🤖 Hei, tässä on CLEVI.
Kävimme 20.–22. tammikuuta 「2025 JBNU Research Fair Week (Research Fair Week)」 -tapahtumassa, jonka järjesti Jeonbuk National University.
Tämä oli merkityksellinen tapahtuma, jossa Jeonbuk National Universityn erinomaisiin tutkimustuloksiin keskittyen esiteltiin teollisuuden ja kansallisten strategioiden kanssa yhteensopivien tulevaisuuden teknologioiden suuntaviivoja ja luotiin verkostoitumisfoorumi teollisuuden, korkeakoulujen, tutkimuslaitosten ja julkisen sektorin välille.
Erityisesti CLEVI:n toimitusjohtaja Lee Hwan-ho kutsuttiin 20. päivänä järjestetyn avajaistilaisuuden VIP-luennoitsijaksi! 👏
Palataan vielä kerran sen päivän tunnelmiin!
Ennen tilaisuuden alkua CLEVI:n toimitusjohtaja Lee Hwan-ho valmistautuu luentoon. Hän näyttää pohtivan, miten luennosta voisi tehdä mahdollisimman antoisan ja helposti ymmärrettävän.
Tapahtuma alkoi ja avajaistilaisuus käynnistyi.
Tilaisuus avattiin näyttävästi Jeonbuk National Universityn opiskelijan improvisoidulla live-taide-esityksellä.
Ensimmäisen keynote-esityksen jälkeen CLEVI:n toimitusjohtaja Lee Hwan-ho piti toisen keynote-esityksen aiheesta ”Miksi tekoäly tarvitsee fyysisen välineen”. Tutustutaanko siihen lyhyesti?
Millä tavalla tekoäly oikein ymmärtää maailmaa
luo lauseita ja jopa toimii?
Haluamme tarkastella yhdessä, millä periaatteella päivittäin käyttämämme ChatGPT:n ja Clauden kaltaiset suuret kielimallit (LLM) oikein ymmärtävät ja muodostavat lauseita – niiden ”aivojen” sisälle.
- Tunnisteen antaminen (Token ID): Tekoäly antaa ensin jokaiselle sanalle yksilöllisen numeron, kuten ”5” tai ”8”, ja hallinnoi sanoja niiden avulla.
- Osoitteen merkitseminen kartalle (Vector): Pelkän numeron avulla merkitystä ei kuitenkaan voi tietää, joten jokaiselle sanalle annetaan ”yksityiskohtainen osoite (koordinaatit)”, joka koostuu sadoista numeroista.
- Naapureiden etsiminen: Samankaltaisen merkityksen omaavat sanat (esim. ”the” ja ”a”) asettuvat tällä kartalla hyvin lähelle toisiaan ja elävät siellä kuin naapurit.
Miten tekoäly sitten arvaa seuraavan sanan?
Nyt kun ymmärrämme perustavanlaatuisen tiedon muuntamisen, tarkastellaan koko prosessia ja sitä, miten näistä numeroista syntyy todellisia lauseita. Oletetaan, että syötteenä on ”Paris is the city... ”.
Tokenizer (pilkkominen): Kuten aiemmin näimme, tokenizer muuttaa syöttämämme lauseen numeroiksi (Token ID). "Paris" on numero 1652, "is" numero 5... ja niin edelleen.
LLM (valtava laskin): Nämä numeromassat syötetään valtavaan laskimeen nimeltä LLM (kuvan Bloom-malli). Se ymmärtää asiayhteyden aiemmin opitun "vektori"-laskennan avulla. Se tavallaan toteaa: "Ahaa, nyt puhumme Pariisin kaupungista!"
Logits & Softmax (todennäköisyyden laskeminen): Laskennan jälkeen tekoäly antaa pisteet kymmenille tuhansille mahdollisille seuraaville sanoille. Sitten se muuttaa ne "softmax"-suodattimen avulla meille helpommin ymmärrettäviksi **"todennäköisyyksiksi"**.
Lopullinen valinta: Katsokaa oikealla olevaa kaaviota.
- of → 33,7 %
- that → 15,3 %
- where → 9,4 %
Lopulta tekoäly valitsee todennäköisimmän sanan **"of"** ja jatkaa lauseen "Paris is the city of..." täydentämistä. Toistamalla tätä prosessia kymmeniätuhansia kertoja se muodostaa pitkän vastauksen, jonka näemme.
Yhteenvetona voidaan sanoa, että tekoälylle sanan muistaminen ei tarkoita kirjainten ulkoa opettelua, vaan sen "osoitteen" muistamista: missä kohtaa valtavaa merkitysten karttaa kyseinen sana sijaitsee.
LLM:ää voidaan laajentaa näköön, robotiikkaan ja toiminnan oppimiseen.
Tekoäly, joka ymmärtää merkityksiä, näkee ja ymmärtää sekä toimii.
Tekoälyn varustaminen käsillä ja jaloilla tarkoittaa siirtymistä kielestä havaitsemiseen ja siitä edelleen toimintaan – älykkyyden laajentamista.
Tekoäly ei enää kuulu ideoiden tai mielikuvituksen piiriin, vaan on siirtynyt toteutuksen ja todellisuuden vaiheeseen.
CLEVI:n seuraava askel
CLEVI aikoo jatkossakin laajentaa erilaisia mahdollisuuksia, kuten kampuksella ja sen ulkopuolella järjestettäviä työpajoja, käytännön projekteja ja esittelypisteitä, jotta yhä useammat voivat itse kokea, miten tekoälyteknologia toimii todellisessa maailmassa.
Aivan kuten tämä Jeonbuk National Universityssä pidetty luento muodosti arvokkaan sillan opiskelijoiden ja meidän välillemme, jatkamme jatkossakin sillanrakentajan roolissa teknologian kehittäjien ja käyttäjien sekä akateemisen maailman ja teollisuuden välillä.