ලාභ:
- සමූහ, සංවේදීතා විශ්ලේෂණය, හරස් වලංගුකරණය සහ අන්ධ පරීක්ෂණ සමඟ අවිනිශ්චිතතාවය මැනීමට සහ වාර්තා කිරීමට ඇති හැකියාව
- හොඳින්/ක්ෂේත්ර පදනමක් මත දත්ත වෙන් කිරීමෙන් දත්ත කාන්දු වීම වැලැක්වීමේ හැකියාව සහ වාර්තා කරන ලද නිරවද්යතාවය සත්ය සාමාන්යකරණය පිළිබිඹු කරන බව සහතික කිරීම.
- කෘත්රිම බුද්ධි විශ්වාස ලකුණු විශ්වසනීයත්ව රූප සටහන සමඟ ක්රමාංකනය කිරීමේ හැකියාව සහ ක්රමාංකනය නොකළ ලකුණු සම්භාවිතාවක් ලෙස භාවිතා නොකිරීමේ විනය යෙදීම
මෙම මොඩියුලයේ සෑම ඒකකයකම පුනරාවර්තන තේමාවක් ඇත: භූ භෞතික විද්යාවේ "නිසැක පිළිතුරු" නොමැත, අවිනිශ්චිතතාවයෙන් සීමා වූ ආකෘති පමණි. මෙම ඒකකය එම තේමාව විනයක් බවට පත් කරයි. ආදර්ශ අවිනිශ්චිතතාවය යනු එකම දත්ත පැහැදිලි කළ හැකි විවිධ උප පෘෂ්ඨ ආකෘතිවල පැවැත්ම වන අතර සෑම ආකෘතියක්ම විශ්වාසනීය පරතරයක් දරයි. වලංගුකරණය යනු ආකෘතියක් හෝ AI ප්රතිදානයක් සත්ය වශයෙන්ම වලංගුද යන්න ස්වාධීන සාක්ෂි සහිතව පරීක්ෂා කිරීමයි. ක්රමාංකනය යනු ආකෘතියක් මඟින් ලබා දෙන විශ්වාස/සම්භාවිතා අගයන් සත්ය ප්රතිඵලවලට ගැලපෙන බව සහතික කිරීමයි. මෙම ඒකකය තුළ, අපි කෘතිම බුද්ධිය (AI) අවිනිශ්චිතතාවය මැනිය හැකි සහ සැඟවිය හැකි ආකාරය පරීක්ෂා කරනු ඇත; ඝන සත්යාපන ක්රමාංකන රාමුවක් AI විශ්වාසදායක කරන්නේ මන්දැයි අපි බලමු.
අවිනිශ්චිතතාවයේ මූලාශ්ර
භූ භෞතික අවිනිශ්චිතතාවය ස්ථර කිහිපයකින් පැමිණේ:
- දත්ත අවිනිශ්චිතතාවය: මිනුම් ශබ්දය, සීමිත ආවරණය, ක්රමාංකන දෝෂය.
- ආදර්ශ අවිනිශ්චිතතාවය (polysemy): එකම දත්ත වලට උප මතුපිට ව්යුහ එකකට වඩා සවි කිරීම.
- ක්රමය/පරාමිති අවිනිශ්චිතතාව: සැකසීම, ප්රතිලෝම කිරීම සහ විධිමත් කිරීමේ තේරීම් ප්රතිඵලය වෙනස් කරයි.
- AI සඳහා නිශ්චිත අවිනිශ්චිතතාව: ආකෘතියට විශ්වාසයෙන් සිටීමට ඇති හැකියාව නමුත් එය පුහුණු බෙදාහැරීමෙන් පිටත ගමන් කරන විට අසාර්ථක වේ (බෙදාහැරීමේ මාරුව).
හොඳ භූ භෞතික විද්යාඥයෙකුගේ කාර්යය වන්නේ මෙම අවිනිශ්චිතතාවය නැති කිරීම නොව එය මැනීම, සන්නිවේදනය කිරීම සහ පටු කිරීමයි. AI හට මෙය පහසු කර ගත හැක (බහු අවස්ථා ජනනය කිරීම) නමුත් තනි විශ්වාසනීය පිළිතුරක් ලබා දීමෙන් එය පහසුවෙන් සැඟවිය හැක.
අවිනිශ්චිතතාවය මැනීමට මාර්ග
ප්රායෝගික මෙවලම් කිහිපයක්:
- සමූහ: විවිධ ආරම්භක, පරාමිතීන් හෝ ආකෘති සමඟ බහු ධාවන; ප්රතිඵල පැතිරීම අවිනිශ්චිතතාවයක් ලබා දෙයි.
- සංවේදීතා විශ්ලේෂණය: ආදානයක් වෙනස් කිරීම (පරාමිතිය, දත්ත උප කුලකය) සහ ප්රතිඵලය කෙතරම් වෙනස් වේද යන්න දැකීම.
- හරස් වලංගුකරණය: දත්ත කැබලිවලට බෙදීම, එක් කොටසක් සමඟ පුහුණු කිරීම සහ අනෙක් කොටස සමඟ පරීක්ෂා කිරීම; සාමාන්යකරණ බලය මනිනු ලබයි.
- අන්ධ පරීක්ෂණය: පුහුණුවේදී කිසි දිනක දැක නැති ස්වාධීන ළිඳක්/ක්ෂේත්රයක් සහිත ආකෘතිය පරීක්ෂා කිරීම.
- සම්භාවිතා ප්රතිදානය: ප්රතිඵලය බෙදා හැරීම/විශ්වාස පරතරයක් ලෙස සැපයීම, තනි අගයක් නොවේ.
ඉඟිය: AI ප්රතිඵලයක් ලබා දෙන විට, සෑම විටම අසන්න: "මෙම ප්රතිඵලය වෙනස් කිරීමට මා ආදානය තුළ ගෙන යා යුත්තේ කුමක්ද සහ කොපමණ ප්රමාණයක්ද?" ප්රතිඵලය කුඩා පරාමිති වෙනසක් සමඟ ආපසු හැරෙන්නේ නම්, එම ප්රතිඵලය බිඳෙන සුළු වන අතර අවිනිශ්චිතතාවය ඉහළයි.
ක්රමාංකනය: විශ්වාස ලකුණු සත්ය වේද?
AI ආකෘති බොහෝ විට විශ්වාසය/සම්භාවිතාව ("90% වරද") ලබා දෙයි. නමුත් එය ක්රමාංකනය නොකළහොත් මෙම සංඛ්යාව නොමඟ යවන සුළුය: "90%" යැයි පවසන අවස්ථා වලින් සමහර විට 60% ක ආකෘතිය ඇත්ත වශයෙන්ම නිවැරදි ය. ක්රමාංකනය යනු මෙම සංඛ්යාව සත්ය ප්රතිඵල අනුපාතයට පෙළගැස්වීමයි. ප්රායෝගිකව, විශ්වසනීයත්ව රූප සටහනක් අඳිනු ලැබේ: හොඳින් ක්රමාංකනය කරන ලද ආකෘතියක් "90%" යැයි පවසන විට ඇත්ත වශයෙන්ම 90% නිවැරදි වේ. භූ භෞතික විද්යාවේදී, තීරණයක් සඳහා පදනම බවට පත් කිරීමට පෙර ස්වාධීන දත්ත සමඟ AI විශ්වාසනීය ලකුණු ක්රමාංකනය කිරීම අත්යවශ්ය වේ.
අවවාදයයි: ඉහළ නිරවද්යතාවය හොඳ ක්රමාංකනයට සමාන නොවේ. ආකෘතියක් සාමාන්යයෙන් නිවැරදි නමුත් ඕනෑවට වඩා විශ්වාස කළ හැකිය; තීරනාත්මක තීරණ වල වැදගත්ම දෙය නම් එය "95%" පවසන විට එය සැබවින්ම විශ්වාසදායක වීමයි. ක්රමාංකනය නොකළ විශ්වාස ලකුණු සම්භාවිතාවක් ලෙස සලකන්න එපා.
තහවුරු කිරීමේ රන් රීති
ශක්තිමත් සත්යාපනය සඳහා: (1) ස්වාධීනත්වය - පරීක්ෂණ දත්ත කිසිසේත්ම පුහුණු/සුසර කිරීමේ ක්රියාවලියට බාධා නොකළ යුතුය (දත්ත කාන්දු වීම - ප්රතිඵලය වැඩි කරයි). (2) අන්ධ පරීක්ෂණය - ආකෘතිය නොපෙනෙන ක්ෂේත්රය/ළිඳ. (3) භෞතික අනුකූලතාව - ප්රතිඵලය භෞතික විද්යාවට හා භූ විද්යාවට පටහැනි නොවිය යුතුය. (4) ප්රතිනිෂ්පාදනය - එකම ආදානය සමග එකම ප්රතිඵලය, සහ වෙනත් අයෙකුට නිපදවිය හැක. (5) ලේඛනගත කිරීම - කුමන දත්ත, කුමන පරාමිතිය, කුමන මාදිලි අනුවාදය භාවිතා කළේද යන්න පිළිබඳ වාර්තාව.
කුඩා නඩු තුනක්
නඩුව 1 - දත්ත කාන්දු වීම වැරදියි. එක් කණ්ඩායමක් වාර්තා කළේ මුහුණු වර්ගීකරණය 94% නිරවද්යතාවයක් ලබා දුන් බවයි. පරීක්ෂණයෙන් පෙන්නුම් කළේ එකම ළිඳෙන් අසල්වැසි සාම්පල පුහුණු කිරීම සහ පරීක්ෂා කිරීම (දත්ත කාන්දු වීම) යන දෙකටම සම්බන්ධ බවයි. හොඳින් බිඳ දැමූ විට, නිරවද්යතාවය 71% දක්වා පහත වැටුණි - එය සැබෑ සාමාන්යකරණය විය. කාන්දු වීම ආකෘතියට වඩා හොඳ පෙනුමක් ලබා දුන්නේය.
නඩුව 2 - අධික විශ්වාසනීය ආකෘතිය. එක් දෝෂ අනාවරකයක් එහි සංඥා "95% විශ්වාසය" ලබා දුන්නේය. විශ්වසනීයත්ව රූප සටහන පෙන්නුම් කළේ "95%" ලකුණු ඇත්ත වශයෙන්ම 70% නිවැරදි බවයි. ආකෘතිය ක්රමාංකනය කළ පසු, විශ්වාස ලකුණු යථාර්ථවාදී වූ අතර විචාරකයින් ඔවුන් එක් එක් ලකුණ කොපමණ විශ්වාස කරනවාද යන්න නිවැරදිව සකස් කළහ.
නඩුව 3 - බිඳෙනසුලු ප්රතිලෝම. ගුරුත්වාකර්ෂණ ආකෘතියක් ඉතා ඒත්තු ගැන්වෙන බවක් පෙනෙන්නට තිබුණි. සංවේදිතා විශ්ලේෂණය පෙන්නුම් කළේ නිත්යකරණ බර 20% කින් වෙනස් වූ විට ප්රධාන ව්යුහය අතුරුදහන් වූ බවයි: ව්යුහය පැමිණියේ දත්ත වලින් නොව පරාමිති තේරීමෙනි. කණ්ඩායම "අඩු විශ්වාසය" ලෙස ව්යුහය සලකුණු කර අමතර දත්ත ඉල්ලා සිටියේය.
පිටපත් කළ හැකි සැකිලි හතරක්
1) අවිනිශ්චිතතා මිනුම් සැලැස්ම:
ඔබේ කාර්යභාරය: භූ භෞතික අවිනිශ්චිතතා උපදේශක. මට [ප්රතිලෝම / වර්ගීකරණය / අනාවැකි] ප්රතිඵලයක් ඇත. අවිනිශ්චිතතාවය මැනීමට සහ කුමන අනුපිළිවෙලට මා අදාළ කරන්නේ කුමන ක්රම (එන්සෙම්බල්, සංවේදීතාව, හරස් වලංගුකරණය, අන්ධ පරීක්ෂණය) ද? එක් එක්කෙනා මට කියන දේ සහ ප්රතිඵලය වාර්තා කරන ආකාරය පැහැදිලි කරන්න.
2) ක්රමාංකන පරීක්ෂාව:
මගේ AI ආකෘතිය විශ්වාසය/සම්භාවිතා ලකුණු ලබා දෙයි. මෙම ලකුණු ක්රමාංකනය කර ඇත්දැයි මම පරීක්ෂා කරන්නේ කෙසේද? මම විශ්වසනීයත්ව රූප සටහනක් ගොඩනඟන්නේ කෙසේද, "අධික විශ්වාසය" හෝ "අධික සුපරීක්ෂාකාරී බව" හඳුනාගෙන සැබෑ ප්රතිඵල අනුපාතයට ලකුණු පෙළගස්වන්නේ කෙසේද?
3) දත්ත කාන්දු විගණනය:
මම භූ භෞතික වර්ගීකරණයක් පුහුණු කළා. දත්ත කාන්දු වීමේ අවදානම (එකම ළිඳ/ක්ෂේත්ර සාම්පල පුහුණු කිරීම සහ පරීක්ෂා කිරීම යන දෙකටම ඇතුල් වීම) මම සොයා ගන්නේ කෙසේද සහ වළක්වා ගන්නේ කෙසේද? මම හොඳින්/ක්ෂේත්රයෙන් වෙන්වීම සකසන්නේ කෙසේද? වාර්තා කරන ලද නිරවද්යතාවය සැබෑ සාමාන්යකරණය පිළිබිඹු කරන්නේ දැයි මා දැන ගන්නේ කෙසේද?
4) ප්රතිඵල අස්ථාවරත්වය පරීක්ෂා කිරීම:
මට ප්රතිලෝම/ආදර්ශ ප්රතිඵලයක් ඇත. මෙම ප්රතිඵලය කෙතරම් බිඳෙන සුළුද යන්න මට තේරුම් ගැනීමට අවශ්යයි. කුමන පරාමිතීන් වෙනස් කිරීමෙන් සහ ප්රධාන ව්යුහය කොපමණ වෙනස් වේද? ව්යුහය පැමිණෙන්නේ දත්ත හෝ පරාමිති/පරිශ්රයද යන්න වෙන්කර හඳුනා ගන්නේ කෙසේද? සංවේදී ප්රොටෝකෝලයක් දෙන්න.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල ක්ෂණික:
මගේ ආකෘතියේ ඉහළ නිරවද්යතාවයක් තිබේදැයි බලන්න.
තනි සත්ය අංකයක්; කාන්දු වීම ක්රමාංකනය සහ සාමාන්යකරණය සඟවයි, ව්යාජ විශ්වාසයක් ලබා දෙයි.
බලවත් විමසුම:
ඔබේ කාර්යභාරය: ආදර්ශ වලංගු කිරීමේ විශේෂඥයා. ආදානය: [වර්ගකාරකය N හොඳින් ජනනය කරයි, විශ්වාස ලකුණු]. කාර්යය: (1) දත්ත කාන්දුවට එරෙහිව හොඳින් පදනම් වූ වෙන් කිරීමක් යෝජනා කරන්න; (2) අන්ධ ළිං පරීක්ෂණ ස්ථාපනය කිරීම; (3) විශ්වසනීයත්ව රූප සටහන සමඟ විශ්වාස ලකුණු ක්රමාංකනය කරන්න; (4) ප්රතිඵලය පරාමිතියට කෙතරම් සංවේදීදැයි පරීක්ෂා කරන්න. තනි සත්ය අංකයකට අඩු කිරීම; සාමාන්යකරණය, ක්රමාංකනය සහ අස්ථාවරත්වය වෙන වෙනම වාර්තා කරන්න.
කාන්දු වීම, අන්ධ පරීක්ෂාව, ක්රමාංකනය සහ සංවේදීතා ඉල්ලීම සත්යාපනය අවංක කරයි.
අවිනිශ්චිත මෙවලම්
වාහනය
එය මනින්නේ කුමක් ද?
ප්රධාන අවදානම
ප්රතිදානය
සමූහ
ආදර්ශ ප්රචාරණය
ගිණුම් පිරිවැය
පරාසය/බෙදාහැරීම
සංවේදීතාව
පරාමිති බලපෑම
මඟ හැරුණු ආදානය
බිඳෙනසුලු බව
හරස් වලංගුකරණය
සාමාන්යකරණය
දත්ත කාන්දු වීම
යථාර්ථවාදී නිරවද්යතාව
අන්ධ පරීක්ෂණය
ස්වාධීන සාර්ථකත්වය
ප්රමාණවත් නොවන පරීක්ෂණ කට්ටලයක්
විශ්වාසය
ක්රමාංකනය
යථාර්ථය විශ්වාස කරන්න
අධි විශ්වාසය
පෙලගැසී ඇති සම්භාවිතාව
පොදු වැරදි
- දත්ත කාන්දු වීම නොදැනීම. එය ධර්මිෂ්ඨකම පුම්බනවා; ළිඳෙන්/ක්ෂේත්රයෙන් වෙන් කරන්න.
- එය ක්රමාංකනය නොකර විශ්වාස ලකුණු භාවිතා කිරීම. "90%" ඇත්ත වශයෙන්ම 90% නොවිය හැක.
- තනි සත්ය අංකය මත විශ්වාසය තැබීම. සාමාන්යකරණය සහ ක්රමාංකනය යනු වෙනස් කරුණු දෙකකි.
- අවදානම පරීක්ෂා නොකරයි. පරාමිතිය මගින් අහිමි වූ ව්යුහය සැබෑ තොරතුරු නොවේ.
- අවිනිශ්චිතභාවය වාර්තා නොකරයි. විශ්වාසනීය පරතරයකින් තොරව ප්රතිඵලය ඉදිරිපත් කිරීම නොමඟ යවන සුළුය.
සාරාංශයක් ලෙස
අවිනිශ්චිතතාවය යනු භූ භෞතික විද්යාවේ නොමැකෙන කාරනයයි; කාර්යය වන්නේ එය මැනීම, එය සන්නිවේදනය කිරීම සහ එය පටු කිරීමයි. AI විසින් සමූහ, සංවේදිතාව සහ සම්භාවිතා ප්රතිදානය සමඟ මෙයට පහසුකම් සපයයි, නමුත් තනි විශ්වාසනීය පිළිතුරකින් එය වෙස්වළා ගත හැක. ඝන රාමුවක්; දත්ත කාන්දු වීම වැලැක්වීම, අන්ධ පරීක්ෂණයකින් සාමාන්යකරණය මැනීම, විශ්වාස ලකුණු ක්රමාංකනය කිරීම සහ ප්රතිඵලයේ අස්ථාවරත්වය පරීක්ෂා කිරීම. ක්රමාංකනය නොකළ විශ්වාසය, තහවුරු නොකළ සත්යවාදී බව සහ සැඟවුණු අවිනිශ්චිත බව ඉතාමත් භයානක මිත්යාවන් තුනයි. විශ්වාසනීය භූ භෞතික විද්යාව යනු එහි අවිනිශ්චිතතාවය අවංකව පෙන්නුම් කරන භූ භෞතික විද්යාවයි.
යෙදුම් කාර්යය
AI භූ භෞතික ප්රතිඵලයක් තෝරන්න (වර්ගීකරණය, ප්රතිලෝම හෝ අනාවැකි). "අවිනිශ්චිතතා මැනීමේ සැලැස්ම" අච්චුව සමඟින් සමූහය/සංවේදීතාව/අන්ධ පරීක්ෂණ පියවර සැලසුම් කරන්න. ඉන්පසු "දත්ත කාන්දු විගණන" අච්චුව සමඟ ඔබේ දුම්රිය-පරීක්ෂණ වෙනස පරීක්ෂා කරන්න. ආකෘතිය විශ්වාසනීය ලකුණු ලබා දෙන්නේ නම්, "ක්රමාංකන පිරික්සුම්" අච්චුව සමඟ ලකුණු යථාර්ථවාදී දැයි තක්සේරු කර ඔබේ ප්රතිඵලය විශ්වාස අන්තරයක් සමඟ ලියන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම අවිනිශ්චිතතාවය මනින ලද්දේ සමූහ/සංවේදීතාවයෙනි.
- [ ] මම එය හොඳින්/ක්ෂේත්ර පදනමින් වෙන් කිරීමෙන් දත්ත කාන්දු වීම වැළැක්වෙමි.
- [ ] මම අන්ධ පරීක්ෂණයකින් සාමාන්යකරණය පරීක්ෂා කළෙමි.
- [ ] මම විශ්වාස ලකුණු ක්රමාංකනය කර එහි යථාර්ථවාදය පරීක්ෂා කළෙමි.
- [ ] මම ප්රතිඵලය වාර්තා කළේ විශ්වාස අන්තරයක් සහිතව මිස තනි අගයක් නොවේ.