GPT हे संक्षिप्त रूप, अवघ्या काही वर्षांतच, एका मोठ्या तांत्रिक उलथापालथीचे प्रतीक बनले आहे. या तीन अक्षरांमागे एक आमूलाग्र बदल दडलेला आहे: आपण आदेशांद्वारे नियंत्रित होणाऱ्या संगणकीय साधनांपासून, संवाद साधणाऱ्या डिजिटल सहकाऱ्यांपर्यंत पोहोचलो आहोत. या क्रांतीची व्याप्ती खऱ्या अर्थाने समजून घेण्यासाठी, या बुद्धिमत्तेच्या गुंतागुंतीच्या कार्यप्रणालीचा सखोल अभ्यास करणे आवश्यक आहे.
१. तांत्रिक व्याख्या: संक्षिप्त नावाचे तीन आधारस्तंभ
GPT म्हणजे जनरेटिव्ह प्री-ट्रेन्ड ट्रान्सफॉर्मर. प्रत्येक संज्ञा मॉडेलच्या निर्मितीमधील एका महत्त्वाच्या टप्प्याचे वर्णन करते.
१. जनरेटिव्ह
कृत्रिम बुद्धिमत्तेच्या जगात, पारंपरिकरित्या दोन प्रकारच्या मॉडेल्समध्ये भेद केला जातो: डिस्क्रिमिनेटिव्ह आणि जनरेटिव्ह.
- एक भेदक मॉडेल डेटाचे निरीक्षण करते आणि त्याला एक लेबल देते (उदा., "हा मांजराचा फोटो आहे").
- एक जनरेटिव्ह मॉडेलजीपीटीप्रमाणेच, हे आणखी पुढे जाते. आपल्या ज्ञानाच्या आधारे, ते पूर्वी अस्तित्वात नसलेला पूर्णपणे नवीन डेटा तयार करण्यास सक्षम आहे. जर त्याने लाखो कवितांचे विश्लेषण केले असेल, तर ते एकही कविता तोंडपाठ म्हणणार नाही; तर ते, त्याने 'समजून घेतलेल्या' यमक आणि वृत्ताच्या नियमांचा आदर करून, एक नवीन कविता रचेल.
२. पूर्व-प्रशिक्षित
यातच खरी ताकद दडलेली आहे. तुमच्या स्क्रीनवर येण्यापूर्वी, मॉडेल एका मोठ्या शिक्षण प्रक्रियेतून गेले आहे. अशा एका ग्रंथालयाची कल्पना करा ज्यात जागतिक इंटरनेटचा एक मोठा भाग सामावलेला आहे: संपूर्ण विकिपीडिया, डिजिटल ग्रंथालये, चर्चा मंच (जसे की रेडिट), संगणक कोड भांडार (गिटहब), आणि बातम्यांचे संग्रह.
अनेक महिने, हजारो शक्तिशाली प्रोसेसर्सवर, या मॉडेलने केवळ विशिष्ट तथ्येच नव्हे, तर भाषेची सखोल रचना शिकण्यासाठी हा मजकूर 'वाचला'. या 'पूर्व-प्रशिक्षणामुळे' मॉडेलला पहिला प्रश्न मिळण्यापूर्वीच एक वैश्विक सांस्कृतिक आणि भाषिक पार्श्वभूमी प्राप्त होते.
3. ट्रान्सफॉर्मर
२०१७ सालचा हा एक वैज्ञानिक शोध होता, ज्याचा उगम “ नावाच्या गूगलच्या एका शोधनिबंधातून झाला.अटेंशन इज ऑल यू नीडट्रान्सफॉर्मरच्या आधी, एआय मॉडेल्स वाक्ये शब्दशः, क्रमाने वाचत असत (रिकरंट मॉडेल्स). मात्र, ट्रान्सफॉर्मर एका वाक्याकडे संपूर्णपणे आणि एकाच वेळी पाहतो.
'अटेंशन' नावाच्या यंत्रणेमुळे, ते प्रत्येक शब्दाचे इतरांच्या तुलनेत महत्त्व ठरवू शकते. " या वाक्याततो प्राणी खूप थकल्यामुळे रस्ता ओलांडला नाही.ट्रान्सफॉर्मरला हे समजते कीit" प्राण्याचा संदर्भ देते. जर वाक्याचा शेवट " ने होत असेल तरकारण ते खूप रुंद होतेत्याला लगेच समजते की “ते” म्हणजे रस्ता आहे. गुंतागुंतीचा संदर्भ समजून घेण्याच्या याच क्षमतेमुळे GPT चे प्रतिसाद इतके मानवी वाटतात.
संबंधित: चॅटजीपीटी डाउन? एआयमध्ये का बिघाड होतो आणि सर्वोत्तम जीपीटी मोफत कसे मिळवायचे
II. उत्क्रांतीचा संक्षिप्त इतिहास: GPT-1 पासून GPT-5 पर्यंत
जीपीटीची कहाणी ही कंपनीने चालवलेल्या प्रचंड वाढीची आहे. AI उघडा.
जागृती (GPT-1 आणि GPT-2)
२०१८ मध्ये, GPT-1 ने पाया घातला. ते साधी कामे करू शकत होते, पण त्याची स्मरणशक्ती कमी होती. २०१९ मध्ये, GPT-2 मध्ये १.५ अब्ज पॅरामीटर्स (मॉडेलची अंतर्गत जोडणी) समाविष्ट करून त्याची क्षमता लक्षणीयरीत्या वाढवण्यात आली. ते सुसंगत मजकूर तयार करण्यात इतके पारंगत झाले की, मोठ्या प्रमाणावर चुकीची माहिती तयार करण्यासाठी त्याचा वापर केला जाईल या भीतीने OpenAI ने सुरुवातीला ते प्रसिद्ध करण्यास संकोच केला.
स्फोट (जीपीटी-३ आणि ३.५)
२०२० मध्ये, GPT-3 ने १७५ अब्ज पॅरामीटर्ससह एक मानसिक अडथळा पार केला. ते एक संगणकीय अक्राळविक्राळ यंत्र होते. ते आता केवळ एक अनुवादक किंवा लेखक राहिले नव्हते; ते तार्किक विचार करण्यास आणि डझनभर प्रोग्रामिंग भाषांमध्ये कोडिंग करण्यास सक्षम झाले होते. GPT-3.5 आवृत्तीने नोव्हेंबर २०२२ मध्ये चॅटजीपीटीच्या (ChatGPT) सार्वजनिक प्रक्षेपणासाठी इंजिन म्हणून काम केले, ज्यामुळे जागतिक स्तरावर खळबळ उडाली.
परिपक्वता (GPT-4 आणि त्यापुढील)
२०२३ मध्ये सादर झालेले GPT-4 हे बहुविध आहे. ते प्रतिमांचे विश्लेषण करू शकते, गुंतागुंतीच्या गणितीय समस्या सोडवू शकते आणि अत्यंत उच्च पातळीची सर्जनशीलता प्रदर्शित करू शकते. "भ्रम" (असे क्षण जेव्हा AI आत्मविश्वासाने तथ्ये तयार करते) कमी करण्यासाठी त्याची अचूकता सुधारण्यात आली.
संबंधित : फ्री एआय ऑनलाइनवर अमर्याद आणि मोफत चॅटजीपीटी-५
III. अंतर्गत कार्यपद्धती: एक संभाव्यता यंत्र
प्रचलित समजुतीच्या विरुद्ध, जीपीटीला "विचार" किंवा मते नसतात. त्याचे कार्य पूर्णपणे सांख्यिकीय आहे, परंतु ते इतक्या मोठ्या प्रमाणावर आहे की ते बुद्धिमत्तेचा आभास निर्माण करते.
जेव्हा वापरकर्ता एखादा प्रश्न टाईप करतो, तेव्हा मॉडेल प्रत्येक शब्दाचे एम्बेडिंग (किंवा व्हेक्टरायझेशन) नावाच्या संख्यांच्या क्रमात रूपांतर करते. या संख्यांमुळे शब्दांना हजारो मिती असलेल्या गणितीय अवकाशात ठेवता येते. या अवकाशात, 'किंग' हा शब्द गणितीयदृष्ट्या 'क्वीन' किंवा 'क्राऊन' या शब्दांच्या जवळचा आहे.
प्रतिसाद प्रक्रिया म्हणजे भाकितांची एक मालिका असते:
- मॉडेल विश्लेषण करते प्रॉमप्ट.
- ते मोजते की कोणता शब्द (किंवा “टोकनप्रतिसाद सुरू करण्याची सर्वाधिक शक्यता आहे.
- एकदा तो शब्द निवडला की, पुढच्या शब्दाचा अंदाज लावण्यासाठी ते त्याचे पुन्हा विश्लेषण करते.
- समाप्ती बिंदूपर्यंत पोहोचेपर्यंत ही प्रक्रिया पुन्हा पुन्हा केली जाते.
या निकालाची प्रभावी बाब ही आहे की, GPT नेहमी सर्वात संभाव्य शब्द निवडत नाही (कारण त्यामुळे ते पुनरावृत्तीचे आणि कंटाळवाणे होईल), तर आपली शैली आणि सर्जनशीलता बदलण्यासाठी 'टेम्परेचर' सेटिंगचा (नियंत्रित यादृच्छिकता) वापर करते.
४. महत्त्वाचा टप्पा: मानवी संरेखन (RLHF)
जर तुम्ही एखाद्या मशीनला संपूर्ण इंटरनेट वाचायला दिले, तर ते आक्रमक होण्याची किंवा धोकादायक सल्ला देण्याची शक्यता असते, कारण इंटरनेटमध्ये मानवतेचे सर्वोत्तम आणि सर्वात वाईट दोन्ही पैलू सामावलेले आहेत.
GPT ला अधिक ‘सहजसोपे’ बनवण्यासाठी, OpenAI मानवी अभिप्रायावरून प्रबलन शिक्षण (RLHF) वापरते. हजारो मानवी परीक्षकांनी मॉडेलच्या सुरुवातीच्या आवृत्त्यांशी संवाद साधला आणि “हे चांगले उत्तर आहे,” “हे उद्धटपणाचे आहे,” “हे खोटे आहे,” अशा प्रतिसादांना श्रेणी दिली.
या प्रक्रियेद्वारे, एआयने एका मदतशील, तटस्थ आणि नैतिक बंधनात असलेल्या सहाय्यकाची भूमिका स्वीकारायला शिकले. हा अंतिम स्तर कच्च्या तंत्रज्ञानाचे मोठ्या बाजारपेठेतील उत्पादनात रूपांतर करतो.
५. आव्हाने आणि मर्यादा
त्याच्या सामर्थ्या असूनही, जीपीटी हे एक असे साधन आहे ज्यात काही उणिवा आहेत:
- मतिभ्रमसांख्यिकीयदृष्ट्या विश्वसनीय ठरण्याच्या प्रयत्नात, ते अस्तित्वात नसलेले चरित्र किंवा कायदेशीर स्रोत तयार करू शकते, केवळ ते शब्द एकत्र ऐकायला योग्य वाटतात म्हणून.
- चेतनेचा अभावजीपीटीला काहीही जाणवत नाही. त्याला भौतिक जगाचे आकलन नाही. जर ते ऑम्लेट कसे बनवायचे हे समजावून सांगत असेल, तर त्याला उष्णता किंवा अंड्याचा वास काय असतो हे माहीत नसते; त्याला फक्त त्या संकल्पनांमधील भाषिक संबंध माहीत असतो.
- पर्यावरण खर्चया मॉडेल्सना प्रशिक्षित करण्यासाठी आणि चालवण्यासाठी मोठ्या प्रमाणात वीज आणि पाण्याची (सर्व्हर थंड करण्यासाठी) आवश्यकता असते.
निष्कर्ष
जीपीटी हे केवळ वर्ड-प्रोसेसिंग सॉफ्टवेअरपेक्षा खूप अधिक आहे. ती एक बोधात्मक पायाभूत संरचना आहे. ज्याप्रमाणे विजेमुळे शारीरिक श्रमाचे यांत्रिकीकरण शक्य झाले, त्याचप्रमाणे जीपीटी आता बौद्धिक श्रमाच्या काही प्रकारांना स्वयंचलित करण्यास सुरुवात करत आहे.
GPT म्हणजे जनरेटिव्ह (निर्मिती), प्री-ट्रेन्ड (विशाल ज्ञान) आणि ट्रान्सफॉर्मर (संदर्भात्मक आकलन) हे समजून घेतल्यास, हे तंत्रज्ञान एक महत्त्वाचा टप्पा का आहे, हे आपण अधिक चांगल्या प्रकारे जाणू शकतो. हे अधिकाधिक हलके आणि बुद्धिमान मॉडेल विज्ञान, शिक्षण आणि कलात्मक निर्मितीमध्ये काय योगदान देतील, याचा शोध घेण्याच्या आपण केवळ सुरुवातीलाच आहोत.
