ಒಂದೇ ಪ್ರಶ್ನೆಗೆ ಚಾಟ್‌ಬಾಟ್ ಬೇರೆ ಬೇರೆ ಉತ್ತರಗಳನ್ನು ಏಕೆ ನೀಡುತ್ತದೆ?
ಚಾಟ್‌ಬಾಟ್ ಒಂದೇ ಪ್ರಶ್ನೆಗೆ ಬೇರೆ ಬೇರೆ ಉತ್ತರಗಳನ್ನು ನೀಡುತ್ತದೆ. ಏಕೆಂದರೆ ಪ್ರತಿ ಉತ್ತರವನ್ನು ರಚಿಸುವಾಗ ಅದು ಮುಂದೆ ಬರಬಹುದಾದ ಪದಗಳಲ್ಲಿ ಒಂದನ್ನು ಆರಿಸುತ್ತದೆ; ಆ ಆಯ್ಕೆಯಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿ ಸ್ವಲ್ಪ ಯಾದೃಚ್ಛಿಕತೆಯೂ ಇರುತ್ತದೆ. ಅದು ಸಂಗ್ರಹಿಸಿಟ್ಟ ಒಂದೇ ಉತ್ತರವನ್ನು ತೆಗೆದು ಕೊಡುತ್ತಿಲ್ಲ.
ಫೇರ್‌ಲೈನ್ ಆರ್ಕಿಟೆಕ್ಟ್ಸ್ ಎಂಬ 30 ಜನರ ಕಾಲ್ಪನಿಕ ವಾಸ್ತುಶಿಲ್ಪ ಸಂಸ್ಥೆಯನ್ನು ಊಹಿಸಿಕೊಳ್ಳಿ. ಸಂಸ್ಥೆಯು AI ಸಹಾಯಕವನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವ ಮೊದಲು ಮೂರು ವಿಷಯಗಳನ್ನು ವಿವರಿಸುವಂತೆ ಪಾಲುದಾರರೊಬ್ಬರು ಕಚೇರಿ ವ್ಯವಸ್ಥಾಪಕ ರೋವನ್ ಅವರನ್ನು ಕೇಳುತ್ತಾರೆ. ರೋವನ್ ಅವರ ಟಿಪ್ಪಣಿಗಳು ಹೀಗಿವೆ: 'ಪ್ರತ್ಯೇಕ ಅನುಮತಿ ಅಗತ್ಯವಿಲ್ಲದ ಕಟ್ಟಡ ಅಭಿವೃದ್ಧಿ ನಿಯಮಗಳ ಬಗ್ಗೆ ಎರಡು ಬಾರಿ ಕೇಳಿದಾಗ ಎರಡು ಬೇರೆ ಉತ್ತರಗಳು ಬಂದವು'; 'ಅಸ್ತಿತ್ವದಲ್ಲೇ ಇಲ್ಲದ ಯೋಜನಾ ಮಾರ್ಗದರ್ಶನ ದಸ್ತಾವೇಜಿನ ಸಂಖ್ಯೆಯನ್ನು ಉಲ್ಲೇಖಿಸಿತು'; 'ಚಿತ್ರ ರಚನಾ ಸಾಧನವು ಹೊಸ ಸ್ಟುಡಿಯೊದ ಸುಂದರ ರೇಖಾಚಿತ್ರವನ್ನು ಮಾಡಿತು, ಆದರೆ ಕಿಟಕಿಗಳು ಸರಿಯಾಗಿ ಜೋಡಣೆಯಾಗಿಲ್ಲ'. ಸಾಧನ ಕೆಟ್ಟಿದೆಯೇ ಎಂದು ಪಾಲುದಾರರು ತಿಳಿಯಲು ಬಯಸುತ್ತಾರೆ. ಅದು ಕೆಟ್ಟಿಲ್ಲ. ಅದನ್ನು ಯಾವುದಕ್ಕಾಗಿ ನಿರ್ಮಿಸಲಾಗಿದೆಯೋ ಅದನ್ನೇ ಅದು ಮಾಡುತ್ತಿದೆ.
ಉತ್ಪಾದಕ AI ಮಾದರಿಗೆ ತರಬೇತಿ ನೀಡುವುದು ಹೇಗೆ?
ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗೆ ಮೊದಲು ಮುಂದಿನ ಪಠ್ಯಭಾಗವನ್ನು ಊಹಿಸಲು ಅಪಾರ ಪಠ್ಯ ಸಂಗ್ರಹದ ಮೇಲೆ ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ. ನಂತರ ಸೂಚನೆಗಳನ್ನು ಪಾಲಿಸಿ ಉಪಯುಕ್ತ ಉತ್ತರಗಳನ್ನು ನೀಡುವಂತೆ ಮತ್ತಷ್ಟು ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ. Anthropic ಪದಕೋಶದ ಪ್ರಕಾರ, ಪೂರ್ವತರಬೇತಿ ಎಂದರೆ ಹಿಂದಿನ ಸಂದರ್ಭದ ಆಧಾರದ ಮೇಲೆ ಮುಂದಿನ ಪದವನ್ನು ಊಹಿಸಲು ಗುರುತುಪಟ್ಟಿಗಳಿಲ್ಲದ ದೊಡ್ಡ ಪಠ್ಯ ಸಂಗ್ರಹದ ಮೇಲೆ ನೀಡುವ ತರಬೇತಿ. ಬಳಿಕ ಸೂಕ್ಷ್ಮ ಹೊಂದಾಣಿಕೆ ಮತ್ತು ಮಾನವರ ಪ್ರತಿಕ್ರಿಯೆಯ ಆಧಾರದ ಮೇಲೆ ಬಲವರ್ಧನಾ ಕಲಿಕೆ ನಡೆಯುತ್ತದೆ. ಇದರಲ್ಲಿ ಜನರು ಮಾದರಿ ಉತ್ತರಗಳಿಗೆ ಶ್ರೇಣಿ ನೀಡುತ್ತಾರೆ ಮತ್ತು ಮಾದರಿಯು ಉತ್ತಮ ಉತ್ತರಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡಲು ಕಲಿಯುತ್ತದೆ.
ಮಾದರಿಯು ಪ್ರತಿಯೊಂದು ದಾಖಲೆಯ ಪ್ರತಿಯನ್ನು ಉಳಿಸಿಕೊಳ್ಳುವುದಿಲ್ಲ. ಅದರ ಮುನ್ನಂದಾಜುಗಳು ದತ್ತಾಂಶದಲ್ಲಿನ ಮಾದರಿಗಳಿಗೆ ಹೊಂದುವವರೆಗೆ ಅದು ತನ್ನೊಳಗಿನ ಶತಕೋಟಿ ಸಂಖ್ಯಾತ್ಮಕ ಮೌಲ್ಯಗಳನ್ನು ಹೊಂದಿಸುತ್ತದೆ. ಕೊನೆಯಲ್ಲಿ ಅದು ಪಡೆಯುವುದು ಹುಡುಕಬಹುದಾದ ಗ್ರಂಥಾಲಯಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ, ಭಾಷೆ ಮತ್ತು ವಿಚಾರಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಹೇಗೆ ಪರಸ್ಪರ ಹೊಂದಿಕೊಳ್ಳುತ್ತವೆ ಎಂಬ ಅತ್ಯಂತ ವಿವರವಾದ ಅರಿವಿನಂತಿರುತ್ತದೆ.
ಟೋಕನ್‌ಗಳು ಎಂದರೇನು, ಮತ್ತು ಮಾದರಿಯು ಅವುಗಳನ್ನು ಹೇಗೆ ಊಹಿಸುತ್ತದೆ?
ಟೋಕನ್‌ಗಳು ಮಾದರಿಯು ಓದುವ ಮತ್ತು ಬರೆಯುವ ಸಣ್ಣ ಘಟಕಗಳು; ಸಾಮಾನ್ಯವಾಗಿ ಅವು ಒಂದು ಪದ ಅಥವಾ ಪದದ ಭಾಗವಾಗಿರುತ್ತವೆ. ಮುಂದಿನ ಸಂಭಾವ್ಯ ಟೋಕನ್ ಅನ್ನು ಮತ್ತೆ ಮತ್ತೆ ಊಹಿಸುವ ಮೂಲಕ ಮಾದರಿಯು ಬರೆಯುತ್ತದೆ. Google ನ ಯಂತ್ರ ಕಲಿಕೆ ಕೋರ್ಸ್, ಭಾಷಾ ಮಾದರಿಯನ್ನು ದೀರ್ಘ ಅನುಕ್ರಮದೊಳಗೆ ಒಂದು ಟೋಕನ್ ಅಥವಾ ಟೋಕನ್‌ಗಳ ಅನುಕ್ರಮ ಕಾಣಿಸಿಕೊಳ್ಳುವ ಸಂಭವನೀಯತೆಯನ್ನು ಅಂದಾಜಿಸುವ ವ್ಯವಸ್ಥೆ ಎಂದು ವಿವರಿಸುತ್ತದೆ. ಸುಮಾರು 400 ಟೋಕನ್‌ಗಳು ಸುಮಾರು 300 ಇಂಗ್ಲಿಷ್ ಪದಗಳಿಗೆ ಸಮಾನವೆಂದೂ ಅದು ತಿಳಿಸುತ್ತದೆ.
ಪ್ರತಿ ಹಂತದಲ್ಲೂ, ಮಾದರಿಯು ಮುಂದಿನ ಭಾಗವಾಗಬಹುದಾದ ಹಲವು ಪದಾಂಶಗಳಿಗೆ ಅಂಕ ನೀಡುತ್ತದೆ. ನಂತರ ಅನ್ವಯವು ಅವುಗಳಲ್ಲಿ ಒಂದನ್ನು ಆಯ್ಕೆಮಾಡುತ್ತದೆ; ಕೆಲವೊಮ್ಮೆ ಅತ್ಯಂತ ಸಂಭವನೀಯವಾದುದನ್ನು, ಹೆಚ್ಚಾಗಿ ಸಂಭವನೀಯ ಆಯ್ಕೆಗಳಿಂದ ಮಾದರಿಯಾಗಿ ಆರಿಸಿದುದನ್ನು. ತಾಪಮಾನ ಎಂಬ ಸೆಟ್ಟಿಂಗ್ ಆ ಆಯ್ಕೆ ಎಷ್ಟು ವೈವಿಧ್ಯಮಯವಾಗಿರುತ್ತದೆ ಎಂಬುದನ್ನು ನಿಯಂತ್ರಿಸುತ್ತದೆ: ಹೆಚ್ಚಿನ ಮೌಲ್ಯಗಳು ಹೆಚ್ಚು ವೈವಿಧ್ಯಮಯ ಪದಪ್ರಯೋಗವನ್ನು ನೀಡುತ್ತವೆ, ಕಡಿಮೆ ಮೌಲ್ಯಗಳು ಹೆಚ್ಚು ಊಹಿಸಬಹುದಾದ ಪದಪ್ರಯೋಗವನ್ನು ನೀಡುತ್ತವೆ. ಅತ್ಯಂತ ಕಡಿಮೆ ತಾಪಮಾನದಲ್ಲೂ ಫಲಿತಾಂಶಗಳು ಸಂಪೂರ್ಣವಾಗಿ ನಿಶ್ಚಿತವಾಗಿರುವುದಿಲ್ಲ ಎಂದು Anthropic ತಿಳಿಸುತ್ತದೆ. ರೋವನ್ ಅವರ ಮೊದಲ ಟಿಪ್ಪಣಿಗೆ ಇದೇ ಉತ್ತರ.
AI ಚಿತ್ರ ರಚನಾ ಸಾಧನಗಳು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತವೆ?
ಅನೇಕ AI ಚಿತ್ರ ರಚನಾ ಪರಿಕರಗಳು ವಿಸರಣ ಎಂಬ ವಿಧಾನವನ್ನು ಬಳಸುತ್ತವೆ: ಮಾದರಿಯು ಚಿತ್ರಗಳಿಂದ ಅಸ್ತವ್ಯಸ್ತ ಚುಕ್ಕೆಗಳನ್ನು ತೆಗೆದುಹಾಕಲು ಕಲಿಯುತ್ತದೆ. ನಂತರ ನಿಮ್ಮ ಪಠ್ಯ ವಿವರಣೆಯ ಮಾರ್ಗದರ್ಶನದಲ್ಲಿ ಯಾದೃಚ್ಛಿಕ ಚುಕ್ಕೆಗಳಿಂದ ಆರಂಭಿಸಿ, ಹಂತ ಹಂತವಾಗಿ ಅವನ್ನು ಪರಿಷ್ಕರಿಸುತ್ತಾ ಹೊಸ ಚಿತ್ರವನ್ನು ರಚಿಸುತ್ತದೆ. ಹಗಿಂಗ್ ಫೇಸ್‌ನ ವಿಸರಣ ಕೋರ್ಸ್‌ನಲ್ಲಿ, ಬೇರೆ ಬೇರೆ ಪ್ರಮಾಣದಲ್ಲಿ ಚುಕ್ಕೆಗಳನ್ನು ಸೇರಿಸಿ ಅವನ್ನು ಸರಿಪಡಿಸಲು ಮಾದರಿಗೆ ಕಲಿಸುವುದನ್ನು ತರಬೇತಿ ಎಂದು ವಿವರಿಸಲಾಗಿದೆ. ಯಾದೃಚ್ಛಿಕ ಚುಕ್ಕೆಗಳನ್ನು ಕ್ರಮೇಣ ಪರಿಷ್ಕರಿಸಿ ಚಿತ್ರ ಮೂಡುವಂತೆ ಮಾಡುವುದನ್ನು ಚಿತ್ರ ರಚನೆ ಎಂದು ವಿವರಿಸಲಾಗಿದೆ.
ಏಕೆಂದರೆ ಮಾದರಿಯು ವಾಸ್ತುಶಿಲ್ಪಿಯ ರೇಖಾಚಿತ್ರವನ್ನು ಅನುಸರಿಸುವ ಬದಲು ನಂಬಬಹುದಾದಂತೆ ತೋರುವ ಪಿಕ್ಸೆಲ್‌ಗಳನ್ನು ರೂಪಿಸುತ್ತದೆ. ಹಾಗಾಗಿ ಕಿಟಕಿಗಳ ಜೋಡಣೆ, ಫಲಕಗಳ ಮೇಲಿನ ಪಠ್ಯ ಅಥವಾ ಬೆರಳುಗಳ ಸಂಖ್ಯೆಯಂತಹ ವಿವರಗಳು ತಪ್ಪಾಗಬಹುದು. ಇದು ರೋವನ್ ಅವರ ಮೂರನೇ ಟಿಪ್ಪಣಿ.
ನೀವು ಈ ಸಾಧನಗಳನ್ನು ಬಳಸುವ ವಿಧಾನಕ್ಕೆ ಇದರ ಅರ್ಥವೇನು?
ಉಪಕರಣದ ನೆನಪನ್ನು ಅವಲಂಬಿಸುವ ಬದಲು, ಅದು ಬಳಸಬೇಕಾದ ಸಂಗತಿಗಳನ್ನು ನೀವೇ ನೀಡಬೇಕು ಎಂದರ್ಥ. ದುರ್ಬಲ ಸೂಚನೆ: 'ಮನೆಯ ಹಿಂಭಾಗದ ವಿಸ್ತರಣೆಗೆ ಅನುಮತಿಸಲಾದ ಅಭಿವೃದ್ಧಿ ನಿಯಮಗಳು ಯಾವುವು?' ಉತ್ತರವು ಸರಾಗವಾಗಿದ್ದರೂ ಪ್ರತಿ ಪ್ರಯತ್ನದಲ್ಲೂ ಬದಲಾಗುತ್ತದೆ; ಬೇರೆ ಬೇರೆ ವರ್ಷಗಳ ಅಥವಾ ದೇಶಗಳ ನಿಯಮಗಳನ್ನು ಬೆರೆಸಬಹುದು. ನಿಜವೆನಿಸುವ ಆದರೆ ಕಲ್ಪಿತವಾದ ದಸ್ತಾವೇಜಿನ ಉಲ್ಲೇಖವನ್ನೂ ಸೇರಿಸಬಹುದು. ರೋವನ್ ಅವರ ಎರಡನೇ ಟಿಪ್ಪಣಿಗೆ ಇದೇ ವಿವರಣೆ.
ಸುಧಾರಿತ ಸೂಚನೆ: ರೋವನ್ ಅಧಿಕೃತ ಕಟ್ಟಡ ಯೋಜನಾ ಮಾರ್ಗದರ್ಶನದ ಸಂಬಂಧಿತ ಭಾಗವನ್ನು ಅಂಟಿಸಿ ಹೀಗೆ ಕೇಳುತ್ತಾರೆ: 'ಕೆಳಗಿನ ಪಠ್ಯವನ್ನು ಮಾತ್ರ ಬಳಸಿ, ಮನೆಯ ಹಿಂಭಾಗದ ಒಂದೇ ಅಂತಸ್ತಿನ ವಿಸ್ತರಣೆಗೆ ಅನ್ವಯಿಸುವ ಗಾತ್ರದ ಮಿತಿಗಳನ್ನು ಕೋಷ್ಟಕದಲ್ಲಿ ಸಂಕ್ಷಿಪ್ತವಾಗಿ ನೀಡಿ. ಯಾವುದಾದರೂ ವಿಷಯ ಪಠ್ಯದಲ್ಲಿ ಇಲ್ಲದಿದ್ದರೆ, ಒಳಗೊಂಡಿಲ್ಲ ಎಂದು ಹೇಳಿ.' ಈಗ ಮಾದರಿಯ ಕೆಲಸವೆಂದರೆ ತನಗೆ ಕಾಣುವ ಪಠ್ಯವನ್ನು ಮರುನಿರೂಪಿಸಿ ವ್ಯವಸ್ಥಿತಗೊಳಿಸುವುದು. ಇದನ್ನು ಅದು ಚೆನ್ನಾಗಿ ಮಾಡುತ್ತದೆ ಮತ್ತು ರೋವನ್ ಪ್ರತಿ ಸಾಲನ್ನೂ ಮೂಲದೊಂದಿಗೆ ಹೋಲಿಸಿ ಪರಿಶೀಲಿಸಬಹುದು.
ಜನಕ AI ಯ ಮಿತಿಗಳು ಯಾವುವು?
ಮುಖ್ಯ ಮಿತಿಗಳೆಂದರೆ ಉತ್ಪಾದಕ AI ಸುಳ್ಳು ವಿಷಯಗಳನ್ನು ವಿಶ್ವಾಸದಿಂದ ಹೇಳಬಹುದು, ಹುಡುಕಾಟ ಅಥವಾ ದಾಖಲೆಗಳಿಗೆ ಸಂಪರ್ಕಿಸದಿದ್ದರೆ ಅದರ ಜ್ಞಾನಕ್ಕೆ ಕಾಲಮಿತಿ ಇರುತ್ತದೆ, ಅದರ ಸಂದರ್ಭ ಮಿತಿಯೊಳಗೆ ಹೊಂದುವ ಮಾಹಿತಿಯೊಂದಿಗೆ ಮಾತ್ರ ಅದು ಕೆಲಸ ಮಾಡಬಲ್ಲದು ಮತ್ತು ಅದರ ತರಬೇತಿ ದತ್ತಾಂಶದಲ್ಲಿನ ಪಕ್ಷಪಾತವನ್ನು ಪ್ರತಿಬಿಂಬಿಸಬಹುದು. ಇವುಗಳಲ್ಲಿ ಯಾವುದೂ ಹೆಚ್ಚು ವಿನಯದಿಂದ ಕೇಳುವ ಮೂಲಕ ಸರಿಪಡಿಸಬಹುದಾದ ದೋಷಗಳಲ್ಲ; ಮಾದರಿಗಳು ಕಾರ್ಯನಿರ್ವಹಿಸುವ ವಿಧಾನದಿಂದ ಇವು ಉಂಟಾಗುತ್ತವೆ.
ನೀವು ನಂಬುವ ಮೂಲದೊಂದಿಗೆ ಹೋಲಿಸಿ ಸಂಗತಿಗಳು, ಸಂಖ್ಯೆಗಳು, ಹೆಸರುಗಳು ಮತ್ತು ಉಲ್ಲೇಖಗಳನ್ನು ಪರಿಶೀಲಿಸಿ. ನಿಖರತೆ ಮುಖ್ಯವಾಗಿರುವಾಗಲೆಲ್ಲ ಸಾಧನಕ್ಕೆ ಮೂಲ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸಿ.
Tosheo.ai ಪಠ್ಯಪಟ್ಟಿಯಲ್ಲಿ ಈ ಪಾಠ ಯಾವ ಭಾಗಕ್ಕೆ ಸೇರುತ್ತದೆ?
ಉತ್ಪಾದಕ AI ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂಬ ಪಾಠವು AI ಮೂಲಭೂತ ಅಂಶಗಳ ವಿಭಾಗದಲ್ಲಿದೆ. ಇದು ಆರಂಭಿಕರಿಗಾಗಿ ಇರುವ AI ಪಾಠಗಳಲ್ಲಿ ಮೊದಲ ಕೆಲವು ಪಾಠಗಳಲ್ಲೊಂದು ಮತ್ತು ಉತ್ಪಾದಕ AI ಕೋರ್ಸ್‌ನ ಮೊದಲ ಪಾಠವಾಗಿದೆ. Tosheo.ai ನಲ್ಲಿನ ಪ್ರಾಯೋಗಿಕ ಕಾರ್ಯದಲ್ಲಿ, ಟೆಂಪರೇಚರ್‌ನಂತಹ ಸೆಟ್ಟಿಂಗ್‌ಗಳನ್ನು ಬದಲಿಸಿದಾಗ ಅಥವಾ ಮೂಲ ಪಠ್ಯವನ್ನು ಒದಗಿಸಿದಾಗ ಪರಿಕರವು ಹೇಗೆ ವರ್ತಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಮೊದಲು ಊಹಿಸಿ, ನಂತರ ಪರೀಕ್ಷಿಸಬೇಕು. ನಿಮ್ಮ ವಿವರಣೆ ಸಹೋದ್ಯೋಗಿಗೆ ಅರ್ಥವಾಗುವಂತಿದೆಯೇ ಎಂಬುದನ್ನು ಅಂಕ ನೀಡುವ ಮಾನದಂಡಗಳ ಆಧಾರದ ಪ್ರತಿಕ್ರಿಯೆ ಪರಿಶೀಲಿಸುತ್ತದೆ.
ಮೂಲಗಳು ಮತ್ತು ವ್ಯಾಪ್ತಿ
ಹಗ್ಗಿಂಗ್ ಫೇಸ್ ವಿಸರಣ ಮಾದರಿಗಳ ಕೋರ್ಸ್, ಘಟಕ 1 ವಿಸರಣದ ಪರಿಚಯ (19 ಅಕ್ಟೋಬರ್ 2026 ರಂದು ಪರಿಶೀಲಿಸಲಾಗಿದೆ) ↗