibay na mapagkukunan na sumasaklaw sa mga kahulugan, debate, pagkatuto, at responsableng paggamit:
| Kagamitan / Mapagkukunan | Madla | Presyo | Bakit ito gumagana (at kaunting katapatan) |
|---|---|---|---|
| Britannica: Pangkalahatang-ideya ng AI | Mga Baguhan | Malaya | Malinaw at malawak na kahulugan; hindi puro marketing. [1] |
| Ensiklopedya ng Pilosopiya ng Stanford: AI | Mga maalalahaning mambabasa | Libre | Sumasali sa mga debate tungkol sa "kung ano ang maituturing na AI"; siksik ngunit kapani-paniwala. [2] |
| Balangkas ng Pamamahala ng Panganib ng NIST AI (AI RMF) | Mga Tagabuo + mga organisasyon | Libre | Praktikal na istruktura para sa mga usapang pang-risk + trustworthiness ng AI. [3] |
| Mga Prinsipyo ng OECD AI | Mga nerd sa patakaran at etika | Libre | Matibay na gabay na "dapat ba tayong?": mga karapatan, pananagutan, mapagkakatiwalaang AI. [4] |
| Kurso sa Pag-aaral ng Makina ng Google nang Mabilis | Mga Mag-aaral | Libre | Aktwal na pagpapakilala sa mga konsepto ng ML; mahalaga kahit na nagsisimula ka sa wala. [5] |
Pansinin kung paano hindi lahat ng ito ay pare-parehong uri ng mapagkukunan. Sinadya iyon. Ang AI ay hindi isang linya lamang - ito ay isang buong motorway.
Artipisyal na Katalinuhan vs Machine Learning vs Deep Learning (ang lugar ng kalituhan) 😵💫🔍
Artipisyal na Katalinuhan (AI) 🤖
Ang AI ay ang malawak na payong: mga pamamaraan na naglalayong sa mga gawaing iniuugnay natin sa matalinong pag-uugali - pangangatwiran, pagpaplano, persepsyon, wika, paggawa ng desisyon. [1][2]
Pagkatuto ng Makina (ML) 📈
Ang ML ay isang subset ng AI kung saan natututo ang mga sistema ng mga pattern mula sa data sa halip na tahasang i-program gamit ang mga nakapirming patakaran. (Kung narinig mo na ang "sinanay sa data," maligayang pagdating sa ML.) [5]
Malalim na Pagkatuto (DL) 🧠
Ang deep learning ay isang subset ng ML gamit ang multi-layer neural networks, na karaniwang ginagamit sa mga sistema ng paningin at wika. [5]
Isang metapora na medyo magulo pero madaling gamitin (at hindi ito perpekto, huwag mo akong sigawan):
Ang AI ay ang restawran. Ang ML ay ang kusina. Ang deep learning ay isang partikular na chef na mahusay sa ilang putahe ngunit minsan ay nakakapagpainit ng mga napkin 🔥🍽️
Kaya kapag may nagtatanong tungkol sa buong anyo ng AI , madalas nilang tinutukoy ang mas malawak na kategorya -- at ang partikular na saklaw nito.
Paano gumagana ang AI sa simpleng Ingles (hindi kailangan ng PhD) 🧠🧰
Karamihan sa AI na makakasalubong mo ay akma sa isa sa mga pattern na ito:
Huwaran 1: Mga tuntunin at sistemang lohika 🧩
Ang lumang AI ay kadalasang gumagamit ng mga patakaran tulad ng "KUNG mangyari ito, GANUN gawin mo." Mahusay itong gumagana sa mga nakabalangkas na kapaligiran. Nabubuwag ito kapag nagkakagulo ang realidad (at ang realidad ay may posibilidad na maging magulo).
Huwaran 2: Pagkatuto mula sa mga halimbawa 📚
Natututo ang machine learning mula sa datos:
-
spam laban sa hindi spam 📧
-
Pandaraya vs lehitimo 💳
-
"Larawan ng pusa" vs "malabo kong hinlalaki" 🐱👍
Huwaran 3: Pagkumpleto at pagbuo ng huwaran ✍️
Ang ilang modernong sistema ay bumubuo ng teksto/mga imahe/audio/code. Maaari silang maging madaling gamitin - ngunit maaari rin silang hindi maaasahan, kaya ang pang-araw-araw na pag-deploy ay nangangailangan ng mga bantay: pagsubok, pagsubaybay, at malinaw na pananagutan. [3]
Mga pang-araw-araw na halimbawa ng AI na malamang nagamit mo na 📱🌍
Mga nakikitang AI araw-araw:
-
ranggo sa paghahanap 🔎
-
mga mapa + hula sa trapiko 🗺️
-
mga rekomendasyon (mga video, musika, pamimili) 🎵🛒
-
pagsala ng spam/phishing 📧🛡️
-
boses-sa-text 🎙️
-
pagsasalin 🌐
-
pag-uuri ng larawan + pagpapahusay 📸
-
mga chatbot ng suporta sa customer 💬😬
At sa mga lugar na may mas mataas na peligro:
-
suporta sa medikal na imaging 🏥
-
pagtataya ng supply chain 🚚
-
pagtuklas ng pandaraya 💳
-
kontrol sa kalidad ng industriya 🏭
Ang pangunahing ideya: Ang AI ay karaniwang isang behind-the-scenes engine , hindi isang dramatikong humanoid robot. Pasensya na, sci-fi brain 🤷
Ang pinakamalaking maling akala tungkol sa AI (at kung bakit nananatili ang mga ito) 🧲🤔
"Ang AI ay palaging tama"
Hindi. Ang AI ay maaaring magkamali - minsan ay banayad, minsan ay nakakatawa, minsan ay mapanganib (depende sa konteksto). [3]
"Nakakaintindi ang AI tulad ng mga tao"
Karamihan sa AI ay hindi "nakakaintindi" sa kahulugan ng tao. Pinoproseso nito ang mga padron. Maaaring magmukhang pag-unawa iyon, ngunit hindi ito pareho. [2]
"Ang AI ay isang teknolohiya"
Ang AI ay isang kumpol ng mga pamamaraan (simbolikong pangangatwiran, mga probabilistikong pamamaraan, mga neural network, at marami pang iba). [2]
"Kung AI ito, walang kinikilingan ito"
Hindi rin. Maaaring ipakita at palakasin ng AI ang bias na naroroon sa mga pagpipilian sa datos o disenyo - kaya nga umiiral ang mga prinsipyo ng pamamahala at mga balangkas ng panganib. [3][4]
At oo, mahilig sisihin ang mga tao sa "AI" dahil parang kontrabida itong walang mukha. Minsan hindi ang AI. Minsan lang talaga... mahinang implementasyon. O masamang insentibo. O may nagmamadaling ilabas ang isang feature 🫠
Etika, kaligtasan, at tiwala: paggamit ng AI nang hindi pinaparamdam na kakaiba ang lahat 🧯⚖️
Nagbubunga ang AI ng mga totoong katanungan kapag ginagamit sa mga sensitibong larangan tulad ng pagkuha ng empleyado, pagpapautang, pangangalagang pangkalusugan, edukasyon, at pagpupulis.
Ilang praktikal na senyales ng tiwala na dapat hanapin:
-
Transparency: ipinapaliwanag ba nila kung ano ang ginagawa at hindi nito ginagawa?
-
Pananagutan: ang isang tunay na tao/organisasyon ba ay responsable para sa mga resulta?
-
Kakayahang Ma-awdit: maaari bang repasuhin o hamunin ang mga resulta?
-
Mga proteksyon sa privacy: responsable ba ang paghawak ng data?
-
Pagsusuri sa bias: sinusuri ba nila ang mga hindi patas na resulta sa iba't ibang grupo? [3][4]
Kung gusto mo ng isang matibay na paraan ng pag-iisip tungkol sa panganib (nang walang mga pabago-bagong pangyayari), ang mga balangkas tulad ng NIST AI RMF ay ginawa para sa ganitong uri ng pag-iisip na "sige, pero paano natin ito pamamahalaan nang responsable?". [3]
Paano matuto ng AI mula sa simula (nang hindi napipilitan ang utak) 🧠🍳
Hakbang 1: Alamin kung anong mga problema ang sinusubukang lutasin ng AI
Magsimula sa mga kahulugan + mga halimbawa: [1][2]
Hakbang 2: Maging komportable sa mga pangunahing konsepto ng ML
Pinangangasiwaan vs. walang pinangangasiwaan, pagsasanay/pagsubok, pag-overfitting, ebalwasyon - ito ang gulugod. [5]
Hakbang 3: Gumawa ng isang maliit na bagay
Hindi "gumawa ng isang robot na may kamalayan." Parang ganito:
-
isang spam classifier
-
isang simpleng tagarekomenda
-
isang maliit na pangklasipikasyon ng imahe
Ang pinakamahusay na pag-aaral ay ang medyo nakakainis na pag-aaral. Kung ito ay masyadong makinis, malamang na hindi mo nahawakan ang mga totoong bahagi 😅
Hakbang 4: Huwag balewalain ang etika at kaligtasan
Kahit ang maliliit na proyekto ay maaaring magdulot ng mga katanungan tungkol sa privacy, bias, at maling paggamit. [3][4]
Mga Madalas Itanong (FAQ) tungkol sa buong anyo ng AI (mabilis na sagot, walang padalos-dalos) 🙋♂️🙋♀️
Ang buong anyo ng AI sa mga kompyuter
Artipisyal na Katalinuhan. Parehong kahulugan - ipinatupad lang sa software/hardware.
AI laban sa robotika
Hindi. Maaaring gumamit ng AI ang Robotics, ngunit kasama rin sa robotics ang mga sensor, mekanika, sistema ng kontrol, at pisikal na interaksyon.
AI bilang higit pa sa mga robot at chatbot
Hindi talaga. Maraming sistema ng AI ang hindi nakikita: pagraranggo, mga rekomendasyon, pagtuklas, pagtataya.
AI na nag-iisip na parang tao
Karamihan sa AI ay hindi nag-iisip na parang tao. Ang "Pag-iisip" ay isang salitang puno ng kahulugan - kung gusto mo ng mas malalim na debate, ang mga talakayan tungkol sa pilosopiya ng AI ay magiging matindi rito. [2]
Bakit biglang tinatawag ng lahat ang lahat ng bagay na AI
Dahil isa itong makapangyarihang tatak. Minsan tumpak, minsan stretchable… parang sweatpants.
Buod + mabilisang pagbabalik-tanaw 🧾✨
Naparito ka para sa buong anyo ng AI , at oo - ito ay Artificial Intelligence .
Ngunit ang mas praktikal na aral ay ito: Ang AI ay hindi isang gadget o app lamang. Ito ay isang malawak na larangan ng mga pamamaraan na tumutulong sa mga makina na gawin ang mga gawaing mukhang matalino - pag-aaral ng mga pattern, paghawak ng wika, pagkilala sa mga imahe, paggawa ng mga desisyon, at (minsan) pagbuo ng nilalaman. Maaari itong maging lubos na epektibo, minsan ay gusot, at nakikinabang ito mula sa responsableng pag-iisip tungkol sa panganib. [3][4]
Mabilisang pagbabalik-tanaw:
-
Buong anyo ng AI = Artipisyal na Katalinuhan 🤖
-
Ang AI ay isang malawak na payong (ML + deep learning na akma sa ilalim nito) 🧠
-
Makapangyarihan ang AI ngunit hindi mahiwaga - mayroon itong mga limitasyon at panganib 🚧
-
Gumamit ng mga grounded framework/principles kapag sinusuri ang mga claim sa AI ⚖️ [3][4]
Kung wala ka nang ibang maalala, tandaan ito: kapag may nagsabing "AI," tukuyin ang partikular na uri. 😉
Karagdagang Mga Madalas Itanong
Ano ang buong anyo ng AI sa mga simpleng salita?
Ang AI ay nangangahulugang Artificial Intelligence . Ito ay tumutukoy sa mga sistemang gawa ng tao na idinisenyo upang isagawa ang mga gawaing nauugnay sa matalinong pag-uugali, tulad ng pagkatuto, pangangatwiran, persepsyon, at wika. Sa pagsasagawa, ang "AI" ay ginagamit nang malawakan, kaya nakakatulong na tingnan kung ano ang ginagawa . Kung kaya nitong matuto mula sa datos at makayanan ang mga hindi pamilyar na sitwasyon, mas malapit ito sa AI kaysa sa simpleng automation.
Paano ko malalaman kung ang isang bagay ay totoong AI o automation lang?
Ang isang praktikal na pagsubok ay kung ang tool ay natututo mula sa datos at naglalahat nang lampas sa mga nakapirming sitwasyon. Kung pangunahing sinusunod nito ang mga tuntuning "kung ganito, ganoon," kadalasan itong software na nakabatay sa mga tuntunin sa halip na AI. Ang isa pang palatandaan ay kung paano ito sinusuri: ang mga totoong sistema ng AI ay karaniwang sinusukat nang may katumpakan, mga rate ng error, at pagsubok sa edge-case. Ang mga label sa marketing ay maaaring nakaliligaw, kaya husgahan ito batay sa pag-uugali.
Pareho ba ang machine learning at ang Artificial Intelligence?
Hindi naman eksakto. Ang Artificial Intelligence ay ang malawak na payong para sa mga sistemang nagsasagawa ng mga gawaing nauugnay sa matalinong pag-uugali. Ang Machine Learning (ML) ay isang subset ng AI na nakatuon sa mga pattern ng pag-aaral mula sa data sa halip na tahasang i-program gamit ang mga nakapirming panuntunan. Ang Deep Learning ay isang subset ng ML na gumagamit ng mga multi-layer neural network, kadalasan para sa mga gawain sa paningin at wika. Pinagsasama-sama ng mga tao ang mga terminong ito, kaya mahalaga ang konteksto.
Bakit tinatawag ng mga kumpanya ang basic software na "AI"?
Dahil ang "AI" ay isang makapangyarihang tatak na maaaring magpatingkad ng isang produkto na mas advanced kaysa sa kung ano talaga ito. Ang ilang mga kagamitang ibinebenta bilang AI ay pangunahing mga sistemang nakabatay sa automation o mga sistemang nakabatay sa mga patakaran na may limitadong kakayahang umangkop. Kaya naman sulit na manatiling may pag-aalinlangan at magtanong kung ano ang natututuhan ng sistema, paano ito naglalahat, at ano ang mga paraan ng pagkabigo nito. Ang malinaw na dokumentasyon at mga resulta ng pagsusuri ay magagandang senyales ng tiwala.
Ano ang mga karaniwang halimbawa ng AI na ginagamit ng mga tao sa araw-araw nang hindi napapansin?
Maraming AI system ang nasa likod ng mga eksena sa halip na magpakita bilang mga halatang robot o chatbot. Kabilang sa mga halimbawa ang ranggo ng paghahanap, prediksyon ng mga mapa at trapiko, mga rekomendasyon para sa mga video o pamimili, pag-filter ng spam at phishing, voice-to-text, pagsasalin, at pag-uuri o pagpapahusay ng larawan. Kadalasang gumagana nang maayos ang mga ito sa makikitid na gawain, ngunit nakikinabang pa rin sila sa pagsubaybay at malinaw na mga inaasahan tungkol sa mga limitasyon.
Maaari bang maging mali ang AI nang may kumpiyansa, at bakit mahalaga iyon?
Oo - ang mga modernong sistema ng AI ay maaaring makagawa ng mga output na mukhang kapani-paniwala kahit na mali ang mga ito. Kaya naman ang responsableng paggamit ay nakatuon sa pagiging maaasahan, transparency, kaligtasan, pagkiling, at pananagutan sa halip na kakayahan lamang. Para sa mga lugar na may mas mataas na antas ng panganib tulad ng pagkuha ng empleyado, pangangalagang pangkalusugan, pananalapi, o edukasyon, mahalagang magkaroon ng pangangasiwa ng tao, pagsusuri, at isang malinaw na proseso upang suriin at hamunin ang mga desisyon kung kinakailangan.
Ano ang dapat kong hanapin bago gamitin ang AI sa mga sitwasyong may mataas na panganib?
Magsimula sa pananagutan : ang isang pinangalanang tao o organisasyon ay dapat magmay-ari ng mga resulta at mga pagkakamali. Pagkatapos ay suriin ang transparency : dapat ipaliwanag ng tool kung ano ang ginagawa nito, kung ano ang hindi nito ginagawa, at ang mga limitasyon nito. ang auditability - maaari bang suriin o hamunin ang mga desisyon? Panghuli, maghanap ng ebidensya ng pagsusuri at pag-iisip tungkol sa panganib, tulad ng mga dokumentadong rate ng error, mga pagsusuri sa bias, at mga kasanayan sa pamamahala.
Ang AI ba ay "nag-iisip na parang tao," o ginagaya lang ba nito ang katalinuhan?
Karamihan sa AI ay hindi "nag-iisip" tulad ng mga tao sa pang-araw-araw na kahulugan. Pinoproseso nito ang mga padron at kayang magsagawa ng mga gawaing mukhang matalino, lalo na sa wika at persepsyon, ngunit hindi ito katulad ng pag-unawa ng tao. Ito ang dahilan kung bakit nagiging kumplikado ang mga kahulugan at kung bakit ang mga seryosong talakayan ay nakatuon sa kung ano ang maituturing na katalinuhan, kung ano ang ibig sabihin ng paglalahat, at kung paano ligtas na bigyang-kahulugan ang pagganap ng AI sa praktikal na pag-deploy.
Mga Sanggunian
[1] Encyclopaedia Britannica - Artificial intelligence (AI): kahulugan, kasaysayan, at mga pangunahing pamamaraan - Artificial intelligence (AI) - Encyclopaedia Britannica
[2] Stanford Encyclopedia of Philosophy - Artificial Intelligence: kung ano ang maituturing na AI, mga pangunahing konsepto, at mga pangunahing debate sa pilosopiya - Artificial Intelligence - Stanford Encyclopedia of Philosophy
[3] NIST - AI Risk Management Framework (AI RMF 1.0): pamamahala, panganib, transparency, kaligtasan, at pananagutan (PDF) - NIST AI Risk Management Framework (AI RMF 1.0) PDF
[4] OECD.AI - Mga Prinsipyo ng OECD AI: mapagkakatiwalaang AI, karapatang pantao, at responsableng pag-unlad at pag-deploy - Mga Prinsipyo ng OECD AI - OECD.AI
[5] Google Developers - Machine Learning Crash Course: mga pangunahing kaalaman sa machine learning, pagsasanay sa modelo, pagsusuri, at mga pangunahing terminolohiya - Machine Learning Crash Course - Google Developers