🤖 Hola, som Clevi.
Hem assistit a l’acte «Setmana de la Fira d’Investigació JBNU 2025 (Research Fair Week)» , organitzat per la Universitat Nacional de Jeonbuk del 20 al 22 de gener.
Aquest acte va ser una trobada significativa que, centrada en els excel·lents resultats de recerca de la Universitat Nacional de Jeonbuk, va presentar l’orientació de les tecnologies del futur vinculades a les estratègies industrials i nacionals, i va oferir un espai d’intercanvi en què van participar conjuntament els sectors acadèmic, industrial, de recerca i governamental.
En particular, el representant de Clevi, el Sr. Hwanho Lee, va ser convidat com a conferenciant VIP de la cerimònia d’obertura, celebrada el dia 20! 👏
Tornem a viure l’ambient d’aquell dia!
Abans de començar, aquí veiem el representant Hwanho Lee preparant la conferència; se’l veu reflexionant sobre com fer-la més completa i fàcil d’entendre.
L’acte va començar i es va celebrar la cerimònia d’obertura.
Primer, l’acte es va inaugurar magníficament amb una actuació d’art en directe creada espontàniament per un estudiant de la Universitat Nacional de Jeonbuk.
Després de la primera conferència magistral, el nostre representant de Clevi, Hwanho Lee, va oferir la segona conferència magistral, titulada «Per què la IA necessita un mitjà físic». En fem una ullada breu?
De quina manera entén exactament la IA el món,
crea frases i fins i tot arriba a actuar?
Intentarem mirar dins del «cervell» dels grans models de llenguatge (LLM), com el ChatGPT o el Claude que fem servir cada dia, per entendre amb quin principi comprenen i creen frases.
- Assignació d’etiquetes als noms (Token ID): primer, la IA assigna a cada paraula un número únic, com ara «5» o «8», per gestionar-les.
- Marcar adreces al mapa (Vector): tanmateix, com que no es pot entendre el significat només amb números, assigna a cada paraula una «adreça detallada (coordenades)» formada per centenars de números.
- Buscar veïns: les paraules amb significats semblants (per exemple, «the» i «a») viuen agrupades molt a prop les unes de les altres en aquest mapa, com si fossin veïnes.
Aleshores, com pot la IA encertar la paraula següent?
Ara que entenem la transformació bàsica de les dades, vegem tot el procés mitjançant el qual aquests números es converteixen en una frase real. Suposem que tenim una entrada com «Paris is the city...».
Tokenitzador (fragmentació): les frases que introduïm es converteixen en números (ID de token) mitjançant el tokenitzador, tal com hem vist abans. "Paris" és el número 1652, "is" és el número 5... Així funciona.
LLM (calculadora gegant): aquests conjunts de números entren dins d’una calculadora gegant anomenada LLM (el model Bloom de la imatge). Aquí, mitjançant les operacions amb «vectors» que hem après abans, interpreta el context. «Ah, ara estem parlant de la ciutat de París!», oi?
Logits i softmax (càlcul de probabilitats): després de fer els càlculs, la IA assigna una puntuació a desenes de milers de candidats de paraules que poden venir a continuació. I, després de passar pel filtre anomenat «softmax», els converteix en «probabilitats», més fàcils d’entendre per a nosaltres.
Selecció final: mireu el gràfic de la dreta.
- of → 33,7%
- that → 15,3%
- where → 9,4%
Al final, la IA tria «of», que és la paraula amb la probabilitat més alta, i completa la frase «Paris is the city of...». Repetint aquest procés desenes de milers de vegades, crea les respostes llargues que veiem.
En conclusió, que una IA recordi una paraula no significa memoritzar les lletres, sinó recordar l’«adreça» d’on viu aquella paraula aproximadament en un mapa gegant de significats.
Els LLM es poden ampliar amb la visió, la robòtica i l’aprenentatge d’accions.
Una IA que entén el significat, que veu i entén, i que actua.
Donar braços i cames a la IA significa passar del llenguatge al reconeixement i, més enllà, ampliar la intel·ligència fins a l’acció.
La IA ja no pertany al regne de les idees o la imaginació, sinó que ha entrat en l’etapa de la implementació i la realitat.
El pròxim pas de Clevi
Clevi té previst continuar ampliant diverses oportunitats, com ara tallers dins i fora del campus, projectes pràctics i estands d’experiència, perquè encara més persones puguin experimentar directament com funciona la tecnologia d’IA en el món real.
De la mateixa manera que aquesta conferència a la Universitat Nacional de Jeonbuk es va convertir en un pont valuós que connecta l’estudiantat amb nosaltres, continuarem exercint de pont entre els tecnòlegs i els usuaris, i entre el món acadèmic i la indústria.