लाभ:
- आर्टिफिसियल इन्टेलिजेन्स, मेसिन लर्निङ र ठूलो भाषा मोडेलको अवधारणाहरू बीचको भिन्नता छुट्याउन सक्छ
- यी प्रविधिहरू परम्परागत सफ्टवेयरबाट कसरी भिन्न छन् भनी व्याख्या गर्नुहोस्
- दैनिक व्यापार जीवनमा सामना गरेको एआई उदाहरणहरू पहिचान गर्न सक्छ
हालैका वर्षहरूमा, "कृत्रिम बुद्धिमत्ता" शब्द जताततै छ: समाचारहरूमा, विज्ञापनहरूमा, व्यापार बैठकहरूमा, तपाईंले प्रयोग गर्ने फोनको क्यामेरामा पनि। तर वास्तवमा यसको अर्थ के हो? यो एकाइले मूल कुराहरूबाट विषयलाई व्याख्या गर्दछ, शब्दजालमा डुबेर, र यसलाई तपाईंको व्यवसायिक जीवनसँग जोडेर। उद्देश्य तपाईलाई इन्जिनियर बनाउनु होइन; तपाइँलाई एक सचेत प्रयोगकर्ता बनाउन को लागी जसले तपाइँले प्रयोग गर्ने उपकरणहरू के हो र किन तिनीहरूले के गर्छन् भनेर बुझ्दछ। किनकी तपाईले गाडीलाई जति राम्रोसँग चिन्नुहुन्छ, त्यति नै सुरक्षित र अधिक कुशल तपाईले यसलाई प्रयोग गर्नुहुनेछ।
तपाईंले प्रायः तीनवटा अवधारणाहरू एक अर्कामा जोडिएको सुन्नुहुन्छ: कृत्रिम बुद्धिमत्ता, मेसिन लर्निङ, र ठूलो भाषा मोडेल। यी एउटै कुरा होइनन्; तिनीहरू बढ्दो रिंगहरू साँघुरो हुँदैछन्, एक अर्को भित्र। अब दैनिक उदाहरणहरु संग एक एक गरी व्याख्या गरौं।
तीन अवधारणाहरू, तीन इन्टरलकिङ रिंगहरू
आर्टिफिसियल इन्टेलिजेन्स (एआई): यो एक व्यापक क्षेत्रको सामान्य नाम हो जसले कम्प्युटरहरूलाई कार्यहरू गर्न सक्षम बनाउँछ जसमा सामान्यतया मानव बुद्धि (बुझाइ, निर्णय लिने, पहिचान, भाषा प्रयोग) आवश्यक हुन्छ। एक चेस कार्यक्रम, एक अनुवाद अनुप्रयोग, र एक आवाज सहायक पनि यो छाता अन्तर्गत छन्।
मेसिन लर्निङ (ML): यो आर्टिफिसियल इन्टेलिजेन्सको सबैभन्दा सामान्य उप-शाखा हो। यहाँ, हामी कम्प्युटरमा नियमहरू एक-एक गरेर लेख्दैनौं; हामी उसलाई धेरै नमूनाहरू देखाउँछौं र उसले आफैं नमूनाहरूमा ढाँचा छान्छ। त्यसैले नाम "मेसिन लर्निङ": मेसिनले उदाहरणहरूबाट सिक्छ।
Large Language Model (LLM): यो एक विशेष प्रकारको मेसिन लर्निङ हो जसले पाठमा विशेषज्ञता दिन्छ। यो अरबौं वाक्यहरु संग प्रशिक्षित छ; यो भाषा बुझ्न, उत्पादन, सारांश र अनुवाद जस्ता कार्यहरूमा प्रयोग गरिन्छ। यो ChatGPT, Gemini, Claude जस्ता उपकरणहरू पछाडिको प्रविधि हो। यस मोड्युलका उपकरणहरू, जसलाई हामी "उत्पादक एआई" (टेक्स्ट/इमेज जेनेरेटिङ एआई) भन्छौं, प्रायः LLM आधारित हुन्छन्।
संकेत: यो याद राख्नुहोस्: AI सबैभन्दा ठूलो बाकस हो, मेसिन लर्निङ यसको भित्रको बाकस हो, र ठूलो भाषा मोडेल सबैभन्दा भित्री बाकस हो। "हरेक LLM मेसिन लर्निङको उत्पादन हो र हरेक मेसिन लर्निङ एआई हो, तर कुराकानी सधैं सत्य हुँदैन।"
परम्परागत सफ्टवेयरसँग भिन्नता: कसले नियमहरू लेख्छ?
यो बुझ्नको लागि सबैभन्दा महत्त्वपूर्ण भिन्नता हो। परम्परागत सफ्टवेयरमा, एक मानव (प्रोग्रामर) ले नियमहरू एक-एक गरेर लेख्छन्: "यदि अर्डर रकम 500 TL भन्दा बढी छ भने, ढुवानी निःशुल्क हुनेछ।" कम्प्यूटरले यो नियमलाई अक्षरमा पछ्याउँछ, अधिक छैन, कम छैन।
मेसिन लर्निङमा मानिसले नियमहरू लेख्दैनन्; मोडेलले यसलाई देखाइएका उदाहरणहरूबाट नियम आफैं पत्ता लगाउँछ। उदाहरणका लागि, तपाईंले हजारौं "स्प्याम" र "स्प्याम होइन" इमेलहरू देखाउनुहुन्छ; मोडेल आफैले जान्छ कि कुन शब्द र वाक्यांशहरूले स्प्याम संकेत गर्दछ। कसैले पनि "यदि यो शब्द छ भने, यो स्प्याम हो" भन्दै एक एक गरेर लेख्दैन।
सुविधा
परम्परागत सफ्टवेयर
मेसिन लर्निङ / एआई
नियम कसले बनाउँछ?
मान्छे एक एक गरेर लेख्छ
मोडेल उदाहरणहरूबाट अनुमान गर्दछ
के आउटपुट सधैं उस्तै छ?
समान इनपुट → समान आउटपुट
समान इनपुट → समान तर चल आउटपुट
यो कहिले बलियो हुन्छ?
स्पष्ट, निश्चित नियमहरूसँग काम गर्नुहोस्
धेरै ढाँचा र कठिन नियमहरूसँग काम गर्दछ
विश्वसनीयता
अनुमानित, स्थिर
सांख्यिकीय, प्रमाणीकरण आवश्यक छ
उदाहरण
पेरोल खाता
इमेल टोन सुधार गर्नुहोस्
यो भिन्नता "भ्रम" र "प्रमाणीकरण" विषयहरूको आधार हो जुन तपाईंले पछि जान्नुहुनेछ: किनभने मोडेल आफैले नियम निकाल्छ, यो कहिलेकाहीँ गलत हुन्छ, त्यसैले यसको आउटपुटलाई अन्धाधुन्ध विश्वास गर्न सकिँदैन।
तपाईंले यसलाई आफ्नो दैनिक व्यापार जीवनमा पहिले नै देख्नुहुन्छ
एआईलाई नयाँ कुरा नठान्नुहोस्; तपाईंले सायद यसलाई वर्षौंदेखि प्रयोग गरिरहनुभएको छ:
- तपाईको इमेल बाकसको स्प्याम फिल्टर (कुनै इमेल रद्दीटोकरी हो भनेर थाहा पाएको मोडेल)।
- तपाईंको फोनको किबोर्ड भविष्यवाणी (अर्को शब्द सुझाव दिने सानो भाषा मोडेल)।
- तपाईंको बैंकको धोखाधडी लेनदेन चेतावनी (असामान्य खर्च पत्ता लगाउने मोडेल)।
- तपाईंको स्प्रेडसिट कार्यक्रमको स्वत: भरण र सुझाव सुविधाहरू।
- भिडियो र संगीत अनुप्रयोगहरूमा सिफारिस प्रणालीहरू।
नयाँ कुरा के छ भने यो प्रविधिले अब प्राकृतिक भाषामा बोल्न सक्छ। त्यसोभए तपाईले एक विशेषज्ञसँग कुरा गरिरहनुभएको जस्तो लेख्नुहोस्, र उसले बुझ्छ र जवाफ दिन्छ। यो जहाँ वास्तविक अवसर कार्यस्थल मा निहित छ।
तीन मिनी केसहरू
केस 1 - Ayşe, कार्यालय प्रबन्धक। उहाँले म्यानुअल रूपमा प्रत्येक हप्ता 40 आपूर्तिकर्ता इमेलहरू वर्गीकरण गर्दै थिए; यसले औसत ९० मिनेट लियो। यसले कम्पनीको एआई सहायक लेबल इमेलहरू "जरूरी/सामान्य/जानकारी" को रूपमा राख्न थाल्यो। समय 20 मिनेटमा घटाइयो; उहाँले ~ 70 मिनेट अनुबंध नियन्त्रणमा बचत गर्नुभयो। AI ले नियम आफैं सिके; Ayşe ले एक-एक गरी फिल्टरहरू लेखेनन्।
केस 2 - मेहमेट, क्षेत्र प्राविधिक। ग्राहकले नि:शुल्क पाठमा गल्ती रेकर्डहरू लेख्दै थिए ("यन्त्र तातो हुन्छ, बीच-बीचमा बन्द हुन्छ")। उनको प्रबन्धकले यी 500 रेकर्डहरू म्यानुअल रूपमा पढ्न र वर्गीकरण गर्न सकेनन्। एउटा भाषा मोडेलले रेकर्डहरूलाई "हार्डवेयर/सफ्टवेयर/प्रयोगकर्ता त्रुटि" को रूपमा संक्षेप गर्यो र धेरै पटक आउने उजुरी निकाल्यो। मोडेलले मानिसको लागि लगभग 2 दिन लाग्ने मिनेटमा स्केच गरे; टोलीले मात्र पुष्टि गरेको छ।
केस 3 - एलिफ, लेखा। उसले एआईलाई नयाँ विधानको पाठको सारांश दियो र 12 पृष्ठको पाठबाट लेखहरूको 1-पृष्ठ सूची लियो। तर उहाँले आफैंले आधिकारिक स्रोतबाट एक महत्वपूर्ण प्रतिशत पुष्टि गर्नुभयो; किनभने यो संख्यात्मक परिशुद्धता चाहिने कुरा थियो। यसरी, यो छिटो र सुरक्षित दुवै काम गर्यो।
कमजोर प्रम्प्ट / बलियो प्रम्प्ट
उपकरण थाहा पाउँदा तपाईले सोध्ने तरिका पनि परिवर्तन हुन्छ। एउटै सहायकबाट दुई फरक प्रश्नहरू:
कमजोर प्रम्प्ट: आर्टिफिसियल इन्टेलिजेन्स भनेको के हो?
नतिजा: एक लामो, विश्वकोषीय विवरण जुन तपाइँको लागि विशिष्ट छैन।
कडा प्रम्प्ट: म एक गैर-प्राविधिक कार्यालय कार्यकर्ता हुँ। 3 छोटो बुलेट बिन्दुहरू र प्रत्येकको लागि दैनिक जीवनको उदाहरणको साथ कृत्रिम बुद्धिमत्ता, मेसिन सिकाइ र ठूलो भाषा मोडेल बीचको भिन्नता व्याख्या गर्नुहोस्। सादा टर्की प्रयोग गर्नुहोस्।
नतिजा: तपाईंको भूमिका, स्तर र उद्देश्यको लागि उपयुक्त प्रयोगयोग्य जवाफ। भिन्नता: तपाईंले सन्दर्भ, दर्शक र ढाँचा दिनुभयो।
प्रतिलिपि गर्न मिल्ने टेम्प्लेटहरू
मलाई प्रविधि सिक्न मद्दत गर्नुहोस्। विषय: [जस्तै। मेशिन लर्निङ]म: [मेरो भूमिका / मेरो ज्ञान स्तर] म चाहन्छु: ५ वस्तुहरूमा एउटा सरल व्याख्या + प्रत्येक वस्तुको लागि व्यवसायिक जीवनबाट एउटा उदाहरण + अन्त्यमा 1-वाक्य "यसलाई दिमागमा राख्नुहोस्" सारांश।
मलाई देखाउनुहोस् जहाँ मैले दैनिक जीवनमा निम्न अवधारणाको सामना गर्छु: अवधारणा: [जस्तै। सिफारिस प्रणाली]मलाई 5 यथार्थवादी उदाहरणहरू दिनुहोस् र एआईले प्रत्येकमा के गर्छ भनेर एउटै वाक्यमा व्याख्या गर्नुहोस्।
यी दुई अवधारणाहरू तुलना गर्नुहोस् र तिनीहरूलाई तालिकामा राख्नुहोस्: अवधारणा A: [परम्परागत सफ्टवेयर] अवधारणा B: [मेसिन लर्निंग] स्तम्भहरू: जसले नियम सेट गर्छ, आउटपुट स्थिर हुन्छ, कहिले बलियो हुन्छ, उदाहरण।
निम्न वाक्यलाई गैर-प्राविधिक सहकर्मीलाई व्याख्या गर्दै जस्तै सरल बनाउनुहोस्। यदि शब्दजाल छ भने, कोष्ठकहरूमा छोटो व्याख्या थप्नुहोस्। वाक्य: [यहाँ टाँस्नुहोस्]
सामान्य गल्तीहरू
सामान्य गल्तीहरू
- सोच्दै "AI = रोबोट / चेतना"। आजका सवारीसाधनले सोच्दैनन्, महसुस गर्दैनन्; ढाँचाहरू पहिचान गर्दछ र सम्भावित सिक्वेलहरू उत्पन्न गर्दछ। यो बिर्सिंदा बढि अपेक्षा र निराशा निम्त्याउँछ।
- प्रत्येक एआई आउटपुटलाई निश्चित सत्यको रूपमा व्यवहार गर्दै। मोडेल सांख्यिकीय काम गर्दछ; संख्या, मिति र स्रोतहरू प्रयोग गर्न जोखिमपूर्ण छ जसलाई प्रमाणीकरण नगरी सटीकता चाहिन्छ।
- "यो काम मबाट टाढा छ" भन्दै र कहिल्यै प्रयास गर्दैन। AI ले गैर-प्राविधिक कर्मचारीहरूको थकाइपूर्ण र दोहोरिने कामहरूमा सबैभन्दा धेरै समय बचत गर्छ। प्रयास नगर्नेहरूले अवसर गुमाउनेछन्।
- सन्दर्भ बिना एक शब्द प्रश्नहरू सोध्दै। यदि तपाइँ उपकरणलाई तपाइँ को हुनुहुन्छ र तपाइँ के चाहानुहुन्छ भन्नुहुन्न भने, तपाइँ सामान्य, बेकार जवाफहरू पाउनुहुनेछ।
सावधानी: एआई "सिकाइ" मानव शिक्षा जस्तो होइन। मोडेलले संसारलाई बुझेर होइन तर तथ्याङ्कीय ढाँचाहरूलाई डाटामा कैद गरेर "सिक्छ"। त्यसैले उसले धेरै धाराप्रवाह बोल्न सक्छ तर अझै पनि एक आधारभूत तथ्य गलत छ। प्रवाह शुद्धता को कुनै ग्यारेन्टी छैन।
संक्षेपमा
- आर्टिफिसियल इन्टेलिजेन्स सबैभन्दा फराकिलो छाता हो; मेसिन लर्निङ यसको उप-शाखा हो जसले उदाहरणहरूबाट सिक्ने गर्दछ। ठूलो भाषा मोडेल (LLM) भाषामा विशेषज्ञता प्राप्त गर्ने मेसिन लर्निङको एक प्रकार हो।
- मुख्य भिन्नता: परम्परागत सफ्टवेयरमा, मानवले नियम लेख्छ; मेसिन लर्निङमा, मोडेलले उदाहरणहरूबाट नियम निकाल्छ।
- AI पहिले नै तपाईंको जीवनमा छ: स्प्याम फिल्टर, किबोर्ड भविष्यवाणी, नक्कली लेनदेन अलर्ट, सिफारिस प्रणाली। नयाँ कुरा के छ कि यसले प्राकृतिक भाषामा बोल्न सक्छ।
- किनभने मोडेलले सांख्यिकीय रूपमा काम गर्छ, यो तरल पदार्थ हो, तर यो सधैं सही हुँदैन; यो पछिको एकाइहरूको लागि आधार हो (भ्रम, प्रमाणीकरण)।
आवेदन कार्य
तपाईंले प्रयोग गर्ने AI उपकरण खोल्नुहोस् र माथिको "शक्तिशाली प्रम्प्ट" टेम्प्लेटको साथ मेसिन लर्निङ र ठूलो भाषा मोडेल बीचको भिन्नता आफैलाई बुझाउनुहोस्। त्यसपछि तपाईंको आफ्नै व्यवसायमा 3 ठाउँहरू लेख्नुहोस् जहाँ AI पहिले नै प्रयोग गरिएको छ (वा प्रयोग गर्न सकिन्छ)। प्रत्येकको लागि, "एआईले यहाँ वास्तवमा के गर्न सक्छ?" एक वाक्यमा प्रश्नको उत्तर दिनुहोस्।
चेकलिस्ट
- [] म आर्टिफिसियल इन्टेलिजेन्स, मेसिन लर्निङ र एलएलएम बीचको भिन्नता छुट्याउन सक्छु।
- परम्परागत सफ्टवेयर र मेसिन लर्निङ बीचको भिन्नता "कसले लेख्छ" भन्ने कुरालाई म व्याख्या गर्न सक्छु।
- [ ] मलाई मेरो दैनिक जीवनमा AI को कम्तिमा 3 उदाहरणहरू थाहा छ।
- [] सन्दर्भ, दर्शक, र ढाँचा दिएर, म अझ बलियो प्रश्न सोध्न सक्छु।
- [ ] मलाई थाहा छ कि AI चिकनी छ यसको मतलब यो सही छ भन्ने होइन।