கூட்டு AI அறிவு என்பது பல AI மாதிரிகள் ஒரே கேள்வியை சுயமாக யோசிக்க அனுமதிக்கும் நடைமுறை, ஒரு குறிப்பு மீது ஆதாரங்களை உருவாக்கி, பிற மாதிரிகளின் வாதங்களை மதிப்பீடு செய்வதற்கானது. ஒரு தனிப்பட்ட AI மாதிரி நம்பகமாக தவறாக இருக்கலாம் - பிரபலமாக, Mata v. Avianca (2023) இல் ஒரு வழக்குரைஞர் ChatGPT உருவாக்கிய நீதிமன்ற வழக்குகளை மேற்கோள் காட்டும் சட்டக் குறிப்பை சமர்ப்பித்தார் - கூட்டு AI அறிவு அந்த தவறுகளை முரண்பாடாக வெளிப்படுத்துகிறது. Argumentree.AI இதை ஒவ்வொரு மாதிரியின் யோசனையை ஒரு வாத மரத்தில் அமைத்து, அனைத்து கிடைக்கக்கூடிய மாதிரிகளும் அனானிமஸ் முறையில் ஒருவருக்கொருவர் மதிப்பீடு செய்வதன் மூலம் செயல்படுத்துகிறது. உயர்ந்த ஒப்புக்கொள்வது ஒரு நம்பிக்கை சிக்னல்; முரண்பாடு என்பது அதிக மதிப்புள்ள சிக்னல், மனித சரிபார்ப்பு தேவைப்படும் இடத்தை நீங்கள் குறிப்பிட்டுள்ளது. ஒப்புக்கொள்வது உண்மையை நிரூபிக்காது - இது எங்கு பார்க்க வேண்டும் என்பதை வெளிப்படுத்துகிறது.
கூட்டு AI அறிவு பல AI மாதிரிகளை சுயமாக யோசிக்க, வாதங்களை உருவாக்க, மற்றும் ஒருவருக்கொருவர் மதிப்பீடு செய்ய அனுமதிக்கிறது - எனவே ஒப்புக்கொள்வதும், முக்கியமாக, முரண்பாடும் தெளிவாகக் காணப்படுகிறது. இது நம்பகமாக தவறாக இருக்கக்கூடிய ஒரு தனிப்பட்ட AI-க்கு நம்பிக்கை வைக்குவதற்கான எதிர்வினையாகும்.
கூட்டு AI அறிவு பல AI மாதிரிகளை சுயமாக கேள்வி கேட்டு, ஒருவருக்கொருவர் யோசனைகளை மதிப்பீடு செய்ய அனுமதிக்கிறது. ஒப்புக்கொள்வது ஒரு நம்பிக்கை சிக்னல் - ஆனால் உண்மையான பயன் முரண்பாடு நீங்கள் சரிபார்க்க வேண்டிய இடங்களை குறிப்பதாகும். ஒப்புக்கொள்வது உண்மையின் நிரூபணம் அல்ல.
கூட்டு AI அறிவு (CAI) என்பது பல AI மாதிரிகளின் சுய யோசனையை இணைத்து, எந்த ஒரு தனிப்பட்ட மாதிரி தனியாக வழங்கும் அளவுக்கு மேல் நம்பகமான, சிறந்த அளவீட்டை அடையுமாறு நடைமுறை. ஒரு மாதிரியை பதிலுக்கு கேட்கும் பதிலாக, CAI பல மாதிரிகளுக்கு ஒரே கேள்வியை கேட்கிறது, ஒவ்வொன்றும் ஒரு கட்டமைக்கப்பட்ட வழக்கை உருவாக்குகிறது, பின்னர் ஒவ்வொரு மாதிரியும் மற்ற மாதிரிகளின் வாதங்களை மதிப்பீடு செய்கிறது. வெளியீடு ஒரு தனிப்பட்ட தீர்ப்பு அல்ல - இது சுயமாக ஒப்புக்கொள்கின்ற மற்றும் மாறுபடும் இடங்களை காட்டும் வரைபடம்.
ஒரு தனிப்பட்ட AI மாதிரிக்கு "நான் தெரியாது" என்ற கட்டமைப்பு இல்லை. இது எப்போதும் நம்பகமான, நம்பிக்கையுள்ள வெளியீட்டை உருவாக்குகிறது - இது உருவாக்கும் போது கூட. மிகவும் மேற்கோள் காட்டப்படும் எச்சரிக்கையான எடுத்துக்காட்டு Mata v. Avianca (2023), அங்கு ஒரு வழக்குரைஞர் ChatGPT முற்றிலும் கண்டுபிடித்த பல நீதிமன்ற தீர்மானங்களை மேற்கோள் காட்டும் கூட்டாட்சி சட்டக் குறிப்பை சமர்ப்பித்தார். மேற்கோள்கள் உண்மையாகக் காணப்பட்டன. மாதிரி நம்பிக்கையுடன் இருந்தது. அதை பிடிக்க இரண்டாவது கருத்து இல்லை.
முதன்மை உள்ளடக்கம் வித்தியாசமான மாதிரிகள் மாறுபட்ட முறையில் தவறுகின்றன. பல சுயமான மாதிரிகள் ஒரே குறிப்பு பற்றி யோசிக்கும்போது, அவற்றின் தவறுகள் எப்போதும் ஒரே மாதிரியானதாக இருக்காது - எனவே ஒருவரால் செய்யப்பட்ட தவறு மற்றவர்கள் முரண்படுவதற்கான ஒரு வெளிப்பாடு ஆகும். இது Andrej Karpathy இன் திறந்த மூல "LLM கவுன்சில்" மாதிரியின் பின்னணி, பல மாதிரிகள் சுயமாக பதிலளிக்கின்றன மற்றும் பிறரின் பதில்களை மதிப்பீடு செய்கின்றன. Argumentree.AI இந்த மாதிரியை கட்டமைக்கப்பட்ட வாத மரங்களுடன் மற்றும் அனைத்து கிடைக்கக்கூடிய மாதிரிகளுக்கு இடையே அனானிமஸ் பரஸ்பர மதிப்பீடு மூலம் விரிவாக்குகிறது.
அதே குறிப்பு அல்லது ஆராய்ச்சி கேள்வி ஒவ்வொரு கிடைக்கக்கூடிய மாதிரிக்கும் செல்கிறது
மாதிரிகள் ஒருவருக்கொருவர் வேலை பார்க்காமல் ஆதரவு மற்றும் எதிர்ப்பு வாதங்களை உருவாக்குகின்றன
யோசனை கட்டமைக்கப்பட்டுள்ளது, எனவே ஒவ்வொரு புள்ளியும் ஆய்வு செய்யப்படலாம் - ஒரே பதிலில் கலக்கப்படாது
அனானிமஸ் பரஸ்பர மதிப்பீடு மாதிரி தன்னை மட்டுமே புகழ்வதற்கான வாய்ப்பை குறைக்கிறது
மாதிரிகள் எங்கு ஒன்றிணைகின்றன மற்றும், முக்கியமாக, எங்கு ஒன்றிணைக்கவில்லை என்பதை நீங்கள் காண்கிறீர்கள்
ஒப்புக்கொள்வின் மதிப்பீடு ஒரு குறிப்பிட்ட வாதத்தில் மாதிரிகள் எவ்வளவு ஒப்புக்கொள்கின்றன என்பதை அளவீடு செய்கிறது - ஒரு அடிப்படை பெரும்பான்மையிலிருந்து முழுமையான ஒருமனிதத்திற்குள். முக்கியமான வடிவமைப்பு கொள்கை எதிர்மறை-சுருக்கம்: முரண்பாடு எப்போதும் சராசரி செய்யப்படாது. பெரும்பான்மையால் நிராகரிக்கப்படும் ஒரு சிறுபான்மையின நிலை இன்னும் தெளிவாகவே இருக்கும், ஏனெனில் நன்கு யோசிக்கப்பட்ட வெளிப்பாடு பெரும்பாலும் மனித பார்வைக்கு அருகிலுள்ள வாதமாக இருக்கும்.
ஏனெனில் சுயாதீன மாதிரிகள் ஒரே விஷயத்தை அரங்கேற்றுவது அரிதாகவே நிகழ்கிறது, ஒரு மயக்கம் பொதுவாக ஒரு குறைந்த மதிப்பீட்டுள்ள, விவாதிக்கப்படும் வாதமாகவே தோன்றுகிறது, மெல்லிய ஒப்பந்தமாக அல்ல. அதனால், மோதல் என்பது ஒரு கண்டறிதல் சிக்னல்: இது தவறானதாக இருக்க வாய்ப்பு உள்ள கோரிக்கைகளை உங்களுக்கு காட்டுகிறது. அறிவியல் குறித்த கவனிக்கவும்—CAI மோதலின் மூலம் பிரச்சினைகளை அடையாளம் காண்வதில் வலிமை வாய்ந்தது, மேலும் இது ஒப்புதல் ஒரு கூற்றை உண்மையாக நிரூபிக்கிறது என்று கூறுவதில்லை.
கூட்டு AI அறிவு ஒரு தனிப்பட்ட நம்பிக்கையுள்ள பதில் ஆபத்தான எந்த வேலைப்பாட்டுக்கும் பொருந்துகிறது: ஆராய்ச்சி மற்றும் இலக்கிய மதிப்பீடு, உண்மைச் சரிபார்ப்பு, கடமை, போட்டி பகுப்பாய்வு, மற்றும் ஒரு குறிப்பு எவ்வளவு மோதலானது என்பதை நீங்கள் அறிய வேண்டிய உயர் ஆபத்து முடிவுகள் - ஒரு மாதிரி என்ன சொல்கிறது என்பதற்குப் பதிலாக. ஒவ்வொரு சந்தர்ப்பத்திலும், அதிக மதிப்புள்ள வெளியீடு மாதிரிகள் முரண்படும் புள்ளிகளின் தொகுப்பாகும், மற்றும் மனித மதிப்பீடு கவனம் செலுத்த வேண்டும்.
இது பல மாதிரி யோசனையின் மீது உள்ள அனைத்திற்கும் மையமாகும். கீழே உள்ள எந்த கருத்திலும் ஆழமாகவும்.
ஒரே இடத்தில் பல மாதிரிகளுக்கு ஒரே கேள்வியை கேளுங்கள்
மாதிரிகள் எவ்வளவு வலுவாக ஒப்புக்கொள்கின்றன என்பதைப் புரிந்துகொள்ளுங்கள் - பெரும்பான்மையிலிருந்து ஒருமனிதம்
ஒவ்வொரு மாதிரியின் வாதங்களை கட்டமைக்கப்பட்ட மரத்தில் படிக்கவும், ஒரே பதிலில் அல்ல
மோதலான புள்ளிகள் அடையாளம் காணப்படுகின்றன, எனவே நீங்கள் எங்கு சரிபார்க்க வேண்டும் என்பதை நீங்கள் அறிவீர்கள்
கூட்டு AI அறிவு என்பது பல AI மாதிரிகள் ஒரே கேள்வியை சுயமாக யோசிக்க, வாதங்களை உருவாக்க, மற்றும் ஒருவருக்கொருவர் யோசனைகளை மதிப்பீடு செய்ய அனுமதிக்கும் நடைமுறை, அவை எங்கு ஒப்புக்கொள்கின்றன மற்றும் - முக்கியமாக - எங்கு முரண்படுகின்றன என்பதை வெளிப்படுத்துகிறது. ஒரே மாதிரியின் நம்பிக்கையுள்ள பதிலை நம்புவதற்குப் பதிலாக, நீங்கள் சுயமான பார்வைகளின் ஒரு வரிசையை காண்கிறீர்கள், எனவே ஹாலுசினேஷன்கள் மற்றும் கண்ணூட்டங்கள் முரண்பாடாக வெளிப்படுகின்றன, கவனிக்கப்படாமல் செல்லாது.
இல்லை. ஒப்புக்கொள்வது ஒரு நம்பிக்கை சிக்னல், நிரூபணம் அல்ல. பல மாதிரிகள் ஒரே பயிற்சி தரவின் பாகுபாட்டைப் பகிர்ந்து, ஒன்றாகவே நம்பகமாக தவறாக இருக்கலாம். கூட்டு AI அறிவு எதிர்மறையானது: மாதிரிகள் இடையே முரண்பாடு ஒரு நம்பகமான சிக்னல், ஒரு குறிப்பு மனித சரிபார்ப்பை தேவைப்படுவதாகும். உயர்ந்த ஒப்புக்கொள்வது மதிப்பீட்டிற்கான முன்னுரிமையை குறைக்கிறது; இது எப்போதும் அதை மாற்றாது.
வித்தியாசமான மாதிரிகள் மாறுபட்ட முறையில் ஹாலுசினேட் செய்கின்றன - ஒன்று உருவாக்கும் போது, மற்றவர்கள் பொதுவாக சரியாகக் காண்கின்றனர். பல மாதிரிகள் சுயமாக ஒரு குறிப்பு மதிப்பீடு செய்யும் போது, ஒன்று ஆதாரத்தை உருவாக்கும் போது, மற்றவர்கள் பொதுவாக அந்த வாதத்தை மோசமாக மதிப்பீடு செய்கின்றனர். இதன் விளைவாக உள்ள முரண்பாடு, ஒரு தனிப்பட்ட மாதிரி வேலைப்பாட்டில் நம்பகமான உண்மையாகக் காணப்படும் ஹாலுசினேஷனை அடையாளம் காண்கிறது.
பல LLMகளை கேட்டு, ஒருவருக்கொருவர் மதிப்பீடு செய்யும் மாதிரி திறந்த மூல வேலைகளில் ஆராயப்பட்டுள்ளது, உதாரணமாக Andrej Karpathy இன் 'LLM கவுன்சில்', அங்கு பல மாதிரிகள் சுயமாக பதிலளிக்கின்றன மற்றும் பிறரின் பதில்களை மதிப்பீடு செய்கின்றன. ஏஜென்ட்களின் கலவையில் தொடர்புடைய யோசனை ஆராயப்படுகிறது. Argumentree.AI கட்டமைக்கப்பட்ட வாத மரங்கள் மற்றும் அனானிமஸ் மாதிரி மதிப்பீட்டுடன் இந்த வரலாற்றில் கட்டமைக்கிறது.
இது ஆராய்ச்சி கேள்விகள், உண்மைச் சரிபார்ப்பு, இலக்கிய மதிப்பீடுகள், மற்றும் ஒரு தனிப்பட்ட நம்பிக்கையுள்ள பதில் ஆபத்தான எந்த முடிவுக்கும் மிகவும் பொருத்தமாக உள்ளது. ஒரு குறிப்பு எவ்வளவு மோதலானது என்பதை நீங்கள் அறிய வேண்டிய போது, அது சிறந்தது - 'பதில்' என்ன என்பதை மட்டும் அல்ல. இது மனித சரிபார்ப்பு மிகவும் தேவைப்படும் இடங்களை முன்னுரிமை அளிக்க பயன்படுத்துங்கள், குறிப்பாக மாதிரிகள் முரண்படும் புள்ளிகளில்.
ஒரு நம்பிக்கையுள்ள பதிலை நம்பாதீர்கள். கூட்டு AI அறிவை பெறுங்கள் - ஒப்புக்கொள்வும் முரண்பாடும், பக்கத்தில்.
இப்போது தொடங்குங்கள்