നേട്ടങ്ങൾ:
- ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്, മെഷീൻ ലേണിംഗ്, വലിയ ഭാഷാ മോഡൽ എന്നീ ആശയങ്ങൾ തമ്മിൽ വേർതിരിച്ചറിയാൻ കഴിയും
- ഈ സാങ്കേതികവിദ്യകൾ പരമ്പരാഗത സോഫ്റ്റ്വെയറിൽ നിന്ന് എങ്ങനെ വ്യത്യാസപ്പെട്ടിരിക്കുന്നുവെന്ന് വിശദീകരിക്കുക
- ദൈനംദിന ബിസിനസ്സ് ജീവിതത്തിൽ നേരിടുന്ന AI ഉദാഹരണങ്ങൾ തിരിച്ചറിയാൻ കഴിയും
സമീപ വർഷങ്ങളിൽ, "ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്" എന്ന വാക്ക് എല്ലായിടത്തും ഉണ്ട്: വാർത്തകളിൽ, പരസ്യങ്ങളിൽ, ബിസിനസ് മീറ്റിംഗുകളിൽ, നിങ്ങൾ ഉപയോഗിക്കുന്ന ഫോണിൻ്റെ ക്യാമറയിൽ പോലും. എന്നാൽ കൃത്യമായി എന്താണ് അർത്ഥമാക്കുന്നത്? ഈ യൂണിറ്റ് പദപ്രയോഗങ്ങളിൽ മുങ്ങാതെയും നിങ്ങളുടെ ബിസിനസ്സ് ജീവിതവുമായി ബന്ധിപ്പിച്ചുകൊണ്ട് അടിസ്ഥാനകാര്യങ്ങളിൽ നിന്ന് വിഷയം വിശദീകരിക്കുന്നു. നിങ്ങളെ എഞ്ചിനീയർ ആക്കുക എന്നതല്ല ലക്ഷ്യം; നിങ്ങൾ ഉപയോഗിക്കുന്ന ഉപകരണങ്ങൾ എന്താണെന്നും അവ എന്തിനാണ് അവർ ചെയ്യുന്നതെന്നും മനസ്സിലാക്കുന്ന ഒരു ബോധമുള്ള ഉപയോക്താവായി നിങ്ങളെ മാറ്റാൻ. കാരണം നിങ്ങൾക്ക് ഒരു വാഹനം എത്ര നന്നായി അറിയാം, അത്രത്തോളം സുരക്ഷിതവും കൂടുതൽ കാര്യക്ഷമവുമാണ് നിങ്ങൾ അത് ഉപയോഗിക്കുന്നത്.
കൃത്രിമബുദ്ധി, മെഷീൻ ലേണിംഗ്, വലിയ ഭാഷാ മാതൃക എന്നിങ്ങനെ മൂന്ന് ആശയങ്ങൾ പരസ്പരം ബന്ധപ്പെട്ടിരിക്കുന്നതായി നിങ്ങൾ പലപ്പോഴും കേൾക്കാറുണ്ട്. ഇവ ഒന്നല്ല; അവ കൂടുതലായി ഇടുങ്ങിയ വളയങ്ങളാണ്, ഒന്നിനുള്ളിൽ മറ്റൊന്ന്. ഇനി ദൈനംദിന ഉദാഹരണങ്ങൾ ഉപയോഗിച്ച് ഇവ ഓരോന്നായി വിശദീകരിക്കാം.
മൂന്ന് ആശയങ്ങൾ, മൂന്ന് ഇൻ്റർലോക്ക് വളയങ്ങൾ
ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (AI): സാധാരണ മനുഷ്യബുദ്ധി (മനസ്സിലാക്കൽ, തീരുമാനമെടുക്കൽ, തിരിച്ചറിയൽ, ഭാഷ ഉപയോഗിച്ച്) ആവശ്യമുള്ള ജോലികൾ ചെയ്യാൻ കമ്പ്യൂട്ടറുകളെ പ്രാപ്തമാക്കുന്ന ഒരു വിശാലമായ ഫീൽഡിൻ്റെ പൊതുനാമമാണിത്. ഒരു ചെസ്സ് പ്രോഗ്രാം, ഒരു വിവർത്തന ആപ്ലിക്കേഷൻ, ഒരു വോയ്സ് അസിസ്റ്റൻ്റ് എന്നിവയും ഈ കുടക്കീഴിലുണ്ട്.
മെഷീൻ ലേണിംഗ് (ML): ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ഏറ്റവും സാധാരണമായ ഉപശാഖയാണിത്. ഇവിടെ ഞങ്ങൾ നിയമങ്ങൾ ഓരോന്നായി കമ്പ്യൂട്ടറിൽ എഴുതുന്നില്ല; ഞങ്ങൾ അദ്ദേഹത്തിന് ധാരാളം സാമ്പിളുകൾ കാണിക്കുകയും അവൻ തന്നെ സാമ്പിളുകളിലെ പാറ്റേൺ തിരഞ്ഞെടുക്കുകയും ചെയ്യുന്നു. അതിനാൽ "മെഷീൻ ലേണിംഗ്" എന്ന പേര്: യന്ത്രം ഉദാഹരണങ്ങളിൽ നിന്ന് പഠിക്കുന്നു.
ലാർജ് ലാംഗ്വേജ് മോഡൽ (LLM): ഇത് ടെക്സ്റ്റിൽ പ്രത്യേകം ശ്രദ്ധിക്കുന്ന ഒരു പ്രത്യേക തരം മെഷീൻ ലേണിംഗ് ആണ്. കോടിക്കണക്കിന് വാക്യങ്ങൾ ഉപയോഗിച്ചാണ് ഇത് പരിശീലിപ്പിക്കുന്നത്; ഭാഷ മനസ്സിലാക്കുക, നിർമ്മിക്കുക, സംഗ്രഹിക്കുക, വിവർത്തനം ചെയ്യുക തുടങ്ങിയ ജോലികളിൽ ഇത് ഉപയോഗിക്കുന്നു. ChatGPT, Gemini, Claude തുടങ്ങിയ ഉപകരണങ്ങളുടെ പിന്നിലെ സാങ്കേതികവിദ്യ ഇതാണ്. "ജനറേറ്റീവ് AI" (ടെക്സ്റ്റ്/ഇമേജ് ജനറേറ്റിംഗ് AI) എന്ന് നമ്മൾ വിളിക്കുന്ന ഈ മൊഡ്യൂളിലെ ടൂളുകൾ കൂടുതലും LLM അടിസ്ഥാനമാക്കിയുള്ളതാണ്.
സൂചന: ഇത് ഓർക്കുക: AI ഏറ്റവും വലിയ ബോക്സാണ്, മെഷീൻ ലേണിംഗ് അതിനുള്ളിലെ ബോക്സാണ്, വലിയ ഭാഷാ മോഡൽ ഏറ്റവും അകത്തെ ബോക്സാണ്. "ഓരോ LLM ഉം മെഷീൻ ലേണിംഗിൻ്റെ ഒരു ഉൽപ്പന്നമാണ്, എല്ലാ മെഷീൻ ലേണിംഗും ഒരു AI ആണ്, എന്നാൽ സംഭാഷണം എല്ലായ്പ്പോഴും ശരിയല്ല."
പരമ്പരാഗത സോഫ്റ്റ്വെയറുമായുള്ള വ്യത്യാസം: ആരാണ് നിയമങ്ങൾ എഴുതുന്നത്?
മനസ്സിലാക്കേണ്ട ഏറ്റവും പ്രധാനപ്പെട്ട വ്യത്യാസം ഇതാണ്. പരമ്പരാഗത സോഫ്റ്റ്വെയറിൽ, ഒരു മനുഷ്യൻ (പ്രോഗ്രാമർ) നിയമങ്ങൾ ഓരോന്നായി എഴുതുന്നു: "ഓർഡർ തുക 500 TL കവിയുന്നുവെങ്കിൽ, ഷിപ്പിംഗ് സൗജന്യമായിരിക്കും." കമ്പ്യൂട്ടർ ഈ നിയമം അക്ഷരംപ്രതി പാലിക്കുന്നു, കൂടുതലില്ല, കുറവുമില്ല.
മെഷീൻ ലേണിംഗിൽ, മനുഷ്യർ നിയമങ്ങൾ എഴുതുന്നില്ല; മോഡൽ അതിന് കാണിച്ച ഉദാഹരണങ്ങളിൽ നിന്ന് നിയമം സ്വയം കണ്ടെത്തുന്നു. ഉദാഹരണത്തിന്, നിങ്ങൾ ആയിരക്കണക്കിന് "സ്പാം", "സ്പാം അല്ല" ഇമെയിലുകൾ കാണിക്കുന്നു; ഏത് വാക്കുകളും ശൈലികളും സ്പാമിനെ സൂചിപ്പിക്കുന്നുവെന്ന് മോഡൽ തന്നെ മനസ്സിലാക്കുന്നു. "ഈ വാക്ക് ഉണ്ടെങ്കിൽ അത് സ്പാം ആണ്" എന്ന് ആരും ഒന്നൊന്നായി എഴുതാറില്ല.
സവിശേഷത
പരമ്പരാഗത സോഫ്റ്റ്വെയർ
മെഷീൻ ലേണിംഗ് / AI
ആരാണ് നിയമങ്ങൾ ഉണ്ടാക്കുന്നത്?
മനുഷ്യൻ ഓരോന്നായി എഴുതുന്നു
ഉദാഹരണങ്ങളിൽ നിന്ന് മോഡൽ അനുമാനിക്കുന്നു
ഔട്ട്പുട്ട് എപ്പോഴും ഒരുപോലെയാണോ?
ഒരേ ഇൻപുട്ട് → ഒരേ ഔട്ട്പുട്ട്
ഒരേ ഇൻപുട്ട് → സമാനമായ എന്നാൽ വേരിയബിൾ ഔട്ട്പുട്ട്
എപ്പോഴാണ് അത് ശക്തമാകുന്നത്?
വ്യക്തവും നിർണ്ണായകവുമായ നിയമങ്ങളുമായി പ്രവർത്തിക്കുക
ധാരാളം പാറ്റേണുകളും ബുദ്ധിമുട്ടുള്ള നിയമങ്ങളും ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്നു
വിശ്വാസ്യത
പ്രവചിക്കാവുന്ന, സ്ഥിരമായ
സ്ഥിതിവിവരക്കണക്ക്, സ്ഥിരീകരണം ആവശ്യമാണ്
ഉദാഹരണം
ശമ്പള അക്കൗണ്ട്
ഇമെയിൽ ടോൺ മെച്ചപ്പെടുത്തുക
ഈ വ്യത്യാസമാണ് നിങ്ങൾ പിന്നീട് പഠിക്കുന്ന "ഭ്രമാത്മകത", "സ്ഥിരീകരണം" എന്നീ വിഷയങ്ങളുടെ അടിസ്ഥാനം: മോഡൽ റൂൾ തന്നെ സ്വീകരിച്ചതിനാൽ, അത് ചിലപ്പോൾ തെറ്റാണ്, അതിനാൽ അതിൻ്റെ ഔട്ട്പുട്ട് അന്ധമായി വിശ്വസിക്കാൻ കഴിയില്ല.
നിങ്ങളുടെ ദൈനംദിന ബിസിനസ്സ് ജീവിതത്തിൽ നിങ്ങൾ ഇത് ഇതിനകം കാണുന്നു
AI പുതിയ ഒന്നാണെന്ന് കരുതരുത്; നിങ്ങൾ വർഷങ്ങളായി ഇത് ഉപയോഗിച്ചിരിക്കാം:
- നിങ്ങളുടെ ഇമെയിൽ ബോക്സിൻ്റെ സ്പാം ഫിൽട്ടർ (ഇമെയിലുകൾ ട്രാഷ് ആണെന്ന് മനസ്സിലാക്കിയ ഒരു മോഡൽ).
- നിങ്ങളുടെ ഫോണിൻ്റെ കീബോർഡ് പ്രവചനം (അടുത്ത വാക്ക് നിർദ്ദേശിക്കുന്ന ഒരു ചെറിയ ഭാഷാ മോഡൽ).
- നിങ്ങളുടെ ബാങ്കിൻ്റെ വഞ്ചനാപരമായ ഇടപാട് മുന്നറിയിപ്പ് (അസാധാരണമായ ചെലവുകൾ കണ്ടെത്തുന്ന മോഡൽ).
- നിങ്ങളുടെ സ്പ്രെഡ്ഷീറ്റ് പ്രോഗ്രാമിൻ്റെ ഓട്ടോഫില്ലും നിർദ്ദേശ സവിശേഷതകളും.
- വീഡിയോ, മ്യൂസിക് ആപ്ലിക്കേഷനുകളിലെ ശുപാർശ സംവിധാനങ്ങൾ.
ഈ സാങ്കേതികവിദ്യയ്ക്ക് ഇപ്പോൾ സ്വാഭാവിക ഭാഷയിൽ സംസാരിക്കാൻ കഴിയും എന്നതാണ് പുതിയ കാര്യം. അതിനാൽ നിങ്ങൾ ഒരു വിദഗ്ദ്ധനോട് സംസാരിക്കുന്നതുപോലെ എഴുതുന്നു, അവൻ മനസ്സിലാക്കുകയും ഉത്തരം നൽകുകയും ചെയ്യുന്നു. ഇവിടെയാണ് ജോലിസ്ഥലത്ത് യഥാർത്ഥ അവസരം.
മൂന്ന് മിനി കേസുകൾ
കേസ് 1 - Ayşe, ഓഫീസ് മാനേജർ. ഓരോ ആഴ്ചയും ഏകദേശം 40 വിതരണക്കാരായ ഇമെയിലുകൾ അദ്ദേഹം സ്വമേധയാ തരംതിരിച്ചുകൊണ്ടിരുന്നു; ഇതിന് ശരാശരി 90 മിനിറ്റ് എടുത്തു. കമ്പനിയുടെ AI അസിസ്റ്റൻ്റ് ലേബൽ ഇമെയിലുകൾ "അടിയന്തിരം/സാധാരണ/വിവരം" എന്ന് അതിൽ തുടങ്ങി. സമയം 20 മിനിറ്റായി കുറച്ചു; കരാർ നിയന്ത്രണത്തിനായി അദ്ദേഹം ~70 മിനിറ്റ് നീക്കിവച്ചു. AI നിയമം തന്നെ പഠിച്ചു; Ayşe ഫിൽട്ടറുകൾ ഓരോന്നായി എഴുതിയില്ല.
കേസ് 2 - മെഹ്മെത്, ഫീൽഡ് ടെക്നീഷ്യൻ. ഉപഭോക്താവ് സൗജന്യ വാചകത്തിൽ തെറ്റായ രേഖകൾ എഴുതുകയായിരുന്നു ("ഉപകരണം ചൂടാകുന്നു, ഇടയ്ക്കിടെ ഷട്ട്ഡൗൺ ചെയ്യുന്നു"). ഈ 500 റെക്കോർഡുകൾ സ്വമേധയാ വായിക്കാനും തരംതിരിക്കാനും അദ്ദേഹത്തിൻ്റെ മാനേജർക്ക് കഴിഞ്ഞില്ല. ഒരു ഭാഷാ മോഡൽ റെക്കോർഡുകളെ "ഹാർഡ്വെയർ/സോഫ്റ്റ്വെയർ/ഉപയോക്തൃ പിശക്" എന്ന് സംഗ്രഹിക്കുകയും ഏറ്റവും കൂടുതൽ പരാതികൾ പുറത്തെടുക്കുകയും ചെയ്തു. ഒരു മനുഷ്യന് ഏകദേശം 2 ദിവസമെടുക്കുമെന്ന് മോഡൽ മിനിറ്റുകൾക്കുള്ളിൽ വരച്ചു; ടീം സ്ഥിരീകരിച്ചു.
കേസ് 3 - എലിഫ്, അക്കൗണ്ടിംഗ്. AI ഒരു പുതിയ നിയമനിർമ്മാണ പാഠം സംഗ്രഹിക്കുകയും 12 പേജുള്ള വാചകത്തിൽ നിന്ന് ലേഖനങ്ങളുടെ 1-പേജ് ലിസ്റ്റ് എടുക്കുകയും ചെയ്തു. എന്നാൽ അദ്ദേഹം തന്നെ ഔദ്യോഗിക ഉറവിടത്തിൽ നിന്ന് നിർണായക ശതമാനം സ്ഥിരീകരിച്ചു; കാരണം അത് സംഖ്യാപരമായ കൃത്യത ആവശ്യമായ ഒരു കാര്യമായിരുന്നു. അങ്ങനെ, അത് വേഗത്തിലും സുരക്ഷിതമായും പ്രവർത്തിച്ചു.
ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്
ഉപകരണം അറിയുന്നത് നിങ്ങൾ ചോദിക്കുന്ന രീതിയും മാറ്റുന്നു. ഒരേ അസിസ്റ്റൻ്റിൽ നിന്നുള്ള രണ്ട് വ്യത്യസ്ത ചോദ്യങ്ങൾ:
ദുർബലമായ പ്രോംപ്റ്റ്: എന്താണ് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്?
ഫലം: നിങ്ങൾക്ക് പ്രത്യേകമല്ലാത്ത ഒരു നീണ്ട, വിജ്ഞാനകോശ വിവരണം.
ശക്തമായ നിർദ്ദേശം: ഞാൻ ഒരു സാങ്കേതികമല്ലാത്ത ഓഫീസ് ജീവനക്കാരനാണ്. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്, മെഷീൻ ലേണിംഗ്, വലിയ ഭാഷാ മോഡൽ എന്നിവ തമ്മിലുള്ള വ്യത്യാസം 3 ചെറിയ ബുള്ളറ്റ് പോയിൻ്റുകളും ഓരോന്നിനും ദൈനംദിന ജീവിതത്തിൽ നിന്നുള്ള ഒരു ഉദാഹരണവും ഉപയോഗിച്ച് വിശദീകരിക്കുക. സാധാരണ ടർക്കിഷ് ഉപയോഗിക്കുക.
ഫലം: നിങ്ങളുടെ റോൾ, ലെവൽ, ഉദ്ദേശ്യം എന്നിവയ്ക്ക് അനുയോജ്യമായ ഒരു ഉപയോഗയോഗ്യമായ ഉത്തരം. വ്യത്യാസം: നിങ്ങൾ സന്ദർഭവും പ്രേക്ഷകരും ഫോർമാറ്റും നൽകി.
പകർത്താവുന്ന ടെംപ്ലേറ്റുകൾ
ഒരു സാങ്കേതികവിദ്യ പഠിക്കാൻ എന്നെ സഹായിക്കൂ. വിഷയം: [ഉദാ. മെഷീൻ ലേണിംഗ്]ഞാൻ: [എൻ്റെ പങ്ക് / എൻ്റെ വിജ്ഞാന നില]എനിക്ക് വേണം: 5 ഇനങ്ങളിൽ ലളിതമായ ഒരു വിശദീകരണം + ഓരോ ഇനത്തിനും ബിസിനസ് ജീവിതത്തിൽ നിന്നുള്ള ഒരു ഉദാഹരണം + 1-വാക്യം "ഇത് മനസ്സിൽ സൂക്ഷിക്കുക" അവസാനം സംഗ്രഹം.
ദൈനംദിന ജീവിതത്തിൽ ഇനിപ്പറയുന്ന ആശയം ഞാൻ എവിടെയാണ് നേരിടുന്നതെന്ന് എന്നെ കാണിക്കൂ: ആശയം: [ഉദാ. ശുപാർശ സംവിധാനം]എനിക്ക് 5 റിയലിസ്റ്റിക് ഉദാഹരണങ്ങൾ തരൂ, ഓരോന്നിലും AI എന്താണ് ചെയ്യുന്നതെന്ന് ഒരു വാചകത്തിൽ വിശദീകരിക്കുക.
ഈ രണ്ട് ആശയങ്ങളും താരതമ്യം ചെയ്ത് ഒരു പട്ടികയിൽ ഇടുക: ആശയം എ: [പരമ്പരാഗത സോഫ്റ്റ്വെയർ] ആശയം ബി: [മെഷീൻ ലേണിംഗ്] നിരകൾ: ആരാണ് റൂൾ സജ്ജീകരിക്കുന്നത്, ഔട്ട്പുട്ട് സ്ഥിരാങ്കം, അത് എപ്പോൾ ശക്തമാണ്, ഒരു ഉദാഹരണം.
സാങ്കേതികമല്ലാത്ത ഒരു സഹപ്രവർത്തകനോട് വിശദീകരിക്കുന്നതുപോലെ ഇനിപ്പറയുന്ന വാചകം ലളിതമാക്കുക. പദപ്രയോഗങ്ങൾ ഉണ്ടെങ്കിൽ, പരാൻതീസിസിൽ ഒരു ചെറിയ വിശദീകരണം ചേർക്കുക. വാചകം: [ഇവിടെ ഒട്ടിക്കുക]
സാധാരണ തെറ്റുകൾ
സാധാരണ തെറ്റുകൾ
- "AI = റോബോട്ട് / അവബോധം" എന്ന് ചിന്തിക്കുന്നു. ഇന്നത്തെ വാഹനങ്ങൾ ചിന്തിക്കുകയോ അനുഭവിക്കുകയോ ചെയ്യുന്നില്ല; പാറ്റേണുകൾ തിരിച്ചറിയുകയും സാധ്യമായ തുടർച്ചകൾ സൃഷ്ടിക്കുകയും ചെയ്യുന്നു. ഇത് മറക്കുന്നത് അമിതമായ പ്രതീക്ഷകളിലേക്കും നിരാശയിലേക്കും നയിക്കുന്നു.
- എല്ലാ AI ഔട്ട്പുട്ടും നിർണായക സത്യമായി കണക്കാക്കുന്നു. മോഡൽ സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് പ്രവർത്തിക്കുന്നു; കൃത്യത ആവശ്യമുള്ള നമ്പറുകളും തീയതികളും ഉറവിടങ്ങളും പരിശോധിച്ചുറപ്പിക്കാതെ ഉപയോഗിക്കുന്നത് അപകടകരമാണ്.
- "ഈ ജോലി എന്നിൽ നിന്ന് വളരെ അകലെയാണ്" എന്ന് പറഞ്ഞ് ഒരിക്കലും ശ്രമിക്കരുത്. സാങ്കേതികമല്ലാത്ത ജീവനക്കാരുടെ മടുപ്പിക്കുന്നതും ആവർത്തിച്ചുള്ളതുമായ ജോലികളിൽ AI ഏറ്റവും കൂടുതൽ സമയം ലാഭിക്കുന്നു. ശ്രമിക്കാത്തവർ അവസരം നഷ്ടപ്പെടുത്തും.
- സന്ദർഭമില്ലാതെ ഒറ്റവാക്കിൽ ചോദ്യങ്ങൾ ചോദിക്കുന്നു. നിങ്ങൾ ആരാണെന്നും നിങ്ങൾക്ക് എന്താണ് വേണ്ടതെന്നും ഉപകരണത്തോട് പറഞ്ഞില്ലെങ്കിൽ, നിങ്ങൾക്ക് പൊതുവായതും ഉപയോഗശൂന്യവുമായ ഉത്തരങ്ങൾ ലഭിക്കും.
മുന്നറിയിപ്പ്: AI "പഠനം" മനുഷ്യ പഠനം പോലെയല്ല. മോഡൽ "പഠിക്കുന്നത്" ലോകത്തെ മനസ്സിലാക്കുന്നതിലൂടെയല്ല, മറിച്ച് ഡാറ്റയിലെ സ്റ്റാറ്റിസ്റ്റിക്കൽ പാറ്റേണുകൾ പിടിച്ചെടുക്കുന്നതിലൂടെയാണ്. അതിനാൽ അയാൾക്ക് വളരെ അനായാസമായി സംസാരിക്കാൻ കഴിയും, പക്ഷേ ഇപ്പോഴും ഒരു അടിസ്ഥാന വസ്തുത തെറ്റാണ്. ഒഴുക്ക് കൃത്യതയ്ക്ക് യാതൊരു ഉറപ്പുമില്ല.
ചുരുക്കത്തിൽ
- ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഏറ്റവും വിശാലമായ കുടയാണ്; ഉദാഹരണങ്ങളിൽ നിന്ന് പഠിക്കുന്ന അതിൻ്റെ ഉപവിഭാഗമാണ് മെഷീൻ ലേണിംഗ്; ലാർജ് ലാംഗ്വേജ് മോഡൽ (എൽഎൽഎം) എന്നത് ഭാഷയിൽ വൈദഗ്ദ്ധ്യമുള്ള ഒരു തരം മെഷീൻ ലേണിംഗ് ആണ്.
- പ്രധാന വ്യത്യാസം: പരമ്പരാഗത സോഫ്റ്റ്വെയറിൽ, മനുഷ്യൻ നിയമം എഴുതുന്നു; മെഷീൻ ലേണിംഗിൽ, മാതൃക ഉദാഹരണങ്ങളിൽ നിന്ന് നിയമം വേർതിരിച്ചെടുക്കുന്നു.
- AI ഇതിനകം നിങ്ങളുടെ ജീവിതത്തിൽ ഉണ്ട്: സ്പാം ഫിൽട്ടർ, കീബോർഡ് പ്രവചനം, വ്യാജ ഇടപാട് മുന്നറിയിപ്പ്, ശുപാർശ സംവിധാനങ്ങൾ. സ്വാഭാവിക ഭാഷയിൽ സംസാരിക്കാൻ കഴിയും എന്നതാണ് പുതിയ കാര്യം.
- മോഡൽ സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് പ്രവർത്തിക്കുന്നതിനാൽ, അത് ദ്രാവകമാണ്, പക്ഷേ ഇത് എല്ലായ്പ്പോഴും കൃത്യമല്ല; ഇതാണ് തുടർന്നുള്ള യൂണിറ്റുകളുടെ അടിസ്ഥാനം (ഹാലുസിനേഷൻ, സ്ഥിരീകരണം).
ആപ്ലിക്കേഷൻ ടാസ്ക്
നിങ്ങൾ ഉപയോഗിക്കുന്ന ഒരു AI ടൂൾ തുറന്ന് മുകളിലുള്ള "പവർഫുൾ പ്രോംപ്റ്റ്" ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് മെഷീൻ ലേണിംഗും വലിയ ഭാഷാ മോഡലും തമ്മിലുള്ള വ്യത്യാസം സ്വയം വിശദീകരിക്കുക. നിങ്ങളുടെ സ്വന്തം ബിസിനസ്സിൽ AI ഇതിനകം ഉപയോഗിച്ചിട്ടുള്ള (അല്ലെങ്കിൽ ഉപയോഗിക്കാവുന്ന) 3 സ്ഥലങ്ങൾ എഴുതുക. ഓരോന്നിനും, "കൃത്യമായി എന്താണ് AI-ന് ഇവിടെ ചെയ്യാൻ കഴിയുക?" ഒരു വാചകത്തിൽ ചോദ്യത്തിന് ഉത്തരം നൽകുക.
ചെക്ക്ലിസ്റ്റ്
- [ ] എനിക്ക് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്, മെഷീൻ ലേണിംഗ്, LLM എന്നിവ തമ്മിൽ വേർതിരിച്ചറിയാൻ കഴിയും.
- [ ] പരമ്പരാഗത സോഫ്റ്റ്വെയറും മെഷീൻ ലേണിംഗും തമ്മിലുള്ള "ആരാണ് നിയമങ്ങൾ എഴുതുന്നത്" എന്ന വ്യത്യാസം എനിക്ക് വിശദീകരിക്കാൻ കഴിയും.
- [ ] എൻ്റെ ദൈനംദിന ജീവിതത്തിൽ AI യുടെ 3 ഉദാഹരണങ്ങളെങ്കിലും എനിക്കറിയാം.
- [ ] സന്ദർഭവും പ്രേക്ഷകരും ഫോർമാറ്റും നൽകുന്നതിലൂടെ, എനിക്ക് ശക്തമായ ഒരു ചോദ്യം ചോദിക്കാൻ കഴിയും.
- AI സുഗമമായതിനാൽ അത് കൃത്യമാണെന്ന് അർത്ഥമാക്കില്ലെന്ന് എനിക്കറിയാം.