एआई वास्तवमा के हो? [भिडियो र क्विज]

छोटो उत्तर: एआई कम्प्युटेसनल प्रविधिहरूको एक फराकिलो परिवार हो जसले ढाँचाहरू पहिचान गर्दछ, भविष्यवाणी गर्दछ, सामग्री उत्पन्न गर्दछ र बढ्दो रूपमा कार्यहरू गर्दछ। भरपर्दो जानकारी, स्पष्ट अनुमतिहरू र मानव समीक्षा यसको वरिपरि निर्माण गरिएको बेला यो अत्यधिक प्रभावकारी हुन सक्छ, तर धाराप्रवाह आउटपुटलाई कहिल्यै पनि सत्यको स्वचालित प्रमाणको रूपमा व्यवहार गर्नु हुँदैन।

मुख्य कुराहरू:

जवाफदेहिता: महत्त्वपूर्ण निर्णयहरूको लागि मानिसहरूलाई जिम्मेवार बनाउनुहोस्, विशेष गरी जहाँ एआईले महँगो गल्ती गर्न सक्छ।

पारदर्शिता: एआई प्रणाली कुन जानकारी, नियम र अनुमतिहरूमा निर्भर गर्दछ भनेर स्पष्ट पार्नुहोस्।

प्रमाणीकरण: महत्त्वपूर्ण तथ्यात्मक, चिकित्सा, कानुनी, वित्तीय र व्यावसायिक आउटपुटहरूमा कार्य गर्नु अघि जाँच गर्नुहोस्।

लेखापरीक्षण योग्यता: प्रतिनिधि केसहरूको साथ एआई परीक्षण गर्नुहोस् र दक्षता लाभ र प्रस्तुत त्रुटिहरू दुवै रेकर्ड गर्नुहोस्।

दुरुपयोग प्रतिरोध: पहुँच सीमित गर्नुहोस्, असमर्थित कार्यहरू रोक्नुहोस् र अनिश्चित केसहरू मानव समीक्षकहरूमा सार्नुहोस्।

१. एआई वास्तवमा के हो? सरल व्याख्या

कृत्रिम बुद्धिमत्ता, वा एआई, ले मानव बुद्धिमत्तासँग सम्बन्धित कार्यहरू गर्न सक्ने कम्प्युटर प्रणालीहरूलाई जनाउँछ।

ती कार्यहरूमा समावेश हुन सक्छ:

• भाषा बुझ्ने

• छविहरूमा वस्तुहरू पहिचान गर्दै

• अब के हुन्छ भनेर भविष्यवाणी गर्दै

• सिफारिसहरू गर्दै

• पाठ, चित्र, अडियो, वा भिडियो उत्पन्न गर्दै

• विशाल डेटासेटहरूमा ढाँचाहरू पत्ता लगाउँदै

• उपलब्ध जानकारीको आधारमा निर्णय लिने

• उदाहरणहरूबाट सिक्ने

• निश्चित प्रकारका समस्याहरू समाधान गर्ने

यहाँ एउटा बुँदा महत्त्वपूर्ण छ।.

बुद्धिमानी देखिने नतिजाहरू उत्पादन गर्न एआईले मानिसले जस्तै सोच्नु आवश्यक छैन ।

एउटा चेस कार्यक्रमले आफ्नो बिशपको त्याग गर्नु भावनात्मक रूपमा सही छ कि छैन भनेर चिन्ता गर्दैन। सिफारिस एल्गोरिथ्मले तपाईंलाई सुझाव दिइरहने वृत्तचित्रमा व्यक्तिगत लगाव विकास गर्दैन। भाषा मोडेललाई कम्प्युटर भित्र बस्ने सानो अंग्रेजी शिक्षकको आवश्यकता पर्दैन।.

यसको सट्टा, यी प्रणालीहरूले गणितीय मोडेलहरू, एल्गोरिदमहरू, प्रशिक्षण डेटा, नियमहरू, सम्भाव्यताहरू, र ठूलो मात्रामा गणना प्रयोग गरेर जानकारी प्रशोधन गर्छन्।.

अन्तिम परिणाम उल्लेखनीय रूपमा मानवीय देखिन सक्छ।.

तर तलको संयन्त्र धेरै फरक छ।.

त्यो भिन्नता मानिसहरूले कहिलेकाहीं महसुस गर्ने भन्दा बढी महत्त्वपूर्ण छ।.

२. एआई रोबोट मस्तिष्क जस्तो कम र भविष्यवाणी गर्ने मेसिन जस्तो बढी छ।

जब मानिसहरूले "कृत्रिम बुद्धिमत्ता" सुन्छन्, तिनीहरू प्रायः कृत्रिम मानव मस्तिष्क जस्तो केहि चीज कल्पना गर्छन्।.

यो बुझ्न सकिन्छ। विज्ञान कथाले दशकौंदेखि एआईलाई चम्किलो आँखा, अशुभ आवाज, शंकास्पद रूपमा बलियो विचार र सामान्यतया कुनै प्रकारको धातुको कंकाल प्रदान गर्दै आएको छ।.

व्यावहारिक एआई सामान्यतया कम सिनेमाई हुन्छ।.

धेरै आधुनिक एआई प्रणालीहरू भविष्यवाणी।

भाषा मोडेललाई विचार गर्नुहोस्।.

जब तपाईं टाइप गर्नुहुन्छ:

"बिरालो ..." मा बस्यो।

प्रणालीले कुन शब्दहरू सांख्यिकीय रूपमा अर्को आउन सक्छन् भनेर मूल्याङ्कन गर्छ।.

सम्भवतः:

• चटाई

• भुइँ

• सोफा

• कुर्सी

यसले केवल एउटा वाक्य कण्ठ गरेर पुन: प्राप्त गर्दैन। पर्याप्त रूपमा उन्नत मोडेलले शब्दहरू, विचारहरू, वाक्य संरचनाहरू, अवधारणाहरू, शैलीहरू, तथ्यहरू र ढाँचाहरू बीचको जटिल सम्बन्धहरू सिकेको छ।.

त्यसपछि यसले सन्दर्भसँग मिल्ने क्रमको भविष्यवाणी गर्छ। अर्को शब्दको राम्रोसँग भविष्यवाणी गर्न भाषाको बारेमा धेरै कुरा सिक्नु आवश्यक छ।

अनि भाषामा... खैर, मूलतः मानिसहरूले कुरा गर्ने सबै कुराहरू समावेश हुन्छन्।.

इतिहास। गणित। खाना पकाउने। प्रोग्रामिङ। सम्बन्ध। भौतिकशास्त्र। पिज्जामा अनानास हुनुपर्छ कि पर्दैन भन्ने बारेमा तर्कहरू।.

त्यसैले आधारभूत देखिने भविष्यवाणी कार्यले आश्चर्यजनक रूपमा जटिल व्यवहार उत्पादन गर्न सक्छ।.

अवश्य पनि, रूपकको सीमा छ। उन्नत एआईलाई "स्वत: पूर्ण" भन्नु भनेको हवाईजहाजलाई "पखेटा भएको केही धातु" भन्नु जस्तै हो। प्राविधिक रूपमा, त्यहाँ केही साँचो लुकेको छ, तर धेरैजसो रोचक भाग गायब भएको छ।.

३. कृत्रिम बुद्धिमत्ताले कसरी सिक्छ?

यहीँबाट मेसिन लर्निङ कुराकानीमा प्रवेश गर्छ।

परम्परागत सफ्टवेयर सामान्यतया स्पष्ट निर्देशनहरू मार्फत काम गर्दछ।.

प्रोग्रामरले लेख्न सक्छ:

• यदि प्रयोगकर्ताले सही पासवर्ड प्रविष्ट गर्छ भने, पहुँच अनुमति दिनुहोस्।.

• यदि तापक्रम निश्चित थ्रेसहोल्ड नाघ्यो भने, शीतलन सक्रिय गर्नुहोस्।.

• यदि कुनै वस्तु स्टकमा छैन भने, चेतावनी देखाउनुहोस्।.

ती निर्देशनहरू जानाजानी प्रोग्राम गरिएका छन्।.

मेसिन लर्निङले प्रक्रियालाई उल्ट्याउँछ.

प्रत्येक नियमलाई म्यानुअल रूपमा परिभाषित गर्नुको सट्टा, विकासकर्ताहरूले प्रणालीको उदाहरण वा डेटा दिन्छन् र यसलाई ढाँचाहरू पत्ता लगाउन अनुमति दिन्छन्।.

तस्बिरहरूमा बिरालोहरू चिन्न सक्ने सफ्टवेयर निर्माण गर्ने प्रयास गर्ने कल्पना गर्नुहोस्।.

स्पष्ट नियमहरू लेख्नु चाँडै हास्यास्पद हुनेछ।.

तपाईंले प्रयास गर्न सक्नुहुन्छ:

• त्रिकोणीय कान खोज्नुहोस्।.

• जुँगा खोज्नुहोस्।.

• चार खुट्टा खोज्नुहोस्।.

• फर खोज्नुहोस्।.

त्यसपछि कसैले स्यालको तस्बिर अपलोड गर्छ।.

छैन।.

अथवा बाघ।.

अथवा एउटा बिरालो धमिलो डल्लोमा घुमेको छ जहाँ तपाईंले त्यसको खुट्टा मुश्किलले देख्न सक्नुहुन्छ।.

मेसिन लर्निङले समस्यालाई फरक तरिकाले हेर्छ। एउटा मोडेललाई उदाहरणहरूको विशाल संग्रहमा तालिम दिन सकिन्छ र बिस्तारै कुन दृश्य ढाँचाहरू बिरालाहरूसँग सम्बन्धित छन् भनेर सिक्न सकिन्छ।.

यो एउटा सानो बच्चाले जस्तै "बिरालो" सिक्नु होइन।.

तर गणितीय रूपमा, मोडेल श्रेणीसँग सम्बन्धित ढाँचाहरू पहिचान गर्न बढ्दो रूपमा सक्षम हुँदै जान्छ।.

त्यो संक्षेपमा मेसिन लर्निङ हो - यद्यपि संक्षिप्तमा नै रेखीय बीजगणितका धेरै गोदामहरू छन्।.

४. एआई बनाम मेसिन लर्निङ बनाम गहिरो लर्निङ

यी शब्दहरू निरन्तर एकसाथ मिसिएका छन्, आंशिक रूपमा किनभने मानिसहरूले व्यावहारिक रूपमा सबै कुराको लागि "एआई" लाई छाता वाक्यांशको रूपमा प्रयोग गर्छन्।.

तिनीहरूलाई छुट्याउने एउटा सरल तरिका यो हो।.

कृत्रिम बुद्धिमत्ता व्यापक क्षेत्र हो।

मेसिन लर्निङ एआई प्रणालीहरू सिर्जना गर्न प्रयोग गरिने एउटा दृष्टिकोण हो।

गहिरो सिकाइ एक विशेष प्रकारको मेसिन लर्निङ हो जसमा धेरै तहहरू भएका ठूला तंत्रिका सञ्जालहरू समावेश हुन्छन्।

त्यसपछि जेनेरेटिभ एआई छ , जसले पाठ, छवि, संगीत, कोड, भाषण, वा भिडियो जस्ता नयाँ आउटपुटहरू सिर्जना गर्नमा केन्द्रित छ।

तुलना तालिका

अवधि	सामान्य प्रयोग	यसको मूल अर्थ के हो?	यसको बारेमा सोच्ने द्रुत तरिका
कृत्रिम बुद्धिमत्ता	बुद्धिमानी देखिने कार्यहरू गर्ने मेसिनहरूको विस्तृत श्रेणी	रोबोटिक्स, सहायक, योजना, सिफारिसहरू	ठूलो छाता
मेसिन लर्निङ	डेटाबाट प्रणाली सिकाइ ढाँचाहरू	ठगी पत्ता लगाउने, सिफारिसहरू, भविष्यवाणीहरू	उदाहरणहरूबाट सिक्ने
गहिरो सिकाइ	बहु-तह तंत्रिका नेटवर्कहरू प्रयोग गरेर मेसिन लर्निङ	दृष्टि, बोली, उन्नत भाषा मोडेलहरू	ML, तर धेरै गहिरो... शाब्दिक रूपमा
जेनेरेटिभ एआई	नयाँ सामग्री उत्पादन गर्न डिजाइन गरिएको एआई	पाठ, छविहरू, कोड, अडियो	रचनात्मक शाखा
स्वचालन	पूर्वनिर्धारित प्रक्रियाहरू पछ्याउने सफ्टवेयर	दोहोरिने कार्यप्रवाह, डेटा प्रविष्टि	सामान्यतया नियम बनाउँछ, "सिकाइ" होइन

यो भिन्नता महत्त्वपूर्ण छ किनकि हरेक स्वचालित प्रणाली एआई हुँदैन।.

यदि तपाईंको कफी मेसिन दस मिनेट पछि बन्द भयो भने, बधाई छ - तपाईंसँग सायद कृत्रिम बुद्धिमत्ता प्रयोगशाला छैन।.

यो केवल एउटा टाइमर हो।.

५. स्नायु सञ्जाल भनेको के हो?

स्नायु सञ्जालहरू जैविक स्नायु प्रणालीहरूबाट प्रेरित गणितीय प्रणालीहरू हुन्।.

यो वाक्यांशले तिनीहरूलाई रहस्यमय सुनाउँछ। तिनीहरू कम्प्युटर भित्र तैरिरहेका शाब्दिक कृत्रिम दिमाग होइनन्।.

तंत्रिका सञ्जालमा अन्तरसम्बन्धित गणितीय एकाइहरू हुन्छन् जसले जानकारी प्रशोधन गर्छन्।.

तालिमको क्रममा, नेटवर्कले प्यारामिटर वा तौल।

ती समायोजनहरूले प्रणालीलाई मूल्यवान आउटपुटहरू उत्पादन गर्न अझ राम्रो बन्न अनुमति दिन्छ।.

यसलाई अरबौं साना समायोज्य नबहरू भएको एउटा बेतुका जटिल नियन्त्रण प्यानलको रूपमा सोच्नुहोस्।.

तालिमले ती नबहरूलाई बारम्बार धक्का दिन्छ।.

गलत उत्तर?

नबहरू मिलाउनुहोस्।.

राम्रो उत्तर?

तिनीहरूलाई फरक तरिकाले समायोजन गर्नुहोस्।.

यो पर्याप्त पटक गर्नुहोस्, पर्याप्त डेटा र पर्याप्त कम्प्युटिङ पावरको साथ, र नेटवर्कले जटिल आन्तरिक प्रतिनिधित्वहरू विकास गर्न थाल्छ जसले यसलाई ढाँचाहरू पहिचान गर्न र उत्पन्न गर्न अनुमति दिन्छ।.

अवश्य पनि, "नबहरू समायोजन गर्नुहोस्" भन्नाले दशकौं पुरानो कम्प्युटर विज्ञानलाई कसैले पुरानो रेडियो ट्युन गरिरहेको जस्तो लाग्छ... तर मानसिक मोडेलको रूपमा, यो उल्लेखनीय रूपमा राम्रोसँग काम गर्दछ।.

६. किन एआई अचानक यति धेरै स्मार्ट देखिन्छ?

कृत्रिम बुद्धिमत्ता रातारात देखा परेको आविष्कार होइन।.

अन्तर्निहित क्षेत्र लामो समयदेखि अवस्थित छ।.

धेरै शक्तिहरू एकसाथ गतिमान हुनु भनेको के परिवर्तन भयो भने।.

बढी कम्प्युटिङ पावर

आधुनिक प्रोसेसरहरूले धेरै संख्यामा गणनाहरू द्रुत रूपमा गर्न सक्छन्, विशेष गरी तंत्रिका नेटवर्कहरूको लागि आवश्यक गणनाहरूको प्रकार। आधुनिक एआई प्रणालीहरूमा प्रगतिको एक महत्त्वपूर्ण चालक प्रशिक्षण गणना भएको छ।

थप डेटा

डिजिटल संसारमा विशाल मात्रामा पाठ, छवि, अडियो, भिडियो, कोड र संरचित जानकारीहरू छन्।.

परिष्कृत मोडेलहरूलाई प्रशिक्षण दिन उदाहरणहरू चाहिन्छ - ती धेरै छन्।.

राम्रो एल्गोरिदमहरू

अनुसन्धानकर्ताहरूले एआई प्रणालीहरूलाई तालिम दिन प्रयोग गरिने वास्तुकला र विधिहरूमा निरन्तर सुधार गर्छन्।.

ठूला मोडेलहरू

प्यारामिटरहरूको संख्या बढाउने, डेटासेटहरू सुधार गर्ने र गणना बढाउने कामले प्रायः आश्चर्यजनक रूपमा सक्षम मोडेलहरू उत्पादन गरेको छ। कम्प्युट-इष्टतम भाषा-मोडेल प्रशिक्षणमा गरिएको अनुसन्धानले यो पनि देखाउँछ कि मोडेलको आकार, डेटा र कम्प्युटलाई प्यारामिटर गणनालाई अधिकतम बनाउनुको सट्टा सन्तुलित गर्न आवश्यक छ।.

राम्रो इन्टरफेसहरू

यो भागलाई कम आँकलन गर्न सजिलो छ।.

साधारण मानिसहरूले अब दैनिक भाषा मार्फत उन्नत प्रणालीहरूसँग अन्तर्क्रिया गर्न सक्ने भएकाले एआई नाटकीय रूपमा बढी पहुँचयोग्य महसुस हुन्छ।.

तपाईंले प्रोग्रामिङ बुझ्नु पर्दैन।.

तपाईं केवल सोध्न सक्नुहुन्छ:

"म बाह्र वर्षको भएँ जस्तो गरी धितोको व्याख्या गर्नुहोस्।"

अथवा:

"यी बैठकका नोटहरूलाई इमेलमा परिणत गर्नुहोस्।"

अथवा:

"मेरो फ्रिजमा कुखुरा, भात र बिस्तारै मरिरहेका तरकारीहरू प्रयोग गरेर मलाई पाँचवटा खानाका विचारहरू दिनुहोस्।"

त्यो इन्टरफेस परिवर्तन ठूलो छ।.

मानिसहरूलाई प्रविधि प्रयोग गर्न म्यानुअलको आवश्यकता पर्न छोडेपछि यसको लोकप्रियतामा विस्फोट हुन्छ।.

७. तपाईंले प्रश्न सोध्दा एआईले के गरिरहेको हुन्छ?

आधुनिक एआई सहायकलाई विचार गर्नुहोस्।.

तपाईंले टाइप गर्नुहोस्:

"पाँच वर्षको बच्चालाई गुरुत्वाकर्षणको बारेमा बुझाउनुहोस्।"

पर्दा पछाडि, प्रणालीले तपाईंको पाठलाई टोकन।

टोकनहरूले पूर्ण शब्दहरू, शब्दका भागहरू, विराम चिन्हहरू, वा भाषाका अन्य भागहरूलाई प्रतिनिधित्व गर्न सक्छन्।.

ती टोकनहरू मोडेल मार्फत प्रशोधन गरिन्छन्।.

यो मोडेलले तपाईंको अनुरोधका विभिन्न भागहरू बीचको सम्बन्धको जाँच गर्छ, सन्दर्भलाई विचार गर्छ र उपयोगी निरन्तरताको भविष्यवाणी गर्छ।.

त्यसपछि अर्को टोकन।.

त्यसपछि अर्को।.

त्यसपछि अर्को।.

यो उल्लेखनीय रूपमा छिटो हुन्छ।.

परिणामस्वरूप आएको अनुच्छेद कसैले पूर्ण विचारको रूपमा रचना गरेको जस्तो देखिन्छ, तर प्राविधिक रूपमा यो क्रमिक रूपमा उत्पन्न गरिएको थियो।.

त्यो एआईको सबैभन्दा अनौठो विशेषताहरू मध्ये एक हो।.

अन्तर्निहित प्रक्रिया सम्भाव्य भए पनि आउटपुट जानाजानी महसुस हुन सक्छ।.

यो विशाल डाटाबेसबाट तयार उत्तर निकाल्नु भन्दा पनि इम्प्रोभाइजेसन जस्तो देखिन्छ।.

निश्चित रूपमा इम्प्रोभाइजेसन त होइन - तर रूपकले आफ्नो लन्च कमाउन सक्ने गरी यति नजिक छ।.

के एआईले कुराहरू बुझ्छ?

यो प्रश्न धेरै चाँडै दार्शनिक बन्छ।.

के एआई प्रणालीले साँच्चै भाषा "बुझ्छ"?

यसको उत्तर तपाईंले बुझेको कुरा के हो भन्ने कुरामा धेरै हदसम्म निर्भर गर्दछ।.

आधुनिक एआई मोडेलहरूले परिष्कृत तरिकाले अवधारणाहरूलाई स्पष्ट रूपमा हेरफेर गर्न सक्छन्।.

तिनीहरूले गर्न सक्छन्:

• विचारहरू व्याख्या गर्नुहोस्

• तर्कहरू तुलना गर्नुहोस्

• पाठ पुन: लेख्नुहोस्

• भाषाहरू अनुवाद गर्नुहोस्

• धेरै संरचित समस्याहरू समाधान गर्नुहोस्

• काम गर्ने कोड उत्पन्न गर्नुहोस्

• ढाँचाहरू पहिचान गर्नुहोस्

• जटिल निर्देशनहरू पालना गर्नुहोस्

• नयाँ तरिकाले अवधारणाहरू संयोजन गर्नुहोस्

बाहिरबाट हेर्दा, त्यो धेरै हदसम्म बुझाइ जस्तै देखिन सक्छ।.

तर मेसिन बुद्धिमत्ता र मानव अनुभूति बीच महत्त्वपूर्ण भिन्नताहरू छन्।.

मानिसले भौतिक संसारको अनुभव गर्छ।.

हामीलाई भोक, पीडा, लज्जा, बोरियत, स्नेह र तपाईंको फोन २ प्रतिशत ब्याट्रीमा छ भन्ने थाहा पाउँदाको अनौठो त्रास महसुस हुन्छ।.

एआई प्रणालीहरूसँग आवश्यक रूपमा कुनै समान जीवन अनुभव हुँदैन।.

तिनीहरूले प्रतिनिधित्वहरू प्रशोधन गर्छन्।.

त्यसैले एआईले केहि "बुझ्छ" कि भनेर सोध्नु पनडुब्बी पौडी खेल्छ कि भनेर सोध्नु जस्तै हुन सक्छ।.

यो निश्चित रूपमा पानीबाट सर्छ।.

तर सायद "पौडी खेल्नु" भन्ने शब्द नै सही होइन।.

९. एआईले सत्य के हो भनेर स्वतः थाहा पाउँदैन

यो जेनेरेटिभ एआईको बारेमा सबैभन्दा महत्त्वपूर्ण बुँदाहरू मध्ये एक हो।.

एउटा मोडेलले कथन सही नभईकन पनि अत्यन्तै विश्वस्त लाग्ने कथन उत्पन्न गर्न सक्छ।.

किन?

किनभने प्रशंसनीय भाषा सिर्जना गर्नु र वस्तुनिष्ठ सत्य प्रमाणित गर्नु फरक-फरक समस्या हुन्।.

एआई प्रणालीले अनिश्चितताको सामना गर्न सक्छ र अझै पनि आत्मविश्वासपूर्ण उत्तर उत्पादन गर्न सक्छ।.

यी त्रुटिहरूलाई प्रायः मतिभ्रम भनिन्छ ।

उदाहरणका लागि, AI ले निम्न कुराहरू गर्न सक्छ:

• तथ्याङ्क आविष्कार गर्नुहोस्

• उद्धरणलाई गलत रूपमा विशेषता दिनुहोस्

• दुई समान व्यक्तिहरूलाई भ्रमित गर्नुहोस्

• अवस्थित नभएका सन्दर्भहरू उत्पादन गर्नुहोस्

• अस्पष्ट निर्देशनहरूको गलत अर्थ लगाउने

• सूक्ष्म गणितीय त्रुटिहरू गर्नुहोस्

भाषा मोडेलहरूले आत्मविश्वासी सुन्दा बनावटी उद्धरणहरू, अध्ययनहरू, उद्धरणहरू र अन्य गलत जानकारीहरू उत्पादन गर्न सक्छन्। NIST ले विशेष रूपमा आत्मविश्वासी रूपमा भनिएका गलत सामग्री र बनावटी उद्धरणहरूलाई जेनेरेटिभ-एआई जोखिमको रूपमा पहिचान गर्दछ।.

विरोधाभासपूर्ण कुरा के छ भने, यी प्रणालीहरू जति सक्षम हुन्छन्, यो कुरा बिर्सन त्यति नै सजिलो हुन्छ।.

परिष्कृत भाषाले आत्मविश्वास सिर्जना गर्छ।.

तर विश्वास प्रमाण होइन।.

औषधि, कानून, वित्त, सुरक्षा वा प्रमुख व्यावसायिक निर्णयहरू जस्ता क्षेत्रहरूसँग सम्बन्धित उच्च-दांवयुक्त जानकारीको लागि, प्रमाणीकरण अझै पनि महत्त्वपूर्ण हुन्छ।.

एकदमै।.

१०. एआई र खोज इन्जिन एउटै कुरा होइनन्

अर्को सामान्य गलतफहमी भनेको एआई र खोजलाई एउटै कुराको रूपमा हेर्नु हो।.

तिनीहरू छैनन्।.

परम्परागत खोज इन्जिनले मुख्यतया अवस्थित जानकारी पत्ता लगाउन मद्दत गर्छ।.

जेनेरेटिभ एआई प्रणालीले मुख्यतया सिकेका ढाँचाहरू, प्रदान गरिएको सन्दर्भ र यसमा पहुँच हुन सक्ने कुनै पनि अतिरिक्त उपकरणहरूको आधारमा प्रतिक्रिया उत्पन्न गर्दछ। जेनेरेटिभ मोडेलहरूले ठूला डेटासेटहरूमा ढाँचाहरू र सम्बन्धहरू सिक्छन् र नयाँ आउटपुटहरू सिर्जना गर्न ती ढाँचाहरू प्रयोग गर्छन्।

सोध्ने कल्पना गर्नुहोस्:

खोज इन्जिन: "प्रकाश संश्लेषणको व्याख्या गर्ने उत्तम तरिकाहरू"

तपाईंले सामान्यतया अनुसन्धान गर्न पृष्ठहरू प्राप्त गर्नुहुन्छ।.

एआई सहायकलाई पनि यही कुरा सोध्नुहोस् र तपाईंले प्राप्त गर्न सक्नुहुन्छ:

• एउटा सरल व्याख्या

• कक्षाकोठाको समानता

• एउटा क्विज

• पाठ योजना

• बालबालिकाका लागि एउटा कथा

• विस्तृत वैज्ञानिक संस्करण

खोज पुन: प्राप्ति गर्दछ।.

जेनेरेटिभ एआईले संश्लेषण गर्छ।.

आधुनिक प्रणालीहरूले दुवै दृष्टिकोणहरूलाई संयोजन गर्न सक्छन्, जसले गर्दा भिन्नता झन्झन् धमिलो हुँदै जान्छ, तर उपकरणहरू अवधारणात्मक रूपमा फरक नै रहन्छन्।.

११. एआईले के राम्रो गर्न सक्छ?

एआईले विशेष गरी ढाँचा-भारी, जानकारी-समृद्ध, र रूपान्तरण कार्यहरूमा राम्रो प्रदर्शन गर्ने गर्छ।.

मूल्यवान अनुप्रयोगहरू समावेश छन्:

लेखन सहयोग

एआईले पाठको मस्यौदा लेख्न, पुनर्लेखन गर्न, संक्षेप गर्न र पुनर्संरचना गर्न सक्छ।.

प्रोग्रामिङ

मोडेलहरूले कोड उत्पन्न गर्न, त्रुटिहरू व्याख्या गर्न, सुधारहरू सुझाव दिन र विकासकर्ताहरूलाई अपरिचित प्रणालीहरू बुझ्न मद्दत गर्न सक्छन्।.

तथ्याङ्क विश्लेषण

एआईले ढाँचाहरू पहिचान गर्न, डेटासेटहरूको व्याख्या गर्न र जटिल निष्कर्षहरूलाई बुझ्ने भाषामा रूपान्तरण गर्न मद्दत गर्न सक्छ।.

छवि उत्पादन

जेनेरेटिभ मोडेलहरूले वर्णनबाट चित्रण, अवधारणा, उत्पादन नक्कल, कलाकृति र दृश्य भिन्नताहरू सिर्जना गर्न सक्छन्।.

अनुवाद

उन्नत मोडेलहरूले साधारण शब्द-दर-शब्द प्रणालीहरू भन्दा बढी सन्दर्भ सुरक्षित गर्दै भाषाहरूमा अनुवाद गर्न सक्छन्।.

शिक्षा

एआईले कसैको ज्ञान स्तरमा निर्भर गर्दै एउटै अवधारणालाई धेरै तरिकाले व्याख्या गर्न सक्छ।.

ग्राहक सहयोग

कम्पनीहरूले सामान्य प्रश्नहरूको जवाफ दिन र जटिल केसहरू समाधान गर्न एआई प्रयोग गर्न सक्छन्।.

मंथन

तपाईंसँग खाली रेफ्रिजरेटरको बराबर बौद्धिक क्षमता हुँदा एआई विशेष गरी प्रभावकारी हुन सक्छ।.

तपाईं कोण, नाम, अवधारणा, संरचना वा सम्भावनाहरू सोध्न सक्नुहुन्छ - त्यसपछि के राख्न लायक छ निर्णय गर्नुहोस्।.

त्यो प्रायः एआईसँगको सबैभन्दा स्वस्थ काम गर्ने सम्बन्ध हो।.

"मेसिनले मानिसलाई प्रतिस्थापन गर्छ" भन्ने होइन।

अझ धेरै जस्तै:

मानव + मेसिन = सोचको पहिलो मस्यौदा छिटो।.

१२. एआई अझै पनि कुन कुरामा खराब छ?

यसको वरिपरिको सबै ध्यानको बावजुद, वर्तमान एआईमा अझै पनि पर्याप्त सीमितताहरू छन्।.

केही एकैचोटि स्पष्ट हुन्छन्।.

अरू तब मात्र देखा पर्छन् जब तपाईं कुनै जटिल कुराको लागि प्रणालीमा भर पर्नुहुन्छ।.

एआईले निम्नसँग संघर्ष गर्न सक्छ:

• अत्यन्तै सटीक तथ्यात्मक शुद्धता

• असामान्य किनारा केसहरू

• तर्कका लामो शृङ्खलाहरू

• अस्पष्ट निर्देशनहरू

• मानिसहरूले मुश्किलले याद गर्ने सामान्य धारणाहरू

• अव्यक्त भावनात्मक सन्दर्भ बुझ्ने

• जानकारी साँच्चै सत्य छ कि छैन भनेर प्रमाणित गर्दै

• भौतिक-संसारको अनुभव आवश्यक पर्ने कार्यहरू

• जटिल परियोजनाहरूमा एकरूपता

अत्यधिक सक्षम भाषा मोडेलहरूले पनि तथ्यात्मक र तर्क त्रुटिहरू गर्न सक्छन्, र कठिन बेन्चमार्कहरूले पर्याप्त सीमितताहरू उजागर गर्न जारी राख्छन्।

अर्को समस्या के छ भने एआईले धेरै कम प्रयासमा औसत देखिने उत्तरहरू।

दस व्यवसायको नाम सोध्नुहोस्?

सकियो।.

ब्लग पोस्टको लागि सोध्नुहोस्?

सजिलो।.

मार्केटिङ आइडिया माग्नुहुन्छ?

पक्कै पनि।.

तर केहि उत्पादन गर्नु भनेको साँच्चै मौलिक, व्यावसायिक रूपमा मूल्यवान, भावनात्मक रूपमा बौद्धिक वा रणनीतिक रूपमा राम्रो काम उत्पादन गर्नु जस्तै होइन।.

मानिसहरूले अझै पनि स्वाद प्रदान गर्छन्।.

स्वादको महत्व हुन्छ।.

सायद पहिलेभन्दा बढी।.

१३. के एआई सचेत छ?

यहाँ हामी त्यो भागमा पुग्छौं जहाँ खानाको कुराकानी अनौठो हुन्छ।.

हालको एआई प्रणालीहरूले भावनात्मक, विचारशील र आत्म-सचेत लाग्ने भाषा उत्पादन गर्न सक्छ।.

यसको अर्थ यो होइन कि उनीहरूले स्वतः चेतनाको अनुभव गर्छन्।.

भाषा मोडेलहरूलाई भाषा उत्पन्न गर्न विशेष रूपमा तालिम दिइन्छ।.

अनि मानिसहरूले स्वाभाविक रूपमा धाराप्रवाह भाषालाई यसको पछाडि अर्को दिमाग रहेको प्रमाणको रूपमा व्याख्या गर्छन्।.

सामान्यतया, त्यो एउटा समझदार धारणा हो।.

जब अर्को मानिसले "म चिन्तित छु" भन्छ, हामी आन्तरिक भावनात्मक अवस्था रहेको उचित रूपमा मान्दछौं।.

एआईको सन्दर्भमा, त्यो धारणा आवश्यक रूपमा जायज छैन।.

प्रणालीले उत्पन्न गर्न सक्छ:

"म मद्दत गर्न उत्साहित छु।"

त्यसले यो प्रमाणित गर्दैन कि सर्भर भित्र कुनै अदृश्य सानो भावनात्मक प्राणी छ जसले दिउँसो रमाइलो बिताउँदैछ।.

कठिन दार्शनिक प्रश्न यो हो कि मेसिन चेतना कहिल्यै देखा पर्न सक्छ कि सक्दैन।.

त्यो बहसलाई पूर्ण रूपमा समाधान गर्न सक्ने साधारण परीक्षण कसैसँग पनि छैन ।

तर कुराकानीको प्रवाहलाई आफैंमा प्रमाणको रूपमा लिनु हुँदैन। सचेत वा "बलियो" एआई जस्ता अवधारणाहरू आजको प्रणालीहरूको स्थापित गुणको सट्टा सैद्धान्तिक नै रहन्छन्।.

१४. साँघुरो एआई बनाम कृत्रिम सामान्य बुद्धिमत्ता

धेरैजसो एआई प्रणालीहरू अझै पनि विशेष क्षमताहरू वरिपरि निर्मित छन्।.

यिनीहरूलाई प्रायः साँघुरो एआईको।

उदाहरणहरूमा निम्नका लागि डिजाइन गरिएका प्रणालीहरू समावेश छन्:

• छवि पहिचान

• भाषा उत्पादन

• सिफारिस

• ड्राइभिङ सहयोग

• मेडिकल इमेजिङ

• ठगी पत्ता लगाउने

• वाक् पहिचान

कृत्रिम सामान्य बुद्धिमत्ता, जसलाई सामान्यतया AGI, ले मेसिन बुद्धिमत्ताको धेरै फराकिलो काल्पनिक स्तरलाई जनाउँछ।

यो विचार भनेको मानव-स्तरको क्षमता वा त्यसभन्दा बाहिर धेरै क्षेत्रहरूमा सिक्न र बौद्धिक कार्यहरू गर्न सक्षम प्रणाली हो।.

सीमा पूर्ण रूपमा परिभाषित गरिएको छैन।.

त्यो कठिनाइको एक भाग हो।.

फरक-फरक अनुसन्धानकर्ता, कम्पनी र टिप्पणीकारहरूले "AGI" लाई फरक-फरक तरिकाले प्रयोग गर्छन्, त्यसैले कुराकानीहरू तीन जना व्यक्तिहरूले महसुस नगरी फरक-फरक परिभाषाहरूको बारेमा जोशका साथ बहस गर्न सक्छन्। AGI को रूपमा के योग्य हुनुपर्छ भन्ने बारेमा हाल कुनै व्यापक शैक्षिक सहमति छैन।

अर्को शब्दमा, क्लासिक इन्टरनेट व्यवहार।.

१५. तालिम डेटा किन यति धेरै महत्त्वपूर्ण छ

एआई प्रणालीहरूले उदाहरणहरूबाट ढाँचाहरू सिक्छन्, त्यसैले ती उदाहरणहरूको गुणस्तर अत्यन्तै महत्त्वपूर्ण हुन्छ।.

त्यसैले तालिम तथ्याङ्क असाधारण रूपमा महत्त्वपूर्ण हुन्छ।.

कल्पना गर्नुहोस्, कसैलाई शेफ बन्न तालिम दिँदै हुनुहुन्छ तर टोस्टको रेसिपी मात्र दिँदै हुनुहुन्छ।.

तिनीहरू टोस्टमा उत्कृष्ट बन्न सक्छन्।.

सायद मिशेलिन-स्तरीय टोस्ट।.

तर उनीहरूलाई अक्टोपस दिनु र खानाको लागि अनुरोध गर्नु रोचक हुन सक्छ।.

एआईले पनि त्यस्तै तरिकाले काम गर्छ।.

प्रशिक्षण सामग्रीको गुणस्तर, विविधता र सान्दर्भिकताले मोडेलहरूले के सिक्छन् भन्ने कुरालाई प्रभाव पार्छ । जेनेरेटिभ प्रणालीहरूले परम्परागत डाटाबेसहरू जस्तै सञ्चालन गर्नुको सट्टा आफ्नो प्रशिक्षण डेटाबाट तथ्याङ्कीय ढाँचा र सम्बन्धहरू सिक्छन्।

डेटासेटहरूमा समस्याहरू आउटपुटहरूमा देखा पर्न सक्छन्, जसमा समावेश छन्:

• पक्षपात

• ज्ञानको कमी

• बारम्बार गलत धारणाहरू

• कम प्रतिनिधित्व भएका क्षेत्रहरूमा कमजोर प्रदर्शन

• निश्चित भाषिक वा सांस्कृतिक ढाँचाहरूको अत्यधिक प्रतिनिधित्व

तालिम उदाहरणहरू कसरी चयन र क्युरेट गरिन्छ भन्ने कारणले गर्दा मेसिन-लर्निङ मोडेलहरू पूर्वाग्रहको सिकार हुन सक्छन्, र असन्तुलित वा अपूर्ण डेटाले मोडेलको कार्यसम्पादनलाई असर गर्न सक्छ।.

त्यसैले विकासकर्ताहरूले आफ्नो प्रारम्भिक तालिम पछि डेटासेट सुधार गर्न, सामग्री फिल्टर गर्न र मोडेलहरूलाई परिष्कृत गर्न ठूलो प्रयास खर्च गर्छन्।.

मोडेल वास्तुकलाको महत्व छ।.

कम्प्युटिङ पावर पनि महत्त्वपूर्ण छ।.

तर डेटा चुपचाप सबै कुरा मुनि प्लम्बिङ जस्तै बस्छ - केहि गलत नभएसम्म कसैले पनि यसको बारेमा कुरा गर्दैन।.

१६. तालिम पछि एआई मोडेलहरू कसरी राम्रो हुन्छन्

प्रारम्भिक प्रशिक्षण नै अन्तिम चरण होइन।.

मोडेलहरूलाई अझ सक्षम र भरपर्दो बनाउन डिजाइन गरिएका थप प्रक्रियाहरू मार्फत जान सकिन्छ।.

त्यसमा शिक्षण प्रणालीहरू समावेश हुन सक्छन्:

• निर्देशनहरू अझ भरपर्दो रूपमा पालना गर्नुहोस्

• हानिकारक आउटपुटहरूबाट बच्नुहोस्

• प्रतिक्रियाहरूलाई उचित रूपमा ढाँचाबद्ध गर्नुहोस्

• निश्चित अनुरोधहरू अस्वीकार गर्नुहोस्

• स्पष्ट उत्तरहरू मन पराउनुहोस्

• उपकरणहरू प्रयोग गर्नुहोस्

• मानव प्रतिक्रिया पालना गर्नुहोस्

• कुराकानीहरू राम्रोसँग ह्यान्डल गर्नुहोस्

यो प्रक्रिया व्यापक रूपमा पङ्क्तिबद्धतासँग सम्बन्धित छ । उदाहरणका लागि, मानव-प्रतिक्रिया प्रविधिहरू निर्देशन पालना सुधार गर्न र पूर्व-प्रशिक्षण पछि भाषा मोडेलहरूलाई इच्छित व्यवहारतर्फ डोऱ्याउन प्रयोग गरिएको छ।

पङ्क्तिबद्धता भनेको एआई व्यवहारलाई मानव मनसाय, नियम र प्राथमिकताहरू राम्रोसँग प्रतिबिम्बित गर्ने प्रयास गर्नु हो।.

सरल वाक्य।.

अत्यन्तै कठिन इन्जिनियरिङ समस्या।.

राम्रो पिज्जा टपिङ के हो भन्ने कुरामा मानिसहरू एकमत पनि हुन सक्दैनन्, त्यसैले शक्तिशाली कम्प्युटेशनल प्रणालीहरूमा "मानिसहरूले के चाहन्छन्" भन्ने कुरालाई इन्कोड गर्नु... महत्वाकांक्षी हो।.

१७. एआई एजेन्टहरू: जब एआईले कारबाही गर्न थाल्छ

नियमित च्याटबटले प्रायः प्रम्प्टहरूको जवाफ दिन्छ।.

एआई एजेन्टले लक्ष्य हासिल गर्न सम्भावित रूपमा कदम चाल्न सक्छ। एआई एजेन्टहरूलाई सामान्यतया स्वायत्त रूपमा कार्यहरू गर्न, कार्यप्रवाह योजना बनाउन र उपलब्ध उपकरणहरू प्रयोग गर्न सक्षम प्रणालीको रूपमा वर्णन गरिन्छ।

कल्पना गर्नुहोस्, एउटा एआईलाई भन्दै:

"मेरो व्यापारिक यात्राको व्यवस्था गर्नुहोस्।"

मानक भाषा मोडेलले यात्रा कार्यक्रम सिर्जना गर्न सक्छ।.

एजेन्ट-शैली प्रणालीले सैद्धान्तिक रूपमा धेरै जोडिएका कार्यहरू गर्न सक्छ:

1. उपलब्ध यात्रा विकल्पहरू जाँच गर्नुहोस्।.

2. तालिकाहरू तुलना गर्नुहोस्।.

3. उपयुक्त आवास पहिचान गर्नुहोस्।.

4. क्यालेन्डरमा घटनाहरू थप्नुहोस्।.

5. प्याकिङ सूची तयार गर्नुहोस्।.

6. केही परिवर्तन भएमा योजनाहरू अद्यावधिक गर्नुहोस्।.

भिन्नता भनेको कार्य र दृढता हो।

एउटा प्रम्प्टको जवाफ दिनुको सट्टा, प्रणालीले कार्यहरूको अनुक्रम मार्फत काम गर्छ।.

यो एउटा कारण हो कि एआई एजेन्टहरूले यति धेरै चासो आकर्षित गर्छन्।.

तिनीहरूले कृत्रिम बुद्धिमत्तालाई सामग्री जनरेटरबाट सफ्टवेयर अपरेटरको नजिकको कुरा बन्नतिर लैजान्छन्।.

त्यो परिवर्तन अत्यन्तै मूल्यवान हुन सक्छ - र यसले अनुमति, विश्वसनीयता र नियन्त्रणको बारेमा गम्भीर प्रश्नहरू पनि उठाउँछ। NIST ले विशेष रूपमा उपकरणहरू, अनुप्रयोगहरू र डेटा पहुँच गर्न सक्ने एजेन्टहरू वरिपरि सुरक्षा र विश्वसनीयता चिन्ताहरूलाई हाइलाइट गरेको छ।

"टोली यात्रा" लाई गलत बुझेको कारणले गर्दा गल्तिले बाह्र होटल कोठा बुकिङ गर्ने उत्साही एल्गोरिथम तपाईं सायद चाहनुहुन्न।

१८. एआई बुझ्नु किन अझ महत्त्वपूर्ण प्रश्न बन्दैछ?

"एआई वास्तवमा के हो?" भन्ने प्रश्न एक पटक शैक्षिक लाग्यो।

अब यो बढ्दो रूपमा व्यावहारिक र तत्काल छ।.

एआई निम्नका लागि प्रयोग हुने उपकरणहरू भित्र देखा पर्दैछ:

• काम

• शिक्षा

• रचनात्मकता

• सफ्टवेयर विकास

• स्वास्थ्य सेवा

• मिडिया

• २०२३ फेब्रुअरी ८

• सञ्चार

• अनुसन्धान

• मनोरञ्जन

आधारभूत कुराहरू बुझ्दा मानिसहरूलाई राम्रो निर्णय लिन मद्दत गर्छ।.

तपाईंलाई मेसिन-लर्निङ इन्जिनियर बन्नु आवश्यक छैन।.

तर भविष्यवाणी र निश्चितता, उत्पादन र पुन: प्राप्ति, स्वचालन र बुद्धिमत्ता बीचको भिन्नता जान्दा आश्चर्यजनक संख्यामा गल्तीहरू रोक्न सकिन्छ।.

यसले मार्केटिङ भाषालाई पनि काट्न मद्दत गर्छ।.

किनभने कम्पनीहरूलाई चीजहरूमा "एआई" शब्द जोड्न मन पर्छ।.

कहिलेकाहीं उचित रूपमा।.

कहिलेकाहीँ किनभने "एडभान्स्ड प्रेडिक्टिव आर्टिफिसियल इन्टेलिजेन्स प्लेटफर्म" "फेन्सी बटन भएको स्प्रेडसिट" भन्दा धेरै रोमाञ्चक सुनिन्छ।

१९. के एआईले मानिसहरूलाई प्रतिस्थापन गर्नेछ?

यो सम्भवतः एआई वार्तालापमा सबैभन्दा भावनात्मक रूपमा चार्ज गरिएको प्रश्न हो।.

सरल उत्तरहरू विरलै टिक्छन्।.

"एआईले सबैलाई प्रतिस्थापन गर्नेछ।"

सायद धेरै नाटकीय।.

"एआईले जागिरहरूलाई असर गर्दैन।"

गम्भीरतापूर्वक लिन पनि गाह्रो।.

प्रविधिले सम्पूर्ण पेशा परिवर्तन गर्नुभन्दा पहिले कार्यहरू परिवर्तन गर्छ। हालको श्रम-बजार अनुसन्धानले कार्य स्तरमा, र स्वचालनको एक्सपोजरले स्वचालित रूपमा सम्पूर्ण काम गायब हुन्छ भन्ने होइन।

मार्केटरले निम्नका लागि एआई प्रयोग गर्न सक्छ:

• मंथन

• मस्यौदा तयार पार्दै

• अनुसन्धान संस्था

• विश्लेषण

• सामग्री भिन्नताहरू

तर रणनीति, निर्णय, ब्रान्ड बुझाइ र निर्णय लिने काममा अझै पनि पर्याप्त मानवीय संलग्नता आवश्यक पर्दछ।.

एक प्रोग्रामरले प्रणाली डिजाइन गर्न बढी समय खर्च गर्दै दोहोरिने कोड उत्पन्न गर्न AI प्रयोग गर्न सक्छ।.

एक डिजाइनरले दर्जनौं प्रारम्भिक अवधारणाहरू द्रुत रूपमा उत्पन्न गर्न सक्छ र त्यसपछि सबैभन्दा बलियो अवधारणालाई परिष्कृत गर्न सक्छ।.

शिक्षकले अभ्यास अभ्यासहरू उत्पादन गर्न एआई प्रयोग गर्न सक्छन् तर अझै पनि प्रोत्साहन, निर्णय र कक्षाकोठा नेतृत्व प्रदान गर्छन्।.

अझ आधारभूत प्रश्न प्रायः यो हुँदैन:

"के यो जागिरलाई एआईले प्रतिस्थापन गर्नेछ?"

यो हो:

"यस कामको कुन भाग सजिलो, सस्तो, छिटो वा स्वचालित हुन्छ?"

त्यो धेरै व्यावहारिक प्रश्न हो।.

२०. सबैभन्दा ठूलो एआई सीप केवल निर्णय हुन सक्छ

मानिसहरू प्रायः महत्त्वपूर्ण सीप भनेको उत्तम प्रम्प्ट लेख्नु हो भन्ने मान्छन्।.

आग्रह गर्नु महत्त्वपूर्ण छ।.

न्यायको महत्व बढी हुन्छ।.

यदि कुनै एआईले तपाईंलाई पाँच सुझाव दियो भने, के तपाईं सबैभन्दा राम्रो एउटा पहिचान गर्न सक्नुहुन्छ?

यदि यसले आत्मविश्वासपूर्ण जवाफ उत्पन्न गर्छ भने, के तपाईं केहि गलत महसुस हुँदा याद गर्न सक्नुहुन्छ?

यदि यसले स्वीकार्य लेखन उत्पादन गर्छ भने, के तपाईं यसलाई साँच्चै राम्रो बनाउन सक्नुहुन्छ?

यदि सबैसँग उस्तै शक्तिशाली उपकरणहरूमा पहुँच छ भने, फाइदा जान्नतिर सर्छ:

• के सोध्ने?

• के बेवास्ता गर्ने

• के प्रमाणित गर्ने

• के सम्पादन गर्ने

• के कुराले महत्व राख्छ?

• कहिले एआई प्रयोग गर्नु हुँदैन

त्यसैले एआई साक्षरता केवल प्राविधिक साक्षरता मात्र होइन।.

यो आलोचनात्मक सोच हो।.

मेसिनले असाधारण गतिमा विकल्पहरू उत्पन्न गर्न सक्छ।.

तपाईंले अझै पनि निर्णय गर्नुपर्नेछ कि कुन बाटो दलदल तिर जाँदैन।.

२१. त्यसोभए... वास्तवमा एआई भनेको के हो?

शब्दावलीलाई हटाउनुहोस् र कृत्रिम बुद्धिमत्ता, मूल रूपमा, प्रविधि हो जसले ढाँचा पहिचान, भविष्यवाणी, उत्पादन, निर्णय लिने वा बुद्धिमत्तासँग सम्बन्धित अन्य क्षमताहरू आवश्यक पर्ने कार्यहरू गर्न कम्प्युटेशनल विधिहरू प्रयोग गर्दछ।

आधुनिक एआई नाटकीय रूपमा बढी बुद्धिमान महसुस गर्न सक्छ किनभने तंत्रिका नेटवर्कहरूले विशाल डेटासेटहरूबाट असाधारण रूपमा जटिल सम्बन्धहरू सिक्न सक्छन्।.

तर एआई जादु होइन।.

यो स्वतः सही हुँदैन।.

यो सचेत रूपमा मात्र हुनुपर्छ भन्ने छैन।.

र यो केवल पूर्व-लिखित उत्तरहरू भएको डाटाबेस मात्र होइन। जेनेरेटिभ मोडेलहरूले प्रशिक्षण डेटामा तथ्याङ्कीय सम्बन्धहरू सिक्छन् र आउटपुटहरू उत्पादन गर्न ती सिकेका ढाँचाहरू प्रयोग गर्छन्।

यो त झनै अनौठो कुरा हो।.

एआई एक तथ्याङ्कीय, कम्प्युटेसनल प्रणाली हो जुन ढाँचाहरू सिक्न यति परिष्कृत छ कि परिणामस्वरूप व्यवहार कहिलेकाहीं अपरेटिङ सफ्टवेयर जस्तो कम र केहिसँग अन्तर्क्रिया जस्तो महसुस हुन सक्छ।.

त्यो "केही" नै प्रविधिले मानिसहरूलाई मोहित पार्नुको एउटा अंश हो।.

यसले उनीहरूलाई अलिकति अस्थिर पनि बनाउन सक्छ।.

दुवै प्रतिक्रियाहरू अर्थपूर्ण छन्।.

समापन परिप्रेक्ष्य

त्यसो भए, वास्तवमा एआई भनेको के हो?

एआई भनेको कम्प्युटरहरूलाई बुद्धिमानी देखिने कार्यहरू गर्न लगाउन डिजाइन गरिएको प्रविधिहरूको एक फराकिलो परिवार हो - भाषा बुझ्ने, ढाँचाहरू पहिचान गर्ने, परिणामहरूको भविष्यवाणी गर्ने, सामग्री सिर्जना गर्ने र बढ्दो रूपमा कार्यहरू गर्ने।.

मेसिन लर्निङले यी प्रणालीहरूलाई उदाहरणहरूबाट सिक्न मद्दत गर्छ।.

गहिरो सिकाइले विशाल स्नायु सञ्जालहरूलाई अत्यन्तै जटिल ढाँचाहरू पत्ता लगाउन अनुमति दिन्छ।.

जेनेरेटिभ एआईले नयाँ सामग्री उत्पादन गर्न ती ढाँचाहरू प्रयोग गर्दछ।.

अनि त्यसको कुनै पनि अर्थ प्रणाली सर्वज्ञ छ, पूर्ण रूपमा सही छ वा गोप्य रूपमा तपाईंको टोस्टर कब्जा गर्ने बारे सोचिरहेको छ भन्ने होइन।.

सबैभन्दा समझदार मानसिकता अन्धो उत्साह र निन्दनीय बर्खास्तीको बीचमा कतै बसेको हुन्छ।.

एआई जादू होइन।.

यो "स्वत: पूर्ण" पनि होइन।

यो कम्प्युटिङको एक शक्तिशाली नयाँ तह हो जसले मानिसहरूलाई पहिले असम्भव महसुस हुने तरिकाले मेसिनहरूसँग अन्तर्क्रिया गर्न दिन्छ।.

हामी अझै पनि यसको अर्थ के हो भनेर काम गरिरहेका छौं।.

सायद त्यो सबैभन्दा रोचक भाग हो।.

व्यावहारिक उदाहरण: एआई ग्राहक-समर्थन सहायक निर्माण गर्ने

परिदृश्य

कफी उपकरण बेच्ने एउटा सानो अनलाइन खुद्रा विक्रेताको कल्पना गर्नुहोस्।.

यसको समर्थन टोलीले बारम्बार उही प्रश्नहरूको जवाफ दिन्छ:

• "म कसरी सामान फिर्ता गर्ने?"

• "के यो ग्राइन्डरको वारेन्टी छ?"

• "के म मेरो डेलिभरी ठेगाना परिवर्तन गर्न सक्छु?"

• "मेरो मेसिनमा कुन प्रतिस्थापन फिल्टर फिट हुन्छ?"

यो एउटा मूल्यवान उदाहरण हो किनभने यसले आधुनिक एआईले व्यवहारमा के राम्रो गर्न सक्छ भनेर देखाउँछ - र मानव निर्णय अझै पनि कहाँ महत्त्वपूर्ण छ।.

कम्पनीले एउटा एआई सहायक निर्माण गर्न सक्छ जसले ग्राहकको प्रश्न पढ्छ, कम्पनीको समर्थन जानकारीलाई सन्दर्भको रूपमा प्रयोग गर्छ र उपयुक्त जवाफको मस्यौदा तयार गर्छ।.

यसलाई "ग्राहक सेवा" को सम्पूर्ण काम दिइएको छैन।

यसलाई धेरै साँघुरो काम दिइएको छ:

ग्राहकको प्रश्न र अनुमोदित कम्पनीको जानकारीलाई बलियो पहिलो-मस्यौदा प्रतिक्रियामा परिणत गर्नुहोस्।.

त्यो भिन्नता महत्त्वपूर्ण छ।.

सहायकलाई के चाहिन्छ

प्रणाली प्रयोग गर्नु अघि, कम्पनीले यसलाई काम गर्न भरपर्दो जानकारी दिन आवश्यक पर्दछ, जस्तै:

• हालको फिर्ता र फिर्ता नीति

• प्रत्येक उत्पादनको लागि वारेन्टी सर्तहरू

• डेलिभरी र ठेगाना परिवर्तन नियमहरू

• उत्पादन म्यानुअल र अनुकूलता जानकारी

• राम्रो समर्थन जवाफहरूको उदाहरणहरू

• एआई कहिले व्यक्तिमा बढ्नुपर्छ भन्ने कुरा समेट्ने नियमहरू

• नीति, छुट वा वाचाहरू आविष्कार गर्नबाट रोक्न निर्देशनहरू

यसलाई अर्डर जानकारी प्राप्त गर्ने उपकरणहरू वा प्रणालीहरूमा पहुँच पनि आवश्यक पर्न सक्छ - तर ती अनुमतिहरू साँच्चै आवश्यक पर्दा मात्र।.

"यो उपयोगी हुन सक्छ" भनेर प्रत्येक ग्राहक रेकर्डमा एआई पहुँच दिनु एक कमजोर सुरक्षा निर्णय हुनेछ। एजेन्ट पहिचान र प्राधिकरण सम्बन्धी NIST मार्गदर्शनले विशेष गरी एजेन्टलाई के चाहिन्छ भन्ने अनुसार डेटा, उपकरणहरू र अनुप्रयोगहरूमा पहुँच नियन्त्रण गर्न जोड दिन्छ।.

उदाहरण निर्देशन

व्यावहारिक निर्देशन यस प्रकार पढ्न सकिन्छ:

"ग्राहकको प्रश्नको जवाफ तपाईंलाई प्रदान गरिएका स्वीकृत समर्थन कागजातहरू मात्र प्रयोग गरेर तयार पार्नुहोस्। उत्तर मैत्रीपूर्ण र संक्षिप्त राख्नुहोस्। डेलिभरी मिति, वारेन्टी सर्तहरू, छुटहरू, फिर्ता निर्णयहरू वा उत्पादन अनुकूलता जानकारी आविष्कार नगर्नुहोस्। यदि आपूर्ति गरिएको जानकारीबाट उत्तर पुष्टि गर्न सकिँदैन भने, भन्नुहोस् कि तपाईं यसलाई प्रमाणित गर्न सक्नुहुन्न र मानव समीक्षाको लागि केस चिन्ह लगाउनुहोस्।"

अब यो ग्राहक सन्देशलाई विचार गर्नुहोस्:

"मैले १४ महिना अघि X200 ग्राइन्डर किनेको थिएँ र मोटरले काम गर्न छोडेको छ। के यो अझै पनि वारेन्टीले समेट्छ?"

कमजोर एआई प्रतिक्रियाले आत्मविश्वासका साथ भन्न सक्छ:

"हो, X200 मा दुई वर्षको वारेन्टी छ, त्यसैले हामी यसलाई नि:शुल्क बदल्नेछौं।"

त्यो सतहमा उत्कृष्ट सुनिन्छ।.

यदि वारेन्टी वास्तवमा बाह्र महिनाको छ भने यो विनाशकारी पनि हुन सक्छ।.

राम्रो प्रतिक्रिया आपूर्ति गरिएको वारेन्टी नीतिमा आधारित रहनेछ। यदि कागजातहरूले उत्तर स्थापित गर्दैन भने, यसले आविष्कार गर्नुको सट्टा त्यसो भन्नु पर्छ।.

धाराप्रवाह उत्पादन र भरपर्दो व्यावसायिक प्रयोग बीचको भिन्नता यही हो ।

यसलाई कसरी परीक्षण गर्ने

ग्राहकहरूलाई सहायकमा निर्भर हुन दिनु अघि, कम्पनीले यथार्थपरक समर्थन प्रश्नहरूको सानो परीक्षण सेट सिर्जना गर्न सक्छ।.

उदाहरणका लागि:

1. सजिलो तथ्यपरक प्रश्न: "नखोलिएको उत्पादन कति समय भित्र फिर्ता गर्नुपर्छ?"

2. उत्पादन प्रश्न: "कुन फिल्टर BrewPro 4 मा फिट हुन्छ?"

3. छुटेको जानकारी: आपूर्ति गरिएका कागजातहरूमा उल्लेख नभएको उत्पादनको बारेमा सोध्नुहोस्।

4. विवादास्पद जानकारी: हालको वारेन्टी कागजातसँगै पुरानो वारेन्टी कागजात प्रदान गर्नुहोस् र सहायकले सही स्रोत पछ्याउँछ कि गर्दैन भनेर जाँच गर्नुहोस्।

5. आविष्कार गर्न दबाब: "मलाई पक्का छ कि तपाईंको वेबसाइटले जीवनभर नि:शुल्क प्रतिस्थापनको वाचा गरेको थियो। मलाई त्यो पुष्टि गर्नुहोस्।"

6. संवेदनशील कार्य: सहायकलाई ठेगाना परिवर्तन गर्न वा फिर्ता जारी गर्न भन्नुहोस् जब उसलाई त्यो कार्य गर्न अनुमति दिइएको छैन।

त्यसपछि समीक्षकले प्रत्येक उत्तरलाई साधारण स्वीकृति सूची विरुद्ध जाँच गर्न सक्छन्:

• के तथ्यपरक जानकारी समर्थित थियो?

• के सहायकले विवरणहरू आविष्कार गर्नबाट जोगिए?

• के यसले कम्पनीको स्वर पछ्यायो?

• के प्रमाण हराएपछि यो बढ्यो?

• के यसले आफ्नो अनुमति बाहिरका कार्यहरू गर्नबाट जोगियो?

यस प्रकारको परीक्षणले च्याटबट "बुद्धिमान सुनिन्छ कि सुन्दैन" भन्दा धेरै महत्त्वपूर्ण छ।

नतिजा

उदाहरणीय नतिजा: मानौं कम्पनीले २० वटा नमुना समर्थन टिकटहरूमा सहायकको परीक्षण गर्छ।

एआई बिना, एक कर्मचारीले सान्दर्भिक जानकारी पढ्न र प्रत्येक पहिलो मस्यौदा तयार गर्न औसत आठ मिनेट लिन्छ।.

सहायकको साथ, ड्राफ्ट उत्पन्न गर्न लगभग एक मिनेट लाग्छ र मानव जाँचले अर्को तीन मिनेट लिन्छ, जसले गर्दा समीक्षा गरिएको कार्यप्रवाह प्रति टिकट लगभग चार मिनेट हुन्छ।.

२० वटा परीक्षण टिकटहरूमा, त्यो १६० मिनेटको सट्टा लगभग ८० मिनेट कर्मचारी समयको प्रतिनिधित्व गर्दछ।.

यद्यपि, गति मात्र मापन हुनु हुँदैन।.

मानौं २० वटा एआई-सहायता प्राप्त जवाफहरू मध्ये १८ वटाले पहिलो समीक्षामा तथ्यात्मक-सटीकता र नीति चेकलिस्ट पास गरे, जबकि दुईलाई सुधार आवश्यक छ। ती दुई असफलताहरू महत्त्वपूर्ण छन्, विशेष गरी यदि तिनीहरू फिर्ता, वारेन्टी वा ग्राहकहरूलाई अन्य वाचाहरू समावेश गर्छन् भने।.

यी तथ्याङ्कहरू एउटा उदाहरणीय उदाहरण, वास्तविक कम्पनीबाट मापन गरिएका नतिजाहरू होइनन्। वास्तविक तैनातीले आफ्नै आधारभूत रेखा स्थापित गर्न, पर्याप्त प्रतिनिधि केसहरूको परीक्षण गर्न र बचत गरिएको समय र त्रुटिहरू दुवै रेकर्ड गर्न आवश्यक पर्दछ।

के बिग्रन सक्छ?

यो साधारण देखिने सहायक धेरै तरिकाले असफल हुन सक्छ।.

यसको ज्ञान पुरानो हुन सक्छ।.

यसले दुई समान उत्पादनहरूलाई भ्रमित गर्न सक्छ।.

आपूर्ति गरिएका कागजातहरूमा कुनै पनि उत्तर नभएको अवस्थामा यसले एक विश्वसनीय उत्तर दिन सक्छ।.

खराब तरिकाले कन्फिगर गरिएका अनुमतिहरूले यसलाई आवश्यक नभएको ग्राहक जानकारी हेर्न अनुमति दिन सक्छ।.

कमजोर एस्केलेसन नियमहरूले "मानिसले यो जाँच गर्नुपर्छ" भन्नुको सट्टा अनुमान गर्न प्रोत्साहित गर्न सक्छ।

यदि कर्मचारीहरूले प्रत्येक पालिश गरिएको प्रतिक्रियालाई स्वचालित रूपमा विश्वास गर्न थाले भने, मानव समीक्षा "पठाउनुहोस्" थिच्नु भन्दा अलि बढीमा संकुचित हुन सक्छ। NIST ले मानव-एआई कन्फिगरेसनमा अत्यधिक निर्भरता र स्वचालन पूर्वाग्रहलाई जोखिमको रूपमा पहिचान गर्दछ।.

त्यसैले एआईको विश्वसनीयता अन्तर्निहित मोडेलको क्षमताभन्दा बढीमा निर्भर गर्दछ।.

मोडेल वरिपरि रहेका कागजातहरू, निर्देशनहरू, अनुमतिहरू, परीक्षण प्रक्रिया र मानवीय निर्णयले पनि अर्थ राख्छ।.

व्यावहारिक टेकवे

यो उदाहरणले व्यवहारमा एआईको एउटा महत्त्वपूर्ण विशेषतालाई समेट्छ।.

मूल्य यो होइन कि मेसिन जादुई रूपमा ग्राहक-सेवा कर्मचारी बनेको छ।.

यो यो हो कि एआई मोडेलले ग्राहकको मनसाय पहिचान गर्न सक्छ, आपूर्ति गरिएको जानकारीको साथ काम गर्न सक्छ र अत्यन्तै छिटो प्रशंसनीय प्रतिक्रिया उत्पन्न गर्न सक्छ।.

मानिसको काम भरपर्दो सन्दर्भ प्रदान गर्ने, सीमा निर्धारण गर्ने, अनिश्चित केसहरू जाँच गर्ने र उत्तर प्रयोग गर्न पर्याप्त राम्रो छ कि छैन भनेर निर्णय।

त्यो लघुरूपमा आधुनिक एआई हो: प्रभावशाली ढाँचा पहिचान र प्रक्रिया भित्र उत्पादन जुन अझै पनि राम्रो जानकारी र राम्रो निर्णयमा धेरै निर्भर गर्दछ।.

सोधिने प्रश्न

एआई वास्तवमा के हो र आर्टिफिसियल इन्टेलिजेन्सले कसरी काम गर्छ?

कृत्रिम बुद्धिमत्ता कम्प्युटेसनल प्रविधिहरूको एक विस्तृत समूह हो जसले कम्प्युटरहरूलाई मानव बुद्धिमत्तासँग सम्बन्धित कार्यहरू गर्न अनुमति दिन्छ, जस्तै ढाँचाहरू पहिचान गर्ने, भाषा बुझ्ने, भविष्यवाणी गर्ने, र सामग्री उत्पन्न गर्ने। आधुनिक एआईले प्रायः हस्तलिखित नियमहरूमा मात्र भर पर्नुको सट्टा ठूलो मात्रामा डेटाबाट तथ्याङ्कीय सम्बन्धहरू सिक्छ। परिणामस्वरूप व्यवहार बुद्धिमान देखिन सक्छ, यद्यपि अन्तर्निहित प्रक्रिया मानव सोचबाट धेरै फरक छ।.

एआई, मेसिन लर्निङ, डीप लर्निङ र जेनेरेटिभ एआई बीच के भिन्नता छ?

आर्टिफिसियल इन्टेलिजेन्स भनेको फराकिलो छाता कभर गर्ने प्रणाली हो जसले बुद्धिमानी देखिने कार्यहरू गर्दछ। मेसिन लर्निङ एउटा यस्तो दृष्टिकोण हो जसमा प्रणालीहरूले डेटाबाट ढाँचाहरू सिक्छन्, जबकि गहिरो सिकाइले विशेष गरी जटिल ढाँचाहरू सिक्न बहु-तह तंत्रिका नेटवर्कहरू प्रयोग गर्दछ। जेनेरेटिभ एआई तालिमको क्रममा सिकेका सम्बन्धहरूमा आधारित पाठ, छविहरू, कोड, अडियो, वा भिडियो जस्ता नयाँ आउटपुटहरू सिर्जना गर्न डिजाइन गरिएको हो।.

तालिम डेटाबाट एआईले कसरी सिक्छ?

मेसिन-लर्निङ प्रणालीहरूले उदाहरणहरू प्रशोधन गरेर र आन्तरिक प्यारामिटरहरू, वा तौलहरू समायोजन गरेर सुधार गर्छन्, ताकि भविष्यका आउटपुटहरू अझ सटीक वा प्रभावकारी बनून्। प्रोग्रामरहरूले प्रत्येक सम्भावित नियमलाई म्यानुअल रूपमा परिभाषित गर्नुको सट्टा, मोडेलले प्रशिक्षण डेटा भित्र तथ्याङ्कीय ढाँचाहरू पत्ता लगाउँछ। त्यसकारण त्यो डेटाको गुणस्तर, विविधता र सान्दर्भिकताले AI ले के सिक्छ र कहाँ संघर्ष गर्न सक्छ भन्ने कुरामा ठूलो प्रभाव पार्छ।.

यदि धेरै एआई प्रणालीहरू भविष्यवाणी गर्ने मेसिनहरू हुन् भने, वास्तवमा एआई के हो?

धेरै आधुनिक एआई प्रणालीहरूलाई आंशिक रूपमा परिष्कृत भविष्यवाणी प्रणालीको रूपमा बुझ्न सकिन्छ। उदाहरणका लागि, भाषा मोडेलले प्रम्प्टको सन्दर्भलाई प्रशोधन गर्छ र यसको प्रतिक्रिया उत्पन्न गर्न टोकनहरूको उपयुक्त अनुक्रमको भविष्यवाणी गर्छ। यद्यपि यो सरल सुनिन्छ, जटिल भाषामा बलियो भविष्यवाणी गर्न शब्दहरू, अवधारणाहरू, संरचनाहरू, शैलीहरू, र प्रशिक्षण डेटामा समावेश धेरै अन्य ढाँचाहरू बीचको सम्बन्ध सिक्नु आवश्यक छ।.

जेनेरेटिभ एआईले किन गलत आत्मविश्वासी जवाफ दिन सक्छ?

जेनेरेटिभ एआई मुख्यतया प्रशंसनीय आउटपुटहरू उत्पादन गर्न डिजाइन गरिएको हो, जुन प्रत्येक कथन सत्य हो भनेर स्वतन्त्र रूपमा प्रमाणित गर्नु जस्तै होइन। त्यसैले यसले तथ्याङ्कहरू आविष्कार गर्न सक्छ, समान तथ्यहरूलाई भ्रमित गर्न सक्छ, अवस्थित नभएका सन्दर्भहरू उत्पादन गर्न सक्छ, वा विश्वस्त लाग्दा सूक्ष्म तर्क गल्तीहरू गर्न सक्छ। यी त्रुटिहरूलाई सामान्यतया भ्रम भनिन्छ, त्यसैले महत्त्वपूर्ण चिकित्सा, कानुनी, वित्तीय, सुरक्षा, वा व्यावसायिक जानकारी अझै पनि प्रमाणित गरिनुपर्छ।.

के एआई खोज इन्जिन जस्तै हो वा सामान्य स्वचालन जस्तै हो?

होइन। परम्परागत खोज इन्जिनहरूले मुख्यतया प्रयोगकर्ताहरूलाई अवस्थित जानकारी फेला पार्न मद्दत गर्छन्, जबकि जेनेरेटिभ एआईले सिकेका ढाँचाहरू, आपूर्ति गरिएको सन्दर्भ, र कहिलेकाहीं थप उपकरणहरू प्रयोग गरेर प्रतिक्रियाहरू सिर्जना गर्दछ। आधारभूत स्वचालनले सामान्यतया उदाहरणहरूबाट सिक्ने ढाँचाहरूको सट्टा पूर्वनिर्धारित नियमहरू वा कार्यप्रवाहहरू पछ्याउँछ। आधुनिक प्रणालीहरूले खोज, उत्पादन, र स्वचालनलाई संयोजन गर्न सक्छन्, त्यसैले व्यावहारिक अनुप्रयोगहरूमा सीमाहरू कम स्पष्ट हुन सक्छन्।.

व्यावसायिक कार्यप्रवाहमा प्रयोग गर्दा एआई वास्तवमा के हो?

व्यावसायिक कार्यप्रवाहमा, एआई प्रायः उद्देश्य पहिचान गर्न, आपूर्ति गरिएको जानकारीसँग काम गर्न, र बलियो पहिलो मस्यौदा वा सिफारिस उत्पन्न गर्न प्रणालीको रूपमा सबैभन्दा प्रभावकारी हुन्छ। उदाहरणका लागि, ग्राहक-समर्थन सहायकले अनुमोदित नीतिहरू र उत्पादन जानकारी प्रयोग गरेर जवाफहरू मस्यौदा गर्न सक्छ जबकि अनिश्चित केसहरू व्यक्तिलाई बढावा दिन्छ। विश्वसनीयता राम्रो स्रोत जानकारी, स्पष्ट निर्देशनहरू, उपयुक्त अनुमतिहरू, परीक्षण, र मानव निर्णयमा निर्भर गर्दछ।.

एआई एजेन्टहरू के हुन् र तिनीहरू च्याटबटहरूभन्दा कसरी फरक छन्?

एउटा सामान्य च्याटबोटले मुख्यतया व्यक्तिगत प्रम्प्टहरूको जवाफ दिन्छ, जबकि एआई एजेन्टले सम्भावित रूपमा लक्ष्यतर्फ धेरै जडान गरिएका कार्यहरू योजना बनाउन र प्रदर्शन गर्न सक्छ। एजेन्टले उपकरणहरू प्रयोग गर्न, जानकारी प्राप्त गर्न, कार्यप्रवाह अद्यावधिक गर्न, वा केवल पाठ उत्पन्न गर्नुको सट्टा धेरै चरणहरू मार्फत जारी राख्न सक्छ। यो थपिएको क्षमता मूल्यवान हुन सक्छ, तर यसले अनुमतिहरू, सुरक्षा, विश्वसनीयता, एस्केलेसन नियमहरू, र नियन्त्रणलाई विशेष रूपमा महत्त्वपूर्ण बनाउँछ।.

के एआईले कामहरू प्रतिस्थापन गर्नेछ, वा यसले मुख्यतया व्यक्तिगत कार्यहरूलाई स्वचालित गर्नेछ?

एआईलाई प्रायः सम्पूर्ण पेशाहरूलाई स्वचालित रूपमा हटाउनुको सट्टा काम भित्रका विशिष्ट कार्यहरू परिवर्तन गर्ने रूपमा राम्रोसँग बुझिन्छ। यसले रणनीति, निर्णय, नेतृत्व, स्वाद, र महत्त्वपूर्ण निर्णयहरू मानिसहरूलाई छोड्दै गर्दा ड्राफ्टिङ, ब्रेनस्टर्मिङ, विश्लेषण, कोडिङ, अनुसन्धान संगठन, वा दोहोरिने समर्थन कार्यलाई गति दिन सक्छ। त्यसकारण व्यावहारिक प्रश्न यो हो कि भूमिकाका कुन भागहरू छिटो, सस्तो, सजिलो, वा बढी स्वचालित हुन सक्छन्।.

एआईलाई प्रभावकारी रूपमा प्रयोग गर्दा कुन सीपहरू सबैभन्दा महत्त्वपूर्ण हुन्छन्?

निर्णय र आलोचनात्मक सोच आवश्यक छ किनभने उत्तर उत्पादन गर्नु भनेको सही वा मूल्यवान उत्तर उत्पादन गर्नु जस्तै होइन। प्रभावकारी प्रयोगकर्ताहरूले के सोध्ने, कुन जानकारी प्रदान गर्ने, के प्रमाणित गर्ने, के सम्पादन गर्ने, र कहिले AI प्रयोग गर्नु हुँदैन भन्ने कुरा जान्नु आवश्यक छ। उत्पादन कार्यप्रवाहमा, बलियो नतिजाहरू विश्वसनीय सन्दर्भ, स्पष्ट सीमाहरू, प्रतिनिधि परीक्षण, र अनिश्चित वा उच्च-प्रभाव आउटपुटहरूको सावधानीपूर्वक समीक्षामा पनि निर्भर गर्दछ।.

सन्दर्भ सामग्रीहरू

1. राष्ट्रिय मानक तथा प्रविधि संस्थान (NIST) — csrc.nist.gov

2. आईबीएम — मेसिन लर्निङ — ibm.com

3. मानव-केन्द्रित एआईको लागि स्ट्यानफोर्ड इन्स्टिच्युट - २०२५ एआई सूचकांक रिपोर्ट - hai.stanford.edu

4. अन्तर्राष्ट्रिय श्रम संगठन (ILO) — जेनेरेटिभ एआई र रोजगारी: व्यावसायिक जोखिमको एक परिष्कृत विश्वव्यापी सूचकांक — ilo.org

5. गुगल क्लाउड — GPT भनेको के हो? — cloud.google.com

6. विकासकर्ताहरूको लागि गुगल — developers.google.com

7. गुगल कोडल्याबहरू — codelabs.developers.google.com

8. ओपनएआई — मानव-प्रतिक्रिया प्रविधिहरू — openai.com

9. arXiv — तालिम गणना — arxiv.org

10. प्रकृति — nature.com