Is cineál meaisínfhoghlama é foghlaim treisithe (RL). Sa chur chuige seo, foghlaimíonn halgartaim conas cinntí a dhéanamh trí thriail agus earráid, mar a dhéanann daoine.
Nuair a chuirimid aiseolas daonna isteach sa mheascán, athraíonn an próiseas seo go suntasach. Foghlaimíonn meaisíní ansin óna gcuid gníomhartha agus ón treoir a sholáthraíonn daoine. Cruthaíonn an meascán seo timpeallacht foghlama níos dinimiciúla.
San Airteagal seo, beidh muid ag caint faoi na céimeanna an cur chuige nuálaíoch seo. Cuirfimid tús le bunghnéithe na foghlama treisithe le haiseolas daonna. Ansin, siúlfaimid trí na príomhchéimeanna maidir le RL a chur i bhfeidhm le haiseolas daonna.
Cad is Foghlaim Neartú le hAiseolas Daonna (RLHF) ann?
Atreisiú Foghlaim ó Aiseolas Daonna, nó RLHF, modh ina bhfoghlaimíonn AI ó thriail agus earráid agus ionchur daonna. I bhfoghlaim meaisín caighdeánach, feabhsaítear AI trí go leor ríomhaireachtaí. Tá an próiseas seo tapa ach ní i gcónaí foirfe, go háirithe i dtascanna ar nós teanga.
Téann RLHF isteach nuair is gá AI, cosúil le chatbot, a scagadh. Ar an modh seo, tugann daoine aiseolas don AI agus cuidíonn sé leis a thuiscint agus freagairt níos fearr. Tá an modh seo úsáideach go háirithe i bpróiseáil teanga nádúrtha (NLP). Úsáidtear é i chatbots, córais guth-go-téacs, agus uirlisí achoimre.
De ghnáth, foghlaimíonn AI trí chóras luaíochta bunaithe ar a ghníomhartha. Ach i dtascanna casta, is féidir é seo a bheith tricky. Sin an áit a bhfuil aiseolas daonna riachtanach. Treoraíonn sé an AI agus déanann sé níos loighciúla agus níos éifeachtaí é. Cuidíonn an cur chuige seo leis na teorainneacha a bhaineann le foghlaim AI a shárú leis féin.
Sprioc an RLHF
Is í príomhaidhm an RLHF múnlaí teanga a oiliúint chun téacs tarraingteach agus cruinn a tháirgeadh. Tá roinnt céimeanna i gceist leis an oiliúint seo:
Gcéad dul síos, cruthaíonn sé samhail luach saothair. Déanann an tsamhail seo a thuar cé chomh maith agus a dhéanfaidh daoine rátáil ar théacs AI.
Cuidíonn aiseolas daonna leis an múnla seo a thógáil. Múnlaíonn an t-aiseolas seo múnla meaisínfhoghlama chun rátálacha daonna a thomhas.
Ansin, déantar mionchoigeartú ar an tsamhail teanga ag baint úsáide as an tsamhail luach saothair. Tugann sé luach saothair don AI as téacs a fhaigheann rátálacha arda.
Cuidíonn an modh seo leis an AI a fháil amach cathain is féidir ceisteanna áirithe a sheachaint. Foghlaimíonn sé conas iarratais a dhiúltú a bhaineann le hábhar díobhálach amhail foréigean nó leithcheal.
Is sampla maith ar a dtugtar de shamhail a úsáideann RLHF ChatGPT OpenAI. Úsáideann an tsamhail seo aiseolas daonna chun freagraí a fheabhsú agus chun iad a dhéanamh níos ábhartha agus níos freagraí.
Céimeanna d'Fhoghlaim Neartaithe le hAiseolas Daonna
Cinntíonn Treisiú Foghlaim le hAiseolas Daonna (RLHF) go bhfuil samhlacha AI líofa go teicniúil, atá slán go heiticiúil, agus ábhartha ó thaobh an chomhthéacs. Féach ar na cúig phríomhchéim de RLHF a fhiosraíonn conas a chuireann siad le cruthú córais AI sofaisticiúla, treoraithe ag an duine.
Ag tosú le Múnla Réamhoilte
Tosaíonn turas an RLHF le múnla réamh-oilte, céim bhunúsach i bhFoghlaim Meaisín an Duine sa Lúb. Ar dtús oilte ar thacair shonraí fhairsing, tá tuiscint leathan ag na samhlacha seo ar theanga nó ar thascanna bunúsacha eile ach tá easpa speisialtóireachta iontu.
Tosaíonn forbróirí le múnla réamh-oilte agus faigheann siad buntáiste suntasach. Tá na samhlacha seo foghlamtha cheana féin ó mhéideanna ollmhóra sonraí. Cabhraíonn sé leo am agus acmhainní a shábháil sa chéim oiliúna tosaigh. Socraíonn an chéim seo an chéim le haghaidh oiliúint níos dírithe agus níos sainiúla a leanann.
Mionchoigeartú Maoirsithe
Is éard atá i gceist leis an dara céim ná mionchoigeartú Maoirseachta, áit a gcuirtear oiliúint bhreise ar an tsamhail réamhoilte ar thasc nó ar fhearann ar leith. Is sainairíonna é an chéim seo úsáid a bhaint as sonraí lipéadaithe, rud a chabhraíonn leis an tsamhail aschuir níos cruinne agus níos ábhartha ó thaobh an chomhthéacs a ghiniúint.
Is sampla iontach é an próiseas mionchoigeartaithe seo d’Oiliúint AI Daonna-threoraithe, áit a bhfuil ról tábhachtach ag breithiúnas an duine chun an AI a stiúradh i dtreo iompraíochtaí agus freagraí inmhianaithe. Ní mór d’oiliúnóirí sonraí a bhaineann go sonrach leis an bhfearann a roghnú agus a chur i láthair go cúramach chun a áirithiú go n-oiriúnóidh an AI do mhiondifríochtaí agus do riachtanais shonracha an taisc atá idir lámha.
Oiliúint Múnla luaíochta
Sa tríú céim, cuireann tú oiliúint ar mhúnla ar leith chun aschuir inmhianaithe a ghineann AI a aithint agus a luach saothair. Tá an chéim seo lárnach d’Fhoghlaim AI Bunaithe ar Aiseolas.
Déanann an tsamhail luach saothair aschuir an AI a mheas. Sannann sé scóir bunaithe ar chritéir amhail ábharthacht, cruinneas, agus ailíniú le torthaí inmhianaithe. Feidhmíonn na scóir seo mar aiseolas agus treoraíonn siad an AI i dtreo freagraí ar chaighdeán níos airde a tháirgeadh. Cumasaíonn an próiseas seo tuiscint níos nuaí ar thascanna casta nó suibiachtúla nuair nach leor treoracha soiléire le haghaidh oiliúna éifeachtach.
Foghlaim Neartú trí Optamú Beartais Gar- (PPO)
Ansin, téann an AI faoi Fhoghlaim Neartaithe trí Optamú Beartais Proximal (PPO), cur chuige algartamaíoch sofaisticiúil i bhfoghlaim mheaisín idirghníomhach.
Ligeann PPO don AI foghlaim ó idirghníomhú díreach lena dtimpeallacht. Déanann sé a phróiseas cinnteoireachta a bheachtú trí luaíochtaí agus pionóis. Tá an modh seo éifeachtach go háirithe maidir le foghlaim agus oiriúnú fíor-ama, toisc go gcabhraíonn sé leis an AI tuiscint a fháil ar iarmhairtí a ghníomhartha i gcásanna éagsúla.
Tá ról lárnach ag PPO maidir leis an AI a mhúineadh chun dul i ngleic le timpeallachtaí casta, dinimiciúla ina bhféadfadh na torthaí inmhianaithe teacht chun cinn nó a bheith deacair a shainiú.
Foireann Dearg
Is éard atá i gceist leis an gcéim dheiridh ná dianthástáil fhíordhomhain ar an gcóras AI. Anseo, tá grúpa ilghnéitheach meastóirí, ar a dtugtar an 'foireann dhearg,' tabhair dúshlán an AI le cásanna éagsúla. Déanann siad tástáil ar a chumas freagairt go cruinn agus go cuí. Cinntíonn an chéim seo gur féidir leis an AI feidhmchláir fhíorshaolacha agus cásanna nach bhfuiltear ag súil leo a láimhseáil.
Déanann Foireann Dhearg tástáil ar inniúlacht theicniúil agus fóntacht eiticiúil agus chomhthéacsúil an AI. Cinntíonn siad go bhfeidhmíonn sé laistigh de theorainneacha inghlactha morálta agus cultúrtha.
Le linn na gcéimeanna seo, cuireann RLHF béim ar an tábhacht a bhaineann le rannpháirtíocht an duine ag gach céim d'fhorbairt AI. Ón oiliúint tosaigh a threorú le sonraí atá coimeádta go cúramach go dtí aiseolas nuanaise agus tástáil dhian ar an bhfíorshaol a sholáthar, tá ionchur daonna ríthábhachtach chun córais AI a chruthú atá cliste, freagrach, agus meáite ar luachanna agus eiticí an duine.
Conclúid
Léiríonn Foghlaim Neartú le hAiseolas Daonna (RLHF) ré nua in AI mar a chumasc sé léargais daonna le foghlaim meaisín do chórais AI níos eiticiúla agus níos cruinne.
Geallann RLHF go mbeidh AI níos ionbhácha, níos cuimsithí agus níos nuálaí. Féadfaidh sé aghaidh a thabhairt ar laofachtaí agus feabhas a chur ar réiteach fadhbanna. Tá sé leagtha amach chun réimsí cosúil le cúram sláinte, oideachas agus seirbhís do chustaiméirí a athrú ó bhonn.
Mar sin féin, teastaíonn iarrachtaí leanúnacha chun an cur chuige seo a bheachtú chun éifeachtacht, cothroime agus ailíniú eiticiúil a chinntiú.
