Хиймэл оюун ухаан хиймэл оюун ухаанаас суралцдаг: Том хэлний загваруудын дунд нийгмийн суралцахуйн үүсэл

OpenAI нээлтээ хийснээс хойш ChatGPT3.5 2022 оны сүүлээр үндсэн үүрэг хэлний том загварууд (LLMs) нь хиймэл оюун ухаанд (AI) улам бүр нэр хүндтэй болж байна байгалийн хэл боловсруулах (NLP). Хүнтэй төстэй текстийг боловсруулах, үүсгэх зорилготой эдгээр LLM нь номноос эхлээд вэбсайтаас эхлээд интернетийн өргөн хүрээний текстээс суралцдаг. Энэхүү сургалтын үйл явц нь тэдэнд хүний ​​хэлний мөн чанарыг ойлгох боломжийг олгодог бөгөөд LLM нь ерөнхий зорилготой асуудал шийдэгч мэт харагдана.

LLM-ийн хөгжил нь шинэ үүд хаалгыг нээж өгсөн ч эдгээр загваруудыг тодорхой хэрэглээнд тохируулах арга гэж нэрлэдэг нарийн тааруулах- өөрийн гэсэн сорилтуудыг авчирдаг. Загварыг нарийн тааруулах нь илүү төвлөрсөн өгөгдлийн багц дээр нэмэлт сургалт шаарддаг бөгөөд энэ нь шошготой өгөгдөлд тавигдах шаардлага, өгөгдлийн эрсдэл зэрэг хүндрэлд хүргэж болзошгүй юм. загварын дрейф болон хэт зохицох, мөн ихээхэн нөөцийн хэрэгцээ.

Эдгээр сорилтыг шийдвэрлэхийн тулд Google-ийн судлаачид саяхан "sнийгмийн сургалт' хиймэл оюун ухаанаас суралцахад нь туслах. Гол санаа нь LLM-г чатбот болгон хөрвүүлэх үед тэд хүний ​​нийгмийн суралцахтай төстэй байдлаар харилцан ажиллаж, бие биенээсээ суралцах боломжтой болно. Энэхүү харилцан үйлчлэл нь бие биенээсээ суралцах боломжийг олгодог бөгөөд ингэснээр тэдний үр ашгийг дээшлүүлдэг.

Нийгмийн сургалт гэж юу вэ?

Нийгмийн боловсрол бол шинэ санаа биш юм. Энэ нь 1970-аад оны онол дээр үндэслэсэн Альберт Бандура, энэ нь хүмүүсийг бусдыг ажигласнаар суралцахыг санал болгож байна. AI-д хэрэглэгдэж буй энэхүү ойлголт нь хиймэл оюун ухааны системүүд хоорондоо харилцан үйлчилж, зөвхөн шууд туршлагаас гадна үе тэнгийнхнийхээ үйлдлээс суралцаж сайжруулж чадна гэсэн үг юм. Энэ арга нь илүү хурдан ур чадвар эзэмшихийг амлаж, AI системд мэдлэгээ хуваалцах замаар өөрсдийн "соёл"-ыг хөгжүүлэх боломжийг олгодог.

Туршилт, алдаа гэх мэт хиймэл оюун ухаанд суралцах бусад аргуудаас ялгаатай бэхжүүлэх сургалт or дуураймал сургалт шууд жишээнүүдээс үзэхэд нийгмийн сургалт нь харилцан үйлчлэлээр суралцахыг чухалчилдаг. Энэ нь хиймэл оюун ухаанд шинэ ур чадвар эзэмших илүү практик, хамтын аргыг санал болгодог.

LLM дахь нийгмийн сургалт

Нийгмийн сургалтын чухал тал бол анхны, эмзэг мэдээллийг хуваалцахгүйгээр мэдлэгээ солилцох явдал юм. Ийм байдлаар, судлаачид Багш-сурагчийн динамикийг ашигласан бөгөөд багшийн загвар нь ямар ч нууц мэдээллийг задруулахгүйгээр оюутны загварт суралцах үйл явцыг хөнгөвчлөх болно. Энэ зорилгод хүрэхийн тулд багшийн загварууд нь бодит өгөгдлийг хуваалцахгүйгээр сурагчийн загварт суралцах боломжтой синтетик жишээ эсвэл чиглэлийг бий болгодог. Жишээлбэл, хэрэглэгчдийн тэмдэглэсэн өгөгдлийг ашиглан спам болон спам бус текст мессежийг ялгахад сургагдсан багшийн загварыг авч үзье. Хэрэв бид анхны хувийн өгөгдөлд хүрэхгүйгээр энэ даалгаврыг өөр загвараар эзэмшүүлэхийг хүсч байвал нийгмийн боловсролыг хэрэгжүүлэх болно. Багшийн загвар нь нийлэг жишээ үүсгэх эсвэл мэдлэг дээрээ тулгуурлан ойлголт өгөх бөгөөд энэ нь оюутны загварт эмзэг өгөгдөлд шууд өртөхгүйгээр спам мессежийг үнэн зөв тодорхойлох боломжийг олгодог. Энэхүү стратеги нь сургалтын үр ашгийг нэмэгдүүлээд зогсохгүй LLM-үүдийг динамик, дасан зохицох арга замаар суралцах, хамтын мэдлэгийн соёлыг бий болгох боломжийг харуулж байна. Энэ аргын амин чухал шинж чанар нь нийлэг жишээ болон боловсруулсан зааварт найдах явдал юм. Багшийн загварууд анхны өгөгдлийн багцаас ялгаатай шинэ, мэдээлэл сайтай жишээг бий болгосноор хувийн нууцыг хадгалахын зэрэгцээ оюутны загварыг үр дүнтэй суралцахад чиглүүлсээр байх болно. Энэ арга нь үр дүнтэй бөгөөд бодит өгөгдлийг ашиглан олж авсан үр дүнтэй ижил үр дүнд хүрсэн.

Нийгмийн сургалт нь нарийн тааруулахад тулгарч буй бэрхшээлийг хэрхэн шийдвэрлэх вэ?

Нийгмийн сургалт нь тодорхой ажлуудад зориулсан LLM-ийг боловсронгуй болгох шинэ аргыг санал болгодог. Энэ нь дараах байдлаар нарийн тааруулахад тулгарч буй бэрхшээлийг даван туулахад тусална.

1. Шошготой өгөгдөл бага шаарддаг: Загваруудын хооронд хуваалцсан нийлэг жишээнүүдээс суралцсанаар нийгмийн сургалт нь олж авахад хэцүү хаяглагдсан өгөгдөлд найдах явдлыг багасгадаг.
2. Хэт мэргэшихээс зайлсхийх: Энэ нь жижиг, тодорхой өгөгдлийн багц дахь загваруудаас илүү өргөн хүрээний жишээнүүдэд үзүүлэх замаар загваруудыг олон талт байлгадаг.
3. Хэт тохируулгыг багасгах: Нийгмийн сургалт нь суралцах туршлагыг өргөжүүлж, загваруудыг илүү сайн ерөнхийд нь дүгнэж, хэт зохицохоос зайлсхийхэд тусалдаг.
4. Нөөцийг хэмнэх: Загварууд том өгөгдлийн багцад шууд хандах шаардлагагүйгээр бие биенийхээ туршлагаас суралцдаг тул энэ арга нь нөөцийг илүү үр ашигтай ашиглах боломжийг олгодог.

Ирээдүйн чиглэл

LLM-д нийгэмд суралцах боломж нь AI-ийн ирээдүйн судалгааны янз бүрийн сонирхолтой, утга учиртай арга замыг санал болгож байна.

1. AI-ийн эрлийз соёл: LLM-үүд нийгмийн сургалтад оролцохын хэрээр нийтлэг арга зүйг бий болгож эхэлдэг. Эдгээр шинээр гарч ирж буй хиймэл оюун ухааны "соёлууд"-ын үр нөлөөг судлах, хүмүүсийн харилцан үйлчлэл, ёс зүйн асуудалд үзүүлэх нөлөөг судлах судалгааг хийж болно.
2. Cross-modality Learning: Зургууд, дуу чимээ болон бусад зүйлийг багтаасан нийгмийн боловсролыг текстээс гадна өргөжүүлэх нь хүн төрөлхтөн олон мэдрэхүйгээр дамжуулан хэрхэн суралцдагтай адил ертөнцийг илүү баялаг ойлголттой хиймэл оюун ухааны системийг бий болгож чадна.
3. Төвлөрсөн бус сургалт: AI загварууд төвлөрсөн бус сүлжээгээр бие биенээсээ суралцах санаа нь мэдлэг хуваалцах шинэлэг арга замыг танилцуулж байна. Энэ нь зохицуулалт, нууцлал, аюулгүй байдлын томоохон сорилтуудыг шийдвэрлэх шаардлагатай болно.
4. Хүний хиймэл оюун ухааны харилцан үйлчлэл: Хүмүүс болон хиймэл оюун ухаан нь нийгмийн боловсрол, ялангуяа боловсролын болон хамтын ажиллагааны орчинд хэрхэн харилцан ашигтай болохыг судлах боломж бий. Энэ нь мэдлэг дамжуулалт, инноваци хэрхэн явагддагийг дахин тодорхойлж болно.
5. Ёс зүйн хиймэл оюун ухааны хөгжил: Нийгмийн боловсролоор дамжуулан хиймэл оюун ухаанд ёс зүйн бэрхшээлийг арилгахыг заах нь илүү хариуцлагатай хиймэл оюун ухаан руу чиглэсэн алхам байж болох юм. Ёс суртахууны хувьд үндэслэлтэй, нийгмийн үнэт зүйлстэй нийцэж чадах хиймэл оюун ухааны системийг хөгжүүлэхэд анхаарлаа хандуулах болно.
6. Өөрийгөө сайжруулах системүүд: AI загварууд бие биенийхээ туршлагаас тасралтгүй суралцаж, сайжруулдаг экосистем нь хиймэл оюун ухааны шинэчлэлийг хурдасгах боломжтой. Энэ нь хиймэл оюун ухаан шинэ сорилтод илүү бие даасан байдлаар дасан зохицож чадах ирээдүйг харуулж байна.
7. Сургалтын нууцлал: AI загварууд мэдлэгээ хуваалцаж байгаа тул үндсэн мэдээллийн нууцлалыг хангах нь маш чухал юм. Цаашдын хүчин чармайлтууд нь мэдээллийн аюулгүй байдлыг алдагдуулахгүйгээр мэдлэг дамжуулах боломжийг олгох илүү боловсронгуй аргуудыг судлах болно.

Доод шугам

Google-ийн судлаачид хүний ​​бусдыг ажиглахаас суралцах чадвараас санаа авсан том хэлний загвар (LLMs) дунд нийгэмд суралцах шинэлэг арга барилыг анхлан нэвтрүүлсэн. Энэхүү тогтолцоо нь LLM-д нууц мэдээлэлд хандах, ил гаргахгүйгээр мэдлэгээ хуваалцах, чадвараа сайжруулах боломжийг олгодог. Синтетик жишээ, зааварчилгааг бий болгосноор LLM-ууд шошготой өгөгдөл, хэт мэргэшил, хэт тохируулга, нөөцийн хэрэглээ зэрэг хиймэл оюун ухааны хөгжлийн гол сорилтуудыг шийдэж үр дүнтэй суралцаж чадна. Нийгмийн сургалт нь хиймэл оюун ухааны үр ашиг, дасан зохицох чадварыг нэмэгдүүлээд зогсохгүй, хиймэл оюун ухаанд хамтын “соёл”-ыг хөгжүүлэх, хөндлөнгийн сургалтанд хамрагдах, төвлөрсөн бус сүлжээнд оролцох, хүмүүстэй шинэ арга замаар харьцах, ёс зүйн хүндрэлийг даван туулах, хувийн нууцыг хангах боломжийг нээж өгдөг. Энэ нь хиймэл оюун ухааны судалгаа, хэрэглээний ландшафтыг дахин тодорхойлох амлалт өгч, илүү хамтын ажиллагаатай, олон талт, ёс суртахуунтай хиймэл оюун ухааны системд ихээхэн шилжиж байгааг харуулж байна.