दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

खुली दुनिया के लिए एआई: सीखने के सिद्धांत

Created by
  • Haebom

लेखक

जियान्यू झांग

रूपरेखा

यह शोधपत्र इस बात की पड़ताल करता है कि बंद दुनिया के वातावरण में AI की सफलता खुली दुनिया के वातावरण में क्यों नहीं बदल पाती है, और खुली दुनिया के AI के लिए आवश्यक शिक्षण सिद्धांत। बंद वातावरण में, AI सिस्टम को स्पष्ट सफलता मानदंड और प्रचुर उदाहरण डेटा के माध्यम से बेहतर बनाया जा सकता है, लेकिन खुले वातावरण में, अस्पष्ट सफलता मानदंड और अपर्याप्त उदाहरण डेटा के कारण ये दृष्टिकोण प्रभावी नहीं हैं। इसलिए, खुली दुनिया के AI के लिए समृद्ध सुविधाएँ, अलग-अलग अभ्यावेदन और अनुमान-समय सीखने जैसे नए शिक्षण सिद्धांत और प्रौद्योगिकियाँ आवश्यक हैं, और यह शोधपत्र इन सिद्धांतों को प्रस्तुत करता है और बड़े पैमाने पर प्रयोगों के माध्यम से उन्हें सत्यापित करता है।

Takeaways, Limitations

•
Takeaways: खुले वातावरण AI विकास के लिए नए शिक्षण सिद्धांतों (समृद्ध विशेषताएँ, पृथक प्रतिनिधित्व, अनुमान पर सीखना) और प्रौद्योगिकी विकास की आवश्यकता का सुझाव देता है, और उनके महत्व पर जोर देता है। बड़े पैमाने पर प्रयोगों के माध्यम से सुझाए गए सिद्धांतों को सत्यापित करके व्यावहारिक अनुसंधान दिशाओं का सुझाव देता है।
•
Limitations: प्रस्तावित शिक्षण सिद्धांतों और तकनीकों की विशिष्ट सामग्री और प्रयोगात्मक परिणामों का विस्तृत विवरण अपर्याप्त है। प्रस्तुत बड़े पैमाने के प्रयोगों के डिजाइन, परिणामों और व्याख्या पर पर्याप्त जानकारी प्रदान करने के लिए अकेले सार अपर्याप्त है, जिससे विश्वसनीयता का न्याय करना मुश्किल हो जाता है। खुले वातावरण एआई की परिभाषा स्पष्ट नहीं है, जो अनुसंधान के दायरे और प्रयोज्यता को सीमित करती है।
👍
Made with Slashpage