Jak powstają treści
Skąd biorą się teksty i liczby w ML Atlas i jak sprawdzamy, że się zgadzają.
Czym jest ML Atlas
ML Atlas to encyklopedia uczenia maszynowego: 277 haseł po polsku i 40 haseł po angielsku. Każde hasło ma ten sam układ: czym jest pojęcie, mechanizm (dlaczego działa), przykład na prawdziwych danych, praktyka, najczęstsze pytania i źródła. W wielu hasłach po polsku są interaktywne ilustracje, które liczą na tych samych danych w przeglądarce.
Obok jest kurs uczenia maszynowego od zera: 33 lekcje w 6 językach, każda z interaktywnym eksperymentem, w którym zmieniasz dane albo model i od razu widzisz wynik.
Atlas jest dla osób, które chcą zrozumieć, jak naprawdę działa uczenie maszynowe, sieci neuronowe i modele językowe: od pierwszych kroków w kursie po hasła o konkretnych metodach.
Lekcja nie kłamie
To zasada, od której zaczyna się każdy tekst: każda liczba na stronie jest policzona albo pochodzi ze wskazanego źródła. Tak tego pilnujemy:
- Przykłady w hasłach i lekcjach liczymy na 9 publicznych zbiorach referencyjnych (m.in. Iris, Titanic, pingwiny Palmer). W wielu hasłach pod przykładem jest rozwijane pole „Jak to policzono” z ustawieniami obliczeń.
- Gdy hasło opisuje to, co pokazuje jego ilustracja, test sprawdza, że liczby w tekście są dokładnie tymi, które ilustracja liczy. Część testów porównuje też wyniki ilustracji z biblioteką scikit-learn.
- Kod z warstwy „W kodzie (Python)” każdej lekcji został uruchomiony, a jego wynik zapisany. Test sprawdza, że lekcja w każdym języku ma ten sam kod i pokazuje dokładnie ten wynik.
- Do lekcji są notebooki Jupyter, które same pobierają dane z publicznego źródła. Osobne narzędzie uruchamia je wszystkie tak jak czytelnik i porównuje wynik z lekcją. Potrzebuje sieci, więc działa poza automatycznymi testami.
- Liczby, których nie da się policzyć na naszych danych (np. wyniki z publikacji), podajemy razem ze źródłem.
Razem to ponad 1000 testów automatycznych (stan na ). Uruchamiają się przy każdej zmianie, razem z walidatorem treści i audytem strony. Zasada projektu: zmiana trafia na stronę dopiero wtedy, gdy wszystkie przechodzą.
Źródła
Każde hasło kończy się sekcją „Źródła”: prace naukowe, podręczniki i dokumentacja bibliotek, z których pochodzą definicje, wzory i liczby. Walidator treści nie przepuści hasła, w którym tej sekcji brakuje.
Dane i prawa autorskie
Każdy z 9 zbiorów referencyjnych opisujemy na stronie Dane referencyjne: źródło, cytowanie, licencja i to, co zmieniliśmy względem oryginału. Większość ma licencję CC BY 4.0 albo CC0. Przy zbiorach, dla których autorzy nie podali licencji (Titanic, Diabetes), piszemy to wprost.
Teksty są pisane od nowa, własnymi słowami. Nie kopiujemy cudzych tekstów, obrazów ani nagrań. Krótkie cytaty, np. znane sformułowania praw, podajemy z autorem i rokiem. Wykresy i ilustracje to grafika rysowana w kodzie strony z danych. Font Inter jest na licencji SIL OFL 1.1.
Treść Atlasu jest na licencji CC BY-SA 4.0.
Rola AI
Teksty i kod Atlasu powstają z pomocą modeli językowych (Claude firmy Anthropic). Dlatego nie polegamy na tym, co model „pamięta”: liczby w przykładach liczy kod na danych, a każda zmiana przed publikacją przechodzi testy i reguły sprawdzające treść, np. obowiązkowe sekcje hasła i zgodność liczb z ilustracjami.
Wpisów z wiadomościami na blogu nie piszemy z pamięci modelu: każdy podaje źródła i ma datę.
Zasady projektu i jego kierunek ustala właściciel Atlasu.