நிபுணர் அல்லாத ஒருவர் நரம்பியல் வலையமைப்புகளை ஏன் புரிந்துகொள்ள வேண்டும்?
நீங்கள் பயன்படுத்தும் பெரும்பாலான செயற்கை நுண்ணறிவுக் கருவிகளில், பேச்சை எழுத்தாக்குவது முதல் உரையாடல் உதவியாளர்கள் வரை, நரம்பியல் வலையமைப்புகள் உள்ளன. அந்தக் கருவிகளை வாங்குவதா அல்லது நம்புவதா என்ற முடிவுகள், அவற்றால் எதைக் கற்றுக்கொள்ள முடியும், எதைக் கற்றுக்கொள்ள முடியாது என்பதை அறிந்திருப்பதைச் சார்ந்துள்ளதால், அவற்றைப் புரிந்துகொள்வது அவசியம்.
80 பேர் கொண்ட ஹார்பர்லைன் இன்ஷூரன்ஸ் என்ற கற்பனைக் காப்பீட்டுத் தரகு நிறுவனத்தை எடுத்துக்கொள்ளுங்கள். காப்பீட்டுக் கோரிக்கைகளை முன்னுரிமைப்படுத்தும் ஒரு தயாரிப்பை விற்பனையாளர் ஒருவர் செயல்பாட்டுத் தலைவர் டேனியலிடம் அறிமுகப்படுத்துகிறார். விளக்கக்காட்சியில் இவ்வாறு உள்ளது: 'ஆழ் நரம்பியல் வலைப்பின்னல், 12 அடுக்குகள், மில்லியன் கணக்கான கோரிக்கைகளில் பயிற்சி பெற்றது, 94% துல்லியம், மனித மூளையைப் போலக் கற்றுக்கொள்கிறது.' அந்த அழைப்பின்போது டேனியல் எழுதிய குறிப்புகள்: 'அடுக்குகள் என்றால் என்னவென்று தெளிவாகத் தெரியவில்லை. யாருடைய கோரிக்கைகளில் பயிற்சி பெற்றது? எதில் 94%? வாடிக்கையாளர் புகார் அளித்தால் ஒரு முடிவுக்கான காரணத்தை இதனால் விளக்க முடியுமா?' வியாழக்கிழமைக்குள் அவர் தனது இயக்குநருக்கு இதைப் பற்றி விளக்க வேண்டும்; விளக்கக்காட்சியில் இருப்பதை அப்படியே சொல்லவோ, அதை முற்றிலும் நிராகரிக்கவோ அவர் விரும்பவில்லை.
ஒரு நரம்பியல் வலையமைப்பு படிப்படியாக எப்படிச் செயல்படுகிறது?
நரம்பியல் வலையமைப்பு எண்களை அலகுகளின் அடுக்குகள் வழியாகச் செலுத்திச் செயல்படுகிறது. ஒவ்வொரு அலகும் மாற்றியமைக்கக்கூடிய எடைகளைப் பயன்படுத்தித் தனது உள்ளீடுகளை ஒருங்கிணைக்கிறது. இறுதி வெளியீடு சரியான பதிலுடன் ஒப்பிடப்பட்டு, அடுத்த முறை சிறப்பாகச் செயல்பட எடைகள் சிறிதளவு மாற்றப்படுகின்றன. கீழுள்ள படிகள் ஒரு கணிப்பையும் ஒரு சுற்றுக் கற்றலையும் விளக்குகின்றன.
1. உள்ளீடுகள் எண்களாக மாறுகின்றன
வலையமைப்பு காணும் அனைத்தும் முதலில் எண்களாக மாற்றப்படுகின்றன: படத்திற்கு படப்புள்ளிகளின் ஒளிர்வு, உரைக்கு எண் குறியீடுகளாக மாற்றப்பட்ட சொற்கள், அல்லது காப்பீட்டுக் கோரிக்கைக்கு கோரிக்கைத் தொகை மற்றும் காப்பீடு தொடங்கி கடந்த காலம் போன்ற புலங்கள்.
2. ஒவ்வொரு நரம்பணுவும் அதன் உள்ளீடுகளுக்கு எடைகளைப் பயன்படுத்துகிறது
முனை என்றும் அழைக்கப்படும் நியூரான், ஒவ்வொரு உள்ளீட்டு மதிப்பையும் ஓர் எடையால் பெருக்கி, முடிவுகளைச் சார்பு எனப்படும் ஒரு மாறிலியுடன் கூட்டி, மொத்தத்தைச் செயலூக்கச் சார்பு வழியாக அனுப்புகிறது. இந்தச் செயலூக்கச் சார்புதான் நியூரான் அடுக்குகள் நேர்கோட்டு வடிவங்களை மட்டும் அல்லாமல், வளைவான, நேரியலற்ற வடிவங்களையும் கற்றுக்கொள்ள உதவுகிறது.
3. அடுக்குகள் ஒன்றின் மேல் ஒன்றாகக் கட்டமைக்கப்படுகின்றன
நியூரான்கள் அடுக்குகளாக அமைக்கப்பட்டுள்ளன. உள்ளீட்டு அடுக்கு மூல மதிப்புகளைக் கொண்டிருக்கும்; ஒன்று அல்லது அதற்கு மேற்பட்ட மறை அடுக்குகள் அவற்றை மாற்றியமைக்கும்; வெளியீட்டு அடுக்கு கணிப்பை வழங்கும். எடுத்துக்காட்டாக, 'எளிய கோரிக்கையாக இருக்கலாம்' அல்லது 'நிபுணர் தேவை'. பல மறை அடுக்குகளைக் கொண்ட வலையமைப்பு ஆழமானது எனப்படுகிறது. இதிலிருந்துதான் ஆழ்கற்றல் என்ற சொல் வந்தது.
4. பிழை அளவிடப்படுகிறது
பயிற்சியின்போது, சரியான பதில் ஏற்கெனவே தெரிந்த ஓர் எடுத்துக்காட்டுக்கு நரம்பியல் வலைப்பின்னல் ஒரு கணிப்பை வழங்குகிறது. அதன் பதிலுக்கும் சரியான பதிலுக்கும் உள்ள இடைவெளி, இழப்பு எனப்படும் ஓர் எண்ணாக அளவிடப்படுகிறது.
5. எடைகள் சரிசெய்யப்படுகின்றன
பின்பரவல் எனப்படும் படிமுறை, பிழைக்கு ஒவ்வொரு எடையும் எவ்வளவு பங்களித்தது என்பதைக் கணக்கிடுகிறது. சரிவிறக்கம் எனப்படும் முறை, அந்தப் பிழையைக் குறைத்திருக்கக்கூடிய திசையில் ஒவ்வொரு எடையையும் சிறிதளவு மாற்றுகிறது. பல்லாயிரக்கணக்கான அல்லது பல மில்லியன் எடுத்துக்காட்டுகளில் இதை மீண்டும் மீண்டும் செய்யும்போது, இந்தச் சிறிய திருத்தங்கள் சேர்ந்து நன்கு கணிக்கும் மாதிரியை உருவாக்குகின்றன.
நரம்பியல் வலையமைப்பு பற்றிய பலவீனமான விளக்கமும் மேம்படுத்தப்பட்ட விளக்கமும் எப்படி இருக்கும்?
பலவீனமான விளக்கக் குறிப்பு விற்பனையாளர் சொன்னதையே மீண்டும் கூறுகிறது: 'இது மூளையைப் போலக் கற்றுக்கொள்ளும், 94% துல்லியமுள்ள, 12-அடுக்கு ஆழ் நரம்பியல் வலையமைப்பு.' டேனியலின் இயக்குநருக்கு இதிலிருந்து செயல்படுத்தக்கூடிய தகவல் எதுவும் கிடைப்பதில்லை. மேலும், 'மூளையைப் போலக் கற்றுக்கொள்ளும்' என்பது ஓர் உருவகமே தவிர விளக்கம் அல்ல. உண்மையான நரம்பணுக்களுக்கும் இந்த அலகுகளுக்கும் பொதுவாக இருப்பது பெயரும் ஒரு மேலோட்டமான உந்துதலுமே தவிர, செயல்படும் முறை அல்ல.
மேம்படுத்தப்பட்ட விளக்கக் குறிப்பு இவ்வாறு கூறுகிறது: 'இந்தத் தயாரிப்பு ஒரு நரம்பியல் வலையமைப்பு: அதன் கணிப்புகள் கடந்தகால முடிவுகளுடன் பொருந்தும்வரை, மில்லியன் கணக்கான உள் எடைகளை மாற்றியமைத்து இழப்பீட்டுக் கோரிக்கைகளை வகைப்படுத்தக் கற்றுக்கொண்ட மாதிரி. அதாவது, அது கற்றுக்கொண்ட கடந்தகாலக் கோரிக்கைகளின் தரத்தைத் தாண்டி அது சிறப்பாகச் செயல்பட முடியாது. எனவே, அவை யாருடைய கோரிக்கைகள், அவை நம்முடையவற்றைப் போல் உள்ளனவா என்பதை நாம் தெரிந்துகொள்ள வேண்டும். 94% என்ற எண்ணுக்கு விளக்கம் தேவை: எந்தச் சோதனைத் தரவில் அது சரியாக இருந்தது? சிக்கலான கோரிக்கையை எவ்வளவு அடிக்கடி எளியதாகத் தவறாகக் குறிக்கிறது? இந்த மாதிரிகளின் ஒவ்வொரு முடிவையும் தனித்தனியாக விளக்குவது கடினம். எனவே, ஒரு வாடிக்கையாளர் முடிவை எதிர்க்கும்போது வழங்குநர் என்ன தகவலை வழங்குகிறார் என்பதைக் கேட்க வேண்டும்; நிராகரிக்கப்படும் ஒவ்வொரு கோரிக்கையையும் ஒருவர் மதிப்பாய்வு செய்யும் முறையையும் தொடர வேண்டும்.' இந்த வடிவம் அந்த விளக்கப் பக்கத்தை நான்கு துல்லியமான கேள்விகளாக மாற்றுகிறது.
நரம்பியல் வலையமைப்புகளுக்கு ஏன் இவ்வளவு தரவு தேவை, அவை எங்கெல்லாம் பயன்படுத்தப்படுகின்றன?
நரம்பியல் வலையமைப்புகளில் மிக அதிக எண்ணிக்கையிலான எடைகளை நிர்ணயிக்க வேண்டியிருப்பதால் அவற்றுக்கு நிறைய தரவு தேவை. ஒவ்வொரு எடையும் ஒருவரால் எழுதப்படுவதற்குப் பதிலாக எடுத்துக்காட்டுகளிலிருந்து கற்றுக்கொள்ளப்படுகிறது. எடுத்துக்காட்டுகள் மிகக் குறைவாக இருந்தால், பொதுவான வடிவத்தைக் கற்றுக்கொள்வதற்குப் பதிலாகப் பயிற்சித் தரவை வலையமைப்பு மனப்பாடம் செய்துவிடலாம். இது மிகைப்பொருத்தம் எனப்படுகிறது.
பல வகையான பாங்குகள் இருந்தாலும், அவற்றை விதிகளாக எழுதுவது கடினமாக இருக்கும் இடங்களில் அவை பயன்படுத்தப்படுகின்றன: படங்களில் உள்ள பொருட்களை அடையாளம் காணுதல், பேச்சை எழுத்தாக்குதல், மொழிபெயர்த்தல், வழக்கத்திற்கு மாறான பரிவர்த்தனைகளைக் கண்டறிதல், ChatGPT, Claude, Gemini ஆகியவற்றின் பின்னணியில் இயங்கும் உதவியாளர்கள் போன்ற பெரிய மொழி மாதிரிகளை இயக்குதல். சிறிய, ஒழுங்கான வணிகத் தரவு அட்டவணைகளுக்கு எளிய மாதிரிகளே பெரும்பாலும் அதே அளவு துல்லியமாகவும், விளக்குவதற்கு மிகவும் எளிதாகவும் இருக்கும்.
நரம்பியல் வலையமைப்புகளின் வரம்புகள் என்ன?
நரம்பியல் வலையமைப்புகள் தங்கள் பயிற்சித் தரவில் உள்ள குறைபாடுகள், சார்புகள் உட்பட அனைத்தையும் கற்றுக்கொள்வது, அவற்றின் ஒவ்வொரு முடிவையும் விளக்குவது கடினமாக இருப்பது, பயிற்சியில் பார்த்திராத சூழல்களில் அவை நம்பிக்கையுடன் தவறான பதிலைத் தரக்கூடும் என்பவை முக்கிய வரம்புகள். துல்லிய விகிதங்கள் முழுமையாகச் சோதனைத் தரவையே சார்ந்திருக்கும். எனவே, எந்தத் தரவில் சோதிக்கப்பட்டது என்பதை எப்போதும் கேளுங்கள். பெரிய வலையமைப்புகளுக்குப் பயிற்சி அளிக்கக் கணிசமான கணினி வளமும் தேவை. அதனால்தான் பெரும்பாலான நிறுவனங்கள் ஏற்கெனவே பயிற்சி அளிக்கப்பட்ட மாதிரிகளைப் பயன்படுத்துகின்றன.
நரம்பியல் வலையமைப்பு பற்றிய கூற்றை எப்படிச் சரிபார்ப்பது?
ஒரு நரம்பியல் வலையமைப்பு பற்றிய கூற்றைச் சரிபார்க்க, அது எந்தத் தரவிலிருந்து கற்றது, எப்படிச் சோதிக்கப்பட்டது, என்ன பிழைகளைச் செய்கிறது, அதன் முடிவுகளை யார் மதிப்பாய்வு செய்கிறார்கள் என்று கேளுங்கள். வழங்குநரால் இவற்றுக்குத் தெளிவாகப் பதிலளிக்க முடியாவிட்டால், அடுக்குகளின் எண்ணிக்கை முக்கியமல்ல.
Tosheo.ai தளத்தில் இந்தப் பாடம் எந்தப் பகுதியில் இடம்பெறுகிறது?
இந்தப் பாடம் இயந்திரக் கற்றல் வகைப்பாட்டைச் சேர்ந்தது; இயந்திரக் கற்றல் படிப்பின் நரம்பணு வலையமைப்புப் பகுதியை இது தொடங்குகிறது. Tosheo.ai-இல் இதைத் தொடர்ந்து, கற்பனையான ஒரு பங்குதாரருக்கு ஒரு மாதிரியை விளக்கும் செய்முறைப் பணியைச் செய்வீர்கள். மதிப்பீட்டு வழிகாட்டியின் அடிப்படையிலான பின்னூட்டம், தெளிவற்ற உருவகங்களையும் ஆதாரமற்ற துல்லியக் கூற்றுகளையும் சுட்டிக்காட்டும். இயந்திரக் கற்றலுடன் பணியாற்றுவதற்கான தொழில்முறை அடித்தளம் இது; மாதிரிகளை உருவாக்கும் தீவிரப் பயிற்சி முகாம் அல்ல. நிரல் எழுதி வலையமைப்புகளை உருவாக்க விரும்பினால், பதிவுசெய்த பிறகு விருப்பத் தேர்வான நிரலாக்கப் பிரிவில் அதைக் கற்கலாம்.