மாதிரி நிச்சயமற்ற தன்மை, சரிபார்ப்பு மற்றும் அளவுத்திருத்தம்

ஆதாயங்கள்:

• குழுமம், உணர்திறன் பகுப்பாய்வு, குறுக்கு சரிபார்ப்பு மற்றும் குருட்டு சோதனை மூலம் நிச்சயமற்ற தன்மையை அளவிடும் மற்றும் புகாரளிக்கும் திறன்
• நன்கு/புல அடிப்படையில் பிரிப்பதன் மூலம் தரவுக் கசிவைத் தடுக்கும் திறன் மற்றும் அறிக்கையிடப்பட்ட துல்லியம் உண்மையான பொதுமைப்படுத்தலைப் பிரதிபலிக்கிறது.
• நம்பகத்தன்மை வரைபடத்துடன் செயற்கை நுண்ணறிவு நம்பிக்கை மதிப்பெண்ணை அளவீடு செய்யும் திறன் மற்றும் அளவீடு செய்யப்படாத மதிப்பெண்ணை நிகழ்தகவாகப் பயன்படுத்தாத ஒழுக்கத்தைப் பயன்படுத்துதல்

இந்த தொகுதியின் ஒவ்வொரு யூனிட்டிலும் ஒரு தொடர்ச்சியான தீம் உள்ளது: புவி இயற்பியலில் "நிச்சயமான பதில்கள்" இல்லை, நிச்சயமற்ற தன்மையால் வரையறுக்கப்பட்ட மாதிரிகள் மட்டுமே. இந்த அலகு அந்த கருப்பொருளை ஒரு ஒழுக்கமாக மாற்றுகிறது. மாதிரி நிச்சயமற்ற தன்மை என்பது ஒரே தரவை விளக்கக்கூடிய வெவ்வேறு மேற்பரப்பு மாதிரிகளின் இருப்பு மற்றும் ஒவ்வொரு மாதிரியும் ஒரு நம்பிக்கை இடைவெளியைக் கொண்டுள்ளது. சரிபார்ப்பு என்பது ஒரு மாதிரி அல்லது AI வெளியீடு உண்மையில் செல்லுபடியாகுமா என்பதை சுயாதீன ஆதாரங்களுடன் சோதிப்பதாகும். அளவுத்திருத்தம் என்பது ஒரு மாதிரியால் கொடுக்கப்பட்ட நம்பிக்கை/நிகழ்தகவு மதிப்புகள் உண்மையான முடிவுகளுடன் பொருந்துவதை உறுதி செய்வதாகும். இந்த அலகில், செயற்கை நுண்ணறிவு (AI) எவ்வாறு நிச்சயமற்ற தன்மையை அளவிடலாம் மற்றும் மறைக்கலாம் என்பதை ஆராய்வோம்; ஒரு திடமான சரிபார்ப்பு-அளவுத்திருத்த கட்டமைப்பு ஏன் AIஐ நம்பகமானதாக்குகிறது என்பதைப் பார்ப்போம்.

நிச்சயமற்ற ஆதாரங்கள்

புவி இயற்பியல் நிச்சயமற்ற தன்மை பல அடுக்குகளில் இருந்து வருகிறது:

• தரவு நிச்சயமற்ற தன்மை: அளவீட்டு இரைச்சல், வரையறுக்கப்பட்ட கவரேஜ், அளவுத்திருத்தப் பிழை.
• மாதிரி நிச்சயமற்ற தன்மை (பாலிசெமி): ஒரே தரவுக்கு ஒன்றுக்கு மேற்பட்ட அடி மேற்பரப்பு கட்டமைப்பைப் பொருத்துதல்.
• முறை/அளவுரு நிச்சயமற்ற தன்மை: செயலாக்கம், தலைகீழ் மற்றும் முறைப்படுத்துதல் தேர்வுகள் முடிவை மாற்றும்.
• AI க்கு குறிப்பிட்ட நிச்சயமற்ற தன்மை: மாடலின் திறன் நம்பிக்கையுடன் இருக்கும் ஆனால் அது பயிற்சி விநியோகத்திற்கு வெளியே நகரும்போது தோல்வியடைகிறது (விநியோக மாற்றம்).

ஒரு நல்ல புவி இயற்பியலாளரின் பணி இந்த நிச்சயமற்ற தன்மையை அகற்றுவது அல்ல, அதை அளவிடுவது, தொடர்புகொள்வது மற்றும் சுருக்குவது. AI இதை எளிதாக்க முடியும் (பல காட்சிகளை உருவாக்குகிறது) ஆனால் ஒரு நம்பிக்கையான பதிலை உருவாக்குவதன் மூலம் அதை எளிதாக மறைக்க முடியும்.

நிச்சயமற்ற தன்மையை அளவிடுவதற்கான வழிகள்

சில நடைமுறை கருவிகள்:

1. குழுமம்: வெவ்வேறு தொடக்கங்கள், அளவுருக்கள் அல்லது மாதிரிகள் கொண்ட பல ரன்கள்; முடிவுகளின் பரவல் நிச்சயமற்ற தன்மையை அளிக்கிறது.
2. உணர்திறன் பகுப்பாய்வு: உள்ளீட்டை மாற்றுதல் (அளவுரு, தரவு துணைக்குழு) மற்றும் முடிவு எவ்வளவு மாறுகிறது என்பதைப் பார்ப்பது.
3. குறுக்கு சரிபார்ப்பு: தரவை துண்டுகளாகப் பிரித்தல், ஒரு பகுதியுடன் பயிற்சி மற்றும் மற்றொன்றைக் கொண்டு சோதனை செய்தல்; பொதுமைப்படுத்தல் சக்தியை அளவிடுகிறது.
4. குருட்டு சோதனை: பயிற்சியில் இதுவரை கண்டிராத ஒரு சுயாதீனமான கிணறு/வயலைக் கொண்டு மாதிரியை சோதித்தல்.
5. நிகழ்தகவு வெளியீடு: முடிவை விநியோகம்/நம்பிக்கை இடைவெளியாக வழங்குதல், ஒரு மதிப்பு அல்ல.

உதவிக்குறிப்பு: AI ஒரு முடிவைக் கொடுக்கும்போது, ​​எப்போதும் கேட்கவும்: "இந்த முடிவை மாற்ற, உள்ளீட்டில் நான் என்ன, எவ்வளவு நகர்த்த வேண்டும்?" சிறிய அளவுரு மாற்றத்துடன் முடிவு தலைகீழாக மாறினால், அந்த முடிவு உடையக்கூடியது மற்றும் நிச்சயமற்ற தன்மை அதிகமாக இருக்கும்.

அளவுத்திருத்தம்: நம்பிக்கை மதிப்பெண் உண்மையாக உள்ளதா?

AI மாதிரிகள் பெரும்பாலும் நம்பிக்கை/நிகழ்தகவு ("90% தவறு") கொடுக்கின்றன. ஆனால் இந்த எண் அளவீடு செய்யப்படாவிட்டால் தவறாக வழிநடத்தும்: "90%" என்று அது கூறும் 60% வழக்குகளில் மாடல் உண்மையில் சரியாக இருக்கும். அளவுத்திருத்தம் என்பது இந்த எண்ணை உண்மையான முடிவு விகிதத்துடன் சீரமைப்பதாகும். நடைமுறையில், ஒரு நம்பகத்தன்மை வரைபடம் வரையப்பட்டது: நன்கு அளவீடு செய்யப்பட்ட மாதிரியானது "90%" என்று கூறும்போது உண்மையில் 90% சரியாக இருக்கும். புவி இயற்பியலில், ஒரு முடிவெடுப்பதற்கான அடிப்படையை உருவாக்கும் முன், சுயாதீன தரவுகளுடன் AI நம்பிக்கை மதிப்பெண்ணை அளவீடு செய்வது அவசியம்.

எச்சரிக்கை: உயர் துல்லியம் என்பது நல்ல அளவுத்திருத்தம் போன்றது அல்ல. ஒரு மாதிரி பொதுவாக துல்லியமாக இருக்கலாம் ஆனால் அதிக நம்பிக்கையுடன் இருக்கலாம்; முக்கியமான முடிவுகளில் முக்கியமான விஷயம் என்னவென்றால், அது "95%" என்று கூறும்போது அது உண்மையிலேயே நம்பகமானது. அளவீடு செய்யப்படாத நம்பிக்கை மதிப்பெண்ணை ஒரு நிகழ்தகவாகக் கருத வேண்டாம்.

சரிபார்ப்புக்கான கோல்டன் விதிகள்

உறுதியான சரிபார்ப்புக்கு: (1) சுதந்திரம் — சோதனை தரவு பயிற்சி/டியூனிங் செயல்முறையில் தலையிடக் கூடாது (தரவு கசிவு - முடிவை உயர்த்துகிறது). (2) குருட்டு சோதனை - மாதிரி பார்க்காத புலம்/கிணறு. (3) உடல் நிலைத்தன்மை - முடிவு இயற்பியல் மற்றும் புவியியலுக்கு முரணாக இருக்கக்கூடாது. (4) மறுஉருவாக்கம் - அதே உள்ளீட்டுடன் அதே முடிவு, மற்றும் வேறு ஒருவரால் உருவாக்கப்படலாம். (5) ஆவணப்படுத்தல் - என்ன தரவு, எந்த அளவுரு, எந்த மாதிரி பதிப்பு பயன்படுத்தப்பட்டது.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - தரவு கசிவு தவறு. ஃபேசீஸ் வகைப்படுத்தி 94% துல்லியத்தை அளித்ததாக ஒரு குழு தெரிவித்துள்ளது. அதே கிணற்றில் இருந்து அண்டை மாதிரிகள் பயிற்சி மற்றும் சோதனை (தரவு கசிவு) ஆகிய இரண்டிலும் ஈடுபட்டுள்ளன என்று விசாரணை காட்டுகிறது. நன்றாக உடைந்தபோது, ​​துல்லியம் 71% ஆகக் குறைந்தது - அதுதான் உண்மையான பொதுமைப்படுத்தல். கசிவு மாடலை உண்மையில் இருந்ததை விட சிறப்பாக தோற்றமளித்தது.

வழக்கு 2 - அதிக நம்பிக்கை கொண்ட மாதிரி. ஒரு தவறு கண்டறிதல் அதன் அறிகுறிகளில் "95% நம்பிக்கையை" அளித்தது. நம்பகத்தன்மை வரைபடம் "95%" மதிப்பெண்கள் உண்மையில் 70% துல்லியமாக இருப்பதைக் காட்டியது. மாதிரி அளவீடு செய்யப்பட்டவுடன், நம்பிக்கை மதிப்பெண்கள் யதார்த்தமானதாக மாறியது மற்றும் வர்ணனையாளர்கள் ஒவ்வொரு அடையாளத்தையும் எவ்வளவு நம்புவார்கள் என்பதை சரியாகச் சரிசெய்தனர்.

வழக்கு 3 - உடையக்கூடிய தலைகீழ். ஒரு ஈர்ப்பு மாதிரி மிகவும் உறுதியானது. ஒழுங்குபடுத்தும் எடை 20% ஆல் மாறும்போது முக்கிய அமைப்பு மறைந்துவிட்டதாக உணர்திறன் பகுப்பாய்வு காட்டுகிறது: கட்டமைப்பு தரவுகளிலிருந்து வரவில்லை, ஆனால் அளவுரு தேர்விலிருந்து வந்தது. குழு கட்டமைப்பை "குறைந்த நம்பிக்கை" எனக் கொடியிட்டு கூடுதல் தரவைக் கோரியது.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) நிச்சயமற்ற அளவீட்டுத் திட்டம்:

உங்கள் பங்கு: புவி இயற்பியல் நிச்சயமற்ற ஆலோசகர். என்னிடம் [தலைகீழ் / வகைப்பாடு / கணிப்பு] முடிவு உள்ளது. நிச்சயமற்ற தன்மை மற்றும் எந்த வரிசையில் அளவிடுவதற்கு நான் எந்த முறைகளை (குழுமம், உணர்திறன், குறுக்கு சரிபார்ப்பு, குருட்டு சோதனை) பயன்படுத்துகிறேன்? ஒவ்வொருவரும் என்னிடம் என்ன சொல்கிறார்கள் மற்றும் முடிவை எவ்வாறு புகாரளிப்பது என்பதை விளக்குங்கள்.

2) அளவுத்திருத்த சரிபார்ப்பு:

எனது AI மாதிரி நம்பிக்கை/நிகழ்தகவு மதிப்பெண்ணை வழங்குகிறது. இந்த மதிப்பெண் அளவீடு செய்யப்பட்டுள்ளதா என்பதை நான் எவ்வாறு சோதிப்பது? நம்பகத்தன்மை வரைபடத்தை எவ்வாறு உருவாக்குவது, "அதிக நம்பிக்கை" அல்லது "அதிக எச்சரிக்கை" ஆகியவற்றை அங்கீகரிப்பது மற்றும் உண்மையான விளைவு விகிதத்திற்கு மதிப்பெண்ணை எவ்வாறு சீரமைப்பது?

3) தரவு கசிவு தணிக்கை:

நான் ஒரு புவி இயற்பியல் வகைப்படுத்தி பயிற்சி பெற்றேன். தரவு கசிவு (பயிற்சி மற்றும் சோதனை ஆகிய இரண்டிலும் உள்ள அதே கிணறு/கள மாதிரிகள்) அபாயத்தை நான் எவ்வாறு கண்டறிந்து தடுப்பது? கிணறு/வயல் மூலம் பிரிப்பை எவ்வாறு அமைப்பது? அறிக்கையின் துல்லியம் உண்மையான பொதுமைப்படுத்தலைப் பிரதிபலிக்கிறதா என்பதை நான் எப்படி அறிவது?

4) முடிவு பலவீனம் சோதனை:

என்னிடம் தலைகீழ்/மாடல் முடிவு உள்ளது. இந்த முடிவு எவ்வளவு பலவீனமானது என்பதை நான் புரிந்து கொள்ள விரும்புகிறேன். எந்த அளவுருக்களை மாற்றுவதன் மூலம் முக்கிய அமைப்பு எவ்வளவு மாறுகிறது? கட்டமைப்பு தரவு அல்லது அளவுருக்கள்/முன்னணியிலிருந்து வந்ததா என்பதை நான் எவ்வாறு வேறுபடுத்துவது? உணர்திறன் நெறிமுறையைக் கொடுங்கள்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

எனது மாடலில் அதிக துல்லியம் உள்ளதா என்று பார்க்கவும்.

ஒற்றை உண்மை எண்; கசிவு அளவுத்திருத்தம் மற்றும் பொதுமைப்படுத்தலை மறைத்து, தவறான நம்பிக்கையை அளிக்கிறது.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: மாதிரி சரிபார்ப்பு நிபுணர். உள்ளீடு: [வகைப்படுத்துபவர் N நன்றாக, நம்பிக்கை மதிப்பெண்களை உருவாக்குகிறார்]. பணி: (1) தரவு கசிவுக்கு எதிராக நன்கு அடிப்படையிலான ஒதுக்கீட்டை முன்மொழிதல்; (2) கண்மூடித்தனமான கிணறு சோதனையை நிறுவவும்; (3) நம்பகத்தன்மை வரைபடத்துடன் நம்பிக்கை மதிப்பெண்ணை அளவீடு செய்தல்; (4) அளவுருவுக்கு முடிவு எவ்வளவு உணர்திறன் கொண்டது என்பதை சோதிக்கவும். ஒற்றை உண்மை எண்ணாகக் குறைத்தல்; பொதுமைப்படுத்தல், அளவுத்திருத்தம் மற்றும் பலவீனம் ஆகியவற்றை தனித்தனியாகப் புகாரளிக்கவும்.

கசிவு, குருட்டு சோதனை, அளவுத்திருத்தம் மற்றும் உணர்திறன் கோரிக்கை ஆகியவை சரிபார்ப்பை நேர்மையானதாக்குகின்றன.

நிச்சயமற்ற கருவிகள்

வாகனம்

இது எதை அளவிடுகிறது?

முக்கிய ஆபத்து

வெளியீடு

குழுமம்

மாதிரி பரப்புதல்

கணக்கு செலவு

வரம்பு/விநியோகம்

உணர்திறன்

அளவுரு விளைவு

தவறவிட்ட உள்ளீடு

உடையக்கூடிய தன்மை

குறுக்கு சரிபார்ப்பு

பொதுமைப்படுத்தல்

தரவு கசிவு

யதார்த்தமான துல்லியம்

குருட்டு சோதனை

சுயாதீன வெற்றி

போதுமான சோதனை தொகுப்பு இல்லை

நம்பிக்கை

அளவுத்திருத்தம்

யதார்த்தத்தை நம்புங்கள்

அதீத நம்பிக்கை

சீரமைக்கப்பட்ட நிகழ்தகவு

பொதுவான தவறுகள்

• தரவு கசிவை கவனிக்கவில்லை. அது நீதியை உயர்த்துகிறது; கிணறு/வயல் மூலம் பிரிக்கவும்.
• நம்பக மதிப்பெண்ணை அளவீடு செய்யாமல் பயன்படுத்துதல். "90%" உண்மையில் 90% ஆக இருக்காது.
• ஒற்றை உண்மை எண்ணை நம்பி. பொதுமைப்படுத்தல் மற்றும் அளவுத்திருத்தம் இரண்டு வெவ்வேறு விஷயங்கள்.
• பாதிப்பை சோதிக்கவில்லை. அளவுருவால் இழந்த கட்டமைப்பு உண்மையான தகவல் அல்ல.
• நிச்சயமற்ற தன்மையைப் புகாரளிக்கவில்லை. நம்பிக்கை இடைவெளி இல்லாமல் முடிவை வழங்குவது தவறானது.

சுருக்கமாக

நிச்சயமற்ற தன்மை என்பது புவி இயற்பியலின் தவிர்க்க முடியாத உண்மை; வேலை அதை அளவிடுவது, தொடர்புகொள்வது மற்றும் சுருக்குவது. குழுமம், உணர்திறன் மற்றும் நிகழ்தகவு வெளியீடு மூலம் AI இதை எளிதாக்குகிறது, ஆனால் ஒரு நம்பிக்கையான பதிலுடன் அதை மறைக்கவும் முடியும். ஒரு திடமான சட்டகம்; தரவு கசிவைத் தடுப்பது, குருட்டு சோதனை மூலம் பொதுமைப்படுத்தலை அளவிடுதல், நம்பிக்கை மதிப்பெண்ணை அளவீடு செய்தல் மற்றும் முடிவின் பலவீனத்தை சோதித்தல். அளவீடு செய்யப்படாத நம்பிக்கை, சரிபார்க்கப்படாத உண்மை மற்றும் மறைக்கப்பட்ட நிச்சயமற்ற தன்மை ஆகியவை மிகவும் ஆபத்தான மூன்று மாயைகள். நம்பகமான புவி இயற்பியல் என்பது அதன் நிச்சயமற்ற தன்மையை நேர்மையாக நிரூபிக்கும் புவி இயற்பியல் ஆகும்.

விண்ணப்ப பணி

AI புவி இயற்பியல் முடிவைத் தேர்ந்தெடுக்கவும் (வகைப்படுத்தல், தலைகீழ் அல்லது கணிப்பு). "நிச்சயமற்ற அளவீட்டுத் திட்டம்" டெம்ப்ளேட்டுடன் குழுமம்/உணர்திறன்/குருட்டு சோதனைப் படிகளைத் திட்டமிடுங்கள். "தரவு கசிவு தணிக்கை" டெம்ப்ளேட்டைக் கொண்டு உங்கள் ரயில்-சோதனை வேறுபாட்டைச் சோதிக்கவும். மாடல் நம்பிக்கை மதிப்பெண்ணைக் கொடுத்தால், "அளவுத்திருத்த சரிபார்ப்பு" டெம்ப்ளேட்டுடன் மதிப்பெண் யதார்த்தமானதா என்பதை மதிப்பீடு செய்து, உங்கள் முடிவை நம்பிக்கை இடைவெளியுடன் எழுதவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் குழுமம்/உணர்திறன் மூலம் நிச்சயமற்ற தன்மையை அளந்தேன்.
• [ ] கிணறு/வயல் அடிப்படையில் பிரித்து தரவு கசிவை தடுத்தேன்.
• [ ] நான் ஒரு குருட்டு சோதனை மூலம் பொதுமைப்படுத்தலை சோதித்தேன்.
• [ ] நான் நம்பிக்கை மதிப்பெண்ணை அளவீடு செய்து அதன் யதார்த்தத்தை சரிபார்த்தேன்.
• [ ] நான் ஒரு நம்பிக்கை இடைவெளியுடன் முடிவைப் புகாரளித்தேன், ஒரு மதிப்பு இல்லை.