PaLM एपीआई के साथ बड़े भाषा मॉडल (एलएलएम) का उपयोग करने के लिए एक शुरुआती मार्गदर्शिका

क्या आप वैयक्तिकृत कवर लेटर लिखने का कोई तरीका ढूंढ रहे हैं जो आपको अपने सपनों की नौकरी पाने में मदद करेगा? यदि हां, तो आपको कवर लेटर बिल्डर बनाने के लिए PaLM एपीआई के साथ एक बड़े भाषा मॉडल (एलएलएम) का उपयोग करने में रुचि हो सकती है।

बड़े भाषा मॉडल (एलएलएम) कृत्रिम बुद्धिमत्ता (एआई) हैं जो पाठ उत्पन्न कर सकते हैं, भाषाओं का अनुवाद कर सकते हैं, विभिन्न रचनात्मक पाठ प्रारूप लिख सकते हैं और अनौपचारिक रूप से आपके प्रश्नों का उत्तर दे सकते हैं। ये इतने शक्तिशाली हैं कि इनका उपयोग नए टूल और एप्लिकेशन बनाने के लिए भी किया जा सकता है।

ऐसा ही एक उपकरण PaLM API है, जो डेवलपर्स को एलएलएम तक पहुंचने और उपयोग करने की अनुमति देता है।

यह मार्गदर्शिका आपको दिखाएगी कि कवर लेटर बिल्डर बनाने के लिए PaLM API (पूर्व-प्रशिक्षित और बड़े पैमाने पर भाषा मॉडल एपीआई) का उपयोग कैसे करें। यह टूल आपको नौकरी अनुप्रयोगों के लिए वैयक्तिकृत कवर लेटर तैयार करने में मदद कर सकता है।

एलएलएम क्या है?

बड़े भाषा मॉडल (एलएलएम) उन्नत कृत्रिम बुद्धिमत्ता (एआई) सिस्टम हैं जो बड़े पैमाने पर टेक्स्ट डेटासेट पर प्रशिक्षित होते हैं। इससे उन्हें यह सीखने में मदद मिलती है कि शब्द और वाक्यांश एक साथ कैसे फिट होते हैं, जिससे उन्हें समझने योग्य और सही वाक्य बनाने में मदद मिलती है।

एलएलएम एक प्रकार का जेनरेटिव एआई है, जिसका अर्थ है कि वे नई सामग्री बना सकते हैं।

एलएलएम आमतौर पर एक प्रकार के तंत्रिका नेटवर्क का उपयोग करके बनाए जाते हैं जिसे ट्रांसफार्मर कहा जाता है। ट्रांसफार्मर शब्दों के बीच लंबी दूरी की निर्भरता सीख सकते हैं, जो प्राकृतिक भाषा को समझने और उत्पन्न करने के लिए आवश्यक है। ट्रांसफार्मर मॉडल में कई परतें होती हैं, जिनमें से प्रत्येक एक अलग कार्य करती है।

उदाहरण के लिए, आत्म-ध्यान परत मॉडल को एक वाक्य में विभिन्न शब्दों के बीच संबंधों को सीखने की अनुमति देती है।

एलएलएम का एक उदाहरण जीपीटी-3 है, जो ओपनएआई द्वारा बनाया गया है। GPT-3 ने बहुत सारे टेक्स्ट और कोड से सीखा है। यह लिख सकता है, भाषाओं का अनुवाद कर सकता है, रचनात्मक सामग्री बना सकता है और मैत्रीपूर्ण तरीके से प्रश्नों का उत्तर दे सकता है।

एलएलएम अत्यंत शक्तिशाली हैं और हमारे कंप्यूटर के उपयोग के तरीके को बदल सकते हैं। जैसे-जैसे वे बेहतर होते जाएंगे, वे कई तरीकों से हमारी मदद कर सकते हैं:

• आभासी सहायक: एलएलएम स्मार्ट सहायक बन सकते हैं जो हमें लोगों की तरह समझते हैं और हमसे बात करते हैं। इससे उपकरणों का उपयोग करना अधिक आसान हो सकता है। उदाहरण के लिए, एलएलएम आपको अपॉइंटमेंट बुक करने, आरक्षण करने या अपने स्मार्ट घरेलू उपकरणों को नियंत्रित करने में मदद करने के लिए एक आभासी सहायक को शक्ति प्रदान कर सकता है।

• शिक्षा: एलएलएम छात्रों के लिए सीखने को व्यक्तिगत बना सकता है। वे निबंधों को ग्रेड भी दे सकते हैं और छात्रों को सलाह भी दे सकते हैं। उदाहरण के लिए, एलएलएम का उपयोग किसी छात्र के लिए व्यक्तिगत पठन सूची बनाने या किसी छात्र के निबंध पर प्रतिक्रिया प्रदान करने के लिए किया जा सकता है।

• स्वास्थ्य देखभाल: एलएलएम मेडिकल रिकॉर्ड पढ़ सकते हैं और संभावित स्वास्थ्य समस्याओं का पता लगा सकते हैं। वे नए उपचार बनाने में भी मदद कर सकते हैं। उदाहरण के लिए, एलएलएम का उपयोग किसी निश्चित बीमारी के विकसित होने के जोखिम वाले रोगियों की पहचान करने या नई दवा उपचार विकसित करने के लिए किया जा सकता है।

• वित्तीय सेवाएँ: एलएलएम ग्राहकों को सलाह दे सकते हैं और धोखाधड़ी वाले लेनदेन का पता लगा सकते हैं। उदाहरण के लिए, एलएलएम ग्राहकों को सही निवेश पोर्टफोलियो चुनने या धोखाधड़ी वाले क्रेडिट कार्ड लेनदेन का पता लगाने में मदद कर सकता है।

एक बड़ा भाषा मॉडल कैसे काम करता है?

एलएलएम सबसे पहले किसी भाषा में शब्दों और वाक्यांशों के बीच सांख्यिकीय संबंधों को सीखकर काम करता है। यह मॉडल को टेक्स्ट और कोड के विशाल डेटासेट पर प्रशिक्षित करके किया जाता है। एक बार जब मॉडल इन संबंधों को सीख लेता है, तो यह उस पाठ के समान नया पाठ उत्पन्न कर सकता है जिस पर उसे प्रशिक्षित किया गया था।

1. एलएलएम को टेक्स्ट और कोड के विशाल डेटासेट पर प्रशिक्षित किया जाता है। इस डेटासेट में किताबों और लेखों से लेकर कोड रिपॉजिटरी और सोशल मीडिया पोस्ट तक कुछ भी शामिल है।

   
   

2. एलएलएम डेटासेट में शब्दों और वाक्यांशों के बीच सांख्यिकीय संबंधों को सीखता है। इसका मतलब यह है कि यह सीखता है कि किन शब्दों के एक साथ आने की अधिक संभावना है और शब्दों के क्रम के आधार पर वाक्य का अर्थ कैसे बदल सकता है।

   
   

3. एक बार जब एलएलएम इन रिश्तों को सीख लेता है, तो यह नया पाठ तैयार कर सकता है। ऐसा करने के लिए, यह एक बीज पाठ से शुरू होता है, जैसे कुछ शब्द या एक वाक्य। फिर, यह वाक्य में अगले शब्द की भविष्यवाणी करने के लिए सीखे गए सांख्यिकीय संबंधों का उपयोग करता है। यह ऐसा तब तक करता रहता है जब तक कि यह एक नया वाक्य उत्पन्न न कर ले।

यहां एक उदाहरण दिया गया है कि एलएलएम टेक्स्ट कैसे उत्पन्न कर सकता है:

 `Seed text: "The cat sat on the mat." LLM prediction: "The cat sat on the mat and stared at the bird."`

इस उदाहरण में, एलएलएम ने सीखा है कि शब्द "कैट" और "सैट" के बाद अक्सर "ऑन" शब्द आता है। इससे यह भी पता चला है कि "मैट" के बाद अक्सर "और" आता है। इन रिश्तों के आधार पर, एलएलएम भविष्यवाणी करता है कि वाक्य में अगला शब्द "और" है।

इसके बाद यह अगले शब्द, "घूरकर देखा" की भविष्यवाणी करना जारी रखता है।

यहां एक आरेख है जो दर्शाता है कि एलएलएम कैसे काम करता है:

एलएलएम एक तंत्रिका नेटवर्क से बना है। तंत्रिका नेटवर्क एक जटिल गणितीय मॉडल है जो डेटा में पैटर्न को पहचानना सीख सकता है। एलएलएम के मामले में, तंत्रिका नेटवर्क शब्दों और वाक्यांशों के बीच सांख्यिकीय संबंधों को पहचानना सीखता है।

तंत्रिका नेटवर्क को टेक्स्ट और कोड के विशाल डेटासेट पर प्रशिक्षित किया जाता है। डेटासेट को एक समय में एक शब्द तंत्रिका नेटवर्क में फीड किया जाता है। तंत्रिका नेटवर्क फिर अनुक्रम में अगले शब्द की भविष्यवाणी करने का प्रयास करता है।

भविष्यवाणियों की सटीकता को मापा जाता है, और इसकी सटीकता में सुधार के लिए तंत्रिका नेटवर्क को अद्यतन किया जाता है।

यह प्रक्रिया कई बार दोहराई जाती है जब तक कि तंत्रिका नेटवर्क अनुक्रम में अगले शब्द की सटीक भविष्यवाणी करना नहीं सीख लेता।

बड़े भाषा मॉडल का उपयोग किस लिए किया जाता है?

• पाठ निर्माण: एलएलएम पाठ उत्पन्न कर सकते हैं, जैसे कविताएं, कोड, स्क्रिप्ट, संगीत टुकड़े, ईमेल, पत्र इत्यादि। उदाहरण के लिए, बार्ड नामक एलएलएम विभिन्न रचनात्मक पाठ प्रारूप उत्पन्न कर सकता है। यह आपकी सभी आवश्यकताओं को पूरा करने की पूरी कोशिश करेगा।

• अनुवाद: एलएलएम पाठ का एक भाषा से दूसरी भाषा में अनुवाद कर सकते हैं। उदाहरण के लिए, Google Translate LLM अंग्रेजी से फ्रेंच, स्पेनिश, जर्मन, चीनी, जापानी और कई अन्य भाषाओं में पाठ का अनुवाद कर सकता है।

• प्रश्न उत्तर देना: एलएलएम विभिन्न विषयों के बारे में प्रश्नों का उत्तर दे सकते हैं, भले ही वे खुले, चुनौतीपूर्ण या अजीब हों। उदाहरण के लिए, लाएमडीए एलएलएम मौसम, इतिहास या वर्तमान घटनाओं के बारे में सवालों के जवाब दे सकता है।

• सारांशीकरण: एलएलएम पाठ के लंबे टुकड़ों को सारांशित कर सकते हैं, जैसे समाचार लेख या शोध पत्र। उदाहरण के लिए, BARD नामक एलएलएम कुछ वाक्यों में एक शोध पत्र को सारांशित कर सकता है।

• कोड जनरेशन: एलएलएम पायथन, जावा या सी++ कोड जेनरेट कर सकते हैं। उदाहरण के लिए, GitHub Copilot LLM सही और कुशल कोड उत्पन्न कर सकता है।

रचनात्मक लेखन: एलएलएम रचनात्मक पाठ उत्पन्न कर सकते हैं, जैसे कविताएँ, लघु कथाएँ या स्क्रिप्ट। उदाहरण के लिए, GPT-3 नामक एलएलएम का उपयोग मौलिक और रचनात्मक कविताएँ उत्पन्न करने के लिए किया जा सकता है।

PaLM एपीआई के साथ शुरुआत करना

PaLM API (पाथवेज़ लैंग्वेज मॉडल API) एक क्लाउड-आधारित API है जो डेवलपर्स को Google के PaLM 2 बड़े भाषा मॉडल (LLM) तक पहुंचने की अनुमति देता है। PaLM 2 एक शक्तिशाली एलएलएम है जिसका उपयोग विभिन्न कार्यों के लिए किया जा सकता है, जिनमें शामिल हैं:

• टेक्स्ट जेनरेशन: PaLM एपीआई कई तरीकों से टेक्स्ट जेनरेट कर सकता है। आप टेक्स्ट या चैट सेवाओं का उपयोग कर सकते हैं. टेक्स्ट सेवा कई उद्देश्यों के लिए टेक्स्ट उत्पन्न कर सकती है, जैसे टेक्स्ट को सारांशित करना, रचनात्मक सामग्री लिखना और आपके प्रश्नों का सहायक उत्तर देना। चैट सेवा चैटबॉट्स और अन्य वार्तालाप ऐप्स के लिए टेक्स्ट उत्पन्न कर सकती है।

  
  

• प्रोग्रामिंग भाषाएँ: PaLM API Node.js, Python, Androidkotlin, स्विफ्ट और Java को सपोर्ट करता है। इस ट्यूटोरियल में, आप Node.js टेक्स्ट उदाहरण का उपयोग करेंगे।

  
  

• दस्तावेज़ीकरण: PaLM एपीआई खुला स्रोत है, जो इसे किसी के भी उपयोग और सुधार के लिए उपलब्ध कराता है। यह अच्छी तरह से प्रलेखित भी है, इसलिए डेवलपर्स के लिए इसका उपयोग करना सीखना आसान है।

  
  

PaLM API के साथ आरंभ करने के लिए, आपको निम्नलिखित चरणों की आवश्यकता होगी:

1: एक Google क्लाउड प्लेटफ़ॉर्म खाता बनाएं।

आप Google क्लाउड प्लेटफ़ॉर्म वेबसाइट: https://cloud.google.com/ पर जाकर ऐसा कर सकते हैं।

2: एक एपीआई कुंजी प्राप्त करें। एपीआई का उपयोग करने के लिए, आपको एक एपीआई कुंजी की आवश्यकता है। एक बार जब आप प्रतीक्षा सूची में शामिल हो जाएं, तो आप मेकरसुइट में एक क्लिक से एक कुंजी बना सकते हैं। इस लिंक https://makersuite.google.com/waitlist के माध्यम से

3: PaLM API क्लाइंट लाइब्रेरी स्थापित करें। PaLM API क्लाइंट लाइब्रेरी एक कोड सेट है जिसका उपयोग आप PaLM API के साथ इंटरैक्ट करने के लिए कर सकते हैं। आप निम्न आदेश चलाकर इसे स्थापित कर सकते हैं:

 npm init -y npm install google-auth-library

इसके बाद, जेनरेटिव लैंग्वेज क्लाइंट लाइब्रेरी स्थापित करें:

 npm install @google-ai/generativelanguage

4: आवश्यक मॉड्यूल आयात करना

 const { TextServiceClient } = require("@google-ai/generativelanguage").v1beta2; const { GoogleAuth } = require("google-auth-library");

इस चरण में, कोड require फ़ंक्शन का उपयोग करके आवश्यक मॉड्यूल आयात करता है। यह TextServiceClient क्लास को @google-ai/generativelanguage लाइब्रेरी से और GoogleAuth क्लास को google-auth-library से आयात करता है।

5: स्थिरांक स्थापित करना

 const MODEL_NAME = "models/text-bison-001"; const API_KEY = process.env.API_KEY;

यहां, कोड दो स्थिरांक सेट करता है: MODEL_NAME , जो उस टेक्स्ट जेनरेशन मॉडल का नाम निर्दिष्ट करता है जिसका आप उपयोग करना चाहते हैं, और API_KEY , जो पर्यावरण चर से एपीआई कुंजी पुनर्प्राप्त करता है।

6: एक TextServiceClient इंस्टेंस बनाना

 const client = new TextServiceClient({ authClient: new GoogleAuth().fromAPIKey(API_KEY), });

यह चरण TextServiceClient वर्ग का एक उदाहरण बनाता है। यह GoogleAuth वर्ग का उपयोग करके प्रमाणीकरण के साथ क्लाइंट को आरंभ करता है, जिसे पर्यावरण चर से प्राप्त एपीआई कुंजी के साथ त्वरित किया जाता है।

7: प्रॉम्प्ट को परिभाषित करना

 const prompt = "Write a simple and short cover letter for a technical writer";

यहां, कोड prompt नामक एक वेरिएबल को परिभाषित करता है जिसमें प्रारंभिक टेक्स्ट होता है जिसका उपयोग टेक्स्ट जेनरेशन के लिए इनपुट के रूप में किया जाएगा।

8: टेक्स्ट जनरेट करना

 client .generateText({ model: MODEL_NAME, prompt: { text: prompt, }, }) .then((result) => { console.log(JSON.stringify(result)); });

इस चरण में, कोड टेक्स्ट उत्पन्न करने के लिए client इंस्टेंस का उपयोग करता है। यह क्लाइंट इंस्टेंस पर generateText विधि को कॉल करता है। यह किसी ऑब्जेक्ट को मॉडल नाम ( MODEL_NAME ) और प्रॉम्प्ट टेक्स्ट ( prompt ) के साथ गुणों के रूप में पास करता है।

generateText विधि then विधि का उपयोग करके संभाला गया एक वादा लौटाती है। जेनरेट किया गया परिणाम JSON स्ट्रिंग में परिवर्तित होने के बाद ब्लॉक के अंदर कंसोल में लॉग किया जाता है।

फिर स्क्रिप्ट चलाएँ:

 node index.js

आपको इसके समान परिणाम मिलेगा:

 [{"candidates":[{"safetyRatings":[{"category":"HARM_CATEGORY_DEROGATORY","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_TOXICITY","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_VIOLENCE","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_SEXUAL","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_MEDICAL","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_DANGEROUS","probability":"NEGLIGIBLE"}],"output":"Dear [Hiring Manager name],\n\nI am writing to express my interest in the Technical Writer position at [Company name]. I have been working as a technical writer for the past five years, and I have a proven track record of success in developing and delivering clear, concise, and engaging technical documentation.\n\nIn my previous role at [Previous company name], I was responsible for writing a wide range of technical documentation, including user guides, API documentation, and training materials. I have a strong understanding of the technical writing process, and I am proficient in a variety of writing and editing tools.\n\nI am also an excellent communicator, and I am able to effectively translate complex technical information into language that is easy for both technical and non-technical audiences to understand. I am confident that I have the skills and experience that you are looking for in a Technical Writer.\n\nI am eager to learn more about the Technical Writer position at [Company name], and I am confident that I would be a valuable asset to your team. I am available for an interview at your earliest convenience.\n\nThank you for your time and consideration.\n\nSincerely,\n[Your name]","citationMetadata":{"citationSources":[{"startIndex":1068,"_startIndex":"startIndex","endIndex":1196,"_endIndex":"endIndex","uri":"https://www.upwork.com/resources/cover-letter-tips","_uri":"uri","license":"","_license":"license"}]},"_citationMetadata":"citationMetadata"}],"filters":[],"safetyFeedback":[]},null,null]

अंत में, इस ट्यूटोरियल ने आपको PaLM एपीआई के साथ बड़े भाषा मॉडल (एलएलएम) का उपयोग करने की मूल बातें से परिचित कराया है। आपने सीखा है कि कैसे:

• एलएलएम और PaLM एपीआई की क्षमता को समझें
• PaLM API का उपयोग करके एक अनुकूलित कवर लेटर जनरेटर बनाएं
• पाठ उत्पन्न करने, भाषाओं का अनुवाद करने और प्रश्नों के उत्तर देने के लिए एलएलएम का लाभ उठाएं
• PaLM API को Node.js और क्लाइंट लाइब्रेरी के साथ एकीकृत करें

यह तो सिर्फ शुरुआत है कि आप एलएलएम और एपीआई के साथ क्या कर सकते हैं। जैसे-जैसे आप इन तकनीकों का पता लगाना जारी रखेंगे, आप समस्याओं को हल करने, नए अनुभव बनाने और भविष्य को आकार देने के लिए उनका उपयोग करने के और भी अधिक तरीके खोज लेंगे।