මීට වසර තුනකට පෙර මම තරමක් රසවත් චිත්ර ප්රදර්ශනයකට ගියෙමි. රෙෆික් ඇනඩෝල් විසින් රචිත “මැෂින් මතක සටහන්” ආරම්භයේ සිටම මගේ උනන්දුව ඇති කළේය.
ඔහු කලාව සහ AI ඡේදනය ගැන උනන්දුවක් දක්වන අය අතර ජනප්රිය නමකි. ඒත් බය වෙන්න එපා මේ බ්ලොග් එක කලාව ගැන නෙවෙයි. අපි AI හි ගැඹුරු "සංජානන" තුලට පිවිසෙන්නෙමු.
මෙම ප්රදර්ශනයේදී ඇනඩෝල් අත්හදා බලමින් සිටියේය NASA හි අභ්යවකාශ ගවේෂණ ඡායාරූප. සත්ය සහ පරිකල්පනය අතර ඇති බාධක බොඳ කරමින් දුරේක්ෂවලට ඔවුන්ගේ දෘශ්ය ලේඛනාගාර භාවිතයෙන් “සිහින” දැකිය හැකිය යන අදහසින් ප්රදර්ශනය ආභාෂය ලැබීය.
දත්ත, මතකය සහ ඉතිහාසය අතර සම්බන්ධතා කොස්මික් පරිමාණයෙන් විමර්ශනය කිරීමෙන්, ඇනඩෝල් අපෙන් ඉල්ලා සිටියේ විභවය සලකා බලන ලෙසයි. කෘතිම බුද්ධිය අප අවට ලෝකය නිරීක්ෂණය කිරීමට සහ අවබෝධ කර ගැනීමට. ඒ වගේම AI වලට පවා තමන්ගේම සිහින දකින්න...
ඉතින්, මෙය අපට අදාළ වන්නේ ඇයි?
මෙය සලකා බලන්න: ඇනඩෝල් ඔවුන්ගේ දත්ත වලින් දුරේක්ෂ සිහින දකින සංකල්පය විමර්ශනය කළා සේම, AI පද්ධතිවලට ඔවුන්ගේම ආකාරයේ සිහිනයක් හෝ ඒ වෙනුවට, ඔවුන්ගේ ඩිජිටල් මතක බැංකු තුළ මායාවන් ඇත.
මෙම මායාවන්, ඇනඩෝල් ප්රදර්ශනයේ දෘශ්යකරණයන් වැනි, දත්ත, AI සහ ඒවායේ සීමාවන් පිළිබඳව වැඩිදුර ඉගෙන ගැනීමට අපට උදවු කළ හැක.
ඇත්තටම AI මායාවන් යනු කුමක්ද?
උත්පාදක AI චැට්බෝට් වැනි විශාල භාෂා ආකෘතියක්, මානව නිරීක්ෂකයින්ට නොපවතින හෝ නොපෙනෙන රටා සහිත නිමැවුම් නිපදවන විට, අපි මේවා හඳුන්වන්නේ "AI මායාවන්."
AI වෙත ලබා දෙන ආදානය මත පදනම්ව අපේක්ෂිත පිළිතුරෙන් වෙනස් වන මෙම ප්රතිදානයන් සම්පූර්ණයෙන්ම වැරදි හෝ විකාර විය හැක.
පරිගණකවල සන්දර්භය තුළ, "මායාව" යන යෙදුම අසාමාන්ය ලෙස පෙනෙන්නට පුළුවන, නමුත් එය මෙම වැරදි ප්රතිදානවල විකාර ස්වභාවය නිවැරදිව විස්තර කරයි. AI මායාවන් ඇතිවන්නේ අධික ලෙස සවි කිරීම, පුහුණු දත්තවල පක්ෂග්රාහීත්වය සහ AI ආකෘතියේ සංකීර්ණත්වය ඇතුළු විචල්ය පරාසයක් මගිනි.
වඩා හොඳින් අවබෝධ කර ගැනීම සඳහා, මෙය මිනිසුන් සඳෙහි වලාකුළුවල හෝ මුහුණුවල හැඩයන් දකින ආකාරය හා සංකල්පමය වශයෙන් සමාන වේ.
උදාහරණයක්:
මෙම උදාහරණයේදී මම ඉතා පහසු ප්රශ්නයක් ඇසුවෙමි කතාබස් GPT. "ඩූන් පොත් මාලාවේ කතුවරයා ෆ්රෑන්ක් හර්බට් ය" වැනි පිළිතුරක් මට ලැබීමට නියමිතව තිබුණි.
මෙය සිදුවන්නේ ඇයි?
සංගත සහ තරල අන්තර්ගතය ලිවීමට ගොඩනගා ඇතත්, විශාල භාෂා ආකෘති ඇත්ත වශයෙන්ම ඔවුන් පවසන දේ තේරුම් ගැනීමට නොහැකි වේ. AI-ජනනය කරන ලද අන්තර්ගතයේ විශ්වසනීයත්වය නිර්ණය කිරීමේදී මෙය ඉතා තීරණාත්මක වේ.
මෙම ආකෘතිවලට මිනිස් හැසිරීම් අනුකරණය කරන ප්රතික්රියා ජනනය කළ හැකි වුවද, ඔවුන්ට සන්දර්භීය දැනුවත්භාවය සහ විවේචනාත්මක චින්තන කුසලතා නොමැත එය සැබෑ බුද්ධිය යටපත් කරයි.
එහි ප්රතිඵලයක් වශයෙන්, AI-උත්පාදනය කරන ලද ප්රතිදානයන් සත්ය නිරවද්යතාවයට වඩා ගැළපෙන රටාවන්ට අනුග්රහය දක්වන බැවින් නොමඟ යවන හෝ වැරදි වීමේ අනතුරක් ක්රියාත්මක කරයි.
මායාවන්ගේ වෙනත් අවස්ථා මොනවාද?
භයානක වැරදි තොරතුරු: උත්පාදක AI චැට්බොට් එකක් සාපරාධී හැසිරීම් සම්බන්ධයෙන් ප්රසිද්ධ චරිතයකට ව්යාජ ලෙස චෝදනා කිරීම සඳහා සාක්ෂි සහ සාක්ෂි ගොතන බව කියමු. මෙම නොමඟ යවන තොරතුරු පුද්ගලයාගේ කීර්ති නාමයට හානි කිරීමට සහ අසාධාරණ පළිගැනීම් ඇති කිරීමට හැකියාව ඇත.
අමුතු හෝ බියජනක පිළිතුරු: හාස්යජනක උදාහරණයක් ලබා දීම සඳහා, චැට්බෝට් එකක් පරිශීලකයෙකුට කාලගුණ ප්රශ්නයක් ලබා දෙන අතර බළලුන් සහ බල්ලන් මෙන් පෙනෙන වැහි බිංදු වල පින්තූර සමඟින් බළලුන් සහ බල්ලන් වැස්ස වනු ඇතැයි යන අනාවැකියක් සමඟින් පිළිතුරු දෙන ආකාරය පින්තාරු කරන්න. ඔවුන් හාස්යජනක වුවද, මෙය තවමත් "මායාව" වනු ඇත.
සත්ය වැරදි: චීන මහා ප්රාකාරය නිශ්චිත තත්ත්වයන් යටතේ පමණක් දෘශ්යමාන බව පැහැදිලි නොකර අභ්යවකාශයේ සිට බැලිය හැකි බව භාෂා ආකෘතිය මත පදනම් වූ චැට්බෝට් ව්යාජ ලෙස ප්රකාශ කරයි. මෙම ප්රකාශය සමහරුන්ට පිළිගත හැකි ලෙස පෙනුනද, එය සාවද්ය වන අතර අභ්යවකාශයේ සිට බිත්තියේ දර්ශනය ගැන මිනිසුන් නොමඟ යැවිය හැකිය.
පරිශීලකයෙකු ලෙස ඔබ AI මායාවන් වළක්වා ගන්නේ කෙසේද?
පැහැදිලි ඉල්ලීම් කරන්න
ඔබ AI මාදිලි සමඟ පැහැදිලිව සන්නිවේදනය කළ යුතුය.
ලිවීමට පෙර ඔබේ ඉලක්ක ගැන සිතන්න සහ ඔබේ විමසීම් සැලසුම් කරන්න.
උදාහරණයක් ලෙස, "අන්තර්ජාලය ගැන මට කියන්න" වැනි සාමාන්ය විමසීමක් කරනවා වෙනුවට "අන්තර්ජාලය ක්රියා කරන ආකාරය පැහැදිලි කරන්න සහ නූතන සමාජයේ එහි වැදගත්කම ගැන ඡේදයක් ලියන්න" වැනි නිශ්චිත උපදෙස් දෙන්න.
පැහැදිලි බව ඔබේ අභිප්රාය අර්ථ නිරූපණය කිරීමට AI ආකෘතියට උදවු කරයි.
උදාහරණ: මෙවැනි AI ප්රශ්න අසන්න:
"Cloud computing යනු කුමක්ද සහ එය ක්රියා කරන්නේ කෙසේද?"
"ආදර්ශ කාර්ය සාධනය මත දත්ත ප්ලාවනය බලපෑම පැහැදිලි කරන්න."
"තොරතුරු තාක්ෂණ ව්යාපාරයට VR තාක්ෂණයේ බලපෑම සහ විභව අනාගතය ගැන සාකච්ඡා කරන්න."
ආදර්ශ බලය වැළඳ ගන්න
ඔබේ විමසුම්වල උදාහරණ සැපයීම AI ආකෘතිවලට සන්දර්භය තේරුම් ගැනීමට සහ නිවැරදි පිළිතුරු ජනනය කිරීමට උදවු කරයි. ඔබ ඓතිහාසික තීක්ෂ්ණ බුද්ධිය හෝ තාක්ෂණික පැහැදිලි කිරීම් සොයන්නේ නම්, උදාහරණ සැපයීම AI-ජනනය කරන ලද අන්තර්ගතයේ නිරවද්යතාවය වැඩි දියුණු කිරීමට උපකාරී වේ.
උදාහරණයක් ලෙස, "හැරී පොටර් වැනි ෆැන්ටසි නවකතා සඳහන් කරන්න" යැයි ඔබට පැවසිය හැකිය.
සංකීර්ණ කාර්යයන් බිඳ දමන්න
සංකීර්ණ විමසුම් AI ඇල්ගොරිතම අධිපූරණය කරන අතර, ඒවා අදාළ නොවන ප්රතිඵලවලට තුඩු දිය හැක. මෙය වලක්වා ගැනීම සඳහා, සංකීර්ණ ක්රියාකාරකම් කුඩා, වඩා කළමනාකරණය කළ හැකි කොටස් වලට බෙදන්න. ඔබගේ විමසීම් අනුක්රමිකව සංවිධානය කිරීමෙන්, ඔබ AI හට ස්වාධීනව එක් එක් සංරචක කෙරෙහි අවධානය යොමු කිරීමට ඉඩ සලසයි, ප්රතිඵලයක් ලෙස වඩාත් තාර්කික පිළිතුරු ලැබේ.
උදාහරණයක් ලෙස, AI ගෙන් අසනවාට වඩා “a නිර්මාණය කිරීමේ ක්රියාවලිය පැහැදිලි කරන්න ස්නායු ජාලය" තනි විමසුමකින්, ගැටළු නිර්වචනය සහ දත්ත එකතු කිරීම වැනි විවික්ත අවධීන් වෙත පැවරුම බිඳ දමන්න.
නිමැවුම් වලංගු කර ප්රතිපෝෂණ ලබා දෙන්න
විශේෂයෙන් කරුණු මත පදනම් වූ හෝ තීරණාත්මක ක්රියාකාරකම් සඳහා AI ආකෘති මඟින් නිපදවන ප්රතිඵල සෑම විටම දෙවරක් පරීක්ෂා කරන්න. පිළිතුරු විශ්වාසදායක මූලාශ්ර සමඟ සසඳා යම් වෙනස්කම් හෝ දෝෂ සටහන් කරන්න.
අනාගත කාර්ය සාධනය වැඩි දියුණු කිරීමට සහ මායාවන් අඩු කිරීමට AI පද්ධතියට ආදානය සපයන්න.
AI මායාවන් වළක්වා ගැනීම සඳහා සංවර්ධකයින් සඳහා උපාය මාර්ග
Retrieval-Augmented Generation (RAG) ක්රියාත්මක කරන්න.
විශ්වසනීය දත්ත සමුදායන් වෙතින් සත්ය කරුණු මත පිළිතුරු පදනම් කර ගැනීම සඳහා AI පද්ධති වෙත ලබා ගැනීම-වර්ධිත උත්පාදන ශිල්පීය ක්රම ඒකාබද්ධ කරන්න.
Retrieval-augmented generation (RAG) මගින් වඩාත් සන්දර්භීය වශයෙන් පොහොසත් නිමැවුමක් ඇති කරමින්, අති විශාල දැනුම් පදනමකින් අදාළ තොරතුරු ලබා ගැනීමට සහ ඇතුළත් කිරීමට ඇති හැකියාව සමඟ සම්මත ස්වභාවික භාෂා උත්පාදනය ඒකාබද්ධ කරයි.
AI-උත්පාදිත අන්තර්ගතය වලංගු දත්ත මූලාශ්ර සමඟ ඒකාබද්ධ කිරීමෙන්, ඔබට AI ප්රතිඵලවල විශ්වසනීයත්වය සහ විශ්වාසනීයත්වය වැඩිදියුණු කළ හැක.
AI නිමැවුම් අඛණ්ඩව වලංගු කිරීම සහ අධීක්ෂණය කිරීම
තත්ය කාලීනව AI නිමැවුම් වල නිවැරදිභාවය සහ අනුකූලතාව සත්යාපනය කිරීමට දැඩි වලංගුකරණ ක්රියා පටිපාටි සකසන්න. AI කාර්ය සාධනය අවධානයෙන් අධීක්ෂණය කරන්න, විභව මායාවන් හෝ වැරදි සොයන්න, සහ කාලයත් සමඟ විශ්වාසනීයත්වය වැඩි කිරීම සඳහා ආකෘති පුහුණුව සහ ඉක්මන් ප්රශස්තිකරණය නැවත නැවත කරන්න.
උදාහරණයක් ලෙස, සත්ය නිරවද්යතාවය සඳහා AI-උත්පාදිත අන්තර්ගතය පරීක්ෂා කිරීමට සහ අතින් තක්සේරු කිරීම සඳහා විය හැකි මායාවන් පිළිබඳ අවස්ථා උද්දීපනය කිරීමට ස්වයංක්රීය වලංගුකරණ ක්රම භාවිතා කරන්න.
දත්ත ප්ලාවනය සඳහා පරීක්ෂා කරන්න
දත්ත ප්ලාවිතය යනු AI ආකෘතියක් පුහුණු කිරීමට භාවිතා කරන දත්තවල සංඛ්යානමය ලක්ෂණ කාලයත් සමඟ වෙනස් වන සංසිද්ධියකි. AI ආකෘතිය අනුමාන කිරීමේදී එහි පුහුණු දත්තවලට වඩා සැලකිය යුතු ලෙස වෙනස් වන දත්ත සපුරාලන්නේ නම්, එය ව්යාජ හෝ තාර්කික ප්රතිඵල සැපයිය හැකි අතර, එහි ප්රතිඵලයක් ලෙස මායාවන් ඇති වේ.
උදාහරණයක් ලෙස, AI ආකෘතියක් තවදුරටත් අදාළ නොවන හෝ වත්මන් පරිසරයට ඇඟවුම් නොකරන අතීත දත්ත මත පුහුණු කර ඇත්නම්, එය වැරදි නිගමන හෝ අනාවැකි ඉදිරිපත් කළ හැකිය.
එහි ප්රතිඵලයක් වශයෙන්, AI පද්ධති ක්රියාකාරිත්වය සහ විශ්වසනීයත්වය සහතික කිරීම සඳහා දත්ත ප්ලාවිතයන් නිරීක්ෂණය කිරීම සහ විසඳීම ඉතා වැදගත් වන අතරම මායාවන් ඇතිවීමේ හැකියාවද අඩු කරයි.
නිගමනය
IBM දත්ත වලට අනුව, AI ආකෘතිවලින් ලැබෙන පිළිතුරුවලින් 3% සිට 10% දක්වා AI මායාවන් සිදු වේ.
එබැවින්, එක් ආකාරයකින් හෝ වෙනත් ආකාරයකින්, ඔබ ඒවා ද නිරීක්ෂණය කරනු ඇත. මෙය ඇදහිය නොහැකි තරම් සිත්ගන්නා මාතෘකාවක් බව මම විශ්වාස කරමි, මන්ද එය AI හි හැකියාවන් වැඩිදියුණු කිරීම සඳහා අඛණ්ඩ මාවත පිළිබඳ සිත් ඇදගන්නාසුළු මතක් කිරීමක් වේ.
AI හි විශ්වසනීයත්වය, දත්ත සැකසීමේ සංකීර්ණතා සහ මානව-AI අන්තර්ක්රියා නිරීක්ෂණය කිරීමට සහ අත්හදා බැලීමට අපට අවස්ථාව ලැබේ.
ඔබමයි