समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

(चित्रस्य स्रोतः: unsplash)

अधुना एव “बृहत् मॉडल् ९.११ अथवा ९.९ बृहत्तरं इति निर्धारयितुं न शक्नोति” इति विषये एकः वार्ता चर्चां प्रेरितवती ।

यदा कश्चन उपयोक्ता देशे विदेशे च १२ बृहत् एआइ मॉडल् पृष्टवान्, यत्र GPT-4o इति गणितस्य प्रश्नः यः प्राथमिकविद्यालयस्य छात्राणां कृते कठिनः अस्ति, "कः बृहत्तरः, ९.११ वा ९.९?", तदा अन्तिमपरिणामः केवलं अलीबाबा टोङ्गी इति एव अभवत् Qianwen and Baidu Wenxin , Minimax and Tencent Yuanbao इत्यनेन ४ सम्यक् उत्तराणि दत्तानि, यदा तु ChatGPT-4o सहितं ८ बृहत् मॉडल् इत्यनेन गलत् उत्तराणि दत्तानि ।

अस्य अर्थः अस्ति यत् बृहत् आदर्शानां गणितीयक्षमता दुर्बलं भवति तथा च बहवः समस्याः सन्ति येषां समाधानं कर्तव्यम् अस्ति ।

TMTpost AGI इत्यनेन सह पूर्वं अनन्यवार्तालापे शङ्घाई जिओ टोङ्ग विश्वविद्यालयस्य चोङ्गकिंग आर्टिफिशियल इंटेलिजेंस इन्स्टिट्यूट् (शंघाई-चोंगकिंग इन्स्टिट्यूट् आफ् आर्टिफिशियल इंटेलिजेंस) इत्यस्य एआई लार्ज मॉडल सेण्टर इत्यस्य निदेशकः डॉ. क्यूई पेङ्ग इत्यनेन उक्तं यत् यद्यपि बृहत् मॉडल् इत्यस्य महान् अस्ति सम्भाव्यं च जटिलसमस्याः सम्भालितुं शक्नोति तथा च सामान्यीकरणक्षमतां ज्ञातुं क्षमता अस्ति। परन्तु बृहत् भाषाप्रतिमानाः आदर्शवास्तुकलासीमानां कारणेन "उदारकलाछात्राणां" इव अधिकं भवितुम् अर्हन्ति, वैज्ञानिकक्षमतायाः अभावः च । अपि च, वर्तमानस्य सीमितगणनाशक्तिः अपर्याप्तः, पाठदत्तांशः अपर्याप्तः, सटीकता विश्वसनीयता च पक्षपातपूर्णा, तथा च आदर्शपरिमाणः अद्यापि बालस्तरस्य पर्याप्तं विशालः नास्ति, अधिकतया "पञ्चवर्षीयः बालकः ", जटिलकार्यं च कठिनं भवति। , "माया" चिरकालं यावत् विद्यते।

क्यूई पेङ्गः सिङ्घुआ विश्वविद्यालयात् स्नातकपदवीं प्राप्तवान् तथा च अमेरिकादेशस्य विस्कॉन्सिनविश्वविद्यालये डॉक्टरेट् पदवीं प्राप्तवान् सः सम्प्रति शङ्घाई जियाओ टोङ्गविश्वविद्यालयस्य चोङ्गकिंग् आर्टिफिशियल इंटेलिजेंस रिसर्च इन्स्टिट्यूट् इत्यत्र कार्यं करोति क्यूई पेङ्गः बहुवर्षेभ्यः आँकडाविज्ञानम्, एआइ इत्यादिषु क्षेत्रेषु गहनतया संलग्नः अस्ति, अनेकेषु राष्ट्रियविज्ञानप्रौद्योगिकीपरियोजनासु भागं गृहीतवान्, बौद्धिकसम्पत्त्याः अधिकारानां च सङ्ख्यां स्वामित्वं च धारयति

यथा ChatGPT विश्वे लोकप्रियः जातः, विगतवर्षे वा, Qi Peng इत्यनेन शङ्घाई Jiao Tong विश्वविद्यालयस्य AI बृहत् मॉडल केन्द्रदलस्य नेतृत्वं कृतम् अस्ति तथा च Chongqing Artificial Intelligence Research Institute इत्यनेन स्वतन्त्रतया "Zhaoyan" बृहत् भाषा मॉडलस्य विकासः कृतः, तथा अस्मिन् वर्षे मार्चमासे SuperCLUE चीनीयस्य बृहत् मॉडल एजेण्ट् मूल्याङ्कनं वैश्विकरूपेण तृतीयस्थानं प्राप्तवान् तथा च बेन्चमार्कमध्ये घरेलुरूपेण द्वितीयस्थानं प्राप्तवान्।

तस्मिन् एव काले अस्मिन् वर्षे जुलैमासे क्यूई पेङ्ग् इत्यनेन शङ्घाई जिओ टोङ्ग विश्वविद्यालयस्य डॉक्टरेट् छात्रस्य झुआङ्ग शाओबिन् इत्यस्य नेतृत्वं कृत्वा मुक्तस्रोतसमुदायपरियोजनायां भागं गृहीतवान् तथा च उन्नतस्य लट्टे इत्यस्य उपयोगेन सोरा-सदृशं वेनशेङ्ग् विडियो मॉडल् सफलतया पुनः प्रदर्शितवान् spatiotemporal decoupling attention architecture, it was able to 16-सेकेण्ड् (128-फ्रेम) विडियो InternVid विडियो डाटा सेट् इत्यत्र उत्पद्यते पूर्वस्य मुक्तस्रोतप्रतिरूपस्य तुलने, यत् केवलं 3-सेकेण्ड् (24) जनयितुं शक्नोति -frame) video, प्रदर्शने ५ गुणा (५००%) सुधारः भवति ।

१२ जुलै दिनाङ्के क्यूई पेङ्ग्, झुआङ्ग शाओबिन् च टीएमटीपोस्ट् इत्यनेन सह प्रायः द्वौ घण्टां यावत् अनन्यं वार्तालापं कृतवन्तौ, यत्र सोरा-नगरस्य वर्तमानविकासस्य स्थितिः, बृहत्-माडल-विकासः, उद्योगस्य कार्यान्वयनम्, भविष्यस्य विकास-दिशा च सम्मुखीभूतानां चुनौतीनां विषये केन्द्रितम् आसीत्

सोरा प्रौद्योगिक्याः प्रभावस्य विषये वदन्, क्यूई पेङ्गः TMTpost AGI इत्यस्मै अवदत् यत् सोरा अधिकं नूतनस्य “मुद्गरस्य” इव अस्ति यः विविधसमस्यानां समाधानं कर्तुं शक्नोति। विडियो जननस्य अतिरिक्तं सोरा विन्सेन्ट् विडियो मॉडल् स्वायत्तवाहनचालनम्, भौतिकविश्वस्य अनुकरणम् इत्यादिषु अनेकक्षेत्रेषु अपि भूमिकां कर्तुं शक्नोति अत्यन्तं सहजं अनुप्रयोगं विडियो जनरेशन अस्ति उपयोक्तृभ्यः केवलं आवश्यकतां पूरयति इति शीघ्रं विडियो सामग्रीं जनयितुं पाठविवरणं प्रविष्टुं आवश्यकं भवति, येन विडियो उत्पादनस्य दक्षतायां सुविधा च सुधारः भवति

यदा उद्योगस्य कार्यान्वयनस्य विषयः आगच्छति तदा क्यूई पेङ्ग इत्यनेन दर्शितं यत् बहुषु ऊर्ध्वाधर-उद्योगेषु बृहत्-माडलस्य व्यापकरूपेण उपयोगः भवति, परन्तु वास्तविक-कार्यन्वयन-प्रकरणाः तुल्यकालिकरूपेण अल्पाः सन्ति । मुख्यकारणद्वयं स्तः- प्रथमं, बृहत्प्रतिमानानाम् गणितीयक्षमतायाः अभियांत्रिकीक्षमतायाः च अभावः द्वितीयं, यन्त्रशिक्षणस्य वर्गस्य भागत्वेन, सांख्यिकीयपद्धत्याधारितानां बृहत्प्रतिमानानाम् प्रकृतिः निर्धारयति यत् ते शतप्रतिशतम् सटीकताम् प्राप्तुं न शक्नुवन्ति

एजीआई इत्यस्य भविष्यस्य विकासस्य प्रतीक्षां कुर्वन्, क्यूई पेङ्ग् इत्यनेन मानवसमाजः एजीआई-पर्यन्तं गन्तुं महत्त्वपूर्णे कालखण्डे अस्ति इति बोधितवान् । यद्यपि वर्तमानमाडलक्षमता एजीआई मानकानि न पूरयति तथापि भविष्ये एकस्मिन् दिने यदा जनाः इतिहासस्य एतत् कालखण्डं पश्चात् पश्यन्ति तदा ते अवगन्तुं शक्नुवन्ति यत् ChatGPT अस्मान् महत्त्वपूर्णे ऐतिहासिकनोड् मध्ये स्थापितवान्।

"संस्थायाः महत्त्वपूर्णं लक्ष्यं प्रौद्योगिक्याः व्यावसायिकीकरणं साकारं कर्तुं वर्तते। बृहत् आदर्शकेन्द्रं सम्प्रति एआइजीसी इत्यस्य कार्यान्वयनस्य विषये केन्द्रितं वर्तते, विशेषतः 'अन्तिममाइल' इति विषये, यत् कथं शोधपरिणामान् वास्तविकपदार्थेषु वा सेवासु वा परिणमयितुं शक्यते येन मार्केट् सन्तुष्टिः भवति माङ्गल्यं यद्यपि बृहत् मॉडलानां बुद्धिः निरन्तरं सुधरितुं शक्नोति, पञ्चदशवर्षेभ्यः अष्टादशवर्षेभ्यः यावत्, तथापि शीर्षविशेषज्ञानाम् स्तरं प्राप्तुं शक्नोति, तथापि एतादृशानां प्रणालीनां संचालनाय, सुविधायाः च समर्थनार्थं सदैव सहायकसुविधानां साधनानां च आवश्यकता भविष्यति विकासस्य व्ययः तुल्यकालिकरूपेण न्यूनः भवितुम् अर्हति, परन्तु ते बृहत् आदर्शानां व्यावहारिकप्रयोगस्य सामाजिकमूल्यं च प्रवर्धयितुं महत्त्वपूर्णां भूमिकां निर्वहन्ति" इति क्यूई पेङ्गः अवदत्।

शङ्घाई जिओ टोङ्ग विश्वविद्यालयस्य चोङ्गकिंग आर्टिफिशियल इंटेलिजेंस संस्थानस्य एआई लार्ज मॉडल सेण्टरस्य निदेशकः डॉ. क्यूई पेङ्ग

TMTpost Media AGI तथा Qi Peng तथा Zhuang Shaobin इत्येतयोः मध्ये कृतस्य वार्तालापस्य सारांशः निम्नलिखितम् अस्ति।TMTpost Media AGI: अन्यैः विडियो मॉडलैः सह तुलने शङ्घाई जिओ टोङ्ग विश्वविद्यालयस्य चोङ्गकिंग आर्टिफिशियल इंटेलिजेंस रिसर्च इन्स्टिट्यूट् इत्यनेन संयुक्तरूपेण विकसितस्य पुनरावर्तनीयस्य सोरा विन्सेन्ट् विडियो मॉडलस्य मूलभेदाः के सन्ति?

क्यूई पेङ्गः - एषा परियोजना डॉ. झुआङ्ग शाओबिन् इत्यस्य नेतृत्वे एकेन दलेन विकसिता। दलेन आदर्शप्रशिक्षणार्थं सर्वेषां मुक्तस्रोतदत्तांशस्य उपयोगं कर्तुं चितम् । दलेन न केवलं दत्तांशः उद्घाटितः, अपितु प्रशिक्षणप्रक्रिया अपि सार्वजनिका कृता । एवं प्रकारेण अन्ये शोधकर्तारः अथवा विकासकाः समानपदार्थानाम्, पैरामीटर्-सेटिंग्स्-इत्यस्य च आधारेण स्वस्य वातावरणे मॉडल-प्रशिक्षण-प्रक्रियायाः पुनरुत्पादनं कर्तुं शक्नुवन्ति, तथा च मॉडलस्य प्रभावशीलतां स्थिरतां च सत्यापयितुं शक्नुवन्ति

मूलभेदाः मुख्यतया त्रयः पक्षाः प्रतिबिम्बिताः सन्ति- १.

प्रथमं, दलं आदर्शप्रशिक्षणार्थं सर्वाणि मुक्तस्रोतदत्तांशस्य उपयोगं करोति, यस्य अर्थः अस्ति यत् सम्पूर्णा प्रशिक्षणप्रक्रिया सार्वजनिकरूपेण सुलभदत्तांशसमूहेषु आधारिता अस्ति । एषः उपायः प्रशिक्षणप्रक्रियायाः पारदर्शितां पुनरावृत्तितां च सुनिश्चितं करोति, यः कोऽपि रुचिं लभते सः प्रतिरूपस्य पुनरुत्पादनार्थं वा सुधारार्थं वा समानदत्तांशसमूहस्य उपयोगं कर्तुं शक्नोति

द्वितीयं, दलेन अप्रत्यक्षप्रशिक्षणपद्धतिः स्वीकृता, या न्यूनगणनाव्ययेन प्रतिरूपस्य कुशलतापूर्वकं प्रशिक्षणं दातुं शक्नोति । एषः उपायः बृहत्-परिमाणस्य दत्तांशसमूहस्य जटिलप्रतिमानस्य च कृते उपयुक्तः अस्ति, यतः तेषां कृते दीर्घकालीनप्रशिक्षणसमयस्य, उच्चतरगणनासंसाधनस्य च आवश्यकता भवति । अप्रत्यक्षप्रशिक्षणस्य उपयोगेन एकस्य कम्प्यूटिंगनोडस्य गणनाशक्तिव्ययस्य वृद्धिं विना कम्प्यूटिंगनोड्-सङ्ख्यां वर्धयित्वा प्रशिक्षणसमयः लघुः कर्तुं शक्यते

तृतीयम्, दलेन किञ्चित् अन्तर्निहितं अनुकूलनकार्यमपि कृतम्, विशेषतः विडियोस्मृतेः अनुकूलनं ओवरहेड् । एते अनुकूलनानि मॉडलं क्लस्टर अथवा सर्वरे दीर्घविडियो स्थिररूपेण प्रशिक्षितुं समर्थयन्ति, येन मॉडलस्य प्रशिक्षणदक्षतायां मापनीयतायां च सुधारः भवति

TMTpost AGI: मुक्तस्रोतप्रतिरूपस्य चयनस्य पृष्ठतः किं तर्कं कारणानि च सन्ति?

क्यूई पेङ्गः - व्यावसायिकपरियोजनानां विपरीतम्, दलैः मुक्तस्रोतसमुदायैः च सहकार्यं कृत्वा शोधपरियोजनानां कृते मुक्तस्रोतप्रतिरूपस्य उपयोगस्य लाभः अस्ति यत् ते अधिकान् अनुसंधानविकासकर्मचारिणः भागं ग्रहीतुं आकर्षयितुं शक्नुवन्ति। यतो हि प्रतिलिपिधर्मस्य व्यावसायिकीकरणस्य च प्रतिबन्धाः नास्ति, अतः अस्मिन् परियोजनायां रुचिं विद्यमानः कोऽपि सहजतया आदर्शं प्राप्तुं उपयोक्तुं च शक्नोति, सुधारार्थं स्वकीयानि सुझावानि प्रस्तावितुं शक्नोति, अथवा नूतनसङ्केतं योगदानं दातुं शक्नोति एतत् प्रतिरूपं प्रतिरूपानाम् निरन्तरसुधारं अनुकूलनं च कर्तुं साहाय्यं कर्तुं शक्नोति, तथा च अन्तरविषयं क्षेत्रान्तरं च संचारं सहकार्यं च सुदृढं कर्तुं शक्नोति ।

TMTpost AGI: एतत् पुनरावर्तनीयं सोरा-सदृशं विडियो मॉडलं Latte spatiotemporal coupling attention architecture इत्यस्य उपयोगं करोति यत् इदं DiT आर्किटेक्चर इत्यनेन सह सम्बद्धं न भवति इति किं कारणम्?

क्यूई पेङ्गः - दलेन विकसितः सोरा-सदृशः मॉडल् आर्किटेक्चरः ट्रांसफॉर्मरं वा अन्यं पारम्परिकं मॉडलं वा पूर्णतया न परित्यजति, एतत् DiT इत्यस्य आधारेण विस्तारं करोति तथा च विडियो प्रोसेसिंग् इत्यस्य समर्थनार्थं समयस्य आयामं योजयति। अस्य नूतनस्य वास्तुकलानां विचारः विडियो-दत्तांशस्य लक्षणैः सह उत्तमरीत्या अनुकूलतां प्राप्तुं तथा च विडियो-जनन-प्रक्रियाकरण-कार्ययोः प्रतिरूपस्य कार्यप्रदर्शने सुधारं कर्तुं भवितुम् अर्हति

टाइटेनियम मीडिया एजीआई: DiT आर्किटेक्चरस्य दीर्घकालं यावत् विडियो जनयितुं सीमाः सन्ति किं Latte spatiotemporal coupled attention architecture इत्यनेन एतासां समस्यानां समाधानं कर्तुं शक्यते?

झुआङ्ग शाओबिन् : वर्तमानकाले दलेन प्रशिक्षितः सर्वोत्तमः मॉडलः १६ सेकेण्ड् यावत् दीर्घं विडियो जनयितुं शक्नोति । इदं unet आर्किटेक्चर आधारितं पूर्वमाडलानाम् अपेक्षया महत् सुधारम् अस्ति, यत् सामान्यतया केवलं द्वौ त्रीणि सेकेण्ड् यावत् विडियो जनयितुं शक्नोति स्म । १६ सेकेण्ड् विशेषतया दीर्घः समयः नास्ति, परन्तु वीडियोजननस्य क्षेत्रे तुल्यकालिकः दीर्घः अभिलेखः अस्ति ।

विडियोजनने निरन्तरतायाः सुसंगततायाः च विषयाः, ये मुख्यतया दत्तांशगुणवत्तायाः प्रभावेण प्रभाविताः भवन्ति । यदि विडियो-दत्तांशेषु फ्रेम-कूदनम् इत्यादीनि असङ्गत-स्थितयः सन्ति तर्हि प्रशिक्षित-प्रतिरूपेण अपि असङ्गत-वीडियो-जननस्य सम्भावना वर्तते । तदतिरिक्तं मॉडल् प्रशिक्षणस्य समये फ्रेम रेट्, रिजोल्यूशन च विडियो जननस्य गुणवत्तायां प्रभावं जनयति । यदि मॉडल् केवलं न्यून-रिजोल्यूशन-फ्रेम्-रेट्-दत्तांशयोः प्रशिक्षितः अस्ति, तर्हि उच्च-रिजोल्यूशन-स्निग्ध-वीडियो-जननं कर्तुं न शक्नोति ।

किमर्थं अहं एकं निमेषं वा द्वौ वा दीर्घं विडियो अन्ततः अन्ते जनयितुं न शक्नोमि? एकस्य वा द्वौ वा निमेषस्य अन्तः अन्तः विडियो इत्यस्य अर्थः सहस्राणि फ्रेम्स अथवा द्वौ वा त्रीणि वा फ्रेम्स् अपि दत्तांशस्य अर्थः, यस्य कृते कम्प्यूटिंग् संसाधनानाम् उपभोगस्य शतशः सहस्रगुणाः वा आवश्यकाः भवन्ति यद्यपि लट्टे स्थानिककालयुग्मित-अवधान-वास्तुकला सैद्धान्तिकरूपेण एतादृशावधिपर्यन्तं विस्तारयितुं शक्यते तथापि वर्तमानकाले कस्यापि संस्थायाः एतादृशप्रशिक्षणस्य समर्थनार्थं पर्याप्तं कम्प्यूटिंग्-शक्तिः, आँकडा च नास्ति

TMTpost AGI: सम्प्रति सोरा इत्यस्य उपयोगं कः करोति ? काः समस्याः समाधानं प्राप्नुवन्ति ? किं मूल्यं आनयति ?

झुआङ्ग शाओबिन् : १. C पक्षे, गैर-व्यावसायिक-वीडियो-निर्मातृणां कृते, यथा साधारण-गृह-उपयोक्तृणां कृते, सोरा-इत्यादीनां विडियो-जनन-माडलेन विडियो-निर्माणस्य कठिनतां बहु न्यूनीकर्तुं शक्यते उपयोक्तृभ्यः केवलं सुन्दरं विडियो सामग्रीं जनयितुं केवलं पाठविवरणं प्रविष्टुं आवश्यकं भवति, येन विडियोनिर्माणे भागं ग्रहीतुं सुकरं भवति ।

B पक्षे व्यावसायिकविडियो सम्पादकानां रचनात्मकानां च कृते सोरा जटिलं वा किञ्चित् कल्पनाशीलं विडियो सामग्रीं जनयितुं शक्नोति । व्यावसायिकाः मॉडलेन प्रदत्तसामग्रीणां आधारेण सूक्ष्म-समायोजनं अनुकूलनं च कर्तुं शक्नुवन्ति, येन कार्यदक्षतायां निर्माणस्य गुणवत्तायां च सुधारः भवति ।

सोरा न केवलं विडियोनिर्माणे उपयुज्यते, अपितु स्वायत्तवाहनचालनम्, 3D जनरेशन तथा मॉडलिंग्, भौतिकशास्त्रस्य अनुसन्धानम् इत्यादिषु बहुक्षेत्रेषु अन्वेषणस्य श्रृङ्खला अपि अस्ति स्वायत्तवाहनप्रणाल्याः परितः वस्तुनां गतिशीलपरिवर्तनानां सटीकरूपेण पूर्वानुमानं कर्तुं आवश्यकता वर्तते, तथा च सोरा, "विश्वसिमुलेटरः" इति रूपेण, वस्तुनां गतिप्रक्षेपवक्राणां अनुकरणं भविष्यवाणीं च कर्तुं शक्नोति, स्वायत्तवाहनप्रणाल्याः कृते अधिकं सटीकं पर्यावरणप्रतिरूपणं प्रदातुं शक्नोति

यथा, स्वायत्तवाहनचालनस्य क्षेत्रे टेस्ला इत्यस्य स्वायत्तवाहनचालनसमाधानेन तथा च तत्सदृशैः उन्नतवाहनसहायताप्रणालीभिः महती प्रौद्योगिकीप्रगतिः कृता अस्ति, ते वास्तविकसमये परितः वातावरणस्य बोधं कर्तुं शक्नुवन्ति, यत्र वाहनानि, पदयात्रिकाः, बाधाः इत्यादयः सन्ति, यत् कुञ्जी अस्ति to realising स्वायत्तवाहनचालनस्य मूलभूताः। सोरा स्वायत्तवाहनप्रणालीभ्यः पूर्वमेव निर्णयं कर्तुं साहाय्यं करोति यत् सम्भाव्य खतरनाकस्थितीनां, यथा टकरावः, पृष्ठभागस्य टकरावः च परिहरति । तत्सह, वस्तुनां गतिः पूर्वानुमानं कृत्वा, प्रणाली चालनमार्गान् वेगं च अनुकूलितुं, यातायातदक्षतायां सुधारं कर्तुं, भीडं उत्सर्जनं च न्यूनीकर्तुं च शक्नोति

सामान्यतया सोरा विडियोनिर्माणस्य सीमां न्यूनीकरोति तथा च अधिकान् जनान् विडियोनिर्माणे भागं ग्रहीतुं समर्थयति तथा च C पक्षे अव्यावसायिकप्रयोक्तारः B पक्षे व्यावसायिकविडियोनिर्मातारः च तस्मात् लाभं प्राप्नुवन्ति

क्यूई पेङ्गः - सोरा अधिकं "मुद्गरः" इव अस्ति, नूतनं साधनं यत् विविधसमस्यानां समाधानं कर्तुं शक्नोति। विडियो जननस्य अतिरिक्तं सोरा विन्सेन्ट् विडियो मॉडल् स्वायत्तवाहनचालनम्, भौतिकविश्वस्य अनुकरणम् इत्यादिषु अनेकक्षेत्रेषु अपि भूमिकां कर्तुं शक्नोति अत्यन्तं सहजं अनुप्रयोगं विडियो जनरेशन अस्ति उपयोक्तृभ्यः केवलं आवश्यकतां पूरयति इति शीघ्रं विडियो सामग्रीं जनयितुं पाठविवरणं प्रविष्टुं आवश्यकं भवति, येन विडियो उत्पादनस्य दक्षतायां सुविधा च सुधारः भवति

बहुवारं विशिष्टसमस्यायाः समाधानार्थं प्रौद्योगिकी विकसिता न भवति, परन्तु शोधप्रक्रियायाः कालखण्डे आकस्मिकतया शक्तिशालिनः समाधानाः आविष्कृताः भवन्ति । एकदा एषा पद्धतिः परिपक्वा भवति तदा समस्यानां श्रृङ्खलायाः समाधानार्थं अनेकक्षेत्रेषु अस्य व्यापकरूपेण उपयोगः कर्तुं शक्यते ।

सम्प्रति सोरा अद्यापि बीटा-रूपेण अस्ति, सर्वेषां कृते व्यापकरूपेण उपलब्धः नास्ति । चीनदेशे आन्तरिक-बाह्य-बीटा-संस्करणस्य कृते केचन अनुप्रयोग-प्रकरणाः भवितुम् अर्हन्ति, परन्तु संख्या तुल्यकालिकरूपेण अल्पा अस्ति तथा च मुख्यतया लघु-वीडियो-अथवा चलच्चित्र-क्लिप्-जननपर्यन्तं सीमितम् अस्ति यतः एतत् बीटा-संस्करणम् अस्ति, अतः बहुषु सन्दर्भेषु एतत् निःशुल्कं उपलब्धं भवितुम् अर्हति । यदि भविष्ये चार्जिंग् आरभ्यते तर्हि वर्तमानस्य विडियोनिर्माणव्ययस्य अत्यल्पः भागः भविष्यति, यथा कतिपयानि शतानि युआन्, अतः विडियोनिर्माणस्य व्ययः बहु न्यूनीकरिष्यते

TMTpost AGI: सोरा मॉडलस्य विकासे दलस्य काः आव्हानाः अभवन्? एतानि आव्हानानि कथं पारितव्यानि ?

क्यूई पेङ्ग : एषा परियोजना मुख्यतया मुक्तस्रोतसमुदायेन सह सहकार्यं करोति मुख्यं शोधविकासकार्यं डॉ. झुआङ्ग शाओबिन् तथा एकः वा द्वौ वा शोधविकासकर्मचारिणौ। समग्ररूपेण परियोजना चतुर्षु समूहेषु विभक्ता अस्ति, येषु आँकडासंग्रहणं लेबलिंग् च, आदर्शप्रशिक्षणं, आदर्शमूल्यांकनं, प्रशिक्षणवेगः, यन्त्रस्य अनुकूलनं च भवति

झुआङ्ग शाओबिन् : आदर्शप्रशिक्षणप्रक्रियायाः समये दलस्य समक्षं सर्वाधिकं चुनौती अपर्याप्तगणनासंसाधनम् अस्ति । विशेषतः बृहत्-परिमाणस्य आँकडानां, जटिल-प्रतिमानानाम् च संसाधने गणना-संसाधनानाम् आग्रहः अतीव अधिकः भवति । सीमितयन्त्रसंसाधनानाम् अधिककुशलतया उपयोगं कर्तुं परियोजनादलस्य एल्गोरिदम्-दलेन बहु अनुकूलनकार्यं कृतम् ।

एतेषु अनुकूलनेषु उन्नत-अनुकूलन-रणनीतयः यथा मॉडल-समानान्तरता, पाइपलाइन-समान्तरता च, तथैव व्यक्तिगत-माडल-कृते विडियो-स्मृति-अनुकूलनम् अपि अन्तर्भवति

तदतिरिक्तं, दलेन विडियोक्षेत्रं अपि अनुकूलितं कृतम्, येन परियोजनायाः वास्तविक-अनुप्रयोग-आवश्यकतानां अधिकतया पूर्तये परियोजनायाः स्पष्टानि अनुप्रयोग-परिदृश्यानि लक्ष्यक्षेत्राणि च भवितुम् अर्हन्ति

TMTpost Media AGI: शङ्घाई जिओ टोङ्ग विश्वविद्यालयस्य चोङ्गकिंग आर्टिफिशियल इंटेलिजेंस रिसर्च इन्स्टिट्यूट् तथा ग्रामीणपुनर्जीवनकृषेः एकं विशालं मॉडलं “झाओयान·झाओफेङ्ग” इति नामकं विमोचितवान्?

क्यूई पेङ्गः - ग्रामीणदृश्यानि विद्यमानः एकमात्रः नगरपालिका इति नाम्ना चोङ्गकिंग्-नगरं बृहत्-परिमाणस्य कृषि-प्रतिमानानाम् अनुप्रयोगाय समृद्धानि दृश्यानि विस्तृतानि च स्थानं च प्रदाति बृहत्-परिमाणेन ग्रामीणपुनरुत्थानस्य प्रतिरूपं कृषिविज्ञान-अकादमीतः विशाल-अनलाईन-आँकडानां कृषि-आँकडानां च उपयोगं करोति सम्प्रति एषा परियोजना सर्वकारीयसंस्थाभिः, ग्रामीणपुनरुत्थानम् (चोङ्गकिंग) शोधसंस्थाभिः अन्यैः दलैः च सह संयुक्तरूपेण विकसिता अस्ति । इदं सहकार्यप्रतिरूपं बृहत्स्तरीयकृषिप्रतिमानानाम् अनुसन्धानविकासं अनुप्रयोगं च संयुक्तरूपेण प्रवर्धयितुं संसाधनानाम्, प्रौद्योगिकीनां, धनानां च एकीकरणे सहायकं भवति

ग्रामीणपुनर्जीवनस्य बृहत् मॉडलः १४ मॉडल् निर्मातुं योजनां करोति, वर्तमानकाले च ३-४ सम्बद्धाः उत्पादाः सन्ति, बृहत् मॉडल् विशेषज्ञज्ञानं लोकप्रियं सुलभं च सूचनां परिणमयति, कृषिउत्पादने, प्रबन्धने, जनानां आजीविकायाः ​​च समस्यानां समाधानं करोति, सहायतां च करोति कृषिउद्योगः श्रमिकाः कृषिज्ञानं नगरनिवासिनः इव सुलभतया प्राप्तुं शक्नुवन्ति, येन नगरीयग्रामीणक्षेत्रयोः सूचनान्तरं संकुचितं कर्तुं कृषिउत्पादनस्य दक्षतायां प्रभावशीलतायां च सुधारः भविष्यति।

TMTpost AGI: अस्मिन् स्तरे बृहत् मॉडल् प्रौद्योगिक्याः विकासे काः अटङ्काः सन्ति?

क्यूई पेङ्ग : १. प्रथमं स्पष्टं यत् दलं किं बृहत् प्रतिरूपं परिभाषयति, यत् बृहत् भाषाप्रतिरूपम् अस्ति। बृहत् भाषाप्रतिरूपं मुख्यधारा अस्ति, तस्य मूलं ज्ञानं तर्कं च निहितम् अस्ति । यथा यथा बृहत् भाषाप्रतिमानाः निरन्तरं विकसिताः भवन्ति तथा तथा तेषां बुद्धिस्तरः पञ्चवर्षीयस्य बालस्य बुद्धिमान् दशवर्षीयस्य, अष्टादशवर्षीयस्य, सुपरमैनस्य अपि स्तरं यावत् क्रमेण वर्धयितुं शक्नोति एषा प्रक्रिया मुख्यतया प्रतिरूपस्य ज्ञानस्य तर्कस्य च निपुणतायाः प्रयोगस्य च उपरि निर्भरं भवति ।

बृहत् भाषाप्रतिरूपात् भिन्नं विन्सेन्ट् विडियोप्रतिरूपं बृहत्प्रतिरूपस्य अन्यपङ्क्तिः अस्ति अस्मिन् जटिलज्ञानं तर्कं च न समाविष्टं, अपितु भौतिकजगतोः नियमानाम् अवगमने अनुकरणे च अधिकं केन्द्रितं भवति विन्सेन्ट् विडियो मॉडलिंग् इत्यादीनि प्रतिरूपाणि धारणा-अनुभवयोः आधारेण भौतिकजगति परिवर्तनस्य पूर्वानुमानं प्रतिक्रियां च कर्तुं शक्नुवन्ति, परन्तु उच्चस्तरीय-तार्किक-अवगमनस्य ज्ञान-सारांश-क्षमतायाः च अभावः अस्ति

तदतिरिक्तं बहुविधप्रतिमानाः सन्ति, ये एकीकृतरूपेण पाठः, चित्राणि, ध्वनयः इत्यादीन् बहुविधसूचनारूपान् संकेतयितुं, संसाधितुं च शक्नुवन्ति । बहुविधप्रतिमानाः भविष्यस्य विकासदिशासु अन्यतमाः सन्ति, ये वास्तविकजगति जटिलसूचनाः अधिकव्यापकरूपेण अवगन्तुं, संसाधितुं च शक्नुवन्ति ।

सम्प्रति बृहत् आदर्शाः पठारकाले प्रविशन्ति, बुद्धिस्य दृष्ट्या गुणात्मकं कूर्दनं प्राप्तुं कठिनं दृश्यते । वयम् अद्यापि मन्यामहे यत् बृहत्तराः आदर्शाः अधिकजटिलसमस्यानां निवारणं कर्तुं समर्थाः भवन्ति तथा च तेषां शिक्षणस्य सामान्यीकरणस्य च सामर्थ्यं दृढतरं भवति । एकदा कश्चन प्रतिरूपः ९९.९% सटीकताम् प्राप्तुं शक्नोति तदा एतत् विशालं प्रतिरूपं विविधकार्यं कर्तुं समर्थं नूतनं उत्पादकतासाधनं भविष्यति ।

बृहत्प्रतिमानानाम् विकासे अपर्याप्तगणनाशक्तिः, अपर्याप्तपाठदत्तांशः, सटीकतायां विश्वसनीयतायां च विचलनं, अपर्याप्तमाडलपरिमाणं च इत्यादीनि समस्याः सन्ति एवं प्रकारेण बृहत् मॉडलस्य "IQ" पर्याप्तं उच्चं नास्ति, अधिकं पञ्चषड् वर्षीयस्य बालस्य IQ स्तरस्य सदृशं भवति बृहत् मॉडलस्य जटिलकार्यं सम्पादयितुं क्षमता सीमितं भवति तथा च जनाः यत् स्तरं प्राप्तुं न शक्नुवन्ति सम्भावयति।

द्वितीयं, बृहत् भाषाप्रतिरूपवास्तुकलायां सीमानां कारणात् बृहत्प्रतिरूपं किञ्चित् "उदारकलाछात्रः" इव अस्ति, परन्तु एतत् भाषां बहु सम्यक् सम्पादयति, परन्तु गणितं अभियांत्रिकीं च उत्तमं नास्ति बृहत् मॉडलस्य तुलना उद्यमस्य "CEO अथवा COO" इत्यनेन सह कर्तुं शक्यते । यद्यपि अयं "CEO अथवा COO" प्रौद्योगिक्याः विषये बहु न जानाति तथापि सः विविधान् उच्चप्रौद्योगिकीघटकानाम् संयोजनं कर्तुं शक्नोति ।

तस्मिन् एव काले घरेलुबृहत्निर्मातृणां स्टार्टअप-संस्थानां च बृहत्-माडल-विकासे कष्टानि भवन्ति, मुख्यतया यतोहि निवेश-व्ययः विशालः भवति, तथा च व्यावसायिकीकरणं कम्प्यूटिंग्-शक्तेः, आँकडानां च निरन्तर-निवेशस्य समर्थनार्थं पर्याप्तं नास्ति

यदि बृहत् आदर्शानां बुद्धिस्तरस्य अल्पकाले महत्त्वपूर्णं सुधारः कर्तुं न शक्यते तर्हि अनुप्रयोगानाम् विकासः व्यवहार्यः विकल्पः भवति । बृहत् आदर्शविकासस्य वर्तमानपदे ग्राहकानाम् विभिन्नेषु अनुप्रयोगपरिदृश्येषु व्यवहारे अन्वेषणं सुधारं च करणीयम् । अनुप्रयोगव्यापारीकरणस्य माध्यमेन बृहत्प्रतिमानानाम् निरन्तरविकासस्य अनुकूलनस्य च समर्थनार्थं राजस्वं जनयितुं शक्यते । एतेन न केवलं परियोजनायाः आर्थिकस्थायित्वं सुनिश्चितं भवति, अपितु भविष्ये प्रौद्योगिकी-नवीनीकरणस्य सम्भावना अपि प्राप्यते ।

तदतिरिक्तं बृहत् आदर्शकम्पनयः वित्तपोषणद्वारा परियोजनाविकासस्य समर्थनं अपि कर्तुं शक्नुवन्ति । परन्तु वित्तपोषणं सुलभं न भवति यत् विपण्यं परियोजनायाः क्षमतां मूल्यं च स्वीकुर्वति वा इति।

TMTpost AGI: बृहत् मॉडल् विषये मार्केट् अतीव उत्साही अस्ति, परन्तु बृहत् मॉडल् इत्यस्य अनुप्रयोगः मन्दः अभवत्, यत् मार्केट् अपेक्षाभ्यः पृष्ठतः अस्ति, बृहत् मॉडल् इत्यस्य अनुप्रयोगः किमर्थम् एतावत् मन्दः अस्ति?

क्यूई पेङ्गः - द्वौ कारणौ स्तः - १.

प्रथमं, वर्तमानकाले तकनीकीक्षमतायाः अभावस्य परिणामः सीमितसुधारः भवति, यत् सक्रिय-उन्नयनस्य उत्साहं न्यूनीकरोति;

द्वितीयं, नूतनानां प्रौद्योगिकीनां अनुप्रयोगाय नूतनानां हार्डवेयर-सङ्गणक-शक्ति-समर्थनस्य आवश्यकता भवति, परन्तु विविधाः उद्यमाः दुर्बलतया सज्जाः सन्ति, तेषां कृते बृहत्-माडल-नियोजनाय, चालयितुं च पर्याप्त-सङ्गणक-कक्षस्य, बुद्धिमान्-गणना-संसाधनस्य च अभावः भवति, येन ऊर्ध्वाधर-उद्योगेषु बृहत्-माडल-कार्यन्वयनं कठिनं भवति द्वितीया समस्या वस्तुतः तदनुरूपनीतिभिः समाधानं कर्तुं शक्यते यदि उद्यमाः सर्वकारीयनिवेशितानां शोधसंस्थानां अथवा कम्प्यूटिंगशक्तिकेन्द्राणां आँकडासुरक्षाप्रतिश्रुतिं विश्वसितुं शक्नुवन्ति तर्हि ते स्वस्य स्मार्टकम्प्यूटिंगसङ्गणककक्षस्य निर्माणात् पूर्वं बृहत्परिमाणस्य आदर्शसमाधानस्य विकासं आरभुं शक्नुवन्ति

बृहत् मॉडल्, विशेषतः उच्चगुणवत्तायुक्तं पाठं, चित्रम् इत्यादीनि जनयितुं समर्थाः, प्रायः चालनार्थं महत्त्वपूर्णगणनासंसाधनानाम् आवश्यकता भवति । यथा, यदा १० लक्षं उपयोक्तारः एकस्मिन् समये विशालं प्रतिरूपं उपयुञ्जते तदा वार्षिकगणनाशक्तिव्ययः लक्षशः कोटिभ्यः अधिकः भवितुम् अर्हति, येन व्यावसायिकीकरणं कठिनं भवति साधारणप्रयोक्तृणां कृते एतादृशाः उच्चलाभयुक्ताः बृहत्-माडल-अनुप्रयोग-उत्पादाः असह्याः भवितुम् अर्हन्ति, येन C-अन्त-अनुप्रयोगानाम् प्रचारः अपि सीमितः भवति ।

अस्मिन् स्तरे समाधानं अधिककुशल-एल्गोरिदम्-अनुमोदनं, गणनानां परिमाणं न्यूनीकर्तुं मॉडल-संरचनानां अनुकूलनं, अथवा व्यय-प्रसारार्थं मेघ-गणना-सदृशानां वितरित-गणना-संसाधनानाम् उपयोगः वा भवितुं शक्नोति

केषुचित् पक्षेषु वर्तमानः बृहत्-प्रतिरूपः बुद्धिमान् एजेण्टः अद्यापि "पञ्चवर्षीयः बालकः" इव अस्ति । एताः समस्याः अनुप्रयोगपरिदृश्येषु अस्वीकार्याः सन्ति येषु उच्चसटीकतायाः आवश्यकता भवति, यथा सर्वकारीय अथवा वित्तीयग्राहकसेवापरिदृश्येषु । केषुचित् परामर्शक्षेत्रेषु अथवा संचालन-रक्षण-क्षेत्रेषु अपि यत्र सटीकता-आवश्यकता एतावता अधिका नास्ति, तत्र वर्तमान-सटीकता-दरः ८०% वा ६०% वा व्यापक-अनुप्रयोगाय अद्यापि महत्त्वपूर्ण-बिन्दुं न प्राप्तवान्

एजेण्ट्-प्रदर्शने स्थिरतायां च सुधारं कर्तुं एल्गोरिदम्-अनुकूलनं, प्रशिक्षण-दत्तांशस्य विविधतां परिमाणं च वर्धयितुं, अधिकजटिल-माडल-वास्तुकला-प्रवर्तनं च आवश्यकम् अस्ति तस्मिन् एव काले जटिलवातावरणेषु बृहत्प्रतिमानानाम् स्थिरतां सुनिश्चित्य वास्तविकसमयनिरीक्षणस्य त्रुटिनियन्त्रणतन्त्रस्य च सुदृढीकरणस्य आवश्यकता वर्तते

बहुविध-बृहत्-माडलस्य अनुप्रयोगे प्रतिबिम्ब-परिचयः अतीव महत्त्वपूर्णं क्षेत्रम् अस्ति यद्यपि चित्रपरिचयस्य बहवः अनुप्रयोगपरिदृश्याः सन्ति तथापि वर्तमानबृहत्प्रतिबिम्बपरिचयप्रतिमानानाम् अद्यापि न्यूनसटीकतायाः, तुल्यकालिकरूपेण उच्चगणनाशक्तिआवश्यकता च समस्या वर्तते

तदतिरिक्तं कृत्रिमबुद्धेः पूर्वपीढी प्रतिबिम्बबोधने तुल्यकालिकरूपेण परिपक्वा इति कारणतः जनाः बृहत्प्रतिमानाः यत् अतिरिक्तं मूल्यं उत्पादयितुं शक्नुवन्ति तत् पूर्णतया न स्वीकृतवन्तः, यत् तस्य प्रचारस्य वेगं अपि प्रभावितं करोति

TMTpost AGI: बृहत् ऊर्ध्वाधर-उद्योग-प्रतिमानानाम् वर्तमान-औद्योगिक-नवीनीकरणं भवान् कथं पश्यति?

क्यूई पेङ्गः - ऊर्ध्वाधर-उद्योगस्य कार्यान्वयनस्य दृष्ट्या निर्माण-उद्योगे मानवरूपी-रोबोट्-इत्यस्य उदाहरणरूपेण गृहीत्वा, मानवरूपी-रोबोट्-परिवारेषु उपयोगाय पञ्च-दश-वर्षं यावत् समयः भवितुं शक्नोति, एतत् मुख्यतया यतोहि सॉफ्टवेयर-क्षेत्रे तेषां सामान्यीकरण-क्षमता अद्यापि सीमितम् अस्ति एतत् पर्याप्तं नास्ति, हार्डवेयरस्य अपि अधिकं शोधं विकासं च सुधारं च आवश्यकम् ।

एकः अधिकव्यावहारिकः शोधदिशा अस्ति यत् निर्माणपरिदृश्येषु रोबोटिकबाहूनां सामान्यीकरणसमस्यायां ध्यानं दत्तव्यम् । यद्यपि रोबोटिकबाहुः स्वयं अतीव परिपक्वाः सन्ति तथा च विपण्यां प्रमुखैः आन्तरिकविदेशीयनिर्मातृभिः कब्जिताः सन्ति तथापि विद्यमानेषु रोबोटिकबाहुषु पर्याप्तसामान्यीकरणक्षमतायाः अभावः भवति तथा च ते विविधविभिन्नकार्यकार्येषु लचीलेन अनुकूलतां प्राप्तुं न शक्नुवन्ति एतस्य परिणामः भवति यत् व्यावहारिकप्रयोगेषु नूतनं कार्यं कर्तुं रोबोटिकबाहुस्य प्रत्येकं पुनः प्रोग्रामिंगस्य आवश्यकता भवति, यत् यदा कार्याणि बहुधा परिवर्तन्ते तदा अव्यावहारिकं भवति

रोबोटिकबाहुसामान्यीकरणस्य समस्यायाः समाधानस्य कुञ्जी सॉफ्टवेयरस्य विकासे अस्ति, विशेषतः येषां कृते रोबोटिकबाहुः विस्तृतपरिदृश्यानां संचालनं कर्तुं समर्थः भवति अपेक्षा अस्ति यत् एकवर्षद्वये वा सॉफ्टवेयर-अनुकूलनस्य विकासस्य च माध्यमेन रोबोट्-बाहुस्य सामान्यीकरण-क्षमतासु महती उन्नतिः भविष्यति

अवश्यं रोबोट्-बाहुस्य सामान्यीकरण-क्षमतायाः लक्ष्यं प्राप्तुं केचन आव्हानाः सन्ति, यथा दत्तांशस्य अभावः । विविधपरिदृश्यानि सम्भालितुं शक्नुवन्तं रोबोटिकबाहुं प्रशिक्षितुं एल्गोरिदम्-शिक्षणस्य अनुकूलनस्य च समर्थनार्थं उच्चगुणवत्तायुक्तानां आँकडानां बृहत् परिमाणस्य आवश्यकता भवति

वस्तुतः बृहत् मॉडल् विनिर्माण उद्योगे बुद्धिमान् एजेण्टरूपेण उपयोक्तुं शक्यते तथा च समग्ररूपेण भिन्नं सॉफ्टवेयरं आह्वयितुं शक्यते । अस्य अर्थः अस्ति यत् निर्माण-उद्योगे जटिल-प्रणालीषु विविध-सॉफ्टवेयर्-इत्यस्य मूलतः हस्त-सञ्चालनस्य अथवा प्रोग्रामिंग-संयोजनस्य आवश्यकता आसीत्, अधुना सैद्धान्तिकरूपेण स्वचालितं कृत्वा बृहत्-माडल-माध्यमेन एकीकृत्य स्थापयितुं शक्यते

उपयोक्तृभ्यः केवलं भाषायाः अथवा विचाराणां माध्यमेन बृहत् मॉडलेन सह अन्तरक्रियायाः आवश्यकता वर्तते, बृहत् मॉडल् स्वयमेव तत्सम्बद्धान् कार्यक्रमान् निष्पादयितुं विविधानि कार्याणि च सम्पन्नं कर्तुं शक्नोति परन्तु भिन्न-भिन्न-निर्माण-कम्पनीनां भिन्न-भिन्न-उत्पादन-वातावरणं, प्रणाल्याः, एपिआइ-इत्येतत् च भवति इति कारणतः भिन्न-भिन्न-परिदृश्येषु बृहत्-माडलस्य अनुकूलता प्रमुखा आव्हाना अभवत् एकस्मिन् दृश्ये सुसमाहितः विशालः आदर्शः अपि अन्यस्मिन् वातावरणे सम्यक् कार्यं न कर्तुं शक्नोति । अतः उद्यमविकासकाः बृहत्प्रतिमानानाम् कार्यक्षमतां सटीकता च सुधारयितुम् विशिष्टपरिदृश्यानां सूक्ष्म-समायोजनस्य आवश्यकता वर्तते ।

एषा सीमा प्रत्यक्षतया निर्माणे बृहत्प्रतिमानानाम् व्यापकप्रयोगं गहनविकासं च प्रभावितं करोति । यतः निर्माणे प्रायः अत्यन्तं जटिलाः परिष्कृताः च कार्याणि भवन्ति, येषु उच्चसटीकगणनाः नियन्त्रणं च आवश्यकाः भवन्ति । यदि विशालः आदर्शः एतेषां कार्याणां कृते न भवति तर्हि सः निर्माणक्षेत्रे स्वस्य सामर्थ्यं न प्राप्स्यति ।

बृहत्-माडलानाम् एव क्षमता-सीमानां अतिरिक्तं, प्रणालीनां मध्ये संगततायाः विषयाः अपि निर्माणे बृहत्-माडल-प्रयोगं प्रतिबन्धयन् महत्त्वपूर्णः कारकः अस्ति भिन्नाः कम्पनयः अथवा उत्पादन-एककाः सर्वथा भिन्न-प्रणालीनां उपयोगं कर्तुं शक्नुवन्ति, यत्र भिन्नाः सॉफ्टवेयर्, हार्डवेयर्, एपिआइ च सन्ति । एतेन एकस्मिन् परिदृश्ये ट्यून् कृतं विशालं प्रतिरूपं अन्यस्मिन् परिदृश्ये प्रत्यक्षतया प्रयोक्तुं कठिनं भवति यतोहि द्वयोः परिदृश्ययोः प्रणालीवातावरणं सर्वथा भिन्नं भवितुम् अर्हति प्रणालीनां मध्ये एषा परिवर्तनशीलता निर्माणे बृहत्प्रतिमानानाम् प्रयोगस्य जटिलतां व्ययञ्च वर्धयति ।

तत्र वस्तुतः समाधानम् अस्ति। निर्माणं वा वित्तं तथा खुदरा इत्यादीनां ऊर्ध्वाधर-उद्योगानाम् कृते मानकीकृत-बृहत्-माडलस्य कृते अन्तरफलकानि परिभाषितुं शक्यन्ते । एते अन्तरफलकाः विशिष्टानि क्षमतानि स्पष्टं करिष्यन्ति यत् बृहत् मॉडल् प्रदातुं शक्नोति, येन सर्वाणि प्रणाल्याः एतेषां अन्तरफलकानां माध्यमेन बृहत् मॉडलस्य कार्याणि आह्वयितुं शक्नुवन्ति अस्य लाभः अस्ति यत् प्रणालीवातावरणं कथं अपि परिवर्तते, यावत् ते एतान् मानकीकृत-अन्तरफलक-विनिर्देशान् अनुसरन्ति, तावत् ते बृहत्-माडलेन सह निर्विघ्नतया सम्बद्धाः भवितुम् अर्हन्ति

अतः मानकीकृत-अन्तरफलकानि परिभाषयित्वा उद्यम-विकासकाः बृहत्-माडल-विभिन्न-प्रणालीभिः सह मेलस्य कठिनतां बहुधा न्यूनीकर्तुं शक्नुवन्ति, येन बृहत्-माडल-विभिन्न-उत्पादन-वातावरणेषु शीघ्रं अनुकूलतां प्राप्तुं शक्यते मानकीकृत-अन्तरफलकाः एतत् सुनिश्चितं कर्तुं साहाय्यं कुर्वन्ति यत् बृहत्-माडलाः विविध-प्रणालीषु स्थिररूपेण चालयितुं शक्नुवन्ति तथा च प्रणाली-अन्तर-जनित-सङ्गति-समस्यान् न्यूनीकर्तुं शक्नुवन्ति ।

सामान्यतया, बहुषु ऊर्ध्वाधर-उद्योगेषु बृहत्-प्रतिमानानाम् उपयोगः बहुधा भवति, परन्तु वास्तविक-कार्यन्वयन-प्रकरणाः तुल्यकालिकरूपेण अल्पाः सन्ति । मुख्यकारणद्वयं स्तः प्रथमं, अपर्याप्तगणितीय-इञ्जिनीयरिङ्ग-क्षमताभिः बृहत्-प्रतिमानानाम् कृते व्यावहारिक-अनुप्रयोगेषु पर्याप्त-सटीकताम्, स्थिरतां च प्राप्तुं कठिनं भवति द्वितीयं, बृहत् प्रतिरूपं स्वयं यन्त्रशिक्षणवर्गस्य भागः अस्ति, तस्य स्वरूपं सांख्यिकीयपद्धत्याधारितं निर्धारयति यत् एतत् शतप्रतिशतम् सम्यक् न भवितुम् अर्हति

वस्तुतः मानवमस्तिष्कस्य संरचना शतप्रतिशतम् सटीकं न भवति, परन्तु मानवस्य निर्णयः प्रायः अधिकांशस्य वास्तविकपरिदृश्यानां आवश्यकतां पूरयितुं पर्याप्तं समीचीनः भवति तस्य विपरीतम् प्रशिक्षणस्य अनन्तरम् अपि विशालस्य प्रतिरूपस्य सटीकता अद्यापि ९५% परिमितं भवितुम् अर्हति, यत् केषुचित् परिदृश्येषु पर्याप्तं न भवितुम् अर्हति येषु अत्यन्तं उच्चसटीकतायाः आवश्यकता भवति तदतिरिक्तं बृहत्प्रतिमानानाम् गणितीयक्षमता तुल्यकालिकरूपेण दुर्बलं भवति, येन कतिपयेषु क्षेत्रेषु तेषां प्रयोगः अपि सीमितः भवति ।

यदि भवान् एताः सीमाः अतितर्तुं इच्छति तर्हि बृहत् आदर्शानां कृते सुविधानां समर्थनस्य महत्त्वं अवगन्तुं आवश्यकम् । बृहत् आदर्शानां कृते आवश्यकानि समर्थनसुविधानि साधनानि च प्रदातुं गणितीय-इञ्जिनीयरिङ्ग-क्षमतायाः अभावं पूरयितुं शक्नोति, येन सः वास्तविक-अनुप्रयोग-परिदृश्यानां आवश्यकतानां अनुकूलतया अधिकतया अनुकूलतां प्राप्तुं शक्नोति एतादृशेषु समर्थनसुविधासु अधिकसटीकदत्तांशसमूहाः, अधिककुशलाः एल्गोरिदम्, अधिकस्थिरहार्डवेयरमञ्चाः इत्यादयः समाविष्टाः भवितुम् अर्हन्ति ।

TMTpost AGI: बृहत् मॉडल् मतिभ्रमान् किमर्थं जनयति ?

क्यूई पेङ्गः - कदाचित् मूलदत्तांशः एव अभावितः अस्ति वा समस्याः सन्ति इति कारणतः, बृहत्भाषाप्रतिरूपं प्रशिक्षणप्रक्रियायाः समये सम्यक् ज्ञानं ज्ञातुं न शक्नोति, अतः सम्यक् अनुमानं कर्तुं न शक्नोति। एषा दोषः बृहत्भाषाप्रतिरूपे एव दोषैः न भवति, अपितु निवेशदत्तांशस्य अशुद्धतायाः कारणेन भवति ।

यदि बृहत् प्रतिरूपं काल्पनिकवातावरणे प्रशिक्षितं भवति यत्र सर्वाणि सूचनानि गलतनिष्कर्षान् दर्शयन्ति, तर्हि बृहत् प्रतिरूपं एतस्याः गलतसूचनायाः आधारेण अपि गलतनिर्णयान् करिष्यति एतेन एजेण्ट्-बृहत्-माडल-प्रदर्शने दत्तांशस्य पर्यावरणस्य च महत्त्वपूर्णः प्रभावः बोधितः भवति ।

कदाचित् बृहत्प्रतिमानाः तार्किकाः विचारणीयाः च दृश्यन्ते परन्तु वस्तुतः सत्याः समीचीनाः वा न भवन्ति इति प्रतिक्रियाः जनयितुं शक्नुवन्ति । एतत् यथा ५ वर्षीयाः प्रायः मिथ्यास्मृतीनां वर्णनं आत्मविश्वासेन कुर्वन्ति तथा सदृशम् अस्ति ।

प्रौढाः अपि सूचनां स्मृतिं च संसाधयन्ते सति प्रायः मतिभ्रमं वा स्मृतिदोषं वा अनुभवन्ति । यथा न्यायालयस्य सुनवायी-अभिलेखनस्य प्रकरणविश्लेषणस्य च समये अत्यन्तं गम्भीरेषु महत्त्वपूर्णेषु च परिस्थितिषु सम्बद्धानां पक्षेषु विविधदबावानां, भ्रामकसूचनानाम् इत्यादीनां कारणेन मिथ्यास्मृतयः वा मतिभ्रमाः अपि भवितुम् अर्हन्ति

TMTpost AGI: देशे विदेशे च बृहत् आदर्शबाजारवातावरणे भेदाः कथं प्रतिबिम्बिताः भवन्ति?

क्यूई पेङ्ग : १. सम्प्रति विदेशदेशाः अद्यापि प्रौद्योगिक्याः सुधारणे दृढविश्वासं धारयन्ति, ते च पूर्णतया अनुप्रयोगविकासं प्रति न गतवन्तः । एतत् तथ्यं सम्बद्धं भवितुम् अर्हति यत् विदेशीयबाजाराः तुल्यकालिकरूपेण परिपक्वाः स्थिराः च सन्ति, येन कम्पनीनां कृते प्रौद्योगिकीसंशोधनं विकासं च नवीनतां च केन्द्रीक्रियितुं अधिकसंसाधनं स्थानं च भवति तस्य विपरीतम्, घरेलुबाजारः अधिकउग्रप्रतिस्पर्धात्मकवातावरणस्य सम्मुखीभवति, अधिकांशः बृहत् मॉडल आधार अनुसंधानविकासकम्पनयः बृहत्परिमाणे अनुप्रयोगानाम् उपरि गताः सन्ति

आन्तरिकविपण्ये स्पर्धा न केवलं कम्पनीसङ्ख्यायां, अपितु मूल्ययुद्धेषु अपि प्रतिबिम्बिता भवति । यतः अनेकाः कम्पनयः एकस्मिन् समये समानानि सेवानि प्रदास्यन्ति तथा बृहत् मॉडल्-मूल्यं तीव्रगत्या न्यूनीभवति, येन कम्पनीभ्यः सेवां प्रदातुं व्ययस्य पुनः प्राप्तिः कठिना भवति विदेशेषु चैटजीपीटीद्वारा प्रतिनिधित्वं कुर्वतीः कम्पनयः प्रौद्योगिक्यां विपण्यमान्यतायां च अग्रणीस्थानस्य कारणेन आयं निरन्तरं प्राप्तुं शक्नुवन्ति तथा च अग्रे अनुसन्धानविकासाय नवीनतायै च तस्य उपयोगं कर्तुं शक्नुवन्ति।

घरेलुबाजारे घोरमूल्ययुद्धस्य, तुल्यकालिकरूपेण दुर्बलस्य भुक्तिइच्छायाः च कारणात् कम्पनीभ्यः व्यावसायिकसफलतां प्राप्तुं नूतनानां अनुप्रयोगानाम् विकासे अधिकं ध्यानं दातव्यं भवेत् यद्यपि एषा रणनीतिः उद्यमानाम् आर्थिकदबावं किञ्चित्पर्यन्तं न्यूनीकर्तुं शक्नोति तथापि प्रौद्योगिकीसंशोधनविकासयोः अपर्याप्तनिवेशः अपि भवितुम् अर्हति, अतः तेषां दीर्घकालीनप्रतिस्पर्धा प्रभाविता भवति

TMTpost AGI: एजीआई इत्यस्य भविष्यस्य विकासस्य दिशाः काः सन्ति?

क्यूई पेङ्ग : १. अहं मन्ये यत् मानवसमाजः एजीआई-रोगं प्रति नेतुम् एकस्मिन् गम्भीरे काले अस्ति। यद्यपि सम्प्रति उद्योगस्य मतं यत् कतिपयानि प्रौद्योगिकीनि वा प्रतिरूपाणि एजीआई-सम्बद्धानि सम्यक् मार्गे न सन्ति तथापि तेषां मतं यत् एतानि प्रौद्योगिकीनि वा प्रतिरूपाणि एजीआइ-सम्बद्धानि न सन्तिपरन्तु भविष्ये एकस्मिन् दिने यदा वयं इतिहासस्य एतत् कालखण्डं पश्चाद् पश्यामः तदा वयं अवगच्छामः यत् वयं महत्त्वपूर्णे ऐतिहासिकसङ्केते स्थिताः स्मः |

टेस्ला इत्यस्य स्वायत्तवाहनप्रौद्योगिक्याः उदाहरणरूपेण पञ्चवर्षपूर्वं जनाः चिन्तितवन्तः स्यात् यत् L4-स्तरीयं स्वायत्तवाहनचालनप्रौद्योगिकी प्राप्तुं दशविंशतिः वर्षाणि यावत् समयः स्यात्, परन्तु अधुना एषा प्रौद्योगिक्याः महती प्रगतिः अभवत् एषा आकस्मिकप्रगतिः उद्योगं विश्वासयितुं शक्नोति यत् वास्तविकः एजीआई अप्रमादेन साक्षात्कृतः भवितुम् अर्हति इति।

झुआङ्ग शाओबिन् : १. एजीआई इत्यस्य आदर्शस्थितिः का अस्ति ? एजीआई इत्यस्य न केवलं उच्चस्तरीयचिन्तनक्षमता भवितुमर्हति, अपितु महत्त्वपूर्णं यत् वास्तविकजीवने विशेषतः उद्योगे प्रयोक्तुं समर्थः भवितुमर्हति।

सम्प्रति जनाः भौतिकयन्त्रेषु रोबोटिक्सस्य एआइ-प्रौद्योगिक्याः च बहवः अनुप्रयोगाः दृष्टवन्तः, येन ज्ञायते यत् जनाः एआइ-प्रौद्योगिकीम् सङ्गणकात् मुक्तं कृत्वा मूर्त-सक्रिय-सत्तासु परिणमयितुं परिश्रमं कुर्वन्ति एआइ प्रौद्योगिक्याः कृते एतत् कूर्दनं अतीव महत्त्वपूर्णम् अस्ति केवलं व्यावहारिकप्रयोगेषु एव एआइ अधिकं मूल्यं निर्मातुम् अर्हति ।

TMTpost AGI: DiT मार्गस्य अतिरिक्तं AGI इत्यस्य विकासाय अन्ये सम्भाव्यमार्गाः वा रणनीतयः वा सन्ति वा? एजीआई इत्यस्य कार्यान्वयनमार्गः कः ?

क्यूई पेङ्गः - एजीआई-विकासप्रक्रियायां मनुष्याणां विविधं समावेशी च मनोवृत्तिः आवश्यकी भवति । यदि एजीआई इत्यस्य तुलना कक्षायां भिन्नश्रेणीयुक्तानां छात्राणां गृहकार्यस्य सह क्रियते तर्हि छात्राणां भिन्नाः क्षमताः सन्ति चेदपि ते सर्वे केचन मूलभूतवस्तूनि सम्पन्नं कर्तुं शक्नुवन्ति। तथैव वास्तुकलानां मध्ये कार्यप्रदर्शने भेदाः सन्ति चेदपि ते सर्वे केचन मूलभूतकार्यं सम्पन्नं कर्तुं शक्नुवन्ति, परन्तु कठिनतरेषु कार्येषु तेषां भिन्नाः क्षमताः सन्ति

विशेषतः, बृहत्मात्रायां दत्तांशस्य, गणनाशक्तेः च समर्थनेन, भिन्नाः आर्किटेक्चराः मापदण्डानां संख्यां वर्धयित्वा स्वस्य मूलभूतक्षमतासु सुधारं कर्तुं शक्नुवन्ति, येन ते सर्वे निश्चितस्तरस्य कार्यं कर्तुं शक्नुवन्तितस्मिन् एव काले बृहत्प्रतिमानस्य क्षेत्रे अपि केचन नवीनाः प्रवृत्तयः सन्ति, यथा रेखीय-अवधान-तन्त्राणि अन्ये च अनुकूलन-विधयः एताः पद्धतयः पारम्परिक-ट्रांसफॉर्मर-प्रतिरूपस्य गणना-राशिं न्यूनीकर्तुं, कार्यक्षमतायाः उन्नयनार्थं च निर्मिताः सन्ति

एजीआई इत्यस्य अन्तिमकार्यन्वयनमार्गस्य विषये वस्तुतः कोऽपि नियतमार्गः नास्ति । एजीआई इत्यस्य विकासप्रक्रियायां बहुविधवास्तुकलानां प्रौद्योगिकीनां च निरन्तरं अन्वेषणं एकीकरणं च आवश्यकम् अस्ति । विभिन्नानि वास्तुकलानि प्रौद्योगिकीश्च अस्मिन् क्रमे एजीआई-कृते महत्त्वपूर्णानि सन्दर्भाणि सन्दर्भाणि च प्रदास्यन्ति, येन तस्य निरन्तरविकासः प्रवर्धितः भविष्यति । तत्सह, आदर्शस्य व्यावहारिकतायाः, आत्मशुद्धिक्षमतायाः च विषये ध्यानं दातव्यम् ।

TMTpost AGI: घरेलुबृहत्प्रतिरूपक्षेत्रे शोधनवाचारस्य व्यावसायिकीकरणस्य च मध्ये सन्तुलनं कथं करणीयम्?

क्यूई पेङ्गः - अभिनवसंशोधनस्य दृष्ट्या सीमितधनस्य कारणात् संस्थायाः आवश्यकता अस्ति यत् सा लक्ष्याणि स्पष्टीकर्तुं शक्नोति यत् सा प्राप्तुं प्रयतितुं शक्नोति, न तु अन्धरूपेण तान् परियोजनान् अनुसृत्य येषु बृहत् परिमाणेन संसाधनानाम् आवश्यकता भवति, यथा बृहत् भाषाप्रतिमानं यत् केवलं कर्तुं शक्यते बैडु इत्यादिभिः बृहत्कम्पनीभिः ।

द्वितीयं, संस्थायाः दलेन एतादृशानां शोधपरियोजनानां चयनं करणीयम्, येषां साकारीकरणं कतिपयैः प्रयासैः कर्तुं शक्यते, व्यावहारिकं मूल्यं च भवति। उदाहरणार्थं, दलेन विकसितस्य Latte spatiotemporal coupling attention architecture इत्यस्य आधारेण Sora-सदृशं मॉडलं 16-सेकेण्ड् उच्च-परिभाषा-वीडियो-जननं उदाहरणरूपेण गृह्णाति एतत् एकं लक्ष्यं यत् संस्था विद्यमान-संसाधनैः सह प्राप्तुं प्रयतितुं शक्नोति तस्मिन् एव काले संस्थायाः केचन शोधदिशाः अपि चयनस्य आवश्यकता वर्तते येषु न्यूनसंसाधनानाम् आवश्यकता भवितुम् अर्हति, यथा मॉडल-अनुकूलनम् अथवा समर्थन-अनुप्रयोगाः

व्यावसायिकीकरणस्य दृष्ट्या संस्थायाः एआइजीसी-कार्यन्वयने विशेषतः "अन्तिममाइल"-विषये ध्यानं दातव्यम् । अस्य अर्थः अस्ति यत् शोधसंस्थानां विपण्यमागधां पूरयितुं व्यावसायिकीकरणं प्राप्तुं च शोधपरिणामानां वास्तविकपदार्थेषु सेवासु वा परिवर्तनं कथं करणीयम् इति विषये ध्यानं दातव्यम्।

यद्यपि बृहत् मॉडलानां बुद्धिः निरन्तरं वर्धयितुं शक्नोति, पञ्चतः दशवर्षपर्यन्तं अष्टादशवर्षपर्यन्तं, अपि च शीर्षविशेषज्ञानाम् स्तरं प्राप्तुं शक्नोति, तथापि एतादृशप्रणाल्याः परिचालनस्य अनुप्रयोगस्य च समर्थनार्थं सदैव सहायकसुविधानां वा साधनानां वा आवश्यकता भविष्यति एतेषां सहायकसुविधानां अनुसंधानविकासव्ययः तुल्यकालिकरूपेण न्यूनः भवितुम् अर्हति, परन्तु ते बृहत्प्रतिमानानाम् व्यावहारिकप्रयोगं सामाजिकमूल्यं च प्रवर्धयितुं महत्त्वपूर्णां भूमिकां निर्वहन्ति

अतः एआइ क्षेत्रे घरेलुसंशोधनसंस्थादलानां मुख्यतया एतेषां सहायकसुविधानां अनुसन्धानविकासयोः ध्यानं दातव्यं येन बृहत्प्रतिमानानाम् संचालनं कार्यान्वयनञ्च समर्थनं भवति।

(एषः लेखः प्रथमवारं टाइटेनियम मीडिया एप् इत्यत्र प्रकाशितः, लेखकःDou Yueyi, Lin Zhijia, editor<Lin Zhijia)