Miaka mitatu iliyopita, nilitembelea maonyesho ya sanaa ya kuvutia. "Kumbukumbu za Mashine" na Refik Anadol zilinivutia tangu mwanzo.
Yeye ni jina maarufu kati ya wale ambao wana nia ya makutano ya sanaa na AI. Lakini usijali, blogi hii haihusu sanaa. Tutaingia ndani ya "mitazamo" ya kina ya AI.
Katika maonyesho haya, Anadol alikuwa akijaribu Picha za uchunguzi wa anga za juu za NASA. Maonyesho hayo yalitiwa moyo na wazo kwamba darubini zinaweza "kuota" kwa kutumia kumbukumbu zao za kuona, zikificha vizuizi kati ya ukweli na fikira.
Kwa kuchunguza uhusiano kati ya data, kumbukumbu, na historia kwa kiwango cha ulimwengu, Anadol alikuwa akituuliza tuzingatie uwezo wa bandia akili kutazama na kuelewa ulimwengu unaotuzunguka. Na hata AI kuwa na ndoto zake ...
Kwa hivyo, kwa nini hii ni muhimu kwetu?
Fikiria hili: kama vile Anadol alivyochunguza dhana ya darubini kuota kutoka kwa data zao, mifumo ya AI ina aina yake ya ndoto-au tuseme, maono-ndani ya hifadhi zao za kumbukumbu za dijiti.
Maoni haya, kama vile taswira katika maonyesho ya Anadol, yanaweza kutusaidia kujifunza zaidi kuhusu data, AI, na mipaka yake.
Maoni ya AI ni nini hasa?
Wakati muundo mkubwa wa lugha, kama vile chatbot genereshi ya AI, hutoa matokeo yenye mifumo ambayo haipo au isiyoonekana kwa watazamaji wa kibinadamu, tunaita hizi "Maoni ya AI."
Matokeo haya, ambayo yanatofautiana na jibu linalotarajiwa kulingana na ingizo lililotolewa kwa AI, yanaweza kuwa na makosa kabisa au yasiyo na maana.
Katika mazingira ya kompyuta, neno "hallucination" linaweza kuonekana kuwa lisilo la kawaida, lakini linaelezea kwa usahihi tabia ya ajabu ya matokeo haya yasiyo sahihi. Maoni ya AI husababishwa na anuwai ya anuwai, ikijumuisha kufifia kupita kiasi, upendeleo katika data ya mafunzo, na ugumu wa muundo wa AI.
Ili kuelewa vyema, hii inafanana kimawazo na jinsi wanadamu wanavyoona maumbo katika mawingu au nyuso kwenye mwezi.
Mfano:
Katika mfano huu, niliuliza swali rahisi sana GumzoGPT. Nilitakiwa kupata jibu kama, "Mwandishi wa mfululizo wa kitabu cha Dune ni Frank Herbert.".
Kwa nini Hii Inatokea?
Licha ya kujengwa ili kuandika maudhui ambayo ni thabiti na yenye majimaji, miundo mikubwa ya lugha kwa kweli haiwezi kuelewa wanachosema. Hii ni muhimu sana katika kubainisha uaminifu wa maudhui yanayotokana na AI.
Ingawa mifano hii inaweza kutoa athari zinazoiga tabia ya binadamu, hawana ufahamu wa kimazingira na ujuzi wa kufikiri kwa kina ambayo inasisitiza akili halisi.
Kwa hivyo, matokeo yanayotokana na AI yana hatari ya kupotosha au makosa kwa kuwa yanapendelea mifumo inayolingana badala ya usahihi wa kweli.
Ni nini kinachoweza kuwa kesi zingine za maono?
Taarifa za Upotoshaji hatari: Hebu tuseme chatbot ya AI inayozalisha hutengeneza ushahidi na ushuhuda ili kumtuhumu kwa uwongo mtu anayehusika na uhalifu wa uhalifu. Habari hii ya kupotosha inaweza kuharibu sifa ya mtu na kusababisha kulipiza kisasi bila sababu.
Majibu ya ajabu au ya kutisha: Ili kutoa mfano wa kuchekesha, piga picha chatbot ikimpa mtumiaji swali la hali ya hewa na kujibu kwa utabiri unaosema kuwa kutanyesha paka na mbwa, pamoja na picha za matone ya mvua ambayo yanafanana na paka na mbwa. Ingawa ni ya kuchekesha, hii bado inaweza kuwa "hallucination".
Ukosefu wa Ukweli: Chukulia kuwa chatbot yenye modeli ya lugha inasema kwa uwongo kwamba Ukuta Mkuu wa Uchina unaweza kutazamwa kutoka angani bila kueleza kuwa inaonekana tu chini ya hali mahususi. Ingawa matamshi hayo yanaweza kuonekana kuwa ya kawaida kwa wengine, si sahihi na yanaweza kuwapotosha watu kuhusu mwonekano wa ukuta kutoka angani.
Je, Unaepukaje Udanganyifu wa AI kama Mtumiaji?
Fanya Vidokezo Vilivyo Wazi
Unahitaji kuwasiliana na mifano ya AI kwa uwazi.
Fikiria juu ya malengo yako na uunda vidokezo vyako kabla ya kuandika.
Kwa mfano, toa maagizo mahususi kama vile "Eleza jinsi Mtandao unavyofanya kazi na uandike aya kuhusu umuhimu wake katika jamii ya kisasa" badala ya kuuliza swali la jumla kama vile "Niambie kuhusu Mtandao."
Uwazi husaidia muundo wa AI kutafsiri dhamira yako.
Mfano: Uliza maswali ya AI kama haya:
Kompyuta ya wingu ni nini, na inafanyaje kazi?
"Elezea athari za upotovu wa data kwenye utendaji wa mfano."
"Jadili athari na mustakabali unaowezekana wa teknolojia ya Uhalisia Pepe kwenye biashara ya IT."
Kubali Nguvu ya Mfano
Kutoa mifano katika vidokezo vyako husaidia miundo ya AI kuelewa muktadha na kutoa majibu sahihi. Iwe unatafuta maarifa ya kihistoria au maelezo ya kiufundi, kutoa mifano kunaweza kusaidia kuboresha usahihi wa maudhui yanayozalishwa na AI.
Kwa mfano, unaweza kusema, "Taja riwaya za fantasia kama vile Harry Potter."
Vunja Kazi Ngumu
Vidokezo tata vya upakiaji wa algoriti za AI, na zinaweza kusababisha matokeo yasiyofaa. Ili kuzuia hili, gawanya shughuli ngumu katika vipande vidogo, vinavyoweza kudhibitiwa zaidi. Kwa kupanga madokezo yako kwa kufuatana, unaruhusu AI kuzingatia kila sehemu kwa kujitegemea, na hivyo kusababisha majibu yenye mantiki zaidi.
Kwa mfano, badala ya kuuliza AI "kuelezea mchakato wa kuunda a mtandao wa neva” katika swali moja, gawanya kazi katika awamu tofauti kama vile ufafanuzi wa tatizo na ukusanyaji wa data.
Thibitisha Matokeo na Toa Maoni
Angalia mara mbili matokeo yanayotolewa na miundo ya AI, haswa kwa msingi wa ukweli au shughuli muhimu. Linganisha majibu na vyanzo vya kuaminika na utambue tofauti au makosa yoyote.
Toa pembejeo kwa mfumo wa AI ili kuboresha utendaji wa siku zijazo na kupunguza maonyesho.
Mikakati kwa Wasanidi Programu Kuepuka Maonyesho ya AI
Tekeleza Kizazi Kilichoongezewa Urejeshaji (RAG).
Unganisha mbinu za uzalishaji zilizoboreshwa katika mifumo ya AI ili kutoa majibu juu ya ukweli kutoka kwa hifadhidata zinazotegemeka.
Retrieval-augmented generation (RAG) inachanganya uzalishaji wa kawaida wa lugha asilia na uwezo wa kupata na kujumuisha taarifa muhimu kutoka kwa msingi mkubwa wa maarifa, na hivyo kusababisha matokeo tajiri zaidi katika muktadha.
Kwa kuunganisha maudhui yanayotokana na AI na vyanzo vya data vilivyoidhinishwa, unaweza kuboresha utegemezi na uaminifu wa matokeo ya AI.
Thibitisha na Ufuatilie matokeo ya AI kwa Kuendelea
Sanidi taratibu kali za uthibitishaji ili kuthibitisha usahihi na uthabiti wa matokeo ya AI katika muda halisi. Fuatilia utendakazi wa AI kwa uangalifu, tafuta maonesho au makosa yanayoweza kutokea, na rudia mafunzo ya kielelezo na uboreshaji wa haraka ili kuongeza kutegemewa kwa wakati.
Kwa mfano, tumia utaratibu wa uthibitishaji wa kiotomatiki ili kuangalia maudhui yanayozalishwa na AI kwa usahihi wa ukweli na kuangazia matukio ya uwezekano wa maonesho ya kutathminiwa kwa mikono.
Angalia kwa Data Drift
Data drift ni jambo ambalo vipengele vya takwimu vya data inayotumika kufunza muundo wa AI hutofautiana kulingana na wakati. Iwapo muundo wa AI hukutana na data ambayo ni tofauti sana na data yake ya mafunzo wakati wa makisio, inaweza kutoa matokeo ya uwongo au yasiyo na mantiki, na kusababisha ndoto.
Kwa mfano, ikiwa muundo wa AI umefunzwa kuhusu data ya zamani ambayo haifai tena au dalili ya mazingira ya sasa, inaweza kufanya hitimisho au ubashiri usio sahihi.
Kwa hivyo, ufuatiliaji na kutatua mielekeo ya data ni muhimu ili kuhakikisha utendakazi wa mfumo wa AI na kutegemewa huku pia ukipunguza uwezekano wa maono.
Hitimisho
Kulingana na Data ya IBM, maonesho ya AI hutokea katika takriban 3% hadi 10% ya majibu kutoka kwa miundo ya AI.
Kwa hivyo, kwa njia moja au nyingine, labda utaziangalia pia. Ninaamini hii ni mada ya kufurahisha sana kwa sababu ni ukumbusho wa kuvutia wa barabara inayoendelea kuelekea kuimarisha uwezo wa AI.
Tunapata kuchunguza na kujaribu kutegemewa kwa AI, utata wa kuchakata data, na mwingiliano wa binadamu na AI.
Acha Reply