Trajnimi kundrejt përdorimit

Dy faza krejt të ndryshme

Një model IA-je ka dy kapituj të veçantë në jetën e vet, dhe ngatërrohen lehtë. Së pari ndërtohet, duke mësuar nga të dhënat. Pastaj përdoret, për t'iu përgjigjur pyetjeve ose për të bërë parashikime. Faza e ndërtimit quhet trajnim; faza e përdorimit quhet inferencë. Ato ndryshojnë jashtëzakonisht në kosto, në shpejtësi dhe në atë se kush i bën, dhe t'i dallosh shpjegon shumë se si sillen këto vegla.

Trajnimi: pjesa e ngadaltë e e shtrenjtë

Trajnimi është aty ku modeli mëson. I tregohet një sasi e stërmadhe të dhënash dhe rregullon veten gradualisht, sërish e sërish, derisa të kapë modelet në ato të dhëna. Mendoje si një periudhë të gjatë e intensive studimi, por në një shkallë që s'do ta përballonte asnjë person: grupe të dhënash të stërmëdha, kompjuterë të specializuar, dhe shpesh javë përpunimi që kushtojnë shumë para dhe energji.

Trajnimi ndodh rrallë dhe kryhet nga organizata që ndërton modelin, jo nga ti. Sapo mbaron, rezultati është një model i palëvizshëm, i trajnuar: një grup i ngulitur modelesh, gati për t'u përdorur. Me rëndësi, modeli nuk vazhdon të mësojë nga ti ndërsa e përdor; dija e tij u ngulit gjatë trajnimit.

Inferenca: pjesa e shpejtë e përditshme

Inferenca është ajo që ndodh sa herë e përdor vërtet modelin. I jep një hyrje, një pyetje, një foto, një fjali për ta plotësuar, dhe ai zbaton atë që tashmë ka mësuar për të prodhuar një dalje. Kjo është e shpejtë dhe relativisht e lirë, prandaj miliona njerëz mund ta përdorin një model njëherësh, në telefona e laptopë të zakonshëm.

Çdo shembull nga mësimet e mëparshme, një aplikacion hartash që parashikon trafikun, një chatbot që të përgjigjet, një filtër që dallon spam-in, është inferencë: modeli i trajnuar duke bërë punën e vet. Puna e rëndë tashmë ndodhi, një herë, gjatë trajnimit.

Pse të dhënat e trajnimit e formojnë çdo përgjigje

Ja pse ky dallim ka rëndësi në praktikë. Një model mund të mësojë vetëm nga të dhënat me të cilat u trajnua, ndaj ato të dhëna e formojnë në heshtje gjithçka që prodhon gjatë inferencës. Nëse të dhënat e trajnimit ishin të gjera, të sakta e të balancuara, edhe përgjigjet priren të jenë të tilla. Nëse ishin të ngushta, të vjetruara ose të anuara, modeli i bart ato të meta përpara në çdo përgjigje, me bindje dhe në mënyrë të padukshme.

Këtu hyn anësia. Nëse shembujt nga të cilët mësoi një model mbipërfaqësojnë një grup, një këndvështrim ose një gjuhë, dalja e tij do të anojë po nga ajo anë, jo nga ligësia, por sepse pasqyron besnikërisht atë që iu tregua. Një model i trajnuar kryesisht me të dhëna nga një pjesë e botës mund t'i trajtojë keq vendet e tjera. Një i trajnuar me tekst deri në një datë të caktuar s'di asgjë pas saj.

Çfarë do të thotë kjo për ty

S'ke nevojë të trajnosh modele për t'i përdorur me mend, por të dish nga vjen dija e tyre e ndryshon si i lexon përgjigjet. Kujto se dalja pasqyron të dhëna të së shkuarës, me gjithë boshllëqet e animet e tyre, jo dije të drejtpërdrejtë të botës së sotme. Kjo është një arsye tjetër e fortë për zakonin që përshkon këtë modul: përdore përgjigjen e modelit si një hyrje të dobishme, pastaj zbato gjykimin tënd, sidomos për çdo gjë të rëndësishme ose ku një anësi e fshehur mund të ketë rëndësi.

Një pyetje për ta mbajtur me vete: meqë një model di vetëm atë që i treguan të dhënat e trajnimit, cilat përvoja, gjuhë apo periudha kohore mund të mungojnë nga përgjigjet te të cilat mbështetesh, dhe si do ta vëreje fare?