जेनेरेटिव एआई द्वारा प्रशिक्षित जेनेरेटिव एआई से सावधान रहें

विशिष्ट कार्यों को सटीक और विश्वसनीय ढंग से करने के लिए एआई सिस्टम को प्रशिक्षित करने के लिए भारी मात्रा में डेटा की आवश्यकता होती है। एआई कार्यक्रमों को लेबल करने के लिए मानव श्रम का उपयोग करना ड्राइवर रहित कारों जैसे कुछ अनुप्रयोगों के लिए प्रशिक्षण मशीन लर्निंग मॉडल का एक महत्वपूर्ण हिस्सा है। भारत और श्रीलंका जैसे देशों में श्रमिक, और अमेज़ॅन द्वारा बनाए गए प्लेटफ़ॉर्म मैकेनिकल तुर्क के श्रमिक, इस कार्य के लिए श्रम के दो स्रोत हैं।

आज के कई 'मशीन लर्निंग' या 'डीप लर्निंग' कार्यक्रमों के लिए, जिसमें सेल्फ-ड्राइविंग वाहनों के लिए छवि पहचान भी शामिल है, हम भारत या श्रीलंका में हजारों मनुष्यों के बारे में सोचते हैं जो हर तस्वीर को लेबल करते हैं ताकि एक एआई प्रोग्राम प्रत्येक मानव लेबलिंग को संदर्भित कर सके। समय-समय पर यह यातायात चिह्न को पहचानने या पैदल यात्री को साइकिल चालक से अलग बताने जैसे कार्य का प्रयास करता है। भारतीय या श्रीलंकाई लेबलर्स का उपयोग करने का प्राथमिक लाभ लागत-दक्षता में निहित है। आप संभावित रूप से उसी पैसे के लिए अधिक कर्मचारियों को काम पर रख सकते हैं और लेबलिंग का काम लागत प्रभावी ढंग से कर सकते हैं। एक दिलचस्प विचार संभावित सांस्कृतिक और भाषाई अंतर है, एक घटना जिसे मैं 'अंग्रेजी से अंग्रेजी' अनुवाद कहता हूं। जबकि कई भारतीय और श्रीलंकाई अंग्रेजी में कुशल हैं, सूक्ष्म भाषाई बारीकियों या सांस्कृतिक रूप से विशिष्ट संदर्भों को नजरअंदाज किया जा सकता है। दूसरी ओर, अमेज़ॅन का मैकेनिकल तुर्क (MTurk) एक क्राउडसोर्सिंग मार्केटप्लेस है जो 'अनुरोधकर्ताओं' (जिन्हें कार्य पूरा करने की आवश्यकता है) को उन्हें पूरा करने के इच्छुक 'श्रमिकों' से जोड़ता है। MTurk विभिन्न पृष्ठभूमियों के श्रमिकों के विशाल समूह के साथ वैश्विक पहुंच का दावा करता है। यह विविधता बहुभाषी और बहुसांस्कृतिक ज्ञान की आवश्यकता वाले कार्यों के लिए विशेष रूप से उपयोगी हो सकती है।

MTurk की लचीली प्रकृति भी एक महत्वपूर्ण लाभ प्रदान करती है। श्रमिक अपने कौशल-सेट के अनुरूप कार्य चुन सकते हैं और अपनी सुविधानुसार उन पर काम कर सकते हैं। परिणामस्वरूप, अनुरोधकर्ता आमतौर पर अपने कार्यों को अपेक्षाकृत जल्दी पूरा कर सकते हैं। इसके अलावा, MTurk के एकीकृत गुणवत्ता नियंत्रण तंत्र यह सुनिश्चित करने में मदद करते हैं कि कार्य आउटपुट उचित मानक का है। कार्य की जटिलता के आधार पर, इसके उपयोग की लागत-प्रभावशीलता भिन्न-भिन्न होती है। सरल कार्य लागत-कुशल हो सकते हैं, लेकिन जिन जटिल कार्यों के लिए अत्यधिक कुशल श्रमिकों की आवश्यकता होती है, वे कम वेतन वाले देशों से श्रम प्राप्त करने की तुलना में अधिक महंगे हो सकते हैं। प्लेटफ़ॉर्म की अनाम और अवैयक्तिक प्रकृति का अर्थ परिवर्तनशील गुणवत्ता और जवाबदेही की कमी भी हो सकता है। प्लेटफ़ॉर्म पर श्रमिकों को प्रति कार्य के अनुसार भुगतान किया जाता है, जिन्हें गुणवत्ता की उचित देखभाल किए बिना जल्दबाजी में काम मिल सकता है, खासकर यदि भुगतान कम हो।

हालाँकि, कुछ नए जेनेरिक एआई मॉडल को केवल कुछ उदाहरणों का उपयोग करके विशिष्ट कार्यों के लिए तैयार किया जा सकता है, जबकि उनके 'गहन शिक्षण' पूर्ववर्तियों द्वारा हजारों उदाहरणों और कई घंटों के अतिरिक्त प्रशिक्षण की आवश्यकता होती है। कंप्यूटर वैज्ञानिक इसे 'कुछ-शॉट सीखना' कहते हैं, और मानते हैं कि GPT3 मानव जाति द्वारा मशीनों को प्रशिक्षित करने के तरीके में एक शक्तिशाली परिवर्तन का पहला वास्तविक उदाहरण था। सिस्टम आर्किटेक्ट GPT 3 को अपने स्वयं के प्रोग्राम लिखने के लिए केवल कुछ सरल निर्देश प्रदान करने में सक्षम हैं।

यह जेनरेटिव एआई सिस्टम को पूरी तरह से एक अलग कक्षा में फेंक देता है, लेकिन उनकी गिरावट को कम नहीं करता है। वास्तव में, वे पूर्वाग्रहों और अपवित्रता के स्वभाव सहित विकृतियों के लिए जाने जाते हैं, और ओपनएआई जैसी कंपनियां सक्रिय रूप से आम उपयोगकर्ताओं से भी इनपुट मांग रही हैं ताकि वे बेहतर आउटपुट के लिए अपने प्रशिक्षण मॉडल में सुधार कर सकें।

source: livemint