જનરેટિવ AI કેવી રીતે કામ કરે છે?

નફો:

• ટોકન સંભવિતતા અને અનુમાનની વિભાવનાઓને સાહજિક રીતે સમજાવી શકે છે
• શા માટે ભાષા મોડેલ ટેક્સ્ટ 'પીસમીલ' બનાવે છે તે સમજે છે
• શા માટે મોડેલ ક્યારેક નિર્ણાયક રીતે અને ક્યારેક સર્જનાત્મક રીતે વર્તે છે તેનું અર્થઘટન કરી શકે છે

જ્યારે તમે ભાષાના મોડેલમાં "ઇસ્તાંબુલ વિશે શ્રેષ્ઠ વસ્તુ" લખો છો, ત્યારે તે થોડીક સેકંડમાં અસ્ખલિત ફકરો બનાવે છે. આ કેવી રીતે થાય છે? શું મોડેલ ખરેખર "વિચારે છે" અથવા તેની પાછળ કોઈ વધુ સરળ પણ શક્તિશાળી મિકેનિઝમ છે? આ એકમમાં અમે સમજાવીશું કે કેવી રીતે જનરેટિવ AI કામ કરે છે, ટેકનિકલ સમીકરણોમાં ગયા વિના પરંતુ યોગ્ય અંતર્જ્ઞાન સ્થાપિત કરીને. આ અંતર્જ્ઞાન એ અનુસરતી દરેક વસ્તુ માટેનો આધાર છે - ખાસ કરીને આભાસ, ચકાસણી અને સારા પ્રોમ્પ્ટ લેખનના વિષયો. જનરેટિવ AI, એટલે કે, "જનરેટિવ આર્ટિફિશિયલ ઈન્ટેલિજન્સ", એ એવા ટૂલ્સનું સામાન્ય નામ છે જે હાલના જવાબ શોધવા અને લાવવાને બદલે શરૂઆતથી ટેક્સ્ટ બનાવે છે.

મૂળભૂત વિચાર: આગલા ભાગની આગાહી કરવી

આશ્ચર્યજનક બાબત એ છે કે ભાષા મોડેલ શીખે છે તે એકમાત્ર મૂળભૂત કાર્ય એ છે કે "ટેક્સ્ટના કયા ભાગને અનુસરવાની સંભાવના છે?" પ્રશ્નનો જવાબ આપવાનો છે. મોડેલ સંપૂર્ણ વાક્ય તૈયાર કરીને તમારી સામે રજૂ કરતું નથી. તેના બદલે, તે ડાબેથી જમણે ટુકડે ટુકડે વાક્ય ઉત્પન્ન કરે છે.

તે પગલું દ્વારા કેવી રીતે કાર્ય કરે છે તે અહીં છે:

1. તે તમે લખો છો તે ટેક્સ્ટ (પ્રોમ્પ્ટ) વાંચે છે.
2. આ ટેક્સ્ટને અનુસરવા માટે સૌથી વધુ સંભવિત ભાગની આગાહી કરે છે.
3. તે ભાગ ઉમેરે છે.
4. તે નવા રચાયેલા ટેક્સ્ટને ફરીથી જુએ છે અને પછીના સંભવિત ભાગનું અનુમાન કરે છે.
5. જવાબ પૂર્ણ થાય ત્યાં સુધી પુનરાવર્તન કરો.

ઉદાહરણ: જો તમે મોડેલને "સવારે ઉઠો ત્યારે ગરમ કપ લો..." એવું લખાણ આપ્યું હોય, તો સૌથી વધુ ચાલુ રાખવાની શક્યતા "ચા" અથવા "કોફી" હશે; "ડામર" નથી. મોડેલે લાખો ગ્રંથોમાંથી આવી સંભાવનાઓ શીખી છે. પછી તે "ચા" ઉમેરે છે, પછી નવા વાક્યને જુએ છે અને પછીના સંભવિત ભાગનું અનુમાન લગાવે છે, વગેરે.

બીજા શબ્દોમાં કહીએ તો, દરેક પગલા પર, મોડેલ તેણે શું લખ્યું છે તે જોઈને આગળનું પગલું લે છે. તેથી જ તેને કેટલીકવાર "સ્વતઃપૂર્ણનું ખૂબ જ અદ્યતન સંસ્કરણ" કહેવામાં આવે છે. પરંતુ આ સામ્યતા પ્રતિભાને ઓછી ન થવી જોઈએ; યોગ્ય સ્કેલ પર, આ આગાહી એવા પરિણામો લાવી શકે છે જે તર્ક જેવા લાગે છે.

ટોકન: શબ્દના નાના ટુકડા

મોડેલ વાસ્તવમાં સંપૂર્ણ "શબ્દો" સાથે નહીં પરંતુ ટોકન્સ તરીકે ઓળખાતા નાના ટુકડાઓ સાથે કામ કરે છે. એક ટોકન; ક્યારેક તે આખો શબ્દ હોય છે, ક્યારેક તે શબ્દનો ભાગ હોય છે, ક્યારેક તે વિરામચિહ્ન હોય છે.

• "પુસ્તક" એક ટોકન હોઈ શકે છે.
• "અમારા પુસ્તકોમાંથી" "પુસ્તક", "ઓ", "અમારા", "માંથી" જેવા કેટલાક ટોકન્સમાં વિભાજિત કરી શકાય છે.
• જગ્યાઓ અને વિરામચિહ્નો પણ ટોકન્સ તરીકે ગણાય છે.

ધ્યાન: ટોકન માત્ર એક તકનીકી વિગત નથી. મોટાભાગના AI સાધનો ટોકન્સની સંખ્યા દ્વારા ચાર્જ કરે છે, અને ટેક્સ્ટની લંબાઈ (સંદર્ભ વિન્ડો) મોડલ એક સમયે પ્રક્રિયા કરી શકે છે તે પણ ટોકન્સમાં મર્યાદિત છે. તેથી "તમે કેટલો સમય લખો છો" એ સીધી કિંમત અને મર્યાદા છે.

સંભાવના અને "હૂંફ": નિશ્ચય અથવા સર્જનાત્મકતા?

દરેક પગલા પર, મોડેલ એક ચોક્કસ જવાબ નહીં પરંતુ સંભવિત ચાલુ રાખવાની સંભાવનાઓની સૂચિ બનાવે છે. ઉદાહરણ તરીકે, "ગરમ" શબ્દ પછી: ચા 55%, કોફી 35%, દૂધ 7%, અન્ય 3%. તો તે કોને પસંદ કરે છે?

અહીં, તાપમાન નામનું સેટિંગ અમલમાં આવે છે. તાપમાન એ સર્જનાત્મકતાનો એક પ્રકાર છે જે નક્કી કરે છે કે મોડેલ કેટલું "જોખમ" કરશે.

સેટિંગ

વર્તન

નિષ્કર્ષ

તે ક્યાં ઉપયોગી છે?

નીચા તાપમાન

હંમેશા સૌથી વધુ સંભવિત વિકલ્પ લે છે

સ્થિર, પુનરાવર્તિત

કાનૂની સારાંશ, તકનીકી વર્ણન, ડેટા નિષ્કર્ષણ

મધ્યમ તાપમાન

સંતુલિત પસંદગી

કુદરતી પરંતુ સુસંગત

સામાન્ય ઈમેલ, રિપોર્ટ ડ્રાફ્ટ

ઉચ્ચ તાપમાન

ઓછા સંભવિત વિકલ્પોનો પ્રયાસ કરે છે

સર્જનાત્મક, વૈવિધ્યસભર, અણધારી

મંથન, સૂત્ર, નામ નિર્માણ

આ વારંવાર પૂછાતા પ્રશ્નને પણ સમજાવે છે: "જ્યારે હું એક જ પ્રશ્ન બે વાર પૂછું છું ત્યારે મને જુદા જુદા જવાબો કેમ મળે છે?" કારણ કે પસંદગી પ્રક્રિયામાં કેટલીક અવ્યવસ્થિતતા છે; મોડેલ ડેટાબેઝમાંથી નિશ્ચિત જવાબ દોરતું નથી, તે દર વખતે તેનું પુનઃઉત્પાદન કરે છે.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

મોડેલ "સંભાવના" સાથે કામ કરે છે તે જાણીને તમે તેને કેવી રીતે સૂચના આપો છો તે પણ બદલાય છે. તમે જેટલો વધુ સંદર્ભ આપો છો, તેટલું યોગ્ય ચાલુ રહેવાની શક્યતા વધુ છે.

નબળા પ્રોમ્પ્ટ: પ્રારંભિક ટેક્સ્ટ લખો.

પરિણામ: મોડેલ સૌથી વધુ "સરેરાશ" અને સામાન્ય લખાણ બનાવે છે કારણ કે તે જાણતું નથી કે કયું ઉત્પાદન, કયા પ્રેક્ષકો, કયો સ્વર.

સ્ટ્રોંગ પ્રોમ્પ્ટ: નાના કાફેની નવી ફિલ્ટર કોફી માટે Instagram પ્રમોશનલ ટેક્સ્ટ લખો. પ્રેક્ષક: 25-35 વર્ષ જૂના, કોફી ઉત્સાહી. સ્વર: મૈત્રીપૂર્ણ, ટૂંકું. વધુમાં વધુ 3 વાક્યો, અંતે 2 હેશટેગ.

પરિણામ: એક ઉપયોગી ટેક્સ્ટ જે સુસંગત છે કારણ કે સંદર્ભ શક્યતાઓને સંકુચિત કરે છે.

ત્રણ મિની કેસ

કેસ 1 — માર્કેટિંગ, ઉચ્ચ વિવિધતા. એક ટીમને નવી પ્રોડક્ટ માટે 30 સ્લોગન જોઈતા હતા. તેના ઉચ્ચ તાપમાન સેટિંગ સાથે, મોડેલે વિવિધ, સર્જનાત્મક વિકલ્પો ઉત્પન્ન કર્યા; ટીમે 30 માંથી 4 પસંદ કર્યા અને વિકસાવ્યા. કુલ સમય: 10 મિનિટ. જો તે હાથથી કરવામાં આવે તો તે અડધો દિવસ લેશે.

કેસ 2 - કાયદો, ઉચ્ચ નિશ્ચય. તે જ કંપનીની કાનૂની ટીમ કરારની કલમને સરળ બનાવી રહી હતી. તેઓ સાતત્ય ઇચ્છતા હતા, સર્જનાત્મકતા નહીં; નીચા તાપમાન સાથે મોડેલ દરેક વખતે લગભગ સમાન, રૂઢિચુસ્ત સારાંશ આપે છે. આમ, વિવિધ ટ્રાયલ વચ્ચે કોઈ વિસંગતતા નહોતી.

કેસ 3 - "તે કેમ બદલાયો?" પ્રશ્ન એક કર્મચારીએ બે વાર સમાન ઈમેલ ડ્રાફ્ટની વિનંતી કરી અને બે અલગ-અલગ પરિણામો પ્રાપ્ત કર્યા; તેણે વિચાર્યું કે તે એક "ભૂલ" છે. હકીકતમાં, આ મોડેલની રેન્ડમનેસનું કુદરતી પરિણામ છે. એકવાર કર્મચારીએ તેને ગમતું સંસ્કરણ સાચવવાનું શીખી લીધું અને જો જરૂરી હોય તો "તેને પહેલાની જેમ બનાવો" કહે, તો કોઈ સમસ્યા નહોતી.

શું મોડેલ "તે મેળવે છે"?

આ સૌથી વિચિત્ર પ્રશ્ન છે. મોડેલે શબ્દો વચ્ચેના આંકડાકીય સંબંધોને એટલી સારી રીતે શીખ્યા છે કે તે ઘણા કાર્યોને સમજવાનો ઢોંગ કરે છે. પરંતુ તેની પાસે કોઈ સભાન સમજ, ઈરાદો કે વાસ્તવિકતા-નિયંત્રક તંત્ર નથી. તે "સૌથી સંભવિત સિક્વલ" ઉત્પન્ન કરે છે; તે "સૌથી સચોટ માહિતી" ઉત્પન્ન કરવાની બાંયધરી આપતું નથી. આ ભિન્નતા એ આભાસના વિષયનો આધાર છે, જેની ચર્ચા આપણે આગામી એકમોમાં કરીશું.

સામાન્ય ભૂલો

સામાન્ય ભૂલો

• શોધ એંજીન માટે મોડેલને ભૂલથી. મોડેલ ઇન્ટરનેટ પર શોધ કરતું નથી અને સંસાધનો પુનઃપ્રાપ્ત કરતું નથી (સિવાય કે ત્યાં કોઈ વિશિષ્ટ શોધ સુવિધા હોય); મેમરીમાંથી શક્ય ટેક્સ્ટ જનરેટ કરે છે. તેથી તે સ્ત્રોત/આકૃતિ બનાવી શકે છે.
• ચોકસાઈ માટે ભૂલથી પ્રવાહિતા. ટેક્સ્ટ સુંદર અને આત્મવિશ્વાસપૂર્ણ હોવાનો અર્થ એ નથી કે તેની સામગ્રી સાચી છે.
• દરેક વખતે એક જ જવાબની અપેક્ષા. અવ્યવસ્થિતતા કુદરતી છે; નિર્ણાયક કાર્યો માટે તમને ગમે તે આઉટપુટ સાચવો.
• ખૂબ લાંબુ, બિનજરૂરી ટેક્સ્ટ પેસ્ટ કરવું અને ટોકન મર્યાદાને દબાણ કરવું. લંબાઈ બંને ખર્ચમાં વધારો કરે છે અને મોડેલનું ધ્યાન વિચલિત કરી શકે છે; માત્ર જરૂરી સંદર્ભ આપો.

ધ્યાન આપો: મોડેલ અસ્ખલિત અને આત્મવિશ્વાસથી બોલે છે તેનો અર્થ એ નથી કે તે સાચું બોલે છે. પ્રવાહિતા એ સંભાવના અંદાજનું કુદરતી પરિણામ છે; ચોકસાઈ એ એવી વસ્તુ છે જે અલગથી અને સ્વતંત્ર રીતે તપાસવી જોઈએ.

સારાંશમાં

• જનરેટિવ AI આગામી સંભવિત ભાગ (ટોકન) ની આગાહી કરીને સ્ટેપ બાય સ્ટેપ ટેક્સ્ટ જનરેટ કરે છે; ટુકડે ટુકડે વાક્ય રચે છે.
• ટોકન્સ એ શબ્દોના નાના ભાગો છે અને કિંમત અને લંબાઈની મર્યાદા બંને સેટ કરે છે.
• દરેક પગલા પર, મોડેલ શક્યતાઓની સૂચિ બનાવે છે; તાપમાન સેટિંગ નક્કી કરે છે કે આઉટપુટ કેટલું સ્થિર અથવા સર્જનાત્મક હશે.
• એક જ પ્રશ્નના જુદા જુદા જવાબોનું કારણ આ પ્રક્રિયામાં રહેલી રેન્ડમનેસ છે.
• મોડેલ અસ્ખલિત રીતે બોલે છે, પરંતુ આ બાંહેધરી આપતું નથી કે તેણી સત્ય કહી રહી છે; પ્રવાહિતા અને ચોકસાઈ અલગ વસ્તુઓ છે.

એપ્લિકેશન કાર્ય

તમારા AI ટૂલને સમાન સર્જનાત્મક કાર્ય આપો (દા.ત. "ઝડપી આભાર નોંધ લખો") સતત બે વાર અને અવલોકન કરો કે આઉટપુટ કેવી રીતે અલગ પડે છે. પછી તે જ કાર્યને "પાવરફુલ પ્રોમ્પ્ટ" ટેમ્પલેટ સાથે પુનરાવર્તિત કરો, સંદર્ભ ઉમેરીને, અને બે પરિણામો વચ્ચેની ગુણવત્તામાં તફાવતની નોંધ લો.

ચેકલિસ્ટ

• [ ] હું સમજાવી શકું છું કે મોડેલ "આગામી સંભવિત ભાગની આગાહી કરીને" ટેક્સ્ટનું નિર્માણ કરે છે.
• હું જાણું છું કે [ ] ટોકન શું છે અને તે શા માટે કિંમત/મર્યાદા માટે વપરાય છે.
• નિશ્ચયની જરૂર હોય તેવી નોકરીઓ અને સર્જનાત્મકતાની જરૂર હોય તેવી નોકરીઓ વચ્ચે હું તફાવત કરી શકું છું.
• [ ] હું જાણું છું કે એક જ પ્રશ્નના જુદા જુદા જવાબો મેળવવું સામાન્ય છે.
• [ ] મેં આંતરિક રીતે સ્વીકાર્યું છે કે પ્રવાહ એ ચોકસાઈની કોઈ ગેરંટી નથી.