سلام مجدد همانطور که گفته بودم قرار بود در قسمت بعدی از نوزادی تا هوش مصنوعی درمورد یادگیری ماشین چگونه رخ میدهد صحبت کنیم یعنی ادامه و پیشرفته تر از مقاله قبلی امیدوارم لذت ببرید.
از دیدگاه فنی، فرآیندی که در نسخه عمومی به «بزرگ شدن نوزاد» تشبیه شد، همان آموزش مدل (Model Training) است، آموزشِ مدل یعنی مرحلهای که «یادگیری» در آن رخ میدهد: مدل روی مجموعهدادهٔ آموزشی اجرا میشود و در هر تکرار، پارامترهای آن — یعنی وزنها (Weights) و بایاسها (Biases) درون توابع ریاضی الگوریتم — طوری تنظیم میشوند که خطای خروجی کمتر شود. هدف ریاضیِ این فرآیندکمتر کردن خطا وبالا بردن درصد دقت هستش وقتی خطا از آستانهٔ تعیینشده کمتر شود، مدل «آموزشدیده» به حساب میآید .
در عمل، آموزش یک چرخهٔ تکرارشونده است: گردآوری و پالایش داده، اجرای مدل روی دادهٔ آموزشی، اندازهگیری خطا، بهینهسازی پارامترها، و سنجش عملکرد روی دادهٔ اعتبارسنجی (Validation). مقادیر نهایی همین وزنها و بایاسها هستند که «دانشِ» مدل را شکل میدهند — دقیقاً همان چیزی که در آنالوژیِ نوزاد، «راه رفتن یاد گرفته» نامیده شد.
نکتهٔ مهم دیگر، تمایز «الگوریتم» و «مدل» است: الگوریتم، رویهٔ ریاضیِ تولید خروجی است و مدل، حاصلِ بهینهسازی پارامترهای آن الگوریتم روی یک دادهٔ خاص. دو مدل میتوانند ساختار یکسانی داشته باشند اما چون روی دادههای متفاوت آموزش دیدهاند، «دانش» متفاوتی داشته باشند. همچنین مدلهای زبانی بزرگ (LLM) معمولاً از ترکیبی از پارادایمها بهره میبرند: پیشآموزشِ خودنظارتی (Self-Supervised Pretraining)، سپس تنظیم دقیق نظارتشده (Supervised Fine-Tuning) و در نهایت یادگیری تقویتی با بازخورد انسانی (RLHF) — یعنی همان «کودکستان، مدرسه و مربیِ انسانی» در زبانِ آنالوژیِ نوزاد.