ቁልፍ መውሰጃዎች
- ተመራማሪዎች ተጠቃሚዎች የማሽን-መማሪያ ሞዴል ባህሪ ውጤቶችን ደረጃ እንዲሰጡ የሚያስችሉ ቴክኒኮችን ፈጥረዋል።
- ዘዴው ማሽኖች የሰውን የአስተሳሰብ አቅም እየጠበቁ መሆናቸውን ያሳያል ይላሉ ባለሙያዎች።
- በ AI ውስጥ የሚደረጉ እድገቶች የኮምፒውተሮችን ቋንቋ የመረዳት ችሎታ እድገትን ሊያፋጥኑ እና AI እና ሰዎች በሚገናኙበት መንገድ ላይ ለውጥ ሊያመጣ ይችላል።
የአርቴፊሻል ኢንተለጀንስ (AI) የማመዛዘን ሃይልን የሚለካው አዲስ ቴክኒክ ማሽኖች የሰው ልጆችን የማሰብ ችሎታቸውን እየያዙ መሆኑን ባለሙያዎች ይናገራሉ።
በMIT እና IBM ምርምር ተመራማሪዎች ተጠቃሚው የማሽን-መማሪያ ሞዴል ባህሪ ውጤቶችን ደረጃ እንዲሰጥ የሚያስችል ዘዴ ፈጥረዋል። የጋራ ፍላጎት ተብሎ የሚጠራው ዘዴያቸው የአንድ ሞዴል አስተሳሰብ ከሰዎች ጋር ምን ያህል እንደሚመሳሰል የሚያነጻጽሩ መለኪያዎችን ያካትታል።
"ዛሬ AI የሰውን ልጅ አፈጻጸም ላይ ለመድረስ (እና በአንዳንድ ሁኔታዎችም እጅግ የላቀ) የምስል ማወቂያ እና የቋንቋ መረዳትን ጨምሮ፣ " ፒተር ቡትነርስ፣ የማሽን መማሪያ ኢንጂነሪንግ ዳይሬክተር እና በግንኙነቶች AI ኩባንያ Sinch, በኢሜይል ቃለ መጠይቅ ላይ Lifewire ተናግሯል. "በተፈጥሮ ቋንቋ ማቀነባበር (NLP)፣ AI ሲስተሞች ቋንቋዎችን መተርጎም፣ መፃፍ እና መናገር ይችላሉ እንዲሁም ሰዎች፣ እና AI ቋንቋውን እና ቃናውን እንኳን በማስተካከል ከሰዎች እኩዮቹ ጋር ሊጣጣም ይችላል።"
አርቴፊሻል ስማርትስ
AI ብዙውን ጊዜ እነዚያ ውሳኔዎች ለምን ትክክል እንደሆኑ ሳይገልጽ ውጤቶችን ያስገኛል። እና ባለሙያዎች የአንድን ሞዴል አስተሳሰብ እንዲገነዘቡ የሚያግዙ መሳሪያዎች ብዙውን ጊዜ ግንዛቤዎችን ብቻ ይሰጣሉ, በአንድ ጊዜ አንድ ምሳሌ ብቻ. AI በተለምዶ በሚሊዮኖች የሚቆጠሩ የውሂብ ግብአቶችን በመጠቀም የሰለጠኑ ሲሆን ይህም አንድ ሰው ስርዓተ-ጥለቶችን ለመለየት በቂ ውሳኔዎችን ለመገምገም አስቸጋሪ ያደርገዋል።
በቅርብ ጊዜ ባወጡት ወረቀት ላይ ተመራማሪዎቹ የጋራ ፍላጎት ተጠቃሚው በአምሳያው የውሳኔ አሰጣጥ ላይ ያሉ አዝማሚያዎችን እንዲያገኝ ይረዳዋል። እና እነዚህ ግንዛቤዎች ተጠቃሚው ሞዴል ለመሰማራት ዝግጁ መሆኑን እንዲወስን ያስችለዋል።
“የጋራ ፍላጎትን ለማዳበር ግባችን ይህን የትንታኔ ሂደት ማሳደግ መቻል ነው፣ይህም የአምሳያዎ ባህሪ ምን እንደሆነ በአለምአቀፍ ደረጃ እንዲረዱት ነው” ሲል የጋዜጣው ተባባሪ አንጂ ቦጉስት በዜና መግለጫው ላይ ተናግሯል።
የተጋራ ወለድ የማሽን መማሪያ ሞዴል እንዴት የተለየ ውሳኔ እንዳደረገ የሚያሳይ ዘዴ ይጠቀማል፣ ይህም የጨው ዘዴ በመባል ይታወቃል። ሞዴሉ ምስሎችን እየከፋፈለ ከሆነ, የጨዋማ ዘዴዎች አንድን ምስል በሚወስኑበት ጊዜ ለአምሳያው አስፈላጊ የሆኑትን ቦታዎች ያጎላሉ. የጋራ ወለድ የሚሠራው የጨው ዘዴዎችን በሰዎች ከሚፈጠሩ ማብራሪያዎች ጋር በማነፃፀር ነው።
ተመራማሪዎች አንድ የቆዳ ሐኪም ካንሰርን ከቆዳ ቁስሎች ለመለየት በተሰራ ማሽን-መማሪያ ሞዴል ማመን እንዳለበት እንዲያውቅ ለመርዳት የጋራ ፍላጎትን ተጠቅመዋል። የጋራ ፍላጎት የቆዳ ህክምና ባለሙያው የአምሳያው ትክክለኛ እና የተሳሳተ ትንበያ ምሳሌዎችን በፍጥነት እንዲያይ አስችሎታል። የቆዳ ህክምና ባለሙያው ሞዴሉን ማመን እንደማይችል ወሰነ ምክንያቱም ከትክክለኛ ጉዳቶች ይልቅ በምስል ቅርሶች ላይ ተመስርተው ብዙ ትንበያዎችን አድርጓል።
“እዚህ ያለው ዋጋ የጋራ ወለድን በመጠቀም፣ በአምሳያችን ባህሪ ውስጥ እነዚህ ቅጦች ብቅ ሲሉ ማየት ችለናል። በግማሽ ሰዓት ውስጥ የቆዳ ህክምና ባለሙያው ሞዴሉን ማመን ወይም አለማመን እና ማሰማራት ወይም አለማሰማራት መወሰን ችሏል”ሲል ቦጉስት ተናግሯል።
ከሞዴል ውሳኔ ጀርባ ያለው ምክንያት ለማሽን መማሪያ ተመራማሪም ሆነ ለውሳኔ ሰጪው አስፈላጊ ነው።
ግስጋሴን መለካት
በኤምአይቲ ተመራማሪዎች የሚሰሩት ስራ ለአይአይ ወደ ሰው ደረጃ ኢንተለጀንስ እድገት ትልቅ እርምጃ ሊሆን ይችላል ሲሉ የማሽን መማሪያ ስልተ ቀመሮችን የሚጠቀም የዳሮው የምርምር ሃላፊ ቤን ሃጋግ ለላይፍዋይር በኢሜል ቃለ መጠይቅ ላይ እንደተናገሩት.
"ከአንድ ሞዴል ውሳኔ በስተጀርባ ያለው ምክንያት ለማሽን መማሪያ ተመራማሪም ሆነ ለውሳኔ ሰጪው አስፈላጊ ነው" ሲል ሃጋግ ተናግሯል። "የቀድሞው ሞዴሉ ምን ያህል ጥሩ እንደሆነ እና እንዴት ሊሻሻል እንደሚችል ለመረዳት ይፈልጋል, የኋለኛው ግን በአምሳያው ላይ የመተማመን ስሜትን ማዳበር ይፈልጋል, ስለዚህ ይህ ውጤት ለምን እንደተተነበየ መረዳት አለባቸው."
ነገር ግን ሃጋግ የኤምአይቲ ጥናት ምርምር የሰው ልጅ ግንዛቤን ወይም የሰውን አስተሳሰብ መግለጽ እንደምንችል በማሰብ እንደሆነ አስጠንቅቋል።
“ይሁን እንጂ፣ ይህ ትክክል ላይሆን የሚችልበት ዕድል አለ፣ስለዚህ የሰው ልጅ ውሳኔ አሰጣጥን ለመረዳት ተጨማሪ ስራ አስፈላጊ ነው ሲሉ ሃጋግ አክለዋል።
በ AI ውስጥ የሚደረጉ እድገቶች የኮምፒውተሮችን ቋንቋ የመረዳት ችሎታ እድገትን ሊያፋጥኑ እና AI እና የሰው ልጆች መስተጋብር እንዲፈጥሩ ሊያደርግ ይችላል ብለዋል Buteneers። ቻትቦቶች በአንድ ጊዜ በመቶዎች የሚቆጠሩ ቋንቋዎችን ሊረዱ ይችላሉ፣ እና AI ረዳቶች ለጥያቄዎች ወይም መዛባቶች መልስ ለማግኘት የጽሑፍ አካላትን መቃኘት ይችላሉ።
“አንዳንድ ስልተ ቀመሮች መልእክቶች አጭበርባሪ ሲሆኑ ለይተው ማወቅ ይችላሉ፣ይህም የንግድ ድርጅቶች እና ሸማቾች አይፈለጌ መልዕክቶችን ለማስወገድ ይረዳሉ ሲል Buteneers አክሏል።
ነገር ግን፣ Buteneers እንዳሉት፣ AI አሁንም ሰዎች ፈጽሞ የማይሠሩትን አንዳንድ ስህተቶችን ያደርጋል። አክለውም “አንዳንዶች AI የሰውን ስራ ይተካዋል ብለው ቢጨነቁም፣ እውነታው ግን ሁልጊዜ ከ AI ቦቶች ጋር አብረው የሚሰሩ ሰዎች እንዲቆጣጠሩ እና በንግድ ስራ ውስጥ የሰዎችን ንክኪ በመጠበቅ እነዚህን ስህተቶች ለመጠበቅ እንዲረዳቸው እንፈልጋለን።
