कंप्यूटर · भाग D - डेटा, नेटवर्क, AI और इंटरैक्टिव कंप्यूटिंग · 39 में से मुख्य टॉपिक 21
मशीन लर्निंग, डीप लर्निंग, जनरेटिव AI, LLM और AI इंजीनियरिंग
डेटा से पैटर्न सीखना, फ़ाउंडेशन-मॉडल एप्लिकेशन बनाना, प्रदर्शन मापना और सिस्टम को ज़िम्मेदारी से लागू करना। यह क्षेत्र प्रोग्रामिंग, डेटा सँभालने, प्रायिकता, रैखिक बीजगणित और ऑप्टिमाइज़ेशन पर टिका है।
अंदर 308 चीज़ेंपढ़े गए RPSC/RSSB पेपरों में 1 बार पूछा गया, आख़िरी बार 2024 मेंCOM-21
इसे भी देखें: विज्ञान और प्रौद्योगिकी: कृत्रिम बुद्धि (AI), मशीन लर्निंग, रोबोटिक्स और साइबर-भौतिक तंत्ररसायन विज्ञान: केमइन्फ़ॉर्मेटिक्स, रासायनिक डेटा और रसायन के लिए AI/MLविज्ञान और प्रौद्योगिकी: कंप्यूटर संरचना, ऑपरेटिंग सिस्टम, प्रोग्रामिंग और सॉफ़्टवेयर
- 1
ऐतिहासिक विकास — प्रमुख तिथियाँ
- शुरुआती परसेप्ट्रॉन और मशीन लर्निंग के विचार उभरते हैं।1950s
- रोज़ेनब्लैट का परसेप्ट्रॉन न्यूरल लर्निंग का एक ऐतिहासिक मॉडल बनता है।1957
- बहु-परत न्यूरल नेटवर्क को प्रशिक्षित करने के लिए बैकप्रोपेगेशन लोकप्रिय होता है।1986
- सांख्यिकीय लर्निंग, सपोर्ट-वेक्टर मशीन, एन्सेम्बल और बड़े डेटासेट बढ़ते हैं।1990s-2000s
- डीप लर्निंग विधियों पर फिर से ध्यान जाता है; बाद में GPU प्रशिक्षण प्रगति को तेज़ करता है।2006
- AlexNet के इमेज-पहचान परिणाम डीप लर्निंग में बड़ा मोड़ लाते हैं।2012
- "Attention Is All You Need" शोधपत्र ट्रांसफ़ॉर्मर आर्किटेक्चर पेश करता है।2017
- GPT-3 कुछ उदाहरणों से सीखने (few-shot) वाली भाषा-मॉडल क्षमताओं को सामने लाता है।2020
- ChatGPT को शोध पूर्वावलोकन के रूप में सार्वजनिक रूप से जारी किया गया।2022
- मल्टीमोडल फ़ाउंडेशन मॉडल, रिट्रीवल-ऑगमेंटेड जनरेशन, टूल इस्तेमाल करने वाले एजेंट, मूल्यांकन, सुरक्षा और इन्फ़रेंस दक्षता प्रमुख इंजीनियरिंग विषय बनते हैं।2023-2026
- 2
मशीन लर्निंग समस्याओं के प्रकार
- पर्यवेक्षित (supervised); अपर्यवेक्षित (unsupervised); अर्ध-पर्यवेक्षित (semi-supervised); स्व-पर्यवेक्षित (self-supervised); रीइन्फ़ोर्समेंट (पुरस्कार से सीखना); ऑनलाइन/क्रमिक; ट्रांसफ़र लर्निंग
7 और बातें
- पर्यवेक्षित (supervised)
- अपर्यवेक्षित (unsupervised)
- अर्ध-पर्यवेक्षित (semi-supervised)
- स्व-पर्यवेक्षित (self-supervised)
- रीइन्फ़ोर्समेंट (पुरस्कार से सीखना)
- ऑनलाइन/क्रमिक
- ट्रांसफ़र लर्निंग
- वर्गीकरण (classification); प्रतिगमन (रिग्रेशन); क्रम (रैंकिंग); क्लस्टरिंग; आयाम घटाना (dimensionality reduction); विसंगति पहचानना; पूर्वानुमान; सुझाव देना (recommendation)
8 और बातें
- वर्गीकरण (classification)
- प्रतिगमन (रिग्रेशन)
- क्रम (रैंकिंग)
- क्लस्टरिंग
- आयाम घटाना (dimensionality reduction)
- विसंगति पहचानना
- पूर्वानुमान
- सुझाव देना (recommendation)
- इनपुट/फ़ीचर; लक्ष्य/लेबल; प्रशिक्षण/वैलिडेशन/टेस्ट विभाजन; वितरण में बदलाव (distribution shift); डिप्लॉयमेंट का संदर्भ
5 और बातें
- इनपुट/फ़ीचर
- लक्ष्य/लेबल
- प्रशिक्षण/वैलिडेशन/टेस्ट विभाजन
- वितरण में बदलाव (distribution shift)
- डिप्लॉयमेंट का संदर्भ
- पर्यवेक्षित (supervised); अपर्यवेक्षित (unsupervised); अर्ध-पर्यवेक्षित (semi-supervised); स्व-पर्यवेक्षित (self-supervised); रीइन्फ़ोर्समेंट (पुरस्कार से सीखना); ऑनलाइन/क्रमिक; ट्रांसफ़र लर्निंग
- 3
डेटा और फ़ीचर
- डेटासेट का वर्ज़न; स्कीमा; संग्रह; लेबल लगाना; डेटा गुणवत्ता; लीकेज; असंतुलन; नमूना चयन; डुप्लिकेट हटाना
9 और बातें
- डेटासेट का वर्ज़न
- स्कीमा
- संग्रह
- लेबल लगाना
- डेटा गुणवत्ता
- लीकेज
- असंतुलन
- नमूना चयन
- डुप्लिकेट हटाना
- स्केलिंग; प्रसामान्यीकरण; श्रेणीगत एन्कोडिंग; टेक्स्ट/इमेज/ऑडियो का निरूपण; गायब डेटा से निपटने की रणनीतियाँ
5 और बातें
- स्केलिंग
- प्रसामान्यीकरण
- श्रेणीगत एन्कोडिंग
- टेक्स्ट/इमेज/ऑडियो का निरूपण
- गायब डेटा से निपटने की रणनीतियाँ
- फ़ीचर इंजीनियरिंग; फ़ीचर चयन; एम्बेडिंग; फ़ीचर स्टोर; वंशावली (lineage); सहमति और स्रोत
6 और बातें
- फ़ीचर इंजीनियरिंग
- फ़ीचर चयन
- एम्बेडिंग
- फ़ीचर स्टोर
- वंशावली (lineage)
- सहमति और स्रोत
- डेटासेट का वर्ज़न; स्कीमा; संग्रह; लेबल लगाना; डेटा गुणवत्ता; लीकेज; असंतुलन; नमूना चयन; डुप्लिकेट हटाना
- 4
पारंपरिक एल्गोरिदम
- रैखिक/लॉजिस्टिक रिग्रेशन; K-निकटतम पड़ोसी (KNN); नेव बेज़; डिसीज़न ट्री; रैंडम फ़ॉरेस्ट
5 और बातें
- रैखिक/लॉजिस्टिक रिग्रेशन
- K-निकटतम पड़ोसी (KNN)
- नेव बेज़
- डिसीज़न ट्री
- रैंडम फ़ॉरेस्ट
- ग्रेडिएंट बूस्टिंग; सपोर्ट-वेक्टर मशीन (SVM); K-means; पदानुक्रमित क्लस्टरिंग; DBSCAN; PCA; मैट्रिक्स गुणनखंडन
7 और बातें
- ग्रेडिएंट बूस्टिंग
- सपोर्ट-वेक्टर मशीन (SVM)
- K-means
- पदानुक्रमित क्लस्टरिंग
- DBSCAN
- PCA
- मैट्रिक्स गुणनखंडन
- अंशांकन; रेगुलराइज़ेशन (ओवरफ़िटिंग पर रोक); मॉडल चयन; एन्सेम्बल विधियाँ; समझ में आने वाले (interpretable) मॉडल
5 और बातें
- अंशांकन
- रेगुलराइज़ेशन (ओवरफ़िटिंग पर रोक)
- मॉडल चयन
- एन्सेम्बल विधियाँ
- समझ में आने वाले (interpretable) मॉडल
- रैखिक/लॉजिस्टिक रिग्रेशन; K-निकटतम पड़ोसी (KNN); नेव बेज़; डिसीज़न ट्री; रैंडम फ़ॉरेस्ट
- 5
न्यूरल नेटवर्क की नींव
- न्यूरॉन (तंत्रिका कोशिका); परत (layer); एक्टिवेशन; हानि (loss); ग्रेडिएंट; बैकप्रोपेगेशन; ऑप्टिमाइज़र; बैच; एपॉक (पूरे डेटा पर एक चक्कर); लर्निंग रेट
10 और बातें
- न्यूरॉन (तंत्रिका कोशिका)
- परत (layer)
- एक्टिवेशन
- हानि (loss)
- ग्रेडिएंट
- बैकप्रोपेगेशन
- ऑप्टिमाइज़र
- बैच
- एपॉक (पूरे डेटा पर एक चक्कर)
- लर्निंग रेट
- MLP; CNN; RNN; LSTM/GRU; अटेंशन; ट्रांसफ़ॉर्मर; एन्कोडर/डिकोडर; रेज़िडुअल कनेक्शन; प्रसामान्यीकरण
9 और बातें
- MLP
- CNN
- RNN
- LSTM/GRU
- अटेंशन
- ट्रांसफ़ॉर्मर
- एन्कोडर/डिकोडर
- रेज़िडुअल कनेक्शन
- प्रसामान्यीकरण
- आरंभिक मान देना (initialization); ग्रेडिएंट का गायब होना/फट पड़ना (vanishing/exploding); ड्रॉपआउट; वेट डिके; बैच नॉर्मलाइज़ेशन; जल्दी रोकना (early stopping)
6 और बातें
- आरंभिक मान देना (initialization)
- ग्रेडिएंट का गायब होना/फट पड़ना (vanishing/exploding)
- ड्रॉपआउट
- वेट डिके
- बैच नॉर्मलाइज़ेशन
- जल्दी रोकना (early stopping)
- न्यूरॉन (तंत्रिका कोशिका); परत (layer); एक्टिवेशन; हानि (loss); ग्रेडिएंट; बैकप्रोपेगेशन; ऑप्टिमाइज़र; बैच; एपॉक (पूरे डेटा पर एक चक्कर); लर्निंग रेट
- 6
मॉडल प्रशिक्षण और मूल्यांकन
- आधार-रेखा; विभाजन की रणनीति; क्रॉस-वैलिडेशन; हाइपरपैरामीटर ट्यूनिंग; ग्रिड/रैंडम/बेज़ियन सर्च
5 और बातें
- आधार-रेखा
- विभाजन की रणनीति
- क्रॉस-वैलिडेशन
- हाइपरपैरामीटर ट्यूनिंग
- ग्रिड/रैंडम/बेज़ियन सर्च
- यथार्थता (accuracy); परिशुद्धता (precision); रिकॉल; F1; ROC-AUC; PR-AUC; अंशांकन; MAE/MSE/RMSE; रैंकिंग मेट्रिक्स
9 और बातें
- यथार्थता (accuracy)
- परिशुद्धता (precision)
- रिकॉल
- F1
- ROC-AUC
- PR-AUC
- अंशांकन
- MAE/MSE/RMSE
- रैंकिंग मेट्रिक्स
- त्रुटि विश्लेषण; उपसमूह मूल्यांकन; विश्वास अंतराल; मज़बूती (robustness); निष्पक्षता; समझ में आने की क्षमता (interpretability); पुनरुत्पादन-योग्यता
7 और बातें
- त्रुटि विश्लेषण
- उपसमूह मूल्यांकन
- विश्वास अंतराल
- मज़बूती (robustness)
- निष्पक्षता
- समझ में आने की क्षमता (interpretability)
- पुनरुत्पादन-योग्यता
- आधार-रेखा; विभाजन की रणनीति; क्रॉस-वैलिडेशन; हाइपरपैरामीटर ट्यूनिंग; ग्रिड/रैंडम/बेज़ियन सर्च
- 7
डीप लर्निंग की विशेषज्ञताएँ
- कंप्यूटर विज़न; वस्तु पहचान (object detection); सेगमेंटेशन; OCR; मुद्रा अनुमान (pose estimation); वाणी और ऑडियो; समय श्रेणी
7 और बातें
- कंप्यूटर विज़न
- वस्तु पहचान (object detection)
- सेगमेंटेशन
- OCR
- मुद्रा अनुमान (pose estimation)
- वाणी और ऑडियो
- समय श्रेणी
- ग्राफ़ न्यूरल नेटवर्क; रिकमेंडर (सुझाव देने वाले) सिस्टम; बहु-माध्यम (multimodal) लर्निंग; स्व-पर्यवेक्षित निरूपण लर्निंग
4 और बातें
- ग्राफ़ न्यूरल नेटवर्क
- रिकमेंडर (सुझाव देने वाले) सिस्टम
- बहु-माध्यम (multimodal) लर्निंग
- स्व-पर्यवेक्षित निरूपण लर्निंग
- कंप्यूटर विज़न; वस्तु पहचान (object detection); सेगमेंटेशन; OCR; मुद्रा अनुमान (pose estimation); वाणी और ऑडियो; समय श्रेणी
- 8
जेनरेटिव मॉडलिंग
- ऑटोरिग्रेसिव मॉडल; वेरिएशनल ऑटोएन्कोडर; GAN; डिफ़्यूज़न मॉडल; नॉर्मलाइज़िंग फ़्लो; ऊर्जा-आधारित मॉडल
6 और बातें
- ऑटोरिग्रेसिव मॉडल
- वेरिएशनल ऑटोएन्कोडर
- GAN
- डिफ़्यूज़न मॉडल
- नॉर्मलाइज़िंग फ़्लो
- ऊर्जा-आधारित मॉडल
- टेक्स्ट/इमेज/ऑडियो/वीडियो/कोड बनाना; कंडीशनिंग (शर्त देकर बनवाना); मार्गदर्शन (guidance); नमूना चयन; नियंत्रण-योग्यता; वॉटरमार्किंग की अवधारणाएँ
6 और बातें
- टेक्स्ट/इमेज/ऑडियो/वीडियो/कोड बनाना
- कंडीशनिंग (शर्त देकर बनवाना)
- मार्गदर्शन (guidance)
- नमूना चयन
- नियंत्रण-योग्यता
- वॉटरमार्किंग की अवधारणाएँ
- ऑटोरिग्रेसिव मॉडल; वेरिएशनल ऑटोएन्कोडर; GAN; डिफ़्यूज़न मॉडल; नॉर्मलाइज़िंग फ़्लो; ऊर्जा-आधारित मॉडल
- 9
LLM की नींव और एप्लिकेशन डिज़ाइन
- टोकनाइज़ेशन; शब्दावली (vocabulary); एम्बेडिंग; स्थिति का निरूपण (positional representation); अटेंशन; कॉन्टेक्स्ट विंडो; प्री-ट्रेनिंग का उद्देश्य
7 और बातें
- टोकनाइज़ेशन
- शब्दावली (vocabulary)
- एम्बेडिंग
- स्थिति का निरूपण (positional representation)
- अटेंशन
- कॉन्टेक्स्ट विंडो
- प्री-ट्रेनिंग का उद्देश्य
- प्री-ट्रेनिंग; इंस्ट्रक्शन ट्यूनिंग; पर्यवेक्षित फ़ाइन-ट्यूनिंग; पसंद-आधारित ऑप्टिमाइज़ेशन; RLHF/DPO की अवधारणाएँ; क्वांटीकरण
6 और बातें
- प्री-ट्रेनिंग
- इंस्ट्रक्शन ट्यूनिंग
- पर्यवेक्षित फ़ाइन-ट्यूनिंग
- पसंद-आधारित ऑप्टिमाइज़ेशन
- RLHF/DPO की अवधारणाएँ
- क्वांटीकरण
- प्रॉम्प्ट की संरचना; सिस्टम/डेवलपर/यूज़र निर्देश; उदाहरण; संरचित आउटपुट; टूल की परिभाषाएँ; कॉन्टेक्स्ट प्रबंधन
6 और बातें
- प्रॉम्प्ट की संरचना
- सिस्टम/डेवलपर/यूज़र निर्देश
- उदाहरण
- संरचित आउटपुट
- टूल की परिभाषाएँ
- कॉन्टेक्स्ट प्रबंधन
- हैलुसिनेशन (गढ़ा हुआ उत्तर); ग्राउंडिंग (स्रोत से जोड़ना); उद्धरण (citation) की जाँच; मना करने का व्यवहार; अनिश्चितता; प्रॉम्प्ट इंजेक्शन; मॉडल की सीमाएँ
7 और बातें
- हैलुसिनेशन (गढ़ा हुआ उत्तर)
- ग्राउंडिंग (स्रोत से जोड़ना)
- उद्धरण (citation) की जाँच
- मना करने का व्यवहार
- अनिश्चितता
- प्रॉम्प्ट इंजेक्शन
- मॉडल की सीमाएँ
- टोकनाइज़ेशन; शब्दावली (vocabulary); एम्बेडिंग; स्थिति का निरूपण (positional representation); अटेंशन; कॉन्टेक्स्ट विंडो; प्री-ट्रेनिंग का उद्देश्य
- 10
रिट्रीवल-ऑगमेंटेड जनरेशन (RAG)
- दस्तावेज़ लेना (ingestion); पार्सिंग; टुकड़े करना (chunking); मेटाडेटा (डेटा के बारे में जानकारी); एम्बेडिंग; वेक्टर इंडेक्स; शब्द-आधारित (lexical) इंडेक्स; हाइब्रिड रिट्रीवल
8 और बातें
- दस्तावेज़ लेना (ingestion)
- पार्सिंग
- टुकड़े करना (chunking)
- मेटाडेटा (डेटा के बारे में जानकारी)
- एम्बेडिंग
- वेक्टर इंडेक्स
- शब्द-आधारित (lexical) इंडेक्स
- हाइब्रिड रिट्रीवल
- क्वेरी दोबारा लिखना; फ़िल्टर; दोबारा क्रम लगाना (reranking); कॉन्टेक्स्ट जोड़ना; उद्धरण (citations); उत्तर बनाना; उत्तर देने से परहेज़ (abstention)
7 और बातें
- क्वेरी दोबारा लिखना
- फ़िल्टर
- दोबारा क्रम लगाना (reranking)
- कॉन्टेक्स्ट जोड़ना
- उद्धरण (citations)
- उत्तर बनाना
- उत्तर देने से परहेज़ (abstention)
- मूल्यांकन सेट; रिट्रीवल रिकॉल; स्रोत पर टिका होना (groundedness); कॉन्टेक्स्ट की सटीकता; उत्तर की प्रासंगिकता; विलंब/लागत का लेन-देन
6 और बातें
- मूल्यांकन सेट
- रिट्रीवल रिकॉल
- स्रोत पर टिका होना (groundedness)
- कॉन्टेक्स्ट की सटीकता
- उत्तर की प्रासंगिकता
- विलंब/लागत का लेन-देन
- दस्तावेज़ लेना (ingestion); पार्सिंग; टुकड़े करना (chunking); मेटाडेटा (डेटा के बारे में जानकारी); एम्बेडिंग; वेक्टर इंडेक्स; शब्द-आधारित (lexical) इंडेक्स; हाइब्रिड रिट्रीवल
- 11
एजेंट और टूल इस्तेमाल करने वाले सिस्टम
- मॉडल बनाम एजेंट; लक्ष्य; योजना; टूल स्कीमा; क्रिया; अवलोकन; अवस्था (state); मेमोरी; ऑर्केस्ट्रेशन
9 और बातें
- मॉडल बनाम एजेंट
- लक्ष्य
- योजना
- टूल स्कीमा
- क्रिया
- अवलोकन
- अवस्था (state)
- मेमोरी
- ऑर्केस्ट्रेशन
- एकल-एजेंट वर्कफ़्लो; बहु-एजेंट तालमेल; काम का विभाजन; काम सौंपना (handoff); दोबारा प्रयास; रुकने की शर्तें; मानव की मंज़ूरी
7 और बातें
- एकल-एजेंट वर्कफ़्लो
- बहु-एजेंट तालमेल
- काम का विभाजन
- काम सौंपना (handoff)
- दोबारा प्रयास
- रुकने की शर्तें
- मानव की मंज़ूरी
- सैंडबॉक्सिंग; न्यूनतम विशेषाधिकार; टूल अनुमतियाँ; प्रॉम्प्ट इंजेक्शन; गोपनीय जानकारी का रिसाव; ऑडिट लॉग; विफलता से उबरना
7 और बातें
- सैंडबॉक्सिंग
- न्यूनतम विशेषाधिकार
- टूल अनुमतियाँ
- प्रॉम्प्ट इंजेक्शन
- गोपनीय जानकारी का रिसाव
- ऑडिट लॉग
- विफलता से उबरना
- मॉडल बनाम एजेंट; लक्ष्य; योजना; टूल स्कीमा; क्रिया; अवलोकन; अवस्था (state); मेमोरी; ऑर्केस्ट्रेशन
- 12
AI इंजीनियरिंग और MLOps
- डेटा/मॉडल पाइपलाइन; प्रयोगों का रिकॉर्ड (experiment tracking); मॉडल रजिस्ट्री; फ़ीचर स्टोर; परिनियोजन (deployment); इन्फ़रेंस सर्वर; बैचिंग
7 और बातें
- डेटा/मॉडल पाइपलाइन
- प्रयोगों का रिकॉर्ड (experiment tracking)
- मॉडल रजिस्ट्री
- फ़ीचर स्टोर
- परिनियोजन (deployment)
- इन्फ़रेंस सर्वर
- बैचिंग
- ऑफ़लाइन/ऑनलाइन इन्फ़रेंस; मॉडल सर्विंग; निगरानी; बहाव; दोबारा प्रशिक्षण; रोलबैक (पिछले संस्करण पर लौटना); कैनरी; शैडो टेस्टिंग
8 और बातें
- ऑफ़लाइन/ऑनलाइन इन्फ़रेंस
- मॉडल सर्विंग
- निगरानी
- बहाव
- दोबारा प्रशिक्षण
- रोलबैक (पिछले संस्करण पर लौटना)
- कैनरी
- शैडो टेस्टिंग
- GPU/एक्सेलेरेटर की मूल बातें; थ्रूपुट; सुप्तता (latency); प्रति सेकंड टोकन; कैशिंग; क्वांटीकरण; आसवन; बैचिंग
8 और बातें
- GPU/एक्सेलेरेटर की मूल बातें
- थ्रूपुट
- सुप्तता (latency)
- प्रति सेकंड टोकन
- कैशिंग
- क्वांटीकरण
- आसवन
- बैचिंग
- वर्ज़न वाले डेटासेट; दोबारा वैसा ही बनने वाले वातावरण; CI/CD/CT; मॉडल कार्ड; डेटासेट का दस्तावेज़ीकरण; वंशावली (lineage)
6 और बातें
- वर्ज़न वाले डेटासेट
- दोबारा वैसा ही बनने वाले वातावरण
- CI/CD/CT
- मॉडल कार्ड
- डेटासेट का दस्तावेज़ीकरण
- वंशावली (lineage)
- डेटा/मॉडल पाइपलाइन; प्रयोगों का रिकॉर्ड (experiment tracking); मॉडल रजिस्ट्री; फ़ीचर स्टोर; परिनियोजन (deployment); इन्फ़रेंस सर्वर; बैचिंग
- 13
AI सुरक्षा, शासन और अग्रिम प्रश्न
- जोखिम आकलन; NIST AI RMF; जेनरेटिव AI का जोखिम प्रोफ़ाइल; डेटा के अधिकार; निजता; सुरक्षा; उत्पत्ति-रिकॉर्ड (provenance)
7 और बातें
- जोखिम आकलन
- NIST AI RMF
- जेनरेटिव AI का जोखिम प्रोफ़ाइल
- डेटा के अधिकार
- निजता
- सुरक्षा
- उत्पत्ति-रिकॉर्ड (provenance)
- मूल्यांकन डेटा का दूषित होना (contamination); बेंचमार्क पर ओवरफ़िटिंग; रेड-टीमिंग; प्रतिकूल इनपुट के आगे मज़बूती; जेलब्रेक का प्रतिरोध
5 और बातें
- मूल्यांकन डेटा का दूषित होना (contamination)
- बेंचमार्क पर ओवरफ़िटिंग
- रेड-टीमिंग
- प्रतिकूल इनपुट के आगे मज़बूती
- जेलब्रेक का प्रतिरोध
- सिंथेटिक (कृत्रिम) डेटा; मॉडल ढहने (model collapse) का जोखिम; कॉपीराइट के प्रश्न; पूर्वाग्रह; सुगम्यता; श्रम और पर्यावरण पर प्रभाव
6 और बातें
- सिंथेटिक (कृत्रिम) डेटा
- मॉडल ढहने (model collapse) का जोखिम
- कॉपीराइट के प्रश्न
- पूर्वाग्रह
- सुगम्यता
- श्रम और पर्यावरण पर प्रभाव
- समझ में आने की क्षमता (interpretability); यांत्रिक व्याख्येयता (mechanistic interpretability); बड़े पैमाने पर निगरानी (scalable oversight); एजेंटिक सिस्टम का मूल्यांकन; पोस्ट-ट्रेनिंग शोध
5 और बातें
- समझ में आने की क्षमता (interpretability)
- यांत्रिक व्याख्येयता (mechanistic interpretability)
- बड़े पैमाने पर निगरानी (scalable oversight)
- एजेंटिक सिस्टम का मूल्यांकन
- पोस्ट-ट्रेनिंग शोध
- जोखिम आकलन; NIST AI RMF; जेनरेटिव AI का जोखिम प्रोफ़ाइल; डेटा के अधिकार; निजता; सुरक्षा; उत्पत्ति-रिकॉर्ड (provenance)
