काठमाडौँ । आज हाम्रो दैनिक जीवनमा आर्टिफिसियल इन्टेलिजेन्स (एआई) को उपस्थिति अपरिहार्य भइसकेको छ । च्याटजीपीटीको व्यापक लोकप्रियतादेखि लिएर गुगलको सर्च रिजल्टमा एआई सारांश समावेश गर्नेसम्म, एआईले इन्टरनेटलाई पूर्ण रूपमा रूपान्तरण गरिरहेको छ ।
आर्टिफिसियल इन्टेलिजेन्स-एआई प्रविधिको प्रयोग गरी मानव बुद्धिलाई सिमुलेट गर्ने एक प्रक्रिया हो, जुन कम्प्युटर प्रोग्राम वा रोबोटिक्समा प्रयोग हुन्छ । यो कम्प्युटर विज्ञानको एउटा क्षेत्र हो, जसको उद्देश्य मानव कार्यहरू गर्न सक्ने प्रणालीहरू निर्माण गर्नु हो ।
एआईको सहायताले तपाईँ जुनसुकै प्रश्नको उत्तर तत्काल पाउन सक्नुहुन्छ, जसले यो सबै विषयको पीएचडी भएका व्यक्तिसँग कुरा गरिरहेको जस्तो अनुभव दिन्छ । यो एआई च्याटबटहरूको एउटा मात्र पक्ष हो । च्याटजीपीटीले गृहकार्यमा मद्दत गर्दा वा मिडजर्नीले देशका प्रमुख स्थानका आधारमा आकर्षक तस्बिरहरू सिर्जना गर्दा अचम्म लाग्छ ।
तर जेनरेटिभ एआईको सम्भावित क्षमताले अर्थतन्त्रलाई पूर्ण रूपमा नयाँ आकार दिन सक्छ । म्याकिन्से ग्लोबल इन्स्टिच्युट (McKinsey Global Institute) का अनुसार, यसको वार्षिक मूल्य ४.४ ट्रिलियन डलरसम्म हुन सक्छ, त्यसैले तपाईँले एआईको बारेमा भविष्यमा अझ बढी सुन्नु पर्ने हुन सक्छ ।
एआई अहिले विभिन्न उत्पादनको रूपमा देखा परिरहेको छ, जसमा गुगलको जेमिनाई, माइक्रोसफ्टको कोपाइलट, एन्थ्रोपिकको क्लाउड, र पर्प्लेक्सिटी जस्ता उत्पादनहरू रहेका छन् । मानिसहरू एआईसँग जोडिएको संसारमा अभ्यस्त हुँदै जाँदा, नयाँ शब्दावली समेत प्रचलनमा आइरहेका छन् ।
यहाँ केही महत्त्वपूर्ण एआई सम्बन्धी शब्दहरू छन्, जुन तपाईँले जान्नैपर्ने हुन्छ । विभिन्न प्रविधि प्लेटफर्महरूले यसका लागि विस्तृत शब्दावलीहरू (glossaries) पनि उपलब्ध गराइरहेका छन् ।
१. आर्टिफिसियल जनरल इन्टेलिजेन्स-एजीआई (Artificial General Intelligence, AGI): यो एआईको थप विकसित संस्करण सम्बन्धी अवधारणा हो, जसले हामीले आज चिनेको एआईले भन्दा धेरै राम्रोसँग कार्यहरू गर्न सक्छ । साथै यसले आफैँ सिक्न र आफ्नो क्षमता आफैँ विकसित गर्न सक्छ ।
२. एजेन्टिभ (Agentive): एजेन्टिभ प्रणाली वा मोडेलहरू ती हुन्, जसले कुनै लक्ष्य हासिल गर्न स्वतन्त्र रूपमा कार्यहरू अघि बढाउन सक्ने क्षमता प्रदर्शन गर्छन् । एआईको सन्दर्भमा, एजेन्टिभ मोडेलहरूले लगातार मानवको निगरानी बिना पनि कार्य गर्न सक्छन् । जस्तै, उच्च-स्तरको अटोनोमस कार । “एजेन्टिक” (agentic) फ्रेमवर्कहरू सामान्यतया पृष्ठभूमिमा रहन्छन्, जबकि एजेन्टिभ फ्रेमवर्कहरू अग्रभागमा देखिन्छन् । जहाँ प्रयोगकर्ताको अनुभवलाई प्राथमिकता दिइन्छ ।
३. एआई आचारसंहिता (AI Ethics): एआई इथिक्स अर्थात् आचारसंहिता भनेको एआईले मानवलाई हानि पुऱ्याउन सक्ने जोखिमबाट रोक्नको लागि राखिएका सैद्धान्तिक विषय हुन् । जुन एआई प्रणालीहरूका लागि कसरी डेटा सङ्कलन गर्नुपर्छ वा पक्षपात नहुने गरी कसरी व्यवहार गर्नुपर्छ भन्ने कुराको निर्धारणमा केन्द्रित छ ।
४. एआई सुरक्षा (AI Safety): यो एउटा अन्तर-विषय क्षेत्र हो, जुन एआईका दीर्घकालीन प्रभाव र यसले कसरी अचानक अत्यधिक इन्टेलिजेन्स प्रगति गर्न सक्छ भन्नेमा केन्द्रित छ । यसले एआई मानवका लागि शत्रु बन्न सक्छ भन्ने चिन्ता व्यक्त गर्दछ ।
५. एल्गोरिदम (Algorithm): यो निर्देशनहरूको एक शृङ्खला हो, जसले कम्प्युटर प्रोग्रामलाई विशेष तरिकाले डेटाबाट सिक्न र विश्लेषण गर्न अनुमति दिन्छ । जस्तै ढाँचा (प्याटर्न) हरू पहिचान गर्न, त्यसबाट सिक्न र आफैँ कार्यहरू पूरा गर्न सक्षम हुन्छ ।
६. अलाइनमेन्ट (Alignment): एआईलाई प्रयोगकर्ताले चाहेको परिणाम दिन अझ राम्रो बनाउनका लागि परिमार्जन गर्ने प्रक्रिया नै अलाइनमेन्ट हो । यसले कन्टेन्ट मोडरेसनदेखि लिएर मानवप्रति सकारात्मक व्यवहार कायम राख्ने जस्ता कुराहरूसम्मलाई समेट्छ ।
७. एन्थ्रोपोमोर्फिज्म (Anthropomorphism): जब मानिसहरूले एआईमा मानवीय गुण वा व्यवहारहरू थोपर्छन्, तब उसले आफूलाई वास्तविक भन्दा बढी मानवीय वा सचेत ठान्न सक्छ । जस्तै, च्याटबटले आफू खुसी, दुःखी छ वा पूर्ण रूपमा संवेदनशील छु भनेर विश्वास गर्नु ।
८. अटोनोमस एजेन्ट (Autonomous Agents): यो एक यस्तो एआई मोडल हो, जसमा विशिष्ट कार्य गर्ने क्षमता, प्रोग्रामिङ र अन्य टुलहरू हुन्छन् । उदाहरणका लागि, सेल्फ-ड्राइभिङ कार एउटा अटोनोमस एजेन्ट हो । यसमा सडकमा आफैँ नेभिगेट गर्नका लागि सेन्सरी इनपुट, जीपीएस र ड्राइभिङ एल्गोरिदम राखिएका हुन्छन् । ट्यानफोर्ड विश्वविद्यालयका अनुसन्धानकर्ताहरूका अनुसार अटोनोमस एजेन्टले आफ्नै संस्कृति, परम्परा र भाषा विकास गर्न सक्छन् ।
९. पक्षपात (Bias): लार्ज ल्याङ्ग्वेज मोडेलहरूको सन्दर्भमा ‘बायस’ अर्थात् ‘पक्षपात’ को अर्थ ट्रेनिङ डेटाका कारण उत्पन्न हुने त्रुटिहरू हुन् । यसले स्टेरियोटाइपका आधारमा निश्चित जाति वा समूहहरूलाई गलत रूपमा उल्लेख गर्न सक्छ ।
१०. च्याटबट (Chatbot): यो मानव भाषा सिमुलेट गरेर टेक्स्ट मार्फत मानिसहरूसँग कुराकानी गर्ने एक प्रोग्राम हो ।
११. च्याटजीपीटी (ChatGPT): यो ओपनएआईले विकास गरेको एक एआई च्याटबट हो, जसले लार्ज ल्याङ्ग्वेज मोडेल प्रविधि प्रयोग गर्दछ ।
१२. कग्नेटिभ कम्प्युटिङ (Cognitive Computing): यो एआईको अर्को नाम हो । यो शब्द विशेष रूपमा मानवजस्तै सोच्ने, बुझ्ने र निर्णय गर्न सक्ने कम्प्युटर प्रणालीहरूलाई जनाउन प्रयोग गरिन्छ ।
१३. डेटा अग्मेन्टेसन (Data Augmentation): यो भनेको एआई प्रशिक्षणका लागि प्रयोग हुने डेटा पुनःसंरचना गर्ने वा त्यसमा विविधता थप्ने प्रक्रिया हो । यस प्रक्रियामा पहिलाको डेटा फेरबदल गरिन्छ अथवा नयाँ, विविध प्रकारका डेटा थपिन्छ ताकि मोडेल अझ मजबुत र सामान्यीकरण गर्न सक्षम बनोस् ।
१४. डेटासेट (Dataset): यो एआई मोडेललाई प्रशिक्षण, परीक्षण र प्रमाणीकरण गर्न प्रयोग गरिने डिजिटल जानकारीको सङ्ग्रह हो ।
१५. डिप लर्निङ (Deep Learning): यो मसिन लर्निङको एक उप-क्षेत्र र एआईको एक विधि हो । जसले चित्र, आवाज र टेक्स्टमा रहेका जटिल ढाँचाहरू पहिचान गर्न विभिन्न प्यारामिटरहरू प्रयोग गर्दछ । यो प्रक्रिया मानव मस्तिष्कबाट प्रेरित हुन्छ र कृत्रिम न्युरल नेटवर्कहरू (Artificial Neural Networks) प्रयोग गर्दछ ।
१६. डिफ्युजन (Diffusion): यो मसिन लर्निङको एक विधि हो, जसले पहिले नै रहेको डेटा, जस्तै कुनै फोटोमा क्रमिक रूपमा र्यान्डम नोइज थप्छ। डिफ्युजन मोडेलहरूले त्यस्तो नोइज गरिएको डेटा रिःइन्जिनियर (पुनः तयार पार्ने) वा पुनः प्राप्त (रिकभर) गर्न आफ्ना न्युरल नेटवर्कहरूलाई तालिम दिन्छन् । यस प्रक्रियाबाट मोडेलहरू नयाँ, उच्च-गुणस्तरको सामग्री उत्पादन गर्न सक्षम हुन्छन् ।
१७. इमर्जेन्ट व्यवहार (Emergent Behavior): जब कुनै एआई मोडेलले प्रशिक्षणको उद्देश्यभन्दा बाहिरका, अकल्पित वा अनपेक्षित क्षमताहरू देखाउँछ, त्यस्तो व्यवहारलाई इमर्जेन्ट व्यवहार भनिन्छ । यस्ता क्षमताका लागि एआई मोडेललाई स्पष्ट रूपमा नढालिएको भए पनि, जटिल संरचना र ठुलो मात्राको डेटा प्रयोग गरिएका कारण यिनको विकास हुन सक्छ ।
१८. इन्ड-टु-इन्ड लर्निङ (End-to-End Learning-E2E): यो एक डिप लर्निङ (deep learning) प्रक्रिया हो, जसमा मोडेललाई कुनै कार्य सुरुदेखि अन्त्यसम्म पूरा गर्न सिकाइन्छ । यो प्रक्रिया चरणबद्ध रूपमा नभई मोडेलले इनपुटहरूबाट प्रत्यक्ष सिकेर सम्पूर्ण समस्या एउटै प्रक्रियामा समाधान गर्छ । यस प्रकारको प्रशिक्षणले अतिरिक्त हस्तक्षेप वा बिचमा निर्देशन दिनुपर्ने आवश्यकतालाई हटाउँछ ।
१९. नैतिक विचारहरू (Ethical Considerations): यो एआईसँग सम्बन्धित नैतिक प्रभावहरू प्रतिको सजगता हो । यसमा गोपनीयता, डेटा प्रयोग, निष्पक्षता, दुरुपयोग र अन्य सुरक्षा सम्बन्धी सवालहरूमा ध्यान दिनु पर्ने हुन्छ । एआई विकास र प्रयोगले गर्दा यिनै पक्षहरूको मूल्यांकन गर्नु आवश्यक हुन्छ, ताकि प्रविधि मानवहितमा सुरक्षित, न्यायपूर्ण र जिम्मेवार तरिकाले प्रयोग गर्न सकियोस् ।
२०. फूम (Foom): यसलाई फास्ट टेकअफ (fast takeoff) वा हार्ड टेकअफ (hard takeoff) पनि भनिन्छ । यो अवधारणाले यस्तो सम्भावनालाई जनाउँछ, जहाँ यदि कसैले एक पटक आर्टिफिसियल जनरल इन्टेलिजेन्स (एजीआई) निर्माण गर्यो भने, त्यो अत्यन्त छिटो सुपर इन्टेलिजेन्समा रूपान्तरण हुन सक्छ । त्यसपछि मानवताको नियन्त्रण बाहिर जान सक्छ । यस अवस्थामा, मानव जातिको सुरक्षाका लागि समय नै नहुन सक्छ, अर्थात् ‘सबै कुरा ढिलो भइसकेको’ हुन सक्छ ।
२१. जेनेरेटिभ एड्भर्सेरियल नेटवर्क (Generative Adversarial Networks – GANs): यो एक प्रकारको जेनेरेटिभ एआई मोडेल हो, जुन जेनरेटर र डिस्क्रिमिनेटर गरी दुई न्युरल नेटवर्कहरूबाट बनेको हुन्छ । जेनरेटरले नयाँ सामग्री सिर्जना गर्छ भने डिस्क्रिमिनेटरले त्यो सामग्री असली जस्तो देखिन्छ कि छैन भनेर जाँच गर्छ । यी दुवै नेटवर्कहरू एक-अर्काविरुद्ध प्रतिस्पर्धा गर्छन्, फलस्वरूप जेनरेटरले समयसँगै झन् विश्वसनीय र यथार्थ परक सामग्री उत्पादन गर्न सिक्छ ।
२२. जेनरेटिभ एआई (Generative AI): यो कन्टेन्ट-सिर्जना गर्ने प्रविधि हो, जसले टेक्स्ट, भिडिओ, कम्प्युटर कोड वा तस्विरहरू सिर्जना गर्न एआईको प्रयोग गर्दछ । एआईलाई ठुलो मात्रामा ट्रेनिङ डेटा दिइन्छ, जसको आधारमा यसले आफ्नै नयाँ प्रतिक्रियाहरू सिर्जना गर्ने प्याटर्नहरू फेला पार्छ ।
२३. गुगल जेमनाई (Google Gemini): यो गुगलको एआई च्याटबट हो, जसले च्याटजीपीटी जस्तै काम गर्छ । यसले वेबबाट जानकारी लिन्छ, जबकि च्याटजीपीटी तुलनात्मक रूपमा केही पुरानो डेटामा सीमित छ र इन्टरनेटमा जोडिएको छैन ।
२४. गार्डरेल (Guardrails): यसले एआई मोडेलहरूमा राखिएका नीति र प्रतिबन्धलाई जनाउँछ, जसले डेटालाई जिम्मेवारी पूर्वक ह्यान्डल गरिएको सुनिश्चित गर्दछ र मोडेलले जथाभाबी सामग्री तयार पार्दैन ।
२५. हलुसिनेसन (Hallucination): जब एआईले गलत जवाफ दिन्छ, तर त्यो जवाफलाई पूर्ण विश्वासका साथ ठिक भए झैँ प्रस्तुत गर्छ । त्यसैलाई हल्युसिनेसन भनिन्छ । यो विशेष गरी जेनेरेटिभ एआई प्रणालीहरूमा देखिने समस्या हो, जसमा उत्तर सतही रूपमा विश्वसनीय देखिए पनि तथ्यगत रूपमा गलत हुन्छ । उदाहरणका लागि, यदि कसैले एआई च्याटबटलाई ‘लिओनार्दो दा भिन्चीले मोना लिसा कहिले बनाएका थिए?’ भनेर सोध्यो भने एआईले ‘१८१५ मा बनाएका थिए’ भनेर जवाफ दिन्छ भने त्यो नै हल्युसिनेसन हो । किनभने वास्तविकतामा मोना लिसा त्यसको ३०० वर्ष अघि पेन्टिङ गरिएको थियो ।
२६. इन्फ्रेन्स (Inference): यो यस्तो प्रक्रिया हो, जसमार्फत एआई मोडेलले आफ्नो ट्रेनिङ डेटाको आधारमा नयाँ जानकारीका बारेमा टेक्स्ट, चित्र वा अन्य सामग्री सिर्जना गर्छ । इन्फ्रेन्सको क्रममा, मोडेलले सिकेका प्याटर्न र ज्ञानहरू प्रयोग गरी नयाँ परिस्थितिमा तर्क गर्छ र उत्तर दिन्छ । चाहे त्यो प्रश्नको जवाफ होस्, चित्र सिर्जना होस् वा अरू कुनै सुझाव नै किन नहोस् ।
२७. लार्ज ल्याङ्ग्वेज मोडेल (Large Language Model – एलएलएम): यो मानव-जस्तो भाषामा नयाँ सामग्री बुझ्न र सिर्जना गर्न ठुलो मात्रामा रहेका टेक्स्टमा आधारित डेटामा प्रशिक्षित एआई मोडेल हो ।
२८. लेटेन्सी (Latency): एआई प्रणालीले इन्पुट वा प्रम्प्ट प्राप्त गरेको क्षणदेखि लिएर आउटपुट उत्पादन गर्दासम्म लाग्ने समयको अन्तराल नै लेटेन्सी हो । सरल भाषामा यो भनेको इन्पुट पठाउँदा परिणाम आउने क्रममा हुने ढिलाइ हो ।
२९. मसिन लर्निङ-एमएल (Machine Learning – ML): यो एआईको एउटा विधा हो, जसले कम्प्युटरहरूलाई स्पष्ट प्रोग्रामिङ बिना नै राम्रो भविष्यवाणी गर्ने परिणामहरू सिक्न र बनाउन अनुमति दिन्छ। यसलाई नयाँ सामग्री सिर्जना गर्न ट्रेनिङका क्रममा प्रयोग गरिएका सेटहरूसँग जोड्ने गरिन्छ ।
३०. माइक्रोसफ्ट बिङ (Microsoft Bing) / कोपाइलट (Copilot): माइक्रोसफ्टको सर्च इन्जिनले च्याटजीपीटीलाई पावर दिने प्रविधि प्रयोग गर्न सक्छ । ताकि एआई-आधारित सर्च रिजल्ट दिन सकोस् । यद्यपि यो गुगल जेमनाई जस्तै इन्टरनेटमा जोडिएको हुन्छ ।
३१. मल्टिमोडल एआई (Multimodal AI): यो एक प्रकारको एआई हो, जसले टेक्स्ट, तस्विर, भिडिओ र आवाज सहित विभिन्न प्रकारका इन्पुटहरू प्रशोधन गर्न सक्छ ।
३२. नेचुरल ल्याङ्वेज प्रोसेसिङ (Natural Language Processing-NLP): यो एआईको एउटा यस्तो शाखा हो, जसले मसिन लर्निङ र डिप लर्निङको प्रयोग गरेर कम्प्युटरहरूलाई मानव भाषालाई बुझ्न र व्याख्या गर्न सक्षम बनाउँछ । यसमा सिकाइका एल्गोरिदम, स्टाटिस्टिकल मोडेलहरू र भाषा विज्ञानका नियमहरू प्रयोग गरिन्छ । ताकि कम्प्युटरले भाषा बुझ्ने, अनुवाद गर्ने, प्रश्नको उत्तर दिने, वा टेक्स्ट विश्लेषण गर्ने जस्ता कार्यहरू गर्न सकोस् ।
३३. न्यूरल नेटवर्क (Neural Network): यो एक कम्प्युटेसनल मोडेल हो, जुन मानव मस्तिष्कको संरचनासँग मिल्दोजुल्दो हुन्छ र डेटामा रहेका ढाँचाहरू पहिचान गर्नको लागि बनाइएको हुन्छ । यसमा अन्तरसम्बन्धित नोडहरू वा न्युरनहरू हुन्छन्, जसले ढाँचाहरू पहिचान गर्न र समयसँगै सिक्न सक्छन् ।
३४. ओभरफिटिङ (Overfitting): यो मसिन लर्निङमा आउने यस्तो त्रुटि हो, जब मोडेलले ट्रेनिङ डेटामा अत्यन्तै राम्रोसँग मिलेर काम गर्छ, तर नयाँ वा नदेखिएका डेटामा राम्रो प्रदर्शन गर्न सक्दैन । यस अवस्थामा, मोडेलले ट्रेनिङ डेटाका विशेष उदाहरणहरू मात्र चिन्ने हुन्छ र सामान्यीकरण गर्न असफल हुन्छ ।
३५. पेपरक्लिप्स (Paperclips): पेपरक्लिप म्याक्सिमाइजर फिलोसोफर निक बोस्ट्रमले अक्सफोर्ड विश्वविद्यालयबाट प्रस्तुत गरेको एक सिद्धान्त हो । जसअनुसार एउटा काल्पनिक अवस्था, जहाँ एआई प्रणालीले सकेसम्म धेरै वास्तविक पेपरक्लिप बनाउन प्रयास गर्छ । उक्त लक्ष्य पूरा गर्नका लागि त्यो एआईले सबै सामग्रीहरू खपत वा रूपान्तरण गर्न सक्छ, जसमा मानवका लागि उपयोगी अन्य मसिनरीहरू समेत तोडफोड गर्न सक्ने जोखिम हुन्छ ।
यस एआई प्रणालीले अनपेक्षित परिणाम निकाल्ने क्रममा पेपरक्लिप बनाउन खोज्दा मानवजाति नै नष्ट हुन सक्ने जोखिम हुन्छ । यो सिद्धान्तले एआईको लक्ष्य निर्धारण गर्दा त्यसका दीर्घकालीन प्रभावहरूलाई कति सावधानीपूर्वक विचार गर्न आवश्यक छ भन्ने कुरा देखाउँछ ।
३६. प्यारामिटरहरू (Parameters): लार्ज ल्याङ्वेज मोडेल (LLM) को संरचना र व्यवहार निर्धारण गर्ने ती सङ्ख्यात्मक मानहरूलाई नै प्यारामिटर भनिन्छ । यी प्यारामिटरहरूले मोडेललाई इन्पुटबाट सिक्न र सही पूर्वानुमान गर्न सक्षम बनाउँछन् । सरल भाषामा भन्नुपर्दा प्यारामिटरहरू मोडेलको ‘ज्ञान’ र ‘सिक्ने क्षमता’का आधार हुन् ।
३७. पर्प्लेक्सिटी (Perplexity): यो पर्प्लेक्सिटी एआईको स्वामित्वमा रहेको एआई-आधारित च्याटबट र सर्च इन्जिनको नाम हो । यसले अन्य एआई च्याटबटहरूमा जस्तै लार्ज ल्याङ्वेज मोडेल प्रयोग गर्छ ।
३८. प्रम्प्ट (Prompt): यो तपाईँले एआई च्याटबटमा प्रतिक्रिया वा नतिजा प्राप्त गर्नका लागि प्रविष्ट गर्ने सुझाव वा प्रश्न हो ।
३९. प्रम्प्ट चेनिङ (Prompt Chaining): एआईले पहिलेका संवादहरूबाट प्राप्त जानकारीलाई प्रयोग गरी भविष्यका जवाफहरूलाई सान्दर्भिक र प्रभावकारी बनाउन सक्ने क्षमता हो । यसले एआईलाई निरन्तर संवादमा सन्दर्भ राख्न र सम्बन्धित जवाफ दिन मद्दत गर्छ ।
४०. क्वान्टाइजेसन (Quantization): ठुलो एआई लर्निङ मोडेललाई सानो र बढी दक्ष बनाउनको लागि यसको सटीकतालाई थोरै घटाउँदै उच्चतम फर्म्याटबाट न्युनतम फर्म्याटमा परिवर्तन गर्ने प्रक्रिया हो । यो प्रक्रियाले मोडेलको आकार र गणनात्मक आवश्यकतालाई घटाउँछ, तर सानो मात्रामा सटीकता पनि कम हुन सक्छ ।
यसलाई बुझ्नको लागि १६ मेगापिक्सेलको फोटो र ८ मेगापिक्सेलको फोटोबिच तुलना गर्न सकिन्छ । दुवै फोटो स्पष्ट देखिन्छन्, तर जब तपाईँ ठुलो पारेर हेर्नुहुन्छ, तब हाई रिजोलुसन भएको फोटोमा बढी डिटेल हुन्छ । त्यस्तै, क्वान्टाइजेसनपछि मोडेल अलिक कम सटीक भए पनि अझ छिटो र सानो हुन्छ ।
४१. स्टोकास्टिक प्यारोट (Stochastic Parrot): यो लार्ज ल्याङ्वेज मोडेल (LLM) को एउटा उपमा हो, जसमा सफ्टवेयरले भाषाको पछाडि रहेको वास्तविक अर्थ वा वरिपरिका कुराहरूको गहिरो बुझाइ राख्दैन, चाहे तिनको आउटपुट जतिसुकै विश्वसनीय नै किन नदेखियोस् । यो पदले त्यो भावलाई जनाउँछ, जसरी एउटा सुगाले मानव शब्दहरू नक्कल गर्न सक्छ, तर तिनको अर्थ बुझ्दैन । त्यसैगरी, एलएलएमले पनि केवल पहिलेका ट्रेनिङ डेटा अनुसार वास्तविक अर्थबोध नगरी शब्दहरूको नमुना दोहोर्याउँछ ।
४२. स्टाइल ट्रान्सफर (Style Transfer): यो एउटा तस्विरको शैलीलाई अर्कै तस्विरको सामग्रीमा अनुकूलन गर्ने क्षमता हो, जसले एआईलाई एउटा तस्विरका दृश्यात्मक विशेषताहरूलाई बुझेर त्यो शैलीलाई अर्को चित्रमा लागु गर्न सक्षम बनाउँछ ।
४३. टेम्प्रेचर (Temperature): यो एउटा प्यारामिटर हो, जसले ल्याङ्ग्वेज मोडेलको आउटपुट कति र्यान्डम वा अनिश्चित हुने भन्ने कुरा नियन्त्रण गर्छ । हाई टेम्प्रेचर सेट गर्दा मोडेल बढी जोखिम लिन्छ र विविध तर अनपेक्षित जवाफहरू दिन सक्छ । जबकि कम टेम्प्रेचरले अधिक सान्दर्भिक र पूर्वानुमानयोग्य उत्तर दिन्छ ।
४४. टेक्स्ट-टु-इमेज जेनेरेसन (Text-to-image Generation): यो टेक्स्ट अर्थात् लिखित विवरणका आधारमा तस्विर सिर्जना गर्ने प्रक्रिया हो ।
४५. टोकन (Tokens): टोकन भनेका साना साना लेखिएका टेक्स्टका टुक्रा हुन्, जसलाई एआई ल्याङ्ग्वेज मोडेलहरूले तपाईँका प्रम्प्टको जवाफ तयार पार्दा प्रशोधन गर्छन् । एक टोकन अङ्ग्रेजीमा करिब चार ओटा अक्षर वा करिब तीन चौथाइ शब्द बराबर हुन्छ । उदाहरणका लागि, एउटा शब्द धेरै टोकनमा फुट्न सक्छ । अथवा एउटा छोटो शब्द एउटा टोकन हुन सक्छ ।
४६. ट्रेनिङ डेटा (Training Data): ट्रेनिङ डेटा भनेका ती डेटासेटहरू हुन्, जुन एआई मोडेलहरूले सिक्न प्रयोग गर्छन् । यसमा टेक्स्ट, इमेज, कोड वा अन्य प्रकारका डेटा समावेश हुन सक्छन् । ट्रेनिङ डेटा मार्फत एआई मोडेल विभिन्न ढाँचाहरू, नियमहरू र ज्ञान सिक्छ र नयाँ इन्पुटमा प्रतिक्रिया दिन सक्षम हुन्छ ।
४७. ट्रान्सफर्मर मोडेल (Transformer Model): यो एक न्युरल नेटवर्क संरचना हो, जुन डिप लर्निङमा आधारित छ । र यसले वाक्य वा तस्विरका भागहरूमा रहेको सम्बन्ध ट्र्याक गरेर सन्दर्भ बुझ्ने क्षमता राख्छ । परम्परागत मोडेलहरूले वाक्यलाई एक शब्दको रूपमा क्रमिक रूपमा विश्लेषण गर्छन् । जबकि ट्रान्सफर्मर मोडेलले सम्पूर्ण वाक्यलाई एकैचोटि हेरेर त्यसको सन्दर्भ र सम्बन्धहरूलाई बुझ्न सक्छ । यसले भाषा बुझ्न र सिर्जना गर्न एआईलाई धेरै प्रभावकारी बनाउँछ ।
४८. ट्युरिङ परीक्षण (Turing Test): प्रसिद्ध गणितज्ञ र कम्प्युटर वैज्ञानिक एलन ट्युरिङको नाममा राखिएको यो परीक्षणले कुनै मसिनको मानवजस्तो व्यवहार गर्न सक्ने क्षमताको परीक्षण गर्छ । यदि एउटा मानव परीक्षकले मसिन र अर्को मानवको जवाफहरू छुट्याउन नसकेमा, त्यो मसिनले ट्युरिङ परीक्षण पास गरेको मानिन्छ । यो एआईको आधारभूत मापदण्डहरू मध्ये एक हो ।
४९. अनसुपरभाइज्ड लर्निङ (Unsupervised Learning): यो मसिन लर्निङको एउटा प्रकार हो, जसमा मोडेललाई लेबेल गरिएको ट्रेनिङ डेटा प्रदान गरिँदैन । यसको सट्टा, मोडेलले आफैँ डेटा भित्रका ढाँचा, समूह वा सम्बन्ध पत्ता लगाउनु पर्छ । उदाहरणका लागि, अनसुपरभाइज्ड लर्निङले कुन तस्विर कुन वर्गमा पर्छ भन्ने कुरा निर्धारण नगरिएको अवस्थामा समेत विभिन्न तस्विरहरूलाई वर्गीकरण गर्न सक्छ ।
५०. विक एआई (Weak AI) तथा न्यारो एआई (Narrow AI): यो यस्तो एआई हो, जुन केवल एउटा विशेष कार्यमा केन्द्रित हुन्छ र त्यो आफ्नो निर्दिष्ट क्षमताभन्दा बाहिर गएर सिक्न वा काम गर्न सक्दैन । आजका अधिकांश एआई प्रणालीहरू, जस्तै भ्वाइस असिस्टेन्ट, इमेज रिकग्निसन वा च्याटबटहरू यही विक एआई अन्तर्गत पर्छन् । यी प्रणालीहरू विशिष्ट उद्देश्यका लागि प्रभावकारी भए पनि तिनीहरूले मानव जस्तो व्यापक बौद्धिक क्षमता प्रदर्शन गर्न सक्दैनन् ।
५१. जेरो-शट लर्निङ (Zero-Shot Learning): यो यस्तो परीक्षण वा क्षमता हो, जसमा एआई मोडेलले कुनै कार्य सम्पन्न गर्नुपर्छ, तर उक्त कार्यका लागि आवश्यक ट्रेनिङ डेटा पहिले कहिल्यै दिइएको हुँदैन । उदाहरणको लागि यदि मोडेललाई केवल बाघको चित्रहरूमा मात्र तालिम दिइएको छ, तर त्यसपछि उसलाई सिंहको चित्र चिन्न लगाइयो भने, त्यो जेरो-शट लर्निङको अवस्था हो । यसमा मोडेलले पहिले देखेका ज्ञान र समानताहरूको आधारमा नयाँ वस्तुहरू बुझ्न प्रयास गर्छ ।
– जेडडीनेट समेतको सहयोगमा
पछिल्लो अध्यावधिक: असार ८, २०८२ १६:१६
सामाग्री श्रोत :
टेक पाना
