LLM विकीसाठी चार प्रकारांचा फ्रेमवर्क
केवळ ज्ञान निर्णयक्षमता निर्माण करत नाही.
मी १०० पेक्षा जास्त पानांची एक LLM विकी तयार केली. जोपर्यंत मी तिचा वापर प्रोग्रामिंग ट्यूटर (tutor) म्हणून करण्याचा प्रयत्न केला नाही, तोपर्यंत ती चांगली चालली.
AI ला प्रत्येक व्याख्या माहित होती. जेव्हा एखाद्या विद्यार्थ्याने म्हटले, "मला Promises समजत नाहीत," तेव्हा AI ने पुस्तकातील व्याख्या दिली. हा एक चुकीचा प्रतिसाद होता.
एक खरा ट्यूटर विचारेल: "तुला आधी callbacks समजतात का?" किंवा "तू काय प्रयत्न केले आहेत?"
AI कडे तथ्ये (facts) होती पण निर्णयक्षमता शून्य होती. मला जाणवले की माझी विकी फक्त एका प्रकाराचे ज्ञान साठवत होती.
बहुतेक LLM विकी 'declarative knowledge' साठवतात. ही तथ्ये, व्याख्या आणि सारांश असतात. ते "हे काय आहे?" या प्रश्नाचे उत्तर देतात.
तज्ज्ञतेसाठी (Expertise) अधिक गोष्टींची आवश्यकता असते. तुम्हाला चार प्रकारच्या ज्ञानाची गरज आहे:
• Declarative: तथ्ये आणि व्याख्या. • Procedural: तर्क करण्याची पद्धत. ही तज्ज्ञाने घेतलेल्या निर्णयांची एक क्रमवार प्रक्रिया आहे. • Experiential: प्रत्यक्ष जीवनात ते कसे कार्य करते. यामध्ये चुका पाहणे आणि तज्ज्ञ त्या कशा हाताळतात, याचा समावेश होतो. • Interaction: इतरांना मार्गदर्शन कसे करावे. म्हणजे कधी प्रश्न विचारावा आणि कधी शांत राहावे, हे जाणून घेणे.
संशोधन दर्शवते की 'माहित असणे' आणि 'कृती करणे' यामध्ये मोठी तफावत आहे. टीचिंग असिस्टंट्सच्या एका अभ्यासात असे दिसून आले की, ७५% लोकांनी सोक्रॅटिक प्रश्न विचारण्याऐवजी (Socratic questioning) थेट उत्तरे दिली. त्यांना नियम माहित होते, परंतु दबावाखाली ते लागू करू शकले नाहीत.
हे सुधारण्यासाठी, तुमच्या सिस्टममध्ये दोन क्रियांची (operations) आवश्यकता आहे:
- Ingest: हे declarative ज्ञान तयार करण्यासाठी तथ्ये शोधते.
- Mine: हे procedural, experiential आणि interaction ज्ञान तयार करण्यासाठी निर्णय शोधते.
केवळ तथ्ये शोधून तुम्ही तर्काचा मार्ग (reasoning path) शोधू शकत नाही. तुम्हाला निर्णय शोधणे आवश्यक आहे. तुम्हाला विचारावे लागेल: तज्ज्ञाने काय निवडले? त्यांनी ते कधी निवडले? त्यानंतर काय झाले?
AI ची पुढची पिढी अधिक तथ्ये असल्यामुळे जिंकणार नाही. ती उत्तम निर्णयक्षमतेमुळे जिंकणार आहे. निर्णयक्षमता ही ज्ञानाची समस्या नाही. ती ज्ञानाच्या प्रकाराची समस्या आहे.
जर तुम्ही फक्त तथ्ये साठवणारे AI बनवले, तर तुम्ही फक्त एक पाठ्यपुस्तक बनवत आहात. जर तुम्हाला तज्ज्ञ बनवायचा असेल, तर तुम्हाला निर्णय शोधणे (mine for decisions) आवश्यक आहे.
स्रोत: https://dev.to/rongrong/a-four-type-framework-for-llm-wiki-by-karpathy-5f1n
वैकल्पिक शिक्षण समुदाय: https://t.me/GyaanSetuAi