LLM ವಿಕಿಗಾಗಿ ನಾಲ್ಕು ಪ್ರಕಾರದ ಚೌಕಟ್ಟು (Framework)
ಕೇವಲ ಜ್ಞಾನವು ತೀರ್ಮಾನ ತೆಗೆದುಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯವನ್ನು (judgment) ಸೃಷ್ಟಿಸುವುದಿಲ್ಲ.
ನಾನು 100 ಕ್ಕೂ ಹೆಚ್ಚು ಪುಟಗಳಿರುವ ಒಂದು LLM ವಿಕಿಯನ್ನು ನಿರ್ಮಿಸಿದೆ. ಅದನ್ನು ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಟ್ಯೂಟರ್ ಆಗಿ ಬಳಸಲು ಪ್ರಯತ್ನಿಸುವವರೆಗೆ ಅದು ಚೆನ್ನಾಗಿ ಕೆಲಸ ಮಾಡಿತು.
AI ಗೆ ಪ್ರತಿಯೊಂದು ವ್ಯಾಖ್ಯಾನವೂ ತಿಳಿದಿತ್ತು. ಒಬ್ಬ ವಿದ್ಯಾರ್ಥಿ, "ನನಗೆ Promises ಅರ್ಥವಾಗುತ್ತಿಲ್ಲ" ಎಂದಾಗ, AI ಪಠ್ಯಪುಸ್ತಕದ ವ್ಯಾಖ್ಯಾನವನ್ನು ನೀಡಿತು. ಇದು ಒಂದು ಕೆಟ್ಟ ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿತ್ತು.
ಒಬ್ಬ ನಿಜವಾದ ಟ್ಯೂಟರ್ ಹೀಗೆ ಕೇಳುತ್ತಿದ್ದರು: "ಮೊದಲು ನಿಮಗೆ callbacks ಅರ್ಥವಾಗುತ್ತವೆಯೇ?" ಅಥವಾ "ನೀವು ಏನು ಪ್ರಯತ್ನಿಸಿದ್ದೀರಿ?"
AI ಬಳಿ ಸತ್ಯಾಂಶಗಳಿದ್ದವು ಆದರೆ ತೀರ್ಮಾನ ತೆಗೆದುಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ (judgment) ಶೂನ್ಯವಾಗಿತ್ತು. ನನ್ನ ವಿಕಿಯು ಕೇವಲ ಒಂದು ರೀತಿಯ ಜ್ಞಾನವನ್ನು ಮಾತ್ರ ಸಂಗ್ರಹಿಸುತ್ತಿದೆ ಎಂದು ನಾನು ಅರಿತೆ.
ಹೆಚ್ಚಿನ LLM ವಿಕಿಗಳು declarative ಜ್ಞಾನವನ್ನು ಸಂಗ್ರಹಿಸುತ್ತವೆ. ಇವು ಸತ್ಯಾಂಶಗಳು, ವ್ಯಾಖ್ಯಾನಗಳು ಮತ್ತು ಸಾರಾಂಶಗಳಾಗಿವೆ. ಇವು "ಇದು ಏನು?" ಎಂಬ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸುತ್ತವೆ.
ಪರಿಣತಿಯು ಇನ್ನು ಹೆಚ್ಚಿನದನ್ನು ಬಯಸುತ್ತದೆ. ನಿಮಗೆ ಬೇಕಾದ ನಾಲ್ಕು ರೀತಿಯ ಜ್ಞಾನಗಳಿವೆ:
• Declarative: ಸತ್ಯಾಂಶಗಳು ಮತ್ತು ವ್ಯಾಖ್ಯಾನಗಳು. • Procedural: ಹೇಗೆ ತರ್ಕಿಸಬೇಕು (reasoning). ಇದು ಒಬ್ಬ ತಜ್ಞನು ತೆಗೆದುಕೊಳ್ಳುವ ನಿರ್ಧಾರಗಳ ಅನುಕ್ರಮವಾಗಿದೆ. • Experiential: ಇದು ನೈಜ ಜೀವನದಲ್ಲಿ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಒಳಗೊಂಡಿದೆ. ಇದು ತಪ್ಪುಗಳನ್ನು ಗುರುತಿಸುವುದು ಮತ್ತು ತಜ್ಞರು ಅವುಗಳನ್ನು ಹೇಗೆ ನಿಭಾಯಿಸುತ್ತಾರೆ ಎಂಬುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. • Interaction: ಇತರರಿಗೆ ಹೇಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡಬೇಕು ಎಂಬುದು. ಯಾವಾಗ ಪ್ರಶ್ನೆ ಕೇಳಬೇಕು ಮತ್ತು ಯಾವಾಗ ಮೌನವಾಗಿರಬೇಕು ಎಂಬುದು ಇದರ ಅಡಿಯಲ್ಲಿ ಬರುತ್ತದೆ.
ತಿಳಿದಿರುವುದು ಮತ್ತು ಮಾಡುವುದು ಎಂಬ ನಡುವೆ ದೊಡ್ಡ ಅಂತರವಿದೆ ಎಂದು ಸಂಶೋಧನೆ ತೋರಿಸುತ್ತದೆ. ಬೋಧನಾ ಸಹಾಯಕರಿಗೆ (teaching assistants) ನಡೆಸಿದ ಒಂದು ಅಧ್ಯಯನದಲ್ಲಿ, ಶೇಕಡಾ 75 ರಷ್ಟು ಜನರು Socratic questioning ಬಳಸುವ ಬದಲು ನೇರವಾಗಿ ಉತ್ತರಗಳನ್ನು ನೀಡಿದರು. ಅವರಿಗೆ ನಿಯಮಗಳು ತಿಳಿದಿದ್ದವು, ಆದರೆ ಒತ್ತಡದ ಸಂದರ್ಭದಲ್ಲಿ ಅವುಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಸಾಧ್ಯವಾಗಲಿಲ್ಲ.
ಇದನ್ನು ಸರಿಪಡಿಸಲು, ನಿಮ್ಮ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಎರಡು ಕಾರ್ಯಾಚರಣೆಗಳ ಅಗತ್ಯವಿದೆ:
- Ingest: ಇದು declarative ಜ್ಞಾನವನ್ನು ರಚಿಸಲು ಸತ್ಯಾಂಶಗಳನ್ನು ಹುಡುಕುತ್ತದೆ.
- Mine: ಇದು procedural, experiential ಮತ್ತು interaction ಜ್ಞಾನವನ್ನು ರಚಿಸಲು ನಿರ್ಧಾರಗಳನ್ನು ಹುಡುಕುತ್ತದೆ.
ಕೇವಲ ಸತ್ಯಾಂಶಗಳನ್ನು ಹುಡುಕುವ ಮೂಲಕ ನೀವು ತರ್ಕದ ಹಾದಿಯನ್ನು (reasoning path) ಕಂಡುಕೊಳ್ಳಲು ಸಾಧ್ಯವಿಲ್ಲ. ನೀವು ನಿರ್ಧಾರಗಳನ್ನು ಹುಡುಕಲೇಬೇಕು. ನೀವು ಹೀಗೆ ಕೇಳಬೇಕು: ತಜ್ಞರು ಏನನ್ನು ಆಯ್ಕೆ ಮಾಡಿದರು? ಅವರು ಅದನ್ನು ಯಾವಾಗ ಆಯ್ಕೆ ಮಾಡಿದರು? ಮುಂದೆ ಏನಾಯಿತು?
ಮುಂದಿನ ತಲೆಮಾರಿನ AI ಹೆಚ್ಚಿನ ಸತ್ಯಾಂಶಗಳನ್ನು ಹೊಂದುವುದರಿಂದ ಗೆಲ್ಲುವುದಿಲ್ಲ. ಅದು ಉತ್ತಮ ತೀರ್ಮಾನ ತೆಗೆದುಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯದಿಂದ (better judgment) ಗೆಲ್ಲುತ್ತದೆ. ತೀರ್ಮಾನ ತೆಗೆದುಕೊಳ್ಳುವುದು ಕೇವಲ ಜ್ಞಾನದ ಸಮಸ್ಯೆಯಲ್ಲ. ಅದು ಜ್ಞಾನದ ಪ್ರಕಾರದ (knowledge-type) ಸಮಸ್ಯೆಯಾಗಿದೆ.
ನೀವು ಕೇವಲ ಸತ್ಯಾಂಶಗಳನ್ನು ಸಂಗ್ರಹಿಸುವ AI ಅನ್ನು ನಿರ್ಮಿಸಿದರೆ, ನೀವು ಕೇವಲ ಒಂದು ಪಠ್ಯಪುಸ್ತಕವನ್ನು ನಿರ್ಮಿಸುತ್ತಿದ್ದೀರಿ ಎಂದರ್ಥ. ನೀವು ಒಬ್ಬ ತಜ್ಞನನ್ನು ನಿರ್ಮಿಸಲು ಬಯಸಿದರೆ, ನೀವು ನಿರ್ಧಾರಗಳನ್ನು ಹುಡುಕಲೇಬೇಕು (mine for decisions).
ಮೂಲ: https://dev.to/rongrong/a-four-type-framework-for-llm-wiki-by-karpathy-5f1n
ಐಚ್ಛಿಕ ಕಲಿಕಾ ಸಮುದಾಯ: https://t.me/GyaanSetuAi