🤖 سڵاو، من کڵێڤیم.
لە ٢٠ی مانگی یەکەمەوە تا ٢٢ی مانگی یەکەم، سەردانی «هەفتەی پەیکەری توێژینەوەی JBNU ـی ٢٠٢٥ (Research Fair Week)» کە لەلایەن زانکۆی جۆنبۆکەوە بەڕێوە دەبرا، کردین.
ئەم بۆنەیە بە ناوەڕۆکی ئەنجامە بەرزەکانی توێژینەوەی زانکۆی جۆنبۆک، ئاراستەی تەکنەلۆژییە داهاتووەکانی پەیوەست بە ستراتیژییە پیشەسازی و نیشتیمانییەکان پیشان دەدات و شوێنێکی گرنگ بۆ ئاڵوگۆڕی هاوبەشی نێوان زانکۆ و پیشەسازی و دامەزراوە توێژینەوەییەکان و حکومەت دابین دەکات.
بەتایبەتی، بەڕێز لی هوان-هۆ، نوێنەری کڵێڤی، بانگهێشت کرابوو وەک وتاربێژی VIP ـی ئاھەنگی کردنەوەی ڕۆژی ٢٠ی مانگی یەکەم! 👏
با جارێکی تر هەستی کەشی ئەو ڕۆژە بکەینەوە!
پێش دەستپێکردن، ئەمە دیمەنی بەڕێز لی هوان-هۆیە کە خەریکی ئامادەکردنی وتارەکەیە؛ دەبینرێت چۆن بیر لەوە دەکاتەوە کە چۆن وتارەکە پڕتر و ئاسانتر بێت.
بۆنەکە دەستی پێکرد و ئاھەنگی کردنەوە بەڕێوە چوو.
سەرەتا، پرفۆرمانسی هونەری زیندوو کە بە دەستەڕاستی لەلایەن خوێندکارێکی زانکۆی جۆنبۆک تەواو کرا، بۆنەکەی بە شێوەیەکی جوان دەست پێکرد.
دوای یەکەم وتاری سەرەکی، نوێنەری کڵێڤی، بەڕێز لی هوان-هۆ، وتاری دووەمی سەرەکی بە ناونیشانی «بۆچی زیرەکی دەستکرد پێویستی بە ناوەندێکی فیزیکی هەیە؟» پێشکەش کرد. با بە کورتی سەیری بکەین؟
زیرەکی دەستکرد بە ڕاستی بە چ شێوەیەک جیهان تێدەگات،
ڕستە دروست دەکات و تەنانەت کردار ئەنجام دەدات؟
دەمانەوێت لەگەڵ یەکدا سەیری ئەوە بکەین کە مۆدێلە زمانییە گەورەکان (LLM) وەک ChatGPT یان Claude کە هەموو ڕۆژێک بەکاریان دەهێنین، بە چ بنەمایەک ڕستەکان تێدەگەن و دروستیان دەکەن؛ واتە سەیری «مێشکی ناوەوەیان» بکەین.
- دانانی ناسنامە (Token ID): زیرەکی دەستکرد سەرەتا بە هەموو وشەیەک ژمارەیەکی تایبەتی وەک «ژمارەی ٥» یان «ژمارەی ٨» دەدات و بەو شێوەیە بەڕێوەیان دەبات.
- دانانی ناونیشان لەسەر نەخشە (Vector): بەڵام تەنها بە ژمارەی سادە ناتوانرێت مانا بزانرێت، بۆیە بۆ هەر وشەیەک «ناونیشانی ورد (کۆئۆردینات)» کە لە سەدان ژمارە پێک هاتووە دیاری دەکرێت.
- دۆزینەوەی دراوسێکان: وشەکانی خاوەن مانای نزیک (بۆ نموونە: 'the' و 'a') لەم نەخشەیەدا لە شوێنێکی زۆر نزیک بە یەکتر، وەک دراوسێ، کۆدەبنەوە و دەژین.
کەواتە زیرەکی دەستکرد چۆن وشەی داهاتوو دروست دەخەمڵێنێت؟
ئێستا کە تێگەیشتین لە گۆڕینی بنەڕەتی داتا، با تەواوی پرۆسەکە ببینین کە چۆن ئەم ژمارانە دەبنە ڕستەی ڕاستەقینە. با گریمانە بکەین کە بەهای ورودییەکمان هەیە کە دەڵێت "Paris is the city...".
Tokenizer（切分器）：正如前面所看到的，我們輸入的句子會透過分詞器轉換成數字（Token ID）。「Paris」是第 1652 個，「is」是第 5 個……就是這樣。
LLM（巨大的計算器）：這些數字串會進入名為 LLM（圖中的 Bloom 模型）的巨大計算器中。在這裡，透過剛才學到的「向量」運算來理解上下文。它會想：「啊，現在是在談論巴黎這座城市啊！」
Logits & Softmax（機率計算）：完成計算後，AI 會為接下來可能出現的數萬個單詞候選項評分。接著透過名為「Softmax」的篩選器，將其轉換成我們容易理解的 **「機率」**。
最終選擇：請看右側的圖表。
- of → 33.7%
- that → 15.3%
- where → 9.4%
最終，AI 會選擇機率最高的 **「of」**，完成「Paris is the city of...」這個句子。並且重複這個過程數萬次，生成我們所看到的長篇回答。
總而言之，對 AI 來說，記住單詞並不是背下文字，而是記住那個單詞在巨大的意義地圖上大約位於何處，也就是記住它的「地址」。
LLM 可以擴展到視覺、機器人與行為學習。
理解意義、看見並理解，然後採取行動的 AI。
賦予 AI 手腳，意味著從語言延伸到認知，再進一步延伸到行動，也就是智慧的擴展。
AI 不再只是理念或想像的領域，而是已經進入實現與現實的階段。
Clevi 的下一步
Clevi 未來也計畫擴大各種機會，例如校內外工作坊、實作專案及體驗攤位，讓更多人能夠親自體驗 AI 技術在真實世界中如何運作。
正如這次全北大學的演講成為連結學生與我們的珍貴橋樑，未來我們也將持續在技術人員與使用者、學術界與產業界之間發揮橋樑作用。