Antes de dar um carro ao seu cérebro, que ele ainda não sabe por que essa resposta é melhor para saber o segredo de seu “aprendizado”!
De acordo com Tabnak, citando Fars; Conversamos com um modelo que funciona, escreve, analisa, mas nunca perguntamos: quem? Que tal? E por quê? Modelos de idiomas como Chatpt e Jenya não são apenas ferramentas; Eles lentamente constroem “nossa atitude em relação à realidade”. O risco está aqui. Porque se você não souber como esses modelos são treinados, o que eles aprendem e onde eles podem ser totalmente jogados, você se envolverá mais cedo ou mais tarde na ilusão; Uma ilusão que se parece com o conhecimento, mas a cega. Este relatório não é apenas sobre tecnologia; Quanto à fronteira, é estreita entre inteligência e fraude. Se você não conhece esse limite, um dia garantirá que esteja errado!
Qual é a necessidade dessa discussão?!
A qualquer momento, “mentes digitais” ao nosso redor estão “aprendendo e” evolução “; Eles não apenas se encontram, eles também formam nosso futuro. Mas você já olhou para o coração dessa enorme mudança? Você sabe como um “carro sem vida” se torna um “mestre do professor de idiomas”, mesmo que você não esteja ciente dos métodos ocultos dessa transformação?
Imagine -se que você participou de um jogo grande e novo; Um jogo cujas regras estão mudando constantemente e seus concorrentes (esses sistemas inteligentes) se tornam “mais inteligentes” a qualquer momento. Se você não sabe como esse concorrente “jogará”, como ele aprende seus erros e como “corrigir” suas estratégias, como você pode ganhar ou até perder? Se você não conhece esses detalhes, isso o tornará vulnerável às “doces ilusões” desses fenômenos que podem enganar a verdade; Isso o torna indefesa contra suas limitações e fraquezas e o priva de inibição inibição e oportunidades de “uso ideal”. A consciência disso não é uma escolha, mas uma certa necessidade para quem quer sobreviver não apenas nesta nova era, mas também para dominá -la.
Como a inteligência artificial se torna um estudante e se torna um mestre?
Para que a inteligência artificial fale como uma pessoa inteligente, escreva texto ou responda a perguntas, ele deve “aprender” muito. Esse treinamento é semelhante ao de um aluno, mas à sua maneira. Vejamos esse processo como um “aluno de carpete” qualificado para esclarecer o problema:
Etapa primeiro: Thaling- “O aluno aprende o alfabeto mundial”
Imagine que nossa inteligência artificial é um “aluno do tapete” que só quer se mudar para o mundo da linguagem e do conhecimento. Inicialmente, esse aluno foi para uma “escola muito grande”; Mais leve do que qualquer biblioteca que você já viu, talvez tanto quanto todos os livros do mundo! Nesta escola, milhares de milhares de livros, histórias, artigos, diálogo, poesia e qualquer texto que você pense (ou seja, “ótimos dados”) são colocados antes dele.
Este aluno lê tudo isso na velocidade da luz, não apenas mantém, mas também “aprende” como as palavras se reúnem para fazer sentido. Por exemplo, ele percebe que uma tabela ou “leitura” provavelmente virá após o livro. Ou “Flores” e “Nightingale” em poemas e histórias geralmente se reúnem. Ele até descobre que, se você diz “Olá, como é?”, A próxima palavra “boa” pode vir, não, por exemplo, “montanha”. O objetivo desta etapa é encontrar uma compreensão “pública e extensa” da linguagem e do conhecimento do mundo, como uma criança que apenas começa a falar e ler o texto e ler a frase. Por exemplo, onde os verbos geralmente vêm, o que os adjetivos descrevem e quais palavras têm uma conexão semântica. Esse conhecimento básico está no centro de todo o trabalho futuro da inteligência artificial.
Etapa em segundo lugar: Fine Setting- “O aluno aprende técnicas especiais para tapetes”
Agora, vamos supor que esse aluno queira se tornar um “tapete qualificado” após a escola pública. Ele vai a uma oficina de tecelagem de carpete e, sob a supervisão de um professor profissional, apenas aprende “técnicas de tecelagem de tapetes”. Aqui estão as notícias de aprender tudo; Ele se concentra apenas no tricô requintado, na escolha exata da cor para um cartão específico (por exemplo, mapa de tapetes de Tabriz ou Kashan) e iguarias especiais para tecer tapetes. O morador mostra apenas modelos e cartões para tecer tapetes, dizendo: “Trabalhe assim para esse modelo de nó”. (Esses dados especializados são os mesmos que os dados de teste são muito menores que os dados do primeiro estágio).
Naquele momento, nossa inteligência artificial, que anteriormente tinha muito conhecimento público, agora é “especializada”. Por exemplo, se queremos ter inteligência artificial para escrever apenas “histórias de Shahnameh”, após a educação pública (na qual todos os tipos de texto), nós “organizaremos” com milhares de poemas e histórias do Ferdowi Shahmam. Ou, se a inteligência artificial é responder apenas a perguntas legais, eles receberão centenas de milhares de casos e textos legais “treinamento especializado”. O objetivo da área específica é se tornar único e profissional e fornecer as respostas mais precisas e apropriadas.
Mas como a inteligência artificial “aprende” e corrige seus erros? (Nos bastidores do treinamento)
É aqui que três conceitos importantes e inteligência artificial vêm, como uma pessoa inteligente, encontra e corrige seus erros:
Função de perda – imagine que nosso aluno aceita parte do tapete. O professor vem e examina com um “cartão de xadrez de precisão” que “quão diferente isso é diferente do cartão original” e “Como está errado”.
Se as cores estiverem erradas, os nós estão soltos ou o design é inclinado, o mestre dá um “número” ao aluno que mostra o quanto seu trabalho é “sabotagem”! Quanto maior o número, maior a sabotagem. Quando a inteligência artificial produz um texto (por exemplo, ela responde a uma pergunta ou um pequeno poema), um programa específico chamado “função de perda”, calcula a quantidade de “errado” ou “diferença” com a “resposta certa” (que já dissemos a ele). O resultado desse cálculo é “número de perda”. Quanto menor o número, mais próximo é responder à resposta correta e à limpeza. Esse “número de perda” é como um resultado negativo que a inteligência artificial recebe.
Otimização – “A tentativa do aluno de melhorar” nosso aluno recebe o número de “sabotagem” do mestre e percebe que recebeu um resultado negativo. Ele agora quer sabotar a próxima vez. Então ele começa a “mudar seu trabalho”. Ele pode puxar o fio mais fortemente, mudar seu ângulo ou escolher as cores mais precisas. Ele constantemente faz essas pequenas mudanças e os re -coletes para reduzir seu “número de sabotagem”. A inteligência artificial começa a “corrigir o peso e mudar os pesos da comunicação interna”, vendo o “número de perdas” (ou seja, quão errado). A inteligência artificial usa uma série de “relações matemáticas” para entender quais configurações internas (que são tecnicamente chamadas de “peso”) precisam de uma mudança. Essas mudanças são muito pequenas e pequenas, mas seu objetivo é reduzir os “números” e abordar a resposta à inteligência artificial à resposta correta. O processo é repetido dezenas de milhares e até milhões de vezes para obter o melhor desempenho.
Reverso – “Erros de rastreamento em Corinita” é um pouco mais complicado, mas a chave para estudar uma profunda inteligência artificial. Suponha que o professor diga ao aluno: “Esta parte do tapete tem um problema”. Mas ele não apenas diz isso. Ele pode dizer que, com sua experiência e conhecimento: “O nó que você acertou aqui é porque você tem muito tópico em ordem e isso fez com que toda a parte do problema”. Ou seja, o erro visível no final do trabalho foi a raiz de uma decisão ou o movimento errado nos estágios anteriores e muito mais longe.
O professor ajuda o aluno a “voltar” e descobrir quais erros anteriores fizeram com que essa última sabotagem os corrija na próxima vez e resolva o problema da raiz do problema. Inteligência artificial, quando percebe que está errado (o número é alto), retorna o erro “de volta” ao longo de seu aprendizado e “caminho intelectual”. Como um detetive, ele encontra qual dos “conhecimento interno” ou “comunicação” que ele aprendeu nos estágios anteriores cometeu esse último erro. Em seguida, ele altera automaticamente todos esses “pesos” ou “conexões” para que o erro não repita a próxima vez. Esse método torna a inteligência artificial “inteligente” e o treinamento “profundo”, não apenas a limpeza dos erros da superfície. Este é precisamente o mecanismo que faz com que a inteligência artificial aprenda sempre e se mova para a perfeição.
Inteligência Artificial, um estudante permanente na era digital
Agora você sabe o que um processo complexo passa para que você possa fazer todas essas coisas incríveis. Um processo semelhante a um aluno que ensina o alfabeto se torna um especialista e se torna um mestre por meio de feedback contínuo e modificação de seus métodos. Mas não se esqueça que esse “aprendizado” e “compreensão” difere da consciência humana. A inteligência artificial é apenas o estudo de modelos complexos em um mar de dados, não um sentimento ou compreensão do mundo. Esse processo de treinamento oferece poder. Agora você sabe como a inteligência artificial “cresce”, por que às vezes está errada e como você pode ajudá -lo “a cometer um erro menos” e “servir melhor” com instruções mais precisas. Esse conhecimento faz de você um usuário de inteligência artificial em um consumidor inteligente e até mesmo líder neste novo mundo.
Última palavra
Ele ensina inteligência artificial. Corretamente. Otimizado. Mas não da compreensão, não através da compreensão do significado, não para você. Ele o ensina porque seu sistema pretende “reduzir a perda”. Para não dizer certo, mas parece que é verdade. E agora, quando você sabe qual é o coração desses modelos, você não pode mais andar com eles. Mas se você não conhece o mecanismo, fará exatamente o mesmo que cruel e contínuo.