ලොකු භාෂා මොඩල (LLM) ගොඩක් දැනුමක් රඳවාගෙන, ප්රෝම්ප්ට් එකක උදාහරණ දෙකක් පමණක් දෙන්නත්, ඒක තුන්වැනි උදාහරණය නිවැරදිව පුරවා දෙනවා. මෙය "ඉන්-කොන්ටෙක්ස්ට් ඉගෙනීම" කියලා හැඳින්වෙයි. නමුත් මේක මිනිස්සුන්ගේ අර්ථබෝධය මත පදනම් වූ ඉගෙනීමක් නෙවෙයි; එය පේටර්න් (පැටර්න්) ගැලපුම් වගේය.
ඉන්-කොන්ටෙක්ස්ට් ඉගෙනීම යනු කුමක්ද? ප්රෝම්ප්ට් එකේ කීපයක් උදාහරණ තබා, මොඩලයට ඒ උදාහරණ මත පදනම්ව කාර්යය තේරුම් ගත හැකිය. ඒ පසු එය නව ඉන්පුට් එකකට ඒකම පේටර්න් අනුගමනය කර පිළිතුරක් සකසයි. මෙහිදී මොඩලයේ බර (weights) කිසිදාම වෙනස් නොවේ; ඒක පමණක් උදාහරණවලට අදාල පේටර්න් සක්රිය කරයි.
ඇත්තෙන්ම, මොඩලය "ඉගෙනීම" නොකරයි. එය පසුබැසීමක් නොව, පේටර්න් පූර්ණ කිරීමක්. නව තොරතුරු හෝ සංකීර්ණ නීති ඉගෙන ගැනීමට එය අඩුපාඩුවක්. ඒ නිසා, ඉන්-කොන්ටෙක්ස්ට් ඉගෙනීම සහ සැබෑ පොදුකරණය (generalization) අතර වෙනස්කම වැදගත්.
ඇයි මේ වැදගත්? ප්රෝම්ප්ට් මගින් කෙටි කාලයේම කාර්යයක් කරගන්න පුළුවන් වීම, AI තාක්ෂණය ව්යාපාරික, අධ්යාපනික පරිසරයකට ඉක්මනින් අනුගත කර ගැනීමට උපකාරී. නමුත් මොඩලය පුරාවෘත්තයක් (overfitting) වෙලා, නව අවස්ථා වලට අදාළ නොවීමේ අවදානමක් තියෙනවා.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ සිසුන්, සංවර්ධකයන් සහ ව්යාපාරිකයින්ට මෙම තාක්ෂණය පහත පරිදි ප්රයෝජනවත් වේ:
- සිසුන්: කෙටි උදාහරණයක් මත පදනම්ව AI මඟින් ගණිත, විද්යාව, භාෂා වැනි විෂයයන්ට උදාහරණ ලබා ගත හැකිය. එය ඉගෙනුම් වේගය වැඩි කරයි.
- සංවර්ධකයන්: API හරහා ප්රෝම්ප්ට්-අධාරිත සේවාවන් ඉක්මනින් පරික්ෂා කර, නිෂ්පාදන සංවර්ධනයේ කාලය අඩු කර ගත හැකිය.
- ව්යාපාරිකයින්: පාරිභෝගික සේවා, අභ්යන්තර දත්ත විශ්ලේෂණය වැනි කාර්යයන් සරල උදාහරණයක් මත පදනම්ව ස්වයංක්රීය කරගත හැකිය, මෙයින් වියදම හා කාලය ඉතිරි වේ.
ඇත්තෙන්ම, ඉන්-කොන්ටෙක්ස්ට් ඉගෙනීම සරල, කාර්යක්ෂම කාර්යයන් සඳහා ප්රයෝජනවත්, නමුත් සංකීර්ණ වැඩ සඳහා පූර්ණ fine‑tuning අවශ්ය වේ.
අවසන් වශයෙන්, AI මොඩලයන්ගේ පේටර්න් පූර්ණ කිරීමේ හැකියාව අපට නව නිර්මාණශීලී ක්රමවේදයන් සොයාගැනීමට ඉඩ සලසයි; නමුත් එය සැබෑ පොදුකරණයට සමාන නොවන බව මතක තබා, නිවැරදිව භාවිතා කිරීම අත්යවශ්යයි.
