समाचारं

ख-पक्षस्य कलाकृतिः आगच्छति वा ?Microsoft SpreadsheetLLM इति विमोचयति, यत् Excel इत्यस्मिन् AI क्षमतायां महत्त्वपूर्णं सुधारं कर्तुं शक्नोति

2024-07-16

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

१२ तमे दिनाङ्के माइक्रोसॉफ्ट् इत्यनेन नूतनं बृहत्-स्तरीयं भाषा-प्रतिरूपं प्रकाशितम्, एक्सेल-गुगल-शीट् इत्यादीनां स्प्रेड्शीट्-अनुप्रयोगानाम् कृते नूतनं AI-बृहत्-भाषा-प्रतिरूपं-SpreadsheetLLM इति विकसितुं योजना अस्ति

माइक्रोसॉफ्ट् इत्यनेन पत्रे दर्शितं यत् SpreadsheetLLM इत्यस्य नूतनस्य AI मॉडलस्य रूपेण जटिलस्प्रेड्शीट्-दत्तांशस्य अवगमनाय, संसाधनाय च व्यापकरूपेण उपयोगः भविष्यति ।

स्प्रेडशीटएलएलएम इत्यत्र स्प्रेडशीट्-दत्तांशप्रबन्धनं विश्लेषणं च परिवर्तयितुं क्षमता अस्ति, येन चतुरतर-अधिक-कुशल-उपयोक्तृ-अन्तर्क्रियाणां मार्गः प्रशस्तः भवति ।

एतेन लेखाधिकारिणः, आँकडाविश्लेषकाः च स्वस्य भविष्यस्य कार्यसंभावनायाः विषये चिन्तिताः भवितुम् अर्हन्ति । सामाजिकमञ्चे X इत्यत्र नेटिजनाः विनोदं कृतवन्तः यत् "करेन् इत्यस्याः कार्यस्य स्थाने शीघ्रमेव कृत्रिमबुद्धिः भविष्यति" इति ।

'करेन् शीघ्रमेव कार्यात् बहिः भवेत्'।

शोधकर्तारः दर्शितवन्तः यत् वर्तमानस्प्रेड्शीट्-अनुप्रयोगाः विशेषता-समृद्धाः सन्ति तथा च उपयोक्तृभ्यः विन्यासे प्रारूपे च बहूनां विकल्पान् प्रदास्यन्ति, येन पारम्परिक-एआइ-बृहत्-भाषा-प्रतिमानानाम् स्प्रेड्शीट्-प्रक्रियाकरणे प्रभावी भवितुं कठिनं भवति स्प्रेड्शीट्LLM इति एआइ मॉडल् विशेषतया स्प्रेड्शीट् अनुप्रयोगानाम् कृते विनिर्मितम् अस्ति ।

Microsoft इत्यनेन SpreadsheetLLM इत्यस्य स्प्रेड्शीट्-दत्तांशं अधिकतया अवगन्तुं, संसाधितुं च सहायतार्थं SheetCompressor (compressed spreadsheet) इति साधनम् अपि विकसितम् ।


शोधकर्तारः वदन्ति यत् SpreadsheetLLM इत्यस्य सम्भाव्यप्रयोगाः नियमितदत्तांशविश्लेषणकार्यस्य स्वचालितीकरणात् आरभ्य स्प्रेडशीट्दत्तांशस्य आधारेण बुद्धिमान् अन्वेषणं अनुशंसां च प्रदातुं यावत् सन्ति उदाहरणार्थं, SpreadsheetLLM इत्यस्य उपयोगः स्वयमेव वित्तीयप्रतिवेदनानि जनयितुं, आँकडासु विसंगतयः अथवा प्रवृत्तयः चिन्तयितुं, ग्राहकानाम् व्यक्तिगतं उत्पादं वा सेवां वा अनुशंसां प्रदातुं, इत्यादीनि च कर्तुं शक्यते

फलतः SpreadsheetLLM इत्यस्य क्षमता अस्ति यत् व्यावसायिकाः आँकडानां संचालनस्य मार्गे क्रान्तिं कर्तुं शक्नुवन्ति ।

एकः उपयोक्ता दावान् अकरोत् यत् "SQL लिखितुं शक्नुवन् LLM सम्पूर्णं data engineering उद्योगं यथा वयं जानीमः तथा मारयिष्यति।"


अन्यः लिखितवान् यत् "SaaS गहने विपत्तौ अस्ति" इति ।


"एतेन वित्तीयसमुदाये महत् प्रभावः भविष्यति"।


पेन्सिल्वेनियाविश्वविद्यालयस्य व्हार्टन् विद्यालये सहायकप्रोफेसरः एतान मोलिकः ट्विट्टरे लिखितवान् यत् “एतत् अन्यत् संकेतं यत् एलएलएम शीघ्रमेव संरचितं असंरचितं च स्प्रेडशीट्-आँकडां सम्पादयितुं समर्थः भविष्यति एतेन बहवः उपयोगप्रकरणाः (भविष्यवाणी , वित्तीयः, अनलॉक् भवन्ति। मूल्याङ्कनम् इत्यादयः), तथा च सत्यस्य स्प्रेड्शीट् स्रोतः भवति चेत् भ्रमस्य न्यूनीकरणं भवति” इति ।


SpreadsheetLLM कथं कार्यं करोति ?

स्प्रेडशीटएलएम स्प्रेड्शीट्-दत्तांशं एकस्मिन् प्रारूपे एन्कोड् कृत्वा कार्यं करोति यत् बृहत्भाषा-प्रतिमानाः (LLMs) अवगन्तुं शक्नुवन्ति, येन LLM-जनाः स्प्रेड्शीट्-दत्तांशस्य विषये तर्कं दातुं, आँकडानां विषये प्रश्नानाम् उत्तरं दातुं, प्राकृतिकभाषा-प्रोम्प्ट्-आधारित-नवीन-स्प्रेड्शीट्-जननमपि कर्तुं शक्नुवन्ति

SpreadsheetLLM इत्यस्य हृदये "SheetCompressor" इति रूपरेखा अस्ति, यत् प्रभावीरूपेण स्प्रेड्शीट्-दत्तांशं संपीडयति, एन्कोड् करोति च, येन LLM इत्यनेन सह प्रक्रियां सुलभं भवति । SheetCompressor इत्यस्मिन् त्रयः मॉड्यूलाः सन्ति : १.

▲ संरचनात्मकं लंगर-आधारितं संपीडनम् : LLM इत्यस्य आँकडानां संरचनां अवगन्तुं सहायतार्थं सम्पूर्णे स्प्रेडशीट् मध्ये “संरचनात्मकलंगराः” स्थापयन्तु।
▲उलट अनुक्रमणिका अनुवादः : स्प्रेडशीट् अधिकसंकुचितरूपेण परिवर्तयन्तु तथा च अनावश्यकदत्तांशं समाप्तं कुर्वन्तु।
▲दत्तांशस्वरूप-जागरूकसमुच्चयः: संख्यास्वरूपस्य आँकडाप्रकारस्य च आधारेण समीपस्थकोशिकानां समूहीकरणं कुर्वन्तु।


SHEETCOMPRESSOR-रूपरेखायाः चित्रणम् (चित्रम्: Microsoft)

Microsoft इत्यस्य अनुसारं SpreadsheetLLM स्प्रेड्शीट्-परिचय-कार्यस्य कार्यक्षमतां महत्त्वपूर्णतया सुधारयति, GPT4 इत्यस्य सन्दर्भ-शिक्षण-सेटिंग्-मध्ये साधारण-विधिभ्यः 25.6% अधिकं प्रदर्शनं करोति, टोकन-उपयोगस्य व्ययस्य 96% न्यूनीकरणं करोति, उत्तम-प्रक्रिया-परिणामं च प्रदाति

सम्प्रति Microsoft इत्यनेन न घोषितं यत् SpreadsheetLLM कदा जनसामान्यं प्रति विमोचितं भविष्यति। पत्रं दर्शयति यत् मॉडलस्य अद्यापि काश्चन सीमाः सन्ति, यथा जटिलं वा अत्यन्तं संरचितं वा दत्तांशं अवगन्तुं तस्य क्षमता अद्यापि सीमितं वर्तते, SheetCompressor वर्तमानकाले प्राकृतिकभाषा युक्तानि कोष्ठकानि संपीडयितुं न शक्नोति इत्यादि