மூன்று ஆண்டுகளுக்கு முன்பு, நான் ஒரு சுவாரஸ்யமான கலைக் கண்காட்சியைப் பார்வையிட்டேன். ரெஃபிக் அனடோலின் "மெஷின் மெமோயர்ஸ்" ஆரம்பத்திலிருந்தே என் ஆர்வத்தைத் தூண்டியது.
கலை மற்றும் AI இன் சந்திப்பில் ஆர்வமுள்ளவர்களிடையே அவர் பிரபலமான பெயர். ஆனால் கவலைப்பட வேண்டாம், இந்த வலைப்பதிவு கலை பற்றியது அல்ல. AI இன் ஆழமான "உணர்வுகளை" நாம் ஆராய்வோம்.
இந்த கண்காட்சியில், அனடோல் பரிசோதனை செய்து கொண்டிருந்தார் நாசாவின் விண்வெளி ஆய்வு படங்கள். தொலைநோக்கிகள் தங்கள் காட்சிக் காப்பகங்களைப் பயன்படுத்தி, உண்மைக்கும் கற்பனைக்கும் இடையே உள்ள தடைகளை மங்கலாக்கி “கனவு” காண முடியும் என்ற எண்ணத்தால் இந்தக் கண்காட்சி ஈர்க்கப்பட்டது.
அண்ட அளவில் தரவு, நினைவகம் மற்றும் வரலாறு ஆகியவற்றுக்கு இடையேயான உறவுகளை ஆராய்வதன் மூலம், அனடோல் எங்களின் திறனைக் கருத்தில் கொள்ளுமாறு கேட்டுக் கொண்டார். செயற்கை நுண்ணறிவு நம்மைச் சுற்றியுள்ள உலகத்தைக் கவனிக்கவும் புரிந்துகொள்ளவும். AI கூட அதன் சொந்த கனவுகளைக் கொண்டிருக்க வேண்டும்…
எனவே, இது நமக்கு ஏன் பொருத்தமானது?
இதைக் கவனியுங்கள்: அனடோல் தொலைநோக்கிகள் அவற்றின் தரவுகளிலிருந்து கனவு காணும் கருத்தை ஆராய்ந்தது போல, AI அமைப்புகள் அவற்றின் டிஜிட்டல் நினைவக வங்கிகளுக்குள் அவற்றின் சொந்த வகையான கனவுகளைக் கொண்டுள்ளன - அல்லது மாறாக, பிரமைகள்.
இந்த மாயத்தோற்றங்கள், அனடோலின் கண்காட்சியில் உள்ள காட்சிப்படுத்தல்கள் போன்றவை, தரவு, AI மற்றும் அவற்றின் வரம்புகள் பற்றி மேலும் அறிய எங்களுக்கு உதவும்.
AI மாயத்தோற்றங்கள் என்றால் என்ன?
உருவாக்கும் AI சாட்பாட் போன்ற ஒரு பெரிய மொழி மாதிரியானது, மனித பார்வையாளர்களுக்கு இல்லாத அல்லது கண்ணுக்கு தெரியாத வடிவங்களுடன் வெளியீடுகளை உருவாக்கும் போது, நாங்கள் இவற்றை அழைக்கிறோம் "AI மாயத்தோற்றங்கள்."
AIக்கு கொடுக்கப்பட்ட உள்ளீட்டின் அடிப்படையில் எதிர்பார்க்கப்படும் பதிலில் இருந்து வேறுபடும் இந்த வெளியீடுகள் முற்றிலும் பிழையானதாகவோ அல்லது முட்டாள்தனமாகவோ இருக்கலாம்.
கணினிகளின் சூழலில், "மாயத்தோற்றம்" என்ற சொல் அசாதாரணமாகத் தோன்றலாம், ஆனால் இந்த தவறான வெளியீடுகளின் வினோதமான தன்மையை இது துல்லியமாக விவரிக்கிறது. AI மாயத்தோற்றங்கள், அதிகப்படியான பொருத்துதல், பயிற்சி தரவுகளில் சார்பு மற்றும் AI மாதிரியின் சிக்கலான தன்மை உள்ளிட்ட பல்வேறு மாறுபாடுகளால் ஏற்படுகின்றன.
நன்றாகப் புரிந்து கொள்ள, இது மனிதர்கள் மேகங்களில் அல்லது சந்திரனில் உள்ள முகங்களில் உள்ள வடிவங்களை எப்படிப் பார்க்கிறார்களோ அதைப் போன்றது.
ஒரு எடுத்துக்காட்டு:
இந்த எடுத்துக்காட்டில், நான் மிகவும் எளிதான கேள்வியைக் கேட்டேன் அரட்டை GPT. "டூன் புத்தகத் தொடரின் ஆசிரியர் ஃபிராங்க் ஹெர்பர்ட்" என்பது போன்ற ஒரு பதிலை நான் பெற வேண்டும்.
இது ஏன் நிகழ்கிறது?
ஒத்திசைவான மற்றும் திரவ உள்ளடக்கத்தை எழுதுவதற்கு கட்டமைக்கப்பட்டிருந்தாலும், பெரிய மொழி மாதிரிகள் உண்மையில் அவர்கள் சொல்வதை புரிந்து கொள்ள முடியவில்லை. AI-உருவாக்கிய உள்ளடக்கத்தின் நம்பகத்தன்மையை தீர்மானிப்பதில் இது மிகவும் முக்கியமானது.
இந்த மாதிரிகள் மனித நடத்தையைப் பிரதிபலிக்கும் எதிர்வினைகளை உருவாக்க முடியும், அவர்களுக்கு சூழ்நிலை விழிப்புணர்வு மற்றும் விமர்சன சிந்தனை திறன் இல்லை இது உண்மையான நுண்ணறிவை உறுதிப்படுத்துகிறது.
இதன் விளைவாக, AI-உருவாக்கப்பட்ட வெளியீடுகள் தவறான அல்லது தவறானதாக இருக்கும் அபாயத்தை இயக்குகின்றன.
வேறு சில மாயத்தோற்றங்கள் என்னவாக இருக்கலாம்?
ஆபத்தான தவறான தகவல்: ஒரு பொதுவான AI சாட்போட் ஒரு பொது நபரை குற்றவியல் நடத்தையில் பொய்யாகக் குற்றம் சாட்டுவதற்கு ஆதாரங்களையும் சாட்சியங்களையும் உருவாக்குகிறது என்று வைத்துக்கொள்வோம். இந்த தவறான தகவல் நபரின் நற்பெயருக்கு சேதம் விளைவிக்கும் மற்றும் நியாயமற்ற பதிலடியை ஏற்படுத்தும்.
விசித்திரமான அல்லது தவழும் பதில்கள்: நகைச்சுவையான உதாரணம் கொடுக்க, ஒரு சாட்போட் பயனருக்கு வானிலை கேள்வியை வழங்குவதையும், பூனைகள் மற்றும் நாய்கள் போல தோற்றமளிக்கும் மழைத்துளிகளின் படங்களுடன் பூனைகள் மற்றும் நாய்கள் மழை பெய்யும் என்று முன்னறிவிப்புடன் பதிலளிப்பதையும் சித்தரிக்கவும். அவர்கள் வேடிக்கையாக இருந்தாலும், இது இன்னும் ஒரு "மாயத்தோற்றம்".
உண்மைத் தவறுகள்: ஒரு மொழி மாதிரி அடிப்படையிலான சாட்போட், சீனப் பெருஞ்சுவர் குறிப்பிட்ட நிபந்தனைகளின் கீழ் மட்டுமே தெரியும் என்பதை விளக்காமல் விண்வெளியில் இருந்து பார்க்கலாம் என்று தவறாகக் கூறுகிறது. இந்தக் கருத்து சிலருக்கு நம்பத்தகுந்ததாகத் தோன்றினாலும், அது தவறானது மற்றும் விண்வெளியில் இருந்து சுவரின் பார்வையைப் பற்றி மக்களை தவறாக வழிநடத்தும்.
ஒரு பயனராக AI மாயத்தோற்றங்களை எவ்வாறு தவிர்ப்பது?
வெளிப்படையான அறிவுறுத்தல்களைச் செய்யுங்கள்
AI மாதிரிகளுடன் நீங்கள் வெளிப்படையாகத் தொடர்பு கொள்ள வேண்டும்.
எழுதுவதற்கு முன் உங்கள் இலக்குகளைப் பற்றி சிந்தித்து உங்கள் தூண்டுதல்களை வடிவமைக்கவும்.
எடுத்துக்காட்டாக, "இணையத்தைப் பற்றி என்னிடம் கூறுங்கள்" போன்ற பொதுவான விசாரணையை முன்வைப்பதற்குப் பதிலாக, "இணையம் எவ்வாறு செயல்படுகிறது என்பதை விளக்குங்கள் மற்றும் நவீன சமுதாயத்தில் அதன் முக்கியத்துவத்தைப் பற்றி ஒரு பத்தியை எழுதுங்கள்" போன்ற குறிப்பிட்ட வழிமுறைகளை வழங்கவும்.
தெளிவுத்திறன் AI மாதிரி உங்கள் நோக்கத்தை விளக்க உதவுகிறது.
எடுத்துக்காட்டு: இது போன்ற AI கேள்விகளைக் கேளுங்கள்:
"கிளவுட் கம்ப்யூட்டிங் என்றால் என்ன, அது எப்படி வேலை செய்கிறது?"
"மாதிரி செயல்திறனில் தரவு சறுக்கலின் தாக்கத்தை விளக்குங்கள்."
"IT வணிகத்தில் VR தொழில்நுட்பத்தின் தாக்கம் மற்றும் சாத்தியமான எதிர்காலத்தைப் பற்றி விவாதிக்கவும்."
உதாரணத்தின் சக்தியைத் தழுவுங்கள்
உங்கள் அறிவுறுத்தல்களில் எடுத்துக்காட்டுகளை வழங்குவது, AI மாதிரிகள் சூழலைப் புரிந்துகொள்ளவும் துல்லியமான பதில்களை உருவாக்கவும் உதவுகிறது. நீங்கள் வரலாற்று நுண்ணறிவுகளையோ அல்லது தொழில்நுட்ப விளக்கங்களையோ தேடுகிறீர்களானால், உதாரணங்களை வழங்குவது AI-உருவாக்கிய உள்ளடக்கத்தின் துல்லியத்தை மேம்படுத்த உதவும்.
உதாரணமாக, "ஹாரி பாட்டர் போன்ற கற்பனை நாவல்களைக் குறிப்பிடவும்" என்று நீங்கள் கூறலாம்.
சிக்கலான பணிகளை உடைக்கவும்
சிக்கலான AI அல்காரிதம்களை ஓவர்லோட் செய்ய தூண்டுகிறது, மேலும் அவை பொருத்தமற்ற முடிவுகளுக்கு வழிவகுக்கும். இதைத் தடுக்க, சிக்கலான செயல்பாடுகளை சிறிய, மேலும் நிர்வகிக்கக்கூடிய துண்டுகளாகப் பிரிக்கவும். உங்கள் தூண்டுதல்களை வரிசையாக ஒழுங்கமைப்பதன் மூலம், ஒவ்வொரு கூறுகளிலும் தனித்தனியாக கவனம் செலுத்த AI ஐ அனுமதிக்கிறீர்கள், இதன் விளைவாக அதிக தர்க்கரீதியான பதில்கள் கிடைக்கும்.
எடுத்துக்காட்டாக, AI யிடம் "ஒரு உருவாக்கும் செயல்முறையை விளக்குங்கள் நரம்பு வலையமைப்பு" ஒரே வினவலில், சிக்கல் வரையறை மற்றும் தரவு சேகரிப்பு போன்ற தனித்துவமான கட்டங்களாக ஒதுக்கீட்டை உடைக்கவும்.
வெளியீடுகளை சரிபார்த்து கருத்துக்களை வழங்கவும்
AI மாடல்களால் உருவாக்கப்பட்ட முடிவுகளை, குறிப்பாக உண்மை அடிப்படையிலான அல்லது முக்கியமான செயல்பாடுகளுக்கு எப்போதும் இருமுறை சரிபார்க்கவும். நம்பகமான ஆதாரங்களுடன் பதில்களை ஒப்பிட்டு, ஏதேனும் வேறுபாடுகள் அல்லது பிழைகளைக் கவனியுங்கள்.
எதிர்கால செயல்திறனை மேம்படுத்த மற்றும் மாயத்தோற்றங்களைக் குறைக்க AI அமைப்புக்கு உள்ளீட்டை வழங்கவும்.
AI மாயத்தோற்றங்களைத் தவிர்ப்பதற்கான டெவலப்பர்களுக்கான உத்திகள்
மீட்டெடுப்பு-ஆக்மென்ட் ஜெனரேஷன் (RAG) செயல்படுத்தவும்.
நம்பகமான தரவுத்தளங்களில் இருந்து உண்மையான உண்மைகளின் அடிப்படையில் பதில்களை பெற, AI அமைப்புகளில் மீட்டெடுப்பு-வளர்ச்சிப்படுத்தப்பட்ட தலைமுறை நுட்பங்களை ஒருங்கிணைக்கவும்.
மீட்டெடுப்பு-ஆக்மென்டட் ஜெனரேஷன் (RAG) ஒரு பெரிய அறிவுத் தளத்திலிருந்து தொடர்புடைய தகவலைப் பெறுவதற்கும் இணைப்பதற்கும் திறன் கொண்ட நிலையான இயற்கை மொழி உருவாக்கத்தை ஒருங்கிணைக்கிறது, இதன் விளைவாக மிகவும் சூழல்சார்ந்த வளமான வெளியீடு ஏற்படுகிறது.
AI-உருவாக்கப்பட்ட உள்ளடக்கத்தை சரிபார்க்கப்பட்ட தரவு மூலங்களுடன் இணைப்பதன் மூலம், AI முடிவுகளின் நம்பகத்தன்மையையும் நம்பகத்தன்மையையும் மேம்படுத்தலாம்.
AI வெளியீடுகளைத் தொடர்ந்து சரிபார்க்கவும் மற்றும் கண்காணிக்கவும்
நிகழ்நேரத்தில் AI வெளியீடுகளின் சரியான தன்மையையும் நிலைத்தன்மையையும் சரிபார்க்க கடுமையான சரிபார்ப்பு நடைமுறைகளை அமைக்கவும். AI செயல்திறனைக் கவனமாகக் கண்காணித்து, சாத்தியமான மாயத்தோற்றங்கள் அல்லது தவறுகளைத் தேடுங்கள், மேலும் காலப்போக்கில் நம்பகத்தன்மையை அதிகரிக்க மாதிரி பயிற்சி மற்றும் உடனடி தேர்வுமுறையை மீண்டும் செய்யவும்.
எடுத்துக்காட்டாக, AI-உருவாக்கப்பட்ட உள்ளடக்கத்தின் உண்மைத் தன்மையைச் சரிபார்ப்பதற்கும், கைமுறை மதிப்பீட்டிற்கான சாத்தியமான மாயத்தோற்றங்களின் நிகழ்வுகளை முன்னிலைப்படுத்துவதற்கும் தானியங்கு சரிபார்ப்பு நடைமுறைகளைப் பயன்படுத்தவும்.
டேட்டா டிரிஃப்ட்களை சரிபார்க்கவும்
டேட்டா டிரிஃப்ட் என்பது ஒரு நிகழ்வாகும், இதில் AI மாதிரியைப் பயிற்றுவிக்கப் பயன்படுத்தப்படும் தரவுகளின் புள்ளிவிவர அம்சங்கள் காலப்போக்கில் மாறுபடும். அனுமானத்தின் போது AI மாதிரியானது அதன் பயிற்சித் தரவிலிருந்து கணிசமாக வேறுபடும் தரவைச் சந்தித்தால், அது தவறான அல்லது நியாயமற்ற முடிவுகளை வழங்கலாம், இதன் விளைவாக மாயத்தோற்றங்கள் ஏற்படும்.
எடுத்துக்காட்டாக, ஒரு AI மாதிரியானது கடந்த கால தரவுகளில் பயிற்சியளிக்கப்பட்டால், அது இனி பொருந்தாத அல்லது தற்போதைய சூழலைக் குறிக்கும், அது தவறான முடிவுகளை அல்லது கணிப்புகளை உருவாக்கலாம்.
இதன் விளைவாக, AI அமைப்பின் செயல்திறன் மற்றும் நம்பகத்தன்மையை உறுதி செய்வதற்கு தரவு சறுக்கல்களைக் கண்காணித்தல் மற்றும் தீர்ப்பது மிகவும் முக்கியமானது, அதே சமயம் மாயத்தோற்றங்களின் சாத்தியக்கூறுகளையும் குறைக்கிறது.
தீர்மானம்
IBM தரவுகளின்படி, AI மாடல்களில் இருந்து 3% முதல் 10% வரையிலான பதில்களில் AI மாயத்தோற்றங்கள் ஏற்படுகின்றன.
எனவே, ஒரு வழி அல்லது வேறு, நீங்கள் அவற்றையும் கவனிப்பீர்கள். இது ஒரு நம்பமுடியாத சுவாரஸ்யமான தலைப்பு என்று நான் நம்புகிறேன், ஏனெனில் இது AI இன் திறன்களை மேம்படுத்துவதற்கான தொடர்ச்சியான பாதையின் கவர்ச்சிகரமான நினைவூட்டலாகும்.
AI இன் நம்பகத்தன்மை, தரவு செயலாக்கத்தின் நுணுக்கங்கள் மற்றும் மனித-AI இடைவினைகள் ஆகியவற்றை நாங்கள் அவதானிக்கவும் பரிசோதனை செய்யவும் முடியும்.
ஒரு பதில் விடவும்