কিভাবে AI শেখে

লক্ষ্যটি হ'ল নতুন উদাহরণগুলিতে ভাল পারফরম্যান্স করা, কেবল প্রশিক্ষণের উদাহরণগুলি মনে রাখা নয়; কিছু এআই সিস্টেম সুস্পষ্ট নিয়ম ব্যবহার করে এবং মোটেও এইভাবে শিখে না।

মূল টেকওয়ে

• প্রশিক্ষণ মডেল পরিবর্তন করে; অনুমানটি এটি ব্যবহার করে।
• মডেলটি চয়ন বা প্রশিক্ষণের জন্য ব্যবহৃত উদাহরণগুলি থেকে মূল্যায়নের উদাহরণগুলি আলাদা রাখুন।
• মেট্রিক্স চয়ন করুন যা ভুলের ব্যয়কে প্রতিফলিত করে, কেবল একটি বড় নির্ভুলতা সংখ্যা নয়।

তত্ত্বাবধান করা শিক্ষায়, প্রশিক্ষণের উদাহরণগুলি লক্ষ্য আউটপুটগুলির সাথে ইনপুটগুলি যুক্ত করে। মডেলটি একটি পূর্বাভাস দেয়, একটি ক্ষতি ফাংশন লক্ষ্য থেকে সেই পূর্বাভাস কতটা দূরে রয়েছে তা পরিমাপ করে এবং একটি প্রশিক্ষণ অ্যালগরিদম ক্ষতি হ্রাস করার জন্য মডেলটি পরিবর্তন করে। নিউরাল নেটওয়ার্কগুলি সাধারণত গ্রেডিয়েন্ট-ভিত্তিক অপ্টিমাইজেশন ব্যবহার করে, তবে প্রতিটি শেখার অ্যালগরিদম গ্রেডিয়েন্ট ব্যবহার করে না। বৈধকরণ ডেটা বিকাশকারীদের সেটিংস চয়ন করতে এবং প্রার্থী মডেলগুলির তুলনা করতে সহায়তা করে। একটি হোল্ড-আউট টেস্ট সেট সেই পছন্দগুলি করার পরে পারফরম্যান্সের একটি পৃথক অনুমান সরবরাহ করে। পরীক্ষার সেটের উপর ভিত্তি করে বারবার মডেলগুলি নির্বাচন করা সেই পৃথকীকরণকে দুর্বল করে দেয়। যদি একই ব্যক্তি, নথি বা প্রায় সদৃশ উদাহরণ একটি বিভাজনের উভয় পাশে উপস্থিত হয়, তবে ফলাফলটি সত্যিকারের নতুন ডেটার পারফরম্যান্সের চেয়ে ভাল দেখাতে পারে। অন্যান্য শেখার সেটআপগুলি বিভিন্ন সংকেত ব্যবহার করে। তত্ত্বাবধানহীন শেখা প্রতিটি উদাহরণের জন্য লক্ষ্য লেবেল ছাড়াই কাঠামো সন্ধান করে। স্ব-তত্ত্বাবধানে প্রশিক্ষণ ডেটা থেকে ভবিষ্যদ্বাণীর কাজগুলি তৈরি করে, যেমন কোনও প্রসঙ্গ অনুসরণ করে পাঠ্যের পূর্বাভাস দেওয়া। শক্তিবৃদ্ধি শেখা ক্রিয়া এবং ফলাফল সম্পর্কে প্রতিক্রিয়া ব্যবহার করে। প্রতিটি ক্ষেত্রে, প্রশিক্ষণের উদ্দেশ্যটি একটি দরকারী প্রক্সি, লোকেরা কী চায় তার সম্পূর্ণ সংজ্ঞা নয়। প্রশিক্ষণের পরে, অনুমানটি একটি আউটপুট তৈরি করার জন্য মডেলের ব্যবহার। একটি প্রম্পটে একটি উদাহরণ সরবরাহ করা মডেলের শেখা ওজন আপডেট না করেই বর্তমান প্রতিক্রিয়া পরিবর্তন করতে পারে। কোনও পরিষেবা পরে প্রশিক্ষণের জন্য কথোপকথন ব্যবহার করে কিনা তা একটি পৃথক পণ্য এবং ডেটা-নীতি প্রশ্ন।

1. 100 টি পরীক্ষার বার্তা কল্পনা করুন: 10 টি স্প্যাম এবং 90 টি বৈধ। এমন একটি সিস্টেম যা কখনও স্প্যাম ফ্ল্যাগ করে না তা 90% সঠিক তবে স্প্যামের কোনওটিই ধরতে পারে না।
2. অন্য একটি সিস্টেম 20 টি বার্তা পতাকাঙ্কিত করে। আটটি সত্যিই স্প্যাম এবং 12 টি বৈধ। এটি দুটি স্প্যাম বার্তা মিস করে।
3. এর নির্ভুলতা 86%, নির্ভুলতা 8/20 = 40% এবং স্মরণ 8/10 = 80%। আটটি স্প্যাম বার্তা ধরা 12 টি বৈধ বার্তা ভুলভাবে ফ্ল্যাগ করা মূল্যবান কিনা তা সিদ্ধান্ত নিন।

এগুলি একটি গাণিতিক উদাহরণের জন্য উদ্ভাবিত গণনা, কোনও বেঞ্চমার্ক ফলাফল নয়। তারা দেখায় যে কেন একটি একক মেট্রিক কোনও মডেল কোনও কাজের জন্য উপযুক্ত কিনা তা নির্ধারণ করতে পারে না।