এআই আসলে কী শিখছে – এবং এটি কী জানে যে আমরা কখনই এটি শিখিয়েছি না

কল্পনা করুন যে আপনি পরবর্তী শব্দের সেরা অনুমানের সাথে – লিখিত প্রতিটি বইয়ের প্রতিটি বাক্য শেষ করতে হবে। জিপিটি -4 এর মতো বড় ভাষার মডেলগুলি (এলএলএম) এভাবেই শেখা শুরু করে।

এলএলএম ব্যবহার স্ব-তত্ত্বাবধানে শেখামানে তাদের কাছে ডেটা লেবেল বা ব্যাখ্যা করার জন্য তাদের কারও দরকার নেই। পরিবর্তে, তারা বই, কোড, একাডেমিক পেপারস, উইকিপিডিয়া (এবং এর 57 মিলিয়ন+ নিবন্ধ), রেডডিট ফোরাম এবং নিউজ নিবন্ধগুলি থেকে কোটি কোটি বিলিয়ন ছাড়াও, এবং তারপরে একটি বাক্যটিতে কী শব্দ আসে তা পূর্বাভাস দিয়ে – বারবার এবং তার পরেও ভবিষ্যদ্বাণী করে।

যদিও এটি সরল মনে হতে পারে তবে এটি এলএলএম কীভাবে তাদের আশ্চর্যজনক কাজগুলি করতে পারে তার মূল বিষয়। আসুন বলি মডেলটি পড়েছে:

“1492 সালে, ক্রিস্টোফার কলম্বাস স্পেন থেকে ___ তে যাত্রা শুরু করে।”

এটি আগে দেখা সমস্ত কিছুর উপর ভিত্তি করে পরবর্তী শব্দটি অনুমান করতে হবে। হতে পারে এটি প্রসঙ্গের উপর নির্ভর করে “অন্বেষণ,” “আমেরিকা,” বা “আবিষ্কার” বলে। যদি এটি সঠিক হয় তবে দুর্দান্ত; যদি তা না হয় তবে এটি সামঞ্জস্য করে, লোকেরা কীভাবে কথা বলে এবং কীভাবে টাইমলাইনগুলি, historical তিহাসিক ব্যক্তিত্ব, কারণ এবং প্রভাব পছন্দ করে এবং কীভাবে একে অপরের সাথে সম্পর্কিত।

এই পরবর্তী শব্দের পূর্বাভাস প্রশিক্ষণের সময় টাস্কটি কয়েক বিলিয়ন বার পুনরাবৃত্তি করা হয়, এমন মডেলগুলি ব্যবহার করে যা কয়েকশো বিলিয়ন পরামিতি (মডেলের “মস্তিষ্কের কোষ”) অন্তর্ভুক্ত করতে পারে। এটি যত বেশি উদাহরণ দেখেন, এটি আরও সহজেই ভাষার নিদর্শনগুলি – ব্যাকরণ, বানান, স্টাইল এবং এমনকি হাস্যরসকে স্বীকৃতি দেয় তবে এটি সেখানে থামে না। যেহেতু এটি উইকিপিডিয়া থেকে চলচ্চিত্রের স্ক্রিপ্টগুলি থেকে সফ্টওয়্যার ডকুমেন্টেশন পর্যন্ত সমস্ত কিছু দ্বারা সরবরাহিত ডেটা থেকে শিখেছে, এটি কেবল ভাষা শিখতে পারে না, তবে কীভাবে বিশ্ব ভাষার মাধ্যমে কাজ করে।

এলএলএমগুলি কেবল ভাষার চেয়ে অনেক বেশি শিখুন

যদিও শব্দের পূর্বাভাস দেওয়ার জন্য মডেলের লক্ষ্য “ন্যায়সঙ্গত”, এটি আরও অনেক কিছু শেখার শেষ হয়।

কীভাবে জিনিস কাজ করে

মানুষ হিসাবে, আমরা জানি যে “আপনি যদি একটি গ্লাস ফেলে দেন তবে তা ভেঙে যেতে পারে” বা “যদি এটি মেঘলা হয় তবে বৃষ্টি হতে পারে” ” তবে এলএলএমএসের জন্য, এটি শেখার একটি বিশ্ব মডেল বলা হয় – কেবল ভাষা নয়, কারণ এবং প্রভাব এবং কীভাবে বিশ্ব একসাথে ফিট করে।

লোকেরা কীভাবে চিন্তা করে এবং অনুভব করে

এলএলএমগুলি বাছাই করতে শিখতে পারে যে “আমি ভাল আছি” কখনও কখনও বিপরীত অর্থ হতে পারে। এটি সুর, আবেগ এবং এমনকি কটূক্তি শিখেছে – সমস্ত লোকেরা কীভাবে লিখবে।

সমস্যাগুলি কীভাবে সমাধান করবেন

এলএলএমগুলি গণিত, যুক্তি ধাঁধা, কোড এবং পরামর্শ কলামগুলির অনেকগুলি উদাহরণ দেখুন। সময়ের সাথে সাথে, তারা কেবল জিনিসগুলি না বলার জন্য নয়, জিনিসগুলি খুঁজে বের করার ক্ষেত্রে আরও ভাল হয়। কিছু নতুন মডেল এমনকি সমস্যাগুলি সমাধানের জন্য ছোট পদক্ষেপে একটি জটিল প্রশ্ন ভেঙে পরিকল্পনা করতে শেখে।

সরঞ্জামগুলি কীভাবে ব্যবহার করবেন

কিছু এলএলএম কীভাবে কম্পিউটার কোড লিখতে বা স্প্রেডশিট, টেমপ্লেট এবং এপিআই তৈরি করতে সহায়তা করে কেবল কীভাবে লোকেরা লিখিতভাবে এই জিনিসগুলি করে তার পর্যাপ্ত উদাহরণ দেখে।

শিখতে শিখছি

একে বলা হয় “মেটা-লার্নিং।” এলএলএমএসের জন্য, এর অর্থ তারা কী জানে না – এবং কীভাবে এটি ঠিক করবেন – তাদের নিজস্ব বিভ্রান্তি স্বীকৃতি দেওয়া বা একটি স্পষ্টকরণের প্রশ্ন জিজ্ঞাসা করার প্রয়োজন। যদি এটির আরও তথ্যের প্রয়োজন হয় তবে এটি অনুরোধ করবে যে অতিরিক্ত বিশদ সরবরাহ করা হলে এটি আরও ভাল উত্তর পেতে পারে এবং ব্যবহারকারীকে এটির জন্য জিজ্ঞাসা করতে পারে। উদাহরণস্বরূপ: “এই চিকিত্সা শিশু বা প্রাপ্তবয়স্কদের জন্য কিনা তার উপর নির্ভর করে আমার প্রতিক্রিয়া পৃথক হবে। আমার কোন বয়সের বিষয়টি বিবেচনা করা উচিত?”

ধন্যবাদ ট্রান্সফর্মার আর্কিটেকচারএলএলএমএস পাঠ্যের দীর্ঘ দূরত্ব জুড়ে শব্দের মধ্যে সম্পর্কগুলি ট্র্যাক করতে পারে এবং পুরানো মডেলের চেয়ে অনেক দ্রুত সমান্তরালভাবে এই শিক্ষাটি করতে পারে। এটি মডেলটিকে একটি দৈত্য লাইব্রেরিতে অ্যাক্সেস দেওয়ার মতো এবং এটি দেখার মতো যা বিশ্বের ভিতরে সমস্ত কিছু পড়ে বিশ্ব কীভাবে কাজ করে তা শিখতে। এলএলএমগুলি বছরের পর বছর ধরে পড়ার পরিবর্তে এটিই করে, তারা কয়েক শতাধিক প্রসেসর বিস্তৃত অবকাঠামোতে কয়েক দিন বা সপ্তাহের মধ্যে কোটি কোটি উদাহরণ শিখেছে। সুতরাং, যদিও তারা “কেবল শব্দের পূর্বাভাস দিচ্ছে”, তারা সাধারণ মানব-জাতীয় জ্ঞান বিকাশ করে-সত্যিকারের চেতনা নয়, তবে বোঝার অনুকরণ করার ক্ষমতা উল্লেখযোগ্যভাবে ভালভাবে।

নতুন মডেল যা আসলে “চিন্তা”

সম্প্রতি অবধি, বেশিরভাগ এলএলএম দুর্দান্ত ছিল শব্দ প্যাটার্ন স্বীকৃতির মাধ্যমে স্মার্ট, তবে প্রায়শই যুক্তির সাথে লড়াই করে, তৈরি করা (হ্যালুসিনেটেড) তথ্যগুলি বা বহু-পদক্ষেপের যুক্তিতে ব্যর্থ হয়। আমরা এখন আছি যুক্তি মডেল যুগ: নতুন মডেলগুলি কেবল কী বলতে হবে তা অনুমান করে না তবে এটি কীভাবে বলবেন এবং কেন তা ভাবুন। এই মডেলগুলি পারে:

যুক্তি-প্রথম মডেলগুলির উদাহরণ:

• ওপেনএআই এর ও 1 এবং ও 1-প্রো: আরও ভাল পরিকল্পনা এবং কম ভুলের জন্য ডিজাইন করা।
• বিস্ময়কর সোনার প্রো-রিসনিং: যাচাইযোগ্য উত্স এবং লজিক চেইনের সাথে উত্তর দেওয়ার জন্য এআইকে লাইভ ইন্টারনেট অনুসন্ধানের সাথে একত্রিত করে।
• অ্যানথ্রোপিকের ক্লড 3.x: শক্তিশালী ধাপে ধাপে চিন্তাভাবনা সহ নৈতিক, সহায়ক প্রতিক্রিয়াগুলিতে মনোনিবেশ করা।
• গুগলের জেমিনি: পাঠ্য, চিত্র, কোড এবং অডিও বুঝতে পারবেন – তারপরে সেগুলি সংযুক্ত করুন।

এই মডেলগুলি সমস্যাগুলি অংশগুলিতে ভেঙে ফেলতে পারে, সরঞ্জামগুলি ব্যবহার করতে পারে, উত্সগুলি সন্ধান করতে পারে এবং এমনকি তাদের নিজস্ব উত্তরগুলিও সংশোধন করতে পারে – যেমন ইন্টারনেট অ্যাক্সেস, মেমরি এবং একটি হোয়াইটবোর্ড সহ গবেষকের মতো। এই অগ্রগতিগুলি আমাদের এআই সিস্টেমগুলির আরও নিকটে নিয়ে যায় যা পরিকল্পনা, সমস্যা সমাধান এবং এমনকি নৈতিক আলোচনায় জড়িত থাকতে পারে-কেবল নকল নয়।

বহুভাষিক এবং সাংস্কৃতিক চ্যালেঞ্জ

এআই যদি সবার পক্ষে সহায়ক হয় তবে এটি অবশ্যই কেবল ইংরেজি বা “পাঠ্যপুস্তক” ইংরেজি ছাড়া আরও বেশি কিছু বুঝতে হবে। যদিও এলএলএমগুলি বই এবং নিবন্ধগুলির মতো কথা বলে তাদের পক্ষে সবচেয়ে ভাল কাজ করে (মডেলটি প্রশিক্ষণ দেওয়া হয়েছিল (এলএলএম প্রিট্রেনিং ডেটাসেটগুলির 80 শতাংশেরও বেশি ইংরেজি-প্রভাবশালী), এটি ব্যবহারকারীদের মূল ডেমোগ্রাফিকগুলি ছেড়ে দিতে পারে, সহ:

• আদিবাসী ভাষা, আঞ্চলিক উপভাষা বা এমন ভাষাগুলির স্পিকার যা প্রশিক্ষণের জন্য খুব বেশি অনলাইন ডেটা নেই।
• অ-মানক ব্যাকরণ বা অপবাদে কথা বলে এমন লোকেরা (যেমন, স্প্যাংলিশ, হিংলিশ)।
• সহায়ক যোগাযোগ সরঞ্জাম ব্যবহার করে লোকেরা।
• অ-ল্যাটিন স্ক্রিপ্টগুলি (যেমন, আরবি, হিন্দি) যা অদক্ষ পাঠ্য বিভাজন দ্বারা ভোগে।
• আইডিয়ামস, রূপক এবং শুল্ক যা সর্বদা সরাসরি অনুবাদ করে না।

এগুলি আসল উপায় যা লোকেরা কথা বলে তবে তারা প্রায়শই এআই প্রশিক্ষণ থেকে বাদ পড়ে। এটি কেবল ন্যায্যতা সম্পর্কে নয় – এটিও প্রায় পারফরম্যান্সএমন একটি মডেল হিসাবে যা আপনি যা বলছেন তা ভুল, পক্ষপাতদুষ্ট বা এমনকি সম্ভাব্য বিপজ্জনক পরামর্শ দিতে পারে তা ভুল বোঝে।

পরবর্তী কী: ভাষা থেকে যুক্তি পর্যন্ত

এআই সর্বত্র আছে। অনলাইনে 50 শতাংশেরও বেশি সামগ্রী এখন এআই-উত্পাদিতএবং এই বছরের শেষের দিকে, 90 শতাংশেরও বেশি লাইভ কোড হবে এআই দ্বারা উত্পাদিত।

যুক্তিযুক্ত মডেলগুলির আবির্ভাবের সাথে, পাঠ্য পূর্বাভাস হিসাবে যা শুরু হয়েছিল তা এখন সফটওয়্যার ইঞ্জিনিয়ারিং, বৈজ্ঞানিক আবিষ্কার, ব্যক্তিগত কোচিং এবং এমনকি আইনী খসড়া এবং যুক্তিগুলিকে স্পর্শ করে।

তবুও চ্যালেঞ্জগুলি রয়ে গেছে:

• হ্যালুসিনেশন: এমনকি উন্নত মডেলগুলি মাঝে মধ্যে দৃ inc ়প্রত্যয়ী তবে মিথ্যা বিবৃতি উত্পন্ন করে।
• পক্ষপাত: মডেলগুলি তারা প্রশিক্ষিত ডেটা প্রতিফলিত করে, প্রায়শই স্টেরিওটাইপস বা পক্ষপাতিত্বকে শক্তিশালী করে।
• ব্যাখ্যাযোগ্যতা: কোনও মডেল কেন প্রদত্ত ভবিষ্যদ্বাণী বা সিদ্ধান্ত নিয়েছে তা বোঝা মুশকিল থেকে যায়, যদিও যুক্তিযুক্ত মডেলগুলি তাদের কাজ দেখানোর ক্ষেত্রে আরও ভাল হয়ে উঠছে।

আজকের এলএলএম হ’ল চিন্তার শক্তিশালী সিমুলেটর, শব্দের চেয়ে অনেক বেশি শেখা-তারা যুক্তি, প্রসঙ্গ এবং মানুষের মতো যুক্তি অভ্যন্তরীণ করে। সাবলীলতা থেকে যুক্তিতে পরিবর্তিত হওয়া আসল, তবে তাদের সম্পূর্ণ সম্ভাবনা উপলব্ধি করা-নৈতিক ও কার্যকরভাবে-আমরা ভবিষ্যতে চলে যাওয়ার সাথে সাথে আমাদের অবশ্যই নিশ্চিত করতে হবে যে তারা কেবল বুদ্ধিমান নয় তবে দৃ ust ় তথ্যগুলিতে প্রশিক্ষণপ্রাপ্ত (এবং কেবল তারা নিজেরাই উত্পন্ন ডেটাগুলিতে তুলনামূলকভাবে নয়, ব্যবহারের প্রসারিত হিসাবে), স্বচ্ছতা, বহু-বৈধতা, এবং স্পষ্টতই সত্য যুক্তিযুক্তভাবে ভিত্তিযুক্ত যুক্তিযুক্ত ভিত্তিতে। এটি এই মডেলগুলিকে স্ব-চাঙ্গা গ্রুপথিংকটিতে রূপান্তরিত না করে ক্রমবর্ধমান সংখ্যক লোকের উন্নতি এবং পরিবেশন করা নিশ্চিত করতে সহায়তা করবে।

চিত্র ক্রেডিট: Wanniwat roumruk / ড্রিমসটাইম ডটকম

কেরিন গোএলডি, পিএইচডি, এমবিএ প্রাক্তন ফাং নেতা, নির্বাহী উপদেষ্টা, এআই কৌশলবিদ এবং একাধিক বইয়ের লেখকসহ “নেতৃত্বের প্লেবুক, পুনর্বিবেচনা: কীভাবে সাফল্যকে ত্বরান্বিত করা যায়, আপনার লোককে গাইড এবং ক্ষমতায়ন করা, পরিবর্তন নেভিগেট করতে এবং আপনার কাজের জীবন ও ভবিষ্যতের-প্রমাণ আপনার ক্যারিয়ারের নিয়ন্ত্রণ নিতে ভাল এআই অভ্যাস তৈরি করতে পারে, আজ”