गंभीरता से, एलएलएम, एजेंटिक एआई और इन सभी जनरेटिव एआई टूल शानदार हैं, और वे कुछ उपयोग मामलों के लिए उपयोगी हैं। हमें जागने की जरूरत है, हालांकि, क्योंकि वहां कुछ गंभीर अतिरंजित और गलत धारणाएं हैं जो गंभीर समस्याओं का कारण बन रही हैं। 1️⃣ बड़े भाषा मॉडल (एलएलएम) "विश्वसनीय समाधान" का आधार हैं जो किसी भी समस्या का समाधान ढूंढ सकते हैं। एलएलएम सामग्री उत्पादन पर सुपर शक्तिशाली हैं, लेकिन वे (उनके मूल में) केवल सांख्यिकीय पूर्वानुमान मॉडल हैं जो चुनते हैं कि अगले "टोकन" क्या है - इन मॉडलों के पीछे कोई वैध समझ, सच्चा तर्क, या कारण समझ नहीं है, कोई फर्क नहीं पड़ता कि कौन आपको अन्यथा बताने की कोशिश करता है। ❌ WRONG! उदाहरण के लिए, benchmarks जैसे यह दिखाता है कि अधिकांश लोकप्रिय मॉडल लोगों के लिए आसान कार्यों पर 50% से नीचे स्कोर करते हैं, यह साबित करता है कि वे सांख्यिकीय पूर्वानुमान हैं, न कि सर्वज्ञ समाधान। ) यह गलत धारणा "प्रकट क्षमताओं" के आसपास हाईप से उत्पन्न होती है, लेकिन स्केलिंग कानून (उदाहरण के लिए, ) आर्किटेक्चरिक बदलावों के बिना कम आय को इंगित करते हैं। एआरसी (Abstraction and Reasoning Corpus) https://arcprize.org/leaderboard Chinchilla कागज 2️⃣ जनरेटिव एआई कृत्रिम सामान्य बुद्धि (AGI) या कृत्रिम सुपर बुद्धि (ASI) के लिए रास्ता है। जनरेटिव एआई वास्तव में "संपूर्ण" की तुलना में अधिक "घट" है। इसकी प्राथमिक नौकरी मिमी है: सीखें कि डेटा पर प्रशिक्षित किया गया डेटा की तरह आश्चर्यजनक रूप से दिखना और ध्वनि कैसे करें. यह कुछ प्रभावशाली चाल कर सकता है, जैसे कि तस्वीरों की सामग्री का विश्लेषण करना और इसे अपने प्रशिक्षण डेटा सेट से संबंधित करना, लेकिन यह सब उद्देश्य अवधारणाओं के बजाय गणित और आंकड़ों में कम हो जाता है। ❌ WRONG! यह भी विचार करें कि सामान्य बुद्धि को भावनात्मक बुद्धि की आवश्यकता होती है, और भावनाएं ऐसी चीजें हैं जिन पर वर्तमान एआई मॉडल बहुत अच्छे नहीं हैं। यदि हम मानव स्तर की बुद्धि चाहते हैं, या बेहतर, तो हमें कृत्रिम भावनात्मक बुद्धि के साथ बहुत अधिक सुधार की आवश्यकता है। मनुष्य कभी-कभी कुछ निर्णय लेने में 90% तक भावनाओं का उपयोग करता है। 3️⃣ जनरेटिव एआई मॉडल मनुष्यों की तरह सोचते हैं और सीखते हैं। GenAI मॉडल को सही ढंग से संसाधित डेटा को "क्लू-फीड" किया जाना चाहिए। चित्र, संगीत, आदि जैसे किसी भी मल्टीमोडल डेटा को संसाधित किया जाना चाहिए और इसे उपयोग करने के लिए मॉडल के लिए अनुकूलित प्रारूप में परिवर्तित किया जाना चाहिए. हम अभी ऐसे सिस्टम का निर्माण करना शुरू कर रहे हैं जो स्वचालित रूप से नए डेटा को एकत्र कर सकते हैं और इसे अपने आप में एकीकृत करने के लिए एक प्रक्रिया में डाल सकते हैं, लेकिन प्रक्रिया ऐसा नहीं है कि मानव मस्तिष्क कैसे काम करता है. अधिकांश GenAI मॉडल को स्पष्ट रूप से फिर से प्रशिक्षित किया जाना चाहिए क्योंकि नए डेटा उपलब्ध हो जाते हैं. ❌ WRONG! Generative AI रचनात्मकता को लोकतांत्रिक बनाता है, इसलिए हर कोई अब रचनात्मक हो सकता है। GenAI केवल संभावनात्मक रूप से प्रशिक्षण डेटा को पुनर्मिलन करने के तरीके जानता है! यदि आप केवल सल्वेडोर डाली पेंटिंग्स से डेटा का उपयोग करके एक छवि मॉडल को प्रशिक्षित करते हैं, तो यह केवल कला उत्पन्न करने में सक्षम होगा जो दिखता है और डाली शैली के कलात्मक पैराग्राम को "बढ़ता है। डाली कला के साथ एक सामान्य मॉडल को अच्छी तरह से समायोजित करना एक थोड़ा कम प्रभावी समाधान में परिणाम देता है, लेकिन यह अन्य लोगों के काम को थोड़ा मिश्रित करता है। यह निश्चित रूप से सच है कि GenAI लोगों को कलात्मक प्रशिक्षण के बिना नए कला कार्यों को उत्पन्न करने की अनुमति देता है। यह विपणन सामग्री जैसे कुछ उपयोग मामलों के लिए अच्छा है। तेजी से उत्पन्न छवियां प्रभावशाली लग 👎 👍 Not exactly. 5️⃣ “जीनेरेटिव एआई” सुरक्षित और निष्पक्ष है; हमें इसे जितना संभव हो उतना उपयोग करना चाहिए. यह किसी को चोट नहीं पहुंचाएगा अगर मैं बस हर चीज के लिए एआई का उपयोग करता हूं, है ना? एक निष्पक्ष एआई मॉडल के रूप में कोई ऐसी चीज नहीं है. उद्योग भी नए मॉडल को तेजी से और तेजी से वितरित करने के लिए इतना जल्दी है कि वे जितना करना चाहिए उतना परीक्षण नहीं कर रहे हैं. इस के सही उदाहरण एआई चैटबॉट के साथ रिश्तों विकसित करने वाले युवा लोगों के आसपास हैं, जो वास्तव में भावनाओं को नहीं समझते हैं, और केवल अन्य लोगों के चैट और प्रशिक्षण दस्तावेजों से पैटर्न को दोहरा सकते हैं. एलएलएम में भी हल्काइयां हैं, जहां वे जवाब बनाते हैं (वास्तव में, वे लगभग यादृच्छिक रूप से अवधारणाओं से "चिकित" करते हैं क्योंकि उनके पास अच्छी संभावनात्मक विकल्प नहीं हैं), लेकिन वे आपको बताने की कोशिश नहीं करते हैं. इसका मतलब है कि कई लोगों ❌ DANGEROUS! क्या सोचें कि यह आपके या दूसरों के लिए खतरनाक नहीं हो सकता है? उन युवा लोगों के बारे में जो आत्महत्या के बारे में एआई मॉडल के साथ "बात" करते थे, और उन्हें सलाह दी गई थी, जैसे कि वे मानसिक स्वास्थ्य सलाह देते थे? इन प्रकार के उपयोग मामले केवल उपयोगकर्ताओं के साथ समस्याओं का कारण बनने के बाद ही काम करते हैं. यह उपयोग के मामले के लिए प्रौद्योगिकी का उपयोग करने का एक क्लासिक उदाहरण है जब कोई विशेषज्ञता शामिल नहीं है. यह बहुत खतरनाक है, और हम तब तक नहीं जानेंगे कि यह समस्या पैदा कर सकती है जब तक कि यह नहीं होता है. तो हम इन गलत धारणाओं को कैसे अनुकूलित कर सकते हैं और इससे बच सकते हैं? ✅ मानव पहले. आपको अपने मूल विचारों को खिलाने के लिए एआई पर भरोसा न करें. आप अच्छी चीजों को लाते हैं, और एआई को संपादकीय / परिष्करण करने दें (वे उस पर महान हैं!). इस तरह, आप स्पष्ट रूप से विचार को उत्पन्न करते हैं। ✅ मानव अंतिम. कभी भी केवल अंधा रूप से परिणाम को पूर्ण के रूप में स्वीकार न करें. यह सुनिश्चित करने के लिए सब कुछ तीन बार जांचें कि इसमें कोई त्रुटि नहीं है! यहां तक कि उत्पन्न फोटो, वीडियो, और संगीत को एआई को प्रस्तुत किया जा सकता है और कॉपीराइट के साथ कामों के निरीक्षण / तुलना के लिए एक मूल्यांकन किया जा सकता है। ✅ अपने काम पर गर्व रखें. आपकी विशेषज्ञता आपको अद्भुत बनाती है. यदि आप कुछ में अच्छे नहीं हैं, तो एआई (मानव पहले और अंतिम!) का उपयोग करना ठीक है, जब तक आप उस काम के निर्माता होने के बारे में एक बड़ा सिर नहीं लेते हैं ... दूसरी ओर, आपको उस काम का निर्माण करने पर गर्व होना चाहिए जो आपकी मुख्य विशेषज्ञता कौशल का उपयोग करता है। ✅ ग्रे क्षेत्र के बारे में बात करें. जब कुछ ऐसा लगता है कि यह एआई के उपयोग के कारण अखंडता और स्वामित्व की लाइन को पार कर गया है, तो इसके बारे में अपने टीम, प्रबंधन, या उद्योग के विशेषज्ञों के साथ बात करें! तो आप क्या सोचते हैं? क्या मुझे यहां कोई बड़ा याद है? क्या आप असहमत हैं? मुझे एक्स या लिंक्डइन पर संलग्न करने के लिए स्वतंत्र महसूस करें।

This story contains new, firsthand information uncovered by the writer.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

यह ऑडियो कहानी की मूल भाषा में निर्मित है!

⚠️ सभी मस्तिष्क को कॉल करें! ⚠️GenAI गलतफहमी!

About Author

टिप्पणियाँ

लेबल

इस लेख में चित्रित किया गया था

Related Stories

डिजिटल खानाबदोशों सुनो: थाईलैंड के नए डीटीवी वीज़ा के बारे में आपको क्या जानना चाहिए

जलयात्रा: डेटा झीलों के साथ उत्पादन-ग्रेड आरएजी अनुप्रयोगों का विकास

Paint us Red and Call us Santa! Our Devs Just Gifted You a Sleigh of New Features!

हैकरनून कोडेड: शीर्ष 10 देश जहां हैकरनून सबसे अधिक सक्रिय है

डिजिटल खानाबदोशों सुनो: थाईलैंड के नए डीटीवी वीज़ा के बारे में आपको क्या जानना चाहिए

जलयात्रा: डेटा झीलों के साथ उत्पादन-ग्रेड आरएजी अनुप्रयोगों का विकास

Paint us Red and Call us Santa! Our Devs Just Gifted You a Sleigh of New Features!

हैकरनून कोडेड: शीर्ष 10 देश जहां हैकरनून सबसे अधिक सक्रिय है

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps