बुनियादी गाइड

पाठ्यचर्या सीखना

पाठ्यचर्या शिक्षण एआई मॉडल को यादृच्छिक क्रम में डेटा फीड करने के बजाय जानबूझकर क्रम में उदाहरणों पर प्रशिक्षित करता है - पहले आसान, बाद में कठिन।

2 मिनट लालअंतिम बार अद्यतन किया गया

सिंहावलोकन

It mirrors how schools teach: master arithmetic before calculus, and the model often learns faster and generalizes better.

गहरा गोता

योशुआ बेंगियो और सहकर्मियों द्वारा 2009 के एक पेपर में गढ़ा गया, पाठ्यक्रम शिक्षण प्रशिक्षण का आयोजन करता है ताकि एक मॉडल कठिन उदाहरणों से पहले सरल, कम अस्पष्ट उदाहरण देख सके। अंतर्ज्ञान यह है कि शुरुआती आसान उदाहरण अच्छे प्रारंभिक मापदंडों को आकार देते हैं और नुकसान के परिदृश्य को सुचारू करते हैं, जिससे ऑप्टिमाइज़र को खराब स्थानीय न्यूनतम से बचने में मदद मिलती है। 'कठिनाई' को हाथ से (लंबे वाक्यों से पहले छोटे वाक्य), अनुमान (छवि स्पष्टता, शोर स्तर) द्वारा परिभाषित किया जा सकता है, या स्वचालित रूप से सीखा जा सकता है। वेरिएंट में स्व-गति से सीखना शामिल है, जहां मॉडल स्वयं मूल्यांकन करता है कि वह किन उदाहरणों के लिए तैयार है, और पाठ्यचर्या-विरोधी (कठिन-प्रथम) दृष्टिकोण जो कभी-कभी मदद करते हैं। सीमित डेटा या कठिन अनुकूलन के साथ पाठ्यचर्या प्रभाव सबसे मजबूत होते हैं; बड़े पैमाने पर डेटा और आधुनिक अनुकूलकों के साथ, लाभ कम हो सकते हैं या गायब हो सकते हैं।

तकनीकी अंतर्दृष्टि

यंत्रवत्, पाठ्यक्रम शिक्षण समय के साथ प्रशिक्षण वितरण को पुनः भारित या पुनर्व्यवस्थित करता है। एक सामान्य कार्यान्वयन एक पेसिंग फ़ंक्शन का उपयोग करता है जो प्रशिक्षण की प्रगति के रूप में धीरे-धीरे योग्य उदाहरणों के पूल को सबसे आसान से सबसे कठिन तक बढ़ाता है। यह निरंतरता पद्धति के एक रूप के रूप में कार्य करता है: आप पहले एक सहज, आसान उद्देश्य को अनुकूलित करते हैं, फिर सच्चे, कठिन उद्देश्य की ओर बढ़ते हैं। स्व-गति से सीखना एक नियमितीकरण जोड़कर इसे औपचारिक बनाता है जो मॉडल को कम-नुकसान (आसान) नमूनों का चयन जल्दी करने देता है और ट्यून करने योग्य सीमा में ढील के रूप में कठिन नमूनों को स्वीकार करता है।

सामरिक प्रभाव

स्पष्ट निर्णय

यह आपको स्पष्ट तकनीकी दावों को मार्केटिंग भाषा से अलग करने में मदद करता है।

लागत और बजट

आप पैसा या समय खर्च करने से पहले बेहतर कार्यान्वयन संबंधी प्रश्न पूछ सकते हैं।

टीम और वर्कफ़्लो

साझा समझ वाली टीमें बेहतर उत्पाद, नीति और सीखने के निर्णय लेती हैं।

पाठ्यचर्या सीखने का भविष्य

बड़े भाषा मॉडल प्रशिक्षण में पाठ्यचर्या के विचार पुनर्जीवित हो रहे हैं, जहां डेटा ऑर्डरिंग, मिश्रण शेड्यूलिंग और कठिनाई-जागरूक नमूनाकरण दक्षता को प्रभावित करते हैं। मानव प्रतिक्रिया और तर्क मॉडल से सुदृढीकरण सीखने में तेजी से चरणबद्ध पाठ्यक्रम का उपयोग होता है - बहु-चरण वाले से पहले सरल कार्य। स्वचालित, मॉडल-निर्णयित कठिनाई (एक मॉडल को दूसरे के लिए उदाहरण स्कोर करने देना) और गतिशील पाठ्यक्रम जो मध्य-प्रशिक्षण को अनुकूलित करते हैं, सक्रिय अनुसंधान क्षेत्र हैं। डेटा-गुणवत्ता फ़िल्टरिंग और सिंथेटिक-डेटा पीढ़ी के साथ सख्त एकीकरण की अपेक्षा करें, जहां किसी मॉडल के मौजूदा कमजोर बिंदुओं को लक्षित करने के लिए तुरंत पाठ्यक्रम तैयार किया जाता है।

वास्तविक विश्व कार्यान्वयन

प्रारंभिक शिक्षा को स्थिर करने के लिए वाक् पहचान प्रणाली को शोर, उच्चारण या तेज ऑडियो से पहले स्पष्ट, धीमी गति से बोलने पर प्रशिक्षित किया जाता है।

मशीनी अनुवाद मॉडल ने पहले छोटे, सरल वाक्य जोड़े दिए, फिर उत्तरोत्तर लंबे और अधिक मुहावरेदार वाक्य दिए।

गेम-प्लेइंग सुदृढीकरण सीखने वाले एजेंट जो पूर्ण, विरल-इनाम गेम का सामना करने से पहले आसान स्तरों या आकार के उप-लक्ष्यों पर शुरू करते हैं।

गणित और तर्क एलएलएम फाइन-ट्यूनिंग जो विश्वसनीय तर्क बनाने के लिए बहु-चरणीय श्रृंखलाओं से पहले एकल-चरणीय समस्याओं को शेड्यूल करता है।

जोखिम और रेलिंग

अलग-अलग टीमें एक ही शब्द का अलग-अलग इस्तेमाल कर सकती हैं, इसलिए दायरे को पहले ही परिभाषित कर लें।

बेंचमार्क मजबूत दिख सकते हैं जबकि वास्तविक दुनिया का प्रदर्शन असमान है।

डेटा गुणवत्ता और मूल्यांकन योजनाओं की अनदेखी अक्सर नाजुक परिणाम पैदा करती है।

कार्यान्वयन रोडमैप

1

आपको जिस परिणाम की आवश्यकता है उसकी सरल भाषा में परिभाषा से शुरुआत करें।

2

परीक्षण से पहले एक सफलता मीट्रिक और एक विफलता स्थिति चुनें।

3

प्रतिनिधि डेटा के साथ एक छोटा पायलट चलाएँ, न कि एक परिष्कृत डेमो सेट।

4

दस्तावेज़ जहाँ पाठ्यचर्या सीखना मदद करता है और जहाँ सरल तरीके बेहतर हैं।

अन्वेषण करते रहें

Free newsletter

Get the daily AI briefing

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the Curriculum Learning quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

प्रश्नोत्तरी प्रारंभ करें

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

अगली गाइड

निरंतर सीखना और विनाशकारी विस्मृति

अक्सर पूछे जाने वाले प्रश्नों

What is Curriculum Learning?

पाठ्यचर्या शिक्षण एआई मॉडल को यादृच्छिक क्रम में डेटा फीड करने के बजाय जानबूझकर क्रम में उदाहरणों पर प्रशिक्षित करता है - पहले आसान, बाद में कठिन। यह दर्शाता है कि स्कूल कैसे पढ़ाते हैं: कैलकुलस से पहले अंकगणित में महारत हासिल करें, और मॉडल अक्सर तेजी से सीखता है और बेहतर सामान्यीकरण करता है।

पाठ्यचर्या सीखने के पीछे मूल विचार क्या है?

पाठ्यचर्या सीखना जानबूझकर उदाहरणों को आसान से कठिन की ओर क्रमबद्ध करता है, यह दर्शाता है कि एक संरचित पाठ्यक्रम मनुष्यों को कैसे सिखाता है।

2009 के एक प्रसिद्ध पेपर में 'पाठ्यचर्या शिक्षण' शब्द को किसने पेश किया?

बेंगियो और सह-लेखकों ने अपने 2009 के पेपर में मशीन लर्निंग में पाठ्यक्रम सीखने को औपचारिक रूप दिया।

स्व-गति से सीखने में, यह कौन तय करता है कि कौन से उदाहरण शुरुआती प्रशिक्षण के लिए 'आसान' माने जाते हैं?

स्व-गति से सीखने से मॉडल पहले कम-नुकसान (आसान) नमूनों का चयन कर सकता है और सीमा में ढील होने पर कठिन नमूनों को स्वीकार कर सकता है।

पाठ्यचर्या शिक्षण अनुकूलन में सहायता क्यों कर सकता है?

आसान उदाहरणों से शुरुआत करना एक निरंतरता पद्धति की तरह काम करता है, जो कठिन सच्चे उद्देश्य से पहले एक आसान उद्देश्य को अनुकूलित करता है।

पाठ्यचर्या सीखने के लाभ आम तौर पर सबसे बड़े कब होते हैं?

सीमित डेटा या कठिन अनुकूलन के साथ पाठ्यचर्या प्रभाव सबसे मजबूत होते हैं; बड़े पैमाने पर डेटा और मजबूत अनुकूलकों के साथ, लाभ कम हो सकते हैं।