ಅನುಮಾನದ ಬಗ್ಗೆ ಮಾತನಾಡುವಾಗ , ಅವರು ಸಾಮಾನ್ಯವಾಗಿ AI "ಕಲಿಕೆ" ನಿಲ್ಲಿಸಿ ಏನನ್ನಾದರೂ ಮಾಡಲು ಪ್ರಾರಂಭಿಸುವ ಹಂತವನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತಾರೆ. ನಿಜವಾದ ಕೆಲಸಗಳು. ಭವಿಷ್ಯವಾಣಿಗಳು. ನಿರ್ಧಾರಗಳು. ಪ್ರಾಯೋಗಿಕ ವಿಷಯಗಳು.
ಆದರೆ ನೀವು ಗಣಿತ ಪದವಿ ಹೊಂದಿರುವ ಷರ್ಲಾಕ್‌ನಂತಹ ಉನ್ನತ ಮಟ್ಟದ ತಾತ್ವಿಕ ಊಹನವನ್ನು ಊಹಿಸುತ್ತಿದ್ದರೆ - ಇಲ್ಲ, ಸಂಪೂರ್ಣವಾಗಿ ಅಲ್ಲ. AI ನಿರ್ಣಯವು ಯಾಂತ್ರಿಕವಾಗಿದೆ. ಶೀತ, ಬಹುತೇಕ. ಆದರೆ ವಿಚಿತ್ರವಾಗಿ ಅದೃಶ್ಯ ರೀತಿಯಲ್ಲಿ ಒಂದು ರೀತಿಯ ಅದ್ಭುತವೂ ಹೌದು.
ಇದರ ನಂತರ ನೀವು ಓದಲು ಇಷ್ಟಪಡಬಹುದಾದ ಲೇಖನಗಳು:
🔗 AI ಗೆ ಸಮಗ್ರ ವಿಧಾನವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದು ಎಂದರೇನು?
ವಿಶಾಲವಾದ, ಹೆಚ್ಚು ಮಾನವ ಕೇಂದ್ರಿತ ಚಿಂತನೆಯನ್ನು ಮನಸ್ಸಿನಲ್ಲಿಟ್ಟುಕೊಂಡು AI ಅನ್ನು ಹೇಗೆ ಅಭಿವೃದ್ಧಿಪಡಿಸಬಹುದು ಮತ್ತು ನಿಯೋಜಿಸಬಹುದು ಎಂಬುದನ್ನು ಅನ್ವೇಷಿಸಿ.
🔗 AI ನಲ್ಲಿ LLM ಎಂದರೇನು? – ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳ ಆಳವಾದ ಅಧ್ಯಯನ
ಇಂದಿನ ಅತ್ಯಂತ ಶಕ್ತಿಶಾಲಿ AI ಪರಿಕರಗಳ ಹಿಂದಿನ ಮೆದುಳನ್ನು ಚೆನ್ನಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ - ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳನ್ನು ವಿವರಿಸಲಾಗಿದೆ.
🔗 AI ನಲ್ಲಿ RAG ಎಂದರೇನು? - ಮರುಪಡೆಯುವಿಕೆ-ವರ್ಧಿತ ಜನರೇಷನ್‌ಗೆ ಮಾರ್ಗದರ್ಶಿ
ಚುರುಕಾದ, ಹೆಚ್ಚು ನಿಖರವಾದ AI ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ರಚಿಸಲು RAG ಹುಡುಕಾಟ ಮತ್ತು ಉತ್ಪಾದನೆಯ ಶಕ್ತಿಯನ್ನು ಹೇಗೆ ಸಂಯೋಜಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ತಿಳಿಯಿರಿ.
🧪 AI ಮಾದರಿಯ ಎರಡು ಭಾಗಗಳು: ಮೊದಲು, ಅದು ತರಬೇತಿ ನೀಡುತ್ತದೆ - ನಂತರ, ಅದು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.
ಒಂದು ಸ್ಥೂಲ ಹೋಲಿಕೆ ಇಲ್ಲಿದೆ: ತರಬೇತಿ ಎಂದರೆ ಅಡುಗೆ ಕಾರ್ಯಕ್ರಮಗಳನ್ನು ನಿರಂತರವಾಗಿ ನೋಡುವಂತಿದೆ. ನೀವು ಕೊನೆಗೆ ಅಡುಗೆಮನೆಗೆ ಹೋಗಿ, ಒಂದು ಪ್ಯಾನ್ ಹೊರತೆಗೆದು, ಮನೆಯನ್ನು ಸುಡದಿರಲು ಪ್ರಯತ್ನಿಸಿದಾಗ ತೀರ್ಮಾನವಾಗುತ್ತದೆ.
ತರಬೇತಿಯು ಡೇಟಾವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಅದರಲ್ಲಿ ಬಹಳಷ್ಟು. ಮಾದರಿಯು ಆಂತರಿಕ ಮೌಲ್ಯಗಳನ್ನು - ತೂಕಗಳು, ಪಕ್ಷಪಾತಗಳು, ಆ ಮಾದಕವಲ್ಲದ ಗಣಿತದ ಬಿಟ್‌ಗಳನ್ನು - ಅದು ನೋಡುವ ಮಾದರಿಗಳ ಆಧಾರದ ಮೇಲೆ ತಿರುಚುತ್ತದೆ. ಅದು ದಿನಗಳು, ವಾರಗಳು ಅಥವಾ ಅಕ್ಷರಶಃ ವಿದ್ಯುತ್ ಸಾಗರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು.
ಆದರೆ ಅನುಮಾನ? ಅದೇ ಪ್ರತಿಫಲ.
| ಹಂತ | AI ಜೀವನ ಚಕ್ರದಲ್ಲಿ ಪಾತ್ರ | ವಿಶಿಷ್ಟ ಉದಾಹರಣೆ |
|---|---|---|
| ತರಬೇತಿ | ಅಂತಿಮ ಪರೀಕ್ಷೆಗೆ ಕ್ರ್ಯಾಮ್ ಮಾಡುವ ಹಾಗೆ, ದತ್ತಾಂಶವನ್ನು ಕ್ರಂಚ್ ಮಾಡುವ ಮೂಲಕ ಮಾದರಿಯು ತನ್ನನ್ನು ತಾನು ಹೊಂದಿಸಿಕೊಳ್ಳುತ್ತದೆ. | ಸಾವಿರಾರು ಲೇಬಲ್ ಮಾಡಿದ ಬೆಕ್ಕಿನ ಚಿತ್ರಗಳಿಗೆ ಆಹಾರವನ್ನು ನೀಡುವುದು |
| ತೀರ್ಮಾನ | ಮಾದರಿಯು ಭವಿಷ್ಯ ನುಡಿಯಲು "ತಿಳಿದಿರುವುದನ್ನು" ಬಳಸುತ್ತದೆ - ಇನ್ನು ಮುಂದೆ ಕಲಿಯಲು ಅವಕಾಶವಿಲ್ಲ. | ಹೊಸ ಫೋಟೋವನ್ನು ಮೈನೆ ಕೂನ್ ಎಂದು ವರ್ಗೀಕರಿಸುವುದು |
🔄 ಅನುಮಾನದ ಸಮಯದಲ್ಲಿ ನಿಜವಾಗಿ ಏನಾಗುತ್ತಿದೆ?
ಸರಿ - ಸರಿಸುಮಾರು ಹೇಳುವುದಾದರೆ, ಏನಾಗುತ್ತದೆ ಎಂಬುದು ಇಲ್ಲಿದೆ:
-
ನೀವು ಅದಕ್ಕೆ ಏನನ್ನಾದರೂ ನೀಡಿ - ಒಂದು ಪ್ರಾಂಪ್ಟ್, ಒಂದು ಚಿತ್ರ, ಕೆಲವು ನೈಜ-ಸಮಯದ ಸಂವೇದಕ ಡೇಟಾ.
-
ಅದು ಅದನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತದೆ - ಕಲಿಯುವ ಮೂಲಕ ಅಲ್ಲ, ಆದರೆ ಗಣಿತದ ಪದರಗಳ ಮೂಲಕ ಆ ಇನ್‌ಪುಟ್ ಅನ್ನು ಚಲಾಯಿಸುವ ಮೂಲಕ.
-
ಅದು ಏನನ್ನಾದರೂ ಹೊರಹಾಕುತ್ತದೆ - ಒಂದು ಲೇಬಲ್, ಒಂದು ಅಂಕ, ಒಂದು ನಿರ್ಧಾರ... ಅದನ್ನು ಹೊರಹಾಕಲು ತರಬೇತಿ ಪಡೆದ ಯಾವುದೇ ವಿಷಯ.
ತರಬೇತಿ ಪಡೆದ ಚಿತ್ರ ಗುರುತಿಸುವಿಕೆ ಮಾದರಿಗೆ ಮಸುಕಾದ ಟೋಸ್ಟರ್ ಅನ್ನು ತೋರಿಸುವುದನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ಅದು ವಿರಾಮಗೊಳಿಸುವುದಿಲ್ಲ. ಯೋಚಿಸುವುದಿಲ್ಲ. ಪಿಕ್ಸೆಲ್ ಮಾದರಿಗಳನ್ನು ಹೊಂದಿಸುತ್ತದೆ, ಆಂತರಿಕ ನೋಡ್‌ಗಳನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ ಮತ್ತು - ಬಾಮ್ - "ಟೋಸ್ಟರ್." ಅಷ್ಟೇನಾ? ಅದು ಅನುಮಾನ.
⚖️ ಅನುಮಾನ vs. ತಾರ್ಕಿಕತೆ: ಸೂಕ್ಷ್ಮ ಆದರೆ ಮುಖ್ಯ
ತ್ವರಿತ ಸೈಡ್‌ಬಾರ್ - ತಾರ್ಕಿಕತೆಯೊಂದಿಗೆ ಅನುಮಾನವನ್ನು ಗೊಂದಲಗೊಳಿಸಬೇಡಿ. ಸುಲಭವಾದ ಬಲೆ.
-
ನಿರ್ಣಯವು ಕಲಿತ ಗಣಿತದ ಆಧಾರದ ಮೇಲೆ ಮಾದರಿ ಹೊಂದಾಣಿಕೆಯಾಗಿದೆ.
-
ಮತ್ತೊಂದೆಡೆ, ತಾರ್ಕಿಕ ಕ್ರಿಯೆಯು
ಹೆಚ್ಚಿನ AI ಮಾದರಿಗಳು? ಯಾವುದೇ ತಾರ್ಕಿಕತೆಯಿಲ್ಲ. ಅವು ಮಾನವ ಅರ್ಥದಲ್ಲಿ "ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದಿಲ್ಲ". ಅವರು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯವಾಗಿ ಸಂಭವನೀಯವಾದದ್ದನ್ನು ಮಾತ್ರ ಲೆಕ್ಕ ಹಾಕುತ್ತಾರೆ. ವಿಚಿತ್ರವೆಂದರೆ, ಇದು ಜನರನ್ನು ಮೆಚ್ಚಿಸಲು ಸಾಕಷ್ಟು ಒಳ್ಳೆಯದು.
🌐 ಅನುಮಾನ ಎಲ್ಲಿ ಸಂಭವಿಸುತ್ತದೆ: ಮೋಡ ಅಥವಾ ಅಂಚು - ಎರಡು ವಿಭಿನ್ನ ವಾಸ್ತವಗಳು
ಈ ಭಾಗವು ತುಂಬಾ ಮುಖ್ಯ. AI ಎಲ್ಲಿ ಚಾಲನೆ ಮಾಡುತ್ತದೆ ಎಂಬುದು ಹೆಚ್ಚಿನದನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ - ವೇಗ, ಗೌಪ್ಯತೆ, ವೆಚ್ಚ.
| ನಿರ್ಣಯದ ಪ್ರಕಾರ | ಉಲ್ಟಾಗಳು | ಅನಾನುಕೂಲಗಳು | ನೈಜ-ಪ್ರಪಂಚದ ಉದಾಹರಣೆಗಳು |
|---|---|---|---|
| ಕ್ಲೌಡ್-ಆಧಾರಿತ | ಶಕ್ತಿಶಾಲಿ, ಹೊಂದಿಕೊಳ್ಳುವ, ದೂರದಿಂದಲೇ ನವೀಕರಿಸಲಾಗಿದೆ | ವಿಳಂಬ, ಗೌಪ್ಯತೆಯ ಅಪಾಯ, ಇಂಟರ್ನೆಟ್ ಅವಲಂಬನೆ | ChatGPT, ಆನ್‌ಲೈನ್ ಅನುವಾದಕರು, ಚಿತ್ರ ಹುಡುಕಾಟ |
| ಅಂಚು ಆಧಾರಿತ | ವೇಗವಾದ, ಸ್ಥಳೀಯ, ಖಾಸಗಿ - ಆಫ್‌ಲೈನ್‌ನಲ್ಲಿಯೂ ಸಹ | ಸೀಮಿತ ಕಂಪ್ಯೂಟ್, ನವೀಕರಿಸಲು ಕಠಿಣ | ಡ್ರೋನ್‌ಗಳು, ಸ್ಮಾರ್ಟ್ ಕ್ಯಾಮೆರಾಗಳು, ಮೊಬೈಲ್ ಕೀಬೋರ್ಡ್‌ಗಳು |
ನಿಮ್ಮ ಫೋನ್ "ಡಕಿಂಗ್" ಅನ್ನು ಮತ್ತೆ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಸರಿಪಡಿಸಿದರೆ - ಅದು ಅಂಚಿನ ಅನುಮಾನ. ಸಿರಿ ನಿಮ್ಮ ಮಾತು ಕೇಳಲಿಲ್ಲ ಎಂದು ನಟಿಸಿ ಸರ್ವರ್‌ಗೆ ಪಿಂಗ್ ಮಾಡಿದರೆ - ಅದು ಕ್ಲೌಡ್.
⚙️ ಕೆಲಸದಲ್ಲಿ ತೀರ್ಮಾನ: ದೈನಂದಿನ AI ನ ಶಾಂತ ನಕ್ಷತ್ರ
ನಿರ್ಣಯವು ಕೂಗುವುದಿಲ್ಲ. ಅದು ಪರದೆಯ ಹಿಂದೆ ಸದ್ದಿಲ್ಲದೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ:
-
ನಿಮ್ಮ ಕಾರು ಪಾದಚಾರಿಗಳನ್ನು ಪತ್ತೆ ಮಾಡುತ್ತದೆ. (ದೃಶ್ಯ ನಿರ್ಣಯ)
-
ನೀವು ಪ್ರೀತಿಸಿದ್ದನ್ನು ಮರೆತ ಹಾಡನ್ನು Spotify ಶಿಫಾರಸು ಮಾಡುತ್ತದೆ. (ಆದ್ಯತೆಯ ಮಾಡೆಲಿಂಗ್)
-
“bank_support_1002” ನಿಂದ ಬರುವ ವಿಚಿತ್ರ ಇಮೇಲ್‌ಗಳನ್ನು ಸ್ಪ್ಯಾಮ್ ಫಿಲ್ಟರ್ ನಿರ್ಬಂಧಿಸುತ್ತದೆ. (ಪಠ್ಯ ವರ್ಗೀಕರಣ)
ಇದು ವೇಗವಾಗಿದೆ. ಪುನರಾವರ್ತನೆಯಾಗುತ್ತದೆ. ಅದೃಶ್ಯವಾಗಿದೆ. ಮತ್ತು ಇದು ದಿನಕ್ಕೆ ಶತಕೋಟಿ
🧠 ನಿರ್ಣಯವು ಏಕೆ ಒಂದು ದೊಡ್ಡ ವಿಷಯವಾಗಿದೆ
ಹೆಚ್ಚಿನ ಜನರು ತಪ್ಪಿಸಿಕೊಳ್ಳುವುದು ಇಲ್ಲಿದೆ: ಅನುಮಾನವು ಬಳಕೆದಾರರ ಅನುಭವವಾಗಿದೆ .
ನೀವು ತರಬೇತಿಯನ್ನು ನೋಡುತ್ತಿಲ್ಲ. ನಿಮ್ಮ ಚಾಟ್‌ಬಾಟ್‌ಗೆ ಎಷ್ಟು GPU ಗಳು ಬೇಕಾಗಿವೆ ಎಂಬುದು ನಿಮಗೆ ಮುಖ್ಯವಲ್ಲ. ನಾರ್ವಾಲ್‌ಗಳ ಬಗ್ಗೆ ನಿಮ್ಮ ವಿಚಿತ್ರ ಮಧ್ಯರಾತ್ರಿಯ ಪ್ರಶ್ನೆಗೆ ಅದು ತಕ್ಷಣವೇ ಮತ್ತು ಭಯಪಡಲಿಲ್ಲ ಎಂಬುದು ನಿಮಗೆ ಕಾಳಜಿಯಾಗಿದೆ.
ಅಲ್ಲದೆ: ಅನುಮಾನ ಎಂದರೆ ಅಪಾಯ ಕಾಣಿಸಿಕೊಳ್ಳುವ ಸ್ಥಳ. ಮಾದರಿಯು ಪಕ್ಷಪಾತ ಹೊಂದಿದ್ದರೆ? ಅದು ಅನುಮಾನದಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ. ಅದು ಖಾಸಗಿ ಮಾಹಿತಿಯನ್ನು ಬಹಿರಂಗಪಡಿಸಿದರೆ? ಹೌದು - ಅನುಮಾನ. ಒಂದು ವ್ಯವಸ್ಥೆಯು ನಿಜವಾದ ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಂಡ ಕ್ಷಣ, ಎಲ್ಲಾ ತರಬೇತಿ ನೀತಿಶಾಸ್ತ್ರ ಮತ್ತು ತಾಂತ್ರಿಕ ನಿರ್ಧಾರಗಳು ಅಂತಿಮವಾಗಿ ಮುಖ್ಯವಾಗುತ್ತವೆ.
🧰 ನಿರ್ಣಯವನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸುವುದು: ಗಾತ್ರ (ಮತ್ತು ವೇಗ) ಮುಖ್ಯವಾದಾಗ
ನಿರ್ಣಯವು ನಿರಂತರವಾಗಿ ಚಲಿಸುವುದರಿಂದ, ವೇಗವು ಮುಖ್ಯವಾಗುತ್ತದೆ. ಆದ್ದರಿಂದ ಎಂಜಿನಿಯರ್‌ಗಳು ಈ ರೀತಿಯ ತಂತ್ರಗಳೊಂದಿಗೆ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಹಿಂಡುತ್ತಾರೆ:
-
ಪ್ರಮಾಣೀಕರಣ - ಕಂಪ್ಯೂಟೇಶನಲ್ ಲೋಡ್ ಅನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಸಂಖ್ಯೆಗಳನ್ನು ಕುಗ್ಗಿಸುವುದು.
-
ಸಮರುವಿಕೆ - ಮಾದರಿಯ ಅನಗತ್ಯ ಭಾಗಗಳನ್ನು ಕತ್ತರಿಸುವುದು.
-
ವೇಗವರ್ಧಕಗಳು - TPU ಗಳು ಮತ್ತು ನರ ಎಂಜಿನ್‌ಗಳಂತಹ ವಿಶೇಷ ಚಿಪ್‌ಗಳು.
ಈ ಪ್ರತಿಯೊಂದು ಬದಲಾವಣೆಗಳು ಸ್ವಲ್ಪ ಹೆಚ್ಚು ವೇಗ, ಸ್ವಲ್ಪ ಕಡಿಮೆ ಶಕ್ತಿಯ ಬಳಕೆ... ಮತ್ತು ಹೆಚ್ಚು ಉತ್ತಮ ಬಳಕೆದಾರ ಅನುಭವವನ್ನು ನೀಡುತ್ತವೆ.
🧩ಅನುಮಾನವೇ ನಿಜವಾದ ಪರೀಕ್ಷೆ
ನೋಡಿ - AI ಯ ಸಂಪೂರ್ಣ ಉದ್ದೇಶ ಮಾದರಿಯಲ್ಲ. ಅದು ಆ ಕ್ಷಣ . ಅದು ಮುಂದಿನ ಪದವನ್ನು ಊಹಿಸುವ, ಸ್ಕ್ಯಾನ್‌ನಲ್ಲಿ ಗೆಡ್ಡೆಯನ್ನು ಗುರುತಿಸುವ ಅಥವಾ ನಿಮ್ಮ ಶೈಲಿಗೆ ವಿಚಿತ್ರವಾಗಿ ಹೊಂದಿಕೊಳ್ಳುವ ಜಾಕೆಟ್ ಅನ್ನು ಶಿಫಾರಸು ಮಾಡುವ ಆ ಅರ್ಧ ಸೆಕೆಂಡ್.
ಆ ಕ್ಷಣ? ಅದು ಅನುಮಾನ.
ಸಿದ್ಧಾಂತವು ಕ್ರಿಯೆಯಾಗುವ ಸಮಯ. ಅಮೂರ್ತ ಗಣಿತವು ನೈಜ ಪ್ರಪಂಚವನ್ನು ಭೇಟಿಯಾದಾಗ ಮತ್ತು ಆಯ್ಕೆ ಮಾಡಬೇಕಾದಾಗ. ಪರಿಪೂರ್ಣವಲ್ಲ. ಆದರೆ ವೇಗವಾಗಿ. ನಿರ್ಣಾಯಕವಾಗಿ.
ಮತ್ತು ಅದು AI ನ ರಹಸ್ಯ ಸಾಸ್: ಅದು ಕಲಿಯುವುದು ಮಾತ್ರವಲ್ಲ... ಯಾವಾಗ ಕಾರ್ಯನಿರ್ವಹಿಸಬೇಕೆಂದು ಅದಕ್ಕೆ ತಿಳಿದಿದೆ.