चॅटबॉट एकाच प्रश्नाची वेगवेगळी उत्तरे का देतो?
चॅटबॉट एकाच प्रश्नाची वेगवेगळी उत्तरे देतो, कारण प्रत्येक उत्तर तयार करताना तो पुढे येऊ शकणाऱ्या शब्दांमधून निवड करतो आणि या निवडीत सहसा काही प्रमाणात यादृच्छिकता असते. तो साठवून ठेवलेले एखादे ठरावीक उत्तर शोधून देत नसतो.
फेअरलाइन आर्किटेक्ट्स नावाच्या एका काल्पनिक, 30 जणांच्या वास्तुविशारद संस्थेची कल्पना करा. संस्थेने AI सहाय्यक वापरण्यापूर्वी एक भागीदार कार्यालय व्यवस्थापक रोवन यांना तीन गोष्टी स्पष्ट करायला सांगतात. रोवन यांच्या टिपणांत लिहिले आहे: 'परवानगी असलेल्या बांधकाम नियमांबद्दल दोनदा विचारले, दोन वेगवेगळी उत्तरे मिळाली'; 'त्याने अस्तित्वात नसलेल्या नियोजन मार्गदर्शक दस्तऐवजाचा क्रमांक संदर्भ म्हणून दिला'; 'प्रतिमा साधनाने नवीन स्टुडिओचे सुंदर रेखाटन केले, पण खिडक्या एका रेषेत नाहीत'. साधन बिघडले आहे का, हे भागीदारांना जाणून घ्यायचे आहे. ते बिघडलेले नाही. ज्या कामासाठी ते बनवले आहे, नेमके तेच ते करत आहे.
निर्मितीक्षम AI मॉडेलला प्रशिक्षण कसे दिले जाते?
मोठ्या भाषा मॉडेलला प्रथम प्रचंड मजकूरसंग्रहावर मजकुराचा पुढचा भाग भाकीत करण्याचे प्रशिक्षण दिले जाते. त्यानंतर सूचनांचे पालन करून उपयुक्त उत्तरे देण्यासाठी पुढील प्रशिक्षण दिले जाते. Anthropic च्या शब्दसंग्रहानुसार, पूर्वप्रशिक्षणात लेबल नसलेल्या मोठ्या मजकूरसंग्रहावर आधीच्या संदर्भावरून पुढचा शब्द भाकीत करायला शिकवले जाते. त्यानंतर सूक्ष्म समायोजन आणि मानवी अभिप्रायातून बक्षीसाधारित शिक्षण दिले जाते. यात लोक नमुना उत्तरांना क्रम देतात आणि मॉडेल अधिक चांगल्या उत्तरांना प्राधान्य द्यायला शिकते.
मॉडेल प्रत्येक दस्तऐवजाची प्रत ठेवत नाही. त्याची भाकिते डेटामधील नमुन्यांशी जुळेपर्यंत ते स्वतःतील अब्जावधी संख्यात्मक मूल्ये बदलते. यातून तयार होणारी गोष्ट शोधता येणाऱ्या ग्रंथालयापेक्षा भाषा आणि कल्पना सहसा एकमेकांशी कशा जोडल्या जातात याची अतिशय सविस्तर समज असण्याच्या अधिक जवळची असते.
टोकन म्हणजे काय आणि मॉडेल त्यांचा अंदाज कसा लावते?
टोकन म्हणजे मॉडेल वाचत आणि लिहीत असलेली लहान एकके; अनेकदा ती एखादा शब्द किंवा शब्दाचा भाग असतात. पुढचे संभाव्य टोकन कोणते असेल याचा वारंवार अंदाज बांधून मॉडेल लिहिते. Google च्या मशीन लर्निंग अभ्यासक्रमात भाषा मॉडेलचे वर्णन मोठ्या क्रमामध्ये एखादे टोकन किंवा टोकनचा क्रम येण्याच्या संभाव्यतेचा अंदाज बांधणारे मॉडेल असे केले आहे. त्यात साधारण 400 टोकन म्हणजे सुमारे 300 इंग्रजी शब्द असेही नमूद केले आहे.
प्रत्येक टप्प्यावर मॉडेल पुढे येऊ शकणाऱ्या अनेक टोकनना गुण देते. त्यानंतर अनुप्रयोग त्यांपैकी एक निवडतो—कधी सर्वाधिक शक्यता असलेले, तर अनेकदा संभाव्य पर्यायांमधून नमुना निवडीने घेतलेले. टेम्परेचर नावाची सेटिंग ही निवड किती धाडसी असेल हे नियंत्रित करते: मूल्य जास्त असेल तर शब्दरचनेत अधिक विविधता येते; मूल्य कमी असेल तर शब्दरचना अधिक अंदाज करण्याजोगी असते. Anthropic च्या मते, सर्वात कमी टेम्परेचरवरही परिणाम पूर्णपणे निश्चित नसतात. रोवनच्या पहिल्या नोंदीचे हे उत्तर आहे.
AI प्रतिमा तयार करणारी साधने कशी काम करतात?
अनेक AI प्रतिमानिर्मिती साधने डिफ्यूजन नावाची पद्धत वापरतात: मॉडेल प्रतिमांतील दृश्य गोंगाट काढून टाकायला शिकते. मग तुमच्या लिखित वर्णनाच्या आधारे यादृच्छिक दृश्य गोंगाटापासून सुरुवात करून, टप्प्याटप्प्याने सुधारणा करत नवीन प्रतिमा तयार करते. हगिंग फेसच्या डिफ्यूजन अभ्यासक्रमात प्रशिक्षणाचे वर्णन असे केले आहे: वेगवेगळ्या प्रमाणात दृश्य गोंगाट मिसळून मॉडेलला तो दुरुस्त करायला शिकवणे. प्रतिमानिर्मिती म्हणजे प्रतिमा साकार होईपर्यंत यादृच्छिक दृश्य गोंगाटात हळूहळू सुधारणा करत जाणे.
कारण मॉडेल वास्तुविशारदाच्या आराखड्याचे पालन करण्याऐवजी विश्वासार्ह वाटतील असे पिक्सेल तयार करत असते. त्यामुळे खिडक्यांची सरळ मांडणी, पाट्यांवरील मजकूर किंवा बोटांची संख्या यांसारखे तपशील चुकीचे येऊ शकतात. रोवनची तिसरी नोंद हीच आहे.
तुम्ही ही साधने कशी वापरता, त्या दृष्टीने याचा अर्थ काय?
याचा अर्थ साधनाच्या स्मरणशक्तीवर अवलंबून न राहता, त्याने ज्या तथ्यांच्या आधारे काम करावे ती तुम्ही त्याला द्यावीत. कमकुवत सूचना: 'घराच्या मागील बाजूला वाढीव बांधकाम करण्यासाठी परवानगी असलेल्या विकासकामांचे नियम काय आहेत?' उत्तर ओघवते असते, प्रत्येक प्रयत्नात बदलते आणि त्यात वेगवेगळ्या वर्षांतील किंवा देशांतील नियम मिसळले जाऊ शकतात. तसेच, त्यात विश्वासार्ह वाटणारा पण बनावट दस्तऐवजाचा संदर्भही असू शकतो. रोवनच्या दुसऱ्या नोंदीचे हेच स्पष्टीकरण आहे.
सुधारित प्रॉम्प्ट: रोवन अधिकृत नियोजन मार्गदर्शकातील संबंधित भाग चिकटवतो आणि विचारतो: 'फक्त खालील मजकूर वापरून, घराच्या मागील बाजूला करायच्या एकमजली विस्ताराच्या आकारावरील मर्यादा तक्त्यात संक्षेपाने मांडा. एखादी बाब मजकुरात दिलेली नसेल, तर तिचा समावेश नाही असे सांगा.' आता मॉडेलचे काम त्याला दिसणारा मजकूर पुन्हा मांडणे आणि व्यवस्थित लावणे एवढेच आहे. हे काम ते चांगले करते आणि रोवन प्रत्येक ओळ मूळ स्रोताशी पडताळून पाहू शकतो.
जनरेटिव्ह AI च्या मर्यादा काय आहेत?
मुख्य मर्यादा अशा आहेत: जनरेटिव्ह AI चुकीच्या गोष्टी आत्मविश्वासाने सांगू शकते; शोध किंवा दस्तऐवजांशी जोडलेले नसेल तर त्याचे ज्ञान एका ठरावीक तारखेपर्यंतच मर्यादित असते; त्याच्या संदर्भ मर्यादेत मावणाऱ्या माहितीवरच ते काम करू शकते; आणि त्याच्या प्रशिक्षण डेटामधील पक्षपात त्यात दिसू शकतो. यांपैकी कोणतीही गोष्ट अधिक नम्रपणे विचारून दुरुस्त होणारी त्रुटी नाही; मॉडेल ज्या पद्धतीने काम करतात त्यातून या मर्यादा येतात.
तथ्ये, आकडे, नावे आणि संदर्भ यांची विश्वासार्ह स्रोताशी पडताळणी करा आणि अचूकता महत्त्वाची असेल तेव्हा साधनाला मूळ स्रोत सामग्री द्या.
Tosheo.ai च्या अभ्यासक्रम सूचीमध्ये हा धडा कुठे येतो?
निर्मितीक्षम AI कसे काम करते हा धडा AI ची मूलतत्त्वे या विभागात आहे. नवशिक्यांसाठीच्या AI प्रशिक्षणातील हा सुरुवातीचा धडा असून निर्मितीक्षम AI अभ्यासक्रमाचा तो पहिला धडा आहे. Tosheo.ai वरील प्रात्यक्षिक कामात, टेम्परेचरसारखी सेटिंग्ज बदलल्यावर किंवा स्रोत मजकूर दिल्यावर एखादे साधन कसे वागेल याचा आधी अंदाज बांधायचा आणि नंतर प्रत्यक्ष चाचणी करायची असते. गुणांकन निकषांनुसार दिलेल्या अभिप्रायात तुमचे स्पष्टीकरण एखाद्या सहकाऱ्याला समजेल का हे तपासले जाते.
स्रोत आणि व्याप्ती
हगिंग फेस प्रसरण प्रतिमान अभ्यासक्रम, घटक 1: प्रसरणाची ओळख (19 ऑक्टोबर 2026 रोजी तपासले) ↗