Chagua Lugha

Kujieleza Mwenyewe katika Ajenzi wa Kijamii wa AI: Mbinu Mseto ya Ujuzi na AI Yenye Kutoa

Uchambuzi wa mbinu ya kompyuta inayowezesha wasaidizi wa kijamii wa AI kujichunguza na kuelezea mantiki yao kwa kutumia mifano ya kibinafsi na AI yenye kutoa, kuimarisha uwazi katika ujifunzaji mtandaoni.
agi-friend.com | PDF Size: 2.2 MB
Ukadiriaji: 4.5/5
★ ★ ★ ★ ★
Ukadiriaji Wako
Umekadiria waraka huu tayari
Kifuniko cha Waraka PDF - Kujieleza Mwenyewe katika Ajenzi wa Kijamii wa AI: Mbinu Mseto ya Ujuzi na AI Yenye Kutoa
Tazama Waraka PDF Pakua PDF Tafsiri PDF
Nyumbani » Nyaraka » Kujieleza Mwenyewe katika Ajenzi wa Kijamii wa AI: Mbinu Mseto ya Ujuzi na AI Yenye Kutoa

1. Utangulizi na Muhtasari

Makala haya yanashughulikia changamoto muhimu katika utumizi wa ajenzi wa Kijamii wa AI, hasa katika nyanja nyeti kama elimu mtandaoni. Waandishi wanalenga SAMI (Mwingiliano Unaotawaliwa na Ajenzi wa Kijamii), msaidizi wa AI iliyoundwa kukuza uhusiano wa kijamii kati ya wanafunzi katika madarasa makubwa ya mtandaoni. Ingawa ajenzi kama hizi zinaweza kupunguza tatizo la uwepo mdogo wa kijamii uliodhibitishwa, zinaleta tatizo jipya: kutokuwa wazi. Wanafunzi wanaoingiliana na SAMi kwa kawaida wanauliza jinsi na kwa nini inatoa mapendekezo maalum (k.m., kuunganisha wanafunzi wawili). Swali kuu la utafiti ni: Ajenzi wa kijamii wa AI anawezaje kutoa maelezo ya uwazi, yanayoeleweka ya mantiki yake ya ndani ili kujenga imani ya mtumiaji?

Ufumbuzi unaopendekezwa ni mbinu mpya ya kujieleza mwenyewe. Hii imewekwa kama mchakato wa kujibu maswali kwa lugha asilia ambapo ajenzi anajichunguza kwenye mfano wa kibinafsi ulioundwa wa malengo, ujuzi na mbinu zake. Uvumbuzi mkuu ni usanifu mseto unaounganisha uwakilishi ulioundwa, unaoweza kufasiriwa wa AI yenye msingi wa ujuzi na uwezo wa kutoa lugha asilia wa AI yenye kutoa (hasa, ChatGPT).

2. Mbinu ya Msingi na Usanifu

Mchakato wa kujieleza mwenyewe ni hatua nyingi zilizoundwa kubadilisha mantiki ya ndani ya ajenzi kuwa hadithi zinazoeleweka kwa mtumiaji.

2.1. Mfano wa Kibinafsi: Mfumo wa Kazi, Mbinu, Ujuzi (TMK)

Msingi wa kujieleza mwenyewe ni mfano wa kibinafsi unaoweza kuhesabiwa. Waandishi wanarekebisha mfumo wa TMK, ambapo utendaji wa ajenzi umegawanywa katika:

  • Kazi (T): Malengo ya kiwango cha juu (k.m., "Kuongeza uhusiano wa kijamii").
  • Mbinu (M): Taratibu au algoriti za kufikia kazi (k.m., "Tafuta wanafunzi wenye maslahi sawa").
  • Ujuzi (K): Data au imani zinazotumiwa na mbinu (k.m., "Maslahi ya Mwanafunzi A: Machine Learning").

Rekebisho muhimu ni uwakilishi wa vipengele vya TMK sio kama kauli za kimantiki rasmi bali kama maelezo mafupi ya lugha asilia. Hii inaunganisha pengo kati ya muundo wa alama ya ajenzi na nafasi ya lugha ya mfano wa kutoa.

2.2. Utoaji wa Maelezo Mseto: Kuchanganya Ujuzi wa Msingi na AI Yenye Kutoa

Mchakato wa kutoa maelezo unajumuisha hatua tano muhimu:

  1. Ingizo: Mtumiaji anauliza swali la lugha asilia (k.m., "Kwa nini uliniunganisha na Alex?").
  2. Upatikanaji: Utafutaji wa ufanano unafanywa kati ya swali na maelezo ya Kiingereza katika mfano wa kibinafsi wa TMK kutambua vipande vinavyohusika zaidi vya ujuzi wa kibinafsi.
  3. Kujichunguza: Mchakato wa Mfululizo wa Mawazo (CoT) unatumika "kutembea" kwenye sehemu zinazohusika za mfano wa TMK, kujenga upya hatua za kimantiki ambazo ajenzi alizichukua.
  4. Utoaji: Matokeo yaliyoundwa ya CoT na vipande vya ujuzi vilivyopatikana huwekwa katika muundo wa kuchochea kwa mfano mkubwa wa lugha (ChatGPT).
  5. Matokeo: ChatGPT inatoa maelezo yanayofuatana, ya lugha asilia yanayopelekwa kwa mtumiaji.

Mbinu hii mseto inatumia usahihi na uthibitishaji wa mfano wa kibinafsi wenye msingi wa ujuzi kuzingatia maelezo, huku ikitumia AI yenye kutoa kwa ufasaha na kubadilika kwa hadithi ya mwisho.

3. Utekelezaji wa Kiufundi na Maelezo

3.1. Uundaji wa Kihisabati wa Utafutaji wa Ufanano

Hatua ya upatikanaji ni muhimu kwa ufanisi. Kwa kuzingatia swali la mtumiaji $q$ na seti ya vekta za maelezo $N$ za TMK $\{d_1, d_2, ..., d_N\}$ (k.m., kutoka kwa mfano wa kuingiza sentensi kama Sentence-BERT), mfumo hupata maelezo ya juu-$k$ yanayohusika zaidi. Alama ya umuhimu kwa kawaida huhesabiwa kwa kutumia ufanano wa cosine:

$\text{ufanano}(q, d_i) = \frac{q \cdot d_i}{\|q\| \|d_i\|}$

ambapo $q$ na $d_i$ ni uwakilishi wa vekta katika nafasi ya maana ya pamoja. Maelezo ya juu-$k$ yenye alama za juu zaidi za ufanano hupitishwa kwenye hatua inayofuata. Hii inahakikisha maelezo yanalenga kwenye mantiki ya ajenzi inayohusiana na swali, sio mfano wake mzima.

3.2. Mfululizo wa Mawazo ya Kuchochea Kujichunguza

Mchakato wa CoT hubadilisha vipande vya TMK vilivyopatikana kuwa wimbo wa mantiki ulioundwa. Kwa kazi iliyopatikana $T_1$, mbinu $M_1$, na vipengee vya ujuzi $K_1, K_2$, kichocheo cha CoT kinaweza kuundwa kama:

"Lengo (Kazi) la ajenzi lilikuwa: [Maelezo ya T_1].
Ili kufikia hili, ilitumia mbinu: [Maelezo ya M_1].
Mbinu hii ilihitaji kujua: [Maelezo ya K_1] na [Maelezo ya K_2].
Kwa hivyo, uamuzi wa ajenzi ulikuwa msingi wa..."

Wimbo huu ulioundwa kisha hutiwa kwa ChatGPT na maagizo kama: "Kulingana na hatua zifuatazo za mantiki zilizoundwa, toa maelezo ya wazi, mafupi kwa mwanafunzi."

4. Tathmini ya Majaribio na Matokeo

4.1. Vipimo vya Tathmini: Ukamilifu na Usahihi

Waandishi walitathmini kujieleza mwenyewe kwa mwelekeo mkuu mbili:

  • Ukamilifu: Je, maelezo yanashughulikia hatua zote zinazohusika katika mchakato wa uamuzi wa ajenzi kama ilivyofafanuliwa na mfano wa TMK? Hii ilitathminiwa kwa kuweka upya maudhui ya maelezo kwenye vipengele vya TMK.
  • Usahihi: Je, maelezo yanaonyesha kwa usahihi mchakato halisi wa ajenzi, bila kuanzisha mawazo ya uwongo au utata? Hii ilihitaji uthibitishaji wa wataalamu dhidi ya msimbo/ingizo la ajenzi.

Ufahamu Muhimu wa Tathmini

Mbinu mseto ilionyesha alama za juu katika usahihi kwa sababu mfano wa kutoa ulizuiliwa kwa nguvu na data ya TMK iliyopatikana. Ukamilifu ulikuwa wa kutofautiana zaidi, kulingana na ubora wa utafutaji wa ufanano na uundaji wa kichocheo kwa CoT.

4.2. Matokeo kutoka kwa Utumizi Halisi Darasani

Mfumo ulitumika katika darasa halisi la mtandaoni. Ingawa matokeo maalum ya kiasi hayajadiliwa kwa kina katika dondoo lililotolewa, makala yanaripoti kuhusu utumizi huu, ikipendekeza lengo kuu ni uthibitishaji wa ubora au wa awali ulimwenguni halisi. Utumizi wenyewe ni matokeo muhimu, unaonyesha uwezekano wa vitendo wa mbinu hii katika mazingira ya elimu yanayobadilika. Kazi ya baadaye ingefaidika na majaribio ya A/B yanayopima vipimo vya imani (k.m., uchunguzi wa mtumiaji juu ya uwazi unaoonwa, uaminifu) kati ya vikundi vinavyopokea maelezo na visivyopokea.

Maelezo ya Chati ya Kubuni: Chati ya mipango inayolinganisha alama za "Ubora wa Maelezo" (Ukamilifu na Usahihi kwa kiwango cha 1-5) kwa mbinu ya TMK+ChatGPT mseto dhidi ya msingi wa kutumia ChatGPT pekee na swali la mtumiaji tu. Mbinu mseto ingeonyesha mipango ya juu zaidi kwa Usahihi, ikionyesha athari ya kuzingatia ya mfano wa kibinafsi.

5. Mfumo wa Uchambuzi na Mfano wa Kesi

Hali: SAMI anamuunganisha Mwanafunzi Bob (anayependa "Muziki wa Jazz" na "Programu ya Python") na Mwanafunzi Alice (anayependa "Muziki wa Blues" na "Sayansi ya Data").

Swali la Mtumiaji: "Kwa nini niliunganishwa na Alice?"

Vipande vya Mfano wa Kibinafsi wa TMK wa Ndani (Vilivyopatikana):

  • T1: "Kuimarisha uhusiano wa kijamii kulingana na ufanano wa wasifu."
  • M1: "Hesabu mwingiliano wa maslahi kwa kutumia ufanano wa Jaccard kwenye lebo za maslahi."
  • K1 (Bob): "Maslahi: Muziki wa Jazz, Programu ya Python."
  • K2 (Alice): "Maslahi: Muziki wa Blues, Sayansi ya Data."
  • K3 (Hesabu): "Lebo za pamoja: 'Muziki' (kutoka Jazz/Blues) na 'Programu' (kutoka Python/Sayansi ya Data). Alama ya ufanano: 0.4."

Kichocheo cha Mfululizo wa Mawazo kwa ChatGPT:
"Kazi ya ajenzi ilikuwa kuimarisha uhusiano kulingana na ufanano wa wasifu. Mbinu yake ilikuwa kuhesabu mwingiliano wa maslahi. Kwa wewe (Bob), ilijua maslahi yako: Muziki wa Jazz, Programu ya Python. Kwa Alice, ilijua maslahi yake: Muziki wa Blues, Sayansi ya Data. Ilihesabu alama ya ufanano kulingana na jamii zinazoungana (Muziki, Programu). Alama ilikuwa 0.4, ambayo ilifikia kizingiti chake cha kupendekeza muunganisho. Kwa hivyo..."

Maelezo ya Mwisho Yaliyotolewa:
"Nilikuunganisha na Alice kwa sababu mfumo wetu ulitambua maslahi ya pamoja ambayo yanaweza kuwa msingi mzuri wa mazungumzo. Nyote wawili mna maslahi katika muziki (Jazz/Blues) na mada za kiufundi zinazohusiana na programu (Python/Sayansi ya Data). Kulingana na mwingiliano huu, nilidhani mnaweza kuwa na msingi wa pamoja wa kuanza mjadala."

6. Uchambuzi Muhimu na Ufahamu wa Wataalamu

Ufahamu wa Msingi: Makala haya si tu juu ya kufanya AI iweze kuelezeka; ni mpango wa kimkakati wa kujenga imani katika ajenzi walioingizwa kijamii. Waandishi wanatambua kwa usahihi kwamba katika nyanja kama elimu, ushawishi wa ajenzi hautokani na utendaji wa kazi ghafi bali kutokana na jukumu lake kama mhusika wa kijamii anayeaminika. Mbinu yao mseto—kutumia mfano wa kibinafsi wa alama kama "chanzo cha ukweli" kuzuia mwelekeo wa AI yenye kutoa wa kuzua uwongo—ni hack ya vitendo na muhimu katika enzi hii ya LLM. Inashughulikia moja kwa moja kile watafiti kama Cynthia Rudin wanasisitiza: tunahitaji miundo inayoweza kufasiriwa kwa asili, sio maelezo ya baadaye. Hapa, mfano wa TMK hutoa muundo huo wa asili.

Mtiririko wa Mantiki na Mchango: Mantiki inavutia: 1) Ajenzi wa kijamii wanahitaji imani, 2) Imani inahitaji uwazi, 3) Uwazi unahitaji kujieleza mwenyewe, 4) Kujieleza mwenyewe kwa kuaminika kunahitaji mfano wa kibinafsi uliozingatiwa, 5) Maelezo yanayoweza kutumika yanahitaji lugha asilia, 6) Kwa hivyo, changanya mfano uliozingatiwa (TMK) na kizazi cha lugha (LLM). Mchango mkuu ni usanifu maalum unaotekeleza mtiririko huu, hasa matumizi ya utafutaji wa ufanano juu ya maelezo ya TMK yaliyotamkwa kama lugha asilia kama njia ya upatikanaji. Hii ni ya kifahari zaidi kuliko vichocheo vya kanuni zilizokodishwa ngumu.

Nguvu na Kasoro: Nguvu kuu ni muundo wake wa vitendo mseto, ukiepuka kutokuwa wazi kwa ujifunzaji wa kina safi na ukatili wa mifumo safi ya alama. Ni matumizi mazuri ya kanuni za kutoa zilizoboreshwa kwa upatikanaji (RAG), lakini zinatumika kwa ujuzi wa kibinafsi badala ya hati za nje—dhana yenye nguvu. Hata hivyo, kasoro ni muhimu. Kwanza, mfano wa kibinafsi haubadiliki na umetengenezwa kwa mikono. Haujifunzi au kusasisha kutoka kwa mwingiliano, na hivyo kuleta mzigo wa matengenezo na hatari ya kupotoka kutoka kwa msimbo halisi wa ajenzi. Pili, tathmini ni nyepesi. Nambari ngumu za imani ya mtumiaji, uelewa, au mabadiliko ya tabia ziko wapi? Bila hizi, ni uthibitishaji wa uhandisi, sio zana ya kujenga imani iliyothibitishwa. Tatu, inadhania mfano wa TMK ni uwakilishi kamili wa mantiki "halisi" ya ajenzi, ambayo inaweza kushindwa kwa ajenzi tata, wanaobadilika.

Ufahamu Unaotekelezwa: Kwa watendaji, hitimisho ni wazi: Anza kuunda mifumo yako ya AI na mfano wa kibinafsi unaoweza kuulizwa tangu siku ya kwanza. Makala haya hutoa kiolezo kinachowezekana. Hatua inayofuata ni kufanya utengenezaji na usasishaji wa mfano huu wa kibinafsi uwe wa kiotomatiki, labda kwa kutumia mbinu kutoka kwa AI ya neva-alama au ufasiri wa kimekaniki. Kwa watafiti, changamoto ni kuondoka kwenye mifano ya kibinafsi isiyobadilika hadi uwakilishi wa kibinafsi unaobadilika, unaoweza kujifunza. Je, ajenzi anaweza kujifunza muundo wake wa TMK kutokana na uzoefu na msimbo wake? Zaidi ya hayo, nyanja lazima iunde viwango vya kawaida vya kutathmini athari ya kijamii na utambuzi wa maelezo, sio tu ukamilifu wao wa kiufundi. Je, maelezo kama yale yaliyotolewa yanaongeza kweli uhitaji wa mwanafunzi kushirikiana na mwenzake alipendekezwa na AI? Hiyo ndiyo kipimo cha mwisho kinachotokea.

7. Matumizi ya Baadaye na Mwelekeo wa Utafiti

  • Ujifunzaji wa Mfano wa Kibinafsi wa Kiotomatiki: Kuunganisha mbinu kutoka kwa usanisi wa programu au uchambuzi wa msimbo unaotegemea LLM ili kutoa na kusasisha mfano wa kibinafsi wa TMK kiotomatiki kutoka kwa msimbo chanzo na ingizo la wakati wa utendaji wa ajenzi, kupunguza uhandisi wa mikono.
  • Mifumo ya Ajenzi Wengi Inayoweza Kuelezeka: Kupanua mfumo huu kuelezea tabia ya makundi ya ajenzi au mkusanyiko, ambapo maelezo yanaweza kuhusisha itifaki za uratibu na tabia inayojitokeza.
  • Mitindo ya Maelezo Iliyobinafsishwa: Kubadilisha sehemu ya kutoa ili kurekebisha ugumu wa maelezo, toni, na mwelekeo kulingana na wasifu binafsi wa mtumiaji (k.m., mwanzo dhidi ya mtaalamu, mwenye shaka dhidi ya mwenye imani).
  • Maelezo ya Kukabiliana na Kulinganisha: Kuondoka kwenye QA ya kukabiliana hadi kumfanya ajenzi atoe maelezo kwa vitendo visivyotarajiwa au kutoa maelezo ya kulinganisha ("Nilikuunganisha na Alice badala ya Charlie kwa sababu...").
  • Matumizi katika Nyanja za Hatari Kubwa: Kutumia usanifu sawa wa kujieleza mwenyewe katika AI ya afya (kuelezea mapendekezo ya matibabu), fintech (kuelezea kukataliwa kwa mkopo), au mifumo inayojitegemea (kuelezea maamuzi ya urambazaji), ambapo uwazi umetakiwa kisheria au kimaadili.
  • Utafiti wa Kurekebisha Imani: Utafiti wa muda mrefu kupima jinsi maelezo kama haya yanavyoathiri imani ya mtumiaji, kutegemea, na ufanisi wa jumla wa mfumo katika kufikia malengo yake ya kijamii.

8. Marejeo

  1. Goel, A. K., & Joyner, D. A. (2017). Kwa kutumia AI kufundisha AI: Masomo kutoka darasani la AI la mtandaoni. AI Magazine.
  2. Rudin, C. (2019). Acha kuelezea miundo ya kisanduku nyeusi ya mashine ya kujifunza kwa maamuzi ya hatari kubwa na badala yake tumia miundo inayoweza kufasiriwa. Nature Machine Intelligence.
  3. Wei, J., et al. (2022). Kuchochea Mfululizo wa Mawazo Kunasababisha Mantiki katika Mifano Mikubwa ya Lugha. Advances in Neural Information Processing Systems.
  4. Muller, M., et al. (2019). Kanuni za AI Inayoweza Kuelezeka. Communications of the ACM.
  5. Confalonieri, R., et al. (2021). Mtazamo wa kihistoria wa AI inayoweza kuelezeka. WIREs Data Mining and Knowledge Discovery.
  6. Goodfellow, I., et al. (2014). Mitandao ya Kupingana ya Kutoa. Advances in Neural Information Processing Systems. (Kama mfano wa mbinu ya msingi ya AI, lakini ambayo mara nyingi haieleweki, inayohitaji mbinu za maelezo ya baadaye).
  7. Taasisi ya Teknolojia ya Georgia, Interactive Computing - Maabara ya Ubunifu & Akili. (https://dilab.gatech.edu/) – Kwa muktadha wa mazingira ya utafiti yanayozalisha kazi hii.
  8. OpenAI. (2023). ChatGPT. (https://openai.com/chatgpt) – Sehemu ya AI yenye kutoa iliyotajwa katika makala.