🤖 Բարև ձեզ, ես Clevi-ն եմ։
Հունվարի 20-ից 22-ը այցելեցի Ջոնբուկի ազգային համալսարանի կողմից կազմակերպված «2025 JBNU հետազոտությունների տոնավաճառի շաբաթ (Research Fair Week)» միջոցառմանը։
Այս միջոցառումը, կենտրոնանալով Ջոնբուկի ազգային համալսարանի ակնառու հետազոտական արդյունքների վրա, ներկայացնում էր արդյունաբերության և ազգային ռազմավարությունների հետ կապված ապագա տեխնոլոգիաների ուղղությունները և ստեղծում էր նշանակալից փոխգործակցության հարթակ, որտեղ համատեղվում էին ակադեմիան, արդյունաբերությունը, հետազոտական և պետական կառույցները։
Հատկապես Clevi-ի ներկայացուցիչ պարոն Հվան Հո Լին հրավիրվել էր որպես 20-ին կայանալիք բացման արարողության VIP դասախոս։ 👏
Եկեք ևս մեկ անգամ զգանք այդ օրվա մթնոլորտը։
Սա միջոցառման մեկնարկից առաջ պարոն Հվան Հո Լիի դասախոսությանը պատրաստվելու պահն է․ երևում է, թե ինչպես է նա մտածում, թե ինչպես դասախոսությունը դարձնի ավելի բովանդակալից և հեշտ ընկալելի։
Միջոցառումը սկսվեց, և տեղի ունեցավ բացման արարողությունը։
Միջոցառումը հիանալի կերպով բացվեց Ջոնբուկի ազգային համալսարանի ուսանողի կողմից տեղում ավարտված կենդանի արվեստի կատարումով։
Առաջին հիմնական զեկուցումից հետո մեր Clevi-ի ներկայացուցիչ պարոն Հվան Հո Լին հանդես եկավ երկրորդ հիմնական զեկուցմամբ՝ «Ինչո՞ւ է AI-ին անհրաժեշտ ֆիզիկական միջնորդ» թեմայով։ Եկեք համառոտ ծանոթանանք դրան։
Ինչպե՞ս է AI-ն հասկանում աշխարհը,
ստեղծում նախադասություններ և նույնիսկ գործում։
Եկեք միասին նայենք, թե ինչ սկզբունքով են մեր ամենօրյա օգտագործած ChatGPT-ի կամ Claude-ի նման խոշոր լեզվային մոդելները (LLM) հասկանում և ստեղծում նախադասություններ՝ ուսումնասիրելով նրանց «ուղեղի ներսը»։
- Անվանապիտակի ավելացում (Token ID)․ AI-ն նախ բոլոր բառերին տալիս է եզակի համարներ, օրինակ՝ «5», «8», և կառավարում դրանք։
- Հասցեի նշում քարտեզի վրա (Vector)․ սակայն միայն պարզ համարներով հնարավոր չէ հասկանալ իմաստը, ուստի յուրաքանչյուր բառի տրվում է հարյուրավոր թվերից կազմված «մանրամասն հասցե (կոորդինատ)»։
- Հարևանների որոնում․ նման իմաստ ունեցող բառերը (օրինակ՝ «the», «a») այս քարտեզի վրա ապրում են շատ մոտ՝ «հարևանների» պես։
Այդ դեպքում ինչպե՞ս է AI-ն գուշակում հաջորդ բառը։
Հիմնական տվյալների փոխակերպումը հասկանալուց հետո եկեք այժմ դիտարկենք ամբողջ գործընթացը՝ ինչպես են այս թվերը վերածվում իրական նախադասության։ Ենթադրենք, որ ունենք «Paris is the city...» մուտքային արժեքը։
Tokenizer (ቁርጥራጮች ማድረግ)፦ እኛ ያስገባነው አረፍተ ነገር፣ ቀደም ብለን እንዳየነው፣ በቶከናይዘር በኩል ወደ ቁጥር (Token ID) ይቀየራል። "Paris" 1652ኛ፣ "is" 5ኛ... እንዲህ ነው።
LLM (ግዙፍ ካልኩሌተር)፦ እነዚህ የቁጥሮች ስብስቦች LLM (በምስሉ ውስጥ ያለው Bloom ሞዴል) ወደሚባለው ግዙፍ ካልኩሌተር ውስጥ ይገባሉ። እዚህ ቀደም ብለን በተማርነው ‘ቬክተር’ ስሌት አማካኝነት አውዱን ይገነዘባል። ‘እንደዚህ ማለት ነው፣ አሁን ስለ ፓሪስ ከተማ እያወራን ነው!’ ይላል።
Logits & Softmax (የዕድል ስሌት)፦ ስሌቱን ከጨረሰ በኋላ AIው ቀጥሎ ሊመጡ ለሚችሉ በሺዎች ለሚቆጠሩ የቃላት እጩዎች ነጥብ ይሰጣል። ከዚያም ‘ሶፍትማክስ’ በሚባል ማጣሪያ በኩል አልፎ ይህንን በእኛ በቀላሉ ልንመለከተው ወደምንችለው **‘ዕድል’** ይቀይረዋል።
የመጨረሻ ምርጫ፦ በቀኝ በኩል ያለውን ግራፍ ይመልከቱ።
- of → 33.7%
- that → 15.3%
- where → 9.4%
በመጨረሻም AIው ከፍተኛው ዕድል ያለውን **‘of’** በመምረጥ "Paris is the city of..." የሚለውን አረፍተ ነገር ማጠናቀቅ ይቀጥላል። ከዚያም ይህንን ሂደት በአስር ሺዎች ጊዜ በመድገም እኛ የምናየውን ረጅም መልስ ይፈጥራል።
በአጠቃላይ፣ AI አንድን ቃል ያስታውሳል ማለት ፊደላቱን በቃል መያዝ ሳይሆን፣ በግዙፉ የትርጉም ካርታ ላይ ያ ቃል በየት አካባቢ እንደሚኖር ‘አድራሻውን’ ማስታወስ ነው።
LLM ወደ ራዕይ፣ ሮቦቲክስ እና የባህሪ ትምህርት ሊስፋፋ ይችላል።
ትርጉምን የሚረዳ፣ አይቶ የሚረዳ እና የሚያስተዋውቅ AI።
ለ AI እጆችና እግሮችን መስጠት ማለት ከቋንቋ ወደ ግንዛቤ፣ ከዚያም ወደ ተግባር የሚያመራ የእውቀት መስፋፋት ማለት ነው።
AI ከእንግዲህ የሃሳብ ወይም የምናብ ዓለም ብቻ ሳይሆን፣ ወደ ትግበራና ወደ እውነታ ደረጃ ገብቷል።
የክሌቪ ቀጣይ እርምጃ
ክሌቪ በቀጣይም ብዙ ሰዎች የ AI ቴክኖሎጂ በእውነተኛው ዓለም እንዴት እንደሚሠራ በቀጥታ እንዲለማመዱ በዩኒቨርሲቲዎች ውስጥና ከዩኒቨርሲቲዎች ውጭ የሚዘጋጁ ወርክሾፖችን፣ የተግባር ፕሮጀክቶችን፣ የሙከራ ዳስዎችን እና ሌሎች የተለያዩ ዕድሎችን ማስፋፋት አቅዷል።
ይህ የጄንቡክ ብሔራዊ ዩኒቨርሲቲ ንግግር ተማሪዎችንና እኛን የሚያገናኝ ውድ ድልድይ እንደሆነ ሁሉ፣ ወደፊትም በቴክኖሎጂ ባለሙያዎችና በተጠቃሚዎች፣ በአካዳሚው ዓለምና በኢንዱስትሪው መካከል እንደ ድልድይ የመሆን ሚናችንን እንቀጥላለን።