ЯК ПІДВИЩИТИ ТОЧНІСТЬ МОДЕЛЕЙ ГШІ
Sorry, this entry is only available in Українська.
На сайті Times Higher Education опублікована стаття групи наукових співробітників університетів Великобританії та Німеччіни «Як підвищити точність моделей ГШІ».
У ній наголошується, що генеративний штучний інтелект пропонує способи надання індивідуального зворотного зв’язку великим групам. Та виникає питання: чи можна покластися на ці моделі, щоб дати учням точні, релевантні відповіді? Автори пропонують три підходи, які можуть реалізувати педагоги. Звісно, інструменти ШІ повинні містити попередження про те, що вони можуть надавати неточну інформацію. Відповідно виникає наступне запитання: які механізми можна використовувати, щоб гарантувати, що ГШІ надає студентам точну, актуальну та контекстну інформацію? Це особливо актуально для викладачів, які можуть не мати технічних знань або доступу до спеціалізованих ресурсів. Великі мовні моделі використовують імовірнісну генерацію тексту, а не фактичний пошук, отже вони передбачають найбільш вірогідну послідовність слів на основі шаблонів, отриманих із великого навчального набору даних. Враховуючи ризик того, що чат-боти дадуть неправильні відповіді на запитання студентів, як гарантувати точність і надійність інформації з чат-ботів для окремих предметних областей? По-перше, необхідна генерація з доповненим пошуком – це найкращий підхід, але він підвищує рівень складності, оскільки потребує від викладача технічного досвіду у створенні баз даних, конфігурації пошукових систем та оптимізації моделі для встановлення пріоритетів отриманої інформації, що у сукупності робить його менш доступним для викладачів. Їм може бракувати ресурсів або технічної підтримки, необхідних для здійснення відповідних налаштувань та подальшого обслуговування системи. По-друге, можна створити власний чат-бот, але тут проблеми ті самі. По-третє, можна запровадити колективну участь із підказуванням правильних відповідей самими учнями, при якому здійснюється залучення студентів до навчання (т.зв. «оцінка та отримання зворотного зв’язку»). Цей варіант залучає здобувачів освіти за допомогою персоналізованого зворотного зв’язку навіть у великих групах і потребує реалізації наступного сценарію: створення завдання та підказки;
надсилання підказки; генерація відгуку; пошук прикладів.
Детальніше: https://ukrintei.ua/y/3oVV8
Фото: pixabaу.com
#НРАТ_Усі_новини #НРАТ_ШтучнийІнтелект #НРАТ_Науковцям_новини #НРАТ_Освітянам_новини #НРАТ_Освітянам_КращіПрактики
