ഒരേ ചോദ്യത്തിന് ചാറ്റ്ബോട്ട് വ്യത്യസ്ത ഉത്തരങ്ങൾ നൽകുന്നത് എന്തുകൊണ്ട്?
ഒരേ ചോദ്യത്തിന് ചാറ്റ്ബോട്ട് വ്യത്യസ്ത ഉത്തരങ്ങൾ നൽകുന്നത്, അടുത്തതായി വരാൻ സാധ്യതയുള്ള വാക്കുകളിൽനിന്ന് തിരഞ്ഞെടുത്താണ് ഓരോ മറുപടിയും സൃഷ്ടിക്കുന്നത് എന്നതിനാലാണ്. ഈ തിരഞ്ഞെടുപ്പിൽ സാധാരണയായി കുറച്ച് യാദൃച്ഛികതയും ഉണ്ടാകും. സൂക്ഷിച്ചുവെച്ച ഒരൊറ്റ ഉത്തരം എടുത്തുനൽകുകയല്ല അത് ചെയ്യുന്നത്.
30 പേരുള്ള ഫെയർലൈൻ ആർക്കിടെക്ട്സ് എന്ന സാങ്കൽപ്പിക വാസ്തുവിദ്യാ സ്ഥാപനത്തെ സങ്കൽപ്പിക്കുക. സ്ഥാപനം ഒരു AI സഹായിയെ ഉപയോഗിച്ചുതുടങ്ങുന്നതിനുമുമ്പ് മൂന്ന് കാര്യങ്ങൾ വിശദീകരിക്കാൻ ഒരു പങ്കാളി ഓഫീസ് മാനേജരായ റോവനോട് ആവശ്യപ്പെടുന്നു. റോവന്റെ കുറിപ്പുകൾ ഇങ്ങനെയാണ്: 'പ്രത്യേക ആസൂത്രണാനുമതി ആവശ്യമില്ലാത്ത നിർമ്മാണത്തിനുള്ള ചട്ടങ്ങളെക്കുറിച്ച് രണ്ടുതവണ ചോദിച്ചു, രണ്ട് വ്യത്യസ്ത ഉത്തരങ്ങൾ കിട്ടി'; 'നിലവിലില്ലാത്ത ഒരു ആസൂത്രണ മാർഗനിർദേശ രേഖയുടെ നമ്പർ റഫറൻസായി നൽകി'; 'ചിത്രം സൃഷ്ടിക്കുന്ന ഉപകരണം പുതിയ സ്റ്റുഡിയോയുടെ മനോഹരമായ രേഖാചിത്രം തയ്യാറാക്കി, പക്ഷേ ജനലുകൾ ഒരേ നിരയിലല്ല'. ഉപകരണത്തിന് തകരാറുണ്ടോ എന്ന് പങ്കാളിക്ക് അറിയണം. തകരാറില്ല. നിർമ്മിക്കപ്പെട്ട രീതിയിൽത്തന്നെയാണ് അത് പ്രവർത്തിക്കുന്നത്.
ഒരു ജനറേറ്റീവ് AI മോഡലിനെ എങ്ങനെ പരിശീലിപ്പിക്കുന്നു?
ഒരു വലിയ ഭാഷാ മോഡലിനെ ആദ്യം വലിയൊരു പാഠശേഖരം ഉപയോഗിച്ച് അടുത്ത പാഠഭാഗം പ്രവചിക്കാൻ പരിശീലിപ്പിക്കുന്നു. തുടർന്ന് നിർദേശങ്ങൾ പാലിക്കാനും പ്രയോജനകരമായ ഉത്തരങ്ങൾ നൽകാനും കൂടുതൽ പരിശീലനം നൽകുന്നു. Anthropic-ന്റെ പദാവലി പ്രകാരം, മുൻപുള്ള സന്ദർഭം കണക്കിലെടുത്ത് അടുത്ത വാക്ക് പ്രവചിക്കാൻ ലേബലുകളില്ലാത്ത വലിയൊരു പാഠശേഖരത്തിൽ പരിശീലിപ്പിക്കുന്നതാണ് പ്രാരംഭ പരിശീലനം. തുടർന്ന് സൂക്ഷ്മപരിശീലനവും മനുഷ്യരുടെ പ്രതികരണത്തെ അടിസ്ഥാനമാക്കിയുള്ള പ്രബലന പഠനവും നടത്തുന്നു. ഇതിൽ ആളുകൾ മാതൃകാ ഉത്തരങ്ങൾക്ക് നിലവാരക്രമം നൽകുകയും മികച്ചവയ്ക്ക് മുൻഗണന നൽകാൻ മോഡൽ പഠിക്കുകയും ചെയ്യുന്നു.
മോഡൽ എല്ലാ രേഖകളുടെയും പകർപ്പ് സൂക്ഷിക്കുന്നില്ല. അതിന്റെ പ്രവചനങ്ങൾ ഡാറ്റയിലെ ക്രമങ്ങളുമായി പൊരുത്തപ്പെടുന്നതുവരെ കോടിക്കണക്കിന് ആന്തരിക സംഖ്യകൾ ക്രമീകരിക്കുകയാണ് ചെയ്യുന്നത്. അവസാനം ലഭിക്കുന്നത് തിരയാവുന്ന ഒരു ഗ്രന്ഥശാലയേക്കാൾ, ഭാഷയും ആശയങ്ങളും സാധാരണയായി എങ്ങനെ പരസ്പരം ചേരുന്നു എന്നതിനെക്കുറിച്ചുള്ള വളരെ വിശദമായ ധാരണയോട് അടുത്ത ഒന്നാണ്.
ടോക്കണുകൾ എന്താണ്, മോഡൽ അവയെ എങ്ങനെയാണ് പ്രവചിക്കുന്നത്?
ഒരു മോഡൽ വായിക്കുകയും എഴുതുകയും ചെയ്യുന്ന ചെറിയ ഘടകങ്ങളാണ് ടോക്കണുകൾ. അവ പലപ്പോഴും ഒരു വാക്കോ വാക്കിന്റെ ഭാഗമോ ആയിരിക്കും. അടുത്തതായി വരാൻ സാധ്യതയുള്ള ടോക്കൺ ആവർത്തിച്ച് പ്രവചിച്ചാണ് മോഡൽ എഴുതുന്നത്. നീണ്ട ഒരു ശ്രേണിയിൽ ഒരു ടോക്കണോ ടോക്കണുകളുടെ ഒരു കൂട്ടമോ വരാനുള്ള സാധ്യത കണക്കാക്കുന്നതായാണ് Google-ന്റെ മെഷീൻ ലേണിങ് കോഴ്സ് ഭാഷാ മോഡലിനെ വിവരിക്കുന്നത്. ഏകദേശം 400 ടോക്കണുകൾ ഏകദേശം 300 ഇംഗ്ലീഷ് വാക്കുകൾക്ക് തുല്യമാണെന്നും അത് പറയുന്നു.
ഓരോ ഘട്ടത്തിലും, അടുത്തതായി വരാവുന്ന നിരവധി ടോക്കണുകൾക്ക് മോഡൽ സ്കോർ നൽകുന്നു. തുടർന്ന് ആപ്ലിക്കേഷൻ ഒരെണ്ണം തിരഞ്ഞെടുക്കുന്നു. ചിലപ്പോൾ ഏറ്റവും സാധ്യതയുള്ളതായിരിക്കും; പലപ്പോഴും സാധ്യതയുള്ളവയിൽനിന്ന് സാമ്പിൾ ചെയ്ത് എടുത്തതായിരിക്കും. ടെമ്പറേച്ചർ എന്ന ക്രമീകരണം ആ തിരഞ്ഞെടുപ്പ് എത്രത്തോളം പതിവിൽനിന്ന് മാറാമെന്ന് നിയന്ത്രിക്കുന്നു: ഉയർന്ന മൂല്യങ്ങൾ കൂടുതൽ വൈവിധ്യമുള്ള വാക്കുകൾ നൽകുന്നു; കുറഞ്ഞ മൂല്യങ്ങൾ കൂടുതൽ പ്രവചിക്കാവുന്ന വാക്കുകൾ നൽകുന്നു. ഏറ്റവും കുറഞ്ഞ ടെമ്പറേച്ചറിൽപ്പോലും ഫലങ്ങൾ പൂർണമായും നിർണീതമല്ലെന്ന് Anthropic പറയുന്നു. റോവന്റെ ആദ്യ കുറിപ്പിനുള്ള ഉത്തരം അതാണ്.
AI ചിത്രനിർമാണ സംവിധാനങ്ങൾ എങ്ങനെയാണ് പ്രവർത്തിക്കുന്നത്?
പല AI ചിത്രനിർമാണ ഉപകരണങ്ങളും ഡിഫ്യൂഷൻ എന്ന രീതി ഉപയോഗിക്കുന്നു: ചിത്രങ്ങളിലെ ക്രമരഹിതമായ ദൃശ്യപ്പുള്ളികൾ നീക്കാൻ മോഡൽ പഠിക്കുന്നു. തുടർന്ന് നിങ്ങളുടെ എഴുത്തിലുള്ള വിവരണത്തിന്റെ അടിസ്ഥാനത്തിൽ, ക്രമരഹിതമായ ദൃശ്യപ്പുള്ളികളിൽനിന്ന് ആരംഭിച്ച് ഘട്ടംഘട്ടമായി മെച്ചപ്പെടുത്തി പുതിയ ചിത്രം സൃഷ്ടിക്കുന്നു. Hugging Face-ന്റെ ഡിഫ്യൂഷൻ കോഴ്സ് പരിശീലനത്തെ വിശദീകരിക്കുന്നത് വ്യത്യസ്ത അളവിൽ ഇത്തരം ദൃശ്യപ്പുള്ളികൾ ചേർത്ത് അവ പരിഹരിക്കാൻ മോഡലിനെ പഠിപ്പിക്കുന്നതായാണ്. ചിത്രനിർമാണമാകട്ടെ, ക്രമരഹിതമായ ദൃശ്യപ്പുള്ളികളെ ഒരു ചിത്രം തെളിയുന്നതുവരെ ക്രമേണ മെച്ചപ്പെടുത്തുന്ന പ്രക്രിയയായും വിശദീകരിക്കുന്നു.
കാരണം, മോഡൽ ഒരു വാസ്തുശില്പിയുടെ രേഖാചിത്രം പിന്തുടരുകയല്ല, മറിച്ച് യഥാർഥമെന്ന് തോന്നിക്കുന്ന പിക്സലുകൾ രൂപപ്പെടുത്തുകയാണ്. അതിനാൽ ജനലുകളുടെ വിന്യാസം, ബോർഡുകളിലെ എഴുത്ത്, വിരലുകളുടെ എണ്ണം തുടങ്ങിയ വിശദാംശങ്ങൾ തെറ്റിപ്പോകാം. അതാണ് റോവന്റെ മൂന്നാമത്തെ കുറിപ്പ്.
നിങ്ങൾ ഈ ഉപകരണങ്ങൾ ഉപയോഗിക്കുന്ന രീതിയെ ഇത് എങ്ങനെ ബാധിക്കുന്നു?
ഉപകരണത്തിന്റെ ഓർമ്മയെ ആശ്രയിക്കുന്നതിനു പകരം, അത് ഉപയോഗിക്കേണ്ട വസ്തുതകൾ നിങ്ങൾ നൽകണം എന്നാണ് ഇതിനർഥം. ദുർബലമായ നിർദേശം: 'കെട്ടിടത്തിന്റെ പിൻഭാഗത്തേക്കുള്ള വിപുലീകരണത്തിന് പ്രത്യേക അനുമതിയില്ലാതെ അനുവദനീയമായ നിർമാണച്ചട്ടങ്ങൾ എന്തൊക്കെയാണ്?' ഉത്തരം ഒഴുക്കുള്ളതായിരിക്കും, ഓരോ ശ്രമത്തിലും വ്യത്യാസപ്പെടും, വിവിധ വർഷങ്ങളിലെയോ രാജ്യങ്ങളിലെയോ ചട്ടങ്ങൾ കൂട്ടിക്കലർത്തിയേക്കാം. വിശ്വസനീയമെന്ന് തോന്നിക്കുന്നതും എന്നാൽ സൃഷ്ടിച്ചെടുത്തതുമായ ഒരു രേഖാ അവലംബവും അതിൽ ഉണ്ടായേക്കാം; റോവന്റെ രണ്ടാമത്തെ കുറിപ്പിന്റെ കാരണം ഇതാണ്.
മെച്ചപ്പെടുത്തിയ നിർദേശം: റോവൻ ഔദ്യോഗിക ആസൂത്രണ മാർഗനിർദേശത്തിലെ പ്രസക്തമായ ഭാഗം ചേർത്ത് ചോദിക്കുന്നു: 'താഴെയുള്ള വാചകം മാത്രം ഉപയോഗിച്ച്, വീടിന്റെ പിൻവശത്തേക്കുള്ള ഒറ്റനില വിപുലീകരണത്തിന്റെ വലുപ്പപരിധികൾ ഒരു പട്ടികയിൽ സംഗ്രഹിക്കുക. വാചകത്തിൽ പരാമർശിക്കാത്ത കാര്യങ്ങൾക്ക് പരാമർശിച്ചിട്ടില്ല എന്ന് പറയുക.' ഇപ്പോൾ മോഡലിന്റെ ജോലി അതിന് കാണാനാകുന്ന വാചകം പുനരവതരിപ്പിക്കുകയും ക്രമീകരിക്കുകയും ചെയ്യുന്നതാണ്. അത് മോഡലിന് നന്നായി ചെയ്യാൻ കഴിയും, റോവന് ഓരോ വരിയും മൂലരേഖയുമായി ഒത്തുനോക്കാനും കഴിയും.
ജനറേറ്റീവ് AI യുടെ പരിമിതികൾ എന്തൊക്കെയാണ്?
ജനറേറ്റീവ് AI തെറ്റായ കാര്യങ്ങൾ ആത്മവിശ്വാസത്തോടെ പറയാം; തിരയലുമായോ രേഖകളുമായോ ബന്ധിപ്പിച്ചിട്ടില്ലെങ്കിൽ അതിന്റെ അറിവിന് ഒരു അവസാന തീയതിയുണ്ട്; അതിന്റെ സന്ദർഭപരിധിയിൽ ഒതുങ്ങുന്ന വിവരങ്ങൾ ഉപയോഗിച്ചേ പ്രവർത്തിക്കാനാകൂ; പരിശീലന ഡാറ്റയിലെ പക്ഷപാതം അതിൽ പ്രതിഫലിക്കാം. ഇവയാണ് പ്രധാന പരിമിതികൾ. കൂടുതൽ വിനയത്തോടെ ചോദിച്ചാൽ പരിഹരിക്കാവുന്ന തകരാറുകളല്ല ഇവയൊന്നും; മോഡലുകൾ പ്രവർത്തിക്കുന്ന രീതിയിൽനിന്നാണ് ഇവ ഉണ്ടാകുന്നത്.
വസ്തുതകൾ, സംഖ്യകൾ, പേരുകൾ, അവലംബങ്ങൾ എന്നിവ നിങ്ങൾ വിശ്വസിക്കുന്ന ഒരു സ്രോതസ്സുമായി ഒത്തുനോക്കുക. കൃത്യത പ്രധാനമായിരിക്കുമ്പോഴെല്ലാം മൂലവിവരങ്ങൾ ടൂളിന് നൽകുക.
Tosheo.ai പാഠപ്പട്ടികയിൽ ഈ പാഠം എവിടെയാണ് ഉൾപ്പെടുന്നത്?
ജനറേറ്റീവ് AI എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്ന പാഠം AI അടിസ്ഥാനങ്ങൾ എന്ന വിഭാഗത്തിലാണ്. തുടക്കക്കാർക്കുള്ള AI പഠനത്തിലെ ആദ്യകാല പാഠങ്ങളിലൊന്നും ജനറേറ്റീവ് AI കോഴ്‌സിലെ ആദ്യ പാഠവുമാണിത്. Tosheo.ai-യിലെ പ്രായോഗിക പ്രവർത്തനത്തിൽ, ടെമ്പറേച്ചർ പോലുള്ള ക്രമീകരണങ്ങൾ മാറ്റുമ്പോഴോ ആധാരമാക്കാനുള്ള എഴുത്ത് നൽകുമ്പോഴോ ഒരു ഉപകരണം എങ്ങനെ പ്രതികരിക്കുമെന്ന് ആദ്യം പ്രവചിക്കാനും പിന്നീട് പരീക്ഷിക്കാനും ആവശ്യപ്പെടുന്നു. നിങ്ങളുടെ വിശദീകരണം ഒരു സഹപ്രവർത്തകന് മനസ്സിലാകുമോ എന്ന് മൂല്യനിർണയ മാനദണ്ഡങ്ങൾ അടിസ്ഥാനമാക്കിയുള്ള പ്രതികരണം പരിശോധിക്കുന്നു.