Хиймэл оюун ухаан нь хүн бүр толгой дохин чимээгүйхэн бодож байхдаа ид шидийн заль мэх мэт санагдаж болно... хүлээгээрэй, энэ үнэхээр ажилладаг вэ? Сайн мэдээ. Бид үүнийг ямар ч асуудалгүйгээр тайлбарлаж, практик хэвээр байлгаж, хэдэн төгс бус зүйрлэлүүдийг оруулж, үүнийг товшиход хүргэнэ. Хэрэв та зүгээр л гол санааг нь мэдэхийг хүсвэл доорх нэг минутын хариулт руу очно уу; гэхдээ үнэнийг хэлэхэд гэрлийн чийдэн асдаг газар нь нарийн ширийн зүйл юм 💡.
Үүний дараа таны унших дуртай нийтлэлүүд:
🔗 GPT гэдэг нь юу гэсэн үг вэ
GPT товчлол болон түүний утгыг товч тайлбарласан болно.
🔗 Хиймэл оюун ухаан мэдээллээ хаанаас авдаг вэ?
Хиймэл оюун ухаан суралцах, сургах, асуултанд хариулахад ашигладаг эх сурвалжууд.
🔗 Бизнестээ хиймэл оюун ухааныг хэрхэн нэвтрүүлэх вэ
Хиймэл оюун ухааныг үр дүнтэй нэгтгэх практик алхамууд, хэрэгслүүд болон ажлын урсгалууд.
🔗 Хиймэл оюун ухааны компанийг хэрхэн эхлүүлэх вэ
Санаанаас эхлээд эхлүүлэх хүртэл: баталгаажуулалт, санхүүжилт, баг, гүйцэтгэл.
Хиймэл оюун ухаан хэрхэн ажилладаг вэ? Нэг минутын хариулт ⏱️
Хиймэл оюун ухаан нь өгөгдлөөс хэв маягийг сурч, таамаглал дэвшүүлэх эсвэл контент үүсгэхэд ашигладаг бөгөөд гараар бичсэн дүрэм шаардлагагүй. Систем нь жишээнүүдийг хүлээн авч, алдагдлын функцээр хэр буруу байгааг хэмжиж, дотоод товчлуурууд - параметрүүдээ - алдаа гаргах бүртээ арай бага байлгахын тулд түлхдэг. Угааж, давтаж, сайжруул. Хангалттай мөчлөгтэй бол энэ нь ашигтай болно. Та имэйлийг ангилах, хавдар илрүүлэх, самбарын тоглоом тоглох эсвэл хайку бичих зэрэг нь адилхан түүх юм. "Машин сургалт"-ын энгийн хэлний үндэс суурийн хувьд IBM-ийн тойм нь бат бөх юм [1].
Орчин үеийн ихэнх хиймэл оюун ухаан бол машин сургалт юм. Энгийн хувилбар нь: өгөгдөл оруулж, оролтоос гаралт руу буулгах аргыг сурч, дараа нь шинэ зүйл рүү ерөнхийлөн дүгнэх явдал юм. Шидэт математик, тооцоолол, үнэнийг хэлэхэд жаахан урлаг биш.
"Хиймэл оюун ухаан хэрхэн ажилладаг вэ?" ✅
Хүмүүс google-ээс хиймэл оюун ухаан хэрхэн ажилладаг вэ гэж ихэвчлэн дараах зүйлийг хүсдэг.
-
тэдний итгэж болох дахин ашиглах боломжтой сэтгэцийн загвар
-
хэллэгийг аймшигтай гэж үзэхээ болихын тулд суралцах үндсэн төрлүүдийн газрын зураг
-
төөрөлгүйгээр мэдрэлийн сүлжээг харах
-
Яагаад трансформаторууд одоо дэлхийг удирдаж байгаа юм шиг санагдаж байна вэ
-
Өгөгдлөөс эхлээд байршуулалт хүртэлх практик дамжуулах хоолой
-
дэлгэцийн зураг аваад хадгалж болох хурдан харьцуулах хүснэгт
-
ёс зүй, нэг талыг баримтлах үзэл, найдвартай байдлын талаарх гараар даллаж болохгүй хамгаалалтууд
Чи эндээс л тэгж авах болно. Хэрэв би тэнүүчилбэл, энэ нь зориудаар байгалийн үзэсгэлэнт газраар явж, дараагийн удаа гудамжийг илүү сайн санах мэт санагдана. 🗺️
Ихэнх хиймэл оюун ухааны системийн гол бүрэлдэхүүн хэсгүүд 🧪
Хиймэл оюун ухааны системийг гал тогоотой адил гэж төсөөлөөд үз дээ. Дөрвөн орц дахин дахин гарч ирдэг:
-
Өгөгдөл — шошготой эсвэл шошгогүй жишээнүүд.
-
Загвар - тохируулж болох параметрүүдтэй математикийн функц.
-
Зорилго - таамаглал хэр муу болохыг хэмждэг алдагдлын функц.
-
Оновчлол — алдагдлыг бууруулахын тулд параметрүүдийг түлхдэг алгоритм.
Гүнзгий сургалтын үед энэ түлхэлт нь ихэвчлэн арагш тархалттай градиент бууралт - энэ нь аварга том дууны самбар дээрх аль товчлуур нь дуугарч байгааг олж мэдээд дараа нь бага зэрэг доошлуулах үр дүнтэй арга юм [2].
Жижиг тохиолдол: Бид хэврэг дүрэмд суурилсан спам шүүлтүүрийг жижиг хяналттай загвараар сольсон. Шошго → хэмжилт → шинэчлэлтийн давталт долоо хоногийн дараа хуурамч эерэг үзүүлэлтүүд буурч, дэмжлэгийн тасалбарууд буурсан. Хий үзэгдэл биш - зүгээр л илүү цэвэр зорилтууд ("гахайн утсан" имэйлүүдийн нарийвчлал) болон илүү сайн оновчлол.
Суралцах парадигмуудыг товчхон авч үзье 🎓
-
Хяналттай сургалт
Та оролт-гаралтын хосуудыг (шошготой зураг, спам/спам биш гэж тэмдэглэгдсэн имэйл) өгдөг. Загвар нь оролт → гаралтыг сурдаг. Олон практик системийн тулгуур багана [1]. -
Хяналтгүй суралцах.
Шошго байхгүй. Бүтцийн кластер, шахалт, далд хүчин зүйлсийг олоорой. Судалгаа эсвэл урьдчилсан сургалтанд маш сайн. -
Өөрийгөө хянах сургалт
Загвар нь өөрийн гэсэн шошгыг бий болгодог (дараагийн үг, алга болсон зургийн нөхөөсийг урьдчилан таамаглах). Түүхий өгөгдлийг сургалтын дохио болгон хувиргадаг; орчин үеийн хэл, харааны загваруудыг дэмждэг. -
Баяжуулах сургалт
Агент үйлдэл хийж, шагнал , хуримтлагдсан шагналыг хамгийн их байлгах бодлогыг сурдаг. Хэрэв "үнэ цэнийн функц", "бодлого", "цаг хугацааны ялгааны сургалт" нь хонх дуугаргавал энэ бол тэдний гэр орон юм [5].
Тийм ээ, практик дээр ангилалууд бүдгэрдэг. Холимог аргууд бол хэвийн үзэгдэл. Бодит амьдрал замбараагүй байдаг; сайн инженерчлэл байгаа газраа л нийцдэг.
Толгой өвдөхгүйгээр мэдрэлийн сүлжээ дотор 🧠
Мэдрэлийн сүлжээ нь жижиг математикийн нэгжүүдийн (нейронуудын) давхаргуудыг давхарлан байрлуулдаг. Давхарга бүр нь жин, хазайлт болон ReLU эсвэл GELU гэх мэт нарийн шугаман бус байдлаар оролтыг хувиргадаг. Эхний давхаргууд нь энгийн шинж чанаруудыг сурдаг бол илүү гүн давхаргууд нь хийсвэрлэлийг кодчилдог. Хэрэв бид үүнийг ингээд нэрлэж чадвал "ид шид" нь найрлага : жижиг функцүүдийн гинжин хэлхээ бөгөөд та маш нарийн төвөгтэй үзэгдлийг загварчилж чадна.
Зөвхөн чичиргээтэй сургалтын давталт:
-
таамаглал → хэмжилтийн алдаа → backprop-оор дамжуулан бурууг атрибутаар тодорхойлох → нудгийн жин → давтах.
Үүнийг хэсэг хэсгээр нь хий, тэгвэл дуу бүрийг сайжруулж буй болхи бүжигчин шиг загвар өмсөгч таны хөлийн хуруун дээр гишгэхээ болино. Нөхөрсөг, хатуу чанга арын тулгуурын бүлгийг [2]-оос үзнэ үү.
Трансформаторууд яагаад зах зээлийг эзэлсэн бэ, мөн "анхаарал" гэдэг нь үнэндээ юу гэсэн үг вэ 🧲
Трансформерууд өөртөө анхаарлаа . Хуучин загварууд шиг өгүүлбэрийг зүүнээс баруун тийш уншихын оронд трансформер хаа сайгүй харж, хэн хэнтэй ярьж байгааг харахын тулд хүн ихтэй өрөөг гүйлгэж байгаа мэт харилцаа холбоог динамикаар үнэлж чаддаг.
Энэхүү загвар нь дарааллын загварчлалын давталт болон мушгиралтыг хассан бөгөөд энэ нь асар их параллелизм болон маш сайн масштабжуулалтыг бий болгосон. Үүнийг эхлүүлсэн өгүүлэл болох " Анхааруулга бол танд хэрэгтэй бүх зүйл" нь архитектур болон үр дүнг тодорхойлсон [3].
Нэг мөрөнд өөртөө анхаарал хандуулах: асуулга , түлхүүр , утгын вектор үүсгэх; анхаарлын жинг авахын тулд ижил төстэй байдлыг тооцоолох; утгуудыг зохих ёсоор нь холих. Нарийвчилсан мэдээлэлд нямбай, сэтгэл санааны хувьд дэгжин.
Анхааруулга: Трансформаторууд давамгайлж байгаа болохоос монопольчлолд автдаггүй. CNN, RNN болон модны цогцолборууд нь тодорхой өгөгдлийн төрөл болон хоцрогдол/зардлын хязгаарлалт дээр ялсаар байна. Ажлын архитектурыг сонгоорой, шуугиан биш.
Хиймэл оюун ухаан хэрхэн ажилладаг вэ? Таны үнэхээр ашиглах практик дамжуулах хоолой 🛠️
-
Асуудлын хүрээ
Та юуг урьдчилан таамаглаж эсвэл бий болгож байгаа вэ, мөн амжилтыг хэрхэн хэмжих вэ? -
Өгөгдөл
цуглуулж, шаардлагатай бол шошголож, цэвэрлэж, хуваана. Алга болсон утга болон ирмэгийн тохиолдлуудыг хүлээнэ үү. -
Загварчлал
Энгийнээс эхэлнэ үү. Суурь шугамууд (логистик регресс, градиентийн өсөлт эсвэл жижиг трансформатор) нь ихэвчлэн баатарлаг нарийн төвөгтэй байдлаас илүү байдаг. -
Сургалт
Зорилгоо сонгох, оновчлогч сонгох, гиперпараметрүүдийг тохируулах. Давтах. -
Үнэлгээ
Бодит зорилгодоо (нарийвчлал, F1, AUROC, BLEU, төөрөгдөл, хоцрогдол) холбоотой хүлээлт, хөндлөн баталгаажуулалт болон хэмжүүрүүдийг ашиглаарай. -
Байршуулалт
API-ийн ард үйлчлэх эсвэл апп дотор оруулах. Хоцрогдол, зардал, нэвтрүүлэх чадварыг хянах. -
Хяналт ба засаглал
Хэлбэлзэл, шударга ёс, бат бөх байдал, аюулгүй байдлыг ажиглах. NIST хиймэл оюун ухааны эрсдэлийн удирдлагын хүрээ (Засаглах, Зураг авах, Хэмжих, Удирдах) нь найдвартай системүүдийн цогц шалгалтын хуудас юм [4].
Жижиг кейс: Харааны загвар нь лабораторид ажиллаж байгаад гэрэлтүүлэг өөрчлөгдөхөд талбай дээр туршилт хийсэн. Оролтын гистограмм дахь тэмдэглэгдсэн зөрүүг хянах; хурдан томруулах + нарийн тохируулга хийх нь гүйцэтгэлийг сэргээсэн. Уйтгартай байна уу? Тийм. Үр дүнтэй байна уу? Мөн тийм.
Харьцуулах хүснэгт - аргууд, хэнд зориулагдсан, ойролцоогоор өртөг, яагаад ажилладаг вэ 📊
Зориудаар төгс бус: бага зэрэг жигд бус хэллэг нь үүнийг хүнлэг мэт мэдрүүлэхэд тусалдаг.
| Хандлага | Төгс үзэгчид | Үнэтэй | Яагаад ажилладаг вэ / Тэмдэглэл |
|---|---|---|---|
| Хяналттай сургалт | Шинжээчид, бүтээгдэхүүний багууд | бага-дунд | Шууд зураглалын оролт→шошго. Шошго байгаа үед маш сайн; олон байрлуулсан системийн гол тулгуурыг бүрдүүлдэг [1]. |
| Хяналтгүй | Өгөгдөл судлаачид, судалгаа, хөгжүүлэлт | намхан | Кластер/шахалт/далд хүчин зүйлсийг олдог - нээлт болон урьдчилсан сургалтад сайн. |
| Өөрийгөө хянадаг | Платформ багууд | дунд зэргийн | Тооцоолол болон өгөгдөл ашиглан түүхий өгөгдлийн хэмжээсээс өөрийн шошгыг үүсгэдэг. |
| Бэхжүүлэх сургалт | Робот техник, үйл ажиллагааны судалгаа | дунд-өндөр | Шагналын дохионоос бодлогыг сурдаг; каноныг Саттон ба Бартогийн бүтээлээс уншина уу [5]. |
| Трансформерууд | NLP, хараа, олон аргачлалтай | дунд-өндөр | Өөртөө анхаарал хандуулах нь алсын зайн гүнийг сайн буулгаж, зэрэгцээ байрлалд оруулдаг; анхны өгүүллийг үзнэ үү [3]. |
| Сонгодог ML (мод) | Хүснэгтийн бизнесийн аппликейшнууд | намхан | Бүтэцлэгдсэн өгөгдлийн хямд, хурдан, ихэвчлэн цочирдом хүчтэй суурь үзүүлэлтүүд. |
| Дүрэмд суурилсан/бэлгэдлийн | Дагаж мөрдөх, тодорхойлогч | маш бага | Ил тод логик; аудит хийх шаардлагатай үед эрлийз хувилбаруудад хэрэгтэй. |
| Үнэлгээ ба эрсдэл | Хүн бүр | янз бүр байдаг | Аюулгүй, ашигтай байлгахын тулд NIST-ийн GOVERN-MAP-MEASURE-MANAGE функцийг ашиглаарай [4]. |
Үнэ шиг = өгөгдлийн шошгололт + тооцоолол + хүмүүс + үйлчилгээ.
Гүнзгий шумбалт 1 - алдагдлын функц, градиент болон бүх зүйлийг өөрчилдөг жижиг алхамууд 📉
Байшингийн үнийг хэмжээнээс нь таамаглах шугам тохируулж байна гээд төсөөлөөд үз дээ. Та (w) ба (b) параметрүүдийг сонгож, (\hat{y} = wx + b) таамаглаж, алдааг дундаж квадрат алдагдлын тусламжтайгаар хэмждэг. Налуу нь танд аль чиглэлд шилжихийг (w) ба (b) алдагдлыг хамгийн хурдан бууруулахыг хэлж өгдөг - газрын налууг мэдрэх замаар манан дунд уруудахтай адил. Багц бүрийн дараа шинэчлэлт хийхэд таны шугам бодит байдалд ойртох болно.
Гүн торонд энэ нь илүү том зурвастай ижил дуу юм. Backprop нь давхарга бүрийн параметрүүд эцсийн алдаанд хэрхэн нөлөөлснийг үр дүнтэй тооцоолдог тул та сая сая (эсвэл тэрбум) товчлуурыг зөв чиглэлд түлхэж чадна [2].
Гол зөн совингууд:
-
Алдагдал нь ландшафтыг хэлбэржүүлдэг.
-
Градиент бол таны луужин юм.
-
Суралцах хурд нь алхамын хэмжээтэй байдаг - хэт том байхад та гуйвж, хэт бага байхад та дуг хийнэ.
-
Тогтмол байдал нь сургалтын багцыг тоть шиг төгс санах чадвартай ч ойлголгүйгээр цээжлэхээс сэргийлдэг.
Гүнзгий шумбалт 2 - оруулга, өдөөлт болон сэргээлт 🧭
Оруулга нь үг, зураг эсвэл зүйлсийг ижил төстэй зүйлс бие биенийхээ ойролцоо байрладаг вектор орон зайд байрлуулдаг. Энэ нь танд дараах боломжийг олгоно:
-
семантикийн хувьд төстэй хэсгүүдийг олох
-
утгыг ойлгодог хүч чадлын эрэл хайгуул
-
Хэлний загвар бичихээсээ өмнө баримтуудыг хайж олохын тулд сэргээн засварлах-өргөтгөсөн үе (RAG) -г залгаарай
Өдөөлт гэдэг нь та бүтээгч загваруудыг хэрхэн удирддаг тухай юм - даалгаврыг тайлбарлах, жишээ өгөх, хязгаарлалт тогтоох. Үүнийг маш хурдан дадлагажигчдад зориулсан маш дэлгэрэнгүй тодорхойлолт бичихтэй адил гэж бодоорой: хүсэл тэмүүлэлтэй, заримдаа хэт өөртөө итгэлтэй.
Практик зөвлөгөө: хэрэв таны загвар хий үзэгдэл үзвэл сэргээлтийг нэмж, мөрийг чангатгах эсвэл "сэтгэл хөдлөл"-ийн оронд үндэслэлтэй хэмжигдэхүүнээр үнэл.
Гүнзгий шумбалт 3 - хуурмаг зүйлгүйгээр үнэлгээ 🧪
Сайн үнэлгээ уйтгартай санагддаг - энэ бол яг гол санаа юм.
-
Түгжээтэй туршилтын багцыг ашиглана уу.
-
Хэрэглэгчийн өвдөлтийг тусгасан үзүүлэлтийг сонгоно уу.
-
Юу үнэхээр тусалсаныг мэдэхийн тулд абляци хий.
-
Бодит, замбараагүй жишээнүүдтэй бүртгэлийн алдаанууд.
Үйлдвэрлэлд хяналт гэдэг нь хэзээ ч зогсдоггүй үнэлгээ юм. Хэлбэлзэл үүсдэг. Шинэ хэллэг гарч ирж, мэдрэгчүүд дахин тохируулагдаж, өчигдрийн загвар бага зэрэг гулсдаг. NIST хүрээ нь эрсдэлийн удирдлага, засаглалын практик лавлагаа бөгөөд орхигдуулах бодлогын баримт бичиг биш юм [4].
Ёс зүй, нэг талыг баримтлах үзэл, найдвартай байдлын талаарх тэмдэглэл ⚖️
Хиймэл оюун ухааны системүүд нь өгөгдөл болон байршуулалтын нөхцөл байдлыг тусгадаг. Энэ нь эрсдэлийг авчирдаг: алдаа, бүлгүүдийн хооронд жигд бус алдаа, тархалтын шилжилтийн үед хэврэг байдал. Ёс зүйн хэрэглээ нь заавал байх албагүй - энэ бол хүснэгтийн асуудал. NIST нь тодорхой практикийг онцолж байна: эрсдэл болон нөлөөллийг баримтжуулах, хортой алдааг хэмжих, нөөц бололцоог бий болгох, эрсдэл өндөр байх үед хүмүүсийг тойрог замд байлгах [4].
Туслах бетон хөдөлгөөнүүд:
-
олон янзын, төлөөллийн өгөгдөл цуглуулах
-
дэд популяциудаар гүйцэтгэлийг хэмжих
-
баримт бичгийн загварын картууд болон өгөгдлийн хуудаснууд
-
эрсдэл өндөр байгаа үед хүний хяналтыг нэмэх
-
Систем тодорхойгүй үед алдаанаас хамгаалах систем зохион бүтээх
Хиймэл оюун ухаан хэрхэн ажилладаг вэ? Оюун санааны загвар болгон та дахин ашиглаж болно 🧩
Бараг бүх хиймэл оюун ухааны системд ашиглаж болох авсаархан шалгах жагсаалт:
-
Зорилго нь юу вэ? Урьдчилан таамаглах, эрэмбэлэх, үүсгэх, хянах?
-
Суралцах дохио хаанаас ирдэг вэ? Шошго, өөрийгөө хянах даалгавар, шагнал?
-
Ямар архитектурыг ашигладаг вэ? Шугаман загвар, модны чуулга, CNN, RNN, трансформатор [3]?
-
Үүнийг хэрхэн оновчтой болгосон бэ? Градиент бууралтын хувилбарууд/backprop [2]?
-
Ямар өгөгдлийн горим? Жижиг шошготой багц, шошгогүй текстийн далай, симуляцилагдсан орчин?
-
Алдаа гарах хэлбэрүүд болон хамгаалалтууд юу вэ? Хазайлт, хазайлт, хий үзэгдэл, хоцрогдол, NIST-ийн GOVERN-MAP-MEASURE-MANAGE [4]-д өртгийн зураглал оруулсан.
Хэрэв та эдгээрт хариулж чадвал та системийг үндсэндээ ойлгож байгаа бөгөөд үлдсэн хэсэг нь хэрэгжүүлэлтийн дэлгэрэнгүй мэдээлэл болон салбарын мэдлэг юм.
Хавчуурга хийх хэрэгтэй хурдан эх сурвалжууд 🔖
-
Машин сургалтын ойлголтуудын энгийн хэл дээрх танилцуулга (IBM) [1]
-
Диаграмм болон зөөлөн математик ашиглан арын тархалт [2]
-
Дарааллын загварчлалыг өөрчилсөн трансформаторын цаас [3]
-
NIST-ийн хиймэл оюун ухааны эрсдэлийн удирдлагын хүрээ (практик засаглал) [4]
-
Каноник бэхжүүлэх сургалтын сурах бичиг (үнэгүй) [5]
Түгээмэл асуултууд аянга цахилгаан тойрог⚡
Хиймэл оюун ухаан зөвхөн статистик уу?
Энэ нь статистик болон оновчлол, тооцоолол, өгөгдлийн инженерчлэл, бүтээгдэхүүний дизайн юм. Статистик бол араг яс, үлдсэн хэсэг нь булчин юм.
Том загварууд үргэлж ялдаг уу?
Масштабжуулалт тусалдаг ч өгөгдлийн чанар, үнэлгээ, байршуулалтын хязгаарлалт нь илүү чухал байдаг. Таны зорилгод хүрэх хамгийн жижиг загвар нь хэрэглэгчид болон түрийвчинд хамгийн тохиромжтой байдаг.
Хиймэл оюун ухаан ойлгож чадах уу?
Ойлгох гэж тодорхойл . Загварууд нь өгөгдлийн бүтцийг барьж, гайхалтайгаар ерөнхийлдөг; гэхдээ тэдгээр нь сохор цэгүүдтэй бөгөөд итгэлтэйгээр буруу байж болно. Тэднийг мэргэд биш, хүчирхэг хэрэгсэл мэт харьц.
Трансформаторын эрин үе мөнх үү?
Магадгүй үүрд мөнх биш байх. Анхны өгүүлэлд харуулсанчлан [3] анхаарал сайн параллельжиж, хэмжээс сайтай байдаг тул энэ нь одоо давамгайлж байна. Гэхдээ судалгаа үргэлжилсээр байна.
Хиймэл оюун ухаан хэрхэн ажилладаг вэ? Хэтэрхий урт байна, уншаагүй байна 🧵
-
Хиймэл оюун ухаан нь өгөгдлөөс хэв маягийг сурч, алдагдлыг багасгаж, шинэ оролтуудыг ерөнхийлөн авч үздэг [1,2].
-
Хяналттай, хяналтгүй, өөрийгөө хянаж, бэхжүүлэх сургалт нь сургалтын гол хэлбэрүүд юм; RL нь шагналаас суралцдаг [5].
-
Мэдрэлийн сүлжээ нь сая сая параметрийг үр дүнтэй тохируулахын тулд backpropagation болон градиент бууралтыг ашигладаг [2].
-
Өөртөө анхаарал хандуулах нь харилцаа холбоог масштабаар зэрэгцээ байдлаар харуулдаг тул трансформаторууд олон дарааллын даалгавруудыг давамгайлдаг [3].
-
Бодит ертөнцийн хиймэл оюун ухаан нь асуудлыг тодорхойлохоос эхлээд байршуулалт болон засаглал хүртэлх дамжуулах хоолой бөгөөд NIST-ийн бүтэц нь эрсдэлийн талаар танд үнэнч шударга байдлыг өгдөг [4].
Хэрэв хэн нэгэн дахин "Хиймэл оюун ухаан хэрхэн ажилладаг вэ?" та инээмсэглээд, кофегоо балгаад: энэ нь өгөгдлөөс суралцаж, алдагдлыг оновчтой болгож, асуудлаас хамааран трансформатор эсвэл модны цогцолбор гэх мэт архитектурыг ашигладаг гэж хэлж болно. Дараа нь нүдээ ирмээрэй, учир нь энэ нь энгийн бөгөөд нууцаар бүрэн гүйцэд юм. 😉
Лавлагаа
[1] IBM - Машин сургалт гэж юу вэ?
дэлгэрэнгүй унших
[2] Майкл Нильсен - Буцах тархалтын алгоритм хэрхэн ажилладаг вэ?
дэлгэрэнгүй унших
[3] Васвани нар. - Анхаарал бол танд хэрэгтэй бүх зүйл (arXiv)
дэлгэрэнгүй унших
[4] NIST - Хиймэл оюун ухааны эрсдэлийн удирдлагын хүрээ (AI RMF 1.0)
дэлгэрэнгүй унших
[5] Саттон ба Барто - Баяжуулах сургалт: Оршил (2 дахь хэвлэл)
дэлгэрэнгүй унших