जब आप चैटजीपीटी में कोई प्रश्न टाइप करते हैं और यह लगभग तुरंत पूरे पैराग्राफ के साथ उत्तर देता है, तो ऐसा लगता है जैसे आप किसी इंसान से बात कर रहे हैं। लेकिन वास्तव में पर्दे के पीछे जो हो रहा है वह गणित, संभाव्यता और भारी मात्रा में प्रशिक्षण डेटा पर निर्मित एक जटिल पैटर्न-भविष्यवाणी प्रक्रिया है।
आइए इसे सरल शब्दों में चरण दर चरण तोड़ें।
मूल विचार: अगले शब्द की भविष्यवाणी करना
इसके मूल में, चैटजीपीटी जैसा एक बड़ा भाषा मॉडल (एलएलएम) नहीं है सोचना या समझना एक इंसान की तरह. इसके बजाय, यह प्रशिक्षण के दौरान देखे गए सभी पाठों के आधार पर भविष्यवाणी करता है कि वाक्य में कौन सा शब्द अगले आने की सबसे अधिक संभावना है।
यदि आप एक वाक्य की शुरुआत “बिल्ली बैठ गई…” से करते हैं, तो मॉडल ने जान लिया है कि अगला शब्द संभवतः “चटाई” है। यह नहीं जानता कि बिल्ली या चटाई क्या है, लेकिन सांख्यिकीय रूप से, यह शब्द इसके प्रशिक्षण डेटा में लाखों समान उदाहरणों के आधार पर सबसे उपयुक्त बैठता है।
यह इस भविष्यवाणी प्रक्रिया को एक समय में एक टोकन (एक “टोकन” एक शब्द या किसी शब्द का हिस्सा हो सकता है) तब तक दोहराता है जब तक कि एक पूर्ण, सुसंगत प्रतिक्रिया न बन जाए।
प्रशिक्षण भारी मात्रा में पाठ पर
इससे पहले कि चैटजीपीटी एक वाक्य तैयार कर सके, उसे किताबों, वेबसाइटों, शोध पत्रों और अन्य से पाठ के विशाल संग्रह पर प्रशिक्षित किया गया था। यह प्रक्रिया उसे व्याकरण, तथ्य, शब्द संबंध और यहां तक कि बातचीत की लय सीखने में मदद करती है।
प्रशिक्षण के दौरान, मॉडल पाठ के एक टुकड़े को देखता है, कुछ शब्दों को छुपाता है, और फिर अनुमान लगाने की कोशिश करता है कि क्या गायब है। हर बार जब यह गलत होता है, तो यह थोड़ा बेहतर होने के लिए अपने आंतरिक मापदंडों, उनमें से अरबों को समायोजित करता है। अरबों बार दोहराई गई यह प्रक्रिया यह सिखाती है कि भाषा कैसे काम करती है।
तंत्रिका – तंत्र: मस्तिष्क मॉडल का
चैटजीपीटी के पीछे की वास्तुकला एक है ट्रांसफार्मरएक विशेष तंत्रिका नेटवर्क जिसे शब्दों और उनके संदर्भ के बीच संबंधों को समझने के लिए डिज़ाइन किया गया है।
किसी वाक्य को शब्द दर शब्द क्रम से पढ़ने के बजाय, ट्रांसफार्मर देखता है सभी एक वाक्य में एक ही बार में शब्द और यह पता लगाना कि वे कैसे संबंधित हैं। यह कहा जाता है ध्यान. मॉडल पाठ के उन हिस्सों पर “ध्यान देता है” जो आगे क्या होगा इसकी भविष्यवाणी करने के लिए सबसे महत्वपूर्ण हैं।
यह ध्यान तंत्र आधुनिक भाषा मॉडल को एआई के पुराने रूपों की तुलना में इतना शक्तिशाली और स्वाभाविक लगता है।
से व्यक्तित्व की संभावना
जब ChatGPT एक वाक्य लिखता है, तो वह केवल एक “सही” उत्तर नहीं चुनता है। यह कई संभावित अनुवर्ती शब्दों पर विचार करता है, जिनमें से प्रत्येक की संभावना होती है। फिर मॉडल उन संभावनाओं से नमूना लेकर ऐसे पाठ का निर्माण करता है जो स्वाभाविक और विविध लगता है।
इसीलिए एक ही प्रश्न के दो उत्तर थोड़े अलग लग सकते हैं। यादृच्छिकता (जिसे किसी चीज़ द्वारा नियंत्रित किया जाता है तापमान) रचनात्मकता की अनुमति देता है। कम तापमान से तथ्यात्मक, सुसंगत उत्तर मिलते हैं; उच्च तापमान अधिक कल्पनाशील या अप्रत्याशित प्रतिक्रियाएँ उत्पन्न करते हैं।
मानवीय स्पर्श: फाइन-ट्यूनिंग और सुरक्षा
प्रशिक्षण के बाद, मॉडल गुजरता है फ़ाइन ट्यूनिंगजिसके दौरान वह निर्देशों का पालन करना, विनम्रता से व्यवहार करना और विषय पर बने रहना सीखता है। मानव समीक्षक विभिन्न एआई प्रतिक्रियाओं की रैंकिंग करके, जो उपयोगी, सुरक्षित और उचित लगता है उसे सिखाकर इस प्रक्रिया का मार्गदर्शन करते हैं।
इस प्रकार एक अपरिष्कृत भाषा मॉडल चैटजीपीटी की तरह कुछ संवादी और मैत्रीपूर्ण बन जाता है।
इसका क्या मतलब है रोजमर्रा के उपयोग के लिए
यह समझना कि एलएलएम कैसे पाठ उत्पन्न करते हैं, उन्हें रहस्य से मुक्त करने में मदद मिलती है। ChatGPT सोच नहीं रहा है, लेकिन यह है है संदर्भ को पहचानने और मानव भाषा पैटर्न को प्रतिबिंबित करने में उत्कृष्ट।
जब आप एक प्रश्न पूछते हैं, तो आप ज्ञान और बातचीत के पैटर्न पर प्रशिक्षित एक विशाल सांख्यिकीय इंजन को चालू कर रहे हैं, जो मनुष्य के लिखने, समझाने और बनाने के तरीके का एक डिजिटल प्रतिबिंब है।
तो अगली बार जब चैटजीपीटी एक विचारशील उत्तर तैयार करे, तो याद रखें: यह आपके दिमाग को नहीं पढ़ रहा है, यह एक समय में एक शब्द की भविष्यवाणी कर रहा है, अविश्वसनीय रूप से अच्छी तरह से।
मिडजर्नी छवियां कैसे उत्पन्न करता है, और यह चैटजीपीटी से कैसे भिन्न है?
जबकि चैटजीपीटी टेक्स्ट बनाता है, मिडजॉर्नी छवियां बनाता है, फिर भी दोनों एक ही अंतर्निहित सिद्धांत पर निर्भर करते हैं: विशाल मात्रा में डेटा से सीखने के पैटर्न. मुख्य अंतर यह है कि वे पैटर्न क्या दर्शाते हैं। ChatGPT की संरचना सीखता है भाषाजबकि मिडजॉर्नी की संरचना सीखता है दृश्यों.
आइए देखें कि मिडजॉर्नी कैसे शब्दों को चित्रों में बदल देती है, और यह प्रक्रिया जादू जैसी क्यों लगती है।
से दृश्य के लिए पाठ संकेत कल्पना
जब आप कोई प्रॉम्प्ट टाइप करते हैं जैसे “बादलों के ऊपर तैरता एक भविष्यवादी शहर”मिडजॉर्नी मानवीय अर्थों में शब्दों को नहीं समझता है। इसके बजाय, यह आपके वाक्य को में बदल देता है संख्यात्मक प्रतिनिधित्वया एम्बेडिंगजो शब्दों और अवधारणाओं के बीच संबंधों को दर्शाता है।
फिर इन एंबेडिंग्स को एक के माध्यम से पारित किया जाता है जनरेटिव मॉडल लाखों छवि-पाठ युग्मों पर प्रशिक्षण दिया गया, उदाहरण जहां छवियों को विवरण के साथ लेबल किया गया था। एआई सीखता है कि दृश्य विशेषताएं (रंग, बनावट, आकार) भाषा अवधारणाओं के साथ कैसे संरेखित होती हैं। समय के साथ, यह टेक्स्ट को दृश्यों से जोड़ने में अविश्वसनीय रूप से अच्छा हो जाता है।
का जादू प्रसार मॉडल
मिडजॉर्नी एक प्रकार के जेनरेटिव एआई पर बनाया गया है जिसे ए कहा जाता है प्रसार मॉडल. यहां बताया गया है कि यह सरल शब्दों में कैसे काम करता है:
-
मॉडल से शुरू होता है शुद्ध शोरटीवी स्टैटिक की तरह।
-
यह धीरे-धीरे, चरण-दर-चरण उस शोर को दूर करता है, जिससे एक ऐसी छवि सामने आती है जो आपके संकेत से मेल खाती है।
-
प्रत्येक चरण इस बात से निर्देशित होता है कि मॉडल ने क्या सीखा है कि छवियां शब्दों और आकृतियों से कैसे संबंधित हैं।
इसे मूर्तिकला की तरह समझें: यह संगमरमर के एक खंड (यादृच्छिक शोर) से शुरू होता है और मूर्तिकला (छवि) उभरने तक ध्यान से इसे “चिपकता” है।
यह प्रक्रिया प्रसार मॉडल को उल्लेखनीय रूप से यथार्थवादी और कलात्मक परिणाम उत्पन्न करने की अनुमति देती है – फोटोरिअलिस्टिक पोर्ट्रेट से लेकर स्वप्न जैसे काल्पनिक दृश्यों तक।
यह कैसे भिन्न है चैटजीपीटी से
हालाँकि दोनों प्रणालियाँ उत्पादक हैं, उनकी नींव अलग-अलग हैं: