زیرو لیبل زبان سیکھنے کی طرف
مشین لرننگ کو ڈیٹا کی ضرورت ہوتی ہے۔ زیادہ تر ماڈلز کو اس ڈیٹا کو لیبل کرنے کے لیے انسانوں کی ضرورت ہوتی ہے۔ اس عمل میں وقت اور پیسہ خرچ ہوتا ہے۔
محققین اسے بدل رہے ہیں۔ وہ زیرو لیبل لرننگ (zero-label learning) کی طرف بڑھ رہے ہیں۔ یہ طریقہ ماڈلز کو انسانی لیبلز کے بغیر سیکھنے کی اجازت دیتا ہے۔
یہ کیسے کام کرتا ہے:
- ماڈلز پیٹرنز تلاش کرنے کے لیے ان سپروائزڈ لرننگ (unsupervised learning) کا استعمال کرتے ہیں۔
- وہ خود سے زبان کی ساخت سیکھتے ہیں۔
- وہ نئی معلومات کی پیش گوئی کرنے کے لیے موجودہ علم کا استعمال کرتے ہیں۔
یہ تبدیلی بڑے پیمانے پر ڈیٹا سیٹس کی ضرورت کو کم کرتی ہے۔ یہ ماڈلز کی تربیت کو تیز بناتی ہے۔ یہ AI کو مخصوص زبانوں (niche languages) کے لیے بھی زیادہ قابل رسائی بناتی ہے۔
اس کا مقصد کارکردگی ہے۔ ہم چاہتے ہیں کہ ماڈلز انسانوں کی طرح سیکھیں۔ ہم دنیا کا مشاہدہ کرتے ہیں اور مسلسل اصلاح کے بغیر سیکھتے ہیں۔
ماخذ: https://dev.to/paperium/towards-zero-label-language-learning-3omp
اختیاری لرننگ کمیونٹی: https://t.me/GyaanSetuAi