Is iad meicníochtaí airde a chumhachtaíonn AI nua-aimseartha i bhfís ríomhaireachta agus i bpróiseáil teanga nádúrtha araon, ach freastalaíonn siad ar chuspóirí difriúla agus d'fhorbair siad ar chosáin éagsúla. Cuidíonn aird radhairc le samhlacha díriú ar réigiúin íomhá ábhartha, agus cumasaíonn aird NLP tuiscint ar chaidrimh focal i seichimh téacs.
Teicnící a ligeann do mhúnlaí radhairc díriú go roghnach ar réigiúin nó gnéithe spásúla tábhachtacha laistigh d’íomhánna agus de fhíseáin.
Modhanna a chuireann ar chumas samhlacha teanga tábhacht focal agus comharthaí éagsúla a mheá agus sonraí téacs seicheamhacha á bpróiseáil.
| Gné | Meicníochtaí Aird sa Radharc | Aird i NLP |
|---|---|---|
| Cineál Ionchuir Príomhúil | Íomhánna, frámaí físe, nó paistí amhairc | Comharthaí téacs, focail, nó aonaid fho-fhocal |
| Gráinneacht Aird | Réigiúin spásúla, paistí, nó bealaí gné | Caidrimh chomhartha go comhartha trasna seichimh |
| Ailtireacht Bhunaidh | Trasfhoirmeoir Fís (ViT), DETR, SE-Net | Ionchódóir-díchódóir Bunaidh Claochladáin (Vaswani et al., 2017) |
| Castacht Ríomhaireachtúil | Cearnógach le réiteach íomhá; laghdaíonn modhanna bunaithe ar phaistí costas | Cearnógach le fad seicheamh; tá athróga airde gann ann |
| Cásanna Úsáide Tipiciúla | Aicmiú íomhá, braiteadh réad, deighilt, tuiscint físe | Aistriúchán, giniúint téacs, freagairt ceisteanna, achoimre |
| Straitéis Mascála | De ghnáth ní bhíonn aon chumhdach cúiseach ann; is gnách go mbíonn aird déthreoch ann | Masc cúiseach le haghaidh díchódóirí; déthreoch le haghaidh ionchódóirí |
| Faisnéis Suímh | Leabaithe suímh 2T le haghaidh struchtúr spásúil | Leabaithe suímh 1T le haghaidh ord comharthaí |
| Riachtanais Sonraí | Tacair sonraí íomhá ar scála mór cosúil le ImageNet nó JFT-300M | Corpais téacs móra cosúil le Common Crawl nó Vicipéid |
Cuidíonn aird radhairc le samhlacha cinneadh a dhéanamh cá háit le breathnú in íomhá, ag béimniú na réigiún spásúla a bhfuil an fhaisnéis is ábhartha iontu do thasc ar leith. Ar an láimh eile, cinneann aird NLP an gaol atá idir focail laistigh d'abairt nó trasna doiciméid, ag gabháil spleáchais sheimeantacha beag beann ar an achar. Tá an bunphrionsabal céanna maidir le tábhacht ualaithe ag an dá cheann, ach tá difríocht shuntasach idir na struchtúir a n-oibríonn siad orthu.
Tháinig aird ar NLP ar dtús ina fhoirm nua-aimseartha, agus páipéar Transformer 2017 ag bunú féin-aird mar dhroim na tuisceana teanga. Bhain aird radhairc go mór le haird radhairc ó na dul chun cinn NLP seo, agus Vision Transformers ag léiriú in 2020 gur féidir le hailtireachtaí íon-bhunaithe líonraí comhshuiteacha a mheaitseáil nó a shárú. Ó shin i leith, tá an dá réimse ag leanúint ar aghaidh ag tras-phailniú, agus teicnící cosúil le tras-aird anois ag nascadh fís agus teanga i samhlacha ilmhódacha.
Tá dúshláin chastachta cearnacha roimh an dá cheann, ach tá an scála difriúil. Pléann samhlacha NLP le seichimh idir na céadta agus na céadta mílte comharthaí, agus ní mór do shamhlacha fís íomhánna a láimhseáil ar féidir leo na mílte paiste a bheith iontu ag ardtaifeach. D'fhorbair taighdeoirí fís malairtí éifeachtacha cosúil le haird fhuinneogach Swin Transformer, agus tá modhanna airde tanaí agus líneacha táirgthe ag NLP chun comhthéacsanna níos faide a láimhseáil.
Tá difríocht thábhachtach sa chaoi a sreabhann aird. Úsáideann samhlacha díchódóra NLP masc cúiseach ionas nach bhfeiceann gach comhartha ach comharthaí roimhe seo, rud atá riachtanach chun téacs uath-athchéimneach a ghiniúint. De ghnáth úsáideann samhlacha fís aird déthreoch ós rud é nach bhfuil ord clé go deas ag teastáil chun íomhá a thuiscint. Úsáideann roinnt tascanna fís aird masctha, go háirithe in uath-chódóirí masctha ina bhfuil codanna den ionchur i bhfolach le linn oiliúna.
Ós rud é go bhfuil ord seicheamhach nádúrtha ag téacs, úsáideann NLP leabaithe suímh 1T chun a insint don mhúnla cá bhfuil gach comhartha sa seicheamh. Éilíonn fís leabaithe suímh 2T chun caidrimh spásúla idir paistí a chaomhnú, ós rud é go bhfuil toisí airde agus leithead ag íomhánna. Bíonn tionchar ag an difríocht seo ar an gcaoi a ndearann gach fearann a scéimeanna leabaithe agus ar an gcaoi a nginearálann samhlacha chuig méideanna ionchuir éagsúla.
Tá an teorainn idir fís agus aird NLP doiléir go mór. Úsáideann samhlacha cosúil le CLIP, DALL-E, agus Flamingo aird trasna chun ionadaíochtaí amhairc agus téacsúla a nascadh, rud a chuireann ar chumas tascanna cosúil le fotheidil íomhá, freagairt ceisteanna amhairc, agus giniúint téacs-go-híomhá. Léiríonn na córais ilmhódacha seo go bhfuil meicníochtaí airde thar a bheith solúbtha agus gur féidir leo cineálacha sonraí éagsúla a aontú laistigh d'ailtireacht aonair.
Is teicneolaíochtaí go hiomlán difriúla iad meicníochtaí airde sa fhís agus NLP.
Tá an bunús matamaiticiúil céanna acu maidir le suimeanna ualaithe a ríomh bunaithe ar idirghníomhaíochtaí fiosrúcháin-eochair-luachanna. Is iad na difríochtaí is mó atá i struchtúr na n-ionchur agus cén fhaisnéis shuíomhúil a chuirtear leis, ní sa mheicníocht bhunúsach féin.
Oibríonn Claochladáin Fís go maith fiú le tacair sonraí beaga.
Murab ionann agus CNNanna a bhfuil claontacht ionduchtach ionsuite acu, is gnách go mbíonn tacair sonraí ollmhóra (na céadta milliún íomhánna go minic) ag teastáil ó ViTanna chun cur chuige comhshuiteach a shárú. Ar thacair sonraí níos lú, is minic a bhíonn CNNanna fós rathúil mura gcuirtear rialáil láidir nó réamhoiliúint i bhfeidhm.
Ciallaíonn aird in NLP go dtuigeann an tsamhail teanga i ndáiríre.
Is meicníocht ríomhaireachtúil í an aird chun ionchuir a mheá, ní ráthaíocht tuisceana í. Is féidir le samhlacha teanga móra téacs líofa a tháirgeadh agus fós earráidí réasúnaíochta, fíricí a shamhlú, nó mainneachtain i dtascanna loighciúla simplí a dhéanamh.
Tá aird ag cur líonraí comhshuiteacha agus athfhillteacha in ionad a chéile go hiomlán.
Tá ailtireachtaí hibrideacha fós coitianta agus is minic a fheidhmíonn siad níos fearr ná samhlacha airde íon. Tá sraitheanna comhshuiteacha fós le feiceáil i go leor córas fís den scoth, agus baineann roinnt samhlacha NLP leas as aird a mheascadh le cineálacha eile cur chuige.
Léiríonn léarscáileanna airde go díreach cad atá á smaoineamh ag an tsamhail.
Ní bhíonn meáchain airde iontaofa i gcónaí mar mhínithe ar iompar samhail. Léirigh taighde nach mbíonn baint ag dáiltí airde le tábhacht gnéithe, agus ní mór a bheith cúramach agus iad á léirmhíniú.
Roghnaigh aird radhairc nuair a bhaineann do thasc le tuiscint a fháil ar chaidrimh spásúla in íomhánna nó i bhfíseáin, go háirithe nuair a bhíonn tacair sonraí móra agat agus go bhfuil gá le logánú mínmhionsonraithe. Roghnaigh aird NLP nuair a bhíonn tú ag obair le sonraí téacs seicheamhacha a éilíonn tuiscint ar chomhthéacs, giniúint nó aistriúchán. I gcás tionscadal ilmhódacha, is minic a thugann an dá rud a chomhcheangal trí aird trasna na dtorthaí is fearr.
Déantar comparáid anseo idir AI ar an ngléas agus AI sa scamall, agus béim á cur ar an gcaoi a ndéanann siad próiseáil ar shonraí, a dtionchar ar phríobháideachas, ar fheidhmíocht, ar inrochtaineacht, agus ar chásanna úsáide tipiciúla do idirghníomhaíochtaí i ndáiríre, do mhúnlaí móra-scála, agus do riachtanais ceangalacha i bhfeidhmchláir nua-aoiseacha.
Leagann an comparáid ailtireachta seo béim ar na príomhdhifríochtaí idir córais AI atá feasach ar chomhthéacs, a dhéanann anailís dhinimiciúil ar shonraí comhthéacsúla amhail intinn an úsáideora, stair agus timpeallacht, agus córais atá dall ar chomhthéacs, a phróiseálann ionchuir mar imeachtaí scoite bunaithe go hiomlán ar rialacha seasta, réamhshainithe.
Déanann an miondealú ailtireachta seo anailís ar na paraidímí ar leith de chórais intleachta saorga atá dírithe ar spriocanna agus atá dírithe ar ionchur. Cé go mbíonn ailtireachtaí atá dírithe ar ionchur thar barr i bpróiseáil imoibríoch agus in aithint patrún meandarach, bíonn na creatlacha cognaíocha chun cinn atá riachtanach le haghaidh réasúnaíocht ilchéime, pleanáil oiriúnaitheach, agus réiteach fadhbanna uathrialach ag córais atá dírithe ar spriocanna.
Sa mhiondealú mionsonraithe seo, déantar iniúchadh ar na difríochtaí bunúsacha idir Intleacht Shaorga Mhachnamhach agus Intleacht Shaorga Dhea-bhreithnithe, ag mapáil a n-ailtireacht le próiseáil chognaíoch Chóras 1 agus Chóras 2 an duine. Clúdaítear an chaoi a gcuireann na córais seo i bhfeidhm ar réiteach fadhbanna, ar inoiriúnaitheacht fíor-ama, agus ar éifeachtúlacht ríomhaireachtúil chun todhchaí na hintleachta saorga ilchisealaithe a shainiú.
Déanann córais dhíláraithe AI faisnéis, sonraí agus ríomhaireacht a dháileadh ar fud nóid neamhspleácha, agus is minic a thugann siad tús áite do oscailteacht agus do rialú úsáideoirí, agus déanann cuideachtaí córais chorparáideacha AI a bhainistiú go lárnach agus iad ag optamú feidhmíochta, brabúis agus comhtháthú táirgí. Múnlaíonn an dá chur chuige an chaoi a dtógtar, a rialaítear agus a rochtaintear AI, ach tá difríocht mhór eatarthu ó thaobh trédhearcachta, úinéireachta agus rialaithe de.
