Hapa, ningependa kupanga Mfumo wa Akili Bandia ya Kujifunza (ALIS) kwa kufafanua dhana yake, kanuni, muundo wa msingi, na mbinu ya ukuzaji.
Dhana
AI ya kuzalisha ya sasa, hasa mifumo mikubwa ya lugha, hufunzwa kulingana na kujifunza kwa usimamizi unaotegemea mitandao ya neva.
Kama mchakato wa kujifunza, tunafafanua kujifunza huku kwa mitandao ya neva kama kujifunza asili.
ALIS huunganisha mchakato wa kujifunza kwa kupata, tofauti na kujifunza asili, ili kuwezesha hitimisho linalochanganya michakato yote miwili ya kujifunza.
Katika kujifunza huku kwa kupata, maarifa yaliyojifunza hukusanywa nje ya mtandao wa neva na kutumika wakati wa hitimisho.
Kwa hiyo, kiini cha kiufundi cha ALIS kiko katika kutoa, kuhifadhi, na kuchagua na kutumia maarifa yanayoweza kutumika tena wakati wa hitimisho.
Zaidi ya hayo, ALIS si teknolojia moja tu ya kimsingi, bali ni teknolojia ya mfumo inayochanganya kujifunza asili na kujifunza kwa kupata.
Vipengele vya Mfumo wa Akili ya Kujifunza
ALIS hufanya kazi chini ya kanuni kwamba kujifunza asili na kujifunza kwa kupata, zote mbili zilizopo na zile zitakazozingatiwa baadaye, hufuata mfumo mmoja wa kujifunza na kutoa hitimisho.
Ili kuelezea kanuni za kujifunza katika ALIS, tunafafanua vipengele vitano vya mfumo wa akili ya kujifunza.
Cha kwanza ni prosesa akilifu. Hii inarejelea mfumo wa usindikaji unaofanya hitimisho kwa kutumia maarifa na kutoa maarifa kwa ajili ya kujifunza.
Mifumo Mikuu ya Lugha (LLMs) na sehemu za ubongo wa binadamu ni mifano mikuu ya prosesa akilifu.
Cha pili ni hifadhi ya maarifa. Hii inarejelea eneo la kuhifadhi ambapo maarifa yaliyotolewa yanaweza kuhifadhiwa na kurejeshwa inavyohitajika.
Katika LLMs, hifadhi ya maarifa inajumuisha vigezo vya mtandao wa neva. Kwa binadamu, inalingana na kumbukumbu ya muda mrefu katika ubongo.
Cha tatu ni dunia. Hii inarejelea mazingira ya nje kama yanavyotambuliwa na mfumo wa akili unaojifunza, kama vile binadamu au ALIS.
Kwa binadamu, dunia ni uhalisia wenyewe. Katika kesi ya LLMs, utaratibu unaopokea matokeo kutoka kwa LLM na kutoa maoni kwake unaweza kuchukuliwa kuwa sawa na dunia.
Cha nne ni kumbukumbu ya hali. Hii inarejelea kijenzi cha ndani kinachofanana na kumbukumbu ya muda kinachotumiwa na mfumo wa akili unaojifunza wakati wa kutoa hitimisho.
Katika LLMs, huu ni nafasi ya kumbukumbu inayotumiwa wakati wa kutoa hitimisho, inayojulikana kama hali zilizofichwa. Kwa binadamu, inalingana na kumbukumbu ya muda mfupi.
Cha tano ni mfumo. Huu ni, kwa kusema, muundo wa kufikiri. Katika istilahi za mifumo ya akili ya kujifunza, inarejelea vigezo vya kuchagua maarifa muhimu wakati wa kutoa hitimisho na muundo wa anga ya hali ya kimantiki kwa ajili ya kupanga kumbukumbu ya hali.
Katika LLMs, ni muundo wa kisemantiki wa hali zilizofichwa, na yaliyomo yake kwa ujumla ni dhahania na hayaeleweki kwa binadamu. Zaidi ya hayo, uteuzi wa maarifa umepachikwa katika mbinu ya umakini, ambayo huchagua ishara zilizopo kurejelea kwa kila ishara inayochakatwa.
Kwa binadamu, kama ilivyotajwa hapo juu, ni muundo wa kufikiri. Wakati wa kufikiri kwa kutumia mfumo maalum, seti maalum ya ujuzi inakumbukwa kutoka kumbukumbu ya muda mrefu na kupakiwa kwenye kumbukumbu ya muda mfupi. Kisha, taarifa zinazotambuliwa kwa sasa hupangwa kulingana na mfumo wa kufikiri ili kuelewa hali.
Kanuni za Mfumo wa Akili ya Kujifunza
Mfumo wa akili ya kujifunza hufanya kazi kama ifuatavyo:
Prosesa akilifu hufanya kazi juu ya dunia. Dunia, kwa kujibu kitendo hiki, inarudisha matokeo.
Prosesa akilifu hutoa maarifa yanayoweza kutumika tena kutoka kwa matokeo haya na kuyahifadhi kwenye hifadhi ya maarifa.
Wakati wa kutenda juu ya dunia mara kwa mara, prosesa akilifu huchagua maarifa kutoka kwenye hifadhi ya maarifa na kuyatumia kurekebisha vitendo vyake.
Huu ndio utaratibu wa msingi.
Hata hivyo, kimsingi, mbinu za utoaji, uhifadhi, uteuzi, na matumizi ya maarifa huamua kama mfumo unaweza kufanya kujifunza kwa maana.
Binadamu wanamiliki mifumo inayoshughulikia vyema utoaji, uhifadhi, uteuzi, na matumizi ya maarifa, ikiwawezesha kujifunza.
Mitandao ya neva, ikiwemo LLMs, ina utoaji wake unaoshughulikiwa na walimu wa nje, lakini inamiliki mifumo ya uhifadhi, uteuzi, na matumizi. Hii inawaruhusu kujifunza mradi tu wamepewa mwalimu.
Zaidi ya hayo, mfumo wa akili ya kujifunza unaweza pia kujifunza utoaji, uhifadhi, na uteuzi wa mifumo, na mbinu zao za matumizi ndani ya kumbukumbu ya hali, kama maarifa, hivyo kuwezesha kujifunza ngumu zaidi.
Aina za Maarifa
Kulingana na kanuni hizi, wakati wa kubuni kujifunza kwa kupata, ni muhimu kufafanua ni aina gani ya maarifa yaliyopatikana yatachukua.
Mtu anaweza kuzingatia njia ambapo maarifa yaliyopatikana pia hujifunza kando kama vigezo vya mtandao wa neva.
Hata hivyo, maarifa yaliyopatikana hayapaswi kuwekwa tu kwenye vigezo vya mtandao wa neva. Wagombea wa vitendo ni maarifa yaliyoandikwa kwa lugha asilia.
Maarifa yaliyoandikwa kwa lugha asilia yanaweza kutolewa na kutumika kwa kutumia uwezo wa usindikaji wa lugha asilia wa LLMs. Zaidi ya hayo, kwa kuwa yanaweza kushughulikiwa kama data katika mifumo ya kawaida ya IT, uhifadhi na uteuzi pia ni rahisi.
Aidha, maarifa yaliyoandikwa kwa lugha asilia ni rahisi kwa binadamu na LLMs nyingine kuyakagua, kuyaelewa, na, katika baadhi ya matukio, hata kuhariri yaliyomo.
Pia yanaweza kushirikiwa, kuunganishwa, au kugawanywa na mifumo mingine ya akili ya kujifunza.
Kwa sababu hizi, maarifa yaliyopatikana katika dhana ya ALIS yataanza kubuniwa kulenga maarifa yaliyoandikwa kwa lugha asilia.
Kumbukumbu ya Hali ya Kupata na Mifumo
Tumeelezea faida za kuchagua maandishi ya lugha asilia kama umbizo la maarifa yaliyopatikana.
Vile vile, maandishi ya lugha asilia yanaweza pia kutumika kwa kumbukumbu ya hali na mifumo ya hitimisho.
Mifumo, kama miundo ya dhana, inaweza kuhifadhiwa na kutumika katika hifadhi ya maarifa kama maarifa yaliyoandikwa kwa lugha asilia.
Hata wakati wa kuweka mwanzo au kusasisha hali kulingana na muundo uliofafanuliwa na mfumo, kumbukumbu ya hali ya umbizo la maandishi inaweza kutumika.
Kwa kubuni si tu maarifa yaliyopatikana bali pia mifumo na kumbukumbu ya hali kuwa katika umbizo la maandishi, ALIS inaweza kutumia uwezo wa uchakataji wa lugha asilia wa LLMs kwa kujifunza kwa kupata na hitimisho kwa ujumla.
Maarifa Rasmi
Maarifa yaliyopatikana, mifumo, na kumbukumbu ya hali yanaweza kuonyeshwa sio tu kwa maandishi ya lugha asilia bali pia kwa lugha rasmi kali zaidi au mifumo rasmi.
Ingawa niliandika "chagua," lengo la ALIS ni kuunganisha mifumo mingi tofauti ya kujifunza maarifa yaliyopatikana ili kuwezesha matumizi mseto ya kujifunza asilia na kujifunza kwa kupata.
Maarifa yanayowakilishwa na lugha rasmi au mifumo rasmi yanaweza kufanywa kuwa sahihi zaidi na yasiyo na utata.
Zaidi ya hayo, ikiwa mfumo umeonyeshwa kwa kutumia lugha rasmi au mfumo na hali ya awali imefunguliwa katika kumbukumbu ya hali, basi uigaji au ukuzaji wa kimantiki unaweza kufanywa kwa mfumo mkali na prosesa akilifu inayoweza kuchakata mifumo rasmi, badala ya LLM.
Mfano mkuu wa lugha rasmi au mifumo rasmi kama hiyo ni lugha za programu.
Mfumo unavyojifunza kuhusu dunia, ikiwa unaweza kueleza sheria na dhana zinazopatikana ndani yake kama programu katika mfumo, basi unaweza kuziiga kwenye kompyuta.
Safu 1: Aina za Maarifa
Wakati wa kupanga maarifa ndani ya mfumo wa akili ya kujifunza, inakuwa wazi kuwa yanaweza kugawanywa kwa upana katika aina tatu za mifumo ya maarifa na aina mbili za hali.
Mifumo mitatu ya maarifa ni: maarifa ya vigezo vya mtandao, yanayoshughulikiwa na mitandao ya neva; maarifa asilia, yaliyoelezwa kwa lugha asilia; na maarifa rasmi, yaliyoelezwa kwa lugha rasmi.
Aina mbili za hali ni zisizo na hali na zenye hali.
Maarifa ya vigezo vya mtandao yasiyo na hali ni maarifa ya kiakili, kama yale yanayopatikana katika AI ya kujifunza kwa kina. Sifa za paka na mbwa, ambazo haziwezi kufikiriwa waziwazi au kutambuliwa kwa maneno, zinaweza kujifunza kama maarifa ya vigezo vya mtandao yasiyo na hali.
Maarifa ya vigezo vya mtandao yenye hali ni maarifa yanayoibuka kupitia michakato isiyo wazi, inayorudiwa, kama vile katika AI ya uzalishaji.
Maarifa asilia yasiyo na hali ni maarifa kama vile maana zilizounganishwa na maneno binafsi.
Maarifa asilia yenye hali ni maarifa yanayojumuisha muktadha ndani ya sentensi.
Baadhi ya maarifa asilia yamejumuishwa kiasili katika maarifa ya vigezo vya mtandao yenye hali, lakini pia kuna maarifa ambayo yanaweza kupatikana kutoka kwa maandishi ya lugha asilia.
Maarifa rasmi yasiyo na hali ni maarifa ambayo yanaweza kuonyeshwa kwa fomula za hisabati bila kurudia. Maarifa rasmi yenye hali ni maarifa ambayo yanaweza kuonyeshwa kama programu.
Mtu anaweza pia kutumia kumbukumbu yake ya muda mfupi kama kumbukumbu ya hali kwa maarifa asilia na maarifa rasmi.
Hata hivyo, kwa kuwa ni kumbukumbu ya muda mfupi, kuna tatizo kwamba ni vigumu kudumisha hali kwa utulivu. Zaidi ya hayo, haina ustadi wa kushikilia hali zilizorasimishwa, zisizo na utata.
Kwa upande mwingine, karatasi, kompyuta, na simu mahiri zinaweza kutumika kama kumbukumbu ya hali kuandika au kuhariri maandishi ya lugha asilia, lugha rasmi, au mifumo rasmi.
Kwa ujumla, data kwenye karatasi au kompyuta mara nyingi huonekana kama hifadhi ya maarifa kwa kukumbuka maarifa, lakini pia inaweza kutumika kama kumbukumbu ya hali kwa kupanga mawazo.
Hivyo, ni wazi kwamba wanadamu hufanya shughuli za kiakili kwa kutumia kikamilifu mifumo hii mitatu ya maarifa na aina mbili za hali.
ALIS pia, ina uwezo wa kuongeza kwa kiasi kikubwa uwezo wake kwa kuwezesha na kuimarisha shughuli za kiakili zinazotumia mifumo hii mitatu ya maarifa na aina mbili za hali.
Hasa, ALIS ina nguvu ya kuweza kutumia hifadhi kubwa za maarifa na kumbukumbu ya hali. Zaidi ya hayo, inaweza kutekeleza kwa urahisi kazi za kiakili kwa kuandaa nyingi za kila moja na kuzibadilisha au kuziunganisha.
Safu 2: Usimamizi Akilifu
Ingawa kuna faida ya kuweza kukusanya maarifa mengi katika hifadhi ya maarifa, wingi wa maarifa hautafsiriwi tu kuwa faida katika shughuli za kiakili kutokana na mapungufu ya idadi ya ishara ambazo AI ya kuzalisha inaweza kuchakata kwa wakati mmoja na kelele zinazotokana na maarifa yasiyofaa.
Kinyume chake, kwa kugawanya ipasavyo hifadhi ya maarifa na kuihamisha kuwa hifadhi za maarifa maalum zenye msongamano mkubwa, kila moja ikiwa na maarifa muhimu kwa kazi maalum ya kiakili, matatizo ya mapungufu ya ishara na kelele yanaweza kupunguzwa.
Kwa kubadilishana, kila hifadhi ya maarifa maalum inakuwa inaweza kutumika tu kwa kazi yake maalum ya kiakili.
Shughuli nyingi za kiakili ni mchanganyiko tata wa kazi mbalimbali za kiakili. Kwa hiyo, kwa kugawanya maarifa katika hifadhi za maarifa maalum kulingana na aina ya kazi ya kiakili na kugawanya shughuli za kiakili katika kazi binafsi, ALIS inaweza kutekeleza shughuli nzima ya kiakili kwa kubadilisha ipasavyo kati ya hifadhi hizi za maarifa maalum.
Hii inafanana na okestra, inayojumuisha wanamuziki wa kitaalamu wanaocheza vyombo tofauti na kondakta anayeongoza kundi zima.
Kupitia teknolojia hii ya mfumo, usimamizi akilifu, ALIS itaweza kupanga shughuli zake za kiakili.
Muundo wa Msingi wa ALIS na Mbinu ya Ukuzaji
Kuanzia hapa, tutapanga ukuzaji wa ALIS.
Kama ilivyojadiliwa tayari katika kanuni na safu, ALIS imeundwa kiasili kwa upanuzi rahisi wa kazi na rasilimali. Hii ni kwa sababu kiini cha ALIS si katika kazi maalum, bali katika michakato ya kutoa, kuhifadhi, kuchagua, na kutumia maarifa.
Kwa mfano, aina nyingi za mifumo ya kutoa maarifa zinaweza kutolewa, na muundo wa mfumo unaruhusu uchaguzi huru wa kuchagua kati yao au kuzitumia kwa wakati mmoja.
Zaidi ya hayo, ALIS yenyewe inaweza kufanywa kutekeleza uteuzi huu.
Vile vile, uhifadhi, uteuzi, na matumizi yanaweza pia kuchaguliwa kwa uhuru au kufanywa sambamba.
Kwa hiyo, ALIS inaweza kuendelezwa hatua kwa hatua na kwa wepesi, bila kuhitaji kubuni utendaji mzima kwa njia ya mbinu ya waterfall.
Mwanzo wa ALIS
Sasa, hebu tubuni ALIS rahisi sana.
Kiolesura cha mtumiaji (UI) kitakuwa AI ya gumzo inayofahamika. Mwanzoni, data ya mtumiaji hupitishwa moja kwa moja kwa LLM. Majibu ya LLM yanaonyeshwa kwenye UI, na mfumo husubiri data inayofuata kutoka kwa mtumiaji.
Baada ya kupokea data inayofuata, LLM hupewa sio tu data mpya bali pia historia yote ya gumzo kati ya mtumiaji na LLM.
Nyuma ya UI ya AI hii ya gumzo, utaratibu umeandaliwa kutoa maarifa yanayoweza kutumika tena kutoka kwa historia ya gumzo.
Utaratibu huu unaweza kuongezwa kwenye mfumo wa AI ya gumzo kama mchakato unaoendeshwa wakati mazungumzo yanapoisha au kwa vipindi maalum. Bila shaka, LLM inatumiwa kwa kutoa maarifa.
LLM hii hupewa dhana na kanuni za ALIS, pamoja na ujuzi wa kutoa maarifa, kama kidokezo cha mfumo. Ikiwa maarifa hayatolewi kama ilivyokusudiwa, kidokezo cha mfumo kinapaswa kuboreshwa kupitia majaribio na makosa.
Maarifa yaliyotolewa kutoka kwa historia ya gumzo huhifadhiwa moja kwa moja kwenye ziwa la maarifa. Ziwa la maarifa ni tu utaratibu wa kuhifadhi maarifa katika hali tambarare kabla hayajapangwa.
Kisha, utaratibu wa kupanga umeandaliwa ili kurahisisha kuchagua maarifa kutoka kwenye ziwa la maarifa.
Hii inahusisha kutoa hifadhi ya vekta ya upachikaji kwa utafutaji wa kisemantiki, kama inavyotumika katika RAG ya kawaida, na fahirisi za maneno muhimu.
Uwezekano mwingine ni pamoja na kuzalisha grafu za maarifa za hali ya juu zaidi au kufanya uainishaji wa kategoria.
Mkusanyiko huu wa taarifa zilizopangwa kwa ziwa la maarifa utaitwa hifadhidata ya maarifa. Hifadhidata hii yote ya maarifa na ziwa la maarifa litaunda hifadhi ya maarifa.
Kisha, hifadhi ya maarifa huunganishwa katika usindikaji wa UI ya gumzo.
Huu ni kimsingi utaratibu sawa na utaratibu wa jumla wa RAG. Kwa data ya mtumiaji, maarifa muhimu huchaguliwa kutoka kwenye hifadhi ya maarifa na kupitishwa kwa LLM pamoja na data ya mtumiaji.
Hii inaruhusu LLM kutumia maarifa kiotomatiki wakati wa kuchakata data ya mtumiaji.
Kwa njia hii, maarifa huongezeka kwa kila mazungumzo na mtumiaji, kuwezesha ALIS rahisi inayotumia maarifa yaliyokusanywa kutoka mazungumzo yaliyopita.
Hali Rahisi
Kwa mfano, fikiria hali ambapo mtumiaji anaunda programu ya wavuti akitumia ALIS hii rahisi.
Mtumiaji ataripoti kwamba msimbo uliopendekezwa na LLM ulisababisha hitilafu. Kisha, mtumiaji na LLM watashirikiana kutatua tatizo hilo. Tuseme wanagundua kuwa vipimo vya API ya nje ambayo LLM ilifahamu vilikuwa vimepitwa na wakati, na kukabiliana na vipimo vya hivi karibuni vya API kulitatua suala hilo.
Katika hali hii, maarifa kwamba vipimo vya API vya LLM vilikuwa vya zamani na vipimo vya API vya hivi karibuni ni vipi yanaweza kukusanywa katika hifadhi ya maarifa kutoka kwenye mazungumzo haya.
Kisha, wakati wa kuunda programu inayotumia API hiyo hiyo wakati ujao, ALIS inaweza kutumia maarifa haya kuzalisha programu kulingana na vipimo vya API vya hivi karibuni tangu mwanzo.
Kuboresha ALIS ya Awali
Hata hivyo, ili hili lifanyike, maarifa haya yanahitaji kuchaguliwa kujibu maoni ya mtumiaji. Inawezekana kwamba maarifa haya hayajaunganishwa moja kwa moja na maoni ya mtumiaji, kwani jina la API yenye tatizo huenda lisionekane katika maoni ya awali ya mtumiaji.
Katika hali kama hiyo, jina la API lingetokea kwa mara ya kwanza tu katika jibu la LLM.
Kwa hiyo, tutapanua kidogo ALIS rahisi kwa kuongeza utaratibu wa maoni ya uchunguzi wa awali na maoni ya uchunguzi wa baada.
Maoni ya uchunguzi wa awali yanafanana na "hali ya kufikiri" ya hivi karibuni katika LLMs. Tunaandaa kumbukumbu inayoweza kushikilia maandishi kama kumbukumbu ya hali, na tunaelekeza LLM kupitia kidokezo cha mfumo kufanya maoni ya uchunguzi wa awali baada ya kupokea maoni ya mtumiaji.
Matokeo ya maoni ya uchunguzi wa awali ya LLM kisha huwekwa katika kumbukumbu ya hali, na kulingana na matokeo haya, maarifa huchaguliwa kutoka hifadhi ya maarifa.
Kisha, historia ya gumzo, matokeo ya maoni ya uchunguzi wa awali, maarifa yanayolingana na maoni ya mtumiaji, na maarifa yanayolingana na matokeo ya maoni ya uchunguzi wa awali hupitishwa kwa LLM kupokea matokeo yake.
Zaidi ya hayo, kwa matokeo yaliyorejeshwa na LLM, maarifa hutafutwa katika hifadhi ya maarifa. Ikiwa ni pamoja na maarifa yoyote yaliyopatikana hapo, LLM kisha inaombwa kufanya uchunguzi wa baada.
Ikiwa masuala yoyote yamepatikana, hurudishwa kwa LLM ya gumzo pamoja na pointi za tatizo na sababu za maoni/marejesho.
Kwa kutoa fursa za kuchagua maarifa wakati wa maoni ya uchunguzi wa awali na maoni ya uchunguzi wa baada, tunaweza kuongeza nafasi za kutumia maarifa yaliyokusanywa.
Mtazamo
Mchakato wa kuunda ALIS ya awali na kuongeza maboresho ili kushughulikia udhaifu wake ni maendeleo ya agile, ikionyesha kwamba ALIS inaweza kuongezwa hatua kwa hatua.
Zaidi ya hayo, kama ilivyoelezwa, ALIS ya awali inafaa zaidi kutumika katika ukuzaji wa programu. Hii ni kwa sababu ni uwanja wenye mahitaji makubwa na ambapo maarifa yanaweza kukusanywa waziwazi.
Ni eneo ambapo matokeo hayana utata, bado yanahitaji na kufaidika sana kutokana na majaribio na makosa, mkusanyiko wa maarifa unaorudiwa.
Kwa kuongeza, kwa kuwa ukuzaji wa ALIS wenyewe ni ukuzaji wa programu, ukweli kwamba watengenezaji wa ALIS wanaweza pia kuwa watumiaji wa ALIS ni kipengele cha kuvutia.
Zaidi ya hayo, pamoja na mfumo wa ALIS, ziwa la maarifa linaweza kushirikiwa hadharani kwenye majukwaa kama GitHub.
Hii ingeruhusu watu wengi kuchangia katika kuboresha mfumo wa ALIS na mkusanyiko wa maarifa, huku kila mtu akifurahia faida na kuendeleza ukuzaji wa ALIS kwa ufanisi zaidi.
Bila shaka, ushirikishaji wa maarifa hauzuiliwi kwa watengenezaji wa ALIS; unaweza kukusanywa kutoka kwa watengenezaji wote wa programu wanaotumia ALIS.
Asili ya lugha asilia ya maarifa inatoa faida mbili za ziada.
Faida ya kwanza ni kwamba maarifa bado yanaweza kutumika hata kama mifumo ya LLM inabadilika au kusasishwa.
Faida ya pili ni kwamba ziwa kubwa la maarifa lililokusanywa linaweza kutumika kama seti ya data ya mafunzo ya awali kwa LLMs. Kuna njia mbili za kutumia hii: kama marekebisho sahihi, au kwa mafunzo ya awali ya LLM yenyewe.
Kwa hali yoyote, ikiwa LLM ambayo imejifunza kiasili kutoka kwa maarifa yaliyokusanywa katika ziwa la maarifa inaweza kutumika, ukuzaji wa programu utakuwa na ufanisi zaidi.
Zaidi ya hayo, ukuzaji wa programu unahusisha michakato mbalimbali kama vile uchambuzi wa mahitaji, usanifu, utekelezaji, upimaji, uendeshaji, na matengenezo. Maarifa maalum pia yapo kwa kila kikoa cha programu na jukwaa. Kwa kuunda utaratibu wa kugawanya kiasi kikubwa cha maarifa yaliyokusanywa kutoka kwa mitazamo hii, okestra ya ALIS inaweza kuundwa.
Kwa hivyo, teknolojia za kimsingi za ALIS zipo. Hatua muhimu iliyobaki ni kujaribu kwa vitendo mbinu mbalimbali—kama vile ujuzi wa kutoa maarifa, uteuzi sahihi wa maarifa, ugawaji wa maarifa maalum, na matumizi ya kumbukumbu ya hali—ili kugundua mbinu zenye ufanisi. Kadiri utata unavyoongezeka, muda wa kuchakata na gharama za matumizi ya LLM pia zitaongezeka, hivyo kuhitaji uboreshaji.
Michakato hii ya majaribio na makosa na uboreshaji inaweza kuendelezwa kwa njia inayolenga kujifunza kupitia ukuzaji na uboreshaji wa mifumo.
Mwanzoni, watengenezaji, kama watumiaji, wataweka mifumo katika ALIS kupitia majaribio na makosa. Hata hivyo, hata wakati huo, LLM yenyewe inaweza kupewa jukumu la kuzalisha mawazo ya mfumo.
Kisha, kwa kuingiza mfumo wa kuboresha na kugundua mifumo katika ALIS, kulingana na matokeo yaliyopokelewa kutoka ulimwenguni na maarifa yaliyotolewa, ALIS yenyewe itafanya majaribio na makosa na uboreshaji kwa njia inayolenga kujifunza.
ALIS katika Ulimwengu Halisi
Mara tu ALIS itakapoboreshwa hadi hatua hii, inapaswa kuwa na uwezo wa kupata maarifa katika nyanja mbalimbali, sio tu katika ulimwengu wa ukuzaji wa programu.
Sawa na ukuzaji wa programu, ALIS inatarajiwa kupanua wigo wake wa matumizi kwa shughuli mbalimbali za kiakili ambazo wanadamu hufanya kwa kutumia kompyuta.
Hata katika shughuli kama hizo za kiakili tu, ALIS itakuwa na ubora unaofanana na AI iliyo na mwili kuhusiana na ulimwengu unaolengwa.
Hii ni kwa sababu inatambua mpaka kati yake na ulimwengu, inatenda juu ya ulimwengu kupitia mpaka huo, na inaweza kutambua habari zilizopokelewa kutoka ulimwenguni.
Wakati mpaka huu na ulimwengu unaonekana kimwili na umewekwa mahali pamoja, kwa ujumla tunauita mwili.
Hata hivyo, hata kama mpaka haionekani na umesambazwa kwa anga, muundo wa mtazamo na hatua kupitia mpaka unabaki sawa na wakati wa kumiliki mwili halisi.
Kwa maana hii, ALIS inayofanya shughuli za kiakili inaweza kuchukuliwa kuwa na sifa za AI iliyo na mwili.
Na, ikiwa ALIS imeboreshwa hadi hatua ambapo inaweza kujifunza ipasavyo hata katika ulimwengu mpya, usiojulikana, kuna uwezekano kwamba ALIS inaweza kuunganishwa kama sehemu ya AI halisi iliyo na mwili halisi.
Kwa njia hii, ALIS hatimaye itatumika kwa ulimwengu halisi na kuanza kujifunza kutoka humo.