एआईले आफ्नो जानकारी कहाँबाट पाउँछ?

कहिल्यै त्यहाँ बसेर टाउको कन्याउँदै सोच्नुभएको छ, ... यो सामान वास्तवमा कहाँबाट आउँदैछ ? मेरो मतलब, एआई धुलोले भरिएको पुस्तकालयको थुप्रोमा खोजिरहेको छैन वा युट्युबका सर्टहरू धूर्त रूपमा प्रयोग गरिरहेको छैन। तैपनि यसले कुनै न कुनै रूपमा सबै कुराको जवाफ दिन्छ - लासाग्ना ह्याक्सदेखि ब्ल्याक होल फिजिक्ससम्म - जस्तै यसको भित्र केही अथाह फाइलिङ क्याबिनेट छ। वास्तविकता अनौठो छ, र सायद तपाईंले अनुमान गर्नुभन्दा बढी चाखलाग्दो छ। यसलाई अलिकति अनप्याक गरौं (र हो, सायद बाटोमा केही मिथकहरू तोडौं)।

के यो जादु हो? 🌐

यो जादु होइन, यद्यपि कहिलेकाहीं यस्तो लाग्छ। लुकेर बसेको कुरा मूलतः ढाँचाको भविष्यवाणी । ठूला भाषा मोडेलहरू (LLMs) ले तथ्यहरू भण्डारण ; बरु, तिनीहरूलाई पहिले आएको कुराको आधारमा अर्को शब्द (टोकन) अनुमान गर्न प्रशिक्षित गरिन्छ [2]। व्यवहारमा, यसको अर्थ तिनीहरू सम्बन्धहरूमा टाँसिन्छन्: कुन शब्दहरू सँगै ह्याङ्ग आउट हुन्छन्, वाक्यहरू सामान्यतया कसरी आकार लिन्छन्, कसरी सम्पूर्ण विचारहरू मचान जस्तै बनाइन्छ। त्यसैले आउटपुट सुनिन्छ , यद्यपि - पूर्ण इमानदारी - यो तथ्याङ्कीय नक्कल हो, बुझाइ होइन [4]।

त्यसो भए वास्तवमा के ले एआई-उत्पन्न जानकारीलाई उपयोगी ? केही कुराहरू:

• डेटा विविधता - एउटा साँघुरो धाराबाट होइन, अनगिन्ती स्रोतहरूबाट लिइएको।

• अपडेटहरू - रिफ्रेस साइकल बिना, यो चाँडै पुरानो हुन्छ।

• फिल्टरिङ - फोहोर भित्र पस्नु अघि नै समात्नु आदर्श हो (यद्यपि, वास्तविक कुरा गरौं, त्यो जालमा प्वालहरू छन्)।

• क्रस-चेकिंग - अधिकार स्रोतहरूमा भर पर्नु (नासा, डब्ल्यूएचओ, प्रमुख विश्वविद्यालयहरू सोच्नुहोस्), जुन धेरैजसो एआई गभर्नेन्स प्लेबुकहरूमा हुनै पर्ने कुरा हो [3]।

तैपनि, कहिलेकाहीं यसले आत्मविश्वासका साथ बनावटी बनाउँछ। ती तथाकथित भ्रमहरू ? मूलतः पालिश गरिएका बकवासहरू सीधा अनुहारमा प्रस्तुत गरिन्छ [2][3]।

यसपछि पढ्न मन लाग्ने लेखहरू:

🔗 के एआईले लटरी नम्बरहरूको भविष्यवाणी गर्न सक्छ?
एआई लटरी भविष्यवाणीहरूको बारेमा मिथक र तथ्यहरूको अन्वेषण गर्दै।

🔗 एआईमा समग्र दृष्टिकोण अपनाउनुको अर्थ के हो?
नैतिकता र प्रभावमा सन्तुलित दृष्टिकोणका साथ एआईलाई बुझ्ने।

🔗 बाइबलले कृत्रिम बुद्धिमत्ताको बारेमा के भन्छ?
प्रविधि र मानव सृष्टिमा बाइबलीय दृष्टिकोणहरूको जाँच गर्दै।

द्रुत तुलना: एआई कहाँबाट आउँछ 📊

हरेक स्रोत बराबर हुँदैन, तर प्रत्येकले आफ्नो भूमिका खेल्छ। यहाँ स्न्यापसट दृश्य छ।

तालिम डेटा ब्रह्माण्ड 🌌

यो "बाल्यकालको सिकाइ" चरण हो। कल्पना गर्नुहोस् कि एउटा बच्चालाई लाखौं कथापुस्तकहरू, समाचार क्लिपिङहरू, र विकिपिडिया खरायोको प्वालहरू एकैचोटि हस्तान्तरण गर्दै। पूर्व-प्रशिक्षण त्यस्तै देखिन्छ। वास्तविक संसारमा, प्रदायकहरूले सार्वजनिक रूपमा उपलब्ध डेटा, इजाजतपत्र प्राप्त स्रोतहरू, र प्रशिक्षक-उत्पन्न पाठ [2] एकसाथ फ्याँक्छन्।

माथि तहमा: क्युरेट गरिएका मानव उदाहरणहरू - राम्रो उत्तरहरू, नराम्रो उत्तरहरू, सही दिशामा धकेल्ने - सुदृढीकरण सुरु हुनुभन्दा पहिले [1]।

पारदर्शिता चेतावनी: कम्पनीहरूले हरेक विवरण खुलासा गर्दैनन्। केही रेलिङहरू गोप्य हुन्छन् (आईपी, सुरक्षा चिन्ताहरू), त्यसैले तपाईंले वास्तविक मिश्रणमा आंशिक झ्याल मात्र पाउनुहुन्छ [2]।

वास्तविक-समय खोज: अतिरिक्त टपिङ 🍒

केही मोडेलहरूले अब आफ्नो तालिम बबल बाहिर हेर्न सक्छन्। त्यो पुन: प्राप्ति-संवर्धित जेनेरेसन (RAG) - मूल रूपमा प्रत्यक्ष अनुक्रमणिका वा कागजात स्टोरबाट भागहरू तान्दै, त्यसपछि यसलाई उत्तरमा बुन्दै [5]। समाचार शीर्षकहरू वा स्टक मूल्यहरू जस्ता द्रुत-परिवर्तनशील चीजहरूको लागि उत्तम।

के रब? इन्टरनेट बराबर प्रतिभा र फोहोरको आगो हो। यदि फिल्टर वा उत्पति जाँचहरू कमजोर छन् भने, तपाईंले जंक डाटा लुकाएर फिर्ता जाने जोखिम लिनुहुन्छ - ठ्याक्कै जोखिम फ्रेमवर्कहरूले चेतावनी दिएको जस्तै [3]।

आफ्नै जोड्छन् , त्यसैले उत्तरहरूले यसलाई पखेटा लगाउनुको सट्टा हालको HR नीति वा अद्यावधिक गरिएको उत्पादन कागजात उद्धृत गर्छन्। सोच्नुहोस्: कम "उह-ओह" क्षणहरू, बढी विश्वसनीय जवाफहरू।

फाइन-ट्युनिङ: एआईको पालिसिङ चरण 🧪

पूर्व-प्रशिक्षित कच्चा मोडेलहरू भद्दा हुन्छन्। त्यसैले तिनीहरू राम्रोसँग :

• सहयोगी, हानिरहित, इमानदार हुन सिकाउने (मानव प्रतिक्रियाबाट सुदृढीकरण सिकाइ, RLHF मार्फत) [1]।

• असुरक्षित वा विषाक्त किनारहरू (पङ्क्तिबद्धता) तल बालुवा हाल्ने [1]।

• स्वर मिलाउने - चाहे त्यो मैत्रीपूर्ण होस्, औपचारिक होस्, वा रमाइलो व्यंग्यात्मक होस्।

यो हिरालाई त्यति धेरै पालिस गर्नु होइन, बरु तथ्याङ्कीय हिमपहिरोलाई कुराकानी साझेदार जस्तो व्यवहार गर्न लगाउनु हो।

बाधा र असफलताहरू 🚧

यो निर्दोष छ भनेर नढाँटौं:

• भ्रम - स्पष्ट उत्तरहरू जुन सरासर गलत छन् [2][3]।

• पूर्वाग्रह - यसले डेटामा बेक्ड ढाँचाहरू प्रतिबिम्बित गर्दछ; यदि जाँच नगरिएको खण्डमा तिनीहरूलाई विस्तार पनि गर्न सक्छ [3][4]।

• प्रत्यक्ष अनुभव छैन - यसले कुरा तर कहिल्यै चाखेको छैन [4]।

• अति आत्मविश्वास - गद्य यसरी बग्छ जस्तो लाग्छ, जब यो बग्दैन पनि। जोखिम ढाँचाले अनुमानहरूलाई जोड दिन्छ [3]।

किन लाग्छ 🧠

यसको कुनै विश्वास छैन, मानव अर्थमा कुनै स्मृति छैन, र निश्चित रूपमा कुनै आत्म छैन। तैपनि यसले वाक्यहरूलाई सहज रूपमा एकसाथ जोड्ने भएकोले, तपाईंको मस्तिष्कले यसलाई बुझेको । के भइरहेको छ त्यो केवल ठूलो मात्रामा अर्को-टोकन भविष्यवाणी हो : विभाजित-सेकेन्डमा खरबौं सम्भावनाहरू क्रन्च गर्दै [2]।

"बुद्धिमत्ता" को भावना आविष्कारशील व्यवहार हो - अनुसन्धानकर्ताहरूले यसलाई, अलि जिब्रोमा जिब्रो, "स्टोकास्टिक तोता" प्रभाव [4] भन्छन्।

बच्चा-मैत्री उपमा 🎨

एउटा सुगाको कल्पना गर्नुहोस् जसले पुस्तकालयका सबै किताब पढेको छ। उसले बुझ्दैन तर शब्दहरूलाई रिमिक्स गरेर बुद्धिमानी महसुस गराउन सक्छ। कहिलेकाहीँ यो एकदमै सही हुन्छ; कहिलेकाहीँ यो बकवास हुन्छ - तर पर्याप्त स्वभावको साथ, तपाईं सधैं फरक छुट्याउन सक्नुहुन्न।

अन्त्यमा: एआईको जानकारी कहाँबाट आउँछ 📌

स्पष्ट शब्दमा:

• विशाल प्रशिक्षण डेटा (सार्वजनिक + इजाजतपत्र प्राप्त + प्रशिक्षक-उत्पन्न) [2]।

• स्वर/व्यवहारलाई आकार दिन मानव प्रतिक्रियाको साथ फाइन-ट्यूनिंग

• प्रत्यक्ष डेटा स्ट्रिमहरूमा जोडिएको बेला पुन: प्राप्ति प्रणालीहरू

एआईले केहि कुराहरू "जान्ने" छैन - यसले पाठको भविष्यवाणी गर्छ । त्यो यसको महाशक्ति र यसको एकिलिसको हिल दुवै हो। निष्कर्ष? सधैं विश्वसनीय स्रोत विरुद्ध महत्त्वपूर्ण चीजहरू क्रस-चेक गर्नुहोस् [3]।

सन्दर्भ सामग्रीहरू

1. ओउयाङ, एल. एट अल. (२०२२)। मानव प्रतिक्रिया (InstructGPT) सहित निर्देशनहरू पालना गर्न भाषा मोडेलहरूलाई तालिम दिने । arXiv ।

2. ओपनएआई (२०२३)। GPT-४ प्राविधिक प्रतिवेदन - इजाजतपत्र प्राप्त, सार्वजनिक, र मानव-निर्मित डेटाको मिश्रण; अर्को-टोकन भविष्यवाणी उद्देश्य र सीमाहरू। arXiv ।

3. NIST (२०२३)। AI जोखिम व्यवस्थापन रूपरेखा (AI RMF १.०) - उत्पत्ति, विश्वसनीयता, र जोखिम नियन्त्रणहरू। PDF ।

4. बेन्डर, ईएम, गेब्रु, टी., म्याकमिलन-मेजर, ए., मिचेल, एस. (२०२१)। स्टोकास्टिक तोताका खतराहरूमा: के भाषा मोडेलहरू धेरै ठूला हुन सक्छन्? PDF ।

5. लुइस, पी. एट अल. (२०२०)। ज्ञान-गहन NLP को लागि पुन: प्राप्ति-संवर्धित पुस्ता । arXiv ।

आधिकारिक एआई सहायक स्टोरमा नवीनतम एआई खोज्नुहोस्

हाम्रो बारेमा