پیش بینی: داستان های سری های زمانی، LLM ها، علیت و گربه ها

برای علیت، تأثیری را تعریف می کنیم که یک رویداد، فرآیند، حالت، یا به تولید رویداد، فرآیند، حالت دیگری کمک می کند، جایی که علت حداقل تا حدی مسئول تأثیر است. یک عنصر حیاتی توسط مولفه زمان داده می شود. به عنوان مثال، یک گربه بدخلق بدخلق است (اثر) زیرا قبل از اینکه کسی برخلاف میل خود (علت) آن را با شامپو بشویید. مرحله شستشو به طور موقت قبل از بدخلق بودن اتفاق افتاده است.

به طور کلی، استنتاج علی چارچوبی را فراهم می کند که آماری و یادگیری ماشینی روش‌هایی برای پاسخ به سؤالات علی از داده‌های سری زمانی، از بازار سهام تا فعالیت یک ناحیه مغز که باعث فعالیت در ناحیه دیگری از مغز می‌شود. حتی اگر ایده جستجوی علیت را راحت کنیم، پیش‌بینی سری‌های زمانی اهمیت زیادی در همه صنایع دارد. آنها در واقع برای پیش بینی آب و هوا و بازار سهام استفاده می شوند. مدل های زبان بزرگ (LLM) نیز ابزاری برای پیش بینی هستند. در واقع، یک کلمه کلمه زیر را پیش بینی می کند. اگر دو کلمه داشته باشم، “یک گربه…”، می دانم که کلمه بعدی فعل بعد از آن مربوط به گربه خواهد بود. ما می توانیم از این… وبلاگ کامل را به صورت رایگان در Medium بخوانید.

منتشر شده از طریق به سمت هوش مصنوعی