जनरेटिव्ह एआय कसे कार्य करते?

नफा:

टोकन संभाव्यता आणि भविष्यवाणीच्या संकल्पना अंतर्ज्ञानाने स्पष्ट करू शकतात
भाषा मॉडेल मजकूर 'पीसमेल' का तयार करतो हे समजते
मॉडेल कधीकधी निर्णायकपणे आणि कधीकधी सर्जनशीलतेने का वागते याचा अर्थ लावू शकतो

जेव्हा तुम्ही भाषेच्या मॉडेलमध्ये "इस्तंबूल बद्दलची सर्वोत्कृष्ट गोष्ट" लिहिता तेव्हा ते काही सेकंदात एक अस्खलित परिच्छेद तयार करते. हे कसे घडते? मॉडेल खरोखरच "विचार" करते किंवा त्यामागे खूप सोपी पण शक्तिशाली यंत्रणा आहे? तांत्रिक समीकरणांमध्ये न जाता, योग्य अंतर्ज्ञान स्थापित करून जनरेटिव्ह एआय कसे कार्य करते हे आम्ही या युनिटमध्ये स्पष्ट करू. ही अंतर्ज्ञान पुढील प्रत्येक गोष्टीसाठी आधार आहे—विशेषत: भ्रम, पडताळणी आणि चांगल्या तत्पर लेखनाचे विषय. जनरेटिव्ह एआय, म्हणजेच "जनरेटिव्ह आर्टिफिशियल इंटेलिजन्स", हे अशा साधनांचे सामान्य नाव आहे जे विद्यमान उत्तर शोधण्याऐवजी आणि मिळवण्याऐवजी सुरवातीपासून मजकूर तयार करतात.

मूलभूत कल्पना: पुढील भागाचा अंदाज लावणे

आश्चर्याची गोष्ट अशी आहे की भाषा मॉडेल शिकत असलेले एकमेव मूलभूत कार्य म्हणजे "मजकूराचा कोणता भाग फॉलो करण्याची शक्यता आहे?" प्रश्नाचे उत्तर देणे आहे. मॉडेल पूर्ण वाक्य तयार करून तुमच्यासमोर मांडत नाही. त्याऐवजी, ते डावीकडून उजवीकडे तुकड्याने वाक्य तयार करते.

हे चरण-दर-चरण कसे कार्य करते ते येथे आहे:

ते तुम्ही लिहित असलेला मजकूर (प्रॉम्प्ट) वाचतो.
या मजकुराचे अनुसरण करण्याची सर्वाधिक शक्यता आहे.
तो तुकडा जोडतो.
तो पुन्हा नव्याने तयार केलेल्या मजकुराकडे पाहतो आणि पुढील बहुधा भागाचा अंदाज लावतो.
उत्तर पूर्ण होईपर्यंत पुनरावृत्ती होते.

उदाहरण: जर तुम्ही मॉडेलला "सकाळी उठल्यावर गरम कप घ्या..." असा मजकूर दिला असेल, तर बहुधा पुढे "चहा" किंवा "कॉफी" असेल; "डांबर" नाही. मॉडेलने लाखो ग्रंथांमधून अशा संभाव्यता शिकल्या आहेत. मग तो "चहा" घालतो, मग नवीन वाक्य बघतो आणि पुढच्या बहुधा भागाचा अंदाज घेतो, वगैरे.

दुसऱ्या शब्दांत, प्रत्येक टप्प्यावर, मॉडेलने काय लिहिले आहे ते पाहून पुढील पाऊल उचलते. म्हणूनच याला कधीकधी "स्वयंपूर्णतेची अतिशय प्रगत आवृत्ती" म्हटले जाते. पण हे साधर्म्य प्रतिभेला कमी लेखू नये; योग्य प्रमाणात, ही भविष्यवाणी तर्कांसारखे दिसणारे परिणाम देऊ शकते.

टोकन: शब्दाचे छोटे तुकडे

मॉडेल प्रत्यक्षात पूर्ण "शब्दांसह" नाही तर टोकन नावाच्या छोट्या तुकड्यांसह कार्य करते. एक टोकन; कधी तो संपूर्ण शब्द असतो, कधी तो शब्दाचा भाग असतो, तर कधी तो विरामचिन्हे असतो.

"पुस्तक" एकच टोकन असू शकते.
"आमच्या पुस्तकांमधून" अनेक टोकनमध्ये विभागले जाऊ शकते जसे की "पुस्तक", "s", "आमचे", "कडून".
स्पेस आणि विरामचिन्हे देखील टोकन म्हणून गणली जातात.

Attention: Token is not just a technical detail. बऱ्याच एआय टूल्स टोकनच्या संख्येनुसार शुल्क आकारतात आणि मजकूराची लांबी (संदर्भ विंडो) मॉडेल्स एका वेळी प्रक्रिया करू शकतात हे देखील टोकनमध्ये मर्यादित आहे. तर "तुम्ही किती वेळ लिहाल" ही थेट किंमत आणि मर्यादा आहे.

संभाव्यता आणि "उबदारता": दृढनिश्चय किंवा सर्जनशीलता?

प्रत्येक टप्प्यावर, मॉडेल एकच निश्चित उत्तर तयार करत नाही तर संभाव्य निरंतरतेची संभाव्यता यादी तयार करते. उदाहरणार्थ, "गरम" शब्दानंतर: चहा 55%, कॉफी 35%, दूध 7%, इतर 3%. मग तो कोणता निवडतो?

येथे, तापमान नावाची सेटिंग लागू होते. तापमान हा एक प्रकारचा क्रिएटिव्हिटी नॉब आहे जो मॉडेल किती "जोखीम" घेईल हे ठरवते.

सेटिंग

वर्तन

निष्कर्ष

ते कुठे उपयुक्त आहे?

कमी तापमान

नेहमी सर्वात संभाव्य पर्याय घेते

स्थिर, पुनरावृत्ती करण्यायोग्य

कायदेशीर सारांश, तांत्रिक वर्णन, डेटा काढणे

मध्यम तापमान

संतुलित निवड

नैसर्गिक पण सुसंगत

सामान्य ईमेल, अहवाल मसुदा

उच्च तापमान

कमी संभाव्य पर्यायांचा प्रयत्न करतो

सर्जनशील, वैविध्यपूर्ण, अप्रत्याशित

विचारमंथन, घोषणा, नाव निर्मिती

हे वारंवार विचारले जाणारे प्रश्न देखील स्पष्ट करते: "जेव्हा मी एकच प्रश्न दोनदा विचारतो तेव्हा मला भिन्न उत्तरे का मिळतात?" कारण निवड प्रक्रियेत काही यादृच्छिकता आहे; मॉडेल डेटाबेसमधून निश्चित उत्तर काढत नाही, ते प्रत्येक वेळी त्याचे पुनरुत्पादन करते.

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

मॉडेल "संभाव्यता" सह कार्य करते हे जाणून घेतल्याने तुम्ही ते कसे सूचना देता ते देखील बदलते. The more context you give, the more likely the correct continuation becomes.

कमकुवत प्रॉम्प्ट: एक परिचयात्मक मजकूर लिहा.

परिणाम: मॉडेल सर्वात "सरासरी" आणि सामान्य मजकूर तयार करते कारण त्याला कोणते उत्पादन, कोणते प्रेक्षक, कोणता टोन हे माहित नाही.

सशक्त प्रॉम्प्ट: एका छोट्या कॅफेच्या नवीन फिल्टर कॉफीसाठी इंस्टाग्राम प्रचारात्मक मजकूर लिहा. प्रेक्षक: 25-35 वर्षे जुने, कॉफी उत्साही. टोन: मैत्रीपूर्ण, लहान. Maximum 3 sentences, 2 hashtags at the end.

परिणाम: एक वापरण्यायोग्य मजकूर जो प्रासंगिक आहे कारण संदर्भ शक्यता कमी करतो.

तीन मिनी केसेस

Case 1 — Marketing, high variety. एका टीमला नवीन उत्पादनासाठी 30 स्लोगन हवे होते. त्याच्या उच्च तापमान सेटिंगसह, मॉडेलने भिन्न, सर्जनशील पर्याय तयार केले; संघाने 30 पैकी 4 निवडले आणि विकसित केले. एकूण वेळ: 10 मिनिटे. हाताने केले तर अर्धा दिवस लागेल.

केस 2 - कायदा, उच्च दृढनिश्चय. त्याच कंपनीची कायदेशीर टीम कराराचे कलम सोपे करत होती. त्यांना सातत्य हवे होते, सर्जनशीलता नाही; कमी तापमानासह मॉडेलने प्रत्येक वेळी जवळजवळ समान, पुराणमतवादी सारांश दिला. अशा प्रकारे, वेगवेगळ्या चाचण्यांमध्ये कोणतीही विसंगती नव्हती.

केस 3 - "ते का बदलले?" प्रश्न एका कर्मचाऱ्याने दोनदा समान ईमेल मसुद्याची विनंती केली आणि दोन भिन्न परिणाम प्राप्त केले; त्याला वाटले की ही एक "चूक" आहे. खरं तर, मॉडेलच्या यादृच्छिकतेचा हा नैसर्गिक परिणाम आहे. एकदा कर्मचाऱ्याने त्याला आवडलेली आवृत्ती जतन करणे आणि आवश्यक असल्यास "मागील आवृत्तीसारखे बनवा" असे म्हणणे शिकले, तेव्हा कोणतीही समस्या नव्हती.

मॉडेल "ते मिळवते"?

हा सर्वात जिज्ञासू प्रश्न आहे. The model has learned the statistical relationships between words so thoroughly that it pretends to understand many tasks. पण त्याची जाणीव, हेतू किंवा वास्तवावर नियंत्रण करणारी यंत्रणा नाही. हे "सर्वात संभाव्य सीक्वल" तयार करते; हे "सर्वात अचूक माहिती" तयार करण्याची हमी देत नाही. हा फरक भ्रमाच्या विषयाचा आधार आहे, ज्याची आपण पुढील युनिट्समध्ये चर्चा करू.

सामान्य चुका

शोध इंजिनसाठी मॉडेल चुकीचे आहे. मॉडेल इंटरनेट शोधत नाही आणि संसाधने पुनर्प्राप्त करत नाही (जोपर्यंत विशेष शोध वैशिष्ट्य नाही); मेमरीमधून संभाव्य मजकूर व्युत्पन्न करते. त्यामुळे तो स्रोत/आकृती बनवू शकतो.
Mistaking fluency for accuracy. केवळ मजकूर सुंदर आणि आत्मविश्वासपूर्ण आहे याचा अर्थ असा नाही की त्यातील मजकूर योग्य आहे.
प्रत्येक वेळी त्याच उत्तराची अपेक्षा. यादृच्छिकता नैसर्गिक आहे; गंभीर कामांसाठी तुम्हाला आवडणारे आउटपुट सेव्ह करा.
खूप लांब, अनावश्यक मजकूर पेस्ट करणे आणि टोकन मर्यादा पुश करणे. लांबी दोन्ही खर्च वाढवते आणि मॉडेलचे लक्ष विचलित करू शकते; just give the necessary context.

लक्ष द्या: मॉडेल अस्खलितपणे आणि आत्मविश्वासाने बोलते याचा अर्थ ती बरोबर बोलते असा होत नाही. ओघ हा संभाव्यतेच्या अंदाजाचा नैसर्गिक परिणाम आहे; अचूकता अशी गोष्ट आहे जी स्वतंत्रपणे आणि स्वतंत्रपणे तपासली जाणे आवश्यक आहे.

सारांशात

जनरेटिव्ह एआय पुढील बहुधा तुकड्याचा (टोकन) अंदाज बांधून टप्प्याटप्प्याने मजकूर व्युत्पन्न करते; तुकडा तुकडा वाक्य तयार करते.
टोकन हे शब्दांचे छोटे भाग आहेत आणि किंमत आणि लांबी मर्यादा दोन्ही सेट करतात.
प्रत्येक टप्प्यावर, मॉडेल शक्यतांची यादी तयार करते; तापमान सेटिंग आउटपुट किती स्थिर किंवा सर्जनशील असेल हे निर्धारित करते.
एकाच प्रश्नाची वेगवेगळी उत्तरे देण्याचे कारण या प्रक्रियेत अंतर्भूत असलेल्या यादृच्छिकतेमुळे आहे.
मॉडेल अस्खलितपणे बोलते, परंतु यामुळे ती सत्य बोलत असल्याची हमी देत नाही; ओघ आणि अचूकता वेगवेगळ्या गोष्टी आहेत.

अर्ज कार्य

तुमच्या AI टूलला तेच क्रिएटिव्ह टास्क द्या (उदा. “त्वरित धन्यवाद नोट लिहा”) सलग दोनदा आणि आउटपुट कसे वेगळे आहेत ते पहा. नंतर "पॉवरफुल प्रॉम्प्ट" टेम्प्लेटसह तेच कार्य पुन्हा करा, संदर्भ जोडून घ्या आणि दोन परिणामांमधील गुणवत्तेतील फरक लक्षात घ्या.

चेकलिस्ट

[ ] मी स्पष्ट करू शकतो की मॉडेल "पुढील संभाव्य भागाचा अंदाज घेऊन" मजकूर तयार करते.
मला माहित आहे [ ] टोकन म्हणजे काय आणि ते किंमत/मर्यादा का आहे.
[ ] ज्या नोकऱ्यांमध्ये दृढनिश्चय आवश्यक आहे आणि ज्यांना सर्जनशीलता आवश्यक आहे अशा नोकऱ्यांमध्ये मी फरक करू शकतो.
मला माहित आहे की एकाच प्रश्नाची वेगवेगळी उत्तरे मिळणे सामान्य आहे.
[ ] मी अंतर्निहित केले आहे की प्रवाह अचूकतेची हमी नाही.