आगेअगली गाइड
बच्चों के लिए एआई प्रोजेक्ट स्क्रैच करें
अनुप्रयोग
एप्लीकेशन गाइड
एक मजबूत एआई विज्ञान-निष्पक्ष परियोजना एक प्रणाली, उसके डेटा या उसके प्रभावों के बारे में एक परीक्षण योग्य प्रश्न पूछती है, फिर एक स्पष्ट आधार रेखा के साथ परिणामों की तुलना करती है।
इस गाइड को सुनेंएआई-नैरेटेड · ~3 min
छात्रों को एक सुरक्षित दायरा चुनना चाहिए, अपने काम का दस्तावेजीकरण करना चाहिए और डेटा एकत्र करने या सबमिशन में एआई का उपयोग करने से पहले वर्तमान निष्पक्ष नियमों की जांच करनी चाहिए।
एआई विज्ञान-मेला परियोजना को एक प्रश्न की जांच करनी चाहिए, न कि केवल एक उपकरण का प्रदर्शन करना चाहिए। एक उपयोगी प्रश्न यह पहचानता है कि किस चीज़ की तुलना की जाएगी या मापी जाएगी: क्या पृष्ठभूमि बदलने पर क्लासिफायरियर अधिक त्रुटियाँ करता है? क्या एक छोटा प्रशिक्षण सेट बड़े प्रशिक्षण सेट से अलग प्रदर्शन करता है? एक सरल नियम-आधारित आधार रेखा की तुलना समान परीक्षण उदाहरणों पर सीखे गए मॉडल से कैसे की जाती है? दोहराने और समझाने के लिए दायरा इतना छोटा रखें। प्रयोग चलाने से पहले कार्य, डेटासेट, लेबल, आधार रेखा और मूल्यांकन पद्धति को परिभाषित करें। प्रशिक्षण उदाहरणों को परीक्षण उदाहरणों, रिकॉर्ड मॉडल और टूल संस्करणों से अलग करें, और परिवर्तनों का एक लॉग सुरक्षित रखें। असफलताओं के साथ-साथ सफलताओं की भी रिपोर्ट करें। यदि प्रोजेक्ट सार्वजनिक डेटासेट का उपयोग करता है, तो उसके दस्तावेज़ और लाइसेंस पढ़ें; "ऑनलाइन उपलब्ध" का मतलब स्वचालित रूप से अप्रतिबंधित नहीं है। उचित अनुमोदन के बिना निजी या पहचान योग्य डेटा का उपयोग करने से बचें। सर्वेक्षण, साक्षात्कार, अन्य लोगों द्वारा परीक्षण या पहचान योग्य जानकारी वाली परियोजनाएं मानव-प्रतिभागी समीक्षा को गति दे सकती हैं। सोसायटी फॉर साइंस के आईएसईएफ नियम बताते हैं कि कुछ छात्र अध्ययनों के लिए पूर्व संस्थागत समीक्षा बोर्ड की समीक्षा और सहमति की आवश्यकता होती है, और संबद्ध मेलों की अतिरिक्त आवश्यकताएं हो सकती हैं। जब तक लागू शिक्षक, प्रायोजक या समीक्षा समिति योजना की पुष्टि न कर दे तब तक डेटा संग्रह शुरू न करें। एक छात्र परियोजना के रूप में चिकित्सा निदान, संवेदनशील व्यक्तिगत डेटा या जोखिम भरे परीक्षण से बचें। प्रतियोगिता प्रस्तुतिकरण में एआई के उपयोग के भी नियम हैं। वर्तमान आईएसईएफ मार्गदर्शन कहता है कि एआई का उपयोग उद्धरण और पावती के साथ एक परियोजना संसाधन के रूप में किया जा सकता है, लेकिन जेनरेटिव एआई को अनुसंधान योजना, सार, पोस्टर या उद्धरण लिखने से रोकता है। अन्य मेले अलग नियम निर्धारित कर सकते हैं। शुरुआत से पहले वर्तमान आधिकारिक आयोजक नियमों की जांच करें, छात्र के स्वयं के शोध और लेखन को दृश्यमान रखें, और डेटा, कोड, टूल और सहयोगियों का हवाला दें। एक सफल प्रोजेक्ट बताता है कि मॉडल ने क्या किया, कहां विफल हुआ और सबूत क्या समर्थन कर सकते हैं और क्या नहीं।
एक छोटे, सार्वजनिक, अनुमत डेटासेट पर क्लासिफायरियर के साथ एक सरल नियम-आधारित आधार रेखा की तुलना करें और प्रत्येक द्वारा की गई त्रुटियों की रिपोर्ट करें।
लोगों के बजाय गैर-पहचान वाली वस्तुओं का उपयोग करके परीक्षण करें कि पृष्ठभूमि या प्रकाश व्यवस्था बदलने से मॉडल के छवि लेबल पर क्या प्रभाव पड़ता है।
मापें कि क्या भाषण पहचानकर्ता उचित अनुमतियों के साथ, शांत और शोर की स्थिति में छात्र-लिखित वाक्यों के एक सेट को अलग-अलग तरीके से लिखता है।
सार्वजनिक डेटासेट के दस्तावेज़ीकरण का अध्ययन करें और मूल्यांकन करें कि क्या इसके लेबल और संग्रह संदर्भ प्रस्तावित उपयोग के लिए उपयुक्त हैं।
जैसे-जैसे एआई उपकरण बदलते हैं, विज्ञान मेले मार्गदर्शन को अद्यतन कर रहे हैं, इसलिए छात्रों और प्रायोजकों को परियोजना योजना की शुरुआत में आयोजक के मौजूदा नियमों से परामर्श लेना चाहिए। भविष्य की परियोजनाएं मल्टीमॉडल मॉडल, पर्यावरणीय लागत या लोग एआई के साथ कैसे बातचीत करते हैं, इसकी जांच कर सकती हैं, लेकिन मजबूत शोध के लिए अभी भी एक संकीर्ण प्रश्न, सुरक्षित डेटा प्रथाओं और पारदर्शी तरीकों की आवश्यकता होगी। जेनेरेटिव उपकरण जहां अनुमति हो वहां कोडिंग या अन्वेषण का समर्थन कर सकते हैं, जबकि छात्र अनुसंधान निर्णयों और प्रस्तुति के लिए जिम्मेदार रहता है। सीमाओं और गलतियों का एक ईमानदार विवरण एक असमर्थित दावे की तुलना में अधिक मजबूत विज्ञान है कि एक मॉडल सभी के लिए काम करता है।
मुफ़्त न्यूज़लेटर
हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।
प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।
स्वयं की जांच करो
प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।
निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें
एक मजबूत एआई विज्ञान-निष्पक्ष परियोजना एक प्रणाली, उसके डेटा या उसके प्रभावों के बारे में एक परीक्षण योग्य प्रश्न पूछती है, फिर एक स्पष्ट आधार रेखा के साथ परिणामों की तुलना करती है। छात्रों को एक सुरक्षित दायरा चुनना चाहिए, अपने काम का दस्तावेजीकरण करना चाहिए और डेटा एकत्र करने या सबमिशन में एआई का उपयोग करने से पहले वर्तमान निष्पक्ष नियमों की जांच करनी चाहिए।
एक बंधी हुई तुलना एक स्थिति और मापने योग्य परिणाम की पहचान करती है।
रखे गए उदाहरण सामान्यीकरण की अधिक सार्थक जाँच प्रदान करते हैं।
कुछ मानव-प्रतिभागी अनुसंधान के लिए पूर्व समीक्षा और सहमति की आवश्यकता होती है; पहले योजना की जांच होनी चाहिए.
सार्वजनिक उपलब्धता स्वयं अनुमति या उपयुक्तता स्थापित नहीं करती है।
एक आधार रेखा यह व्याख्या करने में मदद करती है कि क्या कोई मॉडल एक सरल विधि से परे प्रदर्शन जोड़ता है।
सीखते रहो
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं
आगेअगली गाइड
बच्चों के लिए एआई प्रोजेक्ट स्क्रैच करें
अनुप्रयोग