लाभ:
- कृत्रिम बुद्धिमत्ता, मशीन लर्निंग और बड़े भाषा मॉडल की अवधारणाओं के बीच अंतर कर सकते हैं
- बताएं कि ये प्रौद्योगिकियां पारंपरिक सॉफ़्टवेयर से किस प्रकार भिन्न हैं
- दैनिक व्यावसायिक जीवन में सामने आने वाले एआई उदाहरणों को पहचान सकते हैं
हाल के वर्षों में, "कृत्रिम बुद्धिमत्ता" शब्द हर जगह है: समाचारों में, विज्ञापनों में, व्यावसायिक बैठकों में, यहाँ तक कि आपके द्वारा उपयोग किए जाने वाले फ़ोन के कैमरे में भी। लेकिन वास्तव में इसका मतलब क्या है? यह इकाई शब्दजाल में डूबे बिना, और इसे आपके व्यावसायिक जीवन से जोड़कर, मूल बातें समझाती है। उद्देश्य आपको इंजीनियर बनाना नहीं है; आपको एक जागरूक उपयोगकर्ता बनाने के लिए जो समझता है कि आपके द्वारा उपयोग किए जाने वाले उपकरण क्या हैं और वे जो करते हैं वह क्यों करते हैं। क्योंकि आप किसी वाहन के बारे में जितना बेहतर जानते होंगे, आप उसका उपयोग उतना ही सुरक्षित और अधिक कुशल तरीके से करेंगे।
आप अक्सर तीन अवधारणाओं को आपस में जुड़े हुए सुनते हैं: कृत्रिम बुद्धिमत्ता, मशीन लर्निंग, और बड़ा भाषा मॉडल। ये एक ही चीज़ नहीं हैं; वे एक दूसरे के अंदर तेजी से संकीर्ण होते छल्ले हैं। आइए अब इन्हें एक-एक करके दैनिक उदाहरणों से समझाते हैं।
तीन अवधारणाएँ, तीन इंटरलॉकिंग रिंग
आर्टिफिशियल इंटेलिजेंस (एआई): यह एक व्यापक क्षेत्र का सामान्य नाम है जो कंप्यूटर को ऐसे कार्य करने में सक्षम बनाता है जिनके लिए सामान्य रूप से मानव बुद्धि (समझ, निर्णय लेना, पहचानना, भाषा का उपयोग करना) की आवश्यकता होती है। एक शतरंज कार्यक्रम, एक अनुवाद एप्लिकेशन और एक आवाज सहायक भी इस छतरी के नीचे हैं।
मशीन लर्निंग (एमएल): यह कृत्रिम बुद्धिमत्ता की सबसे आम उप-शाखा है। यहां, हम नियमों को एक-एक करके कंप्यूटर में नहीं लिखते हैं; हम उसे बहुत सारे नमूने दिखाते हैं और वह नमूनों में से पैटर्न स्वयं चुनता है। इसलिए इसका नाम "मशीन लर्निंग" पड़ा: मशीन उदाहरणों से सीखती है।
लार्ज लैंग्वेज मॉडल (एलएलएम): यह एक विशेष प्रकार की मशीन लर्निंग है जो टेक्स्ट में विशेषज्ञता रखती है। इसे अरबों वाक्यों से प्रशिक्षित किया जाता है; इसका उपयोग भाषा को समझने, निर्माण, सारांश और अनुवाद करने जैसे कार्यों में किया जाता है। चैटजीपीटी, जेमिनी, क्लाउड जैसे टूल के पीछे यही तकनीक है। इस मॉड्यूल के उपकरण, जिन्हें हम "जेनरेटिव एआई" (टेक्स्ट/इमेज जेनरेटिंग एआई) कहते हैं, ज्यादातर एलएलएम आधारित हैं।
संकेत: इसे याद रखें: एआई सबसे बड़ा बॉक्स है, मशीन लर्निंग उसके अंदर का बॉक्स है, और बड़ा भाषा मॉडल सबसे भीतरी बॉक्स है। "प्रत्येक एलएलएम मशीन लर्निंग का एक उत्पाद है और प्रत्येक मशीन लर्निंग एक एआई है, लेकिन इसका विपरीत हमेशा सच नहीं होता है।"
पारंपरिक सॉफ़्टवेयर से अंतर: नियम कौन लिखता है?
यह समझने योग्य सबसे महत्वपूर्ण अंतर है। पारंपरिक सॉफ़्टवेयर में, एक मानव (प्रोग्रामर) एक-एक करके नियम लिखता है: "यदि ऑर्डर राशि 500 टीएल से अधिक है, तो शिपिंग मुफ़्त होगी।" कंप्यूटर इस नियम का अक्षरश: पालन करता है, न अधिक, न कम।
मशीन लर्निंग में, मनुष्य नियम नहीं लिखते हैं; मॉडल स्वयं दिखाए गए उदाहरणों से नियम की खोज करता है। उदाहरण के लिए, आप हजारों "स्पैम" और "स्पैम नहीं" ईमेल दिखाते हैं; मॉडल स्वयं सीखता है कि कौन से शब्द और वाक्यांश स्पैम का संकेत देते हैं। कोई भी एक-एक करके यह नहीं लिखता कि "यदि यह शब्द है, तो यह स्पैम है"।
सुविधा
पारंपरिक सॉफ्टवेयर
मशीन लर्निंग/एआई
नियम कौन बनाता है?
मनुष्य एक-एक करके लिखता है
मॉडल उदाहरणों से अनुमान लगाता है
क्या आउटपुट हमेशा एक जैसा होता है?
समान इनपुट → समान आउटपुट
समान इनपुट → समान लेकिन परिवर्तनीय आउटपुट
यह कब मजबूत है?
स्पष्ट, निश्चित नियमों के साथ काम करें
बहुत सारे पैटर्न और कठिन नियमों के साथ काम करता है
विश्वसनीयता
पूर्वानुमानित, स्थिर
सांख्यिकीय, सत्यापन की आवश्यकता है
उदाहरण
पेरोल खाता
ईमेल टोन सुधारें
यह अंतर "मतिभ्रम" और "सत्यापन" विषयों का आधार है जो आप बाद में सीखेंगे: क्योंकि मॉडल स्वयं नियम प्राप्त करता है, यह कभी-कभी गलत होता है, इसलिए इसके आउटपुट पर आँख बंद करके भरोसा नहीं किया जा सकता है।
आप इसे अपने दैनिक व्यावसायिक जीवन में पहले ही देख चुके हैं
ऐसा मत सोचो कि AI कोई नई चीज़ है; आप संभवतः इसे वर्षों से उपयोग कर रहे हैं:
- आपके ईमेल बॉक्स का स्पैम फ़िल्टर (एक मॉडल जिसने जान लिया है कि कौन से ईमेल रद्दी हैं)।
- आपके फ़ोन का कीबोर्ड पूर्वानुमान (एक छोटा भाषा मॉडल जो अगला शब्द सुझाता है)।
- आपके बैंक का धोखाधड़ीपूर्ण लेनदेन अलर्ट (मॉडल जो असामान्य खर्च का पता लगाता है)।
- आपके स्प्रेडशीट प्रोग्राम की ऑटोफ़िल और सुझाव सुविधाएँ।
- वीडियो और संगीत अनुप्रयोगों में अनुशंसा प्रणालियाँ।
नई बात यह है कि यह तकनीक अब प्राकृतिक भाषा में बात कर सकती है। तो आप ऐसे लिखें जैसे कि आप किसी विशेषज्ञ से बात कर रहे हों, और वह समझता है और उत्तर देता है। कार्यस्थल में वास्तविक अवसर यहीं निहित है।
तीन मिनी मामले
केस 1 - आयसे, कार्यालय प्रबंधक। वह प्रत्येक सप्ताह लगभग 40 आपूर्तिकर्ता ईमेल को मैन्युअल रूप से वर्गीकृत कर रहा था; इसमें औसतन 90 मिनट लगे. इसमें कंपनी के एआई सहायक लेबल ईमेल को "तत्काल/सामान्य/जानकारी" के रूप में रखना शुरू किया गया। समय घटाकर 20 मिनट कर दिया गया; उन्होंने अनुबंध नियंत्रण के लिए बचाए गए ~70 मिनट समर्पित किए। एआई ने नियम स्वयं सीखा; आयसे ने फ़िल्टर एक-एक करके नहीं लिखे।
केस 2 - मेहमत, फील्ड तकनीशियन। ग्राहक मुफ़्त टेक्स्ट में दोष रिकॉर्ड लिख रहा था ("डिवाइस गर्म हो जाता है, रुक-रुक कर बंद हो जाता है")। उनका प्रबंधक इन 500 अभिलेखों को मैन्युअल रूप से पढ़ और वर्गीकृत नहीं कर सका। एक भाषा मॉडल ने रिकॉर्ड को "हार्डवेयर/सॉफ्टवेयर/उपयोगकर्ता त्रुटि" के रूप में सारांशित किया और सबसे लगातार शिकायत निकाली। मॉडल ने मिनटों में वह रेखाचित्र बना डाला जो एक मनुष्य को लगभग 2 दिन में लगेगा; टीम ने केवल पुष्टि की।
केस 3 - एलिफ़, अकाउंटिंग। उन्होंने एआई से एक नए विधायी पाठ का सारांश तैयार करवाया और 12 पेज के पाठ से लेखों की 1 पेज की सूची ली। लेकिन उन्होंने स्वयं आधिकारिक स्रोत से महत्वपूर्ण प्रतिशत की पुष्टि की; क्योंकि यह एक ऐसा मामला था जिसके लिए संख्यात्मक परिशुद्धता की आवश्यकता थी। इस प्रकार, इसने तेजी से और सुरक्षित रूप से काम किया।
कमजोर संकेत/मजबूत संकेत
टूल को जानने से आपके उससे पूछने का तरीका भी बदल जाता है। एक ही सहायक से दो अलग-अलग प्रश्न:
कमज़ोर संकेत:कृत्रिम बुद्धिमत्ता क्या है?
परिणाम: एक लंबा, विश्वकोशीय विवरण जो आपके लिए विशिष्ट नहीं है।
सशक्त संकेत: मैं एक गैर-तकनीकी कार्यालय कर्मचारी हूं। कृत्रिम बुद्धिमत्ता, मशीन लर्निंग और बड़े भाषा मॉडल के बीच अंतर को 3 छोटे बिंदुओं और प्रत्येक के लिए दैनिक जीवन से एक उदाहरण के साथ समझाएं। सादे तुर्की का प्रयोग करें.
परिणाम: आपकी भूमिका, स्तर और उद्देश्य के लिए उपयुक्त उपयोगी उत्तर। अंतर: आपने संदर्भ, श्रोता और प्रारूप दिया।
कॉपी करने योग्य टेम्पलेट
मुझे एक तकनीक सीखने में मदद करें।विषय: [उदा। मशीन लर्निंग] मैं: [मेरी भूमिका / मेरे ज्ञान का स्तर] मैं चाहता हूं: 5 वस्तुओं में एक सरल स्पष्टीकरण + प्रत्येक आइटम के लिए व्यावसायिक जीवन से एक उदाहरण + अंत में 1-वाक्य "इसे ध्यान में रखें" सारांश।
मुझे दिखाएँ कि मैं दैनिक जीवन में निम्नलिखित अवधारणा का सामना कहाँ करता हूँ: अवधारणा: [उदा. सिफ़ारिश प्रणाली]मुझे 5 यथार्थवादी उदाहरण दें और एक वाक्य में स्पष्ट करें कि एआई प्रत्येक में क्या करता है।
इन दोनों अवधारणाओं की तुलना करें और उन्हें एक तालिका में रखें: अवधारणा ए: [पारंपरिक सॉफ्टवेयर] अवधारणा बी: [मशीन लर्निंग] कॉलम: नियम कौन निर्धारित करता है, आउटपुट स्थिरांक है, यह कब मजबूत है, एक उदाहरण।
निम्नलिखित वाक्य को इस प्रकार सरल कीजिए जैसे कि इसे किसी गैर-तकनीकी सहकर्मी को समझा रहे हों। यदि शब्दजाल है, तो कोष्ठक में संक्षिप्त विवरण जोड़ें। वाक्य: [यहाँ चिपकाएँ]
सामान्य गलतियाँ
सामान्य गलतियाँ
- सोच "एआई = रोबोट/चेतना"। आज के वाहन सोचते या महसूस नहीं करते; पैटर्न को पहचानता है और संभावित सीक्वेल उत्पन्न करता है। इसे भूलने से अतिरंजित अपेक्षाएं और निराशा होती है।
- प्रत्येक एआई आउटपुट को निश्चित सत्य मानना। मॉडल सांख्यिकीय रूप से काम करता है; उन संख्याओं, तिथियों और स्रोतों का उपयोग करना जोखिम भरा है जिन्हें सत्यापित किए बिना सटीकता की आवश्यकता होती है।
- यह कहना कि "यह नौकरी मुझसे बहुत दूर है" और कभी प्रयास नहीं करना। एआई गैर-तकनीकी कर्मचारियों के थकाऊ और दोहराए जाने वाले कार्यों में सबसे अधिक समय बचाता है। जो लोग प्रयास नहीं करते वे अवसर चूक जायेंगे।
- बिना सन्दर्भ के एक-शब्दीय प्रश्न पूछना। यदि आप टूल को यह नहीं बताते कि आप कौन हैं और क्या चाहते हैं, तो आपको सामान्य, बेकार उत्तर मिलेंगे।
सावधानी: एआई "सीखना" मानव सीखने की तरह नहीं है। मॉडल दुनिया को समझकर नहीं बल्कि डेटा में सांख्यिकीय पैटर्न को कैप्चर करके "सीखता है"। इसलिए वह बहुत धाराप्रवाह बोल सकता है लेकिन फिर भी एक बुनियादी तथ्य गलत समझ लेता है। प्रवाह सटीकता की कोई गारंटी नहीं है.
संक्षेप में
- कृत्रिम बुद्धिमत्ता सबसे व्यापक छत्र है; मशीन लर्निंग इसकी उप-शाखा है जो उदाहरणों से सीखती है; लार्ज लैंग्वेज मॉडल (एलएलएम) एक प्रकार की मशीन लर्निंग है जो भाषा में विशेषज्ञता रखती है।
- मुख्य अंतर: पारंपरिक सॉफ़्टवेयर में, मानव नियम लिखता है; मशीन लर्निंग में, मॉडल उदाहरणों से नियम निकालता है।
- AI आपके जीवन में पहले से ही है: स्पैम फ़िल्टर, कीबोर्ड भविष्यवाणी, नकली लेनदेन चेतावनी, अनुशंसा प्रणाली। नई बात यह है कि यह प्राकृतिक भाषा में बात कर सकता है।
- क्योंकि मॉडल सांख्यिकीय रूप से काम करता है, यह तरल है, लेकिन यह हमेशा सटीक नहीं होता है; यह बाद की इकाइयों (मतिभ्रम, सत्यापन) का आधार है।
अनुप्रयोग कार्य
आपके द्वारा उपयोग किया जाने वाला एआई टूल खोलें और ऊपर दिए गए "पावरफुल प्रॉम्प्ट" टेम्पलेट के साथ अपने आप को मशीन लर्निंग और बड़े भाषा मॉडल के बीच अंतर समझाएं। फिर अपने स्वयं के व्यवसाय में तीन स्थानों को लिखें जहां एआई का पहले से ही उपयोग किया जा रहा है (या उपयोग किया जा सकता है)। प्रत्येक के लिए, "एआई यहां वास्तव में क्या कर सकता है?" प्रश्न का उत्तर एक वाक्य में दीजिये।
चेकलिस्ट
- [ ] मैं कृत्रिम बुद्धिमत्ता, मशीन लर्निंग और एलएलएम के बीच अंतर कर सकता हूं।
- [ ] मैं पारंपरिक सॉफ्टवेयर और मशीन लर्निंग के बीच "नियम कौन लिखता है" अंतर समझा सकता हूं।
- [ ] मैं अपने दैनिक जीवन में एआई के कम से कम 3 उदाहरण जानता हूं।
- [ ] संदर्भ, श्रोता और प्रारूप देकर, मैं एक मजबूत प्रश्न पूछ सकता हूं।
- [ ] मैं जानता हूं कि सिर्फ इसलिए कि एआई सुचारू है इसका मतलब यह नहीं है कि यह सटीक है।