பயிற்றுவிப்பு உத்திகளைச் சோதிக்க மலிவான வழி
தகவமைப்பு AI ஆசிரியர்கள் அவற்றை உருவாக்கப் பயன்படுத்தப்படும் பின்னூட்டத்தின் தரத்தைப் பொறுத்தே அமைகின்றன. எந்த விளக்கம் தடுமாறும் மாணவரை மீட்டெடுக்கிறது, எது அவரைச் சிக்கலில் விட்டுவிடுகிறது என்பதை ஆராய்ச்சியாளர்கள் கண்டறியும்போது ஆசிரியர் மேம்படுகிறார். இந்தச் சுழற்சிக்கு பொதுவாக உண்மையான மனிதர்கள் தேவை: பிரச்சினைகளைத் தீர்க்கும், தவறுகள் செய்யும், குறிப்புகளைப் பெறும், பின்னர் தங்களைத் திருத்திக்கொள்ளும் அல்லது மீண்டும் தோல்வியடையும் மாணவர்கள். இத்தகைய சுழற்சியை பெரிய அளவில் இயக்குவது விலை உயர்ந்தது, மேலும் StudentSim-க்குப் பின்னால் உள்ள ஆராய்ச்சியாளர்கள் இந்தச் செலவே பயிற்றுவிப்பு அமைப்புகளைப் பின்தள்ளும் முக்கிய தடையாக மாறிவிட்டது என்று வாதிடுகின்றனர்.
அவர்களின் தீர்வு மாணவர்களை உருவகப்படுத்துவதாகும். மைக்ரோசாப்ட் மற்றும் இல்லினாய்ஸ் பல்கலைக்கழகம் இணைந்து உருவாக்கிய StudentSim, ஒரு ஆய்வில் உள்ள ஒவ்வொரு மாணவருக்கும் தனித்துவமான டிஜிட்டல் நகலை உருவாக்குகிறது, பின்னர் ஆசிரியர் சரிசெய்யப்படும்போது அந்த நகல்கள் உண்மையான மாணவர்களுக்குப் பதிலாக செயல்பட அனுமதிக்கிறது. நகல்கள் உடனடியாக பதிலளிப்பதாலும், இயக்க கிட்டத்தட்ட எந்தச் செலவும் இல்லாததாலும், ஒரு வகுப்பறை ஆய்வு எப்போதும் அனுமதிக்காத பல பயிற்றுவிப்பு உத்திகளை ஆராய்ச்சியாளர்கள் சோதிக்க முடியும். தற்போது அவர்கள் சார்ந்திருக்கும் மெதுவான, விலை உயர்ந்த பின்னூட்ட சேனலுக்குப் பதிலாக AI ஆசிரியர்களுக்கு விரைவான, குறைந்த செலவிலான பின்னூட்ட சேனலை வழங்குவதே இலக்கு என்று கட்டுரையின் ஆசிரியர்கள் விவரிக்கின்றனர்.
இதுவரை இணைக்கப்படாத இரண்டு திறன்கள்
முந்தைய மாணவர் மாதிரியாக்க முயற்சிகள் பாதிப் பிரச்சினையை மட்டுமே தீர்த்தன என்று ஆராய்ச்சியாளர்கள் வாதிடுகின்றனர். அவர்களின் பகுப்பாய்வின்படி, தற்போதுள்ள அமைப்புகள் இரண்டு பிரிவுகளில் ஒன்றில் விழுகின்றன, ஒவ்வொரு பிரிவிலும் ஒரு அத்தியாவசிய அம்சம் இல்லை.
- நடத்தை நகல்கள்: இந்த மாதிரிகள் உண்மையான மாணவர் தரவுகளில் பயிற்றுவிக்கப்பட்டு, ஒரு குறிப்பிட்ட மாணவரின் பதில்களை நியாயமான துல்லியத்துடன் மீண்டும் உருவாக்குகின்றன, அந்த மாணவர் வழக்கமாகச் செய்யும் தவறுகள் உட்பட. ஆனால் ஆசிரியரின் விளக்கத்திற்கு அவற்றால் பதிலளிக்க முடியாது.
- தூண்டப்பட்ட மொழி மாதிரிகள்: இவை ஒரு மாணவரைப் போல நடந்துகொள்ள அறிவுறுத்தப்படும் பொது நோக்க மாதிரிகள். அவை குறிப்புகளை விருப்பத்துடன் பின்பற்றி, சைகையின் பேரில் பதில்களைத் திருத்துகின்றன, ஆனால் அவை குறிப்பிடும் மாணவரை உண்மையில் ஒத்திருப்பதில்லை.
ஒரு AI ஆசிரியருக்கு இரண்டு பண்புகளும் ஒரே நேரத்தில் தேவை. ஒரு யதார்த்தமான தொடக்கப் புள்ளி தேவை, அதாவது ஒரு உண்மையான மாணவர் எந்தக் காரணங்களுக்காகத் தவறு செய்வாரோ அதே காரணங்களுக்காக அதே பிரச்சினைகளைத் தவறாகச் செய்யும் நகல். உதவி வரும்போது அந்த நகல் தனது மனதை மாற்றிக்கொள்ளவும் வேண்டும். ஒருபோதும் மேம்படாத மாணவர் ஒரு குறிப்பு பயனளித்ததா என்பதைக் காட்ட முடியாது, தவறான காரணங்களுக்காக மேம்படும் மாணவர் தவறான ஆதாரங்களை உருவாக்குகிறார்.
இரண்டு பண்புகளையும் அளவிடக்கூடிய இலக்குகளாக மாற்றுதல்
StudentSim ஒவ்வொரு பண்பையும் ஒரு தெளிவற்ற லட்சியமாக அல்லாமல் மேம்படுத்த வேண்டிய மதிப்பெண்ணாகக் கருதுகிறது. ஒரு அளவீடு, தவறுகள் உட்பட, ஒரு நகலின் பதில்கள் உண்மையான மாணவரின் பதில்களுடன் எவ்வளவு நெருக்கமாகப் பொருந்துகின்றன என்பதைப் பிடிக்கிறது. இரண்டாவது அளவீடு, ஆசிரியர் தலையிட்ட பிறகு நகல் ஒரு பதிலை எவ்வளவு தயாராகத் திருத்துகிறது என்பதைப் பிடிக்கிறது. ஒன்றாக, இந்த இரண்டு அளவீடுகளும் ஒரு உருவகப்படுத்தப்பட்ட மாணவர் ஆசிரியர் பயிற்சிக்கு பயனுள்ளதாக இருப்பது எதைக் குறிக்கிறது என்பதை வரையறுக்கின்றன, வெறும் உரையாடலில் நம்பத்தகுந்ததாக இருப்பதை அல்ல.
தடை: ஒரு மாணவருக்குக் கிட்டத்தட்ட தரவு இல்லை
குழு எதிர்கொண்ட மிகக் கடினமான கட்டுப்பாடு பற்றாக்குறை. அவர்களின் ஆங்கில எழுத்துத் தரவுத்தொகுப்பு இந்தப் பிரச்சினையைத் தெளிவாக விளக்குகிறது: சராசரி மாணவர் மூன்று கட்டுரைகளை மட்டுமே எழுதியிருந்தார், மேலும் மூன்றில் இரண்டு பங்குக்கும் மேற்பட்ட மாணவர்கள் ஐந்து அல்லது அதற்குக் குறைவாகவே எழுதியிருந்தனர். இவ்வளவு சிறிய மாதிரிக்கு நேரடியாக ஒரு நகலைப் பொருத்துவது வேலை செய்யாது. இவ்வளவு குறைவான எடுத்துக்காட்டுகளுடன், மாதிரி எழுத்தாளரைப் பற்றி பொதுவாக எதையும் கற்காமல், அதன் முன் உள்ள குறிப்பிட்ட கட்டுரைகளை மனப்பாடம் செய்கிறது, இந்தத் தோல்வி முறையை ஆராய்ச்சியாளர்கள் மிகைப்பொருத்தம் என்று விவரிக்கின்றனர்.
இது ஒரு குழப்பத்தை ஏற்படுத்துகிறது. ஒரு மாணவரின் சில சமர்ப்பிப்புகளில் பயிற்றுவிக்கப்பட்ட மாதிரி நம்புவதற்கு மிகவும் உடையக்கூடியது, ஆனால் நம்பகமான நகலைப் பயிற்றுவிக்க ஒவ்வொரு தனிநபரிடமிருந்தும் போதுமான வேலையைச் சேகரிப்பது என்பது இந்த அமைப்பு தேவைப்படாமல் இருக்க வடிவமைக்கப்பட்ட அந்தத் தரவையே சேகரிப்பதாகும். வேறு வார்த்தைகளில் கூறுவதானால், பற்றாக்குறை பிரச்சினையை அதிக மாணவர் சமர்ப்பிப்புகளைக் கேட்பதன் மூலம் தீர்க்க முடியாது.
இரு-நிலை பயிற்சி குறைந்த தரவை மேலும் நீட்டிக்கிறது
நிலை ஒன்று: மாணவர்கள் பகிர்ந்துகொள்வதைக் கற்றுக்கொள்ளுங்கள்
முதல் நிலை ஒருங்கிணைப்பின் மூலம் பற்றாக்குறையைத் தவிர்க்கிறது. ஒரு அடிப்படை மாதிரி ஒரு பாடத்தில் உள்ள ஒவ்வொரு மாணவரின் ஒருங்கிணைந்த வேலையில் பயிற்றுவிக்கப்படுகிறது, குழுவில் பொருந்தும் வடிவங்களைக் கற்கிறது: மாணவர்கள் பொதுவாகச் செய்யும் தவறுகள், மற்றும் ஆசிரியர் ஒரு குறிப்பை வழங்கியதும் அவர்கள் தங்கள் பதில்களைத் திருத்தும் வழிகள். இந்த நிலை அந்தத் துறையில் கற்றல் எப்படி இருக்கும் என்பது பற்றிய பொதுவான அறிவை வழங்குகிறது.
நிலை இரண்டு: தனிநபருக்கு ஏற்றவாறு மாற்றுங்கள்
இரண்டாவது நிலை தனிப்பயனாக்குகிறது. ஒருங்கிணைந்த அடிப்படையிலிருந்து தொடங்கி, அந்த நபர் விட்டுச்சென்ற எத்தனைச் சில பதிவுகளையும் கொண்டு, எடுத்துக்காட்டாக மூன்று கட்டுரைகள், அமைப்பு ஒரு மாணவருக்கு ஏற்றவாறு மாற்றியமைக்கிறது. மாதிரி ஏற்கனவே பாடத்தை பரந்த அளவில் புரிந்துகொண்டிருப்பதால், தனிநபர் தரவு அனைத்தையும் புதிதாகக் கற்பிப்பதற்குப் பதிலாக ஒரு குறிப்பிட்ட மாணவரின் போக்குகளை நோக்கி அதைத் தள்ள வேண்டியது மட்டுமே.
இதன் விளைவு, ஒரு தரவுத்தொகுப்பில் உள்ள கிட்டத்தட்ட ஒவ்வொரு மாணவருக்கும் உருவாக்கக்கூடிய ஒரு நகல், தனியாக ஒரு மாதிரியைப் பயிற்றுவிக்க போதுமான வேலையைச் சமர்ப்பித்த மிகச் செயல்திறன் மிக்க மாணவர்களுக்கு மட்டுமல்ல. மதிப்பீட்டு ஆய்வுகளுக்கு, இது மிகவும் முக்கியமானது. ஒரு வகுப்பின் மிகவும் சுறுசுறுப்பான மூன்றில் ஒரு பகுதியை மட்டுமே மாதிரியாக்கும் ஒரு அமைப்பு, முழு அளவிலான மாணவர்களிடையே ஒரு ஆசிரியர் எவ்வாறு செயல்படுகிறார் என்பதைப் பற்றி ஒரு திரித்த படத்தைக் கொடுக்கும்.
சதுரங்கம் மற்றும் எழுத்தில் சோதனை
சதுரங்கம் மற்றும் ஆங்கில எழுத்து உட்பட பல பாடங்களில் 60 மாணவர்கள் மீது ஆராய்ச்சியாளர்கள் இந்த அணுகுமுறையைச் சரிபார்த்தனர். இந்த இரண்டு துறைகளும் அமைப்பை வெவ்வேறு வழிகளில் அழுத்துகின்றன. சதுரங்கம் தெளிவான சரி மற்றும் தவறான பதில்களுடன் நகர்வு-நகர்வு பதிவுகளை வழங்குகிறது, அதே சமயம் எழுத்து வாதம், அமைப்பு மற்றும் திருத்தம் பற்றிய தீர்ப்பைக் கோருகிறது. அந்த அமைப்புகள் முழுவதும், நகல்கள் ஒரு மாணவரின் வழக்கமான தவறுகளைப் பின்பற்றவும், அந்த மாணவர் எப்படி இருப்பாரோ அப்படியே வழிகாட்டுதலுக்குப் பதிலளிக்கவும் முடியும் என்பதைக் காட்டுவதே நோக்கமாக இருந்தது.
பயிற்சி சுழற்சிக்கு இரண்டு தேவைகளும் அவசியம். ஒரு நகல் தவறுகளை உண்மையாக மீண்டும் உருவாக்கினாலும் குறிப்புகளைப் புறக்கணித்தால், அதன் விளக்கங்கள் உதவினவா என்பது பற்றி ஆசிரியருக்கு எந்த சமிக்ஞையும் கிடைக்காது. அது ஒவ்வொரு குறிப்புக்கும் உற்சாகமாகப் பதிலளித்தாலும் உண்மையான மாணவரை ஒருபோதும் ஒத்திருக்கவில்லை என்றால், அதன் விளைவாக வரும் அளவீடுகள், பயன்பாட்டில் உள்ள ஒரு ஆசிரியர் இறுதியில் சந்திக்கப்போகும் மாணவர்களைப் பற்றி எதையும் கூறாது.
ஒரு ஆராய்ச்சிக் கட்டுரைக்கு அப்பால் இது ஏன் முக்கியம்
ஒவ்வொரு மாணவரின் பலவீனங்களுக்கும் ஏற்ற வகையில் அறிவுறுத்தலை வழங்கும் வாக்குறுதியின் பேரில் AI பயிற்றுவிப்பு பெரும் முதலீட்டை ஈர்த்துள்ளது, ஆனால் தனிப்பயனாக்கம் எதற்கு யாருக்கு வேலை செய்கிறது என்பதற்கான ஆதாரங்களைப் பொறுத்தது. ஆதாரக் குழாய் மாணவர்களைத் திரட்டும் செலவால் தடைபட்டால், முன்னேற்றம் பட்ஜெட்டால் ஒதுக்கப்படும். உருவகப்படுத்தப்பட்ட மாணவர்கள், பெரிய மொழி மாதிரிகளின் வேகமாக முன்னேறும் திறன்களுக்கும் அவற்றின் மேல் கட்டப்பட்ட மெதுவாக நகரும் பயிற்றுவிப்பு அமைப்புகளுக்கும் இடையிலான இடைவெளியைக் குறைக்க ஒரு வழியை வழங்குகிறார்கள்.
- நகல்கள் வாரங்களுக்குப் பதிலாக சில வினாடிகளில் பின்னூட்டத்தை உருவாக்குவதால், பயிற்றுவிப்பு உத்திகளை மிக வேகமாக ஒப்பிட முடியும்.
- உண்மையான மாணவர்களைச் சுழற்சியில் வைத்து நடைமுறைக்கு ஒவ்வாத அல்லது நெறிமுறைரீதியாகச் சிக்கலான சோதனைகளை ஆராய்ச்சியாளர்கள் நடத்த முடியும்.
- வழக்கத்திற்கு மாறான தவறு வடிவங்களைக் கொண்ட அல்லது மிகக் குறைவான பதிவுசெய்யப்பட்ட வேலையைக் கொண்ட அசாதாரண மாணவர்கள், கண்ணுக்குத் தெரியாதவர்களாக இருப்பதற்குப் பதிலாகச் சோதிக்கக்கூடியவர்களாகிறார்கள்.
- அதிக வேலையைச் சமர்ப்பிக்கும் சில மாணவர்களுக்குப் பதிலாக, மதிப்பீடு ஒரு முழு வகுப்பறையையும் உள்ளடக்க முடியும்.
வடிவமைப்பில் மறைமுகமான வரம்புகள் உள்ளன. நகல்கள் ஒருங்கிணைந்த தரவுகளில் உள்ள எந்த இடைவெளிகளையும் சார்புகளையும் வாரிசாகப் பெறுகின்றன, மேலும் ஒரு உருவகப்படுத்தப்பட்ட மாணவர் அதை வடிவமைக்கப் பயன்படுத்தப்பட்ட பதிவுகளைப் போலவே உண்மையாக இருக்க முடியும். மூன்று கட்டுரைகளால் குறிப்பிடப்படும் ஒரு மாணவர், மாதிரி எவ்வளவு புத்திசாலித்தனமாக மாற்றியமைக்கப்பட்டாலும், இன்னும் மூன்று கட்டுரைகளாலேயே குறிப்பிடப்படுகிறார்.
கட்டுரையின் சொந்த கட்டமைப்பு துறைக்கான அடுத்த கேள்வியை பரிந்துரைக்கிறது: உருவகப்படுத்தப்பட்ட மாணவர்களுக்கு எதிராக அளவிடப்பட்ட முன்னேற்றங்கள், அந்த மாணவர்கள் குறிக்கும் வகுப்பறைகளுக்கு மாறுகின்றன என்பதை நிரூபித்தல். அந்த மாற்றம் நிரூபிக்கப்படும் வரை, StudentSim சிறந்த பயிற்றுவிப்பைத் தேடுவதை விரைவுபடுத்தும் ஒரு வழியாகவே சிறந்த முறையில் புரிந்து கொள்ளப்படும், அது பின்பற்றும் மாணவர்களுக்கு மாற்றாக அல்ல.
இந்தக் கட்டுரை The Decoder-இன் செய்தி அறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.
Originally published on the-decoder.com
