איך בונים מערכות בינה מלאכותית שלומדות מטעויות?
לעדכונים על מפגשי AI Builders הצטרפו לקבוצת הוואטסאפ
כמה פעמים תיקנתם פלט של מערכת בינה מלאכותית, הוספתם עוד שורה לפרומפט - ואז נתקלתם שוב באותה טעות?
משוב לבדו אינו למידה. כדי שמערכת באמת תשתפר, צריך להפוך את התיקון האנושי לידע מקודד, מדיד ושימושי שחוזר למערכת הנכונה.
במפגש צאלה, Founder & CEO, The Talent Leak Lab™, תציג מסגרת מעשית לבניית מערכות לומדות:
Capture - לתעד את הכשל, ההקשר והתיקון האנושי
Classify - להבין אם הבעיה היא בידע, בהסקה, בבחירת כלי, בזיכרון, במדיניות, בתהליך או באיכות הנתונים
Route - לנתב את התיקון לשכבה הנכונה: הקשר, זיכרון, מיומנות, כלי מקור אמת או מנגנון הגנה
Encode - להפוך את התיקון לנכס חוזר עם תחום, קלט, פלט, תנאי הפעלה וגבולות
Evaluate - לבדוק את התיקון מול המקרה המקורי, מקרים סמוכים, מקרי קצה ומקרים שליליים
Promote - לקדם תיקונים שהוכחו למיומנויות, מדיניות, סכמות או תהליכים מנוהלי גרסאות
Observe - למדוד דיוק, עקביות, זמן תגובה, עלות טוקנים, כשלים בכלים ורגרסיות
נדבר גם על המלכודת של פאונדרים שהופכים לשכבת התיווך האנושית של המוצר - האנשים היחידים שיודעים למה פלט שגוי ואיך לתקן אותו - ועל הדמיון בין מערכות בינה מלאכותית שמאבדות שוב ושוב טוקנים לבין ארגונים שמאבדים שוב ושוב טאלנט, כי הלמידה נשארת אצל אדם במקום להיטמע במערכת.
בסוף המפגש תצאו עם לולאה שאפשר ליישם במוצר: Observe. Classify. Encode. Evaluate. Reuse.
למי זה מתאים?
לפאונדרים, יזמים, אנשי מוצר ובוני מערכות בינה מלאכותית שרוצים להפוך תיקונים חד-פעמיים ליכולת מערכתית מצטברת.