चैटबॉट एक ही सवाल के अलग-अलग जवाब क्यों देता है?
चैटबॉट एक ही प्रश्न के अलग-अलग उत्तर देता है क्योंकि वह हर उत्तर बनाते समय आगे आने वाले संभावित शब्दों में से चयन करता है, और इस चयन में आम तौर पर कुछ अनियमितता होती है। वह पहले से सहेजा हुआ कोई एक उत्तर नहीं निकाल रहा होता।
30 लोगों वाली एक काल्पनिक आर्किटेक्चर फ़र्म, फ़ेयरलाइन आर्किटेक्ट्स, की कल्पना करें। एक साझेदार कार्यालय प्रबंधक, रोवन, से कहता है कि फ़र्म के AI सहायक अपनाने से पहले तीन बातें समझाएँ। रोवन के नोट्स में लिखा है: 'अनुमति के बिना किए जा सकने वाले निर्माण के नियमों के बारे में दो बार पूछा, दो अलग जवाब मिले'; 'इसने योजना संबंधी मार्गदर्शन के ऐसे दस्तावेज़ नंबर का संदर्भ दिया जो मौजूद ही नहीं है'; 'चित्र बनाने वाले टूल ने नए स्टूडियो का सुंदर स्केच बनाया, लेकिन खिड़कियाँ एक सीध में नहीं हैं'। साझेदार जानना चाहता है कि क्या टूल खराब है। ऐसा नहीं है। वह ठीक वही कर रहा है जिसके लिए उसे बनाया गया था।
जनरेटिव AI मॉडल को कैसे प्रशिक्षित किया जाता है?
बड़े भाषा मॉडल को पहले बहुत बड़े पाठ-संग्रह पर प्रशिक्षित किया जाता है, ताकि वह पाठ के अगले हिस्से का अनुमान लगा सके। फिर उसे निर्देशों का पालन करने और उपयोगी जवाब देने का प्रशिक्षण दिया जाता है। Anthropic की शब्दावली के अनुसार, पूर्व-प्रशिक्षण में बिना लेबल वाले बड़े पाठ-संग्रह पर पिछले संदर्भ के आधार पर अगले शब्द का अनुमान लगाना सिखाया जाता है। इसके बाद फ़ाइन-ट्यूनिंग और मानवीय फ़ीडबैक से पुनर्बलन शिक्षण होता है, जिसमें लोग उदाहरण के जवाबों को क्रम देते हैं और मॉडल बेहतर जवाबों को प्राथमिकता देना सीखता है।
मॉडल हर दस्तावेज़ की एक प्रति नहीं रखता। वह अरबों आंतरिक संख्याओं में तब तक बदलाव करता है, जब तक उसके अनुमान डेटा के पैटर्न से मेल न खाने लगें। अंत में उसके पास खोजी जा सकने वाली लाइब्रेरी जैसी चीज़ नहीं, बल्कि इस बात की बहुत विस्तृत समझ जैसी चीज़ होती है कि भाषा और विचार आम तौर पर आपस में कैसे जुड़ते हैं।
टोकन क्या होते हैं और मॉडल उनका पूर्वानुमान कैसे लगाता है?
टोकन वे छोटी इकाइयाँ हैं जिन्हें मॉडल पढ़ता और लिखता है। ये अक्सर एक शब्द या शब्द का हिस्सा होती हैं। मॉडल बार-बार अगले संभावित टोकन का अनुमान लगाकर लिखता है। Google के मशीन लर्निंग पाठ्यक्रम के अनुसार, भाषा मॉडल किसी लंबे क्रम में किसी टोकन या टोकनों के क्रम के आने की संभावना का अनुमान लगाता है। इसमें यह भी बताया गया है कि लगभग 400 टोकन करीब 300 अंग्रेज़ी शब्दों के बराबर होते हैं।
हर चरण में मॉडल अगले संभावित टोकन के कई विकल्पों को अंक देता है। फिर ऐप उनमें से एक चुनता है—कभी सबसे संभावित विकल्प, तो अक्सर संभावित विकल्पों में से नमूना लेकर चुना गया कोई विकल्प। टेम्परेचर नाम की सेटिंग तय करती है कि यह चुनाव कितना विविध होगा: अधिक मान से शब्दों में अधिक विविधता आती है और कम मान से शब्दों का चुनाव अधिक अनुमान लगाने योग्य होता है। Anthropic के अनुसार, सबसे कम टेम्परेचर पर भी नतीजे हर बार पूरी तरह एक जैसे नहीं होते। रोवन के पहले नोट का यही जवाब है।
AI से चित्र बनाने वाले टूल कैसे काम करते हैं?
AI से चित्र बनाने वाले कई टूल डिफ़्यूज़न नाम के तरीके का इस्तेमाल करते हैं: मॉडल चित्रों से नॉइज़ हटाना सीखता है, फिर बेतरतीब नॉइज़ से शुरुआत करके और आपके लिखे विवरण के अनुसार उसे चरण-दर-चरण सुधारकर नया चित्र बनाता है। हगिंग फ़ेस के डिफ़्यूज़न पाठ्यक्रम में बताया गया है कि प्रशिक्षण के दौरान अलग-अलग मात्रा में नॉइज़ जोड़कर मॉडल को उसे ठीक करना सिखाया जाता है। चित्र बनाने की प्रक्रिया में बेतरतीब नॉइज़ को धीरे-धीरे सुधारा जाता है, जब तक कि एक चित्र उभर न आए।
क्योंकि मॉडल किसी वास्तुकार के नक्शे का पालन करने के बजाय ऐसे पिक्सेल बना रहा होता है जो देखने में सही लगें। इसलिए खिड़कियों का एक सीध में होना, संकेत-पट्टों पर लिखा पाठ या उँगलियों की संख्या जैसे विवरण गलत हो सकते हैं। यह रोवन की तीसरी टिप्पणी है।
आप इन टूल का इस्तेमाल कैसे करते हैं, उस पर इसका क्या असर पड़ता है?
इसका मतलब है कि टूल की याददाश्त पर भरोसा करने के बजाय आपको उसे वे तथ्य देने चाहिए जिनके आधार पर आप उससे काम कराना चाहते हैं। कमज़ोर प्रॉम्प्ट: 'पीछे की ओर विस्तार के लिए अनुमत निर्माण के नियम क्या हैं?' उत्तर धाराप्रवाह होता है, हर प्रयास में बदलता है और अलग-अलग वर्षों या देशों के नियमों को मिला सकता है। उसमें किसी ऐसे दस्तावेज़ का संदर्भ भी हो सकता है जो विश्वसनीय लगे, लेकिन मनगढ़ंत हो। यही रोवन की दूसरी टिप्पणी की वजह है।
सुधारा गया प्रॉम्प्ट: रोवन आधिकारिक निर्माण नियोजन मार्गदर्शन का संबंधित हिस्सा चिपकाकर पूछते हैं: 'केवल नीचे दिए गए पाठ का इस्तेमाल करके, पीछे की ओर बनने वाले एक मंज़िला विस्तार की आकार सीमाओं का सार एक तालिका में दें। अगर किसी बात का पाठ में उल्लेख नहीं है, तो लिखें कि उसका उल्लेख नहीं है।' अब मॉडल का काम केवल उस पाठ को अपने शब्दों में दोहराना और व्यवस्थित करना है जो उसके सामने है। यह काम वह अच्छी तरह करता है, और रोवन हर पंक्ति को मूल स्रोत से मिलाकर जाँच सकते हैं।
जनरेटिव AI की सीमाएँ क्या हैं?
मुख्य सीमाएँ ये हैं कि जनरेटिव AI गलत बातें आत्मविश्वास से कह सकता है, खोज या दस्तावेज़ों से न जुड़ा होने पर उसका ज्ञान एक निश्चित समय तक सीमित होता है, वह केवल उतनी जानकारी पर काम कर सकता है जितनी उसकी संदर्भ सीमा में समाती है, और उसके प्रशिक्षण डेटा का पक्षपात उसके उत्तरों में झलक सकता है। इनमें से कोई भी ऐसी तकनीकी खराबी नहीं है जिसे अधिक विनम्रता से पूछकर ठीक किया जा सके; ये सीमाएँ मॉडल के काम करने के तरीके से पैदा होती हैं।
तथ्यों, संख्याओं, नामों और संदर्भों को किसी भरोसेमंद स्रोत से मिलाकर जाँचें, और जहाँ सटीकता ज़रूरी हो, वहाँ टूल को स्रोत सामग्री दें।
Tosheo.ai की पाठ्यसूची में यह पाठ कहाँ शामिल है?
जनरेटिव AI कैसे काम करता है, यह पाठ AI की बुनियादी जानकारी वाली श्रेणी में है। यह शुरुआती लोगों के लिए AI के आरंभिक पाठों में से एक है और जनरेटिव AI पाठ्यक्रम का पहला पाठ है। Tosheo.ai पर व्यावहारिक कार्य में आपको पहले अनुमान लगाना होता है और फिर जाँच करनी होती है कि टेम्परेचर जैसी सेटिंग बदलने या स्रोत का पाठ देने पर टूल कैसे काम करता है। अंक देने के मानदंडों पर आधारित प्रतिक्रिया में यह जाँचा जाता है कि आपका स्पष्टीकरण किसी सहकर्मी को समझ आएगा या नहीं।
स्रोत और दायरा
Hugging Face Diffusion Models Course, इकाई 1: डिफ्यूज़न का परिचय (19 अक्टूबर 2026 को जाँचा गया) ↗