AI ತನ್ನ ಮಾಹಿತಿಯನ್ನು ಎಲ್ಲಿಂದ ಪಡೆಯುತ್ತದೆ?

ಎಂದಾದರೂ ತಲೆ ಕೆರೆದುಕೊಂಡು ಕುಳಿತಿದ್ದೀರಾ, ಈ ವಿಷಯಗಳು ನಿಜವಾಗಿ ಎಲ್ಲಿಂದ ಬರುತ್ತವೆ ಅಂತ ? ಅಂದರೆ, AI ಧೂಳಿನ ಗ್ರಂಥಾಲಯಗಳ ರಾಶಿಗಳ ಮೂಲಕ ಅಥವಾ YouTube ಕಿರುಚಿತ್ರಗಳನ್ನು ಮೋಸದಿಂದ ಓದುತ್ತಿಲ್ಲ. ಆದರೂ ಅದು ಹೇಗೋ ಎಲ್ಲದಕ್ಕೂ ಉತ್ತರಗಳನ್ನು ನೀಡುತ್ತದೆ - ಲಸಾಂಜ ಹ್ಯಾಕ್‌ಗಳಿಂದ ಹಿಡಿದು ಕಪ್ಪು ಕುಳಿ ಭೌತಶಾಸ್ತ್ರದವರೆಗೆ - ಅದರೊಳಗೆ ಕೆಲವು ತಳವಿಲ್ಲದ ಫೈಲಿಂಗ್ ಕ್ಯಾಬಿನೆಟ್ ಇರುವಂತೆ. ವಾಸ್ತವವು ವಿಚಿತ್ರವಾಗಿದೆ ಮತ್ತು ಬಹುಶಃ ನೀವು ಊಹಿಸುವುದಕ್ಕಿಂತ ಹೆಚ್ಚು ಕುತೂಹಲಕಾರಿಯಾಗಿದೆ. ಅದನ್ನು ಸ್ವಲ್ಪ ಬಿಚ್ಚಿಡೋಣ (ಮತ್ತು ಹೌದು, ಬಹುಶಃ ದಾರಿಯುದ್ದಕ್ಕೂ ಒಂದೆರಡು ಪುರಾಣಗಳನ್ನು ಭೇದಿಸಬಹುದು).

ಇದು ವಾಮಾಚಾರವೇ? 🌐

ಇದು ವಾಮಾಚಾರವಲ್ಲ, ಕೆಲವೊಮ್ಮೆ ಅದು ಹಾಗೆ ಭಾಸವಾಗುತ್ತದೆ. ಹುಡ್ ಅಡಿಯಲ್ಲಿ ನಡೆಯುತ್ತಿರುವುದು ಮೂಲತಃ ಮಾದರಿ ಭವಿಷ್ಯ . ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು (LLM ಗಳು) ಸತ್ಯಗಳನ್ನು ಸಂಗ್ರಹಿಸುವುದಿಲ್ಲ ; ಬದಲಾಗಿ, ಹಿಂದಿನದನ್ನು ಆಧರಿಸಿ ಮುಂದಿನ ಪದವನ್ನು (ಟೋಕನ್) ಊಹಿಸಲು ಅವರಿಗೆ ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ [2]. ಪ್ರಾಯೋಗಿಕವಾಗಿ, ಅಂದರೆ ಅವು ಸಂಬಂಧಗಳಿಗೆ ಅಂಟಿಕೊಳ್ಳುತ್ತವೆ: ಯಾವ ಪದಗಳು ಒಟ್ಟಿಗೆ ಸುತ್ತುತ್ತವೆ, ವಾಕ್ಯಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಹೇಗೆ ಆಕಾರ ಪಡೆಯುತ್ತವೆ, ಸಂಪೂರ್ಣ ವಿಚಾರಗಳನ್ನು ಸ್ಕ್ಯಾಫೋಲ್ಡಿಂಗ್‌ನಂತೆ ಹೇಗೆ ನಿರ್ಮಿಸಲಾಗುತ್ತದೆ. ಅದಕ್ಕಾಗಿಯೇ ಔಟ್‌ಪುಟ್ ಧ್ವನಿಸುತ್ತದೆ , ಆದರೂ - ಪೂರ್ಣ ಪ್ರಾಮಾಣಿಕತೆ - ಇದು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅನುಕರಣೆ, ಗ್ರಹಿಕೆಯಲ್ಲ [4].

ಹಾಗಾದರೆ AI-ರಚಿತ ಮಾಹಿತಿಯನ್ನು ನಿಜವಾಗಿಯೂ ಉಪಯುಕ್ತವಾಗಿಸುವುದು ? ಕೆಲವು ವಿಷಯಗಳು:

• ದತ್ತಾಂಶ ವೈವಿಧ್ಯತೆ - ಒಂದೇ ಕಿರಿದಾದ ಹರಿವಿನಿಂದಲ್ಲ, ಲೆಕ್ಕವಿಲ್ಲದಷ್ಟು ಮೂಲಗಳಿಂದ ಪಡೆಯುವುದು.

• ನವೀಕರಣಗಳು - ರಿಫ್ರೆಶ್ ಚಕ್ರಗಳಿಲ್ಲದೆ, ಅದು ಬೇಗನೆ ಹಳೆಯದಾಗುತ್ತದೆ.

• ಶೋಧನೆ - ಕಸ ಒಳಗೆ ನುಸುಳುವ ಮೊದಲೇ ಹಿಡಿಯುವುದು ಸೂಕ್ತ (ಆದಾಗ್ಯೂ, ನಿಜವಾಗಲಿ, ಆ ಬಲೆಯಲ್ಲಿ ರಂಧ್ರಗಳಿವೆ).

• ಕ್ರಾಸ್-ಚೆಕಿಂಗ್ - ಅಧಿಕಾರ ಮೂಲಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ (NASA, WHO, ಪ್ರಮುಖ ವಿಶ್ವವಿದ್ಯಾಲಯಗಳು ಎಂದು ಭಾವಿಸಿ), ಇದು ಹೆಚ್ಚಿನ AI ಆಡಳಿತ ಪ್ಲೇಬುಕ್‌ಗಳಲ್ಲಿ [3]-ಹೊಂದಿರಬೇಕು.

ಭ್ರಮೆಗಳು ಎಂದು ಕರೆಯಲ್ಪಡುವವುಗಳು ? ಮೂಲತಃ ನೇರ ಮುಖದೊಂದಿಗೆ ನೀಡಲಾದ ನಯಗೊಳಿಸಿದ ಅಸಂಬದ್ಧ [2][3].

ಇದರ ನಂತರ ನೀವು ಓದಲು ಇಷ್ಟಪಡಬಹುದಾದ ಲೇಖನಗಳು:

🔗 AI ಲಾಟರಿ ಸಂಖ್ಯೆಗಳನ್ನು ಊಹಿಸಬಹುದೇ?
AI ಲಾಟರಿ ಭವಿಷ್ಯವಾಣಿಗಳ ಬಗ್ಗೆ ಪುರಾಣಗಳು ಮತ್ತು ಸಂಗತಿಗಳನ್ನು ಅನ್ವೇಷಿಸುವುದು.

🔗 AI ಗೆ ಸಮಗ್ರ ವಿಧಾನವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದರ ಅರ್ಥವೇನು?
ನೀತಿಶಾಸ್ತ್ರ ಮತ್ತು ಪ್ರಭಾವದ ಬಗ್ಗೆ ಸಮತೋಲಿತ ದೃಷ್ಟಿಕೋನಗಳೊಂದಿಗೆ AI ಅನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು.

🔗 ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬಗ್ಗೆ ಬೈಬಲ್ ಏನು ಹೇಳುತ್ತದೆ?
ತಂತ್ರಜ್ಞಾನ ಮತ್ತು ಮಾನವ ಸೃಷ್ಟಿಯ ಕುರಿತು ಬೈಬಲ್‌ನ ದೃಷ್ಟಿಕೋನಗಳನ್ನು ಪರಿಶೀಲಿಸುವುದು.

ತ್ವರಿತ ಹೋಲಿಕೆ: AI ಎಲ್ಲಿಂದ ಸೆಳೆಯುತ್ತದೆ 📊

ಪ್ರತಿಯೊಂದು ಮೂಲವೂ ಸಮಾನವಾಗಿಲ್ಲ, ಆದರೆ ಪ್ರತಿಯೊಂದೂ ತನ್ನದೇ ಆದ ಪಾತ್ರವನ್ನು ವಹಿಸುತ್ತದೆ. ಸ್ನ್ಯಾಪ್‌ಶಾಟ್ ನೋಟ ಇಲ್ಲಿದೆ.

ತರಬೇತಿ ದತ್ತಾಂಶ ವಿಶ್ವ 🌌

ಇದು "ಬಾಲ್ಯದ ಕಲಿಕೆ" ಹಂತ. ಒಂದು ಮಗುವಿಗೆ ಲಕ್ಷಾಂತರ ಕಥೆಪುಸ್ತಕಗಳು, ಸುದ್ದಿ ತುಣುಕುಗಳು ಮತ್ತು ವಿಕಿಪೀಡಿಯಾದ ಮೊಲದ ರಂಧ್ರಗಳನ್ನು ಒಂದೇ ಬಾರಿಗೆ ನೀಡುವುದನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ಪೂರ್ವ ತರಬೇತಿಯು ಹಾಗೆಯೇ ಕಾಣುತ್ತದೆ. ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ, ಪೂರೈಕೆದಾರರು ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿರುವ ಡೇಟಾ, ಪರವಾನಗಿ ಪಡೆದ ಮೂಲಗಳು ಮತ್ತು ತರಬೇತುದಾರ-ರಚಿತ ಪಠ್ಯವನ್ನು [2] ಒಟ್ಟುಗೂಡಿಸುತ್ತಾರೆ.

ಮೇಲೆ ಪದರಗಳನ್ನು ಜೋಡಿಸಲಾಗಿದೆ: ಕ್ಯುರೇಟೆಡ್ ಮಾನವ ಉದಾಹರಣೆಗಳು - ಉತ್ತಮ ಉತ್ತರಗಳು, ಕೆಟ್ಟ ಉತ್ತರಗಳು, ಸರಿಯಾದ ದಿಕ್ಕಿನಲ್ಲಿ ತಳ್ಳುವಿಕೆಗಳು - ಬಲವರ್ಧನೆ ಪ್ರಾರಂಭವಾಗುವ ಮೊದಲು [1].

ಪಾರದರ್ಶಕತೆ ಎಚ್ಚರಿಕೆ: ಕಂಪನಿಗಳು ಪ್ರತಿಯೊಂದು ವಿವರವನ್ನು ಬಹಿರಂಗಪಡಿಸುವುದಿಲ್ಲ. ಕೆಲವು ಗಾರ್ಡ್‌ರೈಲ್‌ಗಳು ಗೌಪ್ಯವಾಗಿರುತ್ತವೆ (ಐಪಿ, ಸುರಕ್ಷತಾ ಕಾಳಜಿಗಳು), ಆದ್ದರಿಂದ ನೀವು ನಿಜವಾದ ಮಿಶ್ರಣಕ್ಕೆ ಭಾಗಶಃ ವಿಂಡೋವನ್ನು ಮಾತ್ರ ಪಡೆಯುತ್ತೀರಿ [2].

ನೈಜ-ಸಮಯದ ಹುಡುಕಾಟ: ಹೆಚ್ಚುವರಿ ಅಗ್ರಸ್ಥಾನ 🍒

ಕೆಲವು ಮಾದರಿಗಳು ಈಗ ತಮ್ಮ ತರಬೇತಿ ಗುಳ್ಳೆಯ ಹೊರಗೆ ಇಣುಕಬಹುದು. ಅದು ಮರುಪಡೆಯುವಿಕೆ-ವರ್ಧಿತ ಜನರೇಷನ್ (RAG) - ಮೂಲತಃ ಲೈವ್ ಇಂಡೆಕ್ಸ್ ಅಥವಾ ಡಾಕ್ ಸ್ಟೋರ್‌ನಿಂದ ಚಂಕ್‌ಗಳನ್ನು ಹೊರತೆಗೆದು, ನಂತರ ಅದನ್ನು ಉತ್ತರದಲ್ಲಿ ನೇಯ್ಗೆ ಮಾಡುವುದು [5]. ಸುದ್ದಿ ಮುಖ್ಯಾಂಶಗಳು ಅಥವಾ ಸ್ಟಾಕ್ ಬೆಲೆಗಳಂತಹ ವೇಗವಾಗಿ ಬದಲಾಗುತ್ತಿರುವ ವಿಷಯಗಳಿಗೆ ಸೂಕ್ತವಾಗಿದೆ.

ಅಸಂಬದ್ಧವೇ? ಇಂಟರ್ನೆಟ್ ಎಂಬುದು ಪ್ರತಿಭಾನ್ವಿತ ಮತ್ತು ಕಸದ ಬೆಂಕಿಯ ಸಮಾನ ಭಾಗಗಳು. ಫಿಲ್ಟರ್‌ಗಳು ಅಥವಾ ಮೂಲ ಪರಿಶೀಲನೆಗಳು ದುರ್ಬಲವಾಗಿದ್ದರೆ, ಜಂಕ್ ಡೇಟಾ ಹಿಂದಕ್ಕೆ ನುಸುಳುವ ಅಪಾಯವಿದೆ - ಅಪಾಯದ ಚೌಕಟ್ಟುಗಳು [3] ಬಗ್ಗೆ ನಿಖರವಾಗಿ ಎಚ್ಚರಿಸುವಂತೆಯೇ.

ತಮ್ಮದೇ ಆದ ಕೊಂಡಿಯಾಗಿರಿಸುತ್ತವೆ , ಆದ್ದರಿಂದ ಉತ್ತರಗಳು ಅದನ್ನು ರೆಕ್ಕೆ ಮಾಡುವ ಬದಲು ಪ್ರಸ್ತುತ HR ನೀತಿ ಅಥವಾ ನವೀಕರಿಸಿದ ಉತ್ಪನ್ನ ದಾಖಲೆಯನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತವೆ. ಯೋಚಿಸಿ: ಕಡಿಮೆ "ಉಹ್-ಓಹ್" ಕ್ಷಣಗಳು, ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹ ಉತ್ತರಗಳು.

ಫೈನ್-ಟ್ಯೂನಿಂಗ್: AI ನ ಪಾಲಿಶಿಂಗ್ ಹಂತ 🧪

ಪೂರ್ವ ತರಬೇತಿ ಪಡೆದ ಕಚ್ಚಾ ಮಾದರಿಗಳು ತುಂಬಾ ಜಿಗುಟಾಗಿರುತ್ತವೆ. ಆದ್ದರಿಂದ ಅವು ಉತ್ತಮವಾಗಿ ಟ್ಯೂನ್ :

• ಸಹಾಯಕರಾಗಿ, ನಿರುಪದ್ರವಿಗಳಾಗಿ, ಪ್ರಾಮಾಣಿಕರಾಗಿರಲು ಕಲಿಸುವುದು (ಮಾನವ ಪ್ರತಿಕ್ರಿಯೆಯಿಂದ ಬಲವರ್ಧನೆಯ ಕಲಿಕೆಯ ಮೂಲಕ, RLHF) [1].

• ಅಸುರಕ್ಷಿತ ಅಥವಾ ವಿಷಕಾರಿ ಅಂಚುಗಳನ್ನು ಮರಳು ಕಾಗದದಿಂದ ತೆಗೆಯುವುದು (ಜೋಡಣೆ) [1].

• ಸ್ವರಕ್ಕೆ ಹೊಂದಿಕೊಳ್ಳುವುದು - ಅದು ಸ್ನೇಹಪರವಾಗಿರಲಿ, ಔಪಚಾರಿಕವಾಗಿರಲಿ ಅಥವಾ ತಮಾಷೆಯಾಗಿ ವ್ಯಂಗ್ಯವಾಡಿರಲಿ.

ಇದು ವಜ್ರವನ್ನು ಹೊಳಪು ಮಾಡುವ ಬದಲು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಹಿಮಪಾತವನ್ನು ಸಂಭಾಷಣೆ ಪಾಲುದಾರನಂತೆ ವರ್ತಿಸುವಂತೆ ಮಾಡುತ್ತದೆ.

ಅಡೆತಡೆಗಳು ಮತ್ತು ವೈಫಲ್ಯಗಳು 🚧

ಅದು ದೋಷರಹಿತವಾಗಿದೆ ಎಂದು ನಟಿಸುವುದು ಬೇಡ:

• ಭ್ರಮೆಗಳು - ಸಂಪೂರ್ಣವಾಗಿ ತಪ್ಪಾದ ಸ್ಪಷ್ಟ ಉತ್ತರಗಳು [2][3].

• ಪಕ್ಷಪಾತ - ಇದು ದತ್ತಾಂಶದಲ್ಲಿ ಬೇಯಿಸಿದ ಮಾದರಿಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ; ಪರಿಶೀಲಿಸದಿದ್ದರೆ ಅವುಗಳನ್ನು ವರ್ಧಿಸಬಹುದು [3][4].

• ಯಾವುದೇ ನೇರ ಅನುಭವವಿಲ್ಲ - ಇದು ಮಾತನಾಡಬಹುದು ಆದರೆ ಎಂದಿಗೂ ಒಂದನ್ನು ರುಚಿ ನೋಡಿಲ್ಲ [4].

• ಅತಿಯಾದ ಆತ್ಮವಿಶ್ವಾಸ - ಗದ್ಯವು ತಿಳಿದಿರುವಂತೆ ಹರಿಯುತ್ತದೆ, ಅದು ತಿಳಿದಿಲ್ಲದಿದ್ದರೂ ಸಹ. ಅಪಾಯದ ಚೌಕಟ್ಟುಗಳು ಊಹೆಗಳನ್ನು ದುರ್ಬಲಗೊಳಿಸುತ್ತವೆ [3].

ತಿಳಿದಿರುವಂತೆ ಭಾಸವಾಗುವುದೇಕೆ 🧠

ಅದಕ್ಕೆ ಯಾವುದೇ ನಂಬಿಕೆಗಳಿಲ್ಲ, ಮಾನವ ಅರ್ಥದಲ್ಲಿ ಯಾವುದೇ ಸ್ಮರಣೆಯಿಲ್ಲ, ಮತ್ತು ಖಂಡಿತವಾಗಿಯೂ ಸ್ವಯಂ ಇಲ್ಲ. ಆದರೂ ಅದು ವಾಕ್ಯಗಳನ್ನು ಸರಾಗವಾಗಿ ಜೋಡಿಸುವುದರಿಂದ, ನಿಮ್ಮ ಮೆದುಳು ಅದನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡಂತೆ . ಏನಾಗುತ್ತಿದೆ ಎಂಬುದು ಕೇವಲ ಬೃಹತ್ ಪ್ರಮಾಣದ ಮುಂದಿನ-ಟೋಕನ್ ಭವಿಷ್ಯವಾಣಿಯಾಗಿದೆ : ವಿಭಜಿತ-ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಟ್ರಿಲಿಯನ್ಗಟ್ಟಲೆ ಸಂಭವನೀಯತೆಗಳನ್ನು ಪುಡಿಮಾಡುವುದು [2].

"ಬುದ್ಧಿವಂತಿಕೆ"ಯ ವೈಬ್ ಎಂದರೆ ಹೊರಹೊಮ್ಮುವ ನಡವಳಿಕೆ - ಸಂಶೋಧಕರು ಇದನ್ನು ಸ್ವಲ್ಪ ನಾಲಿಗೆಯಂತೆ, "ಸಂಭವ ಗಿಳಿ" ಪರಿಣಾಮ ಎಂದು ಕರೆಯುತ್ತಾರೆ [4].

ಮಕ್ಕಳ ಸ್ನೇಹಿ ಸಾದೃಶ್ಯ 🎨

ಗ್ರಂಥಾಲಯದಲ್ಲಿರುವ ಪ್ರತಿಯೊಂದು ಪುಸ್ತಕವನ್ನು ಓದಿದ ಗಿಣಿಯನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ಅದು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದಿಲ್ಲ , ಆದರೆ ಪದಗಳನ್ನು ಬುದ್ಧಿವಂತವೆನಿಸುವ ರೀತಿಯಲ್ಲಿ ಮರುಮಿಶ್ರಣ ಮಾಡಬಹುದು. ಕೆಲವೊಮ್ಮೆ ಅದು ಸರಿಯಾಗಿದೆ; ಕೆಲವೊಮ್ಮೆ ಅದು ಅಸಂಬದ್ಧವಾಗಿರುತ್ತದೆ - ಆದರೆ ಸಾಕಷ್ಟು ಪ್ರತಿಭೆಯೊಂದಿಗೆ, ನೀವು ಯಾವಾಗಲೂ ವ್ಯತ್ಯಾಸವನ್ನು ಹೇಳಲು ಸಾಧ್ಯವಿಲ್ಲ.

ಸಂಕ್ಷಿಪ್ತವಾಗಿ: AI ನ ಮಾಹಿತಿ ಎಲ್ಲಿಂದ ಬರುತ್ತದೆ 📌

ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ:

• ಬೃಹತ್ ತರಬೇತಿ ದತ್ತಾಂಶ (ಸಾರ್ವಜನಿಕ + ಪರವಾನಗಿ ಪಡೆದ + ತರಬೇತುದಾರ-ರಚಿತ) [2].

• ಸ್ವರ/ನಡವಳಿಕೆಯನ್ನು ರೂಪಿಸಲು ಮಾನವ ಪ್ರತಿಕ್ರಿಯೆಯೊಂದಿಗೆ ಉತ್ತಮ ಶ್ರುತಿ

• ಲೈವ್ ಡೇಟಾ ಸ್ಟ್ರೀಮ್‌ಗಳಿಗೆ ಸಂಪರ್ಕಗೊಂಡಾಗ ಮರುಪಡೆಯುವಿಕೆ ವ್ಯವಸ್ಥೆಗಳು

AI ಗೆ ವಿಷಯಗಳು "ತಿಳಿದಿಲ್ಲ" - ಅದು ಪಠ್ಯವನ್ನು ಊಹಿಸುತ್ತದೆ . ಅದು ಅದರ ಮಹಾಶಕ್ತಿ ಮತ್ತು ಅದರ ಅಕಿಲೀಸ್ ಹೀಲ್ ಎರಡೂ ಆಗಿದೆ. ಬಾಟಮ್ ಲೈನ್? ಯಾವಾಗಲೂ ವಿಶ್ವಾಸಾರ್ಹ ಮೂಲದೊಂದಿಗೆ ಪ್ರಮುಖ ವಿಷಯಗಳನ್ನು ಪರಿಶೀಲಿಸಿ [3].

ಉಲ್ಲೇಖಗಳು

1. ಔಯಾಂಗ್, ಎಲ್. ಮತ್ತು ಇತರರು (2022). ಮಾನವ ಪ್ರತಿಕ್ರಿಯೆಯೊಂದಿಗೆ ಸೂಚನೆಗಳನ್ನು ಅನುಸರಿಸಲು ಭಾಷಾ ಮಾದರಿಗಳಿಗೆ ತರಬೇತಿ ನೀಡುವುದು (InstructGPT) . arXiv .

2. ಓಪನ್‌ಎಐ (2023). ಜಿಪಿಟಿ-4 ತಾಂತ್ರಿಕ ವರದಿ - ಪರವಾನಗಿ ಪಡೆದ, ಸಾರ್ವಜನಿಕ ಮತ್ತು ಮಾನವ-ರಚಿಸಿದ ಡೇಟಾದ ಮಿಶ್ರಣ; ಮುಂದಿನ-ಟೋಕನ್ ಭವಿಷ್ಯವಾಣಿಯ ಉದ್ದೇಶ ಮತ್ತು ಮಿತಿಗಳು. ಆರ್‌ಎಕ್ಸ್‌ಐವಿ .

3. NIST (2023). AI ಅಪಾಯ ನಿರ್ವಹಣಾ ಚೌಕಟ್ಟು (AI RMF 1.0) - ಮೂಲ, ವಿಶ್ವಾಸಾರ್ಹತೆ ಮತ್ತು ಅಪಾಯ ನಿಯಂತ್ರಣಗಳು. PDF .

4. ಬೆಂಡರ್, ಇಎಮ್, ಗೆಬ್ರು, ಟಿ., ಮೆಕ್‌ಮಿಲನ್-ಮೇಜರ್, ಎ., ಮಿಚೆಲ್, ಎಸ್. (2021). ಸ್ಟೊಕಾಸ್ಟಿಕ್ ಗಿಳಿಗಳ ಅಪಾಯಗಳ ಕುರಿತು: ಭಾಷಾ ಮಾದರಿಗಳು ತುಂಬಾ ದೊಡ್ಡದಾಗಬಹುದೇ? ಪಿಡಿಎಫ್ .

5. ಲೆವಿಸ್, ಪಿ. ಮತ್ತು ಇತರರು (2020). ಜ್ಞಾನ-ತೀವ್ರ NLP ಗಾಗಿ ಮರುಪಡೆಯುವಿಕೆ-ವರ್ಧಿತ ಪೀಳಿಗೆ . arXiv .

ಅಧಿಕೃತ AI ಸಹಾಯಕ ಅಂಗಡಿಯಲ್ಲಿ ಇತ್ತೀಚಿನ AI ಅನ್ನು ಹುಡುಕಿ

ನಮ್ಮ ಬಗ್ಗೆ